CN112347973A - 一种基于双目高速相机的前车状态估算方法及*** - Google Patents
一种基于双目高速相机的前车状态估算方法及*** Download PDFInfo
- Publication number
- CN112347973A CN112347973A CN202011304139.7A CN202011304139A CN112347973A CN 112347973 A CN112347973 A CN 112347973A CN 202011304139 A CN202011304139 A CN 202011304139A CN 112347973 A CN112347973 A CN 112347973A
- Authority
- CN
- China
- Prior art keywords
- target
- camera
- parallax
- calculating
- frame
- 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
- 238000000034 method Methods 0.000 title claims abstract description 37
- 239000011159 matrix material Substances 0.000 claims abstract description 21
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 20
- 238000001914 filtration Methods 0.000 claims abstract description 13
- 230000001133 acceleration Effects 0.000 claims abstract description 11
- 238000001514 detection method Methods 0.000 claims abstract description 9
- 238000012545 processing Methods 0.000 claims abstract description 9
- 238000004590 computer program Methods 0.000 claims description 11
- 238000004364 calculation method Methods 0.000 claims description 7
- 230000001360 synchronised effect Effects 0.000 claims description 6
- 230000000007 visual effect Effects 0.000 claims description 4
- 238000005259 measurement Methods 0.000 description 6
- 230000015572 biosynthetic process Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 210000003128 head Anatomy 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000013519 translation Methods 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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/80—Geometric correction
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/80—Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration
- G06T7/85—Stereo camera calibration
-
- 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
- G06T2207/30252—Vehicle exterior; Vicinity of vehicle
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Measurement Of Optical Distance (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明提供一种基于双目高速相机的前车状态估算方法及***,该方法包括:对双目相机进行标定,获取相机内参矩阵、畸变参数和基线长度;对左右目图像进行去畸变处理;通过目标检测算法获取首帧左右目图像中各自目标框初始位置,通过目标追踪获得下一帧左目标框位置,并基于左目标框位置更新右目标框;获取左右目标的感兴趣区域,并基于左右目标感兴趣区域,计算左右目视差;根据左右目视差、相机内参和基线长度,结合三角测量方法计算目标车辆距离;基于横纵向卡尔曼滤波,计算目标车辆的加速度、速度和距离。该方案可以快速稳定估算前车相对状态,基于高速相机解决了横向结果输出帧率低、延迟大的问题,实现前车状态的实时输出。
Description
技术领域
本发明涉及无人驾驶领域,尤其涉及一种基于双目高速相机的前车状态估算方法及***。
背景技术
无人驾驶中,车辆的定位和感知是两大核心任务,感知结果的好坏会直接决定自动驾驶的安全、舒适性。在车辆自适应巡航或编队行驶场景下,需要求实时感知前方车辆的状态并调整自车状态,以保证行车的安全性和舒适性。
目前,用于自适应巡航或车辆编队行驶的传感器多采用毫米波雷达,毫米波雷达在纵向测距和测速方面精度较高,但在横向上的分辨率不够,且横向的速度测量需要两帧以上的结果,这导致横向上输出结果的频率较低、延迟较大,难以保障横向位置估算。
发明内容
有鉴于此,本发明实施例提供了一种基于双目高速相机的前车状态估算方法及***,以解决基于毫米波雷达的目标横向位置估算频率低、延迟大,导致实时性差的问题。
在本发明实施例的第一方面,提供了一种基于双目高速相机的前车状态估算方法,包括:
将双目相机平行固定安装于后视镜处,对双目相机进行标定,获取相机内参矩阵、畸变参数和相机基线长度;
获取同步的左右目相机图像,根据内参矩阵、畸变参数对左右目图像进行去畸变处理;
通过目标检测算法获取首帧左右目图像中各自目标框初始位置,通过目标追踪算法获得下一帧左目标框位置,其中,右目标框中心位置不变,只更新目标框大小;
基于左右目标框和左右目去畸变图像,获取左右目标的感兴趣区域,并基于左右目标感兴趣区域,计算左右目视差;
根据左右目视差、相机内参和基线长度,结合三角测量方法计算目标车辆距离;
基于目标车辆位置的横纵向卡尔曼滤波,计算目标车辆的加速度、速度和距离。
在本发明实施例的第二方面,提供了一种基于双目高速相机的前车状态估算***,包括:
相机标定模块,用于将双目相机平行固定安装于后视镜处,对双目相机进行标定,获取相机内参矩阵、畸变参数和相机基线长度;
图像去畸变模块,用于获取同步的左右目相机图像,根据内参矩阵、畸变参数对左右目图像进行去畸变处理;
目标框更新模块,用于基于当前帧的左目标框位置,通过目标追踪算法获得下一帧左目标框位置,其中,右目标框中心位置不变,只更新目标框大小;
视差计算模块,用于基于左右目标框和左右目去畸变图像,获取左右目标的感兴趣区域,并基于左右目标感兴趣区域,计算左右目视差;
距离计算模块,用于根据左右目视差、相机内参和基线长度,结合三角测量方法计算目标车辆距离;
目标状态估算模块,用于基于目标车辆位置的横纵向卡尔曼滤波,计算当前目标车辆的加速度、速度和距离。
在本发明实施例的第三方面,提供了一种电子设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如本发明实施例第一方面所述方法的步骤。
本发明实施例的第四方面,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存储有计算机程序,所述计算机程序被处理器执行时实现本发明实施例第一方面提供的所述方法的步骤。
本发明实施例中,基于双目高速相机采集图像,通过目标追踪算法更新目标框,结合立体视觉、横纵向卡尔曼滤波计算目标状态数据,可以快速稳定估算前车相对状态,横向状态输出频率高、延迟小,能实现前车状态数据的实时输出,方便准确控制自车,提供更稳定可靠的驾驶体验。
附图说明
为了更清楚地说明本发明实施例中的技术方案,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介绍,显而易见地,下面描述的附图仅仅是本发明的一些实施例,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取其他附图。
图1为本发明的一个实施例提供的一种基于双目高速相机的前车状态估算方法的流程示意图;
图2为本发明的一个实施例提供的一种基于双目高速相机的前车状态估算方法的另一流程示意图;
图3为本发明的一个实施例提供的一种基于双目高速相机的前车状态估算***的结构示意图。
具体实施方式
为使得本发明的发明目的、特征、优点能够更加的明显和易懂,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,下面所描述的实施例仅仅是本发明一部分实施例,而非全部的实施例。基于本发明中的实施例,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它实施例,都属于本发明保护的范围以下结合附图对本发明的原理和特征进行描述,所举实例只用于解释本发明,并非用于限定本发明的范围。
本发明的说明书或权利要求书及上述附图中的术语“包括”以及其他相近意思表述,意指覆盖不排他的包含,如包含一系列步骤或单元的过程、方法或***、设备没有限定于已列出的步骤或单元。
可以理解的是,毫米波雷达在纵向测距和测速方面精度较高,但在横向上的分辨率不够,且横向的速度测量需要两帧以上的结果,由此导致横向上输出结果的频率较低、延迟较大。而相机采用点阵来收集图像信息,其在横向上的分辨率更高,优势更为明显。普通相机一般帧率在30~60左右,且只能靠距离来估计速度、加速度,同样存在输出延迟大、输出结果帧率低的问题。高速相机可以输出200~1000的帧率,帧与帧之间目标的移动量小,可以实现目标状态的高帧率、低延迟地输出。
请参阅图1,图1为本发明一个实施例提供的一种基于双目高速相机的前车状态估算方法的流程示意图,包括:
S101、将双目相机平行固定安装于后视镜处,对双目相机进行标定,获取相机内参矩阵、畸变参数和相机基线长度;
将双目相机平行安装于驾驶室后视镜处,相机镜头朝向车头正前方,采集前方车辆图像。对相机进行标定,获取相机参数,即获取相机内参矩阵、畸变参数和相机基线长度,所述相机基线长度是指平行的两个相机的距离。
对于相机内参矩阵M、畸变向量P和相机基线长度b,其中:
P=(k1 k2 p1 p2 k3)。
S102、获取同步的左右目相机图像,根据内参矩阵、畸变参数对左右目图像进行去畸变处理;
物体在相机成像过程中,存在畸变,根据相机内参矩阵和畸变参数可以对左右目图像进行去畸变,减小后续目标计算的误差。
S103、通过目标检测算法获取首帧左右目图像中各自目标框初始位置,通过目标追踪算法获得下一帧左目标框位置,其中,右目标框中心位置不变,只更新目标框大小;
对于双目相机采集的左右目图像,通过目标检测算法确定首帧图像中左右目标框位置,所述目标一般为前车,所述目标检测算法为基于深度学习的目标检测,如RCNN、Faster RCNN、YOLO等。
所述目标追踪算法用于对初始帧给出的目标框进行跟踪,通过目标追踪算法对左目标框位置进行更新。对于右目标框的更新,右目标框中心位置与上一帧右目图像中右目标框位置基本相同,但目标框大小存在差异。后续得到目标车辆状态后,根据左目标框位置对当前右目标框位置再进行更新。
可以理解的是,上述基于左目标框位置更新右目标框位置,实际应用中,也可以通过目标检测算法确定右目标框位置后,通过目标追踪算法更新右目标框位置,并基于右目标框位置更新左目标框位置。
S104、基于左右目标框和左右目去畸变图像,获取左右目标的感兴趣区域,并基于左右目标感兴趣区域,计算左右目视差;
所述感兴趣区域(即ROI区域)即目标所在区域,也即是左右目标框中前车对应区域。
具体的,通过相位相关运算,计算双目图像的亚像素视差Δd,基于左右目标的感兴趣区域位置,计算得到整像素视差偏差doffset。根据亚像素视差和整像素视差偏差,得到视差值d=doffset+Δd。所述相位相关运算是一种建立在傅里叶平移理论上的图像对准技术。
S105、根据左右目视差、相机内参和基线长度,结合三角测量方法计算目标车辆距离;
所述三角测量是根据测量目标点与固定基准线的已知端点的角度,测量目标距离的方法。
具体的,基于左右目视差值和相机内参矩阵,计算目标中心位置在真实世界的三维坐标:
其中,(x,y,z)表示真实世界的三维坐标,cx,cy,f均为相机内参,b为相机基线长度,d为高精度视差值,xpixel,ypixel表示左目标框中心在图像上的坐标。
S106、基于目标车辆位置的横纵向卡尔曼滤波,计算目标车辆的加速度、速度和距离。
分别将车辆横向坐标、纵向坐标经卡尔曼滤波,得到目标横纵方向上的加速度、速度和距离值。
进一步的,基于目标车辆纵向距离值,反算左右目视差距离dfilter:
其中,b为相机基线长度,f为相机焦距,s为目标车辆纵向距离值;
基于左目标框位置和视差距离,更新右目标框位置。
可以理解的是,基于左目标框位置和视差距离更新右目标框位置,由于高速相机帧率高,相邻帧间的左右目标框位置更新较快,相对于毫米波雷达和普通相机,高速相机的帧与帧之间目标的移动量小,经过算法处理可以快速稳定地估计前车的相对状态。
本实施例提供的方法,基于双目高速相机采集双目图像,通过目标跟踪算法更新左目标框位置,并计算左右目视差后,结合立体视觉和卡尔曼滤波实时计算目标状态并更新右目标框,从而可以快速稳定输出前车相对的纵向及横向的状态,结果输出帧率高、延迟低,能有效保障状态输出的实时性。
在另一实施例中,如图2所示,对采集的左右目图像去畸变后,左目图像通过目标追踪,确定左目标框,并进行更新。对于右目标框纵向距离的信息及左目标框位置反向进行更新。确定左右目标感兴趣区域,通过相关运算、三角测量,结合视差距离,得到目标距离,再分别通过横向卡尔曼滤波和纵向卡尔曼滤波,得到当前帧目标横纵向的加速度、速度和距离等状态信息。
应理解,上述实施例中各步骤的序号大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本发明实施例的实施过程构成任何限定。
图3为本发明实施例提供的一种基于双目高速相机的前车状态估算的***的结构示意图,该***包括:
相机标定模块310,用于将双目相机平行固定安装于后视镜处,对双目相机进行标定,获取相机内参矩阵、畸变参数和相机基线长度;
图像去畸变模块320,用于获取同步的左右目相机图像,根据内参矩阵、畸变参数对左右目图像进行去畸变处理;
目标框更新模块330,用于基于当前帧的左目标框位置,通过目标追踪算法获得下一帧左目标框位置,其中,右目标框中心位置不变,只更新目标框大小;
其中,左右目标框的初始位置通过目标检测算法对首帧左右目图像处理得到。
视差计算模块340,用于基于左右目标框和左右目去畸变图像,获取左右目标的感兴趣区域,并基于左右目标感兴趣区域,计算左右目视差;
具体的,所述基于左右目标感兴趣区域,计算左右目视差包括:
通过相位相关运算,计算双目图像的亚像素视差Δd;
基于左右目标的感兴趣区域位置,计算得到整像素视差偏差doffset;
根据亚像素视差和整像素视差偏差,得到视差值d=doffset+Δd;
距离计算模块350,用于根据左右目视差、相机内参和基线长度,结合三角测量方法计算目标车辆距离;
具体的,所述根据左右目视差、相机内参和基线长度,结合三角测量方法计算目标车辆距离包括:
基于左右目视差值和相机内参矩阵,计算目标中心位置在真实世界的三维坐标:
其中,(x,y,z)表示真实世界的三维坐标,cx,cy,f均为相机内参,b为相机基线长度,d为高精度视差值,xpixel,ypixel表示左目标框中心在图像上的坐标。
目标状态估算模块360,用于基于目标车辆位置的横纵向卡尔曼滤波,计算当前目标车辆的加速度、速度和距离。
其中,所述目标状态估算模块360还包括:
右目标框更新模块,用于基于目标车辆纵向距离值,反算左右目视差距离dfilter:
其中,b为相机基线长度,f为相机焦距,s为目标车辆纵向距离值。
基于左目标框位置和视差距离,更新右目标框位置。
可以理解的是,在一个实施例中,所述电子设备包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述计算机程序执行如实施例一中步骤S101~S106,处理器执行所述计算机程序时实现前车状态的估算。
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步骤是可以通过程序来指令相关的硬件来完成,所述的程序可以存储于一计算机可读取存储介质中,该程序在执行时,包括步骤S101~S106,所述的存储介质包括如:ROM/RAM、磁碟、光盘等。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。
以上所述,以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种基于双目高速相机的前车状态估算方法,其特征在于,包括:
将双目相机平行固定安装于后视镜处,对双目相机进行标定,获取相机内参矩阵、畸变参数和相机基线长度;
获取同步的左右目相机图像,根据内参矩阵、畸变参数对左右目图像进行去畸变处理;
通过目标检测算法获取首帧左右目图像中各自目标框初始位置,通过目标追踪算法获得下一帧左目标框位置,其中,右目标框中心位置不变,只更新目标框大小;
基于左右目标框和左右目去畸变图像,获取左右目标的感兴趣区域,并基于左右目标感兴趣区域,计算左右目视差;
根据左右目视差、相机内参和基线长度,结合三角测量方法计算目标车辆距离;
基于目标车辆位置的横纵向卡尔曼滤波,计算目标车辆的加速度、速度和距离。
2.根据权利要求1所述方法,其特征在于,所述基于左右目标感兴趣区域,计算左右目视差包括:
通过相位相关运算,计算双目图像的亚像素视差Δd;
基于左右目标的感兴趣区域位置,计算得到整像素视差偏差doffset;
根据亚像素视差和整像素视差偏差,得到视差值d=doffset+Δd。
5.一种基于双目高速相机的前车状态估算***,其特征在于,包括:
相机标定模块,用于将双目相机平行固定安装于后视镜处,对双目相机进行标定,获取相机内参矩阵、畸变参数和相机基线长度;
图像去畸变模块,用于获取同步的左右目相机图像,根据内参矩阵、畸变参数对左右目图像进行去畸变处理;
目标框更新模块,用于基于当前帧的左目标框位置,通过目标追踪算法获得下一帧左目标框位置,其中,右目标框中心位置不变,只更新目标框大小;
视差计算模块,用于基于左右目标框和左右目去畸变图像,获取左右目标的感兴趣区域,并基于左右目标感兴趣区域,计算左右目视差;
距离计算模块,用于根据左右目视差、相机内参和基线长度,结合三角测量方法计算目标车辆距离;
目标状态估算模块,用于基于目标车辆位置的横纵向卡尔曼滤波,计算当前目标车辆的加速度、速度和距离。
6.根据权利要求5所述***,其特征在于,所述基于左右目标感兴趣区域,计算左右目视差包括:
通过相位相关运算,计算双目图像的亚像素视差Δd;
基于左右目标的感兴趣区域位置,计算得到整像素视差偏差doffset;
根据亚像素视差和整像素视差偏差,得到视差值d=doffset+Δd。
9.一种电子设备,包括处理器、存储器以及存储在所述存储器中并在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至4中任一项所述基于双目高速相机的前车状态估算方法的步骤。
10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至4任一项所述基于双目高速相机的前车状态估算方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011304139.7A CN112347973A (zh) | 2020-11-19 | 2020-11-19 | 一种基于双目高速相机的前车状态估算方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011304139.7A CN112347973A (zh) | 2020-11-19 | 2020-11-19 | 一种基于双目高速相机的前车状态估算方法及*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112347973A true CN112347973A (zh) | 2021-02-09 |
Family
ID=74364234
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011304139.7A Pending CN112347973A (zh) | 2020-11-19 | 2020-11-19 | 一种基于双目高速相机的前车状态估算方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112347973A (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102607510A (zh) * | 2012-01-12 | 2012-07-25 | 浙江大学 | 一种基于稀疏表示的立体测距方法 |
CN107729893A (zh) * | 2017-10-12 | 2018-02-23 | 清华大学 | 一种合模机的视觉定位方法、***和存储介质 |
CN110602474A (zh) * | 2018-05-24 | 2019-12-20 | 杭州海康威视数字技术股份有限公司 | 一种图像视差的确定方法、装置及设备 |
CN110864670A (zh) * | 2019-11-27 | 2020-03-06 | 苏州智加科技有限公司 | 目标障碍物位置的获取方法和*** |
CN111797684A (zh) * | 2020-05-25 | 2020-10-20 | 维森视觉丹阳有限公司 | 一种运动车辆双目视觉测距方法 |
-
2020
- 2020-11-19 CN CN202011304139.7A patent/CN112347973A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102607510A (zh) * | 2012-01-12 | 2012-07-25 | 浙江大学 | 一种基于稀疏表示的立体测距方法 |
CN107729893A (zh) * | 2017-10-12 | 2018-02-23 | 清华大学 | 一种合模机的视觉定位方法、***和存储介质 |
CN110602474A (zh) * | 2018-05-24 | 2019-12-20 | 杭州海康威视数字技术股份有限公司 | 一种图像视差的确定方法、装置及设备 |
CN110864670A (zh) * | 2019-11-27 | 2020-03-06 | 苏州智加科技有限公司 | 目标障碍物位置的获取方法和*** |
CN111797684A (zh) * | 2020-05-25 | 2020-10-20 | 维森视觉丹阳有限公司 | 一种运动车辆双目视觉测距方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9729858B2 (en) | Stereo auto-calibration from structure-from-motion | |
CN109902637B (zh) | 车道线检测方法、装置、计算机设备和存储介质 | |
US10789719B2 (en) | Method and apparatus for detection of false alarm obstacle | |
US8120644B2 (en) | Method and system for the dynamic calibration of stereovision cameras | |
JP4814669B2 (ja) | 3次元座標取得装置 | |
WO2018120040A1 (zh) | 一种障碍物检测方法及装置 | |
CN106960454B (zh) | 景深避障方法、设备及无人飞行器 | |
EP2492871B1 (en) | 3D object detecting apparatus and 3D object detecting method | |
EP3032818B1 (en) | Image processing device | |
JP6602982B2 (ja) | 車載カメラ、車載カメラの調整方法、車載カメラシステム | |
CN110209184A (zh) | 一种基于双目视觉***的无人机避障方法 | |
CN108592919B (zh) | 制图与定位方法、装置、存储介质和终端设备 | |
WO2021195939A1 (zh) | 一种双目拍摄装置的外参的标定方法、可移动平台及*** | |
KR20120065067A (ko) | 다중센서 융합을 통한 3차원 환경 모델링 장치 및 그 방법 | |
KR20220113781A (ko) | 환경의 지형을 측정하는 방법 | |
CN109798877B (zh) | 一种仿生水下机器鱼双目立体测距方法 | |
EP3832600A1 (en) | Image processing device and three-dimensional measuring system | |
CN110796604A (zh) | 一种图像校正方法及装置 | |
CN113450334A (zh) | 一种水上目标检测方法、电子设备及存储介质 | |
JP2024012160A (ja) | 目標状態推定方法、装置、電子機器及び媒体 | |
CN111260538B (zh) | 基于长基线双目鱼眼相机的定位及车载终端 | |
CN112347973A (zh) | 一种基于双目高速相机的前车状态估算方法及*** | |
CN114648639B (zh) | 一种目标车辆的检测方法、***及装置 | |
CN113658260B (zh) | 机器人位姿计算方法、***、机器人及存储介质 | |
CN113269857A (zh) | 坐标系关系获取方法及装置 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210209 |