CN110738181B - 一种确定车辆朝向信息的方法及装置 - Google Patents
一种确定车辆朝向信息的方法及装置 Download PDFInfo
- Publication number
- CN110738181B CN110738181B CN201911001022.9A CN201911001022A CN110738181B CN 110738181 B CN110738181 B CN 110738181B CN 201911001022 A CN201911001022 A CN 201911001022A CN 110738181 B CN110738181 B CN 110738181B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- coordinate system
- target object
- determining
- cluster set
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 35
- 238000004458 analytical method Methods 0.000 claims abstract description 20
- 238000004364 calculation method Methods 0.000 claims abstract description 12
- 230000003137 locomotive effect Effects 0.000 claims description 5
- 238000010801 machine learning Methods 0.000 description 9
- 239000013598 vector Substances 0.000 description 5
- 239000011159 matrix material Substances 0.000 description 4
- 238000013527 convolutional neural network Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 206010039203 Road traffic accident Diseases 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 238000003064 k means clustering Methods 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- 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
- G06V20/584—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads of vehicle lights or traffic lights
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/08—Detecting or categorising vehicles
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Multimedia (AREA)
- Image Analysis (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请实施例提供了一种确定车辆朝向信息的方法,对于目标车辆而言,可以利用目标车辆上的摄像头拍摄的包括其它车辆的图像,确定其它车辆的朝向信息。具体地,可以获取对图像进行分析得到的分析结果,该分析结果指示图像中的目标对象在图像坐标系中的坐标,目标对象包括:车头、车尾和车身中的任意一项或者组合。进一步地,根据目标对象在图像坐标系中的坐标,确定目标对象在世界坐标系中的坐标。根据目标对象在世界坐标系中的坐标进行聚类计算,得到一个或者多个聚类集合,一个聚类集合中的目标对象对应图像中的一个其它车辆。对于一个聚类集合,可以根据该聚类集合中包括的目标对象,确定该聚类集合对应的其它车辆的朝向信息。
Description
技术领域
本申请涉及车辆领域,特别是涉及一种确定车辆朝向信息的方法及装置。
背景技术
随着网络技术的发展,许多车辆上都配置有自动驾驶/辅助驾驶***。对于配置了自动驾驶***/辅助驾驶***的目标车辆而言,其可以根据环境信息,计算出自身的行驶速度和行驶方向,进一步地,按照上述行驶速度和行驶方向行驶。
前述环境信息中,道路上其它车辆的朝向信息,是一个比较重要的信息。其它车辆的朝向信息,对于确定目标车辆的行驶方向和/或行驶速度尤为重要。例如,目标车辆在左侧车道行驶,而与目标车辆同向、且在右侧车道行驶的车辆准备向左并道,则目标车辆可以适应性降低行驶速度,避免出现交通事故。
因此,急需一种方案,能够准确的确定出道路上其它车辆的朝向信息。
发明内容
本申请所要解决的技术问题是如何确定出道路上其它车辆的朝向信息,提供一种确定车辆朝向信息的方法及装置。
第一方面,本申请实施例提供了一种确定车辆朝向信息的方法,所述方法包括:
获取对图像进行分析得到的分析结果,所述图像为目标车辆上的摄像头拍摄的包括其它车辆的图像,所述分析结果指示所述图像中的目标对象在图像坐标系中的坐标,所述目标对象包括:车头、车尾和车身中的任意一项或者组合;
确定所述目标对象在世界坐标系中的坐标;
根据所述目标对象在世界坐标系中的坐标进行聚类计算,得到一个或者多个聚类集合,一个聚类集合中的所述目标对象对应所述图像中的一个所述其它车辆;
根据所述一个或者多个聚类集合中包括的所述目标对象,确定所述一个或者多个聚类集合中、各个聚类集合分别对应的其它车辆的朝向信息。
可选的,所述分析结果,还指示所述目标对象对应的车辆类型;所述根据所述目标对象在世界坐标系中的坐标进行聚类计算,得到一个或者多个聚类集合,包括:
根据所述目标对象在世界坐标系中的坐标,计算第一车头和第一车身之间的第一距离;若所述第一距离与第一距离阈值吻合,则确定所述第一车头和所述第一车身属于同一聚类集合;所述第一距离阈值,根据所述第一车头或所述第一车身对应的车辆类型确定;所述第一车头和所述第一车身对应的车辆类型相同;和/或,
根据所述目标对象在世界坐标系中的坐标,计算所述第一车头和第一车尾之间的第二距离;若所述第二距离与第二距离阈值吻合,则确定所述第一车头和所述第一车尾属于同一聚类集合;所述第二距离阈值,根据所述第一车头或所述第一车尾对应的车辆类型确定;所述第一车头和所述第一车尾对应的车辆类型相同;和/或,
根据所述目标对象在世界坐标系中的坐标,计算所述第一车身和所述第一车尾之间的第三距离;若所述第三距离与第三距离阈值吻合,则确定所述第一车身和所述第一车尾属于同一聚类集合;所述第三距离阈值,根据所述第一车身或所述第一车尾对应的车辆类型确定;所述第一车身和所述第一车尾对应的车辆类型相同。
可选的,所述其它车辆的朝向信息,包括:
所述其它车辆与所述目标车辆之间的相对方向;
或者,
所述其它车辆的朝向与世界坐标系水平轴的夹角。
可选的,所述根据所述一个或者多个聚类集合中包括的所述目标对象,确定所述一个或者多个聚类集合中、各个聚类集合分别对应的其它车辆的朝向信息,包括:
若第一聚类集合中仅包括第一车头,则确定所述第一聚类集合对应的其它车辆的朝向信息为:与目标车辆的方向相反;
或者,
若第一聚类集合中仅包括第一车尾,则确定所述第一聚类集合对应的其它车辆的朝向信息为:与目标车辆的方向相同;
或者,
若第一聚类集合中仅包括第一车身,则确定所述第一聚类集合对应的其它车辆的朝向信息为:与目标车辆的方向垂直。
可选的,目标对象在图像坐标系中的坐标,包括车轮与路面的交点在所述图像坐标系中的坐标;所述根据所述一个或者多个聚类集合中包括的所述目标对象,确定所述一个或者多个聚类集合中、各个聚类集合分别对应的其它车辆的朝向信息,包括:
当第一聚类集合中包括第一车头和第一车身,则将世界坐标系中的第一点和第二点的连线与所述世界坐标系水平轴的夹角,确定为所述第一聚类集合对应的其它车辆的朝向信息;
其中,所述第一点为所述第一车头中车轮与路面的交点,所述第二点为所述第一车身中车轮与路面的交点;
或者,
当第一聚类集合中包括第一车尾和第一车身,则将世界坐标系中的第三点和第四点的连线与所述世界坐标系水平轴的夹角,确定为所述第一聚类集合对应的其它车辆的朝向信息;
其中,所述第三点为所述第一车尾中车轮与路面的交点,所述第四点为所述第一车身中车轮与路面的交点。
第二方面,本申请实施例提供了一种确定车辆朝向信息的装置,所述装置包括:
获取单元,用于获取对图像进行分析得到的分析结果,所述图像为目标车辆上的摄像头拍摄的包括其它车辆的图像,所述分析结果指示所述图像中的目标对象在图像坐标系中的坐标,所述目标对象包括:车头、车尾和车身中的任意一项或者组合;
第一确定单元,用于确定所述目标对象在世界坐标系中的坐标;
聚类单元,用于根据所述目标对象在世界坐标系中的坐标进行聚类计算,得到一个或者多个聚类集合,一个聚类集合中的所述目标对象对应所述图像中的一个所述其它车辆;
第二确定单元,用于根据所述一个或者多个聚类集合中包括的所述目标对象,确定所述一个或者多个聚类集合中、各个聚类集合分别对应的其它车辆的朝向信息。
可选的,所述分析结果,还指示所述目标对象对应的车辆类型;所述聚类单元,具体用于:
根据所述目标对象在世界坐标系中的坐标,计算第一车头和第一车身之间的第一距离;若所述第一距离与第一距离阈值吻合,则确定所述第一车头和所述第一车身属于同一聚类集合;所述第一距离阈值,根据所述第一车头或所述第一车身对应的车辆类型确定;所述第一车头和所述第一车身对应的车辆类型相同;和/或,
根据所述目标对象在世界坐标系中的坐标,计算所述第一车头和第一车尾之间的第二距离;若所述第二距离与第二距离阈值吻合,则确定所述第一车头和所述第一车尾属于同一聚类集合;所述第二距离阈值,根据所述第一车头或所述第一车尾对应的车辆类型确定;所述第一车头和所述第一车尾对应的车辆类型相同;和/或,
根据所述目标对象在世界坐标系中的坐标,计算所述第一车身和所述第一车尾之间的第三距离;若所述第三距离与第三距离阈值吻合,则确定所述第一车身和所述第一车尾属于同一聚类集合;所述第三距离阈值,根据所述第一车身或所述第一车尾对应的车辆类型确定;所述第一车身和所述第一车尾对应的车辆类型相同。
可选的,所述其它车辆的朝向信息,包括:
所述其它车辆与所述目标车辆之间的相对方向;
或者,
所述其它车辆的朝向与世界坐标系水平轴的夹角。
可选的,所述第二确定单元,具体用于:
若第一聚类集合中仅包括第一车头,则确定所述第一聚类集合对应的其它车辆的朝向信息为:与目标车辆的方向相反;
或者,
若第一聚类集合中仅包括第一车尾,则确定所述第一聚类集合对应的其它车辆的朝向信息为:与目标车辆的方向相同;
或者,
若第一聚类集合中仅包括第一车身,则确定所述第一聚类集合对应的其它车辆的朝向信息为:与目标车辆的方向垂直。
可选的,目标对象在图像坐标系中的坐标,包括车轮与路面的交点在所述图像坐标系中的坐标;所述第二确定单元,具体用于:
当第一聚类集合中包括第一车头和第一车身,则将世界坐标系中的第一点和第二点的连线与所述世界坐标系水平轴的夹角,确定为所述第一聚类集合对应的其它车辆的朝向信息;
其中,所述第一点为所述第一车头中车轮与路面的交点,所述第二点为所述第一车身中车轮与路面的交点;
或者,
当第一聚类集合中包括第一车尾和第一车身,则将世界坐标系中的第三点和第四点的连线与所述世界坐标系水平轴的夹角,确定为所述第一聚类集合对应的其它车辆的朝向信息;
其中,所述第三点为所述第一车尾中车轮与路面的交点,所述第四点为所述第一车身中车轮与路面的交点。
第三方面,本申请实施例提供了一种确定车辆朝向信息的设备,包括:处理器、存储器、***总线;
所述处理器以及所述存储器通过所述***总线相连;
所述存储器用于存储一个或多个程序,所述一个或多个程序包括指令,所述指令当被所述处理器执行时使所述处理器执行以上第一方面任一项所述的方法。
第四方面,本申请实施例提供了一种计算机可读存储介质,所述计算机可读存储介质中存储有指令,当所述指令在电子设备上运行时,使得电子设备执行以上第一方面任一项所述的方法。
与现有技术相比,本申请实施例具有以下优点:
本申请实施例提供了一种确定车辆朝向信息的方法,对于目标车辆而言,可以利用目标车辆上的摄像头拍摄的包括其它车辆的图像,确定其它车辆的朝向信息。具体地,可以获取对前述图像进行分析得到的分析结果,该分析结果指示所述图像中的目标对象在图像坐标系中的坐标,所述目标对象包括:车头、车尾和车身中的任意一项或者组合。得到分析结果之后,可以进一步根据目标对象在图像坐标系中的坐标,确定所述目标对象在世界坐标系中的坐标。而后,考虑到所述图像中可能包括一个或者多个其它车辆,因此,在本申请实施例中,可以根据所述目标对象在世界坐标系中的坐标进行聚类计算,得到一个或者多个聚类集合,一个聚类集合中的目标对象对应所述图像中的一个所述其它车辆。换言之,可以通过聚类算法将属于同一其它车辆的目标对象归为一个聚类集合,而后,对于一个聚类集合而言,可以根据该聚类集合中包括的目标对象,确定该聚类集合对应的其它车辆的朝向信息。由此可见,利用本申请实施例提供的方案,可以确定出道路上其它车辆的朝向信息。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请中记载的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本申请实施例提供的一种确定车辆朝向信息的方法的流程示意图;
图2为本申请实施例提供的一种确定车辆朝向信息的装置的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
本申请的发明人经过研究发现,道路上其它车辆的朝向信息,是一个比较重要的信息。其它车辆的朝向信息,对于确定目标车辆的行驶方向和/或行驶速度尤为重要。因此,急需一种方案,能够准确的确定出道路上其它车辆的朝向信息。
下面结合附图,详细说明本申请的各种非限制性实施方式。
示例性方法
参见图1,该图为本申请实施例提供的一种确定车辆朝向信息的方法的流程示意图。
本申请实施例提供的确定车辆朝向信息的方法,例如可以由控制器执行,该控制器例如可以为前述目标车辆上的控制器。当然,所述方法也可以由服务器执行,本申请实施例不做具体限定。
本申请实施例提供的确定车辆朝向信息的方法,例如可以通过以下步骤S101-S104实现。
S101:获取对图像进行分析得到的分析结果。
在本申请实施例中,所述图像为目标车辆上的摄像头拍摄的包括其它车辆的图像。其中,所述目标车辆,例如可以为配置了自动驾驶***或辅助驾驶***的车辆。所述车辆上的摄像头例如可以为安装在车辆的车头部分的摄像头,可以理解的是,当目标车辆在道路上行驶时,可以拍摄到在该摄像头的拍摄视野范围内的其它车辆。本申请实施例不具体限定该摄像头,作为一种示例,考虑到单目摄像头的成本比较低,所述摄像头可以为单目摄像头。当然,该摄像头也可以为双目摄像头,本申请实施例不做具体限定。
在本申请实施例中,例如可以通过机器学习对图像进行分析,以得到所述分析结果。所述机器学习模型可以是预先训练得到的,该机器学习模型可以用于识别图像中的目标对象,并输出目标对象在该图像对应的图像坐标系中的坐标。其中,目标对象包括车头、车尾和车身中的任意一项或者组合。
可以理解的是,在实际应用中,所述目标对象会占据所述图像中的一个区域。前述机器学习模型在输出所述目标对象在图像坐标系中的坐标时,可以输出该区域中多个边界点的坐标。在本申请实施例中,所述目标对象所占据的区域可以为矩形区域,机器学习模型所输出的目标对象在图像坐标系中的坐标,例如可以包括该矩阵区域的四个顶点在所述图像坐标系中的坐标。
本申请实施例不具体限定所述机器学习模型,所述机器学习模型,可以为卷积神经网络(Convolutional Neural Networks,CNN)模型,也可以为深度神经网络(DeepNeural Networks,DNN)模型,还可以为其它神经网络模型,此处不一一列举说明。
S102:确定所述目标对象在世界坐标系中的坐标。
在本申请实施例中,确定目标对象在图像坐标系中的坐标之后,可以根据所述摄像头的内参矩阵和外参矩阵,将所述目标对象在图像坐标系中的坐标,转换成在世界坐标系中的坐标。
关于将图像坐标系中的坐标转换成世界坐标系中的坐标的具体实现,其为经典的坐标系转换算法,此处不再详述。
S103:根据所述目标对象在世界坐标系中的坐标进行聚类计算,得到一个或者多个聚类集合,一个聚类集合中的目标对象对应所述图像中的一个所述其它车辆。
在本申请实施例中,考虑到所述图像中可能包括一个或者多个其它车辆,因此,在本申请实施例中,确定所述目标对象在世界坐标系中的坐标之后,可以通过聚类算法,将属于同一个其它车辆上的目标对象聚成一类。即一个聚类集合中包括的目标对象,对应一个其它车辆。举例说明,所述图像中包括10个其它车辆,则利用聚类算法可以得到10个聚类集合,一个聚类集合对应一个其它车辆,一个聚类集合中包括该聚类集合对应的其它车辆上的目标对象。
本申请实施例不具体限定所述聚类算法,该聚类算法例如可以为经典的聚类算法,例如k-means聚类算法等。
S104:根据所述一个或者多个聚类集合中包括的所述目标对象,确定所述一个或者多个聚类集合中、各个聚类集合分别对应的其它车辆的朝向信息。
在本申请实施例中,确定一个或者多个聚类集合之后,可以根据一个或者多个聚类集合中所包括的目标对象,确定与所述一个或者多个聚类集合中、各个聚类集合分别对应的其它车辆的朝向信息。
需要说明的是,本申请实施例中提及的其它车辆的朝向信息,可以为所述其它车辆与目标车辆之间的相对方向,也可以为其它车辆与世界坐标系水平轴(即X轴)的夹角。关于该世界坐标系的建立方式,本申请实施例不做具体限定,作为一种实例,例如可以将所述其它车辆所处的位置作为世界坐标系的原点建立世界坐标系,关于世界坐标系三个坐标轴方向的确定方式,可以根据实际情况确定,本申请实施例不做具体限定。例如,世界坐标系的X轴可以为目标车辆所在道路的水平方向,世界坐标系的Z轴为重力方向,世界坐标轴的Y轴为与X轴和Z轴均垂直。
通过以上描述可知,利用本申请实施例提供的方案,可以确定出道路上其它车辆的朝向信息。
相应的,可以进一步根据其他车辆的朝向信息,调整目标车辆的行驶速度和/或行驶方向等行驶参数。
以上对本申请实施例提供的确定车辆朝向信息的方法进行了介绍,以下对前述步骤S103的具体实现方式进行介绍。
在本申请实施例的一种实现方式中,考虑到在实际应用中,车辆的尺寸(包括车头与车身之间的距离、车头与车尾之间的距离、以及车身与车尾之间的距离)与车辆型号具备一定的关系。例如,大卡车的尺寸与小汽车的尺寸是不同的。因此,在本申请实施例中,可以通过计算车头与车身之间的距离、车尾与车身之间的距离、以及车头与车尾之间的距离的方式,来将属于同一其它车辆的目标对象聚为一类。
需要说明的是,此处提及的车辆类型,可以用于确定所述其它车辆的尺寸,该车辆类型除了前述提及的大卡车、小汽车之外,还可以包括货车、客运汽车等等,此处不一一列举说明。
为方便描述,将执行S101得到的任意一个车头,称为第一车头;将执行S101得到的任意一个车尾,称为第一车尾;将执行S101得到的任意一个车身,称为第一车身。
在本申请实施例中,所述机器学习模型除了输出所述目标对象在图像坐标系中的坐标之外,还可以输出该目标对象对应的车辆类型。相应的,前述S103可以通过如下方式实现:
根据所述目标对象在世界坐标系中的坐标,计算第一车头和第一车身之间的第一距离;若所述第一距离与第一距离阈值吻合,则确定所述第一车头和所述第一车身属于同一聚类集合;所述第一距离阈值,根据所述第一车头或所述第一车身对应的车辆类型确定;所述第一车头和所述第一车身对应的车辆类型相同;和/或,
根据所述目标对象在世界坐标系中的坐标,计算所述第一车头和第一车尾之间的第二距离;若所述第二距离与第二距离阈值吻合,则确定所述第一车头和所述第一车尾属于同一聚类集合;所述第二距离阈值,根据所述第一车头或所述第一车尾对应的车辆类型确定;所述第一车头和所述第一车尾对应的车辆类型相同;和/或,
根据所述目标对象在世界坐标系中的坐标,计算所述第一车身和所述第一车尾之间的第三距离;若所述第三距离与第三距离阈值吻合,则确定所述第一车身和所述第一车尾属于同一聚类集合;所述第三距离阈值,根据所述第一车身或所述第一车尾对应的车辆类型确定;所述第一车身和所述第一车尾对应的车辆类型相同。
需要说明的是,若属于同一车辆类型的目标对象,仅包括第一车头和第一车身,则只需要计算前述第一距离,并确定所述第一距离是否与第一距离阈值相吻合,若吻合,则表示第一车头和第一车身属于同一车辆,故而可以将所述第一车头和第一车身聚为一类。
若属于同一车辆类型的目标对象,仅包括第一车头和第一车尾,则只需要计算前述第二距离,并确定所述第二距离是否与第二距离阈值相吻合,若吻合,则表示第一车头和第一车尾属于同一车辆,故而可以将所述第一车头和第一车尾聚为一类。
若属于同一车辆类型的目标对象,仅包括第一车身和第一车尾,则只需要计算前述第三距离,并确定所述第三距离是否与第三距离阈值相吻合,若吻合,则表示第一车身和第一车尾属于同一车辆,故而可以将所述第一车身和第一车尾聚为一类。
若属于同一车辆类型的目标对象,包括第一车头、第一车身和第一车尾,则可以计算前述第一距离、第二距离和第三距离中的任意两个或者全部,进一步地,确定第一车头、第一车身以及第一车尾是否属于同一车辆,即确定第一车头、第一车身和第一车尾是否属于同一个聚类集合。
需要说明的是,本申请实施例不具体限定计算所述第一距离的具体实现方式。如前文所述,在本申请实施例中,机器学习模型所输出的目标对象在图像坐标系中的坐标,例如可以包括该矩阵区域的四个顶点在所述图像坐标系中的坐标。
鉴于此,在本申请实施例中,例如可以将第一车头对应的矩形区域的第一顶点在实际坐标系中的坐标、与第一车身对应的矩形区域的第一顶点在实际坐标系中的坐标之间的距离,作为所述第一距离。当然,也可以将第一车头对应的矩形区域的中心点在世界坐标系中的坐标、与第一车身对应的矩形区域的中心点在世界坐标系中的坐标之间的距离,作为所述第一距离。类似的,在本申请实施例中,在计算所述第二距离时,例如可以将第一车头对应的矩形区域的第一顶点在实际坐标系中的坐标、与第一车尾对应的矩形区域的第一顶点在实际坐标系中的坐标之间的距离,作为所述第二距离。当然,也可以将第一车头对应的矩形区域的中心点在世界坐标系中的坐标、与第一车尾对应的矩形区域的中心点在世界坐标系中的坐标之间的距离,作为所述第二距离。
类似的,在本申请实施例中,在计算所述第三距离时,例如可以将第一车身对应的矩形区域的第一顶点在实际坐标系中的坐标、与第一车尾对应的矩形区域的第一顶点在实际坐标系中的坐标之间的距离,作为所述第三距离。当然,也可以将第一车身对应的矩形区域的中心点在世界坐标系中的坐标、与第一车尾对应的矩形区域的中心点在世界坐标系中的坐标之间的距离,作为所述第三距离。
需要说明的是,关于前述第一距离阈值、第二距离阈值和第三距离阈值的确定方式,例如可以预先建立车辆类型与距离阈值之间的映射关系,并根据该映射关系,确定与具体车辆类型对应的第一距离阈值、第二距离阈值以及第三距离阈值。
以上对S103的具体实现方式进行了介绍,接下来介绍S104的具体实现方式。
如上文,在申请实施例中,所述其它车辆的朝向信息,包括:所述其它车辆与所述目标车辆之间的相对方向;或者,所述其它车辆的朝向与世界坐标系水平轴的夹角。
以下分别介绍确定其它车辆与目标车辆之间的相对方向、以及确定其它车辆的朝向与世界坐标系水平轴的夹角的具体实现方式。
为方便描述,在本申请实施例的以下描述中,将执行S103得到的任意一个聚类集合,称为“第一聚类集合”。
在本申请实施例中,考虑到在实际应用中,若其它车辆与目标车辆的行驶方向相反,例如其它车辆与目标车辆相向而行,则所述目标车辆上的摄像头则可能仅能拍摄到该其它车辆的车头。鉴于此,在本申请实施例的一种实现方式中,若第一聚类集合中仅包括第一车头,则确定所述第一聚类集合对应的其它车辆的朝向信息为:与目标车辆的方向相反。
若其它车辆与目标车辆的行驶方向相同,例如其它车辆在目标车辆前方行驶,则所述目标车辆上的摄像头则可能仅能拍摄到该其它车辆的车尾。鉴于此,在本申请实施例的一种实现方式中,若第一聚类集合中仅包括第一车尾,则确定所述第一聚类集合对应的其它车辆的朝向信息为:与目标车辆的方向相同。
若其它车辆与目标车辆的行驶方向垂直,例如在十字路口,目标车辆在第一车道上行驶,其它车辆在于第一车道垂直的第二车道上行驶,则所述目标车辆上的摄像头则可能仅能拍摄到该其它车辆的车身。鉴于此,在本申请实施例的一种实现方式中,若第一聚类集合中仅包括第一车身,则确定所述第一聚类集合对应的其它车辆的朝向信息为:与目标车辆的方向垂直。
在本申请实施例中,当其它车辆与目标车辆之间的相对方向,不是如前所述的简单的“相同”、“相反”、以及“垂直”时,采用所述其它车辆的朝向与世界坐标系水平轴的夹角,来表示所述其它车辆的朝向信息。
具体地,在本申请实施例中,所述机器学习模型输出的目标对象在图像坐标系中的坐标,包括车轮与路面的交点在所述图像坐标系中的坐标。换言之,前述矩形区域的顶点,可以包括车轮与路面的交点。可以理解的是,对于这种情况,S102在计算目标对象在世界坐标系中的坐标时,也计算了车轮与路面的交点在世界坐标系中的坐标。
可以理解的是,当其它车辆与目标车辆之间的相对方向,不是如前所述的简单的“相同”、“相反”、以及“垂直”时,表示所述第一聚类集合中,至少包括第一车头和第一车身、或者至少包括第一车尾和第一车身。
在本申请实施例中当第一聚类集合中包括第一车头和第一车身,则将世界坐标系中的第一点和第二点的连线与所述世界坐标系水平轴的夹角,确定为所述第一聚类集合对应的其它车辆的朝向信息。其中,所述第一点为所述第一车头中车轮与路面的交点,所述第二点为所述第一车身中车轮与路面的交点。
或者,
当第一聚类集合中包括第一车尾和第一车身,则将世界坐标系中的第三点和第四点的连线与所述世界坐标系水平轴的夹角,确定为所述第一聚类集合对应的其它车辆的朝向信息;其中,所述第三点为所述第一车尾中车轮与路面的交点,所述第四点为所述第一车身中车轮与路面的交点。
换言之,在本申请实施例中,在确定第一聚类集合对应的其它车辆的朝向信息时,是将第一聚类集合对应的其它车辆的前车轮和后车轮的连线、与世界坐标系X轴的夹角,确定为所述第一聚类集合对应的其它车辆的朝向信息。
关于计算“前车轮和后车轮的连线”以及“世界坐标系X轴”之间的夹角的具体实现方式,例如可以确定所述“前车轮和后车轮的连线”对应的第一向量,并确定“世界坐标系X轴”对应的第二向量,并利用向量间夹角的计算公式,计算所述第一向量和第二向量的夹角,从而得到所述“前车轮和后车轮的连线”以及“世界坐标系X轴”之间的夹角。当然,“前车轮和后车轮的连线”以及“世界坐标系X轴”之间的夹角也可以采用其它传统的夹角计算方式来计算,此处不一一列举说明。
示例性设备
基于以上实施例提供的方法,本申请实施例还提供了一种确定车辆朝向信息的装置,以下结合附图介绍该装置。
参见图2,该图为本申请实施例提供的一种确定车辆朝向信息的装置的结构示意图。
图2所示的确定车辆朝向信息的装置200,例如可以包括:获取单元201、第一确定单元202、聚类单元203和第二确定单元204。
获取单元201,用于获取对图像进行分析得到的分析结果,所述图像为目标车辆上的摄像头拍摄的包括其它车辆的图像,所述分析结果指示所述图像中的目标对象在图像坐标系中的坐标,所述目标对象包括:车头、车尾和车身中的任意一项或者组合;
第一确定单元202,用于确定所述目标对象在世界坐标系中的坐标;
聚类单元203,用于根据所述目标对象在世界坐标系中的坐标进行聚类计算,得到一个或者多个聚类集合,一个聚类集合中的所述目标对象对应所述图像中的一个所述其它车辆;
第二确定单元204,用于根据所述一个或者多个聚类集合中包括的所述目标对象,确定所述一个或者多个聚类集合中、各个聚类集合分别对应的其它车辆的朝向信息。
可选的,所述分析结果,还指示所述目标对象对应的车辆类型;所述聚类单元203,具体用于:
根据所述目标对象在世界坐标系中的坐标,计算第一车头和第一车身之间的第一距离;若所述第一距离与第一距离阈值吻合,则确定所述第一车头和所述第一车身属于同一聚类集合;所述第一距离阈值,根据所述第一车头或所述第一车身对应的车辆类型确定;所述第一车头和所述第一车身对应的车辆类型相同;和/或,
根据所述目标对象在世界坐标系中的坐标,计算所述第一车头和第一车尾之间的第二距离;若所述第二距离与第二距离阈值吻合,则确定所述第一车头和所述第一车尾属于同一聚类集合;所述第二距离阈值,根据所述第一车头或所述第一车尾对应的车辆类型确定;所述第一车头和所述第一车尾对应的车辆类型相同;和/或,
根据所述目标对象在世界坐标系中的坐标,计算所述第一车身和所述第一车尾之间的第三距离;若所述第三距离与第三距离阈值吻合,则确定所述第一车身和所述第一车尾属于同一聚类集合;所述第三距离阈值,根据所述第一车身或所述第一车尾对应的车辆类型确定;所述第一车身和所述第一车尾对应的车辆类型相同。
可选的,所述其它车辆的朝向信息,包括:
所述其它车辆与所述目标车辆之间的相对方向;
或者,
所述其它车辆的朝向与世界坐标系水平轴的夹角。
可选的,所述第二确定单元204,具体用于:
若第一聚类集合中仅包括第一车头,则确定所述第一聚类集合对应的其它车辆的朝向信息为:与目标车辆的方向相反;
或者,
若第一聚类集合中仅包括第一车尾,则确定所述第一聚类集合对应的其它车辆的朝向信息为:与目标车辆的方向相同;
或者,
若第一聚类集合中仅包括第一车身,则确定所述第一聚类集合对应的其它车辆的朝向信息为:与目标车辆的方向垂直。
可选的,目标对象在图像坐标系中的坐标,包括车轮与路面的交点在所述图像坐标系中的坐标;所述第二确定单元204,具体用于:
当第一聚类集合中包括第一车头和第一车身,则将世界坐标系中的第一点和第二点的连线与所述世界坐标系水平轴的夹角,确定为所述第一聚类集合对应的其它车辆的朝向信息;
其中,所述第一点为所述第一车头中车轮与路面的交点,所述第二点为所述第一车身中车轮与路面的交点;
或者,
当第一聚类集合中包括第一车尾和第一车身,则将世界坐标系中的第三点和第四点的连线与所述世界坐标系水平轴的夹角,确定为所述第一聚类集合对应的其它车辆的朝向信息;
其中,所述第三点为所述第一车尾中车轮与路面的交点,所述第四点为所述第一车身中车轮与路面的交点。
由于所述装置200是与以上方法实施例提供的方法对应的装置,所述装置200的各个单元的具体实现,均与以上方法实施例为同一构思,因此,关于所述装置200的各个单元的具体实现,可以参考以上方法实施例的描述部分,此处不再赘述。
本申请实施例还提供了一种确定车辆朝向信息的设备,包括:处理器、存储器、***总线;
所述处理器以及所述存储器通过所述***总线相连;
所述存储器用于存储一个或多个程序,所述一个或多个程序包括指令,所述指令当被所述处理器执行时使所述处理器执行以上方法实施例任一项所述的方法。
本申请实施例还提供了一种计算机可读存储介质,所述计算机可读存储介质中存储有指令,当所述指令在电子设备上运行时,使得电子设备执行以上方法实施例任一项所述的方法。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本申请的其它实施方案。本申请旨在涵盖本申请的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本申请的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本申请的真正范围和精神由下面的权利要求指出。
应当理解的是,本申请并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本申请的范围仅由所附的权利要求来限制
以上所述仅为本申请的较佳实施例,并不用以限制本申请,凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (10)
1.一种确定车辆朝向信息的方法,其特征在于,所述方法包括:
获取对图像进行分析得到的分析结果,所述图像为目标车辆上的摄像头拍摄的包括其它车辆的图像,所述分析结果指示所述图像中的目标对象在图像坐标系中的坐标,所述目标对象包括:车头、车尾和车身中的任意一项或者组合;
确定所述目标对象在世界坐标系中的坐标;
根据所述目标对象在世界坐标系中的坐标进行聚类计算,得到一个或者多个聚类集合,一个聚类集合中的所述目标对象对应所述图像中的一个所述其它车辆;
根据所述一个或者多个聚类集合中包括的所述目标对象,确定所述一个或者多个聚类集合中、各个聚类集合分别对应的其它车辆的朝向信息;
所述分析结果,还指示所述目标对象对应的车辆类型;所述根据所述目标对象在世界坐标系中的坐标进行聚类计算,得到一个或者多个聚类集合,包括:
根据所述目标对象在世界坐标系中的坐标,计算第一车头和第一车身之间的第一距离;若所述第一距离与第一距离阈值吻合,则确定所述第一车头和所述第一车身属于同一聚类集合;所述第一距离阈值,根据所述第一车头或所述第一车身对应的车辆类型确定;所述第一车头和所述第一车身对应的车辆类型相同;和/或,
根据所述目标对象在世界坐标系中的坐标,计算所述第一车头和第一车尾之间的第二距离;若所述第二距离与第二距离阈值吻合,则确定所述第一车头和所述第一车尾属于同一聚类集合;所述第二距离阈值,根据所述第一车头或所述第一车尾对应的车辆类型确定;所述第一车头和所述第一车尾对应的车辆类型相同;和/或,
根据所述目标对象在世界坐标系中的坐标,计算所述第一车身和所述第一车尾之间的第三距离;若所述第三距离与第三距离阈值吻合,则确定所述第一车身和所述第一车尾属于同一聚类集合;所述第三距离阈值,根据所述第一车身或所述第一车尾对应的车辆类型确定;所述第一车身和所述第一车尾对应的车辆类型相同。
2.根据权利要求1所述的方法,其特征在于,所述其它车辆的朝向信息,包括:
所述其它车辆与所述目标车辆之间的相对方向;
或者,
所述其它车辆的朝向与世界坐标系水平轴的夹角。
3.根据权利要求2所述的方法,其特征在于,所述根据所述一个或者多个聚类集合中包括的所述目标对象,确定所述一个或者多个聚类集合中、各个聚类集合分别对应的其它车辆的朝向信息,包括:
若第一聚类集合中仅包括第一车头,则确定所述第一聚类集合对应的其它车辆的朝向信息为:与目标车辆的方向相反;
或者,
若第一聚类集合中仅包括第一车尾,则确定所述第一聚类集合对应的其它车辆的朝向信息为:与目标车辆的方向相同;
或者,
若第一聚类集合中仅包括第一车身,则确定所述第一聚类集合对应的其它车辆的朝向信息为:与目标车辆的方向垂直。
4.根据权利要求2所述的方法,其特征在于,目标对象在图像坐标系中的坐标,包括车轮与路面的交点在所述图像坐标系中的坐标;所述根据所述一个或者多个聚类集合中包括的所述目标对象,确定所述一个或者多个聚类集合中、各个聚类集合分别对应的其它车辆的朝向信息,包括:
当第一聚类集合中包括第一车头和第一车身,则将世界坐标系中的第一点和第二点的连线与所述世界坐标系水平轴的夹角,确定为所述第一聚类集合对应的其它车辆的朝向信息;
其中,所述第一点为所述第一车头中车轮与路面的交点,所述第二点为所述第一车身中车轮与路面的交点;
或者,
当第一聚类集合中包括第一车尾和第一车身,则将世界坐标系中的第三点和第四点的连线与所述世界坐标系水平轴的夹角,确定为所述第一聚类集合对应的其它车辆的朝向信息;
其中,所述第三点为所述第一车尾中车轮与路面的交点,所述第四点为所述第一车身中车轮与路面的交点。
5.一种确定车辆朝向信息的装置,其特征在于,所述装置包括:
获取单元,用于获取对图像进行分析得到的分析结果,所述图像为目标车辆上的摄像头拍摄的包括其它车辆的图像,所述分析结果指示所述图像中的目标对象在图像坐标系中的坐标,所述目标对象包括:车头、车尾和车身中的任意一项或者组合;
第一确定单元,用于确定所述目标对象在世界坐标系中的坐标;
聚类单元,用于根据所述目标对象在世界坐标系中的坐标进行聚类计算,得到一个或者多个聚类集合,一个聚类集合中的所述目标对象对应所述图像中的一个所述其它车辆;
第二确定单元,用于根据所述一个或者多个聚类集合中包括的所述目标对象,确定所述一个或者多个聚类集合中、各个聚类集合分别对应的其它车辆的朝向信息;
所述分析结果,还指示所述目标对象对应的车辆类型;所述聚类单元,具体用于:
根据所述目标对象在世界坐标系中的坐标,计算第一车头和第一车身之间的第一距离;若所述第一距离与第一距离阈值吻合,则确定所述第一车头和所述第一车身属于同一聚类集合;所述第一距离阈值,根据所述第一车头或所述第一车身对应的车辆类型确定;所述第一车头和所述第一车身对应的车辆类型相同;和/或,
根据所述目标对象在世界坐标系中的坐标,计算所述第一车头和第一车尾之间的第二距离;若所述第二距离与第二距离阈值吻合,则确定所述第一车头和所述第一车尾属于同一聚类集合;所述第二距离阈值,根据所述第一车头或所述第一车尾对应的车辆类型确定;所述第一车头和所述第一车尾对应的车辆类型相同;和/或,
根据所述目标对象在世界坐标系中的坐标,计算所述第一车身和所述第一车尾之间的第三距离;若所述第三距离与第三距离阈值吻合,则确定所述第一车身和所述第一车尾属于同一聚类集合;所述第三距离阈值,根据所述第一车身或所述第一车尾对应的车辆类型确定;所述第一车身和所述第一车尾对应的车辆类型相同。
6.根据权利要求5所述的装置,其特征在于,所述其它车辆的朝向信息,包括:
所述其它车辆与所述目标车辆之间的相对方向;
或者,
所述其它车辆的朝向与世界坐标系水平轴的夹角。
7.根据权利要求6所述的装置,其特征在于,所述第二确定单元,具体用于:
若第一聚类集合中仅包括第一车头,则确定所述第一聚类集合对应的其它车辆的朝向信息为:与目标车辆的方向相反;
或者,
若第一聚类集合中仅包括第一车尾,则确定所述第一聚类集合对应的其它车辆的朝向信息为:与目标车辆的方向相同;
或者,
若第一聚类集合中仅包括第一车身,则确定所述第一聚类集合对应的其它车辆的朝向信息为:与目标车辆的方向垂直。
8.根据权利要求6所述的装置,其特征在于,目标对象在图像坐标系中的坐标,包括车轮与路面的交点在所述图像坐标系中的坐标;所述第二确定单元,具体用于:
当第一聚类集合中包括第一车头和第一车身,则将世界坐标系中的第一点和第二点的连线与所述世界坐标系水平轴的夹角,确定为所述第一聚类集合对应的其它车辆的朝向信息;
其中,所述第一点为所述第一车头中车轮与路面的交点,所述第二点为所述第一车身中车轮与路面的交点;
或者,
当第一聚类集合中包括第一车尾和第一车身,则将世界坐标系中的第三点和第四点的连线与所述世界坐标系水平轴的夹角,确定为所述第一聚类集合对应的其它车辆的朝向信息;
其中,所述第三点为所述第一车尾中车轮与路面的交点,所述第四点为所述第一车身中车轮与路面的交点。
9.一种确定车辆朝向信息的设备,其特征在于,包括:处理器、存储器、***总线;
所述处理器以及所述存储器通过所述***总线相连;
所述存储器用于存储一个或多个程序,所述一个或多个程序包括指令,所述指令当被所述处理器执行时使所述处理器执行权利要求1-4任一项所述的方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质中存储有指令,当所述指令在电子设备上运行时,使得电子设备执行权利要求1-4任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911001022.9A CN110738181B (zh) | 2019-10-21 | 2019-10-21 | 一种确定车辆朝向信息的方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911001022.9A CN110738181B (zh) | 2019-10-21 | 2019-10-21 | 一种确定车辆朝向信息的方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110738181A CN110738181A (zh) | 2020-01-31 |
CN110738181B true CN110738181B (zh) | 2022-08-05 |
Family
ID=69270215
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911001022.9A Active CN110738181B (zh) | 2019-10-21 | 2019-10-21 | 一种确定车辆朝向信息的方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110738181B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111595253B (zh) * | 2020-05-13 | 2022-08-16 | 北京三快在线科技有限公司 | 车辆与车道线的距离确定方法、装置、设备及存储介质 |
CN112289040B (zh) * | 2020-11-25 | 2022-08-19 | 浙江大华技术股份有限公司 | 一种车辆行驶方向识别的方法、装置及存储介质 |
CN112507862B (zh) * | 2020-12-04 | 2023-05-26 | 东风汽车集团有限公司 | 基于多任务卷积神经网络的车辆朝向检测方法及*** |
CN112861683A (zh) * | 2021-01-29 | 2021-05-28 | 上海商汤临港智能科技有限公司 | 一种行驶朝向检测方法、装置、计算机设备及存储介质 |
CN114863388A (zh) * | 2022-04-02 | 2022-08-05 | 合众新能源汽车有限公司 | 障碍物朝向的确定方法、装置、***、设备、介质及产品 |
CN115817463B (zh) * | 2023-02-23 | 2023-05-26 | 禾多科技(北京)有限公司 | 车辆避障方法、装置、电子设备和计算机可读介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104680795A (zh) * | 2015-02-28 | 2015-06-03 | 武汉烽火众智数字技术有限责任公司 | 一种基于局部区域特征的车型识别方法和装置 |
CN108388871A (zh) * | 2018-02-28 | 2018-08-10 | 中国计量大学 | 一种基于车身回归的车辆检测方法 |
CN109461308A (zh) * | 2018-11-22 | 2019-03-12 | 东软睿驰汽车技术(沈阳)有限公司 | 一种信息过滤方法及图像处理服务器 |
CN109815812A (zh) * | 2018-12-21 | 2019-05-28 | 辽宁石油化工大学 | 一种基于水平边缘信息累积的车辆下底边定位方法 |
CN109827516A (zh) * | 2019-03-19 | 2019-05-31 | 魔视智能科技(上海)有限公司 | 一种通过车轮来测量距离的方法 |
CN110084230A (zh) * | 2019-04-11 | 2019-08-02 | 北京百度网讯科技有限公司 | 基于图像的车身方向检测方法和装置 |
CN110232300A (zh) * | 2018-03-05 | 2019-09-13 | 上海汽车集团股份有限公司 | 一种旁车道车辆换道意图识别方法及*** |
-
2019
- 2019-10-21 CN CN201911001022.9A patent/CN110738181B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104680795A (zh) * | 2015-02-28 | 2015-06-03 | 武汉烽火众智数字技术有限责任公司 | 一种基于局部区域特征的车型识别方法和装置 |
CN108388871A (zh) * | 2018-02-28 | 2018-08-10 | 中国计量大学 | 一种基于车身回归的车辆检测方法 |
CN110232300A (zh) * | 2018-03-05 | 2019-09-13 | 上海汽车集团股份有限公司 | 一种旁车道车辆换道意图识别方法及*** |
CN109461308A (zh) * | 2018-11-22 | 2019-03-12 | 东软睿驰汽车技术(沈阳)有限公司 | 一种信息过滤方法及图像处理服务器 |
CN109815812A (zh) * | 2018-12-21 | 2019-05-28 | 辽宁石油化工大学 | 一种基于水平边缘信息累积的车辆下底边定位方法 |
CN109827516A (zh) * | 2019-03-19 | 2019-05-31 | 魔视智能科技(上海)有限公司 | 一种通过车轮来测量距离的方法 |
CN110084230A (zh) * | 2019-04-11 | 2019-08-02 | 北京百度网讯科技有限公司 | 基于图像的车身方向检测方法和装置 |
Non-Patent Citations (2)
Title |
---|
A Novel Approach of Extracting Traffic Parameters by Using Video Features;Yuan Zhang et al.;《2013 Ninth International Conference on Intelligent Information Hiding and Multimedia Signal Processing》;20140708;全文 * |
辅助驾驶中的换道决策安全研究;王建群 等;《安全与环境学报》;20170625;第17卷(第3期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN110738181A (zh) | 2020-01-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110738181B (zh) | 一种确定车辆朝向信息的方法及装置 | |
CN111309013B (zh) | 一种碰撞距离确定方法及***、车辆、存储介质 | |
JP6473571B2 (ja) | Ttc計測装置およびttc計測プログラム | |
CA2987373C (en) | Position estimation device and position estimation method | |
CN110745140B (zh) | 一种基于连续图像约束位姿估计的车辆换道预警方法 | |
JP6350374B2 (ja) | 路面検出装置 | |
US9096233B2 (en) | Visual confirmation evaluating apparatus and method | |
US10733889B2 (en) | Method and device for parking assistance | |
CN110969064B (zh) | 一种基于单目视觉的图像检测方法、装置及存储设备 | |
CN113792566A (zh) | 一种激光点云的处理方法及相关设备 | |
CN106183979A (zh) | 一种根据车距对车辆进行提醒的方法和装置 | |
CN104902261A (zh) | 用于低清晰度视频流中的路面识别的装置和方法 | |
JP2009176091A (ja) | 物体検出装置 | |
CN111857135A (zh) | 用于车辆的避障方法、装置、电子设备和计算机存储介质 | |
CN111591288B (zh) | 基于距离变换图的碰撞检测方法及装置 | |
JP2018092596A (ja) | 情報処理装置、撮像装置、機器制御システム、移動体、情報処理方法、およびプログラム | |
CN114693540A (zh) | 一种图像处理方法、装置以及智能汽车 | |
CN113887276A (zh) | 基于图像的前向主目标检测方法 | |
WO2019123582A1 (ja) | 物体情報生成装置及び物体情報生成プログラム | |
CN111210411B (zh) | 图像中灭点的检测方法、检测模型训练方法和电子设备 | |
JP5832850B2 (ja) | 車線監視システム及び車線監視方法 | |
US20230245323A1 (en) | Object tracking device, object tracking method, and storage medium | |
CN110727269A (zh) | 车辆控制方法及相关产品 | |
KR20220064407A (ko) | 온보드 클러스터 트래킹 시스템 | |
CN113160550A (zh) | 涉及交叉路口的自动驾驶场景的传感器覆盖范围分析 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |