CN111241224B - 目标距离估计的方法、***、计算机设备和存储介质 - Google Patents
目标距离估计的方法、***、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN111241224B CN111241224B CN202010025806.1A CN202010025806A CN111241224B CN 111241224 B CN111241224 B CN 111241224B CN 202010025806 A CN202010025806 A CN 202010025806A CN 111241224 B CN111241224 B CN 111241224B
- Authority
- CN
- China
- Prior art keywords
- target
- coordinate
- vehicle
- component
- geographic coordinate
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- 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
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/28—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network with correlation of data from several navigational instruments
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
- G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
- G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
- G01S19/42—Determining position
Landscapes
- Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Automation & Control Theory (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了目标距离估计的方法、***、计算机设备和存储介质,其中,在车辆行驶道路上获取多个参考点,根据该车辆的车辆地理坐标获取该参考点的参考点地理坐标,根据该参考点地理坐标,获取该参考点的纵向坡度信息,根据该参考点地理坐标和该纵向坡度信息,建立地势高度曲线模型,获取目标的图像坐标,根据该图像坐标得到该目标的第一地理坐标,根据该地势高度曲线模型和该第一地理坐标,得到该目标的第二地理坐标,解决了通过多项式拟合来补偿偏差,对与车辆本身存在明显高度差的目标测得的结果误差较大的问题,减小了地势高度差引起的测量误差,提高了对目标距离估计的精确度。
Description
技术领域
本申请涉及自动驾驶技术领域,特别是涉及目标距离估计的方法、***、计算机设备和存储介质。
背景技术
随着科学技术的发展,出现了自动驾驶汽车,自动驾驶汽车依靠人工智能、视觉计算、雷达、监控装置和全球定位***协同合作,让电脑可以在没有用户操作的情况下,自动、安全地操作机动车辆。随着智能驾驶技术的快速发展,高级驾驶辅助***(AdvancedDriving Assistant System,简称为ADAS)成为智能驾驶汽车中不可缺少的部分,ADAS通过安装在车上的各类传感器,在汽车行驶过程中随时感应周围环境,收集环境数据,进行静态或动态物体的辨识、侦测与追踪,并结合导航仪地图数据,进行***运算与分析,从而预测可能发生的危险,有效增加汽车驾驶的舒适性和安全性,其中,摄像头因其成本低、色彩信息丰富和帧率高等特点,成为车辆感知***中最为重要的传感器之一。摄像头通过采集二维图像序列,计算出三维物理世界的信息,例如前方障碍物的运动状态,或者道路车道线的变化等,ADAS基于感知信息做出决策和控制,比如自动紧急刹车或者车道线偏离预警等,因此,有效的视觉感知***是智能驾驶***做出准确决策的先决条件。
在相关技术中,基于针孔成像模型,视觉感知***在目标物为静态的情况下,采集不同距离下的目标估计值,通过多项式拟合计算出不同位置下像素点的偏差关系,并进行测距补偿,该方法可以解决道路不平引起的高度差,误差在±5cm内,且目标的距离误差在±4m内。由于该方法假设目标和车辆本身处于同一平面的高度,但是在现实环境中,自车和目标经常不处于同一平面上,例如上下坡,因此该方法不能解决上下坡这种高度差引起的测距误差。
针对相关技术中,通过多项式拟合来补偿偏差,对与车辆本身存在明显高度差的目标测得的结果误差较大的问题,目前尚未提出有效的解决方案。
发明内容
针对相关技术中,通过多项式拟合来补偿偏差,对与车辆本身存在明显高度差的目标测得的结果误差较大的问题,本发明提供了目标距离估计的方法、***、计算机设备和存储介质,以至少解决上述问题。
根据本发明的一个方面,提供了一种目标距离估计的方法,所述方法包括:
在车辆行驶道路上获取多个参考点,根据所述车辆的车辆地理坐标获取所述参考点的参考点地理坐标,根据所述参考点地理坐标,获取所述参考点的纵向坡度信息,其中,所述参考点与所述纵向坡度信息对应;
根据所述参考点地理坐标和所述纵向坡度信息,建立地势高度曲线模型;
获取目标的图像坐标,根据所述图像坐标得到所述目标的第一地理坐标,根据所述地势高度曲线模型和所述第一地理坐标,得到所述目标的第二地理坐标。
在其中一个实施例中,所述根据所述参考点地理坐标和所述纵向坡度信息,建立地势高度曲线模型包括:
根据所述参考点地理坐标和所述纵向坡度信息,通过最小二乘法得到所述地势高度曲线模型的曲率和曲率变化率;
根据所述曲率和所述曲率变化率建立地势高度曲线模型。
在其中一个实施例中,所述根据所述图像坐标得到所述目标的第一地理坐标包括:
根据相机参数和坐标旋转矩阵,将所述图像坐标转换为所述目标的第一地理坐标,其中,所述相机用于获取所述目标的图像,所述相机参数包括相机内参和相机外参。
在其中一个实施例中,所述根据所述地势高度曲线模型和所述第一地理坐标,得到所述目标的第二地理坐标包括:
根据所述地势高度曲线模型和所述第一地理坐标,得到所述第二地理坐标的临时第一分量,对所述临时第一分量进行迭代运算,得到第一分量;
根据所述第一分量和所述相机参数,得到所述第二地理坐标的第二分量,根据所述第一分量,通过所述地势高度曲线模型得到所述第二地理坐标的第三分量。
在其中一个实施例中,在所述根据所述第二地理坐标,得到所述目标与所述车辆之间的距离之前,所述方法还包括:
获取所述目标的参考高度,根据所述参考高度和所述第一地理坐标得到所述目标的第二地理坐标。
根据本发明的另一个方面,提供了一种目标距离估计的***,所述***包括定位模块、地图信息模块和单目测距模块:
所述地图信息模块在车辆行驶道路上获取多个参考点,根据所述定位模块提供的所述车辆的车辆地理坐标,获取所述参考点的参考点地理坐标,根据所述参考点地理坐标,获取所述参考点的纵向坡度信息,其中,所述参考点与所述纵向坡度信息一一对应;
所述地图信息模块根据所述参考点地理坐标和所述纵向坡度信息,建立地势高度曲线模型;
所述单目测距模块获取目标的图像坐标,根据所述图像坐标得到所述目标的第一地理坐标,根据所述地势高度曲线模型和所述第一地理坐标,得到所述目标的第二地理坐标。
在其中一个实施例中,所述单目测距模块还用于根据所述参考点地理坐标和所述纵向坡度信息,通过最小二乘法得到所述地势高度曲线模型的曲率和曲率变化率;根据所述曲率和所述曲率变化率建立地势高度曲线模型。
在其中一个实施例中,所述单目测距模块还用于根据相机参数和坐标旋转矩阵,将所述图像坐标转换为所述目标的第一地理坐标,其中,所述相机用于获取所述目标的图像,所述相机参数包括相机内参和相机外参。
根据本发明的另一个方面,提供了一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现上述任一所述方法。
根据本发明的另一个方面,提供了一种计算机可读存储介质,其上存储有计算机程序,所述程序被处理器执行时实现上述任一所述方法。
通过本发明,在车辆行驶道路上获取多个参考点,根据该车辆的车辆地理坐标获取该参考点的参考点地理坐标,根据该参考点地理坐标,获取该参考点的纵向坡度信息,其中,该参考点与该纵向坡度信息对应,根据该参考点地理坐标和该纵向坡度信息,建立地势高度曲线模型,获取目标的图像坐标,根据该图像坐标得到该目标的第一地理坐标,根据该地势高度曲线模型和该第一地理坐标,得到该目标的第二地理坐标,解决了通过多项式拟合来补偿偏差,对与车辆本身存在明显高度差的目标测得的结果误差较大的问题,减小了地势高度差引起的测量误差,提高了对目标距离估计的精确度。
附图说明
此处所说明的附图用来提供对本发明的进一步理解,构成本申请的一部分,本发明的示意性实施例及其说明用于解释本发明,并不构成对发明的不当限定。
在附图中:
图1是根据本发明实施例的目标距离估计的方法的应用环境示意图;
图2是根据本发明实施例的目标距离估计的方法的流程图一;
图3是根据本发明实施例的参考点选取的示意图;
图4是根据本发明实施例的目标距离估计的方法的流程图二;
图5是根据本发明实施例的目标距离估计的方法的流程图三;
图6是根据本发明实施例的目标距离估计的***的结构框图;
图7是根据本发明实施例的目标距离估计结果的对比示意图;
图8是根据本发明实施例的计算机设备的内部结构示意图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
需要说明的是,本发明实施例所涉及的术语“第一”、“第二”、“第三”仅仅是区别类似的对象,不代表针对对象的特定排序,“第一”、“第二”、“第三”在允许的情况下可以互换特定的顺序或先后次序。可以理解地,“第一”、“第二”、“第三”区分的对象在适当情况下可以互换,以使这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。术语“第一”、“第二”、“第三”仅用于描述目的,而不能理解为指示或暗示相对重要性。
本申请提供的目标距离估计的方法,可以应用于如图1所示的应用环境中,图1是根据本发明实施例的目标距离估计的方法的应用环境示意图,如图1所示。车辆102上装有目标距离估计***104,在车辆102对目标106进行测距的情况下,目标距离估计***104可以实时获取车辆102所在的具体地理位置,并通过计算得到目标106在车辆102坐标系下的位置,目标距离估计***104基于车辆102所在位置和目标106的位置,可以得到目标106位置的纵向坡度,基于目标106的纵向坡度信息,目标距离估计***104可以对目标106所在位置的地势高度进行观测,并最终得到目标106与车辆102之间的距离。其中,目标距离估计***104可以通过全球定位***(Global Positioning System,简称为GPS)获取车辆102的地理位置,目标距离估计***104可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备,也可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
在一个实施例中,提供了一种目标距离估计的方法,图2是根据本发明实施例的目标距离估计的方法的流程图一,如图2所示,该方法包括如下步骤:
步骤S202,在车辆行驶道路上获取多个参考点,根据该车辆的车辆地理坐标获取该参考点的参考点地理坐标,根据该参考点地理坐标,获取该参考点的纵向坡度信息,其中,该参考点与该纵向坡度信息对应。图3是根据本发明实施例的参考点选取的示意图,如图3所示,在车辆行驶道路上取参考点x1,x2,...xn,该参考点满足xi≤150,i=1,2,...n,参考点x1,x2,...xn对应的纵向坡度分别为s1,s2,...sn,对应的切角分比为φ1,φ2,...φn,车辆地理坐标可以通过GPS***或者北斗卫星导航***(BeiDou Navigation SatelliteSystem,简称为BDS)得到,通过参考点相对于车辆的相对位置和车辆的地理坐标,得到该参考点地理坐标,参考点的纵向坡度信息可以由高级驾驶辅助***(Advanced DrivingAssistant System,简称为ADAS)的高精地图提供,纵向坡度信息与目标切角的关系由如下公式1得到:
s=tanφ 公式1
其中,s为纵向坡度信息,φ为与s对应的目标切角。
步骤S204,根据该参考点地理坐标和该纵向坡度信息,建立地势高度曲线模型。本实施例中的地势高度,是目标相对于车辆的相对高度,如图3所示坐标系OXZ,其中O为***测距参考原点,X方向为车辆纵向行驶方向或者单目测距***中相机光轴平行方向,Z方向为车辆行驶路面的垂直方向。设在x处的地势高度曲线z表达式由如下公式2得到:
其中,c0为曲线的曲率,c1为曲线的曲率变化率,φ为曲线x处切线的夹角,对于任意一点,曲率可以由如下公式3得到:
c(x)=c0+c1x 公式3
其中,c为任意一点的曲率。
任意一点的切角可以由如下公式4得到:
其中,φ为曲线x处切线的夹角。
步骤S206,获取目标的图像坐标,根据该图像坐标得到该目标的第一地理坐标,根据该地势高度曲线模型和该第一地理坐标,得到该目标的第二地理坐标。目标的图像坐标由单目测距***测得,本实施例建立目标成像关系,在忽略相机的畸变信息,仅考虑已知相机内外参的情况下,根据深度学***面的位置(u,v),根据小孔成像原理可以将二维图像坐标转换到三维世界坐标系位置(x,y,z),该三维世界坐标位置为本实施例中的第一地理坐标,该第一地理坐标为目标相对于车辆的相对位置坐标。将地势高度曲线模型代入该第一地理坐标,通过计算可以得到加权后的x值和y值,该x值和y值为要求得到的纵向距离和横向距离。
通过步骤S202至步骤S206,实时获取车辆所在的具体地理位置,并通过计算得到目标在车辆坐标系下的位置,基于车辆所在位置和目标的位置,可以得到目标位置的纵向坡度,基于目标的纵向坡度信息,可以对目标所在位置的地势高度进行观测,并最终得到目标与车辆之间的距离,本实施例提供的方法通过将目标的纵向坡度信息进行计算,得到目标相对于车辆的相对高度,解决了相关技术中通过多项式拟合来补偿偏差,对与车辆本身存在明显高度差的目标测得的结果误差较大的问题,减小了地势高度差引起的测量误差,提高了对目标距离估计的精确度。
在一个实施例中,图4是根据本发明实施例的目标距离估计的方法的流程图二,如图4所示,该方法还可以包括如下步骤:
步骤S402,根据该参考点地理坐标和该纵向坡度信息,通过最小二乘法得到该地势高度曲线模型的曲率和曲率变化率。
在建立地势高度曲线模型的过程中,根据纵向坡度信息,由如下公式5得到切角矩阵Y:
根据参考点地理坐标,由如下公式6得到距离矩阵A:
由如下公式7得到曲率矩阵X:
则切角矩阵Y、距离矩阵A和曲率矩阵X之间的关系由如下公式8得到:
Y=AX 公式8
曲率矩阵X采用最小二乘法,由如下公式9计算可得:
X=(ATA)-1ATY 公式9
得到曲率矩阵后,即可得到地势高度曲线模型的曲率和曲率变化率。
步骤S404,根据该曲率和该曲率变化率建立地势高度曲线模型。在得到曲率矩阵后,代入地势高度曲线模型的表达式,即可求出在自车坐标系下,前方任意一点x的高度值z。
通过上述步骤S402和S404,通过最小二乘法得到地势高度曲线模型中的曲率和曲率变化率,从而完成地势高度曲线模型的建立,简化了计算流程,提高了目标距离的计算效率。
在一个实施例中,目标距离估计的方法还可以包括如下步骤:根据相机参数和坐标旋转矩阵,将该图像坐标转换为该目标的第一地理坐标,其中,该相机用于获取该目标的图像,该相机参数包括相机内参和相机外参,相机内参包括相机的焦距和像平面中心点偏置,相机外参包括相机在车辆的自车坐标系下的安装位置。本实施例中,将二维图像坐标(u,v)转换到三维世界坐标系位置(x,y,z)由如下公式10得到:
其中,fx、fy、ux、uy为相机的内参,分别为相机的x方向焦距、y方向焦距、像平面中心点x方向的偏置和y方向的偏置。其中CPx、CPy、CPz为相机在自车坐标系参考点的安装位置,R为世界坐标系到相机坐标系的旋转矩阵通过常规的外参标定方法或者动态标定的方法测出。
通过对公式10进行计算和简化,得到第一地理坐标的计算公式11:
其中,x、y、z为第一地理坐标的坐标分量。
本实施例通过公式10和公式11将目标在单目测距***中的二维坐标转换为三维坐标,得到第一地理坐标,在此基础上结合纵向坡度信息得到第二地理坐标,使得目标距离的估计结果更加精准。
在一个实施例中,图5是根据本发明实施例的目标距离估计的方法的流程图三,如图5所示,该方法还包括:
步骤S502,根据该地势高度曲线模型和该第一地理坐标,得到该第二地理坐标的临时第一分量,对该临时第一分量进行迭代运算,得到第一分量。
将地势高度曲线模型代入公式11,得到坐标x的计算公式12:
公式12为关于x的一元三次多项式方程,x的初值由公式13给出:
根据公式13给出的初值,对x进行迭代求解,得到x的最优解,记为第二地理坐标的第一分量。
步骤S504,根据该第一分量和该相机参数,得到该第二地理坐标的第二分量,根据该第一分量,通过该地势高度曲线模型得到该第二地理坐标的第三分量。得到第二分量y的计算公式如公式14所示:
在地势高度曲线模型中,将曲率、曲率变化率和第一分量x代入,可得到第二地理坐标的第三分量z。
通过上述步骤S502至步骤S504,将单目测距***的计算结果和由纵向坡度信息得到的地势高度曲线模型结合,可以有效解决地势高度差引起的测距误差,且本实施例提供的计算方法计算量小,操作简便,提高了目标距离估计的计算效率,可以实时处理对目标距离的估计,提高自动驾驶的安全性。
在一个实施例中,目标距离估计的方法还包括:获取该目标的参考高度,根据该参考高度和该第一地理坐标得到该目标的第二地理坐标,其中,参考高度为目标相对于车辆的相对高度,在已知该参考高度的情况下,直接获取该参考高度进行第二地理坐标的计算,可以进一步提高计算效率和对目标距离估计的精度。
应该理解的是,虽然图2至图5的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,图2至图5中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些子步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
对应于上述目标距离估计的方法,在本实施例中,还提供了一种目标距离估计的设备,该设备用于实现上述实施例及优选实施方式,已经进行过说明的不再赘述。如以下所使用的,术语“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的设备较佳地以软件来实现,但是硬件,或者软件和硬件的组合的实现也是可能并被构想的。
在一个实施例中,提供了一种目标距离估计的设备,图6是根据本发明实施例的目标距离估计的***的结构框图,如图6所示,包括:定位模块62、地图信息模块64和单目测距模块66,其中:
该地图信息模块64在车辆行驶道路上获取多个参考点,根据该定位模块62提供的该车辆的车辆地理坐标,获取该参考点的参考点地理坐标,根据该参考点地理坐标,获取该参考点的纵向坡度信息,其中,该参考点与该纵向坡度信息一一对应;该地图信息模块64根据该参考点地理坐标和该纵向坡度信息,建立地势高度曲线模型;该单目测距模块66获取目标的图像坐标,根据该图像坐标得到该目标的第一地理坐标,根据该地势高度曲线模型和该第一地理坐标,得到该目标的第二地理坐标。
使用本实施例中的方法对目标进行距离估计,图7是根据本发明实施例的目标距离估计结果的对比示意图,如图7所示,在迭代计算的过程中,相对于不考虑高度差的方法,本实施例采用的***得到的距离估计值,与真值接近的速度更快,用时更短。
通过上述目标距离估计的***,定位模块62能实时输出自车所在的地理位置,地图信息模块64可以为轻量级ADAS地图信息***,能够依据自车所在位置能输出纵向坡度信息,单目测距模块66依据所拍摄的视频能实时输出目标的位置信息。本实施例中的***通过将目标的纵向坡度信息进行计算,得到目标相对于车辆的相对高度,解决了相关技术中通过多项式拟合来补偿偏差,对与车辆本身存在明显高度差的目标测得的结果误差较大的问题,减小了地势高度差引起的测量误差,提高了对目标距离估计的精确度,相对于相关技术中,在对大量数据集的训练之后,得到目标距离的算法,本实施例提供的计算方法计算量小,操作简便,可以在嵌入式***中执行,方便用户使用。
在一个实施例中,该单目测距模块66还用于根据该参考点地理坐标和该纵向坡度信息,通过最小二乘法得到该地势高度曲线模型的曲率和曲率变化率;根据该曲率和该曲率变化率建立地势高度曲线模型。本实施例中,单目测距模块66通过最小二乘法得到地势高度曲线模型中的曲率和曲率变化率,从而完成地势高度曲线模型的建立,本实施例中的计算方法计算量小,操作简便,提高了目标距离计算的效率。
在一个实施例中,单目测距模块还用于根据相机参数和坐标旋转矩阵,将该图像坐标转换为该目标的第一地理坐标,其中,该相机用于获取该目标的图像,该相机参数包括相机内参和相机外参。在本实施例中,单目测距模块66将目标在单目测距***中的二维坐标转换为三维坐标,得到第一地理坐标,在此基础上结合纵向坡度信息得到第二地理坐标,使得目标距离的估计结果更加精准。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是终端。该计算机设备包括通过***总线连接的处理器、存储器、网络接口、显示屏和输入装置。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作***和计算机程序。该内存储器为非易失性存储介质中的操作***和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种目标距离估计的方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏,该计算机设备的输入装置可以是显示屏上覆盖的触摸层,也可以是计算机设备外壳上设置的按键、轨迹球或触控板,还可以是外接的键盘、触控板或鼠标等。
在一个实施例中,图8是根据本发明实施例的计算机设备的内部结构示意图,如图8所示,提供了一种计算机设备,该计算机设备可以是服务器,其内部结构图可以如图8所示。该计算机设备包括通过***总线连接的处理器、存储器、网络接口和数据库。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作***、计算机程序和数据库。该内存储器为非易失性存储介质中的操作***和计算机程序的运行提供环境。该计算机设备的数据库用于存储数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种目标距离估计的方法。
本领域技术人员可以理解,图8中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,处理器执行计算机程序时实现上述各实施例提供的目标距离估计的方法中的步骤。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现上述各个实施例提供的目标距离估计的方法中的步骤。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,该计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (9)
1.一种目标距离估计的方法,其特征在于,所述方法包括:
在车辆行驶道路上获取多个参考点,根据所述车辆的车辆地理坐标获取所述参考点的参考点地理坐标,根据所述参考点地理坐标,获取所述参考点的纵向坡度信息,其中,所述参考点与所述纵向坡度信息对应;
根据所述参考点地理坐标和所述纵向坡度信息,建立地势高度曲线模型;
获取目标的图像坐标,根据所述图像坐标得到所述目标的第一地理坐标,其中,所述第一地理坐标为所述目标的三维世界坐标位置,表示所述目标相对于所述车辆的相对位置坐标;
根据所述地势高度曲线模型和所述第一地理坐标,得到第二地理坐标的临时第一分量,对所述临时第一分量进行迭代运算,得到第一分量x;
根据所述第一分量x和相机参数,得到所述第二地理坐标的第二分量y,根据所述第一分量x,通过所述地势高度曲线模型得到所述第二地理坐标的第三分量z;其中,所述第一分量x为所述目标与车辆的纵向距离,所述第二分量y为所述目标与车辆的横向距离。
2.根据权利要求1所述的目标距离估计的方法,其特征在于,所述根据所述参考点地理坐标和所述纵向坡度信息,建立地势高度曲线模型包括:
根据所述参考点地理坐标和所述纵向坡度信息,通过最小二乘法得到所述地势高度曲线模型的曲率和曲率变化率;
根据所述曲率和所述曲率变化率建立地势高度曲线模型。
3.根据权利要求1所述的目标距离估计的方法,其特征在于,所述根据所述图像坐标得到所述目标的第一地理坐标包括:
根据相机参数和坐标旋转矩阵,将所述图像坐标转换为所述目标的第一地理坐标,其中,所述相机用于获取所述目标的图像,所述相机参数包括相机内参和相机外参。
4.根据权利要求1所述的目标距离估计的方法,其特征在于,所述得到所述目标的第二地理坐标还包括:
获取所述目标的参考高度,通过小孔成像原理,根据所述参考高度和所述第一地理坐标得到所述目标的第二地理坐标,其中,所述第一地理坐标为所述目标的三维世界坐标位置,所述参考高度为所述目标相对于所述车辆的相对高度。
5.一种目标距离估计的***,其特征在于,所述***包括定位模块、地图信息模块和单目测距模块:
所述地图信息模块在车辆行驶道路上获取多个参考点,根据所述定位模块提供的所述车辆的车辆地理坐标,获取所述参考点的参考点地理坐标,根据所述参考点地理坐标,获取所述参考点的纵向坡度信息,其中,所述参考点与所述纵向坡度信息一一对应;
所述地图信息模块根据所述参考点地理坐标和所述纵向坡度信息,建立地势高度曲线模型;
所述单目测距模块获取目标的图像坐标,根据所述图像坐标得到所述目标的第一地理坐标,其中,所述第一地理坐标为所述目标的三维世界坐标位置,表示所述目标相对于所述车辆的相对位置坐标;根据所述地势高度曲线模型和所述第一地理坐标,得到第二地理坐标的临时第一分量,对所述临时第一分量进行迭代运算,得到第一分量x;根据所述第一分量x和相机参数,得到所述第二地理坐标的第二分量y,根据所述第一分量x,通过所述地势高度曲线模型得到所述第二地理坐标的第三分量z;其中,所述第一分量x为所述目标与车辆的纵向距离,所述第二分量y为所述目标与车辆的横向距离。
6.根据权利要求5所述的目标距离估计的***,其特征在于,所述单目测距模块还用于根据所述参考点地理坐标和所述纵向坡度信息,通过最小二乘法得到所述地势高度曲线模型的曲率和曲率变化率;根据所述曲率和所述曲率变化率建立地势高度曲线模型。
7.根据权利要求5所述的***,其特征在于,所述单目测距模块还用于根据相机参数和坐标旋转矩阵,将所述图像坐标转换为所述目标的第一地理坐标,其中,所述相机用于获取所述目标的图像,所述相机参数包括相机内参和相机外参。
8.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至4中任一项所述方法的步骤。
9.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至4中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010025806.1A CN111241224B (zh) | 2020-01-10 | 2020-01-10 | 目标距离估计的方法、***、计算机设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010025806.1A CN111241224B (zh) | 2020-01-10 | 2020-01-10 | 目标距离估计的方法、***、计算机设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111241224A CN111241224A (zh) | 2020-06-05 |
CN111241224B true CN111241224B (zh) | 2021-05-11 |
Family
ID=70870822
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010025806.1A Active CN111241224B (zh) | 2020-01-10 | 2020-01-10 | 目标距离估计的方法、***、计算机设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111241224B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111891124B (zh) * | 2020-06-08 | 2021-08-24 | 福瑞泰克智能***有限公司 | 目标信息融合的方法、***、计算机设备和可读存储介质 |
EP4242998A4 (en) * | 2020-11-09 | 2023-11-22 | UISEE (Shanghai) Automotive Technologies Ltd | METHOD AND DEVICE FOR DETERMINING TRAFFIC STREAM INFORMATION, ELECTRONIC DEVICE AND STORAGE MEDIUM |
CN114973180B (zh) * | 2022-07-18 | 2022-11-01 | 福思(杭州)智能科技有限公司 | 一种车道线跟踪方法、装置、设备及存储介质 |
CN117877001A (zh) * | 2024-01-19 | 2024-04-12 | 元橡科技(北京)有限公司 | 障碍物识别方法、装置、电子设备及存储介质 |
Family Cites Families (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR100467466B1 (ko) * | 2002-06-12 | 2005-01-24 | (주)쎄트렉아이 | 관측 목적점의 지리좌표 획득방법 |
KR101149348B1 (ko) * | 2011-10-12 | 2012-05-30 | 주식회사 어스비젼텍 | 단독 gps 측량을 이용한 실시간 공간정보 위치 정확도 평가 시스템 및 평가방법 |
CN103487034B (zh) * | 2013-09-26 | 2015-07-15 | 北京航空航天大学 | 一种基于立式标靶的车载单目摄像头测距测高方法 |
CN103777196B (zh) * | 2014-01-03 | 2016-04-06 | 西安天和防务技术股份有限公司 | 基于地理信息的地面目标距离单站测量方法及其测量*** |
CN104049269B (zh) * | 2014-06-25 | 2016-08-24 | 哈尔滨工程大学 | 一种基于激光测距和mems/gps组合导航***的目标导航测绘方法 |
CN105448184B (zh) * | 2015-11-13 | 2019-02-12 | 北京百度网讯科技有限公司 | 地图道路的绘制方法及装置 |
CN105929368A (zh) * | 2016-04-14 | 2016-09-07 | 南京创维信息技术研究院有限公司 | 基于超声波的室内定位方法、装置及*** |
CN105953773B (zh) * | 2016-04-26 | 2018-07-06 | 南京航空航天大学 | 斜坡坡度角获取方法及装置 |
CN109544633B (zh) * | 2017-09-22 | 2021-08-27 | 华为技术有限公司 | 目标测距方法、装置及设备 |
CN109902542B (zh) * | 2017-12-11 | 2023-11-21 | 财团法人车辆研究测试中心 | 三维感测器的动态地面侦测方法 |
CN110146910B (zh) * | 2019-05-15 | 2023-02-28 | 重庆大学 | 一种基于gps与激光雷达数据融合的定位方法及装置 |
CN110293967B (zh) * | 2019-05-21 | 2020-08-07 | 重庆长安汽车股份有限公司 | 一种汽车低速主动安全执行控制方法及控制*** |
CN110473262A (zh) * | 2019-08-22 | 2019-11-19 | 北京双髻鲨科技有限公司 | 多目相机的外参标定方法、装置、存储介质及电子设备 |
-
2020
- 2020-01-10 CN CN202010025806.1A patent/CN111241224B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN111241224A (zh) | 2020-06-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111241224B (zh) | 目标距离估计的方法、***、计算机设备和存储介质 | |
CN110146909B (zh) | 一种定位数据处理方法 | |
CN107328410B (zh) | 用于定位自动驾驶车辆的方法和汽车电脑 | |
CN111161353B (zh) | 车辆定位方法、装置、可读存储介质和计算机设备 | |
JP7131994B2 (ja) | 自己位置推定装置、自己位置推定方法、自己位置推定プログラム、学習装置、学習方法及び学習プログラム | |
CN114046792B (zh) | 一种无人船水面定位与建图方法、装置及相关组件 | |
WO2020039937A1 (ja) | 位置座標推定装置、位置座標推定方法およびプログラム | |
US20220254062A1 (en) | Method, device and storage medium for road slope predicating | |
CN110596741A (zh) | 车辆定位方法、装置、计算机设备和存储介质 | |
CN114248778B (zh) | 移动设备的定位方法和定位装置 | |
CN112347205A (zh) | 一种车辆误差状态的更新方法和装置 | |
CN114061611A (zh) | 目标对象定位方法、装置、存储介质和计算机程序产品 | |
CN111383324B (zh) | 点云地图的构建方法、装置、计算机设备和存储介质 | |
CN114061570A (zh) | 车辆定位方法、装置、计算机设备和存储介质 | |
CN109916417B (zh) | 一种地图建立方法、装置、计算机设备及其存储介质 | |
WO2024148908A1 (zh) | 定位信息处理方法、装置、设备和介质 | |
CN111723597A (zh) | 跟踪算法的精度检测方法、装置、计算机设备和存储介质 | |
US20230273029A1 (en) | Vision-based location and turn marker prediction | |
TW202018256A (zh) | 多定位系統切換與融合校正方法及其裝置 | |
CN116380088B (zh) | 车辆定位方法、装置、车辆及存储介质 | |
CN114913500B (zh) | 位姿确定方法、装置、计算机设备和存储介质 | |
KR102506411B1 (ko) | 차량의 위치 및 자세 추정 방법, 장치 및 이를 위한 기록매체 | |
CN111721283A (zh) | 定位算法的精度检测方法、装置、计算机设备和存储介质 | |
CN114694107A (zh) | 一种图像处理方法、装置、电子设备和存储介质 | |
CN112241016B (zh) | 一种泊车地图地理坐标的确定方法和装置 |
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 |