CN113227708A - 确定俯仰角的方法、装置及终端设备 - Google Patents
确定俯仰角的方法、装置及终端设备 Download PDFInfo
- Publication number
- CN113227708A CN113227708A CN202180000667.XA CN202180000667A CN113227708A CN 113227708 A CN113227708 A CN 113227708A CN 202180000667 A CN202180000667 A CN 202180000667A CN 113227708 A CN113227708 A CN 113227708A
- Authority
- CN
- China
- Prior art keywords
- distance
- environmental
- determining
- characteristic point
- pitch angle
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 57
- 230000007613 environmental effect Effects 0.000 claims abstract description 172
- 238000004590 computer program Methods 0.000 claims description 28
- 230000008569 process Effects 0.000 description 14
- 238000004422 calculation algorithm Methods 0.000 description 9
- 238000004364 calculation method Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 9
- 238000009795 derivation Methods 0.000 description 7
- 238000006243 chemical reaction Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 238000001514 detection method Methods 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000003190 augmentative effect Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000011895 specific detection Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/26—Measuring arrangements characterised by the use of optical techniques for measuring angles or tapers; for testing the alignment of axes
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/002—Measuring arrangements characterised by the use of optical techniques for measuring two or more coordinates
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M11/00—Testing of optical apparatus; Testing structures by optical methods not otherwise provided for
- G01M11/02—Testing optical properties
- G01M11/0221—Testing optical properties by determining the optical axis or position of lenses
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M11/00—Testing of optical apparatus; Testing structures by optical methods not otherwise provided for
- G01M11/02—Testing optical properties
- G01M11/0242—Testing optical properties by measuring geometrical properties or aberrations
- G01M11/0257—Testing optical properties by measuring geometrical properties or aberrations by analyzing the image formed by the object to be tested
- G01M11/0264—Testing optical properties by measuring geometrical properties or aberrations by analyzing the image formed by the object to be tested by using targets or reference patterns
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Geometry (AREA)
- Image Analysis (AREA)
- Length Measuring Devices By Optical Means (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请提供的一种确定俯仰角的方法，包括：确定至少一个环境特征点与指定车辆上的指定特征点之间的第一距离，其中，所述环境特征点与所述指定特征点之间的连线与所述指定车辆的前进方向平行；获取目标图像，所述目标图像为通过所述指定车辆上的摄像头拍摄得到的图像，所述目标图像中包括所述至少一个环境特征点；获取所述环境特征点在所述目标图像中的位置信息；根据所述位置信息和所述第一距离，确定所述摄像头的俯仰角。通过上述方法，可以高效准确地确定车辆的车载视觉系统中的俯仰角。
Description
技术领域
本申请属于数据处理技术领域，尤其涉及确定俯仰角的方法、装置、终端设备及计算机可读存储介质。
背景技术
车辆的车载视觉系统中的俯仰角的精准标定是测距算法的基础。
在一种实际应用场景中，车辆的俯仰角的精准性对诸如高级驾驶辅助系统(Advanced Driving Assistance System，ADAS)的报警(如碰撞报警和车道偏离报警等)有非常大的影响。通常0.1°的俯仰角标定误差在100米处会引起20米左右的测距误差。
因此，亟需一种能够高效准确地确定车辆的车载视觉系统中的俯仰角的方法。
发明内容
本申请实施例提供了确定俯仰角的方法、装置、终端设备及计算机可读存储介质，可以高效准确地确定车辆的车载视觉系统中的俯仰角。
第一方面，本申请实施例提供了一种确定俯仰角的方法，包括：
确定至少一个环境特征点与指定车辆上的指定特征点之间的第一距离，其中，所述环境特征点与所述指定特征点之间的连线与所述指定车辆的前进方向平行；
获取目标图像，所述目标图像为通过所述指定车辆上的摄像头拍摄得到的图像，所述目标图像中包括所述至少一个环境特征点；
获取所述环境特征点在所述目标图像中的位置信息；
根据所述位置信息和所述第一距离，确定所述摄像头的俯仰角。
第二方面，本申请实施例提供了一种确定俯仰角的装置，包括：
第一确定模块，用于确定至少一个环境特征点与指定车辆上的指定特征点之间的第一距离，其中，所述环境特征点与所述指定特征点之间的连线与所述指定车辆的前进方向平行；
第一获取模块，用于获取目标图像，所述目标图像为通过所述指定车辆上的摄像头拍摄得到的图像，所述目标图像中包括所述至少一个环境特征点；
第二获取模块，用于获取所述环境特征点在所述目标图像中的位置信息；
第二确定模块，用于根据所述位置信息和所述第一距离，确定所述摄像头的俯仰角。
第三方面，本申请实施例提供了一种终端设备，包括存储器、处理器以及存储在上述存储器中并可在上述处理器上运行的计算机程序，上述处理器执行上述计算机程序时实现如第一方面上述的确定俯仰角的方法。
第四方面，本申请实施例提供了一种计算机可读存储介质，上述计算机可读存储介质存储有计算机程序，上述计算机程序被处理器执行时实现如第一方面上述的确定俯仰角的方法。
第五方面，本申请实施例提供了一种计算机程序产品，当计算机程序产品在终端设备上运行时，使得终端设备执行上述第一方面中上述的确定俯仰角的方法。
本申请实施例与现有技术相比存在的有益效果是：本申请实施例中，可以确定至少一个环境特征点与指定车辆上的指定特征点之间的第一距离；然后，获取目标图像，所述目标图像为通过所述指定车辆上的摄像头拍摄得到的图像，并获取所述环境特征点在所述目标图像中的位置信息；接着，根据所述位置信息和所述第一距离，确定所述摄像头的俯仰角。其中，所述环境特征点的第一距离和所述环境特征点的位置信息的获取方式较为简单，无需大型复杂设备和复杂检测流程，并且可以保证较好的精度；在获取到所述环境特征点的第一距离和所述环境特征点的位置信息之后，由于所述环境特征点与所述指定特征点之间的连线与所述指定车辆的前进方向平行，因此，所述环境特征点的第一距离和所述环境特征点的位置信息之间的几何关系转换较为清晰，可以方便地通过几何关系推导确定所述摄像头的俯仰角，具体操作过程较为简单易行，降低了对实施人员的技术要求，且计算得到的俯仰角的精度也较好，从而可以高效准确地确定车辆的车载视觉系统中的俯仰角。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本申请一实施例提供的一种确定俯仰角的方法的流程示意图；
图2是本申请一实施例提供的环境特征点的设置方式的一种示例性示意图；
图3是本申请一实施例提供的俯仰角所关联的几何关系的一种示例性示意图；
图4是本申请一实施例提供的环境特征点在目标图像中的一种示例性示意图；
图5是本申请一实施例提供的一种确定俯仰角的装置的结构示意图；
图6是本申请一实施例提供的终端设备的结构示意图。
具体实施方式
以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本申请实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本申请的描述。
车辆的车载视觉系统中的俯仰角的精准标定是测距算法的基础。
其中，车载视觉系统包括摄像头，车载视觉系统的俯仰角指对应的摄像头的机体坐标系x轴与水平面的夹角。
目前，计算所述俯仰角的方式包括基于主动视觉的相机标定方法以及相机自标定方法等。其中，基于主动视觉的相机标定方法根据运动物体来对相机的俯仰角进行确定，成本高、实验设备昂贵、实验条件要求高，且不适合运动参数未知或无法控制的情况。而相机自标定方法对相机的运动约束条件太强，复杂环境下鲁棒性差。
而本申请实施例中，可以根据至少一个环境特征点与指定车辆上的指定特征点之间的第一距离，以及所述环境特征点在所述目标图像中的位置信息，高效准确地确定所述摄像头的俯仰角。
具体地，图1示出了本申请实施例提供的一种确定俯仰角的方法的流程图，该确定俯仰角的方法可以应用于终端设备。
所述终端设备的类型可以为台式电脑、手机、平板电脑、可穿戴设备、车载设备、增强现实(augmented reality，AR)/虚拟现实(virtual reality，VR)设备、笔记本电脑、超级移动个人计算机(ultra-mobile personal computer，UMPC)、上网本、个人数字助理(personal digital assistant，PDA)等，本申请实施例对终端设备的具体类型不作任何限制。
在一些实施例中，所述终端设备可以为指定车辆上的电子设备，该电子设备中可以安装有车载系统，以根据确定的俯仰角检测周围的障碍物等的信息，实现安全监控。
而在另一些实施例中，所述终端设备也可以是除所述指定车辆上的电子设备之外的其它设备。该终端设备可以与所述指定车辆上的摄像头进行通信连接，以获取所述目标图像。在确定所述摄像头的俯仰角之后，可以将所述摄像头的俯仰角发送至指定车辆上的电子设备。
如图1所示，该确定俯仰角的方法可以包括：
步骤S101，确定至少一个环境特征点与指定车辆上的指定特征点之间的第一距离，其中，所述环境特征点与所述指定特征点之间的连线与所述指定车辆的前进方向平行。
本申请实施例中，所述指定车辆的类型、具体结构以及具体软件系统等等可以有多种，在此不作限制。
所述环境特征点为所述指定车辆所在的环境中的特征点。所述环境特征点的具体选取方式以及颜色、形态等可以有多种。在一些示例中，为了便于后续在目标图像中识别所述环境特征点，可以使得所述环境特征点的颜色与周围环境的颜色的对比度较高，反差较大。所述环境特征点的个数在此不作限制。
所述环境特征点与所述指定特征点之间的连线与所述指定车辆的前进方向平行。此时，所述环境特征点的位置与所述指定特征点的位置具体可以根据实际应用场景来确定。示例性的，在一种示例中，若所述指定特征点为所述指定车辆与地面的交点，那么，所述环境特征点也可以为所述地面上的点。
本申请实施例中，所述第一距离可以是人为检测后输入所述终端设备中的，也可以是通过所述终端设备的外接测距设备检测得到。所述第一距离的具体检测方式在此不做限制。
在一种示例中，如图2所示，为所述环境特征点的一种示例性设置方式。
其中，所述指定特征点为经过所述摄像头的垂直线与水平面的交点，所述环境特征点与所述指定特征点的连线与所述指定车辆的前进方向平行。本示例中具体设置有三个环境特征点，分别为环境特征点A、环境特征点B以及环境特征点C，该三个环境特征点与所述指定特征点之间的距离分别为10米、20米和30米。
步骤S102，获取目标图像，所述目标图像为通过所述指定车辆上的摄像头拍摄得到的图像，所述目标图像中包括所述至少一个环境特征点。
本申请实施例中，所述目标图像的具体获取方式可以有多种。示例性的，若执行本申请实施例的终端设备为所述指定车辆上的电子设备，则可以在摄像头采集到包含所述至少一个环境特征点的目标图像之后，传输至所述终端设备。而若所述终端设备为与该电子设备通信连接的其他处理设备，那么，可以是在摄像头采集到包含所述至少一个环境特征点的目标图像之后，传输至指定车辆上的电子设备，再由该电子设备传输至所述终端设备。
所述摄像头在所述指定车辆上的具体设置位置也可以根据实际场景来确定。示例性的，所述摄像头可以设置于所述终端设备的挡风玻璃上方，以在不影响用户视线的情况下，拍摄车辆前进方向上的图像。
步骤S103，获取所述环境特征点在所述目标图像中的位置信息。
本申请实施例中，可以通过人工标注的方式，确定所述环境特征点在所述目标图像中的位置信息，也可以通过预设算法，在所述目标图像中识别所述环境特征点，以获取所述环境特征点在所述目标图像中的位置信息。示例性的，所述预设算法可以为尺度不变特征转换(Scale-invariant feature transform，SIFT)算法、Speeded Up Robust Features(SURF)算法、Oriented Fast and Rotated Brief(ORB)算法和/或诸如卷积神经网络等机器学习模型等等中的一种。
所述位置信息可以通过像素坐标等方式来表示。
步骤S104，根据所述位置信息和所述第一距离，确定所述摄像头的俯仰角。
本申请实施例中，所述摄像头的俯仰角指摄像头的机体坐标系x轴(即摄像头的光轴方向)与水平面的夹角。
其中，所述环境特征点与所述指定特征点之间的连线与所述指定车辆的前进方向平行，可见，可以根据所述摄像头的空间位置等信息，建立所述环境特征点的第一距离所对应的方向与所述目标图像所对应的坐标系之间的映射关系。例如，在一些示例中，所述环境特征点的第一距离对应的方向可以与所述环境特征点在所述目标图像中的竖直方向(即目标图像的坐标系的Y轴方向)相对应。因此，所述环境特征点的第一距离和所述环境特征点的位置信息之间的几何关系转换较为清晰，可以方便地通过几何关系推导确定所述摄像头的俯仰角。所述俯仰角的具体计算方式可以根据几何关系推导得到。
在一种实施例中，所述根据所述位置信息和所述第一距离，确定所述摄像头的俯仰角，包括：
确定所述摄像头与地面之间的第二距离；
根据所述第二距离、所述第一距离、所述位置信息和所述摄像头的焦距，确定所述摄像头的俯仰角。
本申请实施例中，可以基于所述第二距离、所述第一距离、所述位置信息和所述摄像头的焦距，推导得到所述摄像头的俯仰角的计算公式，从而确定所述摄像头的俯仰角。
具体的，如图3所示，为俯仰角所关联的几何关系示意图。
根据几何关系得到：
其中，α为俯仰角，b为环境特征点在目标图像的像素坐标(x，y)中的纵坐标y的值，d为环境特征点的第一距离，f为摄像头的焦距，h为摄像头与地面之间的第二距离，β为垂直线与环境特征点通过光心的光线的夹角，θ为环境特征点通过光心的光线与摄像机光轴的夹角。
因此，在获得所述环境特征点的第一距离、位置信息和所述摄像头的焦距以及所述第二距离之后，可以根据第一公式：
确定所述摄像头的俯仰角。
在一些实施例中，所述环境特征点的个数为至少两个，任意两个所述环境特征点之间的连线与所述指定车辆的前进方向平行。
例如，在一些具体示例中，所述环境特征点的个数可以为三个。此时，根据三个环境特征点计算得到的所述俯仰角的标定误差可以小于0.01°，同时，相应的计算量也相对较小，对计算资源的消耗较小，从而可以在提升所述俯仰角的精度的同时，保证计算效率。可见，通过本申请实施例，可以既高效又准确地确定车辆的车载视觉系统中的俯仰角。
本申请实施例中，可以基于同样的推导关系，计算各个环境特征点所分别对应的初始俯仰角，然后从各个环境特征点所分别对应的初始俯仰角中，确定出误差较小的初始俯仰角以作为所述摄像头的俯仰角，从而可以提升所述俯仰角的精度，保证了后续测距等数据处理的精度。
如图4所示，为环境特征点在目标图像中的一种示例性示意图。其中，各个环境特征点位于同一条直线上，并该直线与所述指定车辆的前进方向平行。
在一些实施例中，所述环境特征点的个数为至少两个；
所述根据所述位置信息和所述第一距离，确定所述摄像头的俯仰角，包括：
针对每一个环境特征点，根据所述环境特征点对应的所述第一距离，以及所述环境特征点对应的所述位置信息，确定所述环境特征点的初始俯仰角；
根据所述初始俯仰角和除所述环境特征点之外的至少一个其他环境特征点的第一距离，确定所述环境特征点的目标误差；
根据各个所述环境特征点所分别对应的目标误差，从各个所述环境特征点中，确定目标环境特征点；
根据所述目标环境特征点的初始俯仰角，确定所述摄像头的俯仰角。
本申请实施例中，所述环境特征点的个数可以为至少两个，此时，可以针对每一环境特征点，计算出该环境特征点的初始俯仰角，然后结合该环境特征点之外的其他环境特征点计算环境特征点的目标误差，从而可以从各个所述环境特征点所对应的初始俯仰角中确定出误差最小的初始俯仰角，以作为所述摄像头的俯仰角。
例如，所述环境特征点的个数为三个，分别为环境特征点A、环境特征点B以及环境特征点C。其中，针对环境特征点A，可以根据环境特征点A对应的第一距离，以及环境特征点A对应的位置信息，确定环境特征点A的初始俯仰角；接着，根据环境特征点A的初始俯仰角，以及环境特征点B和环境特征点C中至少一个环境特征点的第一距离，确定环境特征点A的目标误差。基于相同的方法，还可以确定环境特征点B的目标误差以及环境特征点C的目标误差。然后，可以根据环境特征点A、环境特征点B以及环境特征点C所分别对应的目标误差，从环境特征点A、环境特征点B以及环境特征点C中，确定目标环境特征点。
其中，所述环境特征点的目标误差的具体计算方式可以有多种。在一种示例中，可以根据所述环境特征点的初始俯仰角，推算所述除所述环境特征点之外的至少一个其他环境特征点的估计距离，然后比对所述估计距离和所述第一距离之间的偏差，从而确定所述环境特征点的目标误差。
可见，本申请实施例可以提供一种基于已有的环境特征点的信息快速计算俯仰角误差的方式，并且根据各个所述环境特征点所分别对应的目标误差，可以减小最终得到的俯仰角的误差，提升了俯仰角的精度。
在一些实施例中，所述根据所述初始俯仰角，确定所述环境特征点的目标误差，包括：
针对除所述环境特征点之外的每一个其他环境特征点，根据所述初始俯仰角，计算所述其他环境特征点所对应的估计距离，所述估计距离为估计得到的所述其他环境特征点与所述指定特征点之间的距离；
根据所述其他环境特征点的估计距离和所述其他环境特征点的第一距离，确定所述其他环境特征点的距离误差；
根据所述环境特征点所对应的每一个所述其他环境特征点的距离误差，确定所述环境特征点的目标误差。
所述其他环境特征点的距离误差的计算方式可以有多种。示例性的，可以获得所述其他环境特征点的估计距离与所述其他环境特征点的第一距离之间的差值，然后将所述差值的绝对值作为所述其他环境特征点的距离误差；或者，也可以将所述差值的绝对值除以所述其他环境特征点的第一距离之后的比值作为所述其他环境特征点的距离误差。
在一些实施例中，所述针对除所述环境特征点之外的每一个其他环境特征点，根据所述初始俯仰角，计算所述其他环境特征点所对应的估计距离，包括：
针对除所述环境特征点之外的每一个其他环境特征点，根据所述其他环境特征点的第一距离、所述摄像头的焦距、所述初始俯仰角以及所述其他环境特征点的位置信息，确定所述其他环境特征点所对应的估计距离。
本申请实施例中，所述估计距离的具体计算方式可以基于所述俯仰角的计算公式逆向推导得到。
具体的，在一种示例中，可以根据第一公式：
确定所述摄像头的俯仰角。
根据该第一公式逆向推导得到计算所述其他环境特征点所对应的估计距离的第二公式。其中，所述第二公式为：
其中，
为所述其他环境特征点所对应的估计距离，
为初始俯仰角，
为所述其他环境特征点在目标图像的像素坐标(x’，y’)中的纵坐标y’的值，f为摄像头的焦距，h为摄像头与地面之间的第二距离。
在一些实施例中，所述根据所述其他环境特征点的估计距离和所述其他环境特征点的第一距离，确定所述其他环境特征点的距离误差，包括：
计算所述其他环境特征点的估计距离与所述其他环境特征点的第一距离之间的差值；
将所述差值的绝对值作为所述其他环境特征点的距离误差。
本申请实施例中，通过所述差值可以快速高效地确定所述估计距离与所述第一距离之间的偏差情况，从而可以快速高效地计算得到所述其他环境特征点的距离误差。
在一些实施例中，所述根据所述环境特征点所对应的每一个所述其他环境特征点的距离误差，确定所述环境特征点的目标误差，包括：
将所述环境特征点所对应的每一个所述距离误差的和，作为所述环境特征点的目标误差。
其中，所述环境特征点的个数可以为至少三个，此时，每一个环境特征点所对应的其他环境特征点的个数可以为至少两个。
相应的，可以基于第三公式，计算所述环境特征点的目标误差。所述第三公式如下：
其中，N为所述环境特征点所对应的其他环境特征点的个数，
为第i个其他环境特征点的估计距离，di为第i个其他环境特征点的第一距离。
本申请实施例中，可以确定至少一个环境特征点与指定车辆上的指定特征点之间的第一距离；然后，获取目标图像，所述目标图像为通过所述指定车辆上的摄像头拍摄得到的图像，并获取所述环境特征点在所述目标图像中的位置信息；接着，根据所述位置信息和所述第一距离，确定所述摄像头的俯仰角。其中，所述环境特征点的第一距离和所述环境特征点的位置信息的获取方式较为简单，无需大型复杂设备和复杂检测流程，并且可以保证较好的精度；在获取到所述环境特征点的第一距离和所述环境特征点的位置信息之后，由于所述环境特征点与所述指定特征点之间的连线与所述指定车辆的前进方向平行，因此，所述环境特征点的第一距离和所述环境特征点的位置信息之间的几何关系转换较为清晰，可以方便地通过几何关系推导确定所述摄像头的俯仰角，具体操作过程较为简单易行，降低了对实施人员的技术要求，且计算得到的俯仰角的精度也较好，从而可以高效准确地确定车辆的车载视觉系统中的俯仰角。
应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本申请实施例的实施过程构成任何限定。
对应于上文实施例上述的确定俯仰角的方法，图5示出了本申请实施例提供的一种确定俯仰角的装置的结构框图，为了便于说明，仅示出了与本申请实施例相关的部分。
参照图5，该确定俯仰角的装置5包括：
第一确定模块501，用于确定至少一个环境特征点与指定车辆上的指定特征点之间的第一距离，其中，所述环境特征点与所述指定特征点之间的连线与所述指定车辆的前进方向平行；
第一获取模块502，用于获取目标图像，所述目标图像为通过所述指定车辆上的摄像头拍摄得到的图像，所述目标图像中包括所述至少一个环境特征点；
第二获取模块503，用于获取所述环境特征点在所述目标图像中的位置信息；
第二确定模块504，用于根据所述位置信息和所述第一距离，确定所述摄像头的俯仰角。
可选的，所述环境特征点的个数为至少两个，任意两个所述环境特征点之间的连线与所述指定车辆的前进方向平行。
可选的，所述环境特征点的个数为至少两个；
所述第二确定模块504包括：
第一确定单元，用于针对每一个环境特征点，根据所述环境特征点对应的所述第一距离，以及所述环境特征点对应的所述位置信息，确定所述环境特征点的初始俯仰角；
第二确定单元，用于根据所述初始俯仰角和除所述环境特征点之外的至少一个其他环境特征点的第一距离，确定所述环境特征点的目标误差；
第三确定单元，用于根据各个所述环境特征点所分别对应的目标误差，从各个所述环境特征点中，确定目标环境特征点；
第四确定单元，用于根据所述目标环境特征点的初始俯仰角，确定所述摄像头的俯仰角。
可选的，所述第二确定单元具体包括：
计算子单元，用于针对除所述环境特征点之外的每一个其他环境特征点，根据所述初始俯仰角，计算所述其他环境特征点所对应的估计距离，所述估计距离为估计得到的所述其他环境特征点与所述指定特征点之间的距离；
第一确定子单元，用于根据所述其他环境特征点的估计距离和所述其他环境特征点的第一距离，确定所述其他环境特征点的距离误差；
第二确定子单元，用于根据所述环境特征点所对应的每一个所述其他环境特征点的距离误差，确定所述环境特征点的目标误差。
可选的，所述计算子单元具体用于：
针对除所述环境特征点之外的每一个其他环境特征点，根据所述其他环境特征点的第一距离、所述摄像头的焦距、所述初始俯仰角以及所述其他环境特征点的位置信息，确定所述其他环境特征点所对应的估计距离。
可选的，所述第一确定子单元具体用于：
计算所述其他环境特征点的估计距离与所述其他环境特征点的第一距离之间的差值；
将所述差值的绝对值作为所述其他环境特征点的距离误差。
可选的，所述第二确定子单元具体用于：
将所述环境特征点所对应的每一个所述距离误差的和，作为所述环境特征点的目标误差。
可选的，所述第二确定模块504包括：
第五确定单元，用于确定所述摄像头与地面之间的第二距离；
第六确定单元，用于根据所述第二距离、所述第一距离、所述位置信息和所述摄像头的焦距，确定所述摄像头的俯仰角。
本申请实施例中，可以确定至少一个环境特征点与指定车辆上的指定特征点之间的第一距离；然后，获取目标图像，所述目标图像为通过所述指定车辆上的摄像头拍摄得到的图像，并获取所述环境特征点在所述目标图像中的位置信息；接着，根据所述位置信息和所述第一距离，确定所述摄像头的俯仰角。其中，所述环境特征点的第一距离和所述环境特征点的位置信息的获取方式较为简单，无需大型复杂设备和复杂检测流程，并且可以保证较好的精度；在获取到所述环境特征点的第一距离和所述环境特征点的位置信息之后，由于所述环境特征点与所述指定特征点之间的连线与所述指定车辆的前进方向平行，因此，所述环境特征点的第一距离和所述环境特征点的位置信息之间的几何关系转换较为清晰，可以方便地通过几何关系推导确定所述摄像头的俯仰角，具体操作过程较为简单易行，降低了对实施人员的技术要求，且计算得到的俯仰角的精度也较好，从而可以高效准确地确定车辆的车载视觉系统中的俯仰角。
需要说明的是，上述装置/单元之间的信息交互、执行过程等内容，由于与本申请方法实施例基于同一构思，其具体功能及带来的技术效果，具体可参见方法实施例部分，此处不再赘述。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将上述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
图6为本申请一实施例提供的终端设备的结构示意图。如图6所示，该实施例的终端设备6包括：至少一个处理器60(图6中仅示出一个)、存储器61以及存储在上述存储器61中并可在上述至少一个处理器60上运行的计算机程序62，上述处理器60执行上述计算机程序62时实现上述任意各个确定俯仰角的方法实施例中的步骤。
上述终端设备6可以是服务器、手机、可穿戴设备、增强现实(augmented reality，AR)/虚拟现实(virtual reality，VR)设备、桌上型计算机、笔记本、台式电脑以及掌上电脑等计算设备。该终端设备可包括，但不仅限于，处理器60、存储器61。本领域技术人员可以理解，图6仅仅是终端设备6的举例，并不构成对终端设备6的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如还可以包括输入设备、输出设备、网络接入设备等。其中，上述输入设备可以包括键盘、触控板、指纹采集传感器(用于采集用户的指纹信息和指纹的方向信息)、麦克风、摄像头等，输出设备可以包括显示器、扬声器等。
上述处理器60可以是中央处理单元(Central Processing Unit，CPU)，该处理器60还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
上述存储器61在一些实施例中可以是上述终端设备6的内部存储单元，例如终端设备6的硬盘或内存。上述存储器61在另一些实施例中也可以是上述终端设备6的外部存储设备，例如上述终端设备6上配备的插接式硬盘，智能存储卡(Smart Media Card，SMC)，安全数字(Secure Digital，SD)卡，闪存卡(Flash Card)等。进一步地，上述存储器61还可以既包括上述终端设备6的内部存储单元也包括外部存储设备。上述存储器61用于存储操作系统、应用程序、引导装载程序(Boot Loader)、数据以及其他程序等，例如上述计算机程序的程序代码等。上述存储器61还可以用于暂时地存储已经输出或者将要输出的数据。
另外，尽管未示出，上述终端设备6还可以包括网络连接模块，如蓝牙模块Wi-Fi模块、蜂窝网络模块等等，在此不再赘述。
本申请实施例中，上述处理器60执行上述计算机程序62以实现上述任意各个确定俯仰角的方法实施例中的步骤时，可以确定至少一个环境特征点与指定车辆上的指定特征点之间的第一距离；然后，获取目标图像，所述目标图像为通过所述指定车辆上的摄像头拍摄得到的图像，并获取所述环境特征点在所述目标图像中的位置信息；接着，根据所述位置信息和所述第一距离，确定所述摄像头的俯仰角。其中，所述环境特征点的第一距离和所述环境特征点的位置信息的获取方式较为简单，无需大型复杂设备和复杂检测流程，并且可以保证较好的精度；在获取到所述环境特征点的第一距离和所述环境特征点的位置信息之后，由于所述环境特征点与所述指定特征点之间的连线与所述指定车辆的前进方向平行，因此，所述环境特征点的第一距离和所述环境特征点的位置信息之间的几何关系转换较为清晰，可以方便地通过几何关系推导确定所述摄像头的俯仰角，具体操作过程较为简单易行，降低了对实施人员的技术要求，且计算得到的俯仰角的精度也较好，从而可以高效准确地确定车辆的车载视觉系统中的俯仰角。
本申请实施例还提供了一种计算机可读存储介质，上述计算机可读存储介质存储有计算机程序，上述计算机程序被处理器执行时实现可实现上述各个方法实施例中的步骤。
本申请实施例提供了一种计算机程序产品，当计算机程序产品在终端设备上运行时，使得终端设备执行时实现可实现上述各个方法实施例中的步骤。
上述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请实现上述实施例方法中的全部或部分流程，可以通过计算机程序来指令相关的硬件来完成，上述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，上述计算机程序包括计算机程序代码，上述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。上述计算机可读介质至少可以包括：能够将计算机程序代码携带到拍照装置/终端设备的任何实体或装置、记录介质、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，RandomAccess Memory)、电载波信号、电信信号以及软件分发介质。例如U盘、移动硬盘、磁碟或者光盘等。在某些司法管辖区，根据立法和专利实践，计算机可读介质不可以是电载波信号和电信信号。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。
在本申请所提供的实施例中，应该理解到，所揭露的装置/网络设备和方法，可以通过其它的方式实现。例如，以上所描述的装置/网络设备实施例仅仅是示意性的，例如，上述模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。
上述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
以上上述实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围，均应包含在本申请的保护范围之内。
Claims (18)
1.一种确定俯仰角的方法，其特征在于，包括：
确定至少一个环境特征点与指定车辆上的指定特征点之间的第一距离，其中，所述环境特征点与所述指定特征点之间的连线与所述指定车辆的前进方向平行；
获取目标图像，所述目标图像为通过所述指定车辆上的摄像头拍摄得到的图像，所述目标图像中包括所述至少一个环境特征点；
获取所述环境特征点在所述目标图像中的位置信息；
根据所述位置信息和所述第一距离，确定所述摄像头的俯仰角。
2.如权利要求1所述的方法，其特征在于，所述环境特征点的个数为至少两个，任意两个所述环境特征点之间的连线与所述指定车辆的前进方向平行。
3.如权利要求1所述的方法，其特征在于，所述环境特征点的个数为至少两个；
所述根据所述位置信息和所述第一距离，确定所述摄像头的俯仰角，包括：
针对每一个环境特征点，根据所述环境特征点对应的所述第一距离，以及所述环境特征点对应的所述位置信息，确定所述环境特征点的初始俯仰角；
根据所述初始俯仰角和除所述环境特征点之外的至少一个其他环境特征点的第一距离，确定所述环境特征点的目标误差；
根据各个所述环境特征点所分别对应的目标误差，从各个所述环境特征点中，确定目标环境特征点；
根据所述目标环境特征点的初始俯仰角，确定所述摄像头的俯仰角。
4.如权利要求3所述的方法，其特征在于，所述根据所述初始俯仰角和除所述环境特征点之外的至少一个其他环境特征点的第一距离，确定所述环境特征点的目标误差，包括：
针对除所述环境特征点之外的每一个其他环境特征点，根据所述初始俯仰角，计算所述其他环境特征点所对应的估计距离，所述估计距离为估计得到的所述其他环境特征点与所述指定特征点之间的距离；
根据所述其他环境特征点的估计距离和所述其他环境特征点的第一距离，确定所述其他环境特征点的距离误差；
根据所述环境特征点所对应的每一个所述其他环境特征点的距离误差，确定所述环境特征点的目标误差。
5.如权利要求4所述的方法，其特征在于，所述针对除所述环境特征点之外的每一个其他环境特征点，根据所述初始俯仰角，计算所述其他环境特征点所对应的估计距离，包括：
针对除所述环境特征点之外的每一个其他环境特征点，根据所述其他环境特征点的第一距离、所述摄像头的焦距、所述初始俯仰角以及所述其他环境特征点的位置信息，确定所述其他环境特征点所对应的估计距离。
6.如权利要求4所述的方法，其特征在于，所述根据所述其他环境特征点的估计距离和所述其他环境特征点的第一距离，确定所述其他环境特征点的距离误差，包括：
计算所述其他环境特征点的估计距离与所述其他环境特征点的第一距离之间的差值；
将所述差值的绝对值作为所述其他环境特征点的距离误差。
7.如权利要求4所述的方法，其特征在于，所述根据所述环境特征点所对应的每一个所述其他环境特征点的距离误差，确定所述环境特征点的目标误差，包括：
将所述环境特征点所对应的每一个所述距离误差的和，作为所述环境特征点的目标误差。
8.如权利要求1至7任意一项所述的方法，其特征在于，所述根据所述位置信息和所述第一距离，确定所述摄像头的俯仰角，包括：
确定所述摄像头与地面之间的第二距离；
根据所述第二距离、所述第一距离、所述位置信息和所述摄像头的焦距，确定所述摄像头的俯仰角。
9.一种确定俯仰角的装置，其特征在于，包括：
第一确定模块，用于确定至少一个环境特征点与指定车辆上的指定特征点之间的第一距离，其中，所述环境特征点与所述指定特征点之间的连线与所述指定车辆的前进方向平行；
第一获取模块，用于获取目标图像，所述目标图像为通过所述指定车辆上的摄像头拍摄得到的图像，所述目标图像中包括所述至少一个环境特征点；
第二获取模块，用于获取所述环境特征点在所述目标图像中的位置信息；
第二确定模块，用于根据所述位置信息和所述第一距离，确定所述摄像头的俯仰角。
10.一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如下步骤：
确定至少一个环境特征点与指定车辆上的指定特征点之间的第一距离，其中，所述环境特征点与所述指定特征点之间的连线与所述指定车辆的前进方向平行；
获取目标图像，所述目标图像为通过所述指定车辆上的摄像头拍摄得到的图像，所述目标图像中包括所述至少一个环境特征点；
获取所述环境特征点在所述目标图像中的位置信息；
根据所述位置信息和所述第一距离，确定所述摄像头的俯仰角。
11.如权利要求10所述的终端设备，其特征在于，所述环境特征点的个数为至少两个，任意两个所述环境特征点之间的连线与所述指定车辆的前进方向平行。
12.如权利要求10所述的终端设备，其特征在于，所述环境特征点的个数为至少两个；
所述处理器执行所述计算机程序时，所述根据所述位置信息和所述第一距离，确定所述摄像头的俯仰角，包括：
针对每一个环境特征点，根据所述环境特征点对应的所述第一距离，以及所述环境特征点对应的所述位置信息，确定所述环境特征点的初始俯仰角；
根据所述初始俯仰角和除所述环境特征点之外的至少一个其他环境特征点的第一距离，确定所述环境特征点的目标误差；
根据各个所述环境特征点所分别对应的目标误差，从各个所述环境特征点中，确定目标环境特征点；
根据所述目标环境特征点的初始俯仰角，确定所述摄像头的俯仰角。
13.如权利要求12所述的终端设备，其特征在于，所述处理器执行所述计算机程序时，所述根据所述初始俯仰角和除所述环境特征点之外的至少一个其他环境特征点的第一距离，确定所述环境特征点的目标误差，包括：
针对除所述环境特征点之外的每一个其他环境特征点，根据所述初始俯仰角，计算所述其他环境特征点所对应的估计距离，所述估计距离为估计得到的所述其他环境特征点与所述指定特征点之间的距离；
根据所述其他环境特征点的估计距离和所述其他环境特征点的第一距离，确定所述其他环境特征点的距离误差；
根据所述环境特征点所对应的每一个所述其他环境特征点的距离误差，确定所述环境特征点的目标误差。
14.如权利要求13所述的终端设备，其特征在于，所述处理器执行所述计算机程序时，所述针对除所述环境特征点之外的每一个其他环境特征点，根据所述初始俯仰角，计算所述其他环境特征点所对应的估计距离，包括：
针对除所述环境特征点之外的每一个其他环境特征点，根据所述其他环境特征点的第一距离、所述摄像头的焦距、所述初始俯仰角以及所述其他环境特征点的位置信息，确定所述其他环境特征点所对应的估计距离。
15.如权利要求13所述的终端设备，其特征在于，所述处理器执行所述计算机程序时，所述根据所述其他环境特征点的估计距离和所述其他环境特征点的第一距离，确定所述其他环境特征点的距离误差，包括：
计算所述其他环境特征点的估计距离与所述其他环境特征点的第一距离之间的差值；
将所述差值的绝对值作为所述其他环境特征点的距离误差。
16.如权利要求13所述的终端设备，其特征在于，所述处理器执行所述计算机程序时，所述根据所述环境特征点所对应的每一个所述其他环境特征点的距离误差，确定所述环境特征点的目标误差，包括：
将所述环境特征点所对应的每一个所述距离误差的和，作为所述环境特征点的目标误差。
17.如权利要求10至16任意一项所述的终端设备，其特征在于，所述处理器执行所述计算机程序时，所述根据所述位置信息和所述第一距离，确定所述摄像头的俯仰角，包括：
确定所述摄像头与地面之间的第二距离；
根据所述第二距离、所述第一距离、所述位置信息和所述摄像头的焦距，确定所述摄像头的俯仰角。
18.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至8任一项所述的确定俯仰角的方法。
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| PCT/CN2021/084023 WO2022204953A1 (zh) | 2021-03-30 | 2021-03-30 | 确定俯仰角的方法、装置及终端设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113227708A true CN113227708A (zh) | 2021-08-06 |
| CN113227708B CN113227708B (zh) | 2023-03-24 |
Family
ID=77081307
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202180000667.XA Active CN113227708B (zh) | 2021-03-30 | 2021-03-30 | 确定俯仰角的方法、装置及终端设备 |
Country Status (2)
| Country | Link |
|---|---|
| CN (1) | CN113227708B (zh) |
| WO (1) | WO2022204953A1 (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118688841A (zh) * | 2023-03-24 | 2024-09-24 | 魔门塔(苏州)科技有限公司 | 车辆姿态信息获取方法、装置、电子设备及介质 |
| CN118130056B (zh) * | 2024-03-12 | 2024-09-24 | 北京美屏科技有限公司 | Lcd显示系统性能测试方法、装置、设备及存储介质 |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104318581A (zh) * | 2014-11-14 | 2015-01-28 | 成都华川电装有限责任公司 | 车载预警系统摄像头标定方法 |
| US20150332098A1 (en) * | 2014-05-16 | 2015-11-19 | GM Global Technology Operations LLC | System and method for estimating vehicle dynamics using feature points in images from multiple cameras |
| CN108416798A (zh) * | 2018-03-05 | 2018-08-17 | 山东大学 | 一种基于光流的车辆距离估计方法 |
| CN109345593A (zh) * | 2018-09-04 | 2019-02-15 | 海信集团有限公司 | 一种摄像机姿态的检测方法及装置 |
| CN110083180A (zh) * | 2019-05-22 | 2019-08-02 | 深圳市道通智能航空技术有限公司 | 云台控制方法、装置、控制终端及飞行器系统 |
| CN110490936A (zh) * | 2019-07-15 | 2019-11-22 | 杭州飞步科技有限公司 | 车辆摄像头的标定方法、装置、设备及可读存储介质 |
| CN111368797A (zh) * | 2020-03-23 | 2020-07-03 | 福州视驰科技有限公司 | 一种基于路端单目摄像头的目标实时测距方法 |
| CN111508027A (zh) * | 2019-01-31 | 2020-08-07 | 杭州海康威视数字技术股份有限公司 | 摄像机外参标定的方法和装置 |
| CN111696160A (zh) * | 2020-06-22 | 2020-09-22 | 深圳市中天安驰有限责任公司 | 车载摄像头自动标定方法、设备及可读存储介质 |
| CN112070839A (zh) * | 2020-09-11 | 2020-12-11 | 武汉理工大学 | 一种对后方车辆横纵向定位测距方法及设备 |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103196418A (zh) * | 2013-03-06 | 2013-07-10 | 山东理工大学 | 一种弯道车距测量方法 |
| CN109963147B (zh) * | 2017-12-22 | 2020-12-25 | 比亚迪股份有限公司 | 摄像头的安装角度检测方法、装置和车辆 |
| CN111325800A (zh) * | 2018-12-17 | 2020-06-23 | 北京华航无线电测量研究所 | 一种单目视觉系统俯仰角标定方法 |
| JP7145770B2 (ja) * | 2019-01-25 | 2022-10-03 | 株式会社デンソーアイティーラボラトリ | 車間距離測定装置、誤差モデル生成装置および学習モデル生成装置とこれらの方法およびプログラム |
-
2021
- 2021-03-30 CN CN202180000667.XA patent/CN113227708B/zh active Active
- 2021-03-30 WO PCT/CN2021/084023 patent/WO2022204953A1/zh active Application Filing
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20150332098A1 (en) * | 2014-05-16 | 2015-11-19 | GM Global Technology Operations LLC | System and method for estimating vehicle dynamics using feature points in images from multiple cameras |
| CN105243655A (zh) * | 2014-05-16 | 2016-01-13 | 通用汽车环球科技运作有限责任公司 | 使用图像中的特征点估算车辆动态的系统和方法 |
| CN104318581A (zh) * | 2014-11-14 | 2015-01-28 | 成都华川电装有限责任公司 | 车载预警系统摄像头标定方法 |
| CN108416798A (zh) * | 2018-03-05 | 2018-08-17 | 山东大学 | 一种基于光流的车辆距离估计方法 |
| CN109345593A (zh) * | 2018-09-04 | 2019-02-15 | 海信集团有限公司 | 一种摄像机姿态的检测方法及装置 |
| CN111508027A (zh) * | 2019-01-31 | 2020-08-07 | 杭州海康威视数字技术股份有限公司 | 摄像机外参标定的方法和装置 |
| CN110083180A (zh) * | 2019-05-22 | 2019-08-02 | 深圳市道通智能航空技术有限公司 | 云台控制方法、装置、控制终端及飞行器系统 |
| CN110490936A (zh) * | 2019-07-15 | 2019-11-22 | 杭州飞步科技有限公司 | 车辆摄像头的标定方法、装置、设备及可读存储介质 |
| CN111368797A (zh) * | 2020-03-23 | 2020-07-03 | 福州视驰科技有限公司 | 一种基于路端单目摄像头的目标实时测距方法 |
| CN111696160A (zh) * | 2020-06-22 | 2020-09-22 | 深圳市中天安驰有限责任公司 | 车载摄像头自动标定方法、设备及可读存储介质 |
| CN112070839A (zh) * | 2020-09-11 | 2020-12-11 | 武汉理工大学 | 一种对后方车辆横纵向定位测距方法及设备 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113227708B (zh) | 2023-03-24 |
| WO2022204953A1 (zh) | 2022-10-06 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110322500B (zh) | 即时定位与地图构建的优化方法及装置、介质和电子设备 | |
| CN111179339B (zh) | 基于三角测量的坐标定位方法、装置、设备及存储介质 | |
| CN111612852B (zh) | 用于验证相机参数的方法和装置 | |
| CN112348863B (zh) | 图像对齐方法、图像对齐装置及终端设备 | |
| CN112085798B (zh) | 摄像机标定方法、装置、电子设备及存储介质 | |
| CN111767965B (zh) | 图像匹配方法、装置、电子设备及存储介质 | |
| CN113227708B (zh) | 确定俯仰角的方法、装置及终端设备 | |
| CN112198878B (zh) | 一种即时地图构建方法、装置、机器人及存储介质 | |
| CN111798521A (zh) | 标定方法、装置、存储介质及电子设备 | |
| CN108052869B (zh) | 车道线识别方法、装置及计算机可读存储介质 | |
| CN111145634B (zh) | 一种校正地图的方法及装置 | |
| CN116051600A (zh) | 产品检测轨迹的优化方法和装置 | |
| CN112967347B (zh) | 位姿标定方法、装置、机器人及计算机可读存储介质 | |
| CN112200002B (zh) | 一种体温测量方法、装置、终端设备及存储介质 | |
| CN111223139B (zh) | 目标定位方法及终端设备 | |
| CN112212851B (zh) | 一种位姿确定方法、装置、存储介质及移动机器人 | |
| CN110930455B (zh) | 定位方法、装置、终端设备及存储介质 | |
| CN111353932B (zh) | 一种坐标转换方法、装置、电子设备及存储介质 | |
| CN115984321A (zh) | 测速方法、装置、设备及存储介质 | |
| CN115375774A (zh) | 确定相机外参的方法、装置、设备及存储介质 | |
| CN115546417A (zh) | 三维重建方法、系统、电子设备及计算机可读存储介质 | |
| CN115115709A (zh) | 车内场景构建方法、终端设备及计算机可读存储介质 | |
| CN113112551A (zh) | 相机参数的确定方法、装置、路侧设备和云控平台 | |
| CN114119885A (zh) | 图像特征点匹配方法、装置及系统、地图构建方法及系统 | |
| CN116091600B (zh) | 一种图像目标的定位方法、装置、终端设备和存储介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |