CN108805932A - 一种高精度智能评判车辆特征点所在地理位置的方法 - Google Patents
一种高精度智能评判车辆特征点所在地理位置的方法 Download PDFInfo
- Publication number
- CN108805932A CN108805932A CN201810594771.6A CN201810594771A CN108805932A CN 108805932 A CN108805932 A CN 108805932A CN 201810594771 A CN201810594771 A CN 201810594771A CN 108805932 A CN108805932 A CN 108805932A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- target vehicle
- relational model
- models
- model
- 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
- 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
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
- G06T7/75—Determining position or orientation of objects or cameras using feature-based methods involving models
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Educational Administration (AREA)
- Educational Technology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种高精度智能评判车辆特征点所在地理位置的方法,包括:3D扫描目标车辆与水平线,建立目标车辆3D模型与水平线之间的第一关系模型;从目标车辆3D模型车顶向下且平行于水平面方向扫描第一关系模型,得到目标车辆车轮着地点与水平线之间的第二关系模型;判断第一关系模型中目标车辆朝向是否正确;在判断车辆朝向正确时,根据第二关系模型判断目标车辆是否压线。
Description
技术领域
本发明涉及数据处理技术领域,尤其涉及一种高精度智能评判车辆特征点所在地理位置的方法。
背景技术
随着经济社会的不断发展,机动车保有量持续快速增长,汽车已成为普通人的代步工具,参加机动车驾驶人培训和考试获取驾驶证的需求逐年递增。
越来越多的人为了能拿到驾照在驾校学习驾驶,长期以来,驾校对于学员的学习过程监控多采取人工考核模式,不仅效率低下,而且易出现失误,主观评判严重,不利于学习驾驶过程中学员驾驶技术的顺利提高,给学员带来了不便。
发明内容
基于背景技术存在的技术问题,本发明提出了一种高精度智能评判车辆特征点所在地理位置的方法;
本发明提出的一种高精度智能评判车辆特征点所在地理位置的方法,包括:
S1、3D扫描目标车辆与水平线,建立目标车辆3D模型与水平线之间的第一关系模型;
S2、从目标车辆3D模型车顶向下且平行于水平面方向扫描第一关系模型,得到目标车辆车轮着地点与水平线之间的第二关系模型;
S3、判断第一关系模型中目标车辆朝向是否正确;
S4、在判断车辆朝向正确时,根据第二关系模型判断目标车辆是否压线。
优选地,步骤S3,具体包括:
将第一关系模型中目标车辆3D模型与预设的正确朝向车辆3D模型进行比对,当第一关系模型中目标车辆3D模型与预设的正确朝向车辆3D模型匹配时,判断第一关系模型中目标车辆朝向正确。
优选地,步骤S4,具体包括:
在判断车辆朝向正确时,判断目标车辆车轮着地点是否均位于水平线的同侧,在判断结果为否时,确定目标车辆压线。
一种高精度智能评判车辆特征点所在地理位置的***,包括:
第一模型建立模块,用于3D扫描目标车辆与水平线,建立目标车辆3D模型与水平线之间的第一关系模型;
第二模型建立模块,用于从目标车辆3D模型车顶向下且平行于水平面方向扫描第一关系模型,得到目标车辆车轮着地点与水平线之间的第二关系模型;
第一判断模块,用于判断第一关系模型中目标车辆朝向是否正确;
第二判断模块,用于在判断车辆朝向正确时,根据第二关系模型判断目标车辆是否压线。
优选地,第一判断模块,具体用于:
将第一关系模型中目标车辆3D模型与预设的正确朝向车辆3D模型进行比对,当第一关系模型中目标车辆3D模型与预设的正确朝向车辆3D模型匹配时,判断第一关系模型中目标车辆朝向正确。
优选地,第二判断模块,具体用于:
在判断车辆朝向正确时,判断目标车辆车轮着地点是否均位于水平线的同侧,在判断结果为否时,确定目标车辆压线。
本发明中,通过3D扫描目标车辆与水平线,建立目标车辆3D模型与水平线之间的第一关系模型,以确定目标车辆与水平线之间的对应关系,再从目标车辆3D模型车顶向下且平行于水平面方向扫描第一关系模型,得到目标车辆车轮着地点与水平线之间的第二关系模型,从而得到车轮与水平线之间对应关系,在确定目标车辆车头方向正确时,判断目标车辆车轮着地点是否均位于水平线的同侧以确定目标车辆是否压线,从而自动对驾驶目标车辆的学员是否正确操作车辆进行评估,智能化对学员学习过程进行驾驶监控。
附图说明
图1为本发明提出的一种高精度智能评判车辆特征点所在地理位置的方法的流程示意图;
图2为本发明提出的一种高精度智能评判车辆特征点所在地理位置的***的模块示意图。
具体实施方式
参照图1,本发明提出的一种高精度智能评判车辆特征点所在地理位置的方法,包括:
步骤S1,3D扫描目标车辆与水平线,建立目标车辆3D模型与水平线之间的第一关系模型。
步骤S2,从目标车辆3D模型车顶向下且平行于水平面方向扫描第一关系模型,得到目标车辆车轮着地点与水平线之间的第二关系模型。
在具体方案中,通过同时对目标车辆进行扫描,可得到目标车辆3D模型,以及目标车辆3D模型与水平线之间的位置对应关系,记为第一关系模型。
从目标车辆3D模型车顶向下且平行于水平面方向扫描第一关系模型,即从目标车辆3D模型的车顶向下对目标车辆3D模型进行水平切面,直到目标车辆车轮与地面接触时停止,得到目标车辆车轮着地点与水平线之间的位置对应关系,记为第二关系模型。
步骤S3,判断第一关系模型中目标车辆朝向是否正确,具体包括:将第一关系模型中目标车辆3D模型与预设的正确朝向车辆3D模型进行比对,当第一关系模型中目标车辆3D模型与预设的正确朝向车辆3D模型匹配时,判断第一关系模型中目标车辆朝向正确。
在具体方案中,提取出第一关系模型中目标车辆朝向,并第一关系模型中目标车辆朝向与预设的正确的车辆朝向进行比对,当两者匹配时,说明第一关系模型中目标车辆朝向正确。
步骤S4,在判断车辆朝向正确时,根据第二关系模型判断目标车辆是否压线,具体包括:在判断车辆朝向正确时,判断目标车辆车轮着地点是否均位于水平线的同侧,在判断结果为否时,确定目标车辆压线。
在具体方案中,在判断车辆朝向正确时,根据第二关系模型中目标车辆车轮着地点与水平线之间的位置对应关系,判断目标车辆车轮着地点是否均位于水平线的同侧,在判断目标车辆车轮着地点不均位于水平线的同侧时,确定目标车辆压线。
参照图2,本发明提出的一种高精度智能评判车辆特征点所在地理位置的***,包括:
第一模型建立模块,用于3D扫描目标车辆与水平线,建立目标车辆3D模型与水平线之间的第一关系模型。
第二模型建立模块,用于从目标车辆3D模型车顶向下且平行于水平面方向扫描第一关系模型,得到目标车辆车轮着地点与水平线之间的第二关系模型。
在具体方案中,通过同时对目标车辆进行扫描,可得到目标车辆3D模型,以及目标车辆3D模型与水平线之间的位置对应关系,记为第一关系模型。
从目标车辆3D模型车顶向下且平行于水平面方向扫描第一关系模型,即从目标车辆3D模型的车顶向下对目标车辆3D模型进行水平切面,直到目标车辆车轮与地面接触时停止,得到目标车辆车轮着地点与水平线之间的位置对应关系,记为第二关系模型。
第一判断模块,用于判断第一关系模型中目标车辆朝向是否正确,具体用于:将第一关系模型中目标车辆3D模型与预设的正确朝向车辆3D模型进行比对,当第一关系模型中目标车辆3D模型与预设的正确朝向车辆3D模型匹配时,判断第一关系模型中目标车辆朝向正确。
在具体方案中,提取出第一关系模型中目标车辆朝向,并第一关系模型中目标车辆朝向与预设的正确的车辆朝向进行比对,当两者匹配时,说明第一关系模型中目标车辆朝向正确。
第二判断模块,用于在判断车辆朝向正确时,根据第二关系模型判断目标车辆是否压线,具体用于:在判断车辆朝向正确时,判断目标车辆车轮着地点是否均位于水平线的同侧,在判断结果为否时,确定目标车辆压线。
在具体方案中,在判断车辆朝向正确时,根据第二关系模型中目标车辆车轮着地点与水平线之间的位置对应关系,判断目标车辆车轮着地点是否均位于水平线的同侧,在判断目标车辆车轮着地点不均位于水平线的同侧时,确定目标车辆压线。
本实施方式中,通过3D扫描目标车辆与水平线,建立目标车辆3D模型与水平线之间的第一关系模型,以确定目标车辆与水平线之间的对应关系,再从目标车辆3D模型车顶向下且平行于水平面方向扫描第一关系模型,得到目标车辆车轮着地点与水平线之间的第二关系模型,从而得到车轮与水平线之间对应关系,在确定目标车辆车头方向正确时,判断目标车辆车轮着地点是否均位于水平线的同侧以确定目标车辆是否压线,从而自动对驾驶目标车辆的学员是否正确操作车辆进行评估,智能化对学员学习过程进行驾驶监控。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,根据本发明的技术方案及其发明构思加以等同替换或改变,都应涵盖在本发明的保护范围之内。
Claims (6)
1.一种高精度智能评判车辆特征点所在地理位置的方法,其特征在于,包括:
S1、3D扫描目标车辆与水平线,建立目标车辆3D模型与水平线之间的第一关系模型;
S2、从目标车辆3D模型车顶向下且平行于水平面方向扫描第一关系模型,得到目标车辆车轮着地点与水平线之间的第二关系模型;
S3、判断第一关系模型中目标车辆朝向是否正确;
S4、在判断车辆朝向正确时,根据第二关系模型判断目标车辆是否压线。
2.根据权利要求1所述的高精度智能评判车辆特征点所在地理位置的方法,其特征在于,步骤S3,具体包括:
将第一关系模型中目标车辆3D模型与预设的正确朝向车辆3D模型进行比对,当第一关系模型中目标车辆3D模型与预设的正确朝向车辆3D模型匹配时,判断第一关系模型中目标车辆朝向正确。
3.根据权利要求1所述的高精度智能评判车辆特征点所在地理位置的方法,其特征在于,步骤S4,具体包括:
在判断车辆朝向正确时,判断目标车辆车轮着地点是否均位于水平线的同侧,在判断结果为否时,确定目标车辆压线。
4.一种高精度智能评判车辆特征点所在地理位置的***,其特征在于,包括:
第一模型建立模块,用于3D扫描目标车辆与水平线,建立目标车辆3D模型与水平线之间的第一关系模型;
第二模型建立模块,用于从目标车辆3D模型车顶向下且平行于水平面方向扫描第一关系模型,得到目标车辆车轮着地点与水平线之间的第二关系模型;
第一判断模块,用于判断第一关系模型中目标车辆朝向是否正确;
第二判断模块,用于在判断车辆朝向正确时,根据第二关系模型判断目标车辆是否压线。
5.根据权利要求4所述的高精度智能评判车辆特征点所在地理位置的***,其特征在于,第一判断模块,具体用于:
将第一关系模型中目标车辆3D模型与预设的正确朝向车辆3D模型进行比对,当第一关系模型中目标车辆3D模型与预设的正确朝向车辆3D模型匹配时,判断第一关系模型中目标车辆朝向正确。
6.根据权利要求4所述的高精度智能评判车辆特征点所在地理位置的***,其特征在于,第二判断模块,具体用于:
在判断车辆朝向正确时,判断目标车辆车轮着地点是否均位于水平线的同侧,在判断结果为否时,确定目标车辆压线。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810594771.6A CN108805932A (zh) | 2018-06-11 | 2018-06-11 | 一种高精度智能评判车辆特征点所在地理位置的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810594771.6A CN108805932A (zh) | 2018-06-11 | 2018-06-11 | 一种高精度智能评判车辆特征点所在地理位置的方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108805932A true CN108805932A (zh) | 2018-11-13 |
Family
ID=64088361
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810594771.6A Pending CN108805932A (zh) | 2018-06-11 | 2018-06-11 | 一种高精度智能评判车辆特征点所在地理位置的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108805932A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110287936A (zh) * | 2019-07-02 | 2019-09-27 | 北京字节跳动网络技术有限公司 | 图像检测方法、装置、设备及存储介质 |
CN110853366A (zh) * | 2019-11-20 | 2020-02-28 | 浙江大华技术股份有限公司 | 一种检测车辆停放位置方法及装置 |
CN111882882A (zh) * | 2020-07-31 | 2020-11-03 | 浙江东鼎电子股份有限公司 | 一种动态平板秤称重区域汽车跨车道行驶行为检测方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2011148455A1 (ja) * | 2010-05-25 | 2011-12-01 | 富士通株式会社 | 映像処理装置、映像処理方法及び映像処理プログラム |
CN102938224A (zh) * | 2012-11-06 | 2013-02-20 | 福州龙吟信息技术有限公司 | 一种驾考智能*** |
CN104129389A (zh) * | 2014-08-06 | 2014-11-05 | 中电海康集团有限公司 | 一种有效判别车辆行驶状态的方法及其装置 |
US9396659B2 (en) * | 2013-12-12 | 2016-07-19 | Lenovo Enterprise Solutions (Singapore) Pte. Ltd. | Collision avoidance among vehicles |
CN106373218A (zh) * | 2016-10-28 | 2017-02-01 | 中山大学 | 一种具有压线报警功能的手机行车记录仪 |
CN106559646A (zh) * | 2015-09-28 | 2017-04-05 | 柳州桂通科技股份有限公司 | 一种服务于驾考车辆的全景光学监测***及其用于驾考信息的采集和处理方法 |
CN106875781A (zh) * | 2017-03-16 | 2017-06-20 | 南京多伦科技股份有限公司 | 一种机器人智能教练辅助驾驶方法及其*** |
CN107292282A (zh) * | 2017-07-04 | 2017-10-24 | 西安交通大学 | 一种基于语义推理和时空记忆更新的车辆检测方法 |
-
2018
- 2018-06-11 CN CN201810594771.6A patent/CN108805932A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2011148455A1 (ja) * | 2010-05-25 | 2011-12-01 | 富士通株式会社 | 映像処理装置、映像処理方法及び映像処理プログラム |
CN102938224A (zh) * | 2012-11-06 | 2013-02-20 | 福州龙吟信息技术有限公司 | 一种驾考智能*** |
US9396659B2 (en) * | 2013-12-12 | 2016-07-19 | Lenovo Enterprise Solutions (Singapore) Pte. Ltd. | Collision avoidance among vehicles |
CN104129389A (zh) * | 2014-08-06 | 2014-11-05 | 中电海康集团有限公司 | 一种有效判别车辆行驶状态的方法及其装置 |
CN106559646A (zh) * | 2015-09-28 | 2017-04-05 | 柳州桂通科技股份有限公司 | 一种服务于驾考车辆的全景光学监测***及其用于驾考信息的采集和处理方法 |
CN106373218A (zh) * | 2016-10-28 | 2017-02-01 | 中山大学 | 一种具有压线报警功能的手机行车记录仪 |
CN106875781A (zh) * | 2017-03-16 | 2017-06-20 | 南京多伦科技股份有限公司 | 一种机器人智能教练辅助驾驶方法及其*** |
CN107292282A (zh) * | 2017-07-04 | 2017-10-24 | 西安交通大学 | 一种基于语义推理和时空记忆更新的车辆检测方法 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110287936A (zh) * | 2019-07-02 | 2019-09-27 | 北京字节跳动网络技术有限公司 | 图像检测方法、装置、设备及存储介质 |
CN110287936B (zh) * | 2019-07-02 | 2021-08-10 | 北京字节跳动网络技术有限公司 | 图像检测方法、装置、设备及存储介质 |
CN110853366A (zh) * | 2019-11-20 | 2020-02-28 | 浙江大华技术股份有限公司 | 一种检测车辆停放位置方法及装置 |
CN111882882A (zh) * | 2020-07-31 | 2020-11-03 | 浙江东鼎电子股份有限公司 | 一种动态平板秤称重区域汽车跨车道行驶行为检测方法 |
CN111882882B (zh) * | 2020-07-31 | 2021-06-25 | 浙江东鼎电子股份有限公司 | 一种动态平板秤称重区域汽车跨车道行驶行为检测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108388641B (zh) | 一种基于深度学习的交通设施地图生成方法与*** | |
CN108805932A (zh) | 一种高精度智能评判车辆特征点所在地理位置的方法 | |
CN104166400B (zh) | 基于多传感器融合的视觉导引agv*** | |
CN103226106B (zh) | 基于机器视觉的轴承防尘盖品质监测方法 | |
CN103577809B (zh) | 一种基于智能驾驶的地面交通标志实时检测的方法 | |
CN103714343B (zh) | 线激光器照明条件下双线阵相机采集的路面图像拼接及匀化方法 | |
CN103839264B (zh) | 一种车道线的检测方法 | |
CN103359020B (zh) | 一种机动车驾驶培训或考试监控方法和*** | |
CN103136341B (zh) | 一种基于Bézier曲线的车道线重构装置 | |
CN107264486A (zh) | 视觉定位换电方法及*** | |
CN102663403B (zh) | 基于视觉的快速路智能车导航中车道信息提取***及方法 | |
CN105868691A (zh) | 基于快速区域卷积神经网络的城市车辆追踪方法 | |
CN106887004A (zh) | 一种基于块匹配的车道线检测方法 | |
CN107016362A (zh) | 基于车辆前挡风玻璃粘贴标志的车辆重识别方法和*** | |
CN107578012A (zh) | 一种基于聚类算法选择敏感区域的驾驶辅助*** | |
KR102025132B1 (ko) | 영상이미지 분석 기반의 타이어 공기압 측정 시스템 및 방법 | |
CN101630444A (zh) | 一种车载交通信号牌自动识别警示*** | |
CN110516633A (zh) | 一种基于深度学习的车道线检测方法及*** | |
CN103481842B (zh) | 一种车辆检测与跟踪模式的切换方法 | |
CN112017170B (zh) | 一种基于三维光影模型的道路路面坑槽识别方法、装置及设备 | |
CN106599848A (zh) | 基于深度视觉特征和支持向量机的地表纹理识别算法 | |
CN110599025A (zh) | 自动驾驶汽车驾驶行为可靠性指标评估方法 | |
CN108074263B (zh) | 视觉定位方法和*** | |
CN116386344A (zh) | 一种基于摄像头模组的道路交通监控*** | |
CN108803651B (zh) | 一种基于图像特征的无人机公路巡检方法 |
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: 20181113 |