CN103139595A - 基于车辆的成像***的功能诊断和验证 - Google Patents

基于车辆的成像***的功能诊断和验证 Download PDF

Info

Publication number
CN103139595A
CN103139595A CN2012105021378A CN201210502137A CN103139595A CN 103139595 A CN103139595 A CN 103139595A CN 2012105021378 A CN2012105021378 A CN 2012105021378A CN 201210502137 A CN201210502137 A CN 201210502137A CN 103139595 A CN103139595 A CN 103139595A
Authority
CN
China
Prior art keywords
vision
imaging system
lane markings
image
vehicle
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
Application number
CN2012105021378A
Other languages
English (en)
Other versions
CN103139595B (zh
Inventor
W.张
B.B.利特库希
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
GM Global Technology Operations LLC
Original Assignee
GM Global Technology Operations LLC
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by GM Global Technology Operations LLC filed Critical GM Global Technology Operations LLC
Publication of CN103139595A publication Critical patent/CN103139595A/zh
Application granted granted Critical
Publication of CN103139595B publication Critical patent/CN103139595B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/254—Analysis of motion involving subtraction of images
    • 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
    • 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
    • G06V20/588—Recognition of the road, e.g. of lane markings; Recognition of the vehicle driving pattern in relation to the road
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60R—VEHICLES, VEHICLE FITTINGS, OR VEHICLE PARTS, NOT OTHERWISE PROVIDED FOR
    • B60R2300/00—Details of viewing arrangements using cameras and displays, specially adapted for use in a vehicle
    • B60R2300/80—Details of viewing arrangements using cameras and displays, specially adapted for use in a vehicle characterised by the intended use of the viewing arrangement
    • B60R2300/806—Details of viewing arrangements using cameras and displays, specially adapted for use in a vehicle characterised by the intended use of the viewing arrangement for aiding parking
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10016—Video; Image sequence
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20112—Image segmentation details
    • G06T2207/20164—Salient point detection; Corner detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30248—Vehicle exterior or interior
    • G06T2207/30252—Vehicle exterior; Vicinity of vehicle
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30248—Vehicle exterior or interior
    • G06T2207/30252—Vehicle exterior; Vicinity of vehicle
    • G06T2207/30261—Obstacle
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30248—Vehicle exterior or interior
    • G06T2207/30252—Vehicle exterior; Vicinity of vehicle
    • G06T2207/30264—Parking

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Image Processing (AREA)
  • Traffic Control Systems (AREA)
  • Image Analysis (AREA)

Abstract

一种基于车辆的成像***的功能诊断和验证，包括通过基于视觉的成像***捕捉图像。图像包括在多幅图像中识别出的地标以用于分辨图像之间的地标移位。生成用于每一幅图像的边缘图。比较至少两幅边缘图中的相似区域以用于分辨至少两幅边缘图之间的地标移位。将第一边缘图中的每一个像素位置与第二边缘图中的相同像素位置进行比较以用于判定每一个比较的像素位置是否具有不同的亮度值。确定至少两幅边缘图之间具有不同亮度值的像素位置的总数并与阈值相比较。响应于总数小于阈值而生成出错信息。

Description

基于车辆的成像***的功能诊断和验证
技术领域
实施例主要涉及基于车辆视觉的***。
背景技术
基于视觉的成像***例如后方倒车摄像头被用于在车辆静止或倒车时为驾驶员生成车辆周围环境的实时画面。这就允许驾驶员监视在车辆向后行驶的行进路径上是否存在任何障碍物例如人。***依赖于在车辆向后行进时捕捉车辆后方区域图像的视觉成像设备例如视频摄像头。捕获的图像被发送至客厢内的视频显示屏，在此对驾驶员显示捕获的环境。
在视频表现出易被驾驶员忽视的不起作用状态时可能会出现问题。如果视频信号在发送期间停滞或者被污垢或另外的物体遮挡就可能就会出现不起作用的状态。随意扫视视频显示屏的驾驶员可能不会意识到在车辆行进的短距离内捕获图像并未改变。因此，自动检测基于视频的成像***工作是否正常应该是有利的。
发明内容
实施例的优点是检测基于视觉的成像***中的错误并将这样的错误通知车辆驾驶员。***利用来自基于车辆视觉的成像***的捕获图像以在不同的时间点识别图像中的地标。比较地标以用于分辨在捕获图像之间是否已发生移动。这通过生成边缘图并比较边缘图中的像素位置以确定图像是否已停滞或被遮挡而实现。另外，应用验证技术以验证基于视觉的成像***的可操作性。验证技术可以仅利用基于视觉的成像设备的捕获图像或者也可以利用另一种已有的车载测量设备来验证基于视觉的成像设备的操作。优点是***仅利用现有的车载部件来诊断和分析基于视觉的成像***的功能性。
实施例设想了一种确定车用基于视觉的成像***的功能性的方法。图像由基于视觉的成像***捕捉。图像包括在多幅图像中识别出的地标以用于分辨图像之间的地标移位。处理模块生成用于每一幅图像的边缘图。比较至少两幅边缘图中的相似区域以用于分辨至少两幅边缘图之间的地标移位。每一幅边缘图都由具有不同亮度值的像素构成。将第一边缘图中的每一个像素位置与第二边缘图中的相同像素位置进行比较。将至少两幅边缘图中每一个相同的像素位置彼此比较以用于确定每一个比较的像素位置是否具有不同的亮度值。确定至少两幅边缘图之间具有不同亮度值的像素位置的总数。对总数是否大于用于指示至少两幅边缘图之间地标移位的阈值进行判定。响应于总数小于阈值而生成出错信息。
本发明具体由以下方案实现：
方案1、一种确定车用基于视觉的成像***的功能性的方法，所述方法包括以下步骤：
通过基于视觉的成像***捕捉图像，所述图像包括在多幅图像中识别出的地标以用于分辨图像之间的地标移位；
处理模块生成用于每一幅图像的边缘图；
比较至少两幅边缘图中的相似区域以用于分辨至少两幅边缘图之间的地标移位，每一幅边缘图都由具有不同亮度值的像素构成，其中将第一边缘图中的每一个像素位置与第二边缘图中的相同像素位置进行比较，其中将至少两幅边缘图中每一个相同的像素位置彼此比较以用于判定每一个比较的像素位置是否具有不同的亮度值；并且
确定至少两幅边缘图之间具有不同亮度值的像素位置的总数；
对总数是否大于用于指示至少两幅边缘图之间地标移位的阈值进行判定；并且
响应于总数小于阈值而生成出错信息。
方案2、如方案1所述的方法，其中响应于总数小于阈值而生成出错信息包括：
响应于总数小于阈值而判定车辆是否在移动；并且
仅响应于车辆正在移动的判定才由输出设备生成出错信息。
方案3、如方案2所述的方法，其中出错信息表示在基于视觉的成像***内传送的成像信号已暂停。
方案4、如方案2所述的方法，其中出错信息表示由基于视觉的成像***捕捉的图像被物体遮挡。
方案5、如方案1所述的方法，进一步包括以下步骤：
响应于总数大于阈值而验证基于视觉的成像***的功能性；并且
响应于确定基于视觉的成像***的功能性无效而由输出设备生成出错信息。
方案6、如方案5所述的方法，其中验证基于视觉的成像***的功能性包括验证由基于视觉的成像***捕获的道路中车道标记的标识符。
方案7、如方案6所述的方法，其中验证基于视觉的成像***包括：
判定车辆是否在移动；
响应于车辆正在移动的判定而由基于视觉的成像***识别车道标记；
比较至少两幅图像中识别出的车道标记；
确定第一图像中车道标记的特征以用于与第二图像中车道标记的特征相比较；并且
响应于第一图像中车道标记的特征与第二图像中车道标记的特征不匹配而宣告基于视觉的成像***的功能性无效。
方案8、如方案7所述的方法，其中车道标记的特征包括车道标记在图像内的位置。
方案9、如方案7所述的方法，其中车道标记的特征包括车道标记在图像内的取向。
方案10、如方案6所述的方法，其中验证基于视觉的成像***进一步包括：
由基于视觉的成像***识别车道标记；
由车辆中的第二测量***识别车道标记；
将由基于视觉的成像***捕获的车道标记与由第二测量***捕获的车道标记进行比较；并且
响应于由基于视觉的成像***捕获的车道标记与由第二测量***捕获的车道标记不匹配而宣告基于视觉的成像***无效。
方案11、如方案10所述的方法，其中基于视觉的成像***包括基于后视的成像设备，并且其中由第二测量***识别车道标记包括使用基于前视的成像设备识别车道标记。
方案12、如方案10所述的方法，其中基于视觉的成像***包括基于后视的成像设备，并且其中由第二测量***识别车道标记包括使用基于侧视的成像设备识别车道标记。
方案13、如方案10所述的方法，其中由第二测量***识别车道标记包括使用基于全球定位的***识别车道标记。
方案14、如方案10所述的方法，其中由第二测量***识别车道标记包括使用基于激光雷达的测量***识别车道标记。
方案15、如方案5所述的方法，其中所述出错信息表示基于视觉的成像***未被校准。
方案16、如方案5所述的方法，其中所述出错信息表示视频连接被错误地连接。
方案17、如方案5所述的方法，其中所述出错信息表示基于视觉的成像***不稳定。
方案18、如方案1所述的方法，其中由输出设备生成出错信息包括生成表明基于视觉的成像***出错的音频信息。
方案19、如方案1所述的方法，其中由输出设备生成出错信息包括生成表明基于视觉的成像***出错的视觉信息。
方案20、如方案1所述的方法，其中表明基于视觉的成像***出错的视觉信息被显示在基于车辆视觉的成像输出显示屏上。
方案21、如方案1所述的方法，其中由输出设备生成出错信息包括生成用于表明基于视觉的成像***出错的触觉感应。
附图说明
图1是捕捉道路图像的车辆的俯视图。
图2是由基于视觉的成像设备捕获的图像。
图3是边缘图的数据图。
图4是用于确定图像捕捉出错的方法流程图。
具体实施方式
如图1所示，车辆10沿道路12行进。基于视觉的成像***14捕捉车辆10的道路图像以用于检测行进的可行区域(以下称为无障碍路径)内的图像。基于视觉的成像***14在车辆静止、向后移动或向前移动时捕捉车辆后方的图像。在本文所述的实施例中，基于视觉的成像***将被描述为捕捉车辆后方的图像；但是应该理解基于视觉的成像***14也可以扩展为捕捉车辆前方和车辆两侧的图像。基于视觉的成像***14如图1所示在车辆沿向后的方向、向前的方向行驶或静止时显示车辆后方的物体。在优选实施例中，基于视觉的成像***14被用于识别道路内的无障碍路径或车道标记以供各种***例如但不限于倒车物体检测***、车道偏离报警***或车道对中***使用。基于视觉的成像***14包括基于视觉的成像设备，其优选被安装在车辆的外部位置(例如与牌照并列)以用于捕捉车辆外部和后方的环境。尽管基于视觉的成像***14可用于各种功能(例如在倒车时用于显示车辆后方环境的视频图像)，但是本文中介绍的实施例利用捕获图像来识别地标，包括但不限于道路标记、车道标记、道路标志、建筑物、树木、人或其他路面物体以使得能够检测视频中图像帧之间的地标移动。这种***的示例包括但不限于倒车检测***和后视成像，其中必不可少的是***要能够识别车辆向后行进路径内的物体。
图2示出了由车载基于视觉的成像***捕捉的图像。捕获图像内的任何地标都可被用于检测图像之间的暂时差异。对于每一幅捕捉的图像，由处理模块生成边缘图以使得可以对图像进行纹理分析。图3中示出了用于捕获图像的边缘图。边缘图生成物体的边缘。边缘由其值表示边缘图内地标的不同明暗状态的像素构成。一旦边缘图构建完成，就将用于第一图像的边缘图内的区域与用于第二图像的边缘图内的相同区域进行比较以确定两幅对比边缘图的像素之间的暂时差异。根据相应边缘图中相同区域的比较结果，即可对捕捉图像***工作是否正常进行判定。
图4示出了用于判定基于视觉的成像***工作是否正常的方法流程图。在步骤20通过基于视觉的成像设备捕捉图像。基于视觉的成像设备可以包括视频摄像头或类似设备。
在步骤21，选择图像用于纹理分析并且为每一幅捕获图像生成边缘图以用于分析每一幅图像中地标的纹理。应该理解边缘图仅是一种用于区分图像内地标的技术并且可以使用其他的技术。原始图像包含由于表面和光照转变而产生的边缘。边缘图可以包括竖直边缘图或水平边缘图。竖直边缘图数据通过检测输入图像数据中的竖直边缘而生成。仅将输入图像中物体的竖直边缘用于生成竖直边缘图数据。图3中示出了竖直边缘图数据的示意图。为了检测竖直边缘，输入图像被视为像素矩阵。将相关滤波器应用于输入图像。放大水平方向变化并且衰减竖直方向变化的几种滤波器中的任何一种均可使用。可选地，可以生成并分析水平边缘图。
在步骤22，在两幅选择用于比较的图像的边缘图上执行地标移位技术。在执行地标移位技术时，选择每一幅图像中基本相似的区域。比较至少两个基本相似的边缘图区域中的相同区域以用于判定相应区域内相同的像素位置是否具有不同的亮度值。用于连续图像的相同像素位置之间的亮度值变化就表示在两幅捕获图像之间车辆相对于地标有移动或者地标的重新定位。这通过识别第一边缘图中的像素位置与第二边缘图中相同的像素位置相比是否具有不同的亮度值来完成。在比较完相应区域的第一和第二边缘图内的每一个相关像素位置之后，生成第一和第二边缘地图中具有不同亮度值的像素位置组合的总数。
在步骤23，将总数与阈值比较。对总数是否大于阈值进行判定。总数小于阈值可以表示两幅相应边缘图中识别出的地标并未移动并且相同的图像是连续捕获。如果做出的判定是总数不大于阈值，那么程序前进至步骤24，否则程序前进至步骤26。
在步骤24，对车辆是否在移动进行判定。如果车辆未在移动，那么车辆的不动性即可提供捕获图像的连续帧之间地标位置为何没有改变的理由。如果判定车辆在捕捉图像时并未移动，那么就返回到步骤20。如果判定车辆在捕捉图像时正在移动，那么程序就前进至步骤25。
在步骤25，发出信息表示基于视觉的成像***已经出现错误。错误可以是视频暂停的结果，或者是视野区域被障碍物(例如污垢或拖车)遮挡的结果，或者是摄像头信号在传送期间停滞的结果。出错信息可以是由输出设备生成的视觉、音频或触觉信息。例如，如果出错信息是视觉信息，那么信息可以视觉显示在向车辆驾驶员显示捕获视频图像的基于视频的图像输出显示屏上。这就确保了驾驶员在观看输出显示屏时驾驶员能够意识到基于视觉的成像***的不可操作性。
再次参照步骤23，如果做出的判定是总数大于阈值，那么就在步骤26启动车道标记识别验证技术。成功的验证表明视频成像***工作正常。本文中介绍的验证技术使用了由基于视觉的成像设备检测到的地标例如车道标记。步骤27和28介绍了用于判定验证是否失败的车道标记验证技术。
在步骤27，使用两种测量设备以判定基于视觉的成像设备是否有效。将由基于视觉的成像设备捕获的当前图像中的检测到的车道标记与由另一种测量设备得到的车道标记检测结果进行比较。另一种测量设备可以包括另外的基于视觉的图像设备(例如前视频摄像头、雷达/激光雷达传感器、GPS和地图)。由于图像是从两种独立的测量设备获得并且可以在基本相同的时间点获得，因此不必考虑车辆的移动。结果就是在验证基于视觉的成像设备时不需要图像中的暂时差异。如果在两种设备的车道标记之间有明显不同，那么就表示其中一种测量设备可能工作不正常。由于测量设备之间的不一致而不应该依赖基于视觉的成像设备。因此在步骤29发出出错信息。
如果由基于视觉的成像设备和另一种测量设备捕获的图像匹配，那么就做出基于视觉的成像设备工作正常的判定并且不需要采取行动。程序返回步骤20以继续监测基于视觉的成像***寻找错误。
在步骤28应用另一种验证技术。步骤28中介绍的验证技术使用仅由基于视觉的成像设备捕获的图像中的暂时差异。将从前一帧检测到的车道标记与当前帧中检测到的车道标记进行匹配。为了仅依赖于单个测量设备执行验证，车辆必须移动以便比较暂存图像。如果车辆并不移动，那么验证就无法执行，原因在于这种相应的技术要求由基于视觉的成像设备捕捉车道标记的移位，这只有在车辆移动时才能获得。
如果车辆在移动，那么就将前一帧中车道标记的至少一种特征与当前帧中车道标记的对应特征相比较。特征包括但不限于位置、取向、结构、形状、设计、模式或设置方式。如果在检测特征之间不存在匹配，那么验证失败并在步骤29发出出错信息。错误可以是在基于视觉的成像***内视频输入被错误连接的结果，基于视觉的成像***未被正确校准的结果，或者是车道测量***不稳定或不可靠的结果。如果在检测的特征之间存在匹配，那么就不采取任何行动，并且程序返回步骤20以继续监测基于视觉的成像设备或***寻找错误。
尽管已经详细介绍了本发明的某些实施例，但是熟悉本发明相关领域的技术人员应该意识到所附权利要求定义了用于实践本发明的各种可选设计方案和实施例。

Claims (10)

1.一种确定车用基于视觉的成像***的功能性的方法，所述方法包括以下步骤：
通过基于视觉的成像***捕捉图像，所述图像包括在多幅图像中识别出的地标以用于分辨图像之间的地标移位；
处理模块生成用于每一幅图像的边缘图；
比较至少两幅边缘图中的相似区域以用于分辨至少两幅边缘图之间的地标移位，每一幅边缘图都由具有不同亮度值的像素构成，其中将第一边缘图中的每一个像素位置与第二边缘图中的相同像素位置进行比较，其中将至少两幅边缘图中每一个相同的像素位置彼此比较以用于判定每一个比较的像素位置是否具有不同的亮度值；并且
确定至少两幅边缘图之间具有不同亮度值的像素位置的总数；
对总数是否大于用于指示至少两幅边缘图之间地标移位的阈值进行判定；并且
响应于总数小于阈值而生成出错信息。
2.如权利要求1所述的方法，其中响应于总数小于阈值而生成出错信息包括：
响应于总数小于阈值而判定车辆是否在移动；并且
仅响应于车辆正在移动的判定才由输出设备生成出错信息。
3.如权利要求2所述的方法，其中出错信息表示在基于视觉的成像***内传送的成像信号已暂停。
4.如权利要求2所述的方法，其中出错信息表示由基于视觉的成像***捕捉的图像被物体遮挡。
5.如权利要求1所述的方法，进一步包括以下步骤：
响应于总数大于阈值而验证基于视觉的成像***的功能性；并且
响应于确定基于视觉的成像***的功能性无效而由输出设备生成出错信息。
6.如权利要求5所述的方法，其中验证基于视觉的成像***的功能性包括验证由基于视觉的成像***捕获的道路中车道标记的标识符。
7.如权利要求6所述的方法，其中验证基于视觉的成像***包括：
判定车辆是否在移动；
响应于车辆正在移动的判定而由基于视觉的成像***识别车道标记；
比较至少两幅图像中识别出的车道标记；
确定第一图像中车道标记的特征以用于与第二图像中车道标记的特征相比较；并且
响应于第一图像中车道标记的特征与第二图像中车道标记的特征不匹配而宣告基于视觉的成像***的功能性无效。
8.如权利要求7所述的方法，其中车道标记的特征包括车道标记在图像内的位置。
9.如权利要求7所述的方法，其中车道标记的特征包括车道标记在图像内的取向。
10.如权利要求6所述的方法，其中验证基于视觉的成像***进一步包括：
由基于视觉的成像***识别车道标记；
由车辆中的第二测量***识别车道标记；
将由基于视觉的成像***捕获的车道标记与由第二测量***捕获的车道标记进行比较；并且
响应于由基于视觉的成像***捕获的车道标记与由第二测量***捕获的车道标记不匹配而宣告基于视觉的成像***无效。
CN201210502137.8A 2011-11-30 2012-11-30 基于车辆的成像***的功能诊断和验证 Active CN103139595B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US13/307,236 US8605949B2 (en) 2011-11-30 2011-11-30 Vehicle-based imaging system function diagnosis and validation
US13/307236 2011-11-30

Publications (2)

Publication Number Publication Date
CN103139595A true CN103139595A (zh) 2013-06-05
CN103139595B CN103139595B (zh) 2016-01-06

Family

ID=48466903

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201210502137.8A Active CN103139595B (zh) 2011-11-30 2012-11-30 基于车辆的成像***的功能诊断和验证

Country Status (3)

Country Link
US (1) US8605949B2 (zh)
CN (1) CN103139595B (zh)
DE (1) DE102012221563B4 (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104290730A (zh) * 2014-06-20 2015-01-21 郑州宇通客车股份有限公司 一种应用于高级紧急制动***的雷达与视频信息融合方法
CN105549013A (zh) * 2014-09-05 2016-05-04 通用汽车环球科技运作有限责任公司 用于汽车雷达成像的物体边界检测
CN106909876A (zh) * 2015-12-22 2017-06-30 豪威科技股份有限公司 车道检测***及方法
CN108859959A (zh) * 2017-05-16 2018-11-23 通用汽车环球科技运作有限责任公司 车辆环境成像***和方法
CN109425337A (zh) * 2017-08-30 2019-03-05 霍尼韦尔国际公司 实施增强现实处理的地形和障碍物威胁侦察服务的装置和方法
CN113545185A (zh) * 2019-03-14 2021-10-22 株式会社富士 对象体判定方法、对象体判定装置

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11190738B2 (en) * 2012-12-28 2021-11-30 Robert Bosch Gmbh Vehicle standstill recognition
JP2016528548A (ja) * 2013-08-02 2016-09-15 ガーミン スウィッツァランド ゲーエムベーハー 改善された等高線を伴う海洋航法装置
US9286679B2 (en) 2014-07-22 2016-03-15 GM Global Technology Operations LLC Misalignment correction and state of health estimation for lane management fusion function
US9969403B2 (en) * 2014-10-31 2018-05-15 Ford Global Technologies, Llc Method and apparatus for predictive driving-mode learning and enablement
US11109016B2 (en) * 2016-03-17 2021-08-31 Semiconductor Components Industries, Llc Methods and apparatus for error detection in an imaging system
DE102017200915A1 (de) * 2017-01-20 2018-07-26 Bayerische Motoren Werke Aktiengesellschaft Verfahren und Vorrichtung zum Anzeigen eines Hinweises für einen Anwender und Arbeitsvorrichtung
US11633994B2 (en) 2018-04-04 2023-04-25 Continental Autonomous Mobility Us, Llc. Vehicle-trailer distance detection device and method

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1506686A (zh) * 2002-12-09 2004-06-23 北京中星微电子有限公司 运动图像检测方法
US20050062615A1 (en) * 2001-10-05 2005-03-24 Goetz Braeuchle Object sensing apparatus
CN1929550A (zh) * 2006-10-18 2007-03-14 北京中星微电子有限公司 一种检测运动目标的方法和***
CN101207803A (zh) * 2006-12-20 2008-06-25 安讯士有限公司 相机篡改检测
CN101800908A (zh) * 2009-02-06 2010-08-11 通用汽车环球科技运作公司 通过地平线估计进行的摄像机自动校准

Family Cites Families (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5670935A (en) * 1993-02-26 1997-09-23 Donnelly Corporation Rearview vision system for vehicle including panoramic view
US6553130B1 (en) * 1993-08-11 2003-04-22 Jerome H. Lemelson Motor vehicle warning and control system and method
US7899616B2 (en) * 1997-10-22 2011-03-01 Intelligent Technologies International, Inc. Method for obtaining information about objects outside of a vehicle
US6323776B1 (en) * 1999-12-21 2001-11-27 Snap-On Technologies, Inc. Method and apparatus of automatically identifying faults in a machine vision measuring system
JP3651419B2 (ja) * 2001-08-03 2005-05-25 日産自動車株式会社 環境認識装置
KR100444784B1 (ko) * 2001-11-15 2004-08-21 주식회사 에이로직스 에지검출을 통한 경보발생방법 및 보안 시스템
DE10201520A1 (de) 2002-01-17 2003-07-31 Bosch Gmbh Robert Verfahren und Vorrichtung zur Bildfehlererkennung b zw. -anzeige bei Bildaufnahmesystemen
WO2003093857A2 (en) * 2002-05-03 2003-11-13 Donnelly Corporation Object detection system for vehicle
DE102006044428A1 (de) 2006-09-21 2008-04-03 Robert Bosch Gmbh Videosystem für ein Fahrzeug und Verfahren zur Funktionsüberprüfung des Videosystems
TWI440961B (zh) 2009-10-14 2014-06-11 Chi Mei Comm Systems Inc 手機攝像頭拍照效果測試系統及方法
DE102010023532A1 (de) 2010-06-11 2011-12-15 Conti Temic Microelectronic Gmbh Kamerasystem für Fahrzeuganwendungen
US8923135B2 (en) * 2010-06-24 2014-12-30 At&T Intellectual Property I, L.P. System and method to detect a fault in transmission of a stream of media data corresponding to a media channel
KR101240469B1 (ko) * 2010-11-23 2013-03-11 현대모비스 주식회사 객체 인식 시스템, 차량용 장애물 인식 시스템 및 차량용 장애물 인식 방법

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050062615A1 (en) * 2001-10-05 2005-03-24 Goetz Braeuchle Object sensing apparatus
CN1506686A (zh) * 2002-12-09 2004-06-23 北京中星微电子有限公司 运动图像检测方法
CN1929550A (zh) * 2006-10-18 2007-03-14 北京中星微电子有限公司 一种检测运动目标的方法和***
CN101207803A (zh) * 2006-12-20 2008-06-25 安讯士有限公司 相机篡改检测
CN101800908A (zh) * 2009-02-06 2010-08-11 通用汽车环球科技运作公司 通过地平线估计进行的摄像机自动校准

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104290730A (zh) * 2014-06-20 2015-01-21 郑州宇通客车股份有限公司 一种应用于高级紧急制动***的雷达与视频信息融合方法
CN105549013A (zh) * 2014-09-05 2016-05-04 通用汽车环球科技运作有限责任公司 用于汽车雷达成像的物体边界检测
CN105549013B (zh) * 2014-09-05 2018-10-12 通用汽车环球科技运作有限责任公司 用于汽车雷达成像的物体边界检测
CN106909876A (zh) * 2015-12-22 2017-06-30 豪威科技股份有限公司 车道检测***及方法
CN106909876B (zh) * 2015-12-22 2021-05-04 豪威科技股份有限公司 车道检测***及方法
CN108859959A (zh) * 2017-05-16 2018-11-23 通用汽车环球科技运作有限责任公司 车辆环境成像***和方法
CN109425337A (zh) * 2017-08-30 2019-03-05 霍尼韦尔国际公司 实施增强现实处理的地形和障碍物威胁侦察服务的装置和方法
CN109425337B (zh) * 2017-08-30 2024-04-02 霍尼韦尔国际公司 实施增强现实处理的地形和障碍物威胁侦察服务的装置和方法
CN113545185A (zh) * 2019-03-14 2021-10-22 株式会社富士 对象体判定方法、对象体判定装置
CN113545185B (zh) * 2019-03-14 2022-11-25 株式会社富士 对象体判定方法、对象体判定装置

Also Published As

Publication number Publication date
US20130136309A1 (en) 2013-05-30
CN103139595B (zh) 2016-01-06
DE102012221563A1 (de) 2013-06-06
DE102012221563B4 (de) 2022-01-27
US8605949B2 (en) 2013-12-10

Similar Documents

Publication Publication Date Title
CN103139595B (zh) 基于车辆的成像***的功能诊断和验证
JP5867273B2 (ja) 接近物体検知装置、接近物体検知方法及び接近物体検知用コンピュータプログラム
US9047518B2 (en) Method for the detection and tracking of lane markings
KR102267335B1 (ko) 객체와 감지 카메라의 거리차를 이용한 속도 검출 방법
RU2698610C2 (ru) Способ и блок обработки для управления системой наблюдения за дорожным движением
CN107545232A (zh) 车道探测***和方法
KR101852057B1 (ko) 영상 및 열화상을 이용한 돌발 상황 감지시스템
CN109871732B (zh) 停车格辨识***及其方法
US20210358304A1 (en) Vehicle vision system with cross traffic detection
US10163341B2 (en) Double stereoscopic sensor
KR20200071105A (ko) 자동차 상에 존재하는 적어도 하나의 오브젝트를 검출하기 위한 방법, 제어 장치 및 자동차
JP5539250B2 (ja) 接近物体検知装置及び接近物体検知方法
KR101045300B1 (ko) 개인정보 보호를 위한 차량 촬영 시스템 및 그 제어방법
JP2016173644A (ja) 運転支援装置及び運転支援方法
CN108162866A (zh) 一种基于流媒体外后视镜***的车道识别***及方法
CN108162867A (zh) 一种车道识别***及车道识别方法
JP2005338941A (ja) 視程検出方法および視程検出装置
KR101653385B1 (ko) 태블릿pc를 활용한 이동형 불법 주정차 자동 단속 시스템 및 그 방법
WO2008037473A1 (en) Park assist system visually marking up dangerous objects
JP3806508B2 (ja) 駐車場画像監視装置
JP4661578B2 (ja) 移動体認識装置
CN108664695B (zh) 模拟车辆事故***及其应用
JP2022056153A (ja) 一時停止検出装置、一時停止検出システム、及び一時停止検出プログラム
Foresti et al. Vehicle detection and tracking for traffic monitoring
CN114677841B (zh) 一种车辆变道检测方法及车辆变道检测***

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant