JP6949266B2 - 対象三次元検出及びスマート運転制御方法、装置、媒体並びに機器 - Google Patents
対象三次元検出及びスマート運転制御方法、装置、媒体並びに機器 Download PDFInfo
- Publication number
- JP6949266B2 JP6949266B2 JP2021501280A JP2021501280A JP6949266B2 JP 6949266 B2 JP6949266 B2 JP 6949266B2 JP 2021501280 A JP2021501280 A JP 2021501280A JP 2021501280 A JP2021501280 A JP 2021501280A JP 6949266 B2 JP6949266 B2 JP 6949266B2
- Authority
- JP
- Japan
- Prior art keywords
- target
- dimensional
- key point
- detector
- dimensional detector
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
- G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/50—Depth or shape recovery
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
- G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
- G06V20/584—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads of vehicle lights or traffic lights
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/64—Three-dimensional objects
- G06V20/647—Three-dimensional objects by matching two-dimensional images to three-dimensional objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
- G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
- G06V20/582—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads of traffic signs
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/07—Target detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/08—Detecting or categorising vehicles
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Image Analysis (AREA)
- Length Measuring Devices By Optical Means (AREA)
- Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
- Image Processing (AREA)
- Traffic Control Systems (AREA)
Description
本出願は、2018年08月07日に中国特許局に提出された出願番号がCN201810891535.0であり、発明名称が「対象三次元検出及びスマート運転制御方法、装置、媒体並びに機器」である中国特許出願の優先権を要求し、その全ての内容は引用によって本出願に援用される。
であって、キーポイント1の二次元平面における座標が
であるとすれば、本出願の実施例は、
を最適面の法線ベクトルとすることができる。以上、3つの例のみを列挙した。本出願の実施例は、他の形態で、最適面の法線ベクトルを得ることもできる。本出願の実施例は、最適面の法線ベクトルを得るための実現形態を限定するものではない。
である。該法線ベクトルは、準最適面の底辺である。本出願の実施例は、キーポイント7を通った第3垂線を形成し、キーポイント7により、第1線又は第2線に平行である第3線を作成する。最適面における左上隅の頂点の、該法線ベクトル方向に沿った拡張が第3垂線と交差し、準最適面の頂辺を形成する。また、該交点とキーポイント8との連結線は、最適面における右上隅の頂点が該法線ベクトル方向に沿って拡張した線と交差する。該交点により第4垂線を下ろす。第4垂線は、最適面の右下隅の頂点が法線ベクトル方向に沿って拡張した線と交差する。これにより二次元空間において、擬似三次元検出体を形成する。本出願の実施例において、被処理画像におけるターゲット対象のために形成された擬似三次元検出体の一例は、図3に示す通りである。本出願の実施例は、最適面及びその法線ベクトルを決定してから、種々の形態で擬似三次元検出体を形成することができる。本出願の実施例は、擬似三次元検出体の形成のための実現過程を限定するものではない。
は、撮影装置のパラメータを表す。
、
、
は、キーポイントの三次元座標を表し、つまり、キーポイントの実世界の三次元空間における三次元座標を表す。ただし、
として上記得られたキーポイントの深度値を代入することができる。
及び
は、キーポイントの二次元座標を表し、つまり、キーポイントの被処理画像の座標系における二次元座標を表す。
は、スケーリングファクタを表す。
であって、キーポイント1の三次元空間における座標が
であるとすれば、本出願の実施例は、
を最適面の法線ベクトルとすることができる。以上、3つの例のみを列挙した。本出願の実施例は、他の形態で、最適面の法線ベクトルを得ることもできる。本出願の実施例は、最適面の法線ベクトルを得るための実現形態を限定するものではない。
である。該法線ベクトルは、準最適面の底辺である。本出願の実施例は、キーポイント7を通った第3垂線を形成し、キーポイント7により、第1線又は第2線に平行である第3線を作成する。最適面における左上隅の頂点の、該法線ベクトル方向に沿った拡張が第3垂線と交差し、準最適面の頂辺を形成する。また、該交点とキーポイント8との連結線は、最適面における右上隅の頂点が該法線ベクトル方向に沿って拡張した線と交差する。該交点により第4垂線を下ろす。第4垂線は、最適面の右下隅の頂点が法線ベクトル方向に沿って拡張した線と交差する。これにより二次元空間において、三次元検出体を形成する。本出願の実施例において、最適面及びその法線ベクトルを決定してから、種々の形態で初期三次元検出体を形成することができる。本出願の実施例は、初期三次元検出体の形成のための実現過程を限定するものではない。
は、フィッティング最適化を行う履歴ビデオフレームの値を表す。例えば、5つの履歴ビデオフレームを利用してフィッティングを行う場合、
である。
は、履歴ビデオフレームに対応する時刻を表す。例えば、5つの履歴ビデオフレームを利用してフィッティングを行う場合、
である。
、
及び
は、二次関数の係数を表す。
は予測結果に対応する重みを表す。
は、予測結果を表す。
は、現在のビデオフレームの対象三次元検出結果に対応する重みを表す。
は、現在のビデオフレームの対象三次元検出結果を表す。
は、平滑化処理された現在のビデオフレームの対象三次元検出結果を表す。
及び
とすることができる。また例えば、予測結果と現在のビデオフレームの対象三次元検出結果との差が大きい(例えば差が所定の値に達した)場合、
及び
とすることができ、
及び
等とすることもできる。本出願の実施例は、重みの値を限定するものではない。
Claims (20)
- 対象三次元検出方法であって、
被処理画像におけるターゲット対象のキーポイントの二次元座標を取得することと、
前記キーポイントの二次元座標に基づいて、前記ターゲット対象の擬似三次元検出体を構築することと、
前記キーポイントの深度情報を取得することと、
前記キーポイントの深度情報及び前記擬似三次元検出体に基づいて、前記ターゲット対象の三次元検出体を決定することとを含むことを特徴とする、対象三次元検出方法。 - 前記被処理画像は、移動体に設けられた撮影装置により撮影されたビデオにおけるビデオフレーム、又は、固定位置に設けられた撮影装置により撮影されたビデオにおけるビデオフレームを含み、
前記ターゲット対象は、自動車、軽車両、歩行者、動物、建築物、植物、障害物、危険物、交通標識又は物品のうちのいずれか1つ又は複数を含むことを特徴とする
請求項1に記載の方法。 - 前記キーポイントの二次元座標に基づいて、前記ターゲット対象の擬似三次元検出体を構築することは、
キーポイントとターゲット対象に含まれる面との所定の第1所属関係及び前記キーポイントの二次元座標に基づいて、少なくとも1つのターゲット対象のあり得る面を構築することと、
前記あり得る面に基づいて、前記ターゲット対象の擬似三次元検出体を構築することとを含むことを特徴とする
請求項1又は2に記載の方法。 - 前記あり得る面に基づいて、前記ターゲット対象の擬似三次元検出体を構築することは、
所定の面品質判定ルールに基づいて、構築された少なくとも1つのあり得る面から、最適面を決定することと、
前記最適面に基づいて前記ターゲット対象の擬似三次元検出体を構築することとを含むことを特徴とする
請求項3に記載の方法。 - 所定の面品質判定ルールに基づいて、構築された少なくとも1つのあり得る面から、最適面を決定することは、
所定の面品質判定ルールに基づいて、構築された少なくとも1つのあり得る面から、最適面及び準最適面を決定することを含み、
前記最適面に基づいて前記ターゲット対象の擬似三次元検出体を構築することは、
前記最適面及び前記準最適面に基づいて、前記ターゲット対象の擬似三次元検出体を構築することを含むことを特徴とする
請求項4に記載の方法。 - 前記ターゲット対象のキーポイントが複数含まれ、
前記キーポイントの二次元座標に基づいて、前記ターゲット対象の擬似三次元検出体を構築する前に、前記方法は、
複数の前記キーポイントから、予測正確度要件に合致するキーポイントを選出することを更に含み、
前記キーポイントの二次元座標に基づいて、前記ターゲット対象の擬似三次元検出体を構築することは、
前記選出されたキーポイントの二次元座標に基づいて、前記ターゲット対象の擬似三次元検出体を構築することを含むことを特徴とする
請求項1から5のいずれか一項に記載の方法。 - 被処理画像におけるターゲット対象のキーポイントの二次元座標を取得する前に、前記方法は、
前記被処理画像に対してターゲット対象検出を行い、ターゲット対象を含む二次元ターゲット検出枠を得ることを更に含み、
被処理画像におけるターゲット対象のキーポイントの二次元座標を取得することは、
前記被処理画像における前記二次元ターゲット検出枠に対応する画像部分に基づいて、前記ターゲット対象のキーポイントの二次元座標を取得することを含むことを特徴とする
請求項1から6のいずれか一項に記載の方法。 - 前記方法は、
前記被処理画像に対してターゲット対象検出を行う過程において、ターゲット対象を含む二次元ターゲット検出枠の取得に成功しなかった場合、対象の三次元検出処理を実行しないことを更に含むことを特徴とする
請求項7に記載の方法。 - 前記最適面及び前記準最適面に基づいて、前記ターゲット対象の擬似三次元検出体を構築することは、
前記最適面の法線ベクトルを決定することと、
前記最適面における頂点の、前記法線ベクトル方向に沿った拡張によって、前記擬似三次元検出体を形成することとを含み、
前記最適面の法線ベクトルを決定することは、
前記準最適面におけるキーポイントから最適面に向けて下ろされる垂線を最適面の法線ベクトルとすること、又は、
前記最適面に対応するキーポイント以外の他のキーポイントのうち予測正確度が最も高いキーポイントから前記最適面に向けて下ろされる垂線を、最適面の法線ベクトルとすること、又は、
前記最適面の隣接面における、前記最適面に垂直である辺における2つのキーポイントの座標差を最適面の法線ベクトルとすることを含むことを特徴とする
請求項5に記載の方法。 - 前記キーポイントの深度情報及び前記擬似三次元検出体に基づいて、前記ターゲット対象の三次元検出体を決定することは、
前記キーポイントの深度情報に基づいて、前記キーポイントの二次元座標を三次元空間における三次元座標に変換することと、
前記キーポイントの三次元座標に基づいて、前記ターゲット対象の初期三次元検出体を構築することと、
前記擬似三次元検出体に基づいて前記初期三次元検出体を補正し、前記ターゲット対象の三次元検出体を形成することとを含むことを特徴とする
請求項9に記載の方法。 - 前記キーポイントの二次元座標を三次元空間における三次元座標に変換することは、
予測正確度要件に合致するキーポイントの二次元座標を三次元空間における三次元座標に変換することを含むことを特徴とする
請求項10に記載の方法。 - 前記キーポイントの三次元座標に基づいて、前記ターゲット対象の初期三次元検出体を構築することは、
前記キーポイントの三次元座標のそれぞれに対応する面に基づいて、前記ターゲット対象の最適面を決定し、三次元空間において前記ターゲット対象の最適面を構築することと、
前記最適面の法線ベクトルを決定することと、
前記最適面における頂点の、前記法線ベクトル方向に沿った拡張によって、前記初期三次元検出体を形成することとを含むことを特徴とする
請求項11に記載の方法。 - 前記最適面の法線ベクトルを決定することは、
前記準最適面におけるキーポイントから前記最適面に向けて下ろされる垂線を前記最適面の法線ベクトルとすること、又は、
前記最適面に対応するキーポイント以外の他のキーポイントのうち予測正確度が最も高いキーポイントから前記最適面に向けて下ろされる垂線を前記最適面の法線ベクトルとすること、又は、
前記最適面の隣接面における、前記最適面に垂直である辺における2つのキーポイントの座標差を前記最適面の法線ベクトルとすることを含むことを特徴とする
請求項12に記載の方法。 - 前記擬似三次元検出体に基づいて前記初期三次元検出体を補正し、前記ターゲット対象の三次元検出体を形成することは、
二次元平面における擬似三次元検出体に基づいて、前記三次元空間における初期三次元検出体を調整することで、調整後の三次元検出体の二次元平面にマッピングする領域と擬似三次元検出体との面積の重なり度合いを向上させることを含むことを特徴とする
請求項10から13のいずれか一項に記載の方法。 - 前記擬似三次元検出体に基づいて前記初期三次元検出体を補正し、前記ターゲット対象の三次元検出体を形成することは、
前記ターゲット対象の所定の長さ・幅・高さの比に基づいて、前記初期三次元検出体を補正すること、
前記ターゲット対象の、被処理画像における検出枠に基づいて、前記初期三次元検出体を補正することで、調整後の三次元検出体の二次元平面にマッピングする領域を前記検出枠に属させることのうちのいずれか1つ又は複数を含むことを特徴とする
請求項14に記載の方法。 - 前記方法は、
時間順序関係を有する複数の被処理画像における同一のターゲット対象の三次元検出体に対して平滑化処理を行うことを更に含むことを特徴とする
請求項1から15のいずれか一項に記載の方法。 - 前記平滑化処理は、三次元検出体の長さ・幅・高さに対する平滑化処理、三次元検出体の運動方向に対する平滑化処理、三次元検出体の鳥瞰図中心点に対する平滑化処理及び三次元検出体の頂点に対する平滑化処理のうちのいずれか1つ又は複数を含むことを特徴とする
請求項16に記載の方法。 - 前記方法は、
前記ターゲット対象のキーポイントの三次元座標に基づいて、前記三次元検出体の運動方向を取得すること、
前記ターゲット対象のキーポイントの三次元座標に基づいて、前記ターゲット対象と前記被処理画像を撮影する撮影装置との位置関係を取得することのうちのいずれか1つ又は複数を更に含むことを特徴とする
請求項1から17のいずれか一項に記載の方法。 - 電子機器であって、
コンピュータプログラムを記憶するように構成されるメモリと、
前記メモリに記憶されているコンピュータプログラムを実行し、且つ前記コンピュータプログラムが実行される時、請求項1−18のいずれか一項に記載の方法を実現させるように構成されるプロセッサとを備える、電子機器。 - コンピュータ可読記憶媒体であって、前記コンピュータ可読記憶媒体には、コンピュータプログラムが記憶されており、該コンピュータプログラムがプロセッサにより実行される時、前記プロセッサに、請求項1−18のいずれか一項に記載の方法を実現させる、コンピュータ可読記憶媒体。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810891535.0A CN110826357B (zh) | 2018-08-07 | 2018-08-07 | 对象三维检测及智能驾驶控制的方法、装置、介质及设备 |
CN201810891535.0 | 2018-08-07 | ||
PCT/CN2019/096232 WO2020029758A1 (zh) | 2018-08-07 | 2019-07-16 | 对象三维检测及智能驾驶控制的方法、装置、介质及设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2021524115A JP2021524115A (ja) | 2021-09-09 |
JP6949266B2 true JP6949266B2 (ja) | 2021-10-13 |
Family
ID=69414504
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2021501280A Active JP6949266B2 (ja) | 2018-08-07 | 2019-07-16 | 対象三次元検出及びスマート運転制御方法、装置、媒体並びに機器 |
Country Status (5)
Country | Link |
---|---|
US (1) | US11100310B2 (ja) |
JP (1) | JP6949266B2 (ja) |
CN (1) | CN110826357B (ja) |
SG (1) | SG11202100378UA (ja) |
WO (1) | WO2020029758A1 (ja) |
Families Citing this family (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11159811B2 (en) * | 2019-03-15 | 2021-10-26 | Tencent America LLC | Partitioning of coded point cloud data |
CN112767300A (zh) * | 2019-10-18 | 2021-05-07 | 宏达国际电子股份有限公司 | 自动生成手部的标注数据的方法和计算骨骼长度的方法 |
CN111340886B (zh) * | 2020-02-25 | 2023-08-15 | 深圳市商汤科技有限公司 | 检测物体的拾取点的方法及装置、设备、介质和机器人 |
JP7393270B2 (ja) | 2020-03-25 | 2023-12-06 | 株式会社コア | 情報処理装置、情報処理方法及び情報処理プログラム |
CN111723716B (zh) * | 2020-06-11 | 2024-03-08 | 深圳地平线机器人科技有限公司 | 确定目标对象朝向的方法、装置、系统、介质及电子设备 |
CN111931643A (zh) * | 2020-08-08 | 2020-11-13 | 商汤集团有限公司 | 一种目标检测方法、装置、电子设备及存储介质 |
US11494927B2 (en) | 2020-09-15 | 2022-11-08 | Toyota Research Institute, Inc. | Systems and methods for self-supervised depth estimation |
US11321862B2 (en) | 2020-09-15 | 2022-05-03 | Toyota Research Institute, Inc. | Systems and methods for multi-camera modeling with neural camera networks |
US11508080B2 (en) | 2020-09-15 | 2022-11-22 | Toyota Research Institute, Inc. | Systems and methods for generic visual odometry using learned features via neural camera models |
US11615544B2 (en) | 2020-09-15 | 2023-03-28 | Toyota Research Institute, Inc. | Systems and methods for end-to-end map building from a video sequence using neural camera models |
WO2022110877A1 (zh) * | 2020-11-24 | 2022-06-02 | 深圳市商汤科技有限公司 | 深度检测方法、装置、电子设备、存储介质及程序 |
US11475628B2 (en) * | 2021-01-12 | 2022-10-18 | Toyota Research Institute, Inc. | Monocular 3D vehicle modeling and auto-labeling using semantic keypoints |
US11922640B2 (en) * | 2021-03-08 | 2024-03-05 | Toyota Research Institute, Inc. | Semi-supervised 3D object tracking in videos via 2D semantic keypoints |
CN113221751B (zh) * | 2021-05-13 | 2024-01-12 | 北京百度网讯科技有限公司 | 关键点检测的方法、装置、设备以及存储介质 |
US20220383543A1 (en) * | 2021-05-26 | 2022-12-01 | Abb Schweiz Ag | Multi-Stage Autonomous Localization Architecture for Charging Electric Vehicles |
CN113469115A (zh) * | 2021-07-20 | 2021-10-01 | 阿波罗智联(北京)科技有限公司 | 用于输出信息的方法和装置 |
CN113449373B (zh) * | 2021-07-21 | 2024-04-30 | 深圳须弥云图空间科技有限公司 | 重叠检测方法、装置及电子设备 |
CN115345919B (zh) * | 2022-08-25 | 2024-04-12 | 北京精英路通科技有限公司 | 一种深度确定方法、装置、电子设备以及存储介质 |
Family Cites Families (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3052681B2 (ja) * | 1993-08-06 | 2000-06-19 | 松下電器産業株式会社 | 3次元動画像生成装置 |
KR100201739B1 (ko) * | 1995-05-18 | 1999-06-15 | 타테이시 요시오 | 물체 관측 방법 및 그 방법을 이용한 물체 관측장치와,이 장치를 이용한 교통흐름 계측장치 및 주차장 관측장치 |
GB2383915B (en) * | 2001-11-23 | 2005-09-28 | Canon Kk | Method and apparatus for generating models of individuals |
US7262767B2 (en) * | 2004-09-21 | 2007-08-28 | Victor Company Of Japan, Limited | Pseudo 3D image creation device, pseudo 3D image creation method, and pseudo 3D image display system |
JP4600760B2 (ja) * | 2005-06-27 | 2010-12-15 | アイシン精機株式会社 | 障害物検出装置 |
JP2009041972A (ja) * | 2007-08-07 | 2009-02-26 | Toshiba Corp | 画像処理装置及びその方法 |
JP2010256252A (ja) * | 2009-04-27 | 2010-11-11 | Topcon Corp | 三次元計測用画像撮影装置及びその方法 |
JP5299173B2 (ja) * | 2009-08-26 | 2013-09-25 | ソニー株式会社 | 画像処理装置および画像処理方法、並びにプログラム |
US8260539B2 (en) * | 2010-05-12 | 2012-09-04 | GM Global Technology Operations LLC | Object and vehicle detection and tracking using 3-D laser rangefinder |
CN102262724B (zh) * | 2010-05-31 | 2013-01-09 | 汉王科技股份有限公司 | 目标图像特征点定位方法和目标图像特征点定位系统 |
CN101915573B (zh) * | 2010-08-04 | 2012-12-12 | 中国科学院自动化研究所 | 一种基于标记物的关键点检测的定位测量方法 |
CN102901446A (zh) | 2012-09-27 | 2013-01-30 | 无锡天授信息科技有限公司 | 一种运动目标三维立体定位系统及方法 |
CN104021368A (zh) | 2013-02-28 | 2014-09-03 | 株式会社理光 | 估计路面高度形状的方法和系统 |
US9296895B2 (en) * | 2013-06-13 | 2016-03-29 | Autonomic Materials, Inc. | Self-healing polymeric materials via unsaturated polyester resin chemistry |
CN105313782B (zh) * | 2014-07-28 | 2018-01-23 | 现代摩比斯株式会社 | 车辆行驶辅助系统及其方法 |
CN107093171B (zh) * | 2016-02-18 | 2021-04-30 | 腾讯科技(深圳)有限公司 | 一种图像处理方法及装置、系统 |
CN107203962B (zh) * | 2016-03-17 | 2021-02-19 | 掌赢信息科技(上海)有限公司 | 一种利用2d图片制作伪3d图像的方法及电子设备 |
CN106251395A (zh) | 2016-07-27 | 2016-12-21 | 中测高科(北京)测绘工程技术有限责任公司 | 一种三维模型快速重建方法及系统 |
US10372970B2 (en) * | 2016-09-15 | 2019-08-06 | Qualcomm Incorporated | Automatic scene calibration method for video analytics |
US10235771B2 (en) * | 2016-11-11 | 2019-03-19 | Qualcomm Incorporated | Methods and systems of performing object pose estimation |
US10031526B1 (en) * | 2017-07-03 | 2018-07-24 | Baidu Usa Llc | Vision-based driving scenario generator for autonomous driving simulation |
CN108229305B (zh) * | 2017-11-21 | 2021-06-04 | 北京市商汤科技开发有限公司 | 用于确定目标对象的外接框的方法、装置和电子设备 |
CN108038902B (zh) | 2017-12-07 | 2021-08-27 | 合肥工业大学 | 一种面向深度相机的高精度三维重建方法和系统 |
-
2018
- 2018-08-07 CN CN201810891535.0A patent/CN110826357B/zh active Active
-
2019
- 2019-07-16 SG SG11202100378UA patent/SG11202100378UA/en unknown
- 2019-07-16 US US17/259,678 patent/US11100310B2/en active Active
- 2019-07-16 WO PCT/CN2019/096232 patent/WO2020029758A1/zh active Application Filing
- 2019-07-16 JP JP2021501280A patent/JP6949266B2/ja active Active
Also Published As
Publication number | Publication date |
---|---|
WO2020029758A1 (zh) | 2020-02-13 |
US11100310B2 (en) | 2021-08-24 |
SG11202100378UA (en) | 2021-02-25 |
JP2021524115A (ja) | 2021-09-09 |
US20210165997A1 (en) | 2021-06-03 |
CN110826357A (zh) | 2020-02-21 |
CN110826357B (zh) | 2022-07-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6949266B2 (ja) | 対象三次元検出及びスマート運転制御方法、装置、媒体並びに機器 | |
JP7002589B2 (ja) | 対象の三次元検出およびインテリジェント運転制御方法、装置、媒体および機器 | |
JP7282080B2 (ja) | 二次元画像および点群データからの三次元境界ボックス | |
US20210110599A1 (en) | Depth camera-based three-dimensional reconstruction method and apparatus, device, and storage medium | |
Hirschmüller et al. | Memory efficient semi-global matching | |
JP2014096152A (ja) | ポイントクラウド内の埋め戻しポイント | |
JP7091485B2 (ja) | 運動物体検出およびスマート運転制御方法、装置、媒体、並びに機器 | |
US20220138977A1 (en) | Two-stage depth estimation machine learning algorithm and spherical warping layer for equi-rectangular projection stereo matching | |
EP3968266A1 (en) | Obstacle three-dimensional position acquisition method and apparatus for roadside computing device | |
CN113240734B (zh) | 一种基于鸟瞰图的车辆跨位判断方法、装置、设备及介质 | |
CN112287824A (zh) | 基于双目视觉的三维目标检测方法、装置及系统 | |
KR20190060679A (ko) | 이동 객체의 자세 학습 방법 및 장치 | |
WO2020238073A1 (zh) | 确定目标对象朝向方法、智能驾驶控制方法和装置及设备 | |
CN116097316A (zh) | 用于非模态中心预测的对象识别神经网络 | |
CN112509126A (zh) | 三维物体检测的方法、装置、设备及存储介质 | |
EP4107650A1 (en) | Systems and methods for object detection including pose and size estimation | |
CN117315372A (zh) | 一种基于特征增强的三维感知方法 | |
Hou et al. | Octree-Based Approach for Real-Time 3D Indoor Mapping Using RGB-D Video Data | |
CN114648639B (zh) | 一种目标车辆的检测方法、系统及装置 | |
CN116704112A (zh) | 一种用于对象重建的3d扫描系统 | |
Chen et al. | SGSR-Net: Structure Semantics Guided LiDAR Super-Resolution Network for Indoor LiDAR SLAM | |
He et al. | Sparse depth map upsampling with rgb image and anisotropic diffusion tensor | |
CN113312979B (zh) | 图像处理方法、装置、电子设备、路侧设备及云控平台 | |
KR102540676B1 (ko) | 카메라이미지를 이용하여 객체의 위치를 도출하는 방법 및 그 시스템 | |
CN116152345B (zh) | 一种嵌入式系统实时物体6d位姿和距离估计方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210114 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20210114 |
|
A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20210312 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20210713 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210830 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20210914 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20210921 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6949266 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |