CN106780603A - 车辆检测方法、装置及电子设备 - Google Patents
车辆检测方法、装置及电子设备 Download PDFInfo
- Publication number
- CN106780603A CN106780603A CN201611130693.1A CN201611130693A CN106780603A CN 106780603 A CN106780603 A CN 106780603A CN 201611130693 A CN201611130693 A CN 201611130693A CN 106780603 A CN106780603 A CN 106780603A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- target
- distance
- electronic equipment
- area
- 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.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C11/00—Photogrammetry or videogrammetry, e.g. stereogrammetry; Photographic surveying
- G01C11/04—Interpretation of pictures
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60Q—ARRANGEMENT OF SIGNALLING OR LIGHTING DEVICES, THE MOUNTING OR SUPPORTING THEREOF OR CIRCUITS THEREFOR, FOR VEHICLES IN GENERAL
- B60Q9/00—Arrangement or adaptation of signal devices not provided for in one of main groups B60Q1/00 - B60Q7/00, e.g. haptic signalling
- B60Q9/008—Arrangement or adaptation of signal devices not provided for in one of main groups B60Q1/00 - B60Q7/00, e.g. haptic signalling for anti-collision purposes
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Human Computer Interaction (AREA)
- Mechanical Engineering (AREA)
- Traffic Control Systems (AREA)
- Image Analysis (AREA)
Abstract
一种车辆检测方法,应用于电子设备中,所述电子设备与车辆相通信,所述方法包括:获取与所述电子设备相通信的摄像单元拍摄的图片;利用图像分割算法将所述图片分割成背景区域及目标区域;从所述目标区域中提取感兴趣区域;在所述感兴趣区域中确定目标车辆的位置,并计算所述目标车辆与所述车辆之间的距离;及根据所述距离输出提示信息以提示用户注意安全。本发明还提供一种车辆检测装置。本发明能有效防止车辆发生交通事故,提高了行车安全。
Description
技术领域
本发明涉及车辆检测技术领域,尤其涉及一种车辆检测方法、装置及电子设备。
背景技术
目前一般采用滑动模板(例如Harr特征、HOG特征)的方式检测车辆,但这种方式检测时间很长,对硬件环境要求很高,无法在电子设备(如手机)的平台上实现。虽然通过检测车辆底部阴影来确定车辆感兴趣区域,可以减少目标检测的运算量。但将车辆底部阴影作为单一特征,鲁棒性不强,容易受到树木、道路边界线的干扰,检测不准确。
发明内容
鉴于以上内容,有必要提供一种车辆检测方法、装置及电子设备,能有效防止车辆发生交通事故,提高行车安全。
一种车辆检测方法,应用于电子设备中,所述电子设备与车辆相通信,所述方法包括:
获取与所述电子设备相通信的摄像单元拍摄的图片;
利用图像分割算法将所述图片分割成背景区域及目标区域;
从所述目标区域中提取感兴趣区域;
在所述感兴趣区域中确定目标车辆的位置,并计算所述目标车辆与所述车辆之间的距离;及
根据所述距离输出提示信息以提示用户注意安全。
根据本发明优选实施例,所述摄像单元的成像模型包括所述图像平面坐标系及路平面坐标系,所述计算所述目标车辆与所述车辆之间的距离包括:
根据所述图像平面坐标系与所述路平面坐标系之间的转换关系计算所述目标车辆与所述车辆之间的距离。
根据本发明优选实施例,所述方法还包括:
以键值对的方式存储所述目标车辆的位置及所述目标车辆与所述车辆的距离。
根据本发明优选实施例,所述方法还包括:
当有多个所述目标车辆时,根据每个所述目标车辆的位置确定每个所述目标车辆所在的车道;
当多个所述目标车辆在不同的车道时,根据每个所述目标车辆与所述车辆的距离计算所述摄像单元的切向畸变系数,并根据所述切向畸变系数校正所述摄像单元的切向畸变。
根据本发明优选实施例,所述根据所述距离输出提示信息以提示用户注意安全包括:
获取所述车辆的速度;
根据所述车辆的速度计算所述车辆行驶完所述距离所用的时长;及
当所述时长小于预设时长时,输出所述提示信息。
一种车辆检测装置,所述装置包括:
获取模块,用于获取与电子设备相通信的摄像单元拍摄的图片;
分割模块,用于利用图像分割算法将所述图片分割成背景区域及目标区域;
提取模块,用于从所述目标区域中提取感兴趣区域;
确定模块,用于在所述感兴趣区域中确定目标车辆的位置,并计算所述目标车辆与所述电子设备相通信的车辆之间的距离;及
提示模块,用于根据所述距离输出提示信息以提示用户注意安全。
根据本发明优选实施例,所述摄像单元的成像模型包括所述图像平面坐标系及路平面坐标系,所述确定模块用于计算所述目标车辆与所述车辆之间的距离包括:
根据所述图像平面坐标系与所述路平面坐标系之间的转换关系计算所述目标车辆与所述车辆之间的距离。
根据本发明优选实施例,所述确定模块还用于当有多个所述目标车辆时,根据每个所述目标车辆的位置确定每个所述目标车辆所在的车道;及所述装置还包括
校正模块,用于当多个所述目标车辆在不同的车道时,根据每个所述目标车辆与所述车辆的距离计算所述摄像单元的切向畸变系数,并根据所述切向畸变系数校正所述摄像单元的切向畸变。
根据本发明优选实施例,所述提示模块用于根据所述距离输出提示信息以提示用户注意安全包括:
获取所述车辆的速度;
根据所述车辆的速度计算所述车辆行驶完所述距离所用的时长;及
当所述时长小于预设时长时,输出所述提示信息。
一种电子设备,所述电子设备包括存储器及处理器,
所述存储器用于存储至少一个指令;
所述处理器用于执行所述至少一个指令,用于获取与所述电子设备相通信的摄像单元拍摄的图片;利用图像分割算法将所述图片分割成背景区域及目标区域;从所述目标区域中提取感兴趣区域;在所述感兴趣区域中确定目标车辆的位置,并计算所述目标车辆与所述电子设备相通信的车辆之间的距离;及根据所述距离输出提示信息以提示用户注意安全。
由以上技术方案可以看出,本发明能获取所述摄像单元拍摄的图片,利用图像分割算法将所述图片分割成背景区域及目标区域,从所述目标区域中提取感兴趣区域,在所述感兴趣区域中确定目标车辆的位置,并计算所述目标车辆与所述车辆之间的距离,根据所述距离输出提示信息以提示用户注意安全。本发明能有效防止车辆发生交通事故,提高行车安全。
附图说明
图1是本发明实现车辆检测方法的较佳实施例的应用环境图。
图2是本发明车辆检测方法的较佳实施例的流程图。
图3是本发明路平面坐标系的示意图。
图4是本发明图像平面坐标系的流示意图。
图5是本发明车辆检测***的较佳实施例的功能模块图。
图6是本发明实现车辆检测方法的较佳实施例的电子设备的结构示意图。
主要元件符号说明
电子设备 1
车辆 2
摄像单元 3
存储器 12
处理器 13
车辆检测装置 11
获取模块 100
分割模块 101
提取模块 102
确定模块 103
存储模块 104
校正模块 105
提示模块 106
具体实施方式
为了使本发明的目的、技术方案和优点更加清楚,下面结合附图和具体实施例对本发明进行详细描述。
如图1所示,是本发明实现车辆检测方法的较佳实施例的应用环境图。所述应用环境图包括电子设备1、车辆2及摄像单元3。
优选地,本发明的车辆检测方法可以应用在多个电子设备1(图1中只示出一个)中。所述电子设备是一种能够按照事先设定或存储的指令,自动进行数值计算和/或信息处理的设备,其硬件包括但不限于微处理器、专用集成电路(Application SpecificIntegrated Circuit,ASIC)、可编程门阵列(Field-Programmable Gate Array,FPGA)、数字处理器(Digital Signal Processor,DSP)、嵌入式设备等。
所述电子设备1还可以是任何一种可与用户进行人机交互的电子产品,例如,个人计算机、平板电脑、智能手机、个人数字助理(Personal Digital Assistant,PDA)、游戏机、交互式网络电视(Internet Protocol Television,IPTV)、智能式穿戴式设备等。
所述车辆2包括通信单元,通过所述通信单元与所述电子设备1相通信。所述车辆2还可以包括其他元件,本发明不做任何限制。
所述摄像单元3可以是摄像头等具有摄像功能的设备。所述摄像单元3可以外置于所述电子设备1,并安装于所述车辆2上。所述摄像单元3也可以内置于所述电子设备1。例如,所述电子设备1用支架固定在所述车辆2的后视镜下方,所述摄像单元3瞄准所述车辆2的前进方向。所述摄像单元用于拍摄所述车辆前方的图片,并将所述图片发送至所述电子设备1的处理器中。
如图2所示,是本发明车辆检测方法的较佳实施例的流程图。根据不同的需求,该流程图中步骤的顺序可以改变,某些步骤可以省略。
S10,所述电子设备1获取所述摄像单元3拍摄的图片。
在本发明的至少一个实施例中,所述电子设备1接收所述摄像单元3发送的所述图片。当所述摄像单元3外置于所述电子设备1时,所述摄像单元3还可以包括无线模块,通过所述无线模块与所述电子设备1通信。
S11,所述电子设备1利用图像分割算法将所述图片分割成背景区域及目标区域。
在本发明的至少一个实施例中,由于所述图片包括背景区域,为了减少检测时间,所述电子设备1利用图像分割算法将所述图片分割成所述背景区域及所述目标区域。
在本发明的至少一个实施例中,所述图像分割算法可以是基于阈值的分割方法、基于区域的分割方法、基于边缘的分割方法以及基于特定理论的分割方法。例如可以是分水岭算法等等。
S12,所述电子设备1从所述目标区域中提取感兴趣区域。
在本发明的至少一个实施例中,所述感兴趣区域是指包括所述目标车辆的区域,所述电子设备1利用图像提取算法从所述目标区域中提取所述感兴趣区域,从而粗略确定所述目标车辆所在的区域。
在本发明的至少一个实施例中,所述电子设备1先使用Sobel算子提取所述目标区域的边缘,并过滤所述目标区域的边缘噪声;再采用Hough直线检测所述目标区域的边缘,确定表示车辆特征的直线特征;最后利用聚类算法对所述直线特征进行聚类,确定所述感兴趣区域。
S13,所述电子设备1在所述感兴趣区域中确定所述目标车辆的位置,并计算所述目标车辆与所述车辆2之间的距离。
在本发明的至少一个实施例中,为了避免在聚类过程中可能出现错误,所述电子设备1可以采用方向梯度直方图(Histogram of Oriented Gradient,HOG)特征对目标车辆进行精确定位,计算所述目标车辆在图像坐标系中的图像坐标。
所述方向梯度直方图是一种在计算机视觉和图像处理中用来进行物体检测的特征描述算子。例如,所述电子设备1选用尺寸为64*64的块作为车辆的HOG特征,以16*16的胞元作为计算梯度的基本单位,块的滑动距离为8个像素,相邻胞元间有一半的像素重叠。将梯度方向划分成9个直方图通道,这样每个车辆有1764维特征。
在本发明的至少一个实施例中,所述摄像单元3的成像模型包括所述图像平面坐标系及路平面坐标系。所述目标车辆的位置可以用的图像坐标表示,也可以用路平面坐标表示,所述电子设备1根据图像平面坐标系与路平面坐标系之间的转换关系计算所述目标车辆与所述车辆2之间的距离,具体计算过程如下:
如图3所示,平面ABU代表路平面,梯形区域ABCD表示所述摄像单元3拍摄的图片,o点为所述摄像单元3的镜头中心点,OG为所述摄像单元3的光轴,G点为所述摄像单元3的光轴和路平面的交点,I点为o点在路平面上的垂直投影。在路平面坐标系中,将G点定义为路平面坐标系的原点,所述车辆2的行驶方向定义为Y轴方向。
如图4所示,G、A、B、C、D各点在图像平面坐标系内对应如图4所示的g、a、b、c、d。a、b、c、d四个点构成一个矩形,H和W分别为像平面的高和宽。定义矩形的中点g为图像平面坐标系的原点,y代表所述车辆2的行驶。
在路平面坐标系上的任意一点P,其路平面坐标为(Xp,Yp),P点在图像平面坐标系内的对应点为p,其在图像平面坐标为(xp,yp)。利用几何关系可以推导一个路面坐标与图像坐标之间的转换关系如下:
其中k1=2tan(α0)/H,k2=tan(γ0),k3=h/cos(γ0),k4=2tan(β0)/W,
在上述公式中,H为图像的高;W为图像的宽;h为所述摄像单元3的安装高度;β0为所述摄像单元3的水平视野角;α0为所述摄像单元3的垂直视野角;γ0为所述摄像单元3的俯仰角。
所述电子设备1根据路面坐标与图像坐标之间的转换关系计算所述车辆2与所述目标车辆的距离。所述距离为
在本发明的至少一个实施例中,当所述目标车辆的数量为多个时,所述电子设备1计算每个目标车辆的位置,并计算每个目标车辆与所述车辆2的距离。所述电子设备1以键值对(key-value)的方式存储每个目标车辆的位置及每个目标车辆与所述车辆2的距离。例如,一个key表示一个目标车辆的位置,一个value表示所述目标车辆与所述车辆2的距离。这样方便用户查阅多个目标车辆的距离。
在本发明的至少一个实施例中,所述电子设备1还根据每个目标车辆的位置确定每个目标车辆所在的车道。当多个目标车辆在不同的车道时,所述电子设备1根据多个目标车辆与所述车辆2的距离计算所述摄像单元3的切向畸变系数,并根据所述切向畸变系数校正所述摄像单元3的切向畸变,提高检测精度。
S14,所述电子设备1根据所述距离输出提示信息以提示用户注意安全。
在本发明的至少一个实施例中,所述电子设备1获取所述车辆2的速度。所述电子设备1根据所述车辆2的速度计算所述车辆2行驶完所述距离所用的时长。
当所述时长小于预设时长(如2S)时,所述电子设备1输出提示信息以提示用户注意安全。提示用户的方式有很多,如语音方式等等,本发明不做任何限制。
本发明能获取所述摄像单元3拍摄的图片,利用图像分割算法将所述图片分割成背景区域及目标区域,从所述目标区域中提取感兴趣区域,在所述感兴趣区域中确定目标车辆的位置,并计算所述目标车辆与所述车辆2之间的距离,根据所述距离输出提示信息以提示用户注意安全。本发明能有效防止车辆发生交通事故,提高了行车安全。
如图5所示,本发明车辆检测装置的实施例的功能模块图。所述车辆检测装置11包括获取模块100、分割模块101、提取模块102、确定模块103、存储模块104、校正模块105及提示模块106。本发明所称的模块是指一种能够被处理器13所执行并且能够完成固定功能的一系列计算机程序段,其存储在存储器12中。在本实施例中,关于各模块的功能将在后续的实施例中详述。
所述获取模块100用于获取所述摄像单元3拍摄的图片。
在本发明的至少一个实施例中,所述获取模块100接收所述摄像单元3发送的所述图片。当所述摄像单元3外置于所述电子设备1时,所述摄像单元3还可以包括无线模块,通过所述无线模块与所述电子设备1通信。
所述分割模块101用于利用图像分割算法将所述图片分割成背景区域及目标区域。
在本发明的至少一个实施例中,由于所述图片包括背景区域,为了减少检测时间,所述分割模块101利用图像分割算法将所述图片分割成所述背景区域及所述目标区域。
在本发明的至少一个实施例中,所述图像分割算法可以是基于阈值的分割方法、基于区域的分割方法、基于边缘的分割方法以及基于特定理论的分割方法。例如可以是分水岭算法等等。
所述提取模块102用于从所述目标区域中提取感兴趣区域。
在本发明的至少一个实施例中,所述感兴趣区域是指包括所述目标车辆的区域。所述提取模块102利用图像提取算法从所述目标区域中提取所述感兴趣区域,从而粗略确定所述目标车辆所在的区域。
在本发明的至少一个实施例中,所述提取模块102先使用Sobel算子提取所述目标区域的边缘,并过滤所述目标区域的边缘噪声;再采用Hough直线检测所述目标区域的边缘,确定表示车辆特征的直线特征;最后利用聚类算法对所述直线特征进行聚类,确定所述感兴趣区域。
所述确定模块103用于在所述感兴趣区域中确定所述目标车辆的位置,并计算所述目标车辆与所述车辆2之间的距离。
在本发明的至少一个实施例中,为了避免在聚类过程中可能出现错误,所述确定模块103可以采用方向梯度直方图(Histogram of Oriented Gradient,HOG)特征对目标车辆进行精确定位,计算所述目标车辆在图像坐标系中的图像坐标。
所述方向梯度直方图是一种在计算机视觉和图像处理中用来进行物体检测的特征描述算子。例如,所述电子设备1选用尺寸为64*64的块作为车辆的HOG特征,以16*16的胞元作为计算梯度的基本单位,块的滑动距离为8个像素,相邻胞元间有一半的像素重叠。将梯度方向划分成9个直方图通道,这样每个车辆有1764维特征。
在本发明的至少一个实施例中,所述摄像单元3的成像模型包括所述图像平面坐标系及路平面坐标系。所述目标车辆的位置可以用的图像坐标表示,也可以用路平面坐标表示,所述确定模块103根据图像平面坐标系与路平面坐标系之间的转换关系计算所述目标车辆与所述车辆2之间的距离,具体计算过程如下:
如图3所示,平面ABU代表路平面,梯形区域ABCD表示所述摄像单元3拍摄的图片,o点为所述摄像单元3的镜头中心点,OG为所述摄像单元3的光轴,G点为所述摄像单元3的光轴和路平面的交点,I点为o点在路平面上的垂直投影。在路平面坐标系中,将G点定义为路平面坐标系的原点,所述车辆2的行驶方向定义为Y轴方向。
如图4所示,G、A、B、C、D各点在图像平面坐标系内对应如图4所示的g、a、b、c、d。a、b、c、d四个点构成一个矩形,H和W分别为像平面的高和宽。定义矩形的中点g为图像平面坐标系的原点,y代表所述车辆2的行驶。
在路平面坐标系上的任意一点P,其路平面坐标为(Xp,Yp),P点在图像平面坐标系内的对应点为p,其在图像平面坐标为(xp,yp)。利用几何关系可以推导一个路面坐标与图像坐标之间的转换关系如下:
其中k1=2tan(α0)/H,k2=tan(γ0),k3=h/cos(γ0),k4=2tan(β0)/W,
在上述公式中,H为图像的高;W为图像的宽;h为所述摄像单元3的安装高度;β0为所述摄像单元3的水平视野角;α0为所述摄像单元3的垂直视野角;γ0为所述摄像单元3的俯仰角。
所述确定模块103根据路面坐标与图像坐标之间的转换关系计算所述车辆2与所述目标车辆的距离。所述距离为
在本发明的至少一个实施例中,当所述目标车辆的数量为多个时,所述确定模块103计算每个目标车辆的位置,并计算每个目标车辆与所述车辆2的距离。所述存储模块104用于以键值对(key-value)的方式存储每个目标车辆的位置及每个目标车辆与所述车辆2的距离。例如,一个key表示一个目标车辆的位置,一个value表示所述目标车辆与所述车辆2的距离。这样方便用户查阅多个目标车辆的距离。
在本发明的至少一个实施例中,所述确定模块103还根据每个目标车辆的位置确定每个目标车辆所在的车道。当多个目标车辆在不同的车道时,所述校正模块105用于根据多个目标车辆与所述车辆2的距离计算所述摄像单元3的切向畸变系数,并根据所述切向畸变系数校正所述摄像单元3的切向畸变,提高检测精度。
所述提示模块106用于根据所述距离输出提示信息以提示用户注意安全。
在本发明的至少一个实施例中,所述提示模块106获取所述车辆2的速度。所述提示模块106根据所述车辆2的速度计算所述车辆2行驶完所述距离所用的时长。
当所述时长小于预设时长(如2S)时,所述提示模块106输出提示信息以提示用户注意安全。提示用户的方式有很多,如语音方式等等,本发明不做任何限制。
本发明能获取所述摄像单元3拍摄的图片,利用图像分割算法将所述图片分割成背景区域及目标区域,从所述目标区域中提取感兴趣区域,在所述感兴趣区域中确定目标车辆的位置,并计算所述目标车辆与所述车辆2之间的距离,根据所述距离输出提示信息以提示用户注意安全。本发明能有效防止车辆发生交通事故,提高了行车安全。
上述以软件功能模块的形式实现的集成的单元,可以存储在一个计算机可读取存储介质中。上述软件功能模块存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)或处理器(processor)执行本发明各个实施例所述方法的部分步骤。
如图6所示,图6是本发明实现车辆检测方法的较佳实施例的电子设备的结构示意图。所述电子设备1包括存储器12及处理器13。
所述电子设备1还包括但不限于任何一种可与用户通过键盘、鼠标、遥控器、触摸板或声控设备等方式进行人机交互的电子产品,例如,个人计算机、平板电脑、智能手机、个人数字助理(Personal Digital Assistant,PDA)、游戏机、交互式网络电视(InternetProtocol Television,IPTV)、智能式穿戴式设备等。所述电子设备1所处的网络包括但不限于互联网、广域网、城域网、局域网、虚拟专用网络(Virtual Private Network,VPN)等。
所述电子设备1与所述摄像单元3相通信,所述摄像单元3可以是摄像头等具有摄像功能的设备。所述摄像单元3可以外置于所述电子设备1,并安装于所述车辆2上。所述摄像单元3也可以内置于所述电子设备1。例如,所述电子设备1用支架固定在所述车辆2的后视镜下方,所述摄像单元3瞄准所述车辆2的前进方向。所述摄像单元用于拍摄所述车辆前方的图片,并将所述图片发送至所述电子设备1的处理器中。
所述存储器12用于存储一种车辆检测方法的程序和各种数据,并在所述电子设备1运行过程中实现高速、自动地完成程序或数据的存取。所述存储器12可以是电子设备1的外部存储器和/或内部存储器。进一步地,所述存储器12可以是集成电路中没有实物形式的具有存储功能的电路,如RAM(Random-Access Memory,随机存取存储器)、FIFO(First InFirst Out,)等。或者,所述存储器12也可以是具有实物形式的存储器,如内存条、TF卡(Trans-flash Card)等等。
所述处理器13又称中央处理器(CPU,Central Processing Unit),是一块超大规模的集成电路,是电子设备1的运算核心(Core)和控制核心(Control Unit)。所述处理器13可执行所述电子设备1的操作***以及安装的各类应用程序、程序代码等,例如车辆检测装置11。
结合图2,所述电子设备1中的所述存储器12存储多个指令以实现一种车辆检测方法,所述处理器13可执行所述多个指令从而实现:获取与所述电子设备相通信的摄像单元拍摄的图片;利用图像分割算法将所述图片分割成背景区域及目标区域;从所述目标区域中提取感兴趣区域;在所述感兴趣区域中确定目标车辆的位置,并计算所述目标车辆与所述车辆之间的距离;及根据所述距离输出提示信息以提示用户注意安全。
根据本发明优选实施例,所述摄像单元的成像模型包括所述图像平面坐标系及路平面坐标系,所述处理器13还执行多个指令包括:
根据图像平面坐标系与路平面坐标系之间的转换关系计算所述目标车辆与所述车辆之间的距离。
根据本发明优选实施例,所述处理器13还执行多个指令包括:
以键值对的方式存储所述目标车辆的位置及所述目标车辆与所述车辆的距离;
根据本发明优选实施例,所述处理器13还执行多个指令包括:
当有多个所述目标车辆时,根据每个所述目标车辆的位置确定每个所述目标车辆所在的车道;
当多个所述目标车辆在不同的车道时,根据每个所述目标车辆与所述车辆的距离计算所述摄像单元的切向畸变系数,并根据所述切向畸变系数校正所述摄像单元的切向畸变。
根据本发明优选实施例,所述处理器13还执行多个指令包括:
获取所述车辆的速度;
根据所述车辆的速度计算所述车辆行驶完所述距离所用的时长;及
当所述时长小于预设时长时,输出所述提示信息。
具体地,所述处理器13对上述指令的具体实现方法可参考图2对应实施例中相关步骤的描述,具体地,所述处理器13对上述指令的具体实现方法可参考图3对应实施例中相关步骤的描述,在此不赘述。在本发明所提供的几个实施例中,应该理解到,所揭露的***,装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述模块的划分,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。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块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模块来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能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,也可以采用硬件加软件功能模块的形式实现。
对于本领域技术人员而言,显然本发明不限于上述示范性实施例的细节,而且在不背离本发明的精神或基本特征的情况下,能够以其他的具体形式实现本发明。因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本发明的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。此外,显然“包括”一词不排除其他单元或步骤,单数不排除复数。***权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第二等词语用来表示名称,而并不表示任何特定的顺序。
最后应说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或等同替换,而不脱离本发明技术方案的精神和范围。
Claims (10)
1.一种车辆检测方法,应用于电子设备中,所述电子设备与车辆相通信,其特征在于,所述方法包括:
获取与所述电子设备相通信的摄像单元拍摄的图片;
利用图像分割算法将所述图片分割成背景区域及目标区域;
从所述目标区域中提取感兴趣区域;
在所述感兴趣区域中确定目标车辆的位置,并计算所述目标车辆与所述车辆之间的距离;及
根据所述距离输出提示信息以提示用户注意安全。
2.如权利要求1所述的车辆检测方法,其特征在于,所述摄像单元的成像模型包括所述图像平面坐标系及路平面坐标系,所述计算所述目标车辆与所述车辆之间的距离包括:
根据所述图像平面坐标系与所述路平面坐标系之间的转换关系计算所述目标车辆与所述车辆之间的距离。
3.如权利要求1所述的车辆检测方法,其特征在于,所述方法还包括:
以键值对的方式存储所述目标车辆的位置及所述目标车辆与所述车辆的距离。
4.如权利要求1所述的车辆检测方法,其特征在于,所述方法还包括:
当有多个所述目标车辆时,根据每个所述目标车辆的位置确定每个所述目标车辆所在的车道;
当多个所述目标车辆在不同的车道时,根据每个所述目标车辆与所述车辆的距离计算所述摄像单元的切向畸变系数,并根据所述切向畸变系数校正所述摄像单元的切向畸变。
5.如权利要求1所述的车辆检测方法,其特征在于,所述根据所述距离输出提示信息以提示用户注意安全包括:
获取所述车辆的速度;
根据所述车辆的速度计算所述车辆行驶完所述距离所用的时长;及
当所述时长小于预设时长时,输出所述提示信息。
6.一种车辆检测装置,其特征在于,所述装置包括:
获取模块,用于获取与电子设备相通信的摄像单元拍摄的图片;
分割模块,用于利用图像分割算法将所述图片分割成背景区域及目标区域;
提取模块,用于从所述目标区域中提取感兴趣区域;
确定模块,用于在所述感兴趣区域中确定目标车辆的位置,并计算所述目标车辆与所述电子设备相通信的车辆之间的距离;及
提示模块,用于根据所述距离输出提示信息以提示用户注意安全。
7.如权利要求6所述的车辆检测装置,其特征在于,所述摄像单元的成像模型包括所述图像平面坐标系及路平面坐标系,所述确定模块用于计算所述目标车辆与所述车辆之间的距离包括:
根据所述图像平面坐标系与所述路平面坐标系之间的转换关系计算所述目标车辆与所述车辆之间的距离。
8.如权利要求6所述的车辆检测装置,其特征在于,所述确定模块还用于当有多个所述目标车辆时,根据每个所述目标车辆的位置确定每个所述目标车辆所在的车道;及所述装置还包括
校正模块,用于当多个所述目标车辆在不同的车道时,根据每个所述目标车辆与所述车辆的距离计算所述摄像单元的切向畸变系数,并根据所述切向畸变系数校正所述摄像单元的切向畸变。
9.如权利要求6所述的车辆检测装置,其特征在于,所述提示模块用于根据所述距离输出提示信息以提示用户注意安全包括:
获取所述车辆的速度;
根据所述车辆的速度计算所述车辆行驶完所述距离所用的时长;及
当所述时长小于预设时长时,输出所述提示信息。
10.一种电子设备,其特征在于,所述电子设备包括存储器及处理器,
所述存储器用于存储至少一个指令;
所述处理器用于执行所述至少一个指令,用于获取与所述电子设备相通信的摄像单元拍摄的图片;利用图像分割算法将所述图片分割成背景区域及目标区域;从所述目标区域中提取感兴趣区域;在所述感兴趣区域中确定目标车辆的位置,并计算所述目标车辆与所述电子设备相通信的车辆之间的距离;及根据所述距离输出提示信息以提示用户注意安全。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611130693.1A CN106780603A (zh) | 2016-12-09 | 2016-12-09 | 车辆检测方法、装置及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611130693.1A CN106780603A (zh) | 2016-12-09 | 2016-12-09 | 车辆检测方法、装置及电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106780603A true CN106780603A (zh) | 2017-05-31 |
Family
ID=58879394
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611130693.1A Pending CN106780603A (zh) | 2016-12-09 | 2016-12-09 | 车辆检测方法、装置及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106780603A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109063651A (zh) * | 2018-08-06 | 2018-12-21 | 百度在线网络技术(北京)有限公司 | 物体检测方法、装置、设备及存储介质 |
CN110570388A (zh) * | 2018-08-31 | 2019-12-13 | 阿里巴巴集团控股有限公司 | 车辆的部件检测方法、装置及设备 |
CN110738169A (zh) * | 2019-10-11 | 2020-01-31 | 深圳前海微众银行股份有限公司 | 车流量监测方法、装置、设备及计算机可读存储介质 |
CN111251994A (zh) * | 2018-11-30 | 2020-06-09 | 华创车电技术中心股份有限公司 | 车辆周边物件检测方法及车辆周边物件检测*** |
CN113419257A (zh) * | 2021-06-29 | 2021-09-21 | 深圳市路卓科技有限公司 | 定位校准方法、装置、终端设备、存储介质及程序产品 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101016053A (zh) * | 2007-01-25 | 2007-08-15 | 吉林大学 | 高等级公路上车辆防追尾碰撞预警方法和*** |
CN104792302A (zh) * | 2015-04-29 | 2015-07-22 | 深圳市保千里电子有限公司 | 一种建模测车距的方法 |
CN104915642A (zh) * | 2015-05-26 | 2015-09-16 | 奇瑞汽车股份有限公司 | 前方车辆测距方法及装置 |
CN105047019A (zh) * | 2015-07-07 | 2015-11-11 | 长安大学 | 一种客运车辆防止后车超车后突然变道判断方法及装置 |
CN103978978B (zh) * | 2014-05-26 | 2016-06-22 | 武汉理工大学 | 基于逆投影变换的车道保持方法 |
CN105740804A (zh) * | 2016-01-27 | 2016-07-06 | 大连楼兰科技股份有限公司 | 一种基于图像处理的车辆自动跟踪驾驶方法 |
CN105912998A (zh) * | 2016-04-05 | 2016-08-31 | 辽宁工业大学 | 一种基于视觉的车辆防碰撞预警方法 |
-
2016
- 2016-12-09 CN CN201611130693.1A patent/CN106780603A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101016053A (zh) * | 2007-01-25 | 2007-08-15 | 吉林大学 | 高等级公路上车辆防追尾碰撞预警方法和*** |
CN103978978B (zh) * | 2014-05-26 | 2016-06-22 | 武汉理工大学 | 基于逆投影变换的车道保持方法 |
CN104792302A (zh) * | 2015-04-29 | 2015-07-22 | 深圳市保千里电子有限公司 | 一种建模测车距的方法 |
CN104915642A (zh) * | 2015-05-26 | 2015-09-16 | 奇瑞汽车股份有限公司 | 前方车辆测距方法及装置 |
CN105047019A (zh) * | 2015-07-07 | 2015-11-11 | 长安大学 | 一种客运车辆防止后车超车后突然变道判断方法及装置 |
CN105740804A (zh) * | 2016-01-27 | 2016-07-06 | 大连楼兰科技股份有限公司 | 一种基于图像处理的车辆自动跟踪驾驶方法 |
CN105912998A (zh) * | 2016-04-05 | 2016-08-31 | 辽宁工业大学 | 一种基于视觉的车辆防碰撞预警方法 |
Non-Patent Citations (4)
Title |
---|
王忆勤: "《中医面诊与计算机辅助诊断》", 30 November 2010 * |
田小林 等: "《光学相干层析图像处理及应用》", 31 January 2015 * |
罗时光: "基于单目测距技术的道路障碍物检测方法", 《软件》 * |
马长正 等: "基于平行直线的摄像机标定方法", 《北京航空航天大学学报》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109063651A (zh) * | 2018-08-06 | 2018-12-21 | 百度在线网络技术(北京)有限公司 | 物体检测方法、装置、设备及存储介质 |
CN110570388A (zh) * | 2018-08-31 | 2019-12-13 | 阿里巴巴集团控股有限公司 | 车辆的部件检测方法、装置及设备 |
CN111251994A (zh) * | 2018-11-30 | 2020-06-09 | 华创车电技术中心股份有限公司 | 车辆周边物件检测方法及车辆周边物件检测*** |
CN111251994B (zh) * | 2018-11-30 | 2021-08-24 | 华创车电技术中心股份有限公司 | 车辆周边物件检测方法及车辆周边物件检测*** |
CN110738169A (zh) * | 2019-10-11 | 2020-01-31 | 深圳前海微众银行股份有限公司 | 车流量监测方法、装置、设备及计算机可读存储介质 |
CN110738169B (zh) * | 2019-10-11 | 2023-09-08 | 深圳前海微众银行股份有限公司 | 车流量监测方法、装置、设备及计算机可读存储介质 |
CN113419257A (zh) * | 2021-06-29 | 2021-09-21 | 深圳市路卓科技有限公司 | 定位校准方法、装置、终端设备、存储介质及程序产品 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106780603A (zh) | 车辆检测方法、装置及电子设备 | |
CN107358149B (zh) | 一种人体姿态检测方法和装置 | |
CN111241989B (zh) | 图像识别方法及装置、电子设备 | |
CN108256431B (zh) | 一种手部位置标识方法及装置 | |
CN103324930B (zh) | 一种基于灰度直方图二值化的车牌字符分割方法 | |
CN109919008A (zh) | 运动目标检测方法、装置、计算机设备及存储介质 | |
US20130148856A1 (en) | Method and apparatus for detecting road partition | |
CN106600625A (zh) | 检测小型生物的图像处理方法及装置 | |
CN107491753A (zh) | 一种基于背景建模的违章停车检测方法 | |
CN111209780A (zh) | 车道线属性检测方法、装置、电子设备及可读存储介质 | |
CN110443225A (zh) | 一种基于特征像素统计的虚实车道线识别方法及其装置 | |
CN109584302A (zh) | 相机位姿优化方法、装置、电子设备和计算机可读介质 | |
CN106558051A (zh) | 一种改进的从单幅图像检测道路的方法 | |
CN107610224A (zh) | 一种基于弱监督与明确闭塞建模的3d汽车对象类表示算法 | |
CN112990009A (zh) | 基于端到端的车道线检测方法、装置、设备及存储介质 | |
CN113570725A (zh) | 基于聚类的三维表面重建方法、装置、服务器及存储介质 | |
CN112818874A (zh) | 一种图像处理方法、装置、设备及存储介质 | |
US9811917B2 (en) | Confidence estimation for optical flow under low light conditions | |
CN107452230B (zh) | 一种障碍物检测方法、装置、终端设备及存储介质 | |
CN111127503A (zh) | 检测车辆轮胎的花纹的方法、设备和存储介质 | |
CN103093204B (zh) | 行为监测方法及装置 | |
CN114037977B (zh) | 道路灭点的检测方法、装置、设备及存储介质 | |
CN113673288B (zh) | 空闲车位检测方法、装置、计算机设备及存储介质 | |
CN115661444A (zh) | 图像处理方法、装置、设备、存储介质及产品 | |
Zakaria et al. | Fully convolutional neural network for Malaysian road lane detection |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170531 |