CN110991232B - 一种车辆位置修正方法及***、存储介质及终端 - Google Patents
一种车辆位置修正方法及***、存储介质及终端 Download PDFInfo
- Publication number
- CN110991232B CN110991232B CN201911031126.4A CN201911031126A CN110991232B CN 110991232 B CN110991232 B CN 110991232B CN 201911031126 A CN201911031126 A CN 201911031126A CN 110991232 B CN110991232 B CN 110991232B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- wheel
- length
- coordinate system
- category
- 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
- 238000012937 correction Methods 0.000 title claims abstract description 40
- 238000000034 method Methods 0.000 title claims abstract description 31
- 238000001514 detection method Methods 0.000 claims abstract description 37
- 239000000725 suspension Substances 0.000 claims description 34
- 238000004590 computer program Methods 0.000 claims description 9
- 238000006243 chemical reaction Methods 0.000 claims description 8
- 238000013135 deep learning Methods 0.000 claims description 8
- 235000008429 bread Nutrition 0.000 claims description 2
- 230000000452 restraining effect Effects 0.000 abstract description 3
- 238000012545 processing Methods 0.000 description 14
- 238000010586 diagram Methods 0.000 description 9
- 230000003287 optical effect Effects 0.000 description 8
- 102100034112 Alkyldihydroxyacetonephosphate synthase, peroxisomal Human genes 0.000 description 4
- 101000799143 Homo sapiens Alkyldihydroxyacetonephosphate synthase, peroxisomal Proteins 0.000 description 4
- 238000000848 angular dependent Auger electron spectroscopy Methods 0.000 description 4
- 238000013527 convolutional neural network Methods 0.000 description 4
- 238000000605 extraction Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 239000011159 matrix material Substances 0.000 description 4
- 238000003491 array Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 238000013519 translation Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
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
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/24—Aligning, centring, orientation detection or correction of the image
- G06V10/242—Aligning, centring, orientation detection or correction of the image by image rotation, e.g. by 90 degrees
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
-
- 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)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明提供一种车辆位置修正方法及***、存储介质及终端，包括以下步骤：获取车载摄像装置采集的包含有目标车辆的二维图像；对所述二维图像进行图像识别，获取所述目标车辆的车辆类别和车轮类别；获取所述二维图像中所述目标车辆的车轮接地点在相机坐标系下的位置信息；将所述相机坐标系下的位置信息转换为世界坐标系下的位置信息；根据所述车辆类别、所述车轮类别和所述车轮接地点在世界坐标系下的位置信息修正车辆位置。本发明的车辆位置修正方法及***、存储介质及终端通过车轮接地点约束车辆的位置来实现对车辆位置的准确修正，从而提升了车辆的检测精度。
Description
技术领域
本发明涉及图像处理的技术领域，特别是涉及一种车辆位置修正方法及***、存储介质及终端。
背景技术
先进驾驶辅助***(Advanced Driver Assistance System，ADAS)是利用安装于车上的各式各样的传感器，在第一时间收集车内外的环境数据，进行静、动态物体的辨识、侦测与追踪等技术上的处理，从而能够让驾驶者在最快的时间察觉可能发生的危险，以引起注意和提高安全性的主动安全技术。
近年来，ADAS已经被越来越多的用户所接受。通常ADAS通过汽车上安装的广角摄像头采集车身四周的图像，经过算法分析处理，给驾驶员提供包括全景泊车辅助、车道偏离报警、盲区车辆检测、碰撞预测等在内的各种高级辅助驾驶功能，对于提高汽车的主动安全性具有重要的意义。具体地，在车辆泊车过程中，四周车辆的距离和方向等信息有助于当前车辆的安全操控。现有技术中，通过三维车辆检测方法来获取四周车辆的位置信息。然而，该方法的检测精度不高，目标深度、航向角的回归具有一定的难度，且存在回归不准确的问题，从而影响了三维车辆的整体检测精度。
发明内容
鉴于以上所述现有技术的缺点，本发明的目的在于提供一种车辆位置修正方法及***、存储介质及终端，通过车轮接地点约束车辆的位置来实现对车辆位置的准确修正，从而提升了车辆的检测精度。
为实现上述目的及其他相关目的，本发明提供一种车辆位置修正方法，包括以下步骤：获取车载摄像装置采集的包含有目标车辆的二维图像；对所述二维图像进行图像识别，获取所述目标车辆的车辆类别和车轮类别；获取所述二维图像中所述目标车辆的车轮接地点在相机坐标系下的位置信息；将所述相机坐标系下的位置信息转换为世界坐标系下的位置信息；根据所述车辆类别、所述车轮类别和所述车轮接地点在世界坐标系下的位置信息修正车辆位置。
于本发明一实施例中，所述车辆类别包括小汽车、大卡车、公交车和面包车中的一种或多种组合；所述车轮类别包括前左车轮、前右车轮、后左车轮和后右车轮。
于本发明一实施例中，获取所述二维图像中所述目标车辆的车轮接地点在相机坐标系下的位置信息包括以下步骤：
基于深度学习算法获取所述目标车辆在所述二维图像中的车轮检测框；
基于所述车轮检测框获取所述车轮接地点在相机坐标系下的位置信息。
于本发明一实施例中，当所述二维图像中包含有多个车辆时，根据(A∩B)/B的比值判断当前车轮是否属于所述目标车辆，其中A表示所述目标车辆检测框的面积，B表示当前车轮检测框的面积；且当所述比值大于预设阈值时，判定当前车轮属于所述目标车辆。
于本发明一实施例中，根据所述车辆类别、所述车轮类别和所述车轮接地点在世界坐标系下的位置信息修正车辆位置包括以下步骤：
根据所述车辆类别，获取所述目标车辆对应的车辆前悬长度、车辆后悬长度和轮距车宽比；
根据车长＝车辆前悬长度+轴距+车辆后悬长度计算车长，其中轴距为前车轮接地点与后车轮接地点的连线长度；
根据车宽＝轮距*轮距车宽比计算车宽，其中轮距为前车轮接地点之间的连线长度或后车轮接地点之间的连线长度。
于本发明一实施例中，根据所述车辆类别、所述车轮类别和所述车轮接地点在世界坐标系下的位置信息修正车辆位置包括以下步骤：
根据所述车辆类别，获取所述目标车辆对应的车辆前悬长度、车辆后悬长度、轴距、轮距和轮距车宽比；其中轴距为前车轮接地点与后车轮接地点的连线长度，轮距为前车轮接地点之间的连线长度或后车轮接地点之间的连线长度；
根据车辆的航向角，以一个或多个车轮接地点为基准构建车辆位置，其中车长＝车辆前悬长度+轴距+车辆后悬长度，车宽＝轮距*轮距车宽比。
对应地，本发明提供一种车辆位置修正***，包括图像获取模块、图像识别模块、位置获取模块、转换模块和修正模块；
所述图像获取模块用于获取车载摄像装置采集的包含有目标车辆的二维图像；
所述图像识别模块用于对所述二维图像进行图像识别，获取所述目标车辆的车辆类别和车轮类别；
所述位置获取模块用于获取所述二维图像中所述目标车辆的车轮接地点在相机坐标系下的位置信息；
所述转换模块用于将所述相机坐标系下的位置信息转换为世界坐标系下的位置信息；
所述修正模块用于根据所述车辆类别、所述车轮类别和所述车轮接地点在世界坐标系下的位置信息修正车辆位置。
本发明提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述车辆位置修正方法。
本发明提供一种终端，包括处理器及存储器；
所述存储器用于存储计算机程序；
所述处理器用于执行所述存储器存储的计算机程序，以使所述终端设备执行上述车辆位置修正方法。
最后，本发明提供一种车辆位置修正***，包括上述的终端和车载摄像装置；
所述车载摄像装置用于采集包含有目标车辆的二维图像，并发送至所述终端。
如上所述，本发明的车辆位置修正方法及***、存储介质及终端，具有以下有益效果：
(1)通过车轮接地点约束车辆的位置，提升了车辆位置的检测精度；
(2)支持多种车型，实用性强。
附图说明
图1显示为本发明的车辆位置修正方法于一实施例中的流程图；
图2(a)显示为小汽车的车长与各个参数的关系示意图；
图2(b)显示为面包车的车长与各个参数的关系示意图；
图2(c)显示为大卡车车的车长与各个参数的关系示意图；
图2(d)显示为公交车的车长与各个参数的关系示意图；
图3显示为本发明的车辆位置修正方***于一实施例中的结构示意图；
图4显示为本发明的终端于一实施例中的结构示意图；
图5显示为本发明的车辆位置修正***于另一实施例中的结构示意图。
元件标号说明
31 图像获取模块
32 图像识别模块
33 位置获取模块
34 转换模块
35 修正模块
41 处理器
42 存储器
51 终端
52 车载摄像装置
具体实施方式
以下通过特定的具体实例说明本发明的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本发明的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。
需要说明的是，以下实施例中所提供的图示仅以示意方式说明本发明的基本构想，遂图式中仅显示与本发明中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制，其实际实施时各组件的型态、数量及比例可为一种随意的改变，且其组件布局型态也可能更为复杂。
本发明的车辆位置修正方法及***、存储介质及终端通过车轮接地点约束车辆的航向角来实现对车辆航向角的准确修正，有效克服了现有三维车辆检测方法采集车辆航向角精度不高的缺陷，极大地提升了车辆的检测精度，为自动泊车、碰撞预测等智能化辅助驾驶功能提供了信息支持。
如图1所示，于一实施例中，本发明的车辆位置修正方法包括以下步骤：
步骤S1、获取车载摄像装置采集的包含有目标车辆的二维图像。
具体地，车辆上设置有车载摄像装置，能够实时采集车辆四周的二维图像。优选地，所述车载摄像装置采用鱼眼摄像头。鱼眼摄像头可以独立实现大范围无死角监控，也被称为全景摄像头。
在本发明中，所述车载摄像装置采集包含有目标车辆的二维图像，并通过有线或无线的方式发送至终端。需要说明的是，所述二维图像中可以包括一个或多个车辆，也可以从中选取一个或多个车辆作为所述目标车辆。
步骤S2、对所述二维图像进行图像识别，获取所述目标车辆的车辆类别和车轮类别。
具体地，对于每一个二维图像，基于深度学习算法检测其中的车辆及车轮，从而得到车辆及车轮的类别。优选地，使用ResNet或Hourglass等卷积神经网络进行图像特征提取，从而获取车辆及车轮的类别。其中，车辆的类别可包括小汽车、大卡车、公交车和面包车。车轮的类别可包括前左车轮、前右车轮、后左车轮和后右车轮。以ResNet为例，首先对所述二维图像进行裁剪并连续4次下采样，再进行3次上采样，从而得到特征图；再根据所述特征图提取车辆类型和车轮类型。
步骤S3、获取所述二维图像中所述目标车辆的车轮接地点在相机坐标系下的位置信息。
具体地，针对所述二维图像，首先需进行目标识别，即识别所述二位图像中的车轮；接着，获取所述车轮的车轮检测框，以表明所述车轮所处的整***置；然后在所述车轮检测框中确定车轮接地点；最后，将所述车轮接地点投射在俯视图上，从而获取所述车轮接地点在相机坐标系下的位置信息。其中，所述车轮接地点是指车轮框下底边的中点。相机坐标系是以相机的聚焦中心为原点，以光轴为Z轴建立的三维直角坐标系。具体地址，相机坐标系的原点为相机的光心，x轴与y轴与图像的X,Y轴平行，z轴为相机光轴，它与图形平面垂直。
于本发明一实施例中，获取所述二维图像中所述目标车辆的车轮接地点在相机坐标系下的位置信息包括以下步骤：
31)基于深度学习算法获取所述目标车辆在所述二维图像中的车轮检测框。
其中，对于每一个二维图像，基于深度学习算法检测其中的车辆及车轮，从而得到车辆及车轮的类别和二维检测框。优选地，使用ResNet或Hourglass等卷积神经网络进行图像特征提取，从而获取车辆及车轮的二维检测框。
当所述二维图像中仅包含有一个车辆时，则检测到的车轮均属于所述车辆。当所述二维图像中包含两个及以上的车辆时，则需获取车辆与车轮的从属关系。
于本发明一实施例中，当所述二维图像中包含有多个车辆时，根据(A∩B)/B的比值判断当前车轮是否属于所述目标车辆，其中A表示所述目标车辆检测框的面积，B表示当前车轮检测框的面积。具体地址，当所述比值大于预设阈值时，判定当前车轮属于所述目标车辆；当所述比值不大于所述预设阈值时，判定当前车轮不属于所述目标车辆。优选地，所述预设阈值取值为0.4。
32)基于所述车轮检测框获取所述车轮接地点在相机坐标系下的位置信息。
具体地，根据所述车轮检测框确定车轮接地点，将所述车轮接地点投射在俯视图上，即可获取所述车轮接地点在所述相机坐标系下的位置信息。
步骤S4、将所述相机坐标系下的位置信息转换为世界坐标系下的位置信息。
具体地，世界坐标系是***的绝对坐标系，在没有建立用户坐标系之前画面上所有点的坐标都是以该坐标系的原点来确定各自的位置的。其中，相机坐标系到世界坐标系的变换可以通过旋转矩阵R和平移矩阵T来实现，在此不再赘述。
步骤S5、根据所述车辆类别、所述车轮类别和所述车轮接地点在世界坐标系下的位置信息修正车辆位置。
具体地，由于角度问题，所述二维图像中检测到的车轮数量可能为一个或多个。针对不同数量、不同位置的车轮，可采用不同的方式来修正所述车辆的位置。
于本发明一实施例中，当识别到四个车轮时，根据所述车辆类别、所述车轮类别和所述车轮接地点在世界坐标系下的位置信息修正车辆位置包括以下步骤：
a)根据所述车辆类别，获取所述目标车辆对应的车辆前悬长度、车辆后悬长度和轮距车宽比。
b)根据车长＝车辆前悬长度+轴距+车辆后悬长度计算车长，其中轴距为前车轮接地点与后车轮接地点的连线长度。如图2(a)-图2(d)所示，不同类型的车辆对应不同的前悬长度和后悬长度。
c)根据车宽＝轮距*轮距车宽比计算车宽，其中轮距为前车轮接地点之间的连线长度或后车轮接地点之间的连线长度。
于本发明一实施例中，当识别到一个或多个车轮时，根据所述车辆类别、所述车轮类别和所述车轮接地点在世界坐标系下的位置信息修正车辆位置包括以下步骤：
A)根据所述车辆类别，获取所述目标车辆对应的车辆前悬长度、车辆后悬长度、轴距、轮距和轮距车宽比；其中轴距为前车轮接地点与后车轮接地点的连线长度，轮距为前车轮接地点之间的连线长度或后车轮接地点之间的连线长度。
B)根据车辆的航向角，以一个或多个车轮接地点为基准构建车辆位置，其中车长＝车辆前悬长度+轴距+车辆后悬长度，车宽＝轮距*轮距车宽比。对于特定类型的车辆，其各项参数是固定的，故通过一个基准点和方向即可构建车辆位置。
如图3所示，于一实施例中，本发明的车辆位置修正***包括图像获取模块31、图像识别模块32、位置获取模块33、转换模块34和修正模块35。
图像获取模块31用于获取车载摄像装置采集的包含有目标车辆的二维图像。
具体地，车辆上设置有车载摄像装置，能够实时采集车辆四周的二维图像。优选地，所述车载摄像装置采用鱼眼摄像头。鱼眼摄像头可以独立实现大范围无死角监控，也被称为全景摄像头。
在本发明中，所述车载摄像装置采集包含有目标车辆的二维图像，并通过有线或无线的方式发送至终端。需要说明的是，所述二维图像中可以包括一个或多个车辆，也可以从中选取一个或多个车辆作为所述目标车辆。
图像识别模块32与图像获取模块31相连，用于对所述二维图像进行图像识别，获取所述目标车辆的车辆类别和车轮类别。
具体地，对于每一个二维图像，基于深度学习算法检测其中的车辆及车轮，从而得到车辆及车轮的类别。优选地，使用ResNet或Hourglass等卷积神经网络进行图像特征提取，从而获取车辆及车轮的类别。其中，车辆的类别可包括小汽车、大卡车、公交车和面包车。车轮的类别可包括前左车轮、前右车轮、后左车轮和后右车轮。以ResNet为例，首先对所述二维图像进行裁剪并连续4次下采样，再进行3次上采样，从而得到特征图；再根据所述特征图提取车辆类型和车轮类型。
位置获取模块33与图像识别模块32相连，用于获取所述二维图像中所述目标车辆的车轮接地点在相机坐标系下的位置信息。
具体地，针对所述二维图像，首先需进行目标识别，即识别所述二位图像中的车轮；接着，获取所述车轮的车轮检测框，以表明所述车轮所处的整***置；然后在所述车轮检测框中确定车轮接地点；最后，将所述车轮接地点投射在俯视图上，从而获取所述车轮接地点在相机坐标系下的位置信息。其中，所述车轮接地点是指车轮框下底边的中点。相机坐标系是以相机的聚焦中心为原点，以光轴为Z轴建立的三维直角坐标系。具体地址，相机坐标系的原点为相机的光心，x轴与y轴与图像的X,Y轴平行，z轴为相机光轴，它与图形平面垂直。
于本发明一实施例中，获取所述二维图像中所述目标车辆的车轮接地点在相机坐标系下的位置信息包括以下步骤：
31)基于深度学习算法获取所述目标车辆在所述二维图像中的车轮检测框。
其中，对于每一个二维图像，基于深度学习算法检测其中的车辆及车轮，从而得到车辆及车轮的类别和二维检测框。优选地，使用ResNet或Hourglass等卷积神经网络进行图像特征提取，从而获取车辆及车轮的二维检测框。
当所述二维图像中仅包含有一个车辆时，则检测到的车轮均属于所述车辆。当所述二维图像中包含两个及以上的车辆时，则需获取车辆与车轮的从属关系。
于本发明一实施例中，当所述二维图像中包含有多个车辆时，根据(A∩B)/B的比值判断当前车轮是否属于所述目标车辆，其中A表示所述目标车辆检测框的面积，B表示当前车轮检测框的面积。具体地址，当所述比值大于预设阈值时，判定当前车轮属于所述目标车辆；当所述比值不大于所述预设阈值时，判定当前车轮不属于所述目标车辆。优选地，所述预设阈值取值为0.4。
32)基于所述车轮检测框获取所述车轮接地点在相机坐标系下的位置信息。
具体地，根据所述车轮检测框确定车轮接地点，将所述车轮接地点投射在俯视图上，即可获取所述车轮接地点在所述相机坐标系下的位置信息。
转换模块34与位置获取模块33相连，用于将所述相机坐标系下的位置信息转换为世界坐标系下的位置信息。
具体地，世界坐标系是***的绝对坐标系，在没有建立用户坐标系之前画面上所有点的坐标都是以该坐标系的原点来确定各自的位置的。其中，相机坐标系到世界坐标系的变换可以通过旋转矩阵R和平移矩阵T来实现，在此不再赘述。
修正模块35与转换模块34相连，用于根据所述车辆类别、所述车轮类别和所述车轮接地点在世界坐标系下的位置信息修正车辆位置。
具体地，由于角度问题，所述二维图像中检测到的车轮数量可能为一个或多个。针对不同数量、不同位置的车轮，可采用不同的方式来修正所述车辆的位置。
于本发明一实施例中，当识别到四个车轮时，根据所述车辆类别、所述车轮类别和所述车轮接地点在世界坐标系下的位置信息修正车辆位置包括以下步骤：
a)根据所述车辆类别，获取所述目标车辆对应的车辆前悬长度、车辆后悬长度和轮距车宽比。
b)根据车长＝车辆前悬长度+轴距+车辆后悬长度计算车长，其中轴距为前车轮接地点与后车轮接地点的连线长度。如图2(a)-图2(d)所示，不同类型的车辆对应不同的前悬长度和后悬长度。
c)根据车宽＝轮距*轮距车宽比计算车宽，其中轮距为前车轮接地点之间的连线长度或后车轮接地点之间的连线长度。
于本发明一实施例中，当识别到一个或多个车轮时，根据所述车辆类别、所述车轮类别和所述车轮接地点在世界坐标系下的位置信息修正车辆位置包括以下步骤：
A)根据所述车辆类别，获取所述目标车辆对应的车辆前悬长度、车辆后悬长度、轴距、轮距和轮距车宽比；其中轴距为前车轮接地点与后车轮接地点的连线长度，轮距为前车轮接地点之间的连线长度或后车轮接地点之间的连线长度。
B)根据车辆的航向角，以一个或多个车轮接地点为基准构建车辆位置，其中车长＝车辆前悬长度+轴距+车辆后悬长度，车宽＝轮距*轮距车宽比。对于特定类型的车辆，其各项参数是固定的，故通过一个基准点和方向即可构建车辆位置。
需要说明的是，应理解以上装置的各个模块的划分仅仅是一种逻辑功能的划分，实际实现时可以全部或部分集成到一个物理实体上，也可以物理上分开。且这些模块可以全部以软件通过处理元件调用的形式实现，也可以全部以硬件的形式实现，还可以部分模块通过处理元件调用软件的形式实现，部分模块通过硬件的形式实现。例如：x模块可以为单独设立的处理元件，也可以集成在上述装置的某一个芯片中实现。此外，x模块也可以以程序代码的形式存储于上述装置的存储器中，由上述装置的某一个处理元件调用并执行以上x模块的功能。其它模块的实现与之类似。这些模块全部或部分可以集成在一起，也可以独立实现。这里所述的处理元件可以是一种集成电路，具有信号的处理能力。在实现过程中，上述方法的各步骤或以上各个模块可以通过处理器元件中的硬件的集成逻辑电路或者软件形式的指令完成。以上这些模块可以是被配置成实施以上方法的一个或多个集成电路，例如：一个或多个特定集成电路(Application Specific Integrated Circuit，简称ASIC)，一个或多个微处理器(Digital Singnal Processor，简称DSP)，一个或者多个现场可编程门阵列(Field Programmable Gate Array，简称FPGA)等。当以上某个模块通过处理元件调度程序代码的形式实现时，该处理元件可以是通用处理器，如中央处理器(CentralProcessing Unit，简称CPU)或其它可以调用程序代码的处理器。这些模块可以集成在一起，以片上***(System-on-a-chip，简称SOC)的形式实现。
本发明的存储介质上存储有计算机程序，该所述计算机程序被处理器执行时实现上述的车辆位置修正方法。所述存储介质包括：ROM、RAM、磁碟、U盘、存储卡或者光盘等各种可以存储程序代码的介质。
如图4所示，于一实施例中，本发明的终端包括：处理器41及存储器42。
所述存储器42用于存储计算机程序。
所述存储器42包括：ROM、RAM、磁碟、U盘、存储卡或者光盘等各种可以存储程序代码的介质。
所述处理器41与所述存储器42相连，用于执行所述存储器42存储的计算机程序，以使所述终端执行上述的车辆位置修正方法。
优选地，所述处理器41可以是通用处理器，包括中央处理器(Central ProcessingUnit，简称CPU)、网络处理器(Network Processor，简称NP)等；还可以是数字信号处理器(Digital Signal Processor，简称DSP)、专用集成电路(Application SpecificIntegrated Circuit，简称ASIC)、现场可编程门阵列(Field Programmable Gate Array，简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
如图5所示，于一实施例中，本发明的车辆位置修正***包括上述的终端51和车载摄像装置52。
所述车载摄像装置52与所述终端51相连，用于采集包含有目标车辆的二维图像，并发送至所述终端51。所述终端51根据所述二维图像进行车辆位置修正。
于本发明一实施例中，所述车载摄像装置42采用鱼眼摄像头。
综上所述，本发明的车辆位置修正方法及***、存储介质及终端通过车轮接地点约束车辆的位置，提升了车辆位置的检测精度；支持多种车型，实用性强。所以，本发明有效克服了现有技术中的种种缺点而具高度产业利用价值。
上述实施例仅例示性说明本发明的原理及其功效，而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下，对上述实施例进行修饰或改变。因此，举凡所属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变，仍应由本发明的权利要求所涵盖。
Claims (9)
1.一种车辆位置修正方法，其特征在于：包括以下步骤：
获取车载摄像装置采集的包含有目标车辆的二维图像；
对所述二维图像进行图像识别，获取所述目标车辆的车辆类别和车轮类别；
获取所述二维图像中所述目标车辆的车轮接地点在相机坐标系下的位置信息；
将所述相机坐标系下的位置信息转换为世界坐标系下的位置信息；
根据所述车辆类别、所述车轮类别和所述车轮接地点在世界坐标系下的位置信息修正车辆位置，包括：
根据所述车辆类别，获取所述目标车辆对应的车辆前悬长度、车辆后悬长度、轴距、轮距和轮距车宽比；
根据车长＝车辆前悬长度+轴距+车辆后悬长度计算所述车长，其中所述轴距为前车轮接地点与后车轮接地点的连线长度；
根据车宽＝轮距*轮距车宽比计算所述车宽，其中所述轮距为前车轮接地点之间的连线长度或后车轮接地点之间的连线长度。
2.根据权利要求1所述的车辆位置修正方法，其特征在于：所述车辆类别包括小汽车、大卡车、公交车和面包车中的一种或多种组合；所述车轮类别包括前左车轮、前右车轮、后左车轮和后右车轮。
3.根据权利要求1所述的车辆位置修正方法，其特征在于：获取所述二维图像中所述目标车辆的车轮接地点在相机坐标系下的位置信息包括以下步骤：
基于深度学习算法获取所述目标车辆在所述二维图像中的车轮检测框；
基于所述车轮检测框获取所述车轮接地点在相机坐标系下的位置信息。
4.根据权利要求3所述的车辆位置修正方法，其特征在于：当所述二维图像中包含有多个车辆时，根据(A∩B)/B的比值判断当前车轮是否属于所述目标车辆，其中A表示所述目标车辆检测框的面积，B表示当前车轮检测框的面积；且当所述比值大于预设阈值时，判定当前车轮属于所述目标车辆。
5.根据权利要求1所述的车辆位置修正方法，其特征在于：根据所述车辆类别、所述车轮类别和所述车轮接地点在世界坐标系下的位置信息修正车辆位置包括以下步骤：
根据车辆的航向角，以一个或多个所述车轮接地点为基准构建车辆位置。
6.一种车辆位置修正***，其特征在于：包括图像获取模块、图像识别模块、位置获取模块、转换模块和修正模块；
所述图像获取模块用于获取车载摄像装置采集的包含有目标车辆的二维图像；
所述图像识别模块用于对所述二维图像进行图像识别，获取所述目标车辆的车辆类别和车轮类别；
所述位置获取模块用于获取所述二维图像中所述目标车辆的车轮接地点在相机坐标系下的位置信息；
所述转换模块用于将所述相机坐标系下的位置信息转换为世界坐标系下的位置信息；
所述修正模块用于根据所述车辆类别、所述车轮类别和所述车轮接地点在世界坐标系下的位置信息修正车辆位置；
所述修正模块根据所述车辆类别、所述车轮类别和所述车轮接地点在世界坐标系下的位置信息修正车辆位置包括：
根据所述车辆类别，获取所述目标车辆对应的车辆前悬长度、车辆后悬长度、轴距、轮距和轮距车宽比；
根据车长＝车辆前悬长度+轴距+车辆后悬长度计算所述车长，其中所述轴距为前车轮接地点与后车轮接地点的连线长度；
根据车宽＝轮距*轮距车宽比计算所述车宽，其中所述轮距为前车轮接地点之间的连线长度或后车轮接地点之间的连线长度。
7.一种计算机可读存储介质，其特征在于：其上存储有计算机程序，该程序被处理器执行时实现权利要求1至5中任一项所述车辆位置修正方法。
8.一种终端，其特征在于：包括处理器及存储器；
所述存储器用于存储计算机程序；
所述处理器用于执行所述存储器存储的计算机程序，以使所述终端设备执行权利要求1至5中任一项所述车辆位置修正方法。
9.一种车辆位置修正***，其特征在于：包括权利要求8所述的终端和车载摄像装置；
所述车载摄像装置用于采集包含有目标车辆的二维图像，并发送至所述终端。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911031126.4A CN110991232B (zh) | 2019-10-28 | 2019-10-28 | 一种车辆位置修正方法及***、存储介质及终端 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911031126.4A CN110991232B (zh) | 2019-10-28 | 2019-10-28 | 一种车辆位置修正方法及***、存储介质及终端 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110991232A CN110991232A (zh) | 2020-04-10 |
| CN110991232B true CN110991232B (zh) | 2024-02-13 |
Family
ID=70082581
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911031126.4A Active CN110991232B (zh) | 2019-10-28 | 2019-10-28 | 一种车辆位置修正方法及***、存储介质及终端 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110991232B (zh) |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112686147B (zh) * | 2020-12-30 | 2024-05-28 | 北京纵目安驰智能科技有限公司 | 车辆与车轮从属关系预测方法、***、存储介质及终端 |
| CN114565889B (zh) * | 2022-02-25 | 2023-11-14 | 阿波罗智联(北京)科技有限公司 | 车辆压线状态的确定方法、装置、电子设备和介质 |
| CN114705121B (zh) * | 2022-03-29 | 2024-05-14 | 智道网联科技(北京)有限公司 | 车辆位姿测量方法、装置及电子设备、存储介质 |
| CN114993266B (zh) * | 2022-06-14 | 2024-03-22 | 深圳市道通科技股份有限公司 | 定位装置及定位*** |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2007108043A (ja) * | 2005-10-14 | 2007-04-26 | Xanavi Informatics Corp | 位置測位装置、および位置測位方法 |
| JP2010019752A (ja) * | 2008-07-11 | 2010-01-28 | Honda Motor Co Ltd | 車両の車幅を推定するための装置 |
| JP2015096411A (ja) * | 2013-10-11 | 2015-05-21 | 本田技研工業株式会社 | 駐車支援システム |
| JP2015194397A (ja) * | 2014-03-31 | 2015-11-05 | 株式会社デンソーアイティーラボラトリ | 車両位置検出装置、車両位置検出方法及び車両位置検出用コンピュータプログラムならびに車両位置検出システム |
| CN106842269A (zh) * | 2017-01-25 | 2017-06-13 | 北京经纬恒润科技有限公司 | 定位方法及*** |
| CN107389088A (zh) * | 2017-05-27 | 2017-11-24 | 纵目科技（上海）股份有限公司 | 车载惯性导航的误差修正方法、装置、介质及设备 |
| CN109859278A (zh) * | 2019-01-24 | 2019-06-07 | 惠州市德赛西威汽车电子股份有限公司 | 车载相机***相机外参的标定方法及标定*** |
| CN110148169A (zh) * | 2019-03-19 | 2019-08-20 | 长安大学 | 一种基于ptz云台相机的车辆目标三维信息获取方法 |
| CN110246183A (zh) * | 2019-06-24 | 2019-09-17 | 百度在线网络技术（北京）有限公司 | 车轮接地点检测方法、装置及存储介质 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107577988B (zh) * | 2017-08-03 | 2020-05-26 | 东软集团股份有限公司 | 实现侧方车辆定位的方法、装置及存储介质、程序产品 |
-
2019
- 2019-10-28 CN CN201911031126.4A patent/CN110991232B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2007108043A (ja) * | 2005-10-14 | 2007-04-26 | Xanavi Informatics Corp | 位置測位装置、および位置測位方法 |
| JP2010019752A (ja) * | 2008-07-11 | 2010-01-28 | Honda Motor Co Ltd | 車両の車幅を推定するための装置 |
| JP2015096411A (ja) * | 2013-10-11 | 2015-05-21 | 本田技研工業株式会社 | 駐車支援システム |
| JP2015194397A (ja) * | 2014-03-31 | 2015-11-05 | 株式会社デンソーアイティーラボラトリ | 車両位置検出装置、車両位置検出方法及び車両位置検出用コンピュータプログラムならびに車両位置検出システム |
| CN106842269A (zh) * | 2017-01-25 | 2017-06-13 | 北京经纬恒润科技有限公司 | 定位方法及*** |
| CN107389088A (zh) * | 2017-05-27 | 2017-11-24 | 纵目科技（上海）股份有限公司 | 车载惯性导航的误差修正方法、装置、介质及设备 |
| CN109859278A (zh) * | 2019-01-24 | 2019-06-07 | 惠州市德赛西威汽车电子股份有限公司 | 车载相机***相机外参的标定方法及标定*** |
| CN110148169A (zh) * | 2019-03-19 | 2019-08-20 | 长安大学 | 一种基于ptz云台相机的车辆目标三维信息获取方法 |
| CN110246183A (zh) * | 2019-06-24 | 2019-09-17 | 百度在线网络技术（北京）有限公司 | 车轮接地点检测方法、装置及存储介质 |
Non-Patent Citations (2)
| Title |
|---|
| 基于单目序列图像的车辆三维信息的获取;徐晓娟;宋焕生;赵倩倩;徐昊;;电子设计工程(05);全文 * |
| 面向智能交通的单目视觉测距方法研究;邹斌;袁宇翔;;交通运输***工程与信息(04);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110991232A (zh) | 2020-04-10 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110962844B (zh) | 一种车辆航向角修正方法及***、存储介质及终端 | |
| CN110991232B (zh) | 一种车辆位置修正方法及***、存储介质及终端 | |
| CN113554698B (zh) | 车辆位姿信息生成方法、装置及电子设备、存储介质 | |
| CN107577988B (zh) | 实现侧方车辆定位的方法、装置及存储介质、程序产品 | |
| US20190347498A1 (en) | Systems and methods for automated detection of trailer properties | |
| CN109849930B (zh) | 自动驾驶汽车的相邻车辆的速度计算方法和装置 | |
| CN113850867A (zh) | 相机参数标定及设备的控制方法、装置、设备及存储介质 | |
| CN111160070A (zh) | 车辆全景图像盲区消除方法、装置、存储介质及终端设备 | |
| 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 | |
| CN114705121A (zh) | 车辆位姿测量方法、装置及电子设备、存储介质 | |
| CN114742914A (zh) | 车道线生成的方法、装置及电子设备 | |
| CN113781543B (zh) | 基于双目相机的限高装置检测方法、***和智能终端 | |
| CN112183206B (zh) | 一种基于路侧单目摄像头的交通参与者定位方法和*** | |
| CN116309943B (zh) | 一种停车场语义地图路网构建方法、装置及电子设备 | |
| CN112907648A (zh) | 库位角点检测方法、装置、终端设备及车辆 | |
| CN116912328A (zh) | 一种逆透视变换矩阵的标定方法及装置 | |
| CN116630401A (zh) | 鱼眼相机测距方法及终端 | |
| CN116486351A (zh) | 行车预警方法、装置、设备及存储介质 | |
| CN115050007A (zh) | 牵引车以及拖板车的识别方法、装置及电子设备、存储介质 | |
| CN114494200A (zh) | 挂车旋转角度的测量方法和装置 | |
| CN112070839A (zh) | 一种对后方车辆横纵向定位测距方法及设备 | |
| CN112183413B (zh) | 一种车位检测方法、装置、存储介质及车辆 | |
| US20220319191A1 (en) | Control device and control method for mobile object, and storage medium | |
| Wei et al. | Research on preceding vehicle distance measurement with monocular vision based on lane plane geometric model | |
| CN118314219A (zh) | 相机位姿标定方法及相关装置 |
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 |