CN103679120A - 不平道路的检测方法和*** - Google Patents
不平道路的检测方法和*** Download PDFInfo
- Publication number
- CN103679120A CN103679120A CN201210335758.1A CN201210335758A CN103679120A CN 103679120 A CN103679120 A CN 103679120A CN 201210335758 A CN201210335758 A CN 201210335758A CN 103679120 A CN103679120 A CN 103679120A
- Authority
- CN
- China
- Prior art keywords
- road surface
- road
- disparity map
- xsect
- projection
- 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
Images
Classifications
-
- 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
-
- 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
- G06T2207/10021—Stereoscopic video; Stereoscopic 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
- G06T2207/30—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
- G06T2207/30256—Lane; Road marking
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
- Length Measuring Devices By Optical Means (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明涉及一种不平路面的检测方法和***,包括:采用两台深度照相机同时拍摄同一场景的深度图,并基于所拍摄的深度图计算该场景的视差图;基于所获得的视差图,采用V-视差算法,获得所述场景的V-视差图;在V-视差图探测中与路面对应的斜线,从而将该斜线的方向作为路面的方向;基于所拍摄的场景的视差图和消失点坐标,计算路面的横截面投影;以及拟合路面的横截面投影,以得到横截面上的道路线从而抽取路面,并将在拟合道路线下方的点作为道路点。
Description
技术领域
本发明涉及一种不平道路的检测方法和***。
背景技术
随着城市化的发展和汽车的普及,交通运输问题日益严重。近年来,车辆增长的速度也已远远高于道路和其他交通设施的增长速度,交通事故频繁、人员伤亡与日俱增、财产损失巨大这都要求车辆不仅要具有良好的安全性而且要具备一定的智能性,随之智能车辆(Intelligent Vehicle)的概念应运而生。
智能车辆能够帮助驾驶员,提高驾驶的安全性。这种智能车辆能够起到辅助驾驶的作用,在辅助驾驶中,例如离路警告,转弯警告等准确的道路检测是很有用的。然而在真实环境中,道路平面不是平的,例如在横截面上有弧度/斜,或坑坑洼洼的。
美国专利申请US2010782309A“ROAD SHAPE RECOGNITIONDEVICE(路面形状识别装置)”就提出了一种识别路面形状的装置,但是该专利申请只考虑在路的方向上拟合道路形状,而对路面本身是否存在坑坑洼洼或倾斜等情况给出结论。
美国专利US8108119B2“Apparatus and method for object detection andtracking and roadway awareness using stereo cameras(使用立体照相机的用于对象检测和跟踪以及公路警告的装置和方法)”也提出了一种涉及路面检测的方法和装置,该专利使用视差值在y轴上的分布来找路面。该专利不适合路面只有稀疏视差点的情形,因为车上有视差值的点的个数和路面的视差值的点的个数可能一样。很显然,该专利仅仅给出了一种利用视差值来识别路面的位置的方法,而对路面自身的情况没有给处任何结论。
很显然,要更精确地辅助驾驶,就需要对路面的基本情况进行检测,这些重要的基本信息包括路面的方向以及路面自身是否存在倾斜或坑洼情况。为此,人们需要提供一种不但能够提供路面方向和位置,也能够提供路面自身状况的路面检测方法和装置。
发明内容
为此,本发明提供了一种能够快速而准确检测不平路面的方法和***。本发明使用道路的V-视差图和X-Y横截面投影来得到路面,因此本发明的方法适合用于稀疏视图。本发明考虑了在道路方向和道路横截面,由于在真实环境中,道路平面不是平的,例如在横截面上有弧度/斜,或坑坑洼洼的,因此采用本发明的方法的辅助驾驶,在例如离路警告、转弯警告等准确的道路检测方面是很有用的。
鉴于本发明采用了道路的V-视差图,因此,在本申请中通过引用方式整体结合本发明的申请人与2011年11月18日向中国国家知识产权局提交的申请号为“201110399183.0”标题为“道路对象检测方法和***”的申请。在该申请中,对V-视差的算法有详细的描述。具体而言,在V-视差图中,V对应于视差图的图像坐标***中的垂直坐标。在“V-视差”域中,道路表面平面的纵向断面可以被描述为分段线性曲线,而在垂直平面中的障碍物将被投射为垂直线。因此,在3D视差图中道路表面和障碍物的提取将被简化为V-视差图中2D线性提取。因此这种算法可以识别前方具有面特征的障碍物,比如行人、车辆、墙壁等等。而且,这种算法对于光照、阴影等干扰不敏感,适用于城市复杂背景下智能车辆的障碍物识别。具体来讲,基于双目的V-视差识别过程主要包括三个部分的内容:创建V-视差图、提取道路、从V-视差图中提取代表路面对象的竖线。
为此,根据本发明的一个方面,提供了一种不平路面的检测方法,包括:采用两台深度照相机同时拍摄同一场景的深度图,并基于所拍摄的深度图计算该场景的视差图;基于所获得的视差图,采用V-视差算法,获得所述场景的V-视差图;在V-视差图探测中与路面对应的斜线,从而将该斜线的方向作为路面的方向;基于所拍摄的场景的视差图和消失点坐标,计算路面的横截面投影;以及拟合路面的横截面投影,以得到横截面上的道路线从而抽取路面,并将在拟合道路线下方的点作为道路点。
根据本发明的不平路面的检测方法,其中所述计算路面的横截面投影包括:根据路路面的消失点,计算视差图中每一点的三维真实世界坐标(x’,y’,z’);计算在真实世界的路面方向;将视差图沿着在真实世界的路面方向投影到Z=z0平面,z0是常量,于是得到投影点;以及分割投影以得到路面区域。
根据本发明的不平路面的检测方法,其中根据路路面的消失点,计算视差图中每一点的三维真实世界坐标(x’,y’,z’)包括:
基于已知道路消失点vp(uvp,vvp),按照如下公式计算视差图中点(u,v,d)的世界坐标(x’,y’,z’:
x’=(u-uvp)*BASE/d;
y’=(v-kv*d-bv)*BASE/d
其中,BASE两相机之间的距离,u是水平坐标,v是竖直坐标,d是视差值。
根据本发明的不平路面的检测方法,其中所述计算在真实世界的路面方向包括:计算投影方向kr,kr=(bv-bhorizontal)*f/(f*f+bv*bhorizontal),其中v=khorizontal*d+bhorizontal是在V-视差图中拟合水平平面,f是相机焦距。
根据本发明的不平路面的检测方法,其中所述将视差图沿着在真实世界的路面方向投影到Z=z0平面包括:对于每个点(x’,y’),通过下述公式计算其投影点(xp,yp):xp=x’、yp=y’-kr*(BF/d-BF/dp)、以及BF=BASE*f,其中dp是平面Z=z0的视差图。
根据本发明的不平路面的检测方法,其中所述分割投影以得到路面区域包括根据每个分隔域的宽度和高度分割道路横截面。
根据本发明的不平路面的检测方法,其中所述拟合路面的横截面投影包括:对于横截面的每个分割,在平面Z=z0拟合代表路面的线。
根据本发明的不平路面的检测方法,其中所述抽取路面包括:视差图中的点(u’,v’,d’)是路面上的点,如果视差图中的点(u’,v’,d’)满足a)它在V-视差图中的投影在V-视差图中的路线上以及b)它在平面Z=z0上的投影在拟合出的路线上,将将该视差图中的点(u’,v’,d’)作为路面上的点。
根据本发明的另一个方面,提供了一种不平路面检测***,包括:两台深度照相机,同时拍摄同一场景的深度图,并基于所拍摄的深度图计算该场景的视差图;V-视差计算装置,基于所获得的视差图,采用V-视差算法,获得所述场景的V-视差图;路面方向检测器,在V-视差图探测中与路面对应的斜线,从而将该斜线的方向作为路面的方向;横截面投影计算器,基于所拍摄的场景的视差图和消失点坐标,计算路面的横截面投影;横截面拟合器,拟合路面的横截面投影;以及路面抽取器,抽取路面,并将在拟合道路线下方的点作为道路点。
通过上述方式,对道路平面进行了精确的检测,尤其是对于倾斜路面进行了精确的检测,因此,能够更为精确地进行辅助驾驶。
附图说明
图1所示的是采用本发明的路面检测方法的***基本框图。
图2是道路横截面投影计算器的示意框图。
图3是采用本发明的路面检测方法的流程图。
图4是硬件***的示意图。
图5是采用本发明的路面检测方法的一个实例的示意图。
图6是采用本发明的路面检测方法信号处理过程序列图。
图7所示的是在真实世界的道路方向表示和V-视差图中道路方向表示之间的关系的示意图
图8所示的是所计算的V-视差图的示意图。
图9所示的是通过拟合获得拟合道路线的过程的示意图。
图10所示的是将图像坐标系中的点转换为真实坐标系中点的示意图。
图11所示的是在真实世界坐标系中获得道路横截面的示意图。
具体实施方式
本发明的目的是为了提供一种道路检测方法和***,以便有助于机动车驾驶的安全。以下,将参照附图来详细说明本发明的具体实施例。
图1所示的是采用本发明的路面检测方法的***基本框图。如图1所示,内存101中存储视差图。从内存101中读取每一帧的视差,在CPU 102中,道路方向检测器103计算V-视差图,拟合V-视差图中的道路点,输出V-视差图中的道路线,道路横截面投影计算器104计算在平面Z=z0的视差投影,输出道路横截面投影,道路横截面拟合计算器105拟合视差投影,以及表面抽取器106根据V-视差图中拟合的道路线抽取道路平面,并拟合横截面投影,输出道路表面。
图2是道路横截面投影计算器的示意框图。基于道路方向,从内存101中读取每帧视差图,在CPU 102中:坐标转换器1041将视差图像坐标转换成世界坐标,输出视差的世界坐标,投影方向计算器1042将来自道路方向检测器103道路方向从图像坐标转换成世界坐标并得到世界坐标的道路方向,投影计算器1043将沿着投影方向将世界坐标表示的视差图投影到平面Z=z0上,输出世界坐标系的投影,以及横截面分割器1044根据宽度和高度分割投影,输出道路横截面区域。
图3是采用本发明的路面检测方法的流程图。首先输入视差图,计算道路方向(S101),计算道路横截面投影(S102)以得到真实世界的道路投影。拟合道路横截面投影以得到横截面的道路线(S103),最后抽取道路平面(S104)。计算道路方向(S101)是在道路方向检测器103中执行,计算道路横截面投影(S102)是在道路横截面投影计算器104中执行,拟合道路横截面投影(S103)是在道路横截面拟合计算器105得到,抽取道路平面(S104)是在道路表面抽取器106中得到。
图4是硬件***的示意图。输入设备1100输入每一帧的视差图,CPU1200实现路面检测,输入和中间结果存在存储设备1300,最后由输出设备1400输出最后的路面。
图5是采用本发明的路面检测方法的一个实例的示意图。一个装备了双目相机的车202,双目相机拍摄左眼视图和右右眼视图,芯片处理图像并抽取对象。
图6是采用本发明的路面检测方法信号处理过程序列图。输入设备(S41)输入视差图(S42)到道路检测***(S43)。在(S43),道路方向检测器(S44)得到道路方向,用横截面投影计算器(S45)计算真实世界的横截面投影,然后得到道路横截面分割,横截面投影拟合器(S46)拟合道路横截面分割,道路抽取器(S47)根据道路方法和道路横截面拟合抽出道路表面(S48)。最后道路表面(S48)输出到输出设备(S49)上。
图7-11描述了一个具体实施例的实例。图7所示的是在真实世界的道路方向表示和V-视差图中道路方向表示之间的关系的示意图。此实例是从由双目相机得到的左图和右图生成的视差图来检测路面。计算道路方向以得到真实世界的道路方向(S101)。如图7所示,在真实世界的道路方向表示和V-视差图中道路方向表示是同一条线。首先,基于视差图计算场景的V-视差图。图8所示的是所计算的V-视差图的示意图。图9所示的是通过拟合获得拟合道路线的过程的示意图。如图9所示,通过拟合最低点来得到V-视差图中的道路线。首先,选择V-视差图中的最低点,用霍夫变换得到线,然后选择经过点最多的那根线。图9中右图中的斜线(Lv:v=kv*d+bv)就是道路线。
然后,计算真实世界的道路方向。该计算方法可以根据Z.Hu,F.Lamosa,和K.Uchimura的文章“A complete u-v-disparity study for stereovision based 3ddriving environment analysis”(In Proceedings of the Fifth InternationalConference on 3-D Digital Imaging and Modeling(3DIM05),pages 204-211,2005)。通过上述文章所记载的计算方法,可以得到:
kr=(bv-bhorizontal)*f/(f*f+bv*bhorizontal),其中kr是道路在真实世界坐标表示的方向,水平路对应-视差图中道路线是Lhorizontal:v=khorizontal*d+bhorizontal,f是焦距。
图10所示的是将图像坐标系中的点转换为真实坐标系中点的示意图。如图10所示来计算道路横截面投影。首先,根据消失点vp(uvp,vvp)计算视差图中点在真实世界的坐标。图11所示的是在真实世界坐标系中获得道路横截面的示意图。如图11所示,在真实世界坐标系中进行投影。通过在真实世界坐标***进行投影,可以避免道路白线和对象重叠。该具体过程如下:
x’=(u-uvp)*BASE/d;
y’=(v-kv*d-bv)*BASE/d
BASE是相机之间的点距,d是视差值。
x’,y’是相对于消失点vp的真实距离。
在真实世界坐标系中,沿着道路的方向将图像中点投影到平面Z=z0,z0是一个预定值。沿着道路方向投影可以保证路面及其上的对象的相对高低位置保持不变。
对于一个点(x’,y’),它的投影点(xp,yp),其中xp=x’,yp=y’-kr*(BF/d-BF/dp);
BF=BASE*f,dp是平面Z=z0对应的视差值。
接着,在横截面投影上分割路面横截面以得到道路平面区域。具体而言,就是在横截面投影上,根据高度和宽度来得到道路区域。因为道路高度比障碍物要低,道路的宽度和障碍物(车,人)都不一样。抽取出路面区域后,分别在各路面区域拟合路横截面线。
然后,拟合路面横截面投影S103以得到横截面上的道路线。其中使用曲线方程y=a*x^3+b*x^2+c*x+d来拟合。通过拟合,可以得到真实的路面,去除噪音。
最后,将所有在拟合道路线下方的点作为道路点。在道路分割区域,抽取所有满足y<=a*x^3+b*x^2+c*x+d下方的点作为道路点。
本发明所述的方法可以在一台计算机(处理器)上执行,或者可以被多台计算机分布式执行。此外,程序可以被转移到在那儿执行程序的远程计算机。
本领域的普通技术人员应该理解到,根据设计要求和其他因素,只要其落入所附权利要求或其等效物的范围内,可以出现各种修改、组合、部分组合和替代。
Claims (9)
1.一种不平路面的检测方法,包括:
采用两台深度照相机同时拍摄同一场景的深度图,并基于所拍摄的深度图计算该场景的视差图;
基于所获得的视差图,采用V-视差算法,获得所述场景的V-视差图;
在V-视差图探测中与路面对应的斜线,从而将该斜线的方向作为路面的方向;
基于所拍摄的场景的视差图和消失点坐标,计算路面的横截面投影;以及
拟合路面的横截面投影,以得到横截面上的道路线从而抽取路面,并将在拟合道路线下方的点作为道路点。
2.如权利要求1所述的不平路面的检测方法,其中所述计算路面的横截面投影包括:
根据路路面的消失点,计算视差图中每一点的三维真实世界坐标(x’,y’,z’);
计算在真实世界的路面方向;
将视差图沿着在真实世界的路面方向投影到Z=z0平面,z0是常量,于是得到投影点;以及
分割投影以得到路面区域。
3.如权利要求2所述的不平路面的检测方法,其中根据路路面的消失点,计算视差图中每一点的三维真实世界坐标(x’,y’,z’)包括:
基于已知道路消失点vp(uvp,vvp),按照如下公式计算视差图中点(u,v,d)的世界坐标(x’,y’,z’:
x’=(u-uvp)*BASE/d;
y’=(v-kv*d-bv)*BASE/d
其中,BASE两相机之间的距离,u是水平坐标,v是竖直坐标,d是视差值。
4.如权利要求2所述的不平路面的检测方法,其中所述计算在真实世界的路面方向包括:
计算投影方向kr,kr=(bv-bhorizontal)*f/(f*f+bv*bhorizontal),其中
v=khorizontal*d+bhorizontal是在V-视差图中拟合水平平面,f是相机焦距。
5.如权利要求2所述的不平路面的检测方法,其中所述将视差图沿着在真实世界的路面方向投影到Z=z0平面包括:
对于每个点(x’,y’),通过下述公式计算其投影点(xp,yp)
xp=x’、yp=y’-kr*(BF/d-BF/dp)、以及BF=BASE*f,
其中dp是平面Z=z0的视差图。
6.如权利要求2所述的不平路面的检测方法,其中所述分割投影以得到路面区域包括根据每个分隔域的宽度和高度分割道路横截面。
7.如权利要求1所述的不平路面的检测方法,其中所述拟合路面的横截面投影包括:对于横截面的每个分割,在平面Z=z0拟合代表路面的线。
8.如权利要求1所述的不平路面的检测方法,其中所述抽取路面包括:
视差图中的点(u’,v’,d’)是路面上的点,如果视差图中的点(u’,v’,d’)满足a)它在V-视差图中的投影在V-视差图中的路线上以及b)它在平面Z=z0上的投影在拟合出的路线上,将将该视差图中的点(u’,v’,d’)作为路面上的点。
9.一种不平路面检测***,包括:
两台深度照相机,同时拍摄同一场景的深度图,并基于所拍摄的深度图计算该场景的视差图;
V-视差计算装置,基于所获得的视差图,采用V-视差算法,获得所述场景的V-视差图;
路面方向检测器,在V-视差图探测中与路面对应的斜线,从而将该斜线的方向作为路面的方向;
横截面投影计算器,基于所拍摄的场景的视差图和消失点坐标,计算路面的横截面投影;
横截面拟合器,拟合路面的横截面投影;以及
路面抽取器,抽取路面,并将在拟合道路线下方的点作为道路点。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210335758.1A CN103679120B (zh) | 2012-09-11 | 2012-09-11 | 不平道路的检测方法和*** |
EP13181638.1A EP2720193A3 (en) | 2012-09-11 | 2013-08-26 | Method and system for detecting uneven road surface |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210335758.1A CN103679120B (zh) | 2012-09-11 | 2012-09-11 | 不平道路的检测方法和*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103679120A true CN103679120A (zh) | 2014-03-26 |
CN103679120B CN103679120B (zh) | 2016-12-28 |
Family
ID=49083519
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210335758.1A Active CN103679120B (zh) | 2012-09-11 | 2012-09-11 | 不平道路的检测方法和*** |
Country Status (2)
Country | Link |
---|---|
EP (1) | EP2720193A3 (zh) |
CN (1) | CN103679120B (zh) |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105868687A (zh) * | 2015-02-09 | 2016-08-17 | 丰田自动车株式会社 | 行驶路面检测装置和行驶路面检测方法 |
CN105868688A (zh) * | 2015-02-09 | 2016-08-17 | 丰田自动车株式会社 | 行驶路面检测装置和行驶路面检测方法 |
CN104156969B (zh) * | 2014-08-21 | 2017-02-01 | 重庆数字城市科技有限公司 | 基于全景影像景深图的探面方法 |
CN107977654A (zh) * | 2017-12-25 | 2018-05-01 | 海信集团有限公司 | 一种道路区域检测方法、装置及终端 |
CN108009511A (zh) * | 2017-12-14 | 2018-05-08 | 元橡科技(北京)有限公司 | 基于rgbd的可行使区域检测方法和装置 |
CN108089233A (zh) * | 2016-11-21 | 2018-05-29 | 福特全球技术公司 | 坑洞检测***和方法 |
CN108419441A (zh) * | 2016-03-14 | 2018-08-17 | 欧姆龙株式会社 | 路面形状测定装置、测定方法及程序 |
CN109600598A (zh) * | 2017-10-02 | 2019-04-09 | 纬创资通股份有限公司 | 影像处理方法、影像处理装置及电脑可读取记录媒体 |
CN110222557A (zh) * | 2019-04-22 | 2019-09-10 | 北京旷视科技有限公司 | 路况的实时检测方法、装置、***和存储介质 |
CN111709938A (zh) * | 2020-06-18 | 2020-09-25 | 武汉唯理科技有限公司 | 一种基于深度图的路面缺陷及抛洒物检测方法 |
CN112304293A (zh) * | 2019-08-02 | 2021-02-02 | 北京地平线机器人技术研发有限公司 | 道路高度检测方法、装置、可读存储介质和电子设备 |
CN116189133A (zh) * | 2023-04-26 | 2023-05-30 | 宜宾闪马智通科技有限公司 | 道路巡检判定方法及装置 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101303732A (zh) * | 2008-04-11 | 2008-11-12 | 西安交通大学 | 基于车载单目相机的运动目标感知与告警方法 |
WO2010124801A1 (en) * | 2009-04-29 | 2010-11-04 | Autoliv Development Ab | Vision method and system for automatically detecting objects in front of a motor vehicle |
CN102483881A (zh) * | 2009-09-29 | 2012-05-30 | 松下电器产业株式会社 | 人行横道线检测方法及人行横道线检测装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2007124502A2 (en) | 2006-04-21 | 2007-11-01 | Sarnoff Corporation | Apparatus and method for object detection and tracking and roadway awareness using stereo cameras |
-
2012
- 2012-09-11 CN CN201210335758.1A patent/CN103679120B/zh active Active
-
2013
- 2013-08-26 EP EP13181638.1A patent/EP2720193A3/en not_active Ceased
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101303732A (zh) * | 2008-04-11 | 2008-11-12 | 西安交通大学 | 基于车载单目相机的运动目标感知与告警方法 |
WO2010124801A1 (en) * | 2009-04-29 | 2010-11-04 | Autoliv Development Ab | Vision method and system for automatically detecting objects in front of a motor vehicle |
CN102483881A (zh) * | 2009-09-29 | 2012-05-30 | 松下电器产业株式会社 | 人行横道线检测方法及人行横道线检测装置 |
Non-Patent Citations (2)
Title |
---|
JUN ZHAO ET AL.: ""Detection of non-flat ground surfaces using V-Disparity images"", 《INTELLIGENT ROBOTS AND SYSTEMS, 2009. IROS 2009. IEEE/RSJ INTERNATIONAL CONFERENCE》 * |
谭方勇等: "基于消失点的坐标校准算法", 《计算机应用》 * |
Cited By (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104156969B (zh) * | 2014-08-21 | 2017-02-01 | 重庆数字城市科技有限公司 | 基于全景影像景深图的探面方法 |
CN105868687B (zh) * | 2015-02-09 | 2019-05-31 | 丰田自动车株式会社 | 行驶路面检测装置和行驶路面检测方法 |
CN105868688A (zh) * | 2015-02-09 | 2016-08-17 | 丰田自动车株式会社 | 行驶路面检测装置和行驶路面检测方法 |
CN105868687A (zh) * | 2015-02-09 | 2016-08-17 | 丰田自动车株式会社 | 行驶路面检测装置和行驶路面检测方法 |
CN105868688B (zh) * | 2015-02-09 | 2019-05-31 | 丰田自动车株式会社 | 行驶路面检测装置和行驶路面检测方法 |
CN108419441B (zh) * | 2016-03-14 | 2020-06-02 | 欧姆龙株式会社 | 路面形状测定装置、测定方法及计算机可读存储介质 |
CN108419441A (zh) * | 2016-03-14 | 2018-08-17 | 欧姆龙株式会社 | 路面形状测定装置、测定方法及程序 |
CN108089233B (zh) * | 2016-11-21 | 2021-03-30 | 福特全球技术公司 | 坑洞检测***和方法 |
CN108089233A (zh) * | 2016-11-21 | 2018-05-29 | 福特全球技术公司 | 坑洞检测***和方法 |
CN109600598A (zh) * | 2017-10-02 | 2019-04-09 | 纬创资通股份有限公司 | 影像处理方法、影像处理装置及电脑可读取记录媒体 |
CN108009511A (zh) * | 2017-12-14 | 2018-05-08 | 元橡科技(北京)有限公司 | 基于rgbd的可行使区域检测方法和装置 |
CN107977654B (zh) * | 2017-12-25 | 2020-07-31 | 海信集团有限公司 | 一种道路区域检测方法、装置及终端 |
CN107977654A (zh) * | 2017-12-25 | 2018-05-01 | 海信集团有限公司 | 一种道路区域检测方法、装置及终端 |
CN110222557A (zh) * | 2019-04-22 | 2019-09-10 | 北京旷视科技有限公司 | 路况的实时检测方法、装置、***和存储介质 |
CN110222557B (zh) * | 2019-04-22 | 2021-09-21 | 北京旷视科技有限公司 | 路况的实时检测方法、装置、***和存储介质 |
CN112304293A (zh) * | 2019-08-02 | 2021-02-02 | 北京地平线机器人技术研发有限公司 | 道路高度检测方法、装置、可读存储介质和电子设备 |
CN112304293B (zh) * | 2019-08-02 | 2022-09-13 | 北京地平线机器人技术研发有限公司 | 道路高度检测方法、装置、可读存储介质和电子设备 |
CN111709938A (zh) * | 2020-06-18 | 2020-09-25 | 武汉唯理科技有限公司 | 一种基于深度图的路面缺陷及抛洒物检测方法 |
CN116189133A (zh) * | 2023-04-26 | 2023-05-30 | 宜宾闪马智通科技有限公司 | 道路巡检判定方法及装置 |
CN116189133B (zh) * | 2023-04-26 | 2023-07-28 | 宜宾闪马智通科技有限公司 | 道路巡检判定方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
EP2720193A3 (en) | 2017-12-13 |
CN103679120B (zh) | 2016-12-28 |
EP2720193A2 (en) | 2014-04-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103679120A (zh) | 不平道路的检测方法和*** | |
CN103123722B (zh) | 道路对象检测方法和*** | |
EP2662804B1 (en) | Method and apparatus for detecting continuous road partition | |
CN103164851B (zh) | 道路分割物检测方法和装置 | |
CN102317954B (zh) | 检测对象的方法 | |
CN103177236A (zh) | 道路区域检测方法和装置、分道线检测方法和装置 | |
CN103731652B (zh) | 移动面分界线认知装置和方法、以及移动体设备控制*** | |
EP2779025B1 (en) | Method and system for detecting road edge | |
US20170262734A1 (en) | Image processing apparatus, imaging device, moving object device control system, and image processing method | |
Pantilie et al. | Real-time obstacle detection in complex scenarios using dense stereo vision and optical flow | |
Salman et al. | Distance measurement for self-driving cars using stereo camera | |
JP6358160B2 (ja) | 走行路面検出装置及び走行路面検出方法 | |
CN110307791B (zh) | 基于三维车辆边界框的车辆长度及速度计算方法 | |
CN103310213B (zh) | 车辆检测方法和装置 | |
Nguyen et al. | A fast evolutionary algorithm for real-time vehicle detection | |
CN110197173B (zh) | 一种基于双目视觉的路沿检测方法 | |
CN107491065B (zh) | 利用障碍物的地面边界信息检测物体的侧面的方法和装置 | |
Pantilie et al. | Real-time obstacle detection using dense stereo vision and dense optical flow | |
Yiruo et al. | Complex ground plane detection based on v-disparity map in off-road environment | |
Petrovai et al. | A stereovision based approach for detecting and tracking lane and forward obstacles on mobile devices | |
JP4956099B2 (ja) | 壁検出装置 | |
JP5746996B2 (ja) | 道路環境認識装置 | |
Na et al. | Stereo-based road obstacle detection and tracking | |
Benacer et al. | A novel stereovision algorithm for obstacles detection based on UV-disparity approach | |
CN104252707A (zh) | 对象检测方法和装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | 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 |