CN103310673A - 全周鸟瞰图像产生方法及其训练方法及训练装置 - Google Patents
全周鸟瞰图像产生方法及其训练方法及训练装置 Download PDFInfo
- Publication number
- CN103310673A CN103310673A CN2012102420963A CN201210242096A CN103310673A CN 103310673 A CN103310673 A CN 103310673A CN 2012102420963 A CN2012102420963 A CN 2012102420963A CN 201210242096 A CN201210242096 A CN 201210242096A CN 103310673 A CN103310673 A CN 103310673A
- Authority
- CN
- China
- Prior art keywords
- image
- angle
- round
- training
- practical operation
- 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
- 238000012549 training Methods 0.000 title claims abstract description 137
- 238000000034 method Methods 0.000 title claims abstract description 51
- 238000000605 extraction Methods 0.000 claims abstract description 37
- 238000012545 processing Methods 0.000 claims description 38
- 230000001915 proofreading effect Effects 0.000 claims description 15
- 235000004522 Pentaglottis sempervirens Nutrition 0.000 claims description 14
- 239000000284 extract Substances 0.000 claims description 11
- 238000001514 detection method Methods 0.000 claims 1
- 230000008878 coupling Effects 0.000 abstract description 5
- 238000010168 coupling process Methods 0.000 abstract description 5
- 238000005859 coupling reaction Methods 0.000 abstract description 5
- 230000000875 corresponding effect Effects 0.000 description 35
- 238000010586 diagram Methods 0.000 description 20
- 238000004891 communication Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000013459 approach Methods 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 238000000265 homogenisation Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 241000251468 Actinopterygii Species 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60R—VEHICLES, VEHICLE FITTINGS, OR VEHICLE PARTS, NOT OTHERWISE PROVIDED FOR
- B60R1/00—Optical viewing arrangements; Real-time viewing arrangements for drivers or passengers using optical image capturing systems, e.g. cameras or video systems specially adapted for use in or on vehicles
-
- G—PHYSICS
- G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
- G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
- G09B19/00—Teaching not covered by other main groups of this subclass
- G09B19/16—Control of vehicles or other craft
- G09B19/167—Control of land vehicles
-
- G—PHYSICS
- G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
- G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
- G09B9/00—Simulators for teaching or training purposes
- G09B9/02—Simulators for teaching or training purposes for teaching control of vehicles or other craft
- G09B9/04—Simulators for teaching or training purposes for teaching control of vehicles or other craft for teaching control of land vehicles
- G09B9/042—Simulators for teaching or training purposes for teaching control of vehicles or other craft for teaching control of land vehicles providing simulation in a real vehicle
-
- G—PHYSICS
- G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
- G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
- G09B9/00—Simulators for teaching or training purposes
- G09B9/02—Simulators for teaching or training purposes for teaching control of vehicles or other craft
- G09B9/04—Simulators for teaching or training purposes for teaching control of vehicles or other craft for teaching control of land vehicles
- G09B9/052—Simulators for teaching or training purposes for teaching control of vehicles or other craft for teaching control of land vehicles characterised by provision for recording or measuring trainee's performance
-
- 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
- B60R2300/30—Details of viewing arrangements using cameras and displays, specially adapted for use in a vehicle characterised by the type of image processing
- B60R2300/302—Details of viewing arrangements using cameras and displays, specially adapted for use in a vehicle characterised by the type of image processing combining image information with GPS information or vehicle data, e.g. vehicle speed, gyro, steering angle data
-
- 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
- B60R2300/30—Details of viewing arrangements using cameras and displays, specially adapted for use in a vehicle characterised by the type of image processing
- B60R2300/303—Details of viewing arrangements using cameras and displays, specially adapted for use in a vehicle characterised by the type of image processing using joined images, e.g. multiple camera images
-
- 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
- B60R2300/60—Details of viewing arrangements using cameras and displays, specially adapted for use in a vehicle characterised by monitoring and displaying vehicle exterior scenes from a transformed perspective
- B60R2300/607—Details of viewing arrangements using cameras and displays, specially adapted for use in a vehicle characterised by monitoring and displaying vehicle exterior scenes from a transformed perspective from a bird's eye viewpoint
-
- 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
- B60R2300/802—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 monitoring and displaying vehicle exterior blind spot views
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Educational Administration (AREA)
- Educational Technology (AREA)
- Physics & Mathematics (AREA)
- Aviation & Aerospace Engineering (AREA)
- Entrepreneurship & Innovation (AREA)
- Multimedia (AREA)
- Mechanical Engineering (AREA)
- Image Processing (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
- Image Analysis (AREA)
- Closed-Circuit Television Systems (AREA)
Abstract
一种全周鸟瞰图像产生方法及其训练方法及训练装置,该全周鸟瞰图像产生方法应用于多车体联结车中的车体端装置,多车体联结车包括第一、第二车体部及连结部,第一及第二车体部的行进方向具有夹角,其中包括:存储角度-全周图像模型查表;检测夹角并提供夹角实测值;存取角度-全周图像模型查表,以找出与夹角实测值对应的挑选训练角度及挑选全周图像模型;经由配置于多车体联结车周围六个面的图像提取单元来提取六笔对应相邻的车体周围图像;及根据挑选全周图像模型及第一至第六图像进行找出实际操作全周图像。
Description
技术领域
本发明涉及一种训练方法及对应的全周鸟瞰图像产生方法,且特别是应用于多车体车辆中的训练方法及全周鸟瞰图像产生方法。
背景技术
在科技发展日新月异的现今时代中,多种行车辅助工具系已被开发出来,以提升道路使用上的安全性。举例来说,一般来说,多车体联结车因其特殊的联结式车体结构,使得驾驶者往往需面临多车体联结车回转内轮差较大及视线死角较多的情形。据此,如何针对多车体联结车提供合适的行车辅助工具,以增进多车体联结车的驾驶困难度及行车安全性,为业界不断致力的方向之一。
发明内容
根据本公开的第一方面,提出一种训练***,应用于多车体联结车上,其中包括第一、第二车体部及连结部,第一车体部的行进方向相对于及第二车体部的行进方向具有夹角。第一车体部包括第一联结表面、第一、第二及第六表面,第一表面与第一联结表面相对,并与第二及第六表面相邻。第二车体部包括第二联结表面、第三、第四及第五表面,第二联结表面经由连结部与第一联结表面联结,第四表面与第二联结表面相对,并与第三及第五表面相邻,第二与第三表面相邻,且第五与第六表面相邻。第一至第六表面分别适于配置第一至第六图像提取单元,以分别提取第一至第六图像,第一图像与第二及第六图像部分重叠、第四图像与第三及第五图像部分重叠、第二及第三图像部分重叠且第五及第六图像部分重叠。训练***包括车体端装置及训练装置。训练装置在训练阶段中与该多车体联结车连接,其中包括可动乘载单元、特征点单元及控制单元。可动乘载单元移动第一及第二车体部其中之一以调整夹角,使得夹角对应至N个训练角度中的第i个训练角度,i为小于或等于N的自然数。当夹角对应至第i个训练角度时特征点单元针对第一至第六图像中任两个图像的重叠拍摄区域提供至少一个特征点,使得其分别对应地显示第一及第二特征点。控制单元决定N个训练角度以对应地驱动可动乘载单元,控制单元接收处理单元提供的第一至该第六图像,并分别记录第一及第二特征点在此任两个图像中的两组坐标值,以针对第i个训练角度建立第i笔特征点对照表。控制单元更根据第i笔特征点对照表建立第i笔全周图像模型,藉此对第i个训练角度进行训练操作。控制单元更调整参数i,以在训练阶段中对应至N个训练角度分别找出N笔全周图像模型,并将N笔全周图像模型提供至车体端装置。
根据本公开的第二方面,提供一种车体端装置,应用于多车体联结车中,以对应地提供实际操作全周图像。多车体联结车包括第一、第二车体部及连结部,第一车体部的行进方向相对于及第二车体部的行进方向具有夹角。第一车体部包括第一联结表面、第一、第二及第六表面,第一表面与第一联结表面相对,并与第二及第六表面相邻。第二车体部包括第二联结表面、第三、第四及第五表面,第二联结表面经由连结部与第一联结表面联结,第四表面与第二联结表面相对,并与第三及第五表面相邻,第二与第三表面相邻,且第五与第六表面相邻。第一至第六表面分别适于配置第一至第六图像提取单元,以分别提取第一至第六图像,第一图像与第二及第六图像部分重叠、第四图像与第三及第五图像部分重叠、第二及第三图像部分重叠且第五及第六图像部分重叠。车体端装置包括处理单元存储单元、角度检测单元及处理单元。存储单元存储角度-全周图像模型查表,其中包括N个训练角度及对应的N笔全周图像模型,其中N为大于1的自然数。角度检测单元检测夹角并对应地提供夹角实测值。处理单元存取角度-全周图像模型查表,以于N个训练角度找出与夹角实测值近似的挑选训练角度,并于N笔全周图像模型中找出对应挑选训练角度的一笔挑选全周图像模型。处理单元还接收第一至第六实际操作图像,并根据挑选全周图像模型来对第一至第六实际操作图像进行处理,以找出实际操作全周图像。
根据本公开的第三及第四方面分别提出一种训练方法及一种全周鸟瞰图像产生方法,其与本公开的第一及第二方面具有对应的技术内容。
为了对本发明的上述及其他方面有更佳的了解,下文特举优选实施例,并配合附图,作详细说明如下:
附图说明
图1绘示根据本实施例的多车体联结车的示意图。
图2绘示根据本实施例的车体端装置的方块图。
图3绘示根据本实施例的多车体联结车的另一示意图。
图4绘示依照本发明实施例的全周鸟瞰图像产生方法的流程图。
图5绘示根据本实施例的训练***的方块图。
图6绘示根据本实施例的可动乘载单元201的示意图。
图7绘示根据本实施例的特征点单元203的示意图。
图8A至图8F分别绘示第一至第六图像Imx_1’及Imx_6’的示意图。
图9绘示第i笔特征点对照表T_i的示意图。
图10绘示第i笔全周图像模型M_i的示意图。
图11绘示乃均化子单元的操作的示意图。
图12绘示依照本发明实施例的训练方法的流程图。
图13绘示依照本发明实施例的训练方法的细部流程图。
图14绘示依照本发明实施例的训练方法的另一细部流程图。
图15绘示根据本发明另一实施例的车体端装置的方块图。
图16绘示根据本发明另一实施例的训练***的方块图。
【主要元件符号说明】
100:多车体联结车
11:第一车体部
13:连结部
15:第二车体部
S1-S6:表面
SC1、SC2:连结表面
D1、D2:行进方向
1000:车体端装置
101_1-101_6:图像提取单元
103:处理单元
105:角度检测单元
107:存储单元
109:扭曲校正单元
113:显示单元
A12、A23、A34、A45、A56、A61:重叠拍摄区域
2000:训练装置
201:可动乘载单元
203:特征点单元
205:控制单元
P1-P14:特征点
C12、C23、C34、C61:矩形物件
C45:三角形物件
C56:菱形物件
Im_1至Im_6:第一至第六实际提取图像
Im_1’至Im_6’:校正后的第一至第六实际提取图像
Imx_1至Imx_6:第一至第六图像
Imx_1’至Imx_6’:校正后的第一至第六图像
θr:夹角实测值
θts:挑选训练角度
Ms:挑选全周图像模型
Im:实际操作全周图像
a1-a2、a13-a14、b1-b4、c3-c8、d5-d10、e9-e12、f11-f14:特征点
T_i:第i笔特征点对照表
k1-k14:缝合区特征点
B1、B2:边界
ds1、ds2:距离
Ax_12:图像缝合区
具体实施方式
本实施例的训练***包括车体端装置及训练装置,其中车体端装置系配置于多车体联结车上,而多车体联结车可选择性地为连结巴士、连结拖板车、连结货柜车等。
车体端装置
请参照图1,其绘示根据本实施例的多车体联结车的示意图。本实施例的车体端装置1000配置于多车体联结车100上,以针对其提供全周图像,例如是全周鸟瞰图像。举例来说,本实施例的多车体联结车100包括第一车体部11、第二车体部15及连结部13。第一车体部11及第二车体部15例如分别为牵引动力车头(Tractor)及拖车车体(Trailer),其通过连结部13相互连接。第一车体部11及第二车体部15分别具有行进方向D1及D2,其中行进方向D1相对行进方向D2具有夹角θ。
进一步的说,第一车体部11包括联结表面SC1、表面S1、S2及S6。联结表面SC1与连结部13相连接,而表面S1与联结表面SC1相对并实质上相互平行,连结表面与表面S2及S6相邻并实质上相互垂直。举例来说,表面S1、S2及S6分别为牵引动力车头的前保险杆表面、右侧及左侧表面。第二车体部15包括联结表面SC2、表面S3、S4及S5。联结表面SC2经由连结部13与连结表面SC1相连接,而表面S4与联结SC2表面相对并实质上相互平行,并与表面S3及S5相邻并实质上相互垂直。举例来说,表面S3、S4及S5分别为拖车车体的后保险杆表面、右侧及左侧表面。表面S1至S6更分别适于配置图像提取单元101_1至101_6。
请参照图2,其绘示根据本实施例的车体端装置的方块图。车体端装置1000还包括处理单元103、角度检测单元105、存储器107及显示单元113。举例来说,处理单元103、存储单元107及显示单元113例如配置于第一车体部11中驾驶座的实***置。图像提取单元101_1至101_6经由多车体联结车100上的实体或无线通信连结来与处理单元103连接。
进一步的说,图像提取单元101_1、101_2及101_6分别配置于表面S1、S2及S6上,以分别提取对应的第一、第二及第六实际提取图像Im1、Im2及Im6。举例来说,图像提取单元101_1、101_2及101_6分别配置于牵引动力车头的前保险杆上、右侧后视镜下方及左侧后视镜下方。图像提取单元101_3、101_4及101_5分别配置于表面S3、S4及S5上,以分别提取对应的第三、第四及第五实际提取图像Im3、Im4及Im5。举例来说,图像提取单元101_4、101_3及101_5分别配置于拖车车体的后保险杆上、右侧车体上方及左侧车体上方。
请参照图3,其绘示根据本实施例的多车体联结车的另一示意图。图像提取单元101_1至101_6例如为鱼眼镜头,而对于配置于相邻表面上(例如是表面S1与S2、表面S2与S3、表面S3与S4、表面S4与S5、表面S5与S6及表面S6与S1)的两个相邻的图像提取单元来说,其所拍摄到的图像彼此部分重叠。以图像提取单元101_1及101_2拍摄到的第一及第二实际提取图像Im1及Im2来说,其例如具有实质上大于或等于130°的水平视角(HorizontalView Angle),而图像提取单元101_1及101_2分别配置于实质上相互垂直的表面S1及S2上。据此,对于重叠拍摄区域A12中的物件来说,其将同时地被显示在图像提取单元101_1及101_2提取到的第一及第二实际提取图像Im1及Im2中;换句话说,第一及第二实际提取图像Im1及Im2具有重叠拍摄区域A12。
基于相似的情形,第二及第三实际提取图像Im2及Im3、第三及第四实际提取图像Im3及Im4、第四及第五实际提取图像Im4及Im5、第五及第六实际提取图像Im5及Im6与第六及第一实际提取图像Im6及Im1亦分别地具有重叠拍摄区域A23、A34、A45、A56及A61。
请参照图15,在其他例子中,车体端装置1000还包括扭曲校正单元109,例如配置于第一车体部11中驾驶座的实***置。图像提取单元101_1至101_6经由多车体联结车100上的实体或无线通信连结来与扭曲校正单元109及处理单元103连接。扭曲校正单元109接收第一至第六实际提取图像Im1至Im6,并对其进行扭曲校正;扭曲校正单元109还将校正后的第一至第六实际提取图像Im1’至Im6’提供至处理单元103。举例来说,扭曲校正单元109可以实体电路来实现,例如是嵌入式处理器或其他电路。在其他例子中,扭曲校正单元109也可以软件的方式来实现,并对应地存储于计算机可读介质,例如是随机存取存储器、只读存储器或非易失存储器中;而处理单元103以对应地存取此计算机可读介质,以实现对应的图像扭曲校正操作。
角度检测单元105可选择性地以光编码器(Optical Encoder)、电位计(Potentiometer)、旋转可变差动变压器(Rotational Variable DifferenceTransformer)、陀螺仪(Gyro Sensor)、图像式角度传感器等其中的部分或全部来实现。举例来说,角度检测单元105配置于连结部13上,以针对第一车体部11行进方向D1相对于第二车体部15的行进方向D2的夹角θ进行检测。角度检测单元105也可经由多车体联结车100上的实体或无线通信连结来与处理单元103连接,并提供夹角θ对应的夹角实测值θr。
存储单元107存储及提供角度-全周图像模型查表,其中记录N个训练角度θt_1、θt_2、…、θt_N及对应的N笔全周图像模型M_1、M_2、…、M_N,其中N为大于1的自然数,且N个训练角度θt1至θt_N例如涵盖夹角θ可能的数值范围。举例来说,夹角θ介于-90°(例如为第一车体部11向左转90°)至+90°(例如为第一车体部11向右转90°)的数值范围,其中N例如等于37,而训练角度θt_1至θt_N对应地以5°为步阶单位,涵盖-90°、-85°、-80°、…、-5°、0°、+5°、+10°、…、+90°的数值范围。
处理单元103接收夹角实测值θr,并据以存取存储单元107,以于N个训练角度θt_1至θt_N中找出与夹角实测值θr近似的挑选训练角度θts及与其对应的挑选全周图像模型Ms。举一个例子来说,夹角实测值θr等于3°,而处理单元103以训练角度θt_1至θt_N(例如分别对应至实体角度-90°、-85°、...、+90°)中与夹角实测值θr最接近的第36个训练角度θt_36(例如是5°)作为挑选训练角度θts,并以对应的第36笔全周图像模型M_36作为挑选全周图像模型Ms。
处理单元103还接收扭曲校正后的第一至第六实际提取图像Im1’至Im6’,并根据挑选全周图像模型Ms来对该第一至第六实际提取图像Im1’至Im6’进行处理,以找出多车体联结车100的实际操作全周图像Im;处理单元103还将实际操作全周图像Im提供至显示单元113,以驱动其显示实际操作全周图像Im。据此,应由参考实际操作全周图像Im,多车体联结车100的驾驶人可更有效率地掌握多车体联结车100与其周围环境的关系信息。
请参照图4,其绘示依照本发明实施例的全周鸟瞰图像产生方法的流程图。举例来说,本实施例的全周鸟瞰图像产生方法被应用于车体端装置1000中,其对应地应用于多车体联结车100上;本实施例的全周鸟瞰图像产生方法例如包括下列的步骤。首先如步骤(a),应用存储单元107提供角度-全周图像模型查表,其中包括N个训练角度θt_1至θt_N及对应的N笔全周图像模型M_1至M_N。接着如步骤(b),应用角度检测单元105检测第一车体部11及第二车体部15对应的行径方向D1与D2间的夹角θ,并对应地提供夹角实测值θr。
然后如步骤(c),应用处理单元103来存取此角度-全周图像模型查表,以于N个训练角度θt_1至θt_N找出与夹角实测值θr最相近的挑选训练角度θts,并于N笔全周图像模型M_1至M_N找出对应的挑选全周图像模型Ms。接着如步骤(d),经由配置于表面S1至S6上的图像提取单元101_1至101_6来分别提取第一至第六实际操作图像Im1至Im6,其中任一个实际操作图像Im1至Im6与其相邻的另一个实际操作图像部分重叠。
之后如步骤(e),应用处理单元103根据挑选全周图像模型Ms来对第一至第六实际操作图像Im1至Im6进行处理,以找出实际操作全周图像Im。
举例来说,本实施例的全周鸟瞰图像产生方法在步骤(d)及(e)之间还包括步骤(f),应用扭曲校正单元109来针对第一至第六实际操作图像Im1至Im6进行扭曲校正,并将校正后的第一至第六实际操作图像Im1’至Im6’提供至处理单元103。换句话说,本实施例的全周鸟瞰图像产生方法在步骤(e)中是根据挑选全周图像模型Ms来对校正后的第一至第六实际操作图像Im1’至Im6’进行处理。
综合以上,本实施例的多车体联结车可根据参考角度检测单元来检测其第一及第二车体部对应的夹角实测值;根据夹角实测值来查询其既有的角度-全周图像模型查表,以对应地找出与夹角实测值接近的既有训练角度及对应的选取全周图像模型;及经由配置于其车体周围的六个表面上的六个图像提取单元,来对应地提取六笔图像。本实施例的多车体联结车更根据此六笔图像及此选取全周图像模型,来找出对应至多车体联结车的实际操作全周图像。据此,相较于传统行车辅助工具,本实施例的多车体联结车具有可有效地针对多车体联结车提供全周图像的优点。
训练装置
举例来说,本实施例的车体端装置1000所应用的角度-全周图像模型查表由训练装置所提供,其中训练装置在训练阶段中,与多车体联结车100相连接,以针对其进行相关的训练,进而建立此角度-全周图像模型查表。接下来针对本实施例的训练装置做进一步的说明。
本实施例的训练装置2000例如包括可动乘载单元201、特征点单元203及控制单元205,其中可动乘载单元201与特征点单元203分别与控制单元205电性连接。控制单元205作为训练装置2000的主控元件,以在训练阶段中对应地与车体端装置1000连接,其中控制单元205与车体端装置1000的连接关系可如图5所示。
控制单元205更对应地用以决定N个训练角度θt_1至θt_N,并据以驱动可动乘载单元201移动多车体联结车100中第一车体部11及第二车体部15其中之一,以对应地调整夹角θ,并使得夹角θ可选择性地对应至N个训练角度θt_1至θt_N中的第i个训练角度θt_i,其中i为小于或等于N的自然数。举一个操作实例来说,可动乘载单元201用以乘载第一车体部11,并可使第一车体部11以连结部13为轴心左右旋转,进而对应地针对夹角θ进行调整,如图6所示。
特征点单元203用以在夹角θ实质上等于第i个训练角度θt_i时,针对图像提取单元101_1至101_6对应的第一至第六提取图像中,任两个相邻图像的重叠拍摄区域(例如是重叠拍摄区域A12、A23、A34、A45、A56及A61)提供至少一个特征点,使得此第一至第六提取图像中,任两个相邻图像分别对应地显示与此特征点对应的第一特征点及第二特征点。
举例来说,特征点单元203用以根据平铺于多车体联结车100周围地面上的多个几何图形,提供特征点,如图7表示。以重叠拍摄区域A12来说,特征点单元203于其中提供矩形物件C12,而其中矩形特征点物件C12的端点,将对应地形成特征点P1及P2。相似地,特征点单元203亦对应地于重叠拍摄区域A23、A34、A45、A56及A61中提供矩形物件C23、矩形物件C34、三角形物件C45、菱形物件C56及矩形物件C61,而其对应的端点亦对应地形成对应重叠拍摄区域中的特征点P3、P4、P5、…、P14。
在可动乘载单元201使夹角θ实质上等于第i个训练角度θt_i且特征点单元203对应地针对各重叠拍摄区域A12至A61提供特征点P1至P14后,控制单元205通过图像提取单元101_1至101_6,以对应地提取第一至第六图像Imx_1至Imx_6,其中各第一至第六图像Imx_1至Imx_6中任两个相邻的图像分别对应地显示第一特征点及第二特征点。
请参照图16,在其他例子中,车体端装置1000还包括扭曲校正单元109,电性连接图像提取单元101_1至101_6以及控制单元205,其中第一至第六图像Imx_1至Imx_6经由扭曲校正单元109对应地产生校正后的第一至第六图像Imx_1’至Imx_6’,并被提供至控制单元205。在其他例子中,扭曲校正单元109也可以软件的方式来实现,并对应地存储于计算机可读介质,例如是随取存储器、只读存储器或非挥发存储器中;而车体端装置1000的处理单元103以对应地存取此计算机可读介质,以实现对应的图像扭曲校正操作;此时校正后的第一至第六图像Imx_1’至Imx_6’则是经由处理单元103被提供至控制单元205。
请参照图8A及图8B,其分别绘示第一及第二图像Imx_1’及Imx_2’的示意图。以图像提取单元101_1及101_2对应产生的第一及第二图像Imx_1’及Imx_2’的情形来说,第一图像Imx_1’包括图像物件P1_C12,其例如为图像提取单元101_1针对矩型特征点物件C12所拍摄到的图像内容,其中图像物件P1_C12包括分别与特征点P1及P2对应的第一组特征点a1及a2。相似地,第二图像Imx_2’包括图像物件P2_C12,其例如为图像提取单元101_2针对矩型特征点物件C12所拍摄到的图像内容,其中图像物件P2_C12包括分别与特征点P1及P2对应的第二组特征点b1及b2。与第一及第二图像Imx_1’至Imx_2’相似地,第三至第六图像Imx_3’至Imx_6’分别如图8C至图8F所示,在此将不再对其进行赘述。
控制单元205接收第一至第六图像Imx_1’至Imx_6’,且通过特征点单元203针对任两个相邻图像的重叠拍摄区域提供至少一个特征点,使得第一至第六图像Imx_1’至Imx_6’中任两个相邻图像分别对应地显示一第一特征点及一第二特征点;控制单元205并分别记录其中任两个相邻图像中的两组特征点的坐标值,并将此两组坐标值记录为对应至第i个训练角度θt_i的第i笔特征点对照表T_i。以相邻的第一及第二图像Imx_1’及Imx_2’的情况来说,控制单元205记录第一图像Imx_1’中对应至特征点P1及P2的第一组特征点a1及a2的坐标值(x1,y1)及(x1’,y1)及第二图像Imx_2’中对应至特征点P1及P2的第二组特征点b1及b2的坐标值(x2,y2)及(x2,y2’)于第i笔特征点对照表T_i中。
相似地,第二图像Imx_2’与第三图像Imx_3’中对应的特征点b3至b4与c3至c4、第三图像Imx_3’与第四图像Imx_4’中对应的特征点c5至c8与d5至d8、第四图像Imx_4’与第五图像Imx_5’中对应的特征点d9、d10与e9、e10、第五图像Imx_5’与第六图像Imx_6’中对应的特征点e11、e12与f11、f12及第六图像Imx_6’与第一图像Imx_1’中对应的特征点f13、f14与a13、a14的坐标值亦对应地被存储于第i笔特征点对照表T_i中,而第i笔特征点对照表T_i例如具有如图9所示的数据结构。
控制单元205还根据第i笔特征点对照表T_i建立第i笔全周图像模型M_i,藉此完成针对第i个训练角度θt_i的训练操作。举例来说,全周图像模型M_i可如图10所示,其中缝合区特征点k1及k2分别为其中对应至特征点P1及P2的显示图像,相似地,缝合区特征点k3、k4、…、k13及k14分别为其中对应至特征点P3、P4、…、P13及P14的显示图像。
举例来说,控制单元205包括均化子单元,其参考第i笔全周图像模型M_i中与第一及第二特征点对应的缝合区特征点的位置信息,来找出权重参数W1及W2。此均化子单元更根据两笔权重参数W1及W2来针对此第一及此第二特征点进行图像均化,以找出此缝合区特征点的像素数据,据此完成图像均化操作。
接下来,以此均化子单元针对缝合区特征点k1进行均化的操作为例,来针对此均化子单元的操作做进一步的说明。请参照图11,其绘示乃均化子单元操作的示意图。第i笔全周图像模型M_i由第一至第六笔图像Imx_1’至Imx_6’所而成,而对于第一至第六笔图像Imx_1’至Imx_6’中任两笔相邻的图像来说,其可相互交迭出图像缝合区。以第一及第二笔图像Imx_1’及Imx_2’来说,其交迭出图像缝合区Ax_12,其中图像缝合区Ax_12例如对应地具有边界B1及B2,分别由第一及第二图像Imx_1’及Imx_2’所决定。
此均化子单元找出缝合区特征点k1与边界B1的距离ds1及缝合区特征点k1与边界B2的距离ds2,并据以决定权重参数W1及W2。举例来说,权重参数W1及W2分别满足:
此均化子单元还根据下列方程式,来参考权重参数W1及W2对第一及第二特征点,即是特征点a1及b1,进行权重相加,并据以决定缝合区特征点k1的像素值:
k1=W1×a1+W2×b1
基于相似的操作,此均化子单元还针对第i笔全周图像模型M_i中的各笔缝合区特征点k2-k14执行实质上相同的均化操作,藉此完成建立第i笔全周图像模型M_i的操作。
在找出与第i个训练角度θt_i对应的全周图像模型M_i后,控制单元205更调整参数i,以在此训练阶段中,针对所有的N个训练角度θt_1至θt_N分别找出对应的N笔全周图像模型M_1至M_N,并将其提供至车体端装置1000,并对应地存储在车体端装置1000的存储单元107中。在其他例子中,控制单元205与存储单元107电性连接,以将全周图像模型M_i存储在存储单元107中。
举一个操作实例来说,控制单元205设定参数i具有起始数值1;而控制单元205更在对应至第i个训练角度θt_i的训练操作完成后,判断参数i是否等于N;如果是,表示训练装置2000已针对所有的N笔训练角度θt_1至θt_N完成对应的训练操作。
相对地,当i不等于N时表示训练装置2000尚未完成针对所有的N笔训练角度θt_1至θt_N的训练操作。据此,控制单元205将i递增1,并驱动训练装置2000针对下一个训练角度进行训练操作。
请参照图12,其绘示依照本发明实施例的训练方法的流程图。举例来说,本实施例的训练方法被应用于包括车体端装置1000及训练装置2000的训练***中;本实施例的训练方法例如包括下列的步骤。首先如步骤(A),提供多车体联结车100。接着如步骤(B),控制单元205决定N个训练角度θt_1至θt_N,并应用可动乘载单元201移动第一车体部11及第二车体部15其中之一以调整夹角θ,使得夹角θ对应至N个训练角度θt_1至θt_N中的第i个训练角度θt_i。
然后如步骤(C),在其中控制单元205经由配置于第一至第六表面S1至S6上的图像提取单元101_1至101_6来分别提取第一至第六图像Imx_1至Imx_6,并经由扭曲校正单元109校正得到校正后的第一至第六图像Imx_1’至Imx_6’。接着如步骤(D),当夹角θ对应至第i个训练角度θt_i时,应用特征点单元203来针对第一至第六图像Imx_1’至Imx_6’中任两个图像的重叠拍摄区域A12至A61提供至少一个特征点,使得第一至第六图像Imx_1’至Imx_6’中任两个图像分别对应地显示第一及第二特征点,例如是特征点a1及b1。
然后如步骤(E),控制单元205记录第一及第二特征点在此任两个图像中的两组坐标值,以针对第i个训练角度θt_i建立第i笔特征点对照表T_i。接着如步骤(F),控制单元205根据第i笔特征点对照表T_i建立第i笔全周图像模型M_i。之后如步骤(G),控制单元205调整参数i,并重复执行步骤(C)-(F)以对应至N个训练角度θt_1至θt_N分别找出N笔全周图像模型M_1至M_N。
请参照图13,其绘示依照本发明实施例的训练方法的部分流程图。举例来说,训练方法中的步骤(F)包括子步骤(F1)至(F3)。进一步的说,步骤(F)首先包括步骤(F1),控制单元205中的均化子单元找出第i笔全周图像模型M_i中与第一及第二特征点(例如是特征点a1及b1)对应的缝合区特征点(例如是缝合区特征点k1)的位置信息。接着如步骤(F2),此均化子单元根据缝合区特征点的位置信息来找出权重参数W1及W2。
之后如步骤(F3),此均化子单元根据权重参数W1及W2来针对此第一及此第二特征点进行图像均化,以对应至第i个训练角度θt_i建立第i笔全周图像模型M_i。
请参照图14,其绘示依照本发明实施例的训练方法的部分流程图。举例来说,控制单元205设定参数i具有起始数值1,而训练方法的步骤(G)包括子步骤(G1)至(G3)。首先如步骤(G1),控制单元205在步骤(F)之后,判断参数i是否等于N;如果是,则执行步骤(G2),以将N笔全周图像模型M_1至M_N输出至车体端装置1000,并对应地终止本实施例的训练方法。相对地,当i不等于N时执行步骤(G3),控制单元205将i递增1,之后重复执行步骤(C),以针对下一个训练角度进行训练操作。
在本实施例中,虽仅以特征点单元203针对各重叠拍摄区域A12、A23、A34、A45、A56及A61提供特征点物件的情形做说明,然而,本实施例的特征点单元203并不局限于此。举例来说,本实施例的特征点单元203更针对非重叠拍摄区域提供不同的特征点物件,以利相对应的扭曲校正操作的进行。
本实施例的车体端装置可根据参考角度检测单元来检测其的第一及第二车体部对应的夹角实测值;根据夹角实测值来查询其既有的角度-全周图像模型查表,以对应地找出与夹角实测值接近的既有训练角度及对应的选取全周图像模型;及经由配置于其车体周围的六个表面上的六个图像提取单元,来对应地提取六笔图像。本实施例的车体端装置更根据此六笔图像及此选取全周图像模型,来找出对应至多车体联结车的实际操作全周图像。据此,相较于传统行车辅助工具,本实施例的车体端装置具有可有效地针对多车体联结车提供全周图像的优点。
此外,本实施例的训练装置可在训练阶段中,经由可动乘载单元来调整多车体联结车的两个车体间的夹角,使其对应地对应至N笔预设训练角度中的第i笔预设训练角度,其中i为小于或等于N的自然数。本实施例的训练装置更可应用特征点单元,来针对六笔图像中任两个图像的重叠拍摄区域提供特征点,并根据此两个图像中与此特征点对应的两笔特征点,建立对应至第i个预设训练角度的第i笔特征点对照表。本实施例的训练装置更可调整参数i,来针对所有的N笔预设训练角度建立对应的N笔全周图像模型,并将其提供至车体端装置中。据此,本实施例的训练装置更具有可有效地经由训练操作,来建立与N个不同的预设角度对应的N笔全周图像模型,藉此使对应的车体端装置可根据此N笔记全周图像模型实现对应的全周鸟瞰图像产生操作。
综上所述,虽然本发明已以优选实施例公开如上,然其并非用以限定本发明。本发明所属领域技术人员,在不脱离本发明的精神和范围内,当可作各种的更动与润饰。因此,本发明的保护范围当视所附权利要求书所界定者为准。
Claims (20)
1.一种训练***,应用于一多车体联结车上,该多车体联结车包括一第一、一第二车体部及一连结部,该第一车体部的行进方向相对于及该第二车体部的行进方向具有一夹角;该第一车体部包括一第一联结表面、一第一、一第二及一第六表面,该第一表面与该第一联结表面相对,并与该第二及该第六表面相邻;该第二车体部包括一第二联结表面、一第三、一第四及一第五表面,该第二联结表面经由该连结部与该第一联结表面联结,该第四表面与该第二联结表面相对,并与该第三及该第五表面相邻,该第二与该第三表面相邻,且该第五与该第六表面相邻;该第一至该第六表面分别适于配置一第一、一第二、一第三、一第四、一第五及一第六图像提取单元,以分别提取一第一、一第二、一第三、一第四、一第五及一第六图像,其中该第一图像与该第二及该第六图像部分重叠、该第四图像与该第三及该第五图像部分重叠、该第二及该第三图像部分重叠且该第五及该第六图像部分重叠;该训练***包括:
一车体端装置;以及
一训练装置,用以在一训练阶段中与该多车体联结车连接,该训练装置包括:
一可动乘载单元,用以移动该第一及该第二车体部其中之一以调整该夹角,使得该夹角对应至N个训练角度中的一第i个训练角度,其中i为小于或等于N的自然数;
一特征点单元,当该夹角对应至该第i个训练角度时,针对该第一至该第六图像中任两个相邻图像的一重叠拍摄区域提供至少一个特征点,使得该第一至该第六图像中任两个相邻图像分别对应地显示一第一特征点及一第二特征点;及
一控制单元,决定该N个训练角度以对应地驱动该可动乘载单元,该控制单元接收该处理单元提供的该第一至该第六图像,并分别记录该第一及该第二特征点于该任两个相邻图像中的两组坐标值,以针对该第i个训练角度建立一第i笔特征点对照表,该控制单元更根据该第i笔特征点对照表建立一第i笔全周图像模型,藉此对该第i个训练角度进行训练操作;
其中,该控制单元更调整参数i,以在该训练阶段中对应至该N个训练角度分别找出N笔全周图像模型,并将该N笔全周图像模型提供至该车体端装置。
2.如权利要求1所述的训练***,其中该控制单元还包括:
一均化子单元,参考该第i笔全周图像模型中与该第一及该第二特征点对应的一缝合区特征点的位置信息来找出两笔权重参数,其中该均化子单元更根据该两笔权重参数来针对该任两个图像中的该第一及该第二特征点进行图像均化,以对应至该第i个训练角度建立该第i笔全周图像模型。
3.如权利要求1所述的训练***,其中该控制单元设定参数i具有起始数值1,该控制单元还在对应至该第i个训练角度的训练操作后,判断参数i是否等于N,当i不等于N时,该控制单元将i递增1,并驱动该训练装置针对下一个该第i个训练角度进行训练操作。
4.如权利要求1所述的训练***,其中该车体端装置还包括:一处理单元,用以接收该第一至该第六图像,并在一实际操作阶段中,根据该N笔全周图像模型来提供与该多车体联结车对应的一实际操作全周图像。
5.如权利要求4所述的训练***,其中该车体端装置还包括:
一存储单元,用以存储一角度-全周图像模型查表,其中包括该N个训练角度及对应的该N笔全周图像模型;
一显示单元;及
一角度检测单元,用以在该实际操作阶段中检测该夹角,并对应地提供一夹角实测值;
其中,该处理单元存取该角度-全周图像模型查表,以在该N个训练角度找出与该夹角实测值近似的一挑选训练角度,并于该N笔全周图像模型找出对应的一笔挑选全周图像模型;
其中,该处理单元接收该第一至该第六图像提取单元于该实际操作阶段中所提取的一第一至一第六实际操作图像,并根据该挑选全周图像模型来对该第一至该第六实际操作图像进行处理,以找出并驱动该显示单元显示该实际操作全周图像。
6.如权利要求5所述的训练***,其中该车体端装置还包括:
一扭曲校正单元,用以针对该第一至该第六图像提取单元提取的该第一至该第六实际操作图像进行扭曲校正,并将校正后的该第一至该第六实际操作图像提供至该处理单元;
其中,该处理单元是根据该挑选全周图像模型来对校正后的该第一至该第六实际操作图像进行处理,以找出并驱动该显示单元显示该实际操作全周图像。
7.如权利要求1所述的训练***,其中该车体端装置还包括:
一扭曲校正单元,在该训练阶段中针对该第一至该第六图像提取单元提取的该第一至该第六图像进行扭曲校正,并将校正后的该第一至该第六图像提供至该训练装置。
8.一种车体端装置,应用于一多车体联结车中,以对应地提供一实际操作全周图像,该多车体联结车包括一第一、一第二车体部及一连结部,该第一车体部的行进方向相对于及该第二车体部的行进方向具有一夹角;该第一车体部包括一第一联结表面、一第一、一第二及一第六表面,该第一表面与该第一联结表面相对,并与该第二及该第六表面相邻;该第二车体部包括一第二联结表面、一第三、一第四及一第五表面,该第二联结表面经由该连结部与该第一联结表面联结,该第四表面与该第二联结表面相对,并与该第三及该第五表面相邻,该第二与该第三表面相邻,且该第五与该第六表面相邻;该第一至该第六表面分别适于配置一第一、一第二、一第三、一第四、一第五及一第六图像提取单元,其中该第一实际操作图像与该第二及该第六实际操作图像部分重叠、该第四实际操作图像与该第三及该第五实际操作图像部分重叠、该第二及该第三实际操作图像部分重叠且该第五及该第六实际操作图像部分重叠;该车体端装置包括:
一存储单元,用以存储一角度-全周图像模型查表,其中包括N个训练角度及对应的N笔全周图像模型,其中N为大于1的自然数;
一角度检测单元,用以检测该夹角并对应地提供一夹角实测值;以及
一处理单元,存取该角度-全周图像模型查表,以于该N个训练角度找出与该夹角实测值近似的一挑选训练角度,并于该N笔全周图像模型中找出对应的一笔挑选全周图像模型;
其中,该处理单元更接收该第一至该第六实际操作图像,并根据该挑选全周图像模型来对该第一至该第六实际操作图像进行处理,以找出该实际操作全周图像。
9.如权利要求8所述的车体端装置,还包括:
一显示单元,用以接收并显示该实际操作全周图像。
10.如权利要求8所述的车体端装置,还包括:
一扭曲校正单元,用以针对该第一至该第六实际操作图像进行扭曲校正,并将校正后的该第一至该第六实际操作图像提供至该处理单元;
其中,该处理单元系根据该挑选全周图像模型来对校正后的该第一至该第六实际操作图像进行处理,以找出并驱动该显示单元显示该实际操作全周图像。
11.一种训练方法,应用于一训练装置中,该训练方法包括:
提供一多车体联结车,包括一第一、一第二车体部及一连结部,该第一车体部的行进方向相对于及该第二车体部的行进方向具有一夹角;该第一车体部包括一第一联结表面、一第一、一第二及一第六表面,该第一表面与该第一联结表面相对,并与该第二及该第六表面相邻;该第二车体部包括一第二联结表面、一第三、一第四及一第五表面,该第二联结表面经由该连结部与该第一联结表面联结,该第四表面与该第二联结表面相对,并与该第三及该第五表面相邻,该第二与该第三表面相邻,且该第五与该第六表面相邻;
并应用该训练装置的一可动乘载单元移动该第一及该第二车体部其中之一以调整该夹角,使得该夹角对应至N个训练角度中的一第i个训练角度,其中i为小于或等于N的自然数;
当该夹角对应至该第i个训练角度时,经由配置于该第一至该第六表面上的一第一、一第二、一第三、一第四、一第五及一第六图像提取单元来分别提取一第一、一第二、一第三、一第四、一第五及一第六图像,其中该第一图像与该第二及该第六图像部分重叠、该第四图像与该第三及该第五图像部分重叠、该第二及该第三图像部分重叠且该第五及该第六图像部分重叠;
当该夹角对应至该第i个训练角度时,应用该训练装置的一特征点单元来针对该第一至该第六图像中任两个相邻图像的一重叠拍摄区域提供至少一个特征点,使得该第一至该第六图像中任两个相邻图像分别对应地显示一第一特征点及一第二特征点;
应用该训练装置一控制单元来分别记录该第一及该第二特征点于该任两个相邻图像中的两组坐标值,以针对该第i个训练角度建立一第i笔特征点对照表;
应用该控制单元来根据该第i笔特征点对照表建立一第i笔全周图像模型,藉此对该第i个训练角度进行训练操作;以及
应用该控制单元来调整参数i,以对应至该N个训练角度分别找出N笔全周图像模型。
12.如权利要求11所述的训练方法,其中建立该第i笔全周图像模型的步骤还包括:
应用该控制单元中的一均化子单元来找出该第i笔全周图像模型中与该第一及该第二特征点对应的一缝合区特征点的位置信息;
应用该均化子单元来根据该缝合区特征点的位置信息来分别找出两笔权重参数;及
应用该均化子单元来根据该两笔权重参数来针对该任两个图像中的该第一及该第二特征点进行图像均化,以对应至该第i个训练角度建立该第i笔全周图像模型。
13.如权利要求11所述的训练方法,其中调整参数i的步骤还包括:
应用该控制单元设定参数i具有起始数值1;
在对应至该第i个训练角度的训练操作后,应用该控制单元判断参数i是否等于N;及
当i不等于N时,应用该控制单元将i递增1,并以针对下一个该第i个训练角度进行训练操作。
14.如权利要求11所述的训练方法,还包括一实用阶段操作,在其中该多车体联结车中的一车体端装置根据该N笔全周图像模型来提供与该多车体联结车对应的一实际操作全周图像。
15.如权利要求14所述的训练方法,其中该训练方法还包括:
应用该车体端装置中的一存储单元来存储一角度-全周图像模型查表,其中包括该N个训练角度及对应的该N笔全周图像模型;
在该实际操作阶段中应用该车体端装置中的一角度检测单元检测该夹角,并对应地提供一夹角实测值;
应用该车体端装置中的一处理单元来存取该角度-全周图像模型查表,以于该N个训练角度找出与该夹角实测值近似的一挑选训练角度,并于该N笔全周图像模型找出对应的一笔挑选全周图像模型;
应用该第一至该第六图像提取单元分别提取一第一至一第六实际操作图像;及
应用该处理单元根据该挑选全周图像模型来对该第一至该第六实际操作图像进行处理,以找出并显示该实际操作全周图像。
16.如权利要求15所述的训练方法,其中在提取一第一至一第六实际操作图像的步骤之后,还包括:
应用该车体端装置的一扭曲校正单元来针对该第一至该第六实际操作图像进行扭曲校正,并将校正后的该第一至该第六实际操作图像提供至该处理单元;
其中,在找出并驱动该显示单元显示该实际操作全周图像的步骤中,系根据该挑选全周图像模型来对校正后的该第一至该第六实际操作图像进行处理。
17.如权利要求11所述的训练方法,其中在提取该第一至该第六图像的步骤之后,还包括:
应用该车体端装置的一扭曲校正单元来于该训练阶段中针对该第一至该第六图像提取单元提取的该第一至该第六图像进行扭曲校正,并将校正后的该第一至该第六图像提供至该处理单元;
其中,在提供该至少一个特征点的步骤中,针对校正后的该第一至该第六图像任两个图像的该重叠拍摄区域提供该至少一个特征点。
18.一种全周鸟瞰图像产生方法,应用于一多车体联结车中的一车体端装置,该多车体联结车包括一第一、一第二车体部及一连结部,该第一车体部的行进方向相对于及该第二车体部的行进方向具有一夹角;该第一车体部包括一第一联结表面、一第一、一第二及一第六表面,该第一表面与该第一联结表面相对,并与该第二及该第六表面相邻;该第二车体部包括一第二联结表面、一第三、一第四及一第五表面,该第二联结表面经由该连结部与该第一联结表面联结,该第四表面与该第二联结表面相对,并与该第三及该第五表面相邻,该第二与该第三表面相邻,且该第五与该第六表面相邻,该全周鸟瞰图像产生方法包括:
应用该车体端装置中的一存储单元来提供一角度-全周图像模型查表,其中包括N个训练角度及对应的N笔全周图像模型,其中N为大于1的自然数;
应用该车体端装置中的一角度检测单元检测该夹角,并对应地提供一夹角实测值;
应用该车体端装置中的一处理单元来存取该角度-全周图像模型查表,以于该N个训练角度找出与该夹角实测值近似的一挑选训练角度,并于该N笔全周图像模型找出对应的一笔挑选全周图像模型;以及
经由配置于该第一至该第六表面上的一第一、一第二、一第三、一第四、一第五及一第六图像提取单元来分别提取一第一、一第二、一第三、一第四、一第五及一第六实际操作图像,其中该第一实际操作图像与该第二及该第六实际操作图像部分重叠、该第四实际操作图像与该第三及该第五实际操作图像部分重叠、该第二及该第三实际操作图像部分重叠且该第五及该第六实际操作图像部分重叠;以及
应用该处理单元根据该挑选全周图像模型来对该第一至该第六实际操作图像进行处理,以找出一实际操作全周图像。
19.如权利要求18所述的全周鸟瞰图像产生方法,还包括:
应用一显示单元来显示该实际操作全周图像。
20.如权利要求18所述的全周鸟瞰图像产生方法,还包括:
应用该车体端装置的一扭曲校正单元来针对该第一至该第六实际操作图像进行扭曲校正,并将校正后的该第一至该第六实际操作图像提供至该处理单元;
其中,在找出该实际操作全周图像的步骤中,根据该挑选全周图像模型来对校正后的该第一至该第六实际操作图像进行处理。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510314180.5A CN104900110A (zh) | 2012-03-08 | 2012-07-12 | 车体端装置 |
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW101107971 | 2012-03-08 | ||
TW101107971A TWI491524B (zh) | 2012-03-08 | 2012-03-08 | 全周鳥瞰影像產生方法、訓練方法及應用其之車體端裝置及訓練裝置 |
Related Child Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510314180.5A Division CN104900110A (zh) | 2012-03-08 | 2012-07-12 | 车体端装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103310673A true CN103310673A (zh) | 2013-09-18 |
CN103310673B CN103310673B (zh) | 2015-07-15 |
Family
ID=49114430
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210242096.3A Active CN103310673B (zh) | 2012-03-08 | 2012-07-12 | 全周鸟瞰图像产生方法及其训练方法及训练装置 |
CN201510314180.5A Pending CN104900110A (zh) | 2012-03-08 | 2012-07-12 | 车体端装置 |
Family Applications After (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510314180.5A Pending CN104900110A (zh) | 2012-03-08 | 2012-07-12 | 车体端装置 |
Country Status (3)
Country | Link |
---|---|
US (1) | US9082315B2 (zh) |
CN (2) | CN103310673B (zh) |
TW (1) | TWI491524B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108401133A (zh) * | 2017-02-07 | 2018-08-14 | 中升兴业股份有限公司 | 环景影像的影像缝合方法 |
Families Citing this family (59)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB2447672B (en) | 2007-03-21 | 2011-12-14 | Ford Global Tech Llc | Vehicle manoeuvring aids |
US9374562B2 (en) | 2011-04-19 | 2016-06-21 | Ford Global Technologies, Llc | System and method for calculating a horizontal camera to target distance |
US9506774B2 (en) | 2011-04-19 | 2016-11-29 | Ford Global Technologies, Llc | Method of inputting a path for a vehicle and trailer |
US9683848B2 (en) | 2011-04-19 | 2017-06-20 | Ford Global Technologies, Llc | System for determining hitch angle |
US9434414B2 (en) | 2011-04-19 | 2016-09-06 | Ford Global Technologies, Llc | System and method for determining a hitch angle offset |
US9969428B2 (en) | 2011-04-19 | 2018-05-15 | Ford Global Technologies, Llc | Trailer backup assist system with waypoint selection |
US9555832B2 (en) | 2011-04-19 | 2017-01-31 | Ford Global Technologies, Llc | Display system utilizing vehicle and trailer dynamics |
US9513103B2 (en) | 2011-04-19 | 2016-12-06 | Ford Global Technologies, Llc | Hitch angle sensor assembly |
US9926008B2 (en) | 2011-04-19 | 2018-03-27 | Ford Global Technologies, Llc | Trailer backup assist system with waypoint selection |
US9854209B2 (en) * | 2011-04-19 | 2017-12-26 | Ford Global Technologies, Llc | Display system utilizing vehicle and trailer dynamics |
US9723274B2 (en) | 2011-04-19 | 2017-08-01 | Ford Global Technologies, Llc | System and method for adjusting an image capture setting |
US10196088B2 (en) | 2011-04-19 | 2019-02-05 | Ford Global Technologies, Llc | Target monitoring system and method |
US9500497B2 (en) | 2011-04-19 | 2016-11-22 | Ford Global Technologies, Llc | System and method of inputting an intended backing path |
US9373044B2 (en) | 2011-07-25 | 2016-06-21 | Ford Global Technologies, Llc | Trailer lane departure warning system |
US9592851B2 (en) | 2013-02-04 | 2017-03-14 | Ford Global Technologies, Llc | Control modes for a trailer backup assist system |
US9511799B2 (en) | 2013-02-04 | 2016-12-06 | Ford Global Technologies, Llc | Object avoidance for a trailer backup assist system |
KR101519209B1 (ko) * | 2013-08-06 | 2015-05-11 | 현대자동차주식회사 | Avm 영상 제공 장치 및 방법 |
TWI558588B (zh) * | 2014-04-09 | 2016-11-21 | Papago Inc | Driving Recorder with Correcting Shooting Pose and Its Correction |
US9517668B2 (en) | 2014-07-28 | 2016-12-13 | Ford Global Technologies, Llc | Hitch angle warning system and method |
US9963004B2 (en) | 2014-07-28 | 2018-05-08 | Ford Global Technologies, Llc | Trailer sway warning system and method |
US9437055B2 (en) * | 2014-08-13 | 2016-09-06 | Bendix Commercial Vehicle Systems Llc | Cabin and trailer body movement determination with camera at the back of the cabin |
US20160150189A1 (en) * | 2014-11-20 | 2016-05-26 | Caterpillar Inc. | Image processing system and method |
US9533683B2 (en) | 2014-12-05 | 2017-01-03 | Ford Global Technologies, Llc | Sensor failure mitigation system and mode management |
US9522677B2 (en) | 2014-12-05 | 2016-12-20 | Ford Global Technologies, Llc | Mitigation of input device failure and mode management |
US9607242B2 (en) | 2015-01-16 | 2017-03-28 | Ford Global Technologies, Llc | Target monitoring system with lens cleaning device |
US9522699B2 (en) | 2015-02-05 | 2016-12-20 | Ford Global Technologies, Llc | Trailer backup assist system with adaptive steering angle limits |
US9616923B2 (en) | 2015-03-03 | 2017-04-11 | Ford Global Technologies, Llc | Topographical integration for trailer backup assist system |
US9804022B2 (en) | 2015-03-24 | 2017-10-31 | Ford Global Technologies, Llc | System and method for hitch angle detection |
US20160301864A1 (en) * | 2015-04-10 | 2016-10-13 | Caterpillar Inc. | Imaging processing system for generating a surround-view image |
DE102015214611A1 (de) * | 2015-07-31 | 2017-02-02 | Conti Temic Microelectronic Gmbh | Verfahren und Vorrichtung zum Anzeigen einer Umgebungsszene eines Fahrzeuggespanns |
US9896130B2 (en) | 2015-09-11 | 2018-02-20 | Ford Global Technologies, Llc | Guidance system for a vehicle reversing a trailer along an intended backing path |
US10611407B2 (en) | 2015-10-19 | 2020-04-07 | Ford Global Technologies, Llc | Speed control for motor vehicles |
US10384607B2 (en) | 2015-10-19 | 2019-08-20 | Ford Global Technologies, Llc | Trailer backup assist system with hitch angle offset estimation |
US20170124881A1 (en) * | 2015-10-28 | 2017-05-04 | Velvac Incorporated | Blind zone warning for semi-trailer |
US9836060B2 (en) | 2015-10-28 | 2017-12-05 | Ford Global Technologies, Llc | Trailer backup assist system with target management |
US10017115B2 (en) | 2015-11-11 | 2018-07-10 | Ford Global Technologies, Llc | Trailer monitoring system and method |
US9827818B2 (en) | 2015-12-17 | 2017-11-28 | Ford Global Technologies, Llc | Multi-stage solution for trailer hitch angle initialization |
US9934572B2 (en) | 2015-12-17 | 2018-04-03 | Ford Global Technologies, Llc | Drawbar scan solution for locating trailer hitch point |
US10155478B2 (en) | 2015-12-17 | 2018-12-18 | Ford Global Technologies, Llc | Centerline method for trailer hitch angle detection |
US9796228B2 (en) | 2015-12-17 | 2017-10-24 | Ford Global Technologies, Llc | Hitch angle detection for trailer backup assist system |
US9798953B2 (en) | 2015-12-17 | 2017-10-24 | Ford Global Technologies, Llc | Template matching solution for locating trailer hitch point |
US9610975B1 (en) | 2015-12-17 | 2017-04-04 | Ford Global Technologies, Llc | Hitch angle detection for trailer backup assist system |
US10011228B2 (en) | 2015-12-17 | 2018-07-03 | Ford Global Technologies, Llc | Hitch angle detection for trailer backup assist system using multiple imaging devices |
US10005492B2 (en) | 2016-02-18 | 2018-06-26 | Ford Global Technologies, Llc | Trailer length and hitch angle bias estimation |
US10112646B2 (en) | 2016-05-05 | 2018-10-30 | Ford Global Technologies, Llc | Turn recovery human machine interface for trailer backup assist |
US10106193B2 (en) | 2016-07-01 | 2018-10-23 | Ford Global Technologies, Llc | Enhanced yaw rate trailer angle detection initialization |
US10046800B2 (en) | 2016-08-10 | 2018-08-14 | Ford Global Technologies, Llc | Trailer wheel targetless trailer angle detection |
DE102016116859A1 (de) * | 2016-09-08 | 2018-03-08 | Knorr-Bremse Systeme für Nutzfahrzeuge GmbH | Sensoranordnung für ein autonom betriebenes Nutzfahrzeug und ein Verfahren zur Rundumbilderfassung |
US10223775B2 (en) * | 2016-09-14 | 2019-03-05 | Omnivision Technologies, Inc. | Array camera image combination with feature-based ghost removal |
US10222804B2 (en) | 2016-10-21 | 2019-03-05 | Ford Global Technologies, Llc | Inertial reference for TBA speed limiting |
US10710585B2 (en) | 2017-09-01 | 2020-07-14 | Ford Global Technologies, Llc | Trailer backup assist system with predictive hitch angle functionality |
CN109520495B (zh) | 2017-09-18 | 2022-05-13 | 财团法人工业技术研究院 | 导航定位装置及应用其的导航定位方法 |
WO2019179686A1 (en) * | 2018-03-19 | 2019-09-26 | Jaguar Land Rover Limited | Controller for a vehicle |
US11077795B2 (en) | 2018-11-26 | 2021-08-03 | Ford Global Technologies, Llc | Trailer angle detection using end-to-end learning |
US10829046B2 (en) | 2019-03-06 | 2020-11-10 | Ford Global Technologies, Llc | Trailer angle detection using end-to-end learning |
CN111340880B (zh) * | 2020-02-17 | 2023-08-04 | 北京百度网讯科技有限公司 | 用于生成预测模型的方法和装置 |
US11358639B2 (en) | 2020-03-11 | 2022-06-14 | Ford Global Technologies, Llc | Trailer hitching assistance system with contact mitigation measures |
KR102414764B1 (ko) * | 2021-03-10 | 2022-07-04 | 한국철도기술연구원 | 굴절차량의 다중센서 캘리브레이션 자동화 시스템 및 방법 |
DE102021106670A1 (de) * | 2021-03-18 | 2022-09-22 | Zf Cv Systems Europe Bv | Verfahren und Umfeld-Erfassungssystem zum Erzeugen eines Umgebungsbildes eines mehrgliedrigen Gesamtfahrzeugs |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006054662A (ja) * | 2004-08-11 | 2006-02-23 | Mitsubishi Electric Corp | 運転支援装置 |
CN1921621A (zh) * | 2006-09-18 | 2007-02-28 | 李博航 | 全景可视驾驶辅助设备 |
US20070122058A1 (en) * | 2005-11-28 | 2007-05-31 | Fujitsu Limited | Method and apparatus for analyzing image, and computer product |
CN101132536A (zh) * | 2006-08-21 | 2008-02-27 | 三洋电机株式会社 | 图像处理装置和车辆周边视场支援装置 |
CN101408423A (zh) * | 2007-10-09 | 2009-04-15 | 财团法人工业技术研究院 | 影像撷取装置角度侦测方法及其车辆碰撞警示*** |
CN102137247A (zh) * | 2010-01-22 | 2011-07-27 | 财团法人工业技术研究院 | 全周鸟瞰图像距离界面产生方法与*** |
CN102142138A (zh) * | 2011-03-23 | 2011-08-03 | 深圳市汉华安道科技有限责任公司 | 一种车辆辅助***中的图像处理方法以及子*** |
CN202038230U (zh) * | 2011-03-24 | 2011-11-16 | 信亿科技股份有限公司 | 全景行车辅助监录器 |
Family Cites Families (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6200139B1 (en) | 1999-02-26 | 2001-03-13 | Intel Corporation | Operator training system |
US20020113873A1 (en) | 2001-02-20 | 2002-08-22 | Williams Michael R. | Rear vision system for large vehicles |
JP2002359839A (ja) | 2001-03-29 | 2002-12-13 | Matsushita Electric Ind Co Ltd | リアビューカメラの画像表示方法及びその装置 |
TWI232820B (en) | 2004-01-05 | 2005-05-21 | Shr-Shiung Li | Reverse parking sensor device capable of displaying via plural image frequency channels |
TWI267806B (en) * | 2005-04-28 | 2006-12-01 | Chung Shan Inst Of Science | Vehicle control training system and its method |
DE102005023177A1 (de) | 2005-05-19 | 2006-11-30 | Robert Bosch Gmbh | Verfahren zur Fahrerunterstützung |
DE102007059735A1 (de) | 2006-12-12 | 2008-07-24 | Cognex Corp., Natick | Stereo-Sichtsystem für Fahrzeuge zur Erkennung seitlich liegender Hindernisse |
JP4728941B2 (ja) * | 2006-12-15 | 2011-07-20 | 本田技研工業株式会社 | 運転研修装置 |
JP2008279148A (ja) * | 2007-05-12 | 2008-11-20 | Yoshio Wada | 表示装置を利用したイメージトレーニング方法 |
DE102007040250A1 (de) | 2007-08-27 | 2009-03-05 | Daimler Ag | Verfahren und Vorrichtung zur Fahrerunterstützung beim Rangieren eines Fahrzeuges oder Fahrzeuggespanns |
JP2009060499A (ja) | 2007-09-03 | 2009-03-19 | Sanyo Electric Co Ltd | 運転支援システム及び連結車両 |
JP2009244660A (ja) * | 2008-03-31 | 2009-10-22 | Honda Motor Co Ltd | 運転研修装置 |
DE102008030104A1 (de) | 2008-06-25 | 2009-02-12 | Daimler Ag | Verfahren und Vorrichtung zur Überwachung einer Umgebung eines Fahrzeuges |
DE102008035428B4 (de) | 2008-07-30 | 2010-11-18 | Daimler Ag | Verfahren und Vorrichtung zur Überwachung einer Umgebung eines Fahrzeuges |
US9307165B2 (en) | 2008-08-08 | 2016-04-05 | Qualcomm Technologies, Inc. | In-camera panorama image stitching assistance |
CN101782646B (zh) * | 2009-01-19 | 2012-08-29 | 财团法人工业技术研究院 | 全周环境感测***及方法 |
US20100194851A1 (en) | 2009-02-03 | 2010-08-05 | Aricent Inc. | Panorama image stitching |
TWM365288U (en) | 2009-03-16 | 2009-09-21 | jia-rong Zhang | Imaging device for car-side blind spot |
TWI417639B (zh) | 2009-12-30 | 2013-12-01 | Ind Tech Res Inst | 全周鳥瞰影像無縫接合方法與系統 |
CN102118558B (zh) * | 2009-12-30 | 2012-12-05 | 华晶科技股份有限公司 | 全周影像的摄像参数的调整方法 |
TWI392366B (zh) | 2009-12-31 | 2013-04-01 | Ind Tech Res Inst | 全周鳥瞰影像距離介面產生方法與系統 |
TW201103786A (en) * | 2010-07-16 | 2011-02-01 | Zheng-Liang Zhan | Recording and simulating system for driving status |
-
2012
- 2012-03-08 TW TW101107971A patent/TWI491524B/zh active
- 2012-07-12 CN CN201210242096.3A patent/CN103310673B/zh active Active
- 2012-07-12 CN CN201510314180.5A patent/CN104900110A/zh active Pending
- 2012-12-06 US US13/706,432 patent/US9082315B2/en active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006054662A (ja) * | 2004-08-11 | 2006-02-23 | Mitsubishi Electric Corp | 運転支援装置 |
US20070122058A1 (en) * | 2005-11-28 | 2007-05-31 | Fujitsu Limited | Method and apparatus for analyzing image, and computer product |
CN101132536A (zh) * | 2006-08-21 | 2008-02-27 | 三洋电机株式会社 | 图像处理装置和车辆周边视场支援装置 |
CN1921621A (zh) * | 2006-09-18 | 2007-02-28 | 李博航 | 全景可视驾驶辅助设备 |
CN101408423A (zh) * | 2007-10-09 | 2009-04-15 | 财团法人工业技术研究院 | 影像撷取装置角度侦测方法及其车辆碰撞警示*** |
CN102137247A (zh) * | 2010-01-22 | 2011-07-27 | 财团法人工业技术研究院 | 全周鸟瞰图像距离界面产生方法与*** |
CN102142138A (zh) * | 2011-03-23 | 2011-08-03 | 深圳市汉华安道科技有限责任公司 | 一种车辆辅助***中的图像处理方法以及子*** |
CN202038230U (zh) * | 2011-03-24 | 2011-11-16 | 信亿科技股份有限公司 | 全景行车辅助监录器 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108401133A (zh) * | 2017-02-07 | 2018-08-14 | 中升兴业股份有限公司 | 环景影像的影像缝合方法 |
Also Published As
Publication number | Publication date |
---|---|
US20130236858A1 (en) | 2013-09-12 |
CN104900110A (zh) | 2015-09-09 |
CN103310673B (zh) | 2015-07-15 |
TW201336714A (zh) | 2013-09-16 |
TWI491524B (zh) | 2015-07-11 |
US9082315B2 (en) | 2015-07-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103310673B (zh) | 全周鸟瞰图像产生方法及其训练方法及训练装置 | |
CN109360245B (zh) | 无人驾驶车辆多相机***的外参数标定方法 | |
CN109435852A (zh) | 一种针对大型卡车的全景式辅助驾驶***及方法 | |
CN109902552A (zh) | 用于车道特征分类和定位的人工神经网络 | |
CN109118547A (zh) | 多摄像头联合标定***和方法 | |
CN105894549A (zh) | 一种全景辅助泊车***、装置及全景图像显示方法 | |
US20140063064A1 (en) | Information providing method and information providing vehicle therefor | |
CN102609938B (zh) | 一种从单幅图像检测道路消失点的方法 | |
CN105745122A (zh) | 用于显示车辆周围环境的驾驶员辅助*** | |
CN103763517A (zh) | 一种车载环视显示方法及*** | |
CN105825203A (zh) | 基于点对匹配和几何结构匹配的地面箭头标志检测与识别方法 | |
CN102608998A (zh) | 嵌入式***的视觉导引agv***及方法 | |
CN103546678B (zh) | 用于校正后置摄像机的图像畸变的装置和方法 | |
CN105354796A (zh) | 用于行车辅助的图像处理方法及*** | |
CN103802725A (zh) | 一种新的车载驾驶辅助图像生成方法 | |
WO2021188664A1 (en) | Radar validation and calibration | |
CN107464218A (zh) | 汽车标定***及其标定方法 | |
CN105818746A (zh) | 环视高级辅助驾驶***的标定方法及*** | |
CN109947110A (zh) | 面向自动驾驶的车道自检算法在环仿真控制方法和*** | |
CN112416000B (zh) | 无人驾驶方程式赛车环境感知和导航方法及转向控制方法 | |
CN106627373A (zh) | 一种用于智能泊车的图像处理方法和*** | |
CN116394924A (zh) | 自动泊车规划方法、装置、电子设备及存储介质 | |
CN111968184A (zh) | 一种在全景环视***中实现视图随动的方法、装置及介质 | |
CN112026751A (zh) | 车辆及其控制方法 | |
CN110751598A (zh) | 车辆铰接点坐标标定方法、装置、计算机设备和存储介质 |
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 |