CN112509054B - 一种相机外参动态标定方法 - Google Patents

一种相机外参动态标定方法 Download PDF

Info

Publication number
CN112509054B
CN112509054B CN202010700766.6A CN202010700766A CN112509054B CN 112509054 B CN112509054 B CN 112509054B CN 202010700766 A CN202010700766 A CN 202010700766A CN 112509054 B CN112509054 B CN 112509054B
Authority
CN
China
Prior art keywords
lane line
preset
camera
vehicle
intersection points
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
Application number
CN202010700766.6A
Other languages
English (en)
Other versions
CN112509054A (zh
Inventor
张蓉
张放
李晓飞
张德兆
王肖
霍舒豪
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Chongqing Landshipu Information Technology Co ltd
Original Assignee
Chongqing Landshipu Information Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Chongqing Landshipu Information Technology Co ltd filed Critical Chongqing Landshipu Information Technology Co ltd
Priority to CN202010700766.6A priority Critical patent/CN112509054B/zh
Publication of CN112509054A publication Critical patent/CN112509054A/zh
Application granted granted Critical
Publication of CN112509054B publication Critical patent/CN112509054B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • 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
    • G06V20/588—Recognition of the road, e.g. of lane markings; Recognition of the vehicle driving pattern in relation to the road

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Image Analysis (AREA)
  • Traffic Control Systems (AREA)
  • Image Processing (AREA)

Abstract

本发明涉及一种相机外参动态标定方法，包括：相机根据预设时间间隔进行图像采集，得到多帧第一图像；车道线检测模块将每帧第一图像输入深度学习模型，得到车道线信息；当车辆处于直行状态时，将车道线信息发送给存储模块；当车道线信息的数量达到第一预设数量时，标定模块选取第二预设数量的车道线信息；确定选中车道线ID，并计算选中车道线与预设标定线的多组交点的位置坐标；根据预设转换系数和位置坐标得到相对位置坐标，并且计算每组交点中两个交点之间的相对间距；根据各组交点的相对间距得到标准差参数；根据第二预设数量个标准差参数的均值与预设最优参数的比较结果确定是否调整相机的外参。

Description

一种相机外参动态标定方法
技术领域
本发明涉及自动驾驶技术领域，尤其涉及一种相机外参动态标定方法。
背景技术
近年来，自动驾驶车辆在智能交通出行、物流配送、清洁作业等多场景中广泛应用。相机作为自动驾驶车的主要传感器，常用于检测车辆行驶过程中障碍物位置，而检测的障碍物位置的准确度，与相机外参直接相关。
目前的相机外参标定主要分为两类。
第一类是依赖于特定的标定板或者标定物体的。因此需要人工进行标定场景的布置，且标定出来的外参为一组固定的参数。当车辆出现颠簸的情况时，这组固定的外参标定参数不再适用。
第二类是利用消失点或者平行的车道线的外参标定。这类标定虽然对于标定场景的要求相对较低，但是，单次标定所获得的一组外参参数同样为固定值，不适用车辆颠簸时目标位置的感知。
由此可知，现有的自动驾驶车辆的相机的外参，都是在车辆处于平缓的道路情况时的标定数据。一旦车辆行驶过程中，出现颠簸或者上下坡时，基于该固定外参所获得的车辆基准坐标系下的目标位置精度会降低，相应的自动驾驶车辆的安全系数也降低。
发明内容
本发明的目的是针对现有技术的缺陷，提供一种相机外参动态标定方法，可以在车辆离线状态下实现初始的外参标定，还可以在车辆行驶过程中实时进行动态相机外参标定。尤其是在车辆颠簸或者上下坡道的情况下，能够自动地矫正相机的外参标定参数，提高视觉检测目标的位置精度，进而提高车辆行驶的安全系数。
为实现上述目的，本发明提供了一种相机外参动态标定方法，所述动态标定方法包括：
相机根据预设时间间隔对车辆前方固定区域进行图像采集，得到多帧第一图像，并发送给车道线检测模块；每帧所述第一图像具有图像ID；
所述车道线检测模块将每帧所述第一图像输入深度学习模型，得到输出的每帧所述第一图像的车道线信息；所述车道线信息包括图像ID、每条车道线的车道线ID、所述车道线ID对应的像素坐标；
确定所述车辆是否处于直行状态；
当所述车辆处于直行状态时，所述车道线检测模块将所述车道线信息发送给存储模块；当所述存储模块内车道线信息的数量达到第一预设数量时，所述标定模块从所述存储模块选取第二预设数量的所述车道线信息；所述第二预设数量小于所述第一预设数量；
所述标定模块在第二预设数量的每个车道线信息中确定任意两个车道线ID，为选中车道线ID，并且根据所述选中车道线ID对应的像素坐标和多个预设纵坐标计算选中车道线与预设标定线的多组交点的位置坐标；所述每组交点包括一个预设纵坐标与所述选中车道线ID对应的两个车道线的两个交点；
所述标定模块根据预设转换系数和所述多组交点的位置坐标得到所述多组交点在车辆基准坐标系中的相对位置坐标，并且根据每组交点的相对位置坐标计算得到每组交点中两个交点之间的相对间距；根据一个车道线信息中的各组交点的相对间距进行标准差计算，得到所述车道线信息对应的标准差参数；所述标准差参数具有对应的图像ID；
所述标定模块根据所述第二预设数量个所述标准差参数的均值与预设最优参数的比较结果确定是否调整所述相机的外参；
其中，当所述标准差参数的均值不等于预设最优参数时，所述标定模块根据梯度下降法或者网格搜索法调整所述外参，得到调整后的外参；
所述标定模块根据预设相机内参和所述调整后的外参进行乘法计算，并且将所述计算结果赋值给所述预设转换系数，并再次执行所述相机外参动态标定方法。
优选的，所述标定模块根据所述第二预设数量个所述标准差参数的均值与预设最优参数的比较结果确定是否调整所述相机的外参之后，所述方法还包括：
当所述标准差参数的均值等于预设数值时，所述标定模块确定所述预设转换系数不变。
进一步优选的，在所述相机根据预设时间间隔对车辆前方固定区域进行图像采集，得到多帧第一图像之后，所述动态标定方法还包括：
所述相机将所述多帧第一图像发送给目标检测模块；
所述目标检测模块根据机器视觉技术或者人工神经网络技术对所述第一图像进行识别处理，得到目标信息，并发送给标定模块；所述目标信息包括目标ID和所述目标ID对应的像素坐标。
进一步优选的，所述动态标定方法还包括：
所述标定模块根据所述转换系数和所述目标的像素坐标得到所述目标的相对位置坐标。
优选的，所述确定所述车辆是否处于直行状态具体包括：
所述车道线检测模块从所述车辆的控制器获取车速和方向盘转角，并且根据所述车速和方向盘转角判断所述车辆是否处于直行状态。
进一步优选的，当所述车速小于预设车速和/或所述方向盘转角大于等于预设转角时，所述车道线检测模块判断所述车辆不处于直行状态，停止向所述存储模块发送所述车道线信息；
当所述车速大于等于预设车速并且所述方向盘转角小于预设转角时，所述车道线检测模块判断所述车辆处于直行状态。
优选的，在所述车道线检测模块将所述车道线信息发送给存储模块之后，所述动态标定方法还包括：
所述存储模块存储并统计所述车道线信息的存储数量，判断所述存储数量是否达到第一预设数量。
本发明提供的相机外参动态标定方法，可以在车辆离线状态下实现初始的外参标定，还可以在车辆行驶过程中实时进行动态相机外参标定。尤其是在车辆颠簸或者上下坡道的情况下，能够自动地矫正相机的外参标定参数，提高视觉检测目标的位置精度，进而提高车辆行驶的安全系数。
附图说明
图1为本发明实施例提供的相机外参动态标定方法的流程图；
图2为本发明实施例提供的图像坐标系下车道线的示意图；
图3为本发明实施例提供的图像坐标系下标定线的示意图；
图4为本发明实施例提供的车辆基准坐标系下标定线的示意图；
图5为本发明实施例提供的车辆基准坐标系下目标的示意图。
具体实施方式
下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。
本发明提供的相机外参动态标定方法，可以在车辆离线状态下实现初始的外参标定，还可以在车辆行驶过程中实时进行动态相机外参标定。尤其是在车辆颠簸或者上下坡道的情况下，能够自动地矫正相机的外参标定参数，提高视觉检测目标的位置精度，进而提高车辆行驶的安全系数。
为便于理解本发明的技术方案，首先对以下涉及到的像素坐标系、车辆基准坐标系和相机外参进行说明。
像素坐标系是一个二维的坐标系，以像素为单位，图像的左上方的第一个像素点为原点，水平向右方向为u轴，竖直向下方向为v轴。
在本发明实施例中，所建立的车辆基准坐标系是以车辆后轴得到中心点在地面的投影为原点，垂直地面向上为z轴，沿车辆正前方为x轴，垂直x轴指向车辆左侧为y轴。
相机外参包括旋转矩阵和平移矩阵，旋转矩阵包括x、y、z轴的3个旋转参数，平移矩阵包括x、y、z轴的3个平移参数。在本发明实施例中动态标定的相机外参就是指上述的3个旋转参数和3个平移参数。
旋转矩阵描述了车辆基准坐标系的坐标轴相对于相机坐标轴的方向，平移矩阵描述了在相机坐标系下空间原点的位置。旋转矩阵和平移矩阵共同描述了如何把点从车辆基准坐标系转换到相机坐标系。
图1为本发明实施例提供的相机外参动态标定方法的流程图，以下结合图1对本发明技术方案进行详述。
步骤101，相机根据预设时间间隔对车辆前方固定区域进行图像采集，得到多帧第一图像，并发送给车道线检测模块；
具体的，相机设置在车辆前端的中间位置，保证相机的镜头朝向车辆的正前方，也就是车辆坐标系下的y轴上，通过刻度尺和车辆的车型可以得知相机在车辆基准坐标系的相对于原点的平移。相机根据预设时间间隔对车辆前方固定区域进行图像采集，每个时间点采集的第一图像视为一帧第一图像。每帧第一图像具有图像ID。
步骤102，车道线检测模块将每帧第一图像输入深度学习模型，得到输出的每帧第一图像的车道线信息；
具体的，每帧第一图像输入训练后的深度学习模型，深度学习模型对每帧第一图像进行识别以及语义分割，得到车道线信息。车道线信息包括图像ID、每条车道线的车道线ID、车道线ID对应的像素坐标。也就是说，一个车道线信息对应一帧第一图像，每个车道线信息中包含多个车道线。
图2为本发明实施例提供的图像坐标系下车道线的示意图，每条车道线如图所示，为离散点组成。
步骤103，确定车辆是否处于直行状态；
具体的，车道线检测模块从车辆的控制器获取车速和方向盘转角，并且根据车速和方向盘转角判断车辆是否处于直行状态。
当车速小于预设车速和/或方向盘转角大于等于预设转角时，车道线检测模块判断车辆不处于直行状态，执行步骤130；当车速大于等于预设车速并且方向盘转角小于预设转角时，车道线检测模块判断车辆处于直行状态，执行步骤104。
步骤130，车道线检测模块停止向存储模块发送车道线信息；
具体的，在车辆不处于直行状态时，不对相机外参进行动态标定。
步骤104，车道线检测模块将车道线信息发送给存储模块；
具体的，在车辆处于直行状态时，基于车道线检测模块检测得到的车道线信息进行相机外参的动态标定。
步骤105，存储模块存储并统计车道线信息的存储数量；
具体的，存储模块是一个固定大小的缓存空间。当超出缓存空间时，存储模块删除最早存储的固定数量的车道线信息，以释放缓存空间。
步骤106，判断存储数量是否达到第一预设数量。
当存储模块内车道线信息的数量达到第一预设数量时，执行步骤107。当存储模块内车道线信息的数量未达到第一预设数量时，再次执行步骤105。
步骤107，标定模块从存储模块选取第二预设数量的车道线信息；
具体的，标定模块随机选取第二预设数量的车道线信息，用以减少某一异常帧的车道线信息对相机外参的影响。其中，第二预设数量小于第一预设数量。
步骤108，标定模块在第二预设数量的每个车道线信息中确定任意两个车道线ID，为选中车道线ID，并且根据选中车道线ID对应的像素坐标和多个预设纵坐标计算选中车道线与预设标定线的多组交点的位置坐标；
具体的，相邻的每两个预设纵坐标的差为固定值。这个固定值是可以根据需求改变的。每个车道线信息中包含多个车道线ID，标定模块选取每个车道线信息中的任意两个车道线ID为选中车道线ID，并且根据多个预设纵坐标确定两个选中车道线上对应的一组交点。每组交点包括一个预设纵坐标与选中车道线ID对应的两个车道线的两个交点。
图3为本发明实施例提供的图像坐标系下标定线的示意图，图4为本发明实施例提供的车辆基准坐标系下标定线的示意图。图3中两个选中车道线与多个纵坐标有多组交点，转换到车辆坐标系下，多组交点如图4所示，分别是A1A2、B1B2、C1C2、D1D2、E1E2、F1F2。
步骤109，标定模块根据预设转换系数和多组交点的位置坐标得到多组交点在车辆基准坐标系中的相对位置坐标，并且根据每组交点的相对位置坐标计算得到每组交点中两个交点之间的相对间距；
具体的，在图像坐标系下，两个选中车道线是不平行的，要确定两个选中车道线是否平行，需要将上一步骤中得到的多组交点转换到车辆基准坐标系下，从而根据车辆基准坐标系下的相对位置坐标计算每组交点中两个交点的相对间距。
车辆基准坐标系转换到像素坐标系的公式如下：
转换系数q＝Zc/(K[R T]) (式2)
其中，Zc为比例系数、K为相机的内参矩阵、R为旋转矩阵、T为平移矩阵。
步骤110，根据一个车道线信息中的各组交点的相对间距进行标准差计算，得到车道线信息对应的标准差参数；
具体的，通过一个车道线信息中的各组交点的相对间距进行标准差计算，用以判断该车道线信息中两个选中车道线是否平行。标准差参数具有对应的图像ID。
标准差参数的计算公式如下：
其中,D(A1,A2)、D(B1,B2)、D(C1,C2)、D(D1,D2)、D(E1,E2)、D(F1,F2)分别为各组交点的相对间距，为6个相对间距的平均值，COST为6个相对间距的标准差。
步骤111，标定模块根据第二预设数量个标准差参数的均值与预设最优参数的比较结果确定是否调整相机的外参；
具体的，一个车道线信息中的每组交点的相对间距都相同的时候，判定两个选中车道线相互平行，此时标准差参数为0。也就是说，只要标准差参数不为0，就表示两个选中车道线不平行。
标定模块对第二数量个标准差参数进行平均值计算，并且将计算得到的结果与最优参数进行比较，根据比较结果确定是否需要调整相机外参。最优参数可以是0也可以是一个区间。
当标准差参数的均值不等于预设最优参数时，标定模块根据梯度下降法或者网格搜索法调整外参，得到调整后的外参。标定模块根据预设相机内参和调整后的外参进行乘法计算，并且将计算结果赋值给预设转换系数，并再次执行相机外参动态标定方法。
其中，梯度下降法是沿着标准差参数梯度向下的方向求解最小值，梯度下降的步长以及最大迭代次数可以根据需求设置，最终通过梯度向下法的循环迭代获取不同方向的最小值。每个方向的最小值对应相机外参的其中一个参数，从而得到调整后的相机外参。
网格搜索法是按照预设的外参变量步长和调整的上下阈值，对所有的外参参数的组合的情况进行相应的COST的计算，然后选出一组计算结果最优的组合的相机外参作为调整后的外参。
当标准差参数的均值等于预设数值时，表明此时的相机外参是符合车辆当前行驶状态的，标定模块确定预设转换系数不变。
确定转换系数后，可以将图像坐标系下的目标的像素坐标转换为车辆基准坐标系下的目标的相对位置坐标，从而可以得到目标相对于车辆的位置，实现更精准实现车辆避障或者路线规划。
具体为相机将多帧第一图像发送给目标检测模块。目标检测模块根据机器视觉技术或者人工神经网络技术对第一图像进行识别处理，得到目标信息，并发送给标定模块。其中，目标信息包括目标ID和目标ID对应的像素坐标。标定模块根据转换系数和目标的像素坐标得到目标的相对位置坐标。
图5为本发明实施例提供的车辆基准坐标系下目标的示意图，目标的相对位置坐标就是在车辆基准坐标系下目标相对于车辆的坐标。其中，目标可以理解为当前在路面行驶的其他车辆、行人或者其他影响车辆行驶的障碍物。
本发明提供的相机外参动态标定方法，可以在车辆离线状态下实现初始的外参标定，还可以在车辆行驶过程中实时进行动态相机外参标定。尤其是在车辆颠簸或者上下坡道的情况下，能够自动地矫正相机的外参标定参数，提高视觉检测目标的位置精度，进而提高车辆行驶的安全系数。
专业人员应该还可以进一步意识到，结合本文中所公开的实施例描述的各示例的单元及方法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
结合本文中所公开的实施例描述的方法或方法的步骤可以用硬件、处理器执行的软件模块，或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
以上所述的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施方式而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (7)

1.一种相机外参动态标定方法，其特征在于，所述动态标定方法包括：
相机根据预设时间间隔对车辆前方固定区域进行图像采集，得到多帧第一图像，并发送给车道线检测模块；每帧所述第一图像具有图像ID；
所述车道线检测模块将每帧所述第一图像输入深度学习模型，得到输出的每帧所述第一图像的车道线信息；所述车道线信息包括图像ID、每条车道线的车道线ID、所述车道线ID对应的像素坐标；
确定所述车辆是否处于直行状态；
当所述车辆处于直行状态时，所述车道线检测模块将所述车道线信息发送给存储模块；当所述存储模块内车道线信息的数量达到第一预设数量时，标定模块从所述存储模块选取第二预设数量的所述车道线信息；所述第二预设数量小于所述第一预设数量；
所述标定模块在第二预设数量的每个车道线信息中确定任意两个车道线ID，为选中车道线ID，并且根据所述选中车道线ID对应的像素坐标和多个预设纵坐标计算选中车道线与预设标定线的多组交点的位置坐标；每组所述交点包括一个预设纵坐标与所述选中车道线ID对应的两个车道线的两个交点；
所述标定模块根据预设转换系数和所述多组交点的位置坐标得到所述多组交点在车辆基准坐标系中的相对位置坐标，并且根据每组交点的相对位置坐标计算得到每组交点中两个交点之间的相对间距；根据一个车道线信息中的各组交点的相对间距进行标准差计算，得到所述车道线信息对应的标准差参数；所述标准差参数具有对应的图像ID；
所述标定模块根据所述第二预设数量个所述标准差参数的均值与预设最优参数的比较结果确定是否调整所述相机的外参；
其中，当所述标准差参数的均值不等于预设最优参数时，所述标定模块根据梯度下降法或者网格搜索法调整所述外参，得到调整后的外参；
所述标定模块根据预设相机内参和所述调整后的外参进行乘法计算，并且将计算结果赋值给所述预设转换系数，并再次执行所述相机外参动态标定方法。
2.根据权利要求1所述的相机外参动态标定方法，其特征在于，所述标定模块根据所述第二预设数量个所述标准差参数的均值与预设最优参数的比较结果确定是否调整所述相机的外参之后，所述方法还包括：
当所述标准差参数的均值等于预设数值时，所述标定模块确定所述预设转换系数不变。
3.根据权利要求2所述的相机外参动态标定方法，其特征在于，在所述相机根据预设时间间隔对车辆前方固定区域进行图像采集，得到多帧第一图像之后，所述动态标定方法还包括：
所述相机将所述多帧第一图像发送给目标检测模块；
所述目标检测模块根据机器视觉技术或者人工神经网络技术对所述第一图像进行识别处理，得到目标信息，并发送给标定模块；所述目标信息包括目标ID和所述目标ID对应的像素坐标。
4.根据权利要求3所述的相机外参动态标定方法，其特征在于，所述动态标定方法还包括：
所述标定模块根据所述转换系数和所述目标的像素坐标得到所述目标的相对位置坐标。
5.根据权利要求1所述的相机外参动态标定方法，其特征在于，所述确定所述车辆是否处于直行状态具体包括：
所述车道线检测模块从所述车辆的控制器获取车速和方向盘转角，并且根据所述车速和方向盘转角判断所述车辆是否处于直行状态。
6.根据权利要求5所述的相机外参动态标定方法，其特征在于，当所述车速小于预设车速和/或所述方向盘转角大于等于预设转角时，所述车道线检测模块判断所述车辆不处于直行状态，停止向所述存储模块发送所述车道线信息；
当所述车速大于等于预设车速并且所述方向盘转角小于预设转角时，所述车道线检测模块判断所述车辆处于直行状态。
7.根据权利要求1所述的相机外参动态标定方法，其特征在于，在所述车道线检测模块将所述车道线信息发送给存储模块之后，所述动态标定方法还包括：
所述存储模块存储并统计所述车道线信息的存储数量，判断所述存储数量是否达到第一预设数量。
CN202010700766.6A 2020-07-20 2020-07-20 一种相机外参动态标定方法 Active CN112509054B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010700766.6A CN112509054B (zh) 2020-07-20 2020-07-20 一种相机外参动态标定方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010700766.6A CN112509054B (zh) 2020-07-20 2020-07-20 一种相机外参动态标定方法

Publications (2)

Publication Number Publication Date
CN112509054A CN112509054A (zh) 2021-03-16
CN112509054B true CN112509054B (zh) 2024-05-17

Family

ID=74953512

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010700766.6A Active CN112509054B (zh) 2020-07-20 2020-07-20 一种相机外参动态标定方法

Country Status (1)

Country Link
CN (1) CN112509054B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114049404B (zh) * 2022-01-12 2022-04-05 深圳佑驾创新科技有限公司 一种车内相机外参标定方法及装置
CN114419165B (zh) * 2022-01-17 2024-01-12 北京百度网讯科技有限公司 相机外参校正方法、装置、电子设备和存储介质
CN114663529B (zh) * 2022-03-22 2023-08-01 阿波罗智能技术(北京)有限公司 一种外参确定方法、装置、电子设备及存储介质

Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106558080A (zh) * 2016-11-14 2017-04-05 天津津航技术物理研究所 一种单目相机外参在线标定***及方法
CN108216229A (zh) * 2017-09-08 2018-06-29 北京市商汤科技开发有限公司 交通工具、道路线检测和驾驶控制方法及装置
CN109191531A (zh) * 2018-07-30 2019-01-11 深圳市艾为智能有限公司 一种基于车道线检测的后方车载相机的自动外参标定方法
CN109389650A (zh) * 2018-09-30 2019-02-26 京东方科技集团股份有限公司 一种车载相机的标定方法、装置、车辆和存储介质
CN109544633A (zh) * 2017-09-22 2019-03-29 华为技术有限公司 目标测距方法、装置及设备
DE102017218722A1 (de) * 2017-10-19 2019-04-25 Robert Bosch Gmbh Umfelderfassungssystem zum Erfassen eines Umfelds eines Fahrzeugs und Verfahren zum Erfassen eines Umfelds eines Fahrzeugs
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***
CN110148177A (zh) * 2018-02-11 2019-08-20 百度在线网络技术（北京）有限公司 用于确定相机的姿态角的方法、装置、计算设备、计算机可读存储介质以及采集实体
CN110264525A (zh) * 2019-06-13 2019-09-20 惠州市德赛西威智能交通技术研究院有限公司 一种基于车道线与目标车辆的相机标定方法
CN110322702A (zh) * 2019-07-08 2019-10-11 中原工学院 一种基于双目立体视觉***的车辆智能测速方法
CN110412603A (zh) * 2019-07-22 2019-11-05 昆山伟宇慧创智能科技有限公司 一种用于车道偏离计算的标定参数自适应更新方法
CN110415298A (zh) * 2019-07-22 2019-11-05 昆山伟宇慧创智能科技有限公司 一种用于车道偏离的计算方法
CN110782497A (zh) * 2019-09-06 2020-02-11 腾讯科技（深圳）有限公司 相机外参的标定方法、装置
CN111179345A (zh) * 2019-12-27 2020-05-19 大连海事大学 基于车载机器视觉的前方车辆越线违章行为自动检测方法及***

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10025317B2 (en) * 2016-09-30 2018-07-17 Faraday&Future Inc. Methods and systems for camera-based autonomous parking
US10769793B2 (en) * 2018-04-17 2020-09-08 Baidu Usa Llc Method for pitch angle calibration based on 2D bounding box and its 3D distance for autonomous driving vehicles (ADVs)

Patent Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106558080A (zh) * 2016-11-14 2017-04-05 天津津航技术物理研究所 一种单目相机外参在线标定***及方法
CN108216229A (zh) * 2017-09-08 2018-06-29 北京市商汤科技开发有限公司 交通工具、道路线检测和驾驶控制方法及装置
CN109544633A (zh) * 2017-09-22 2019-03-29 华为技术有限公司 目标测距方法、装置及设备
DE102017218722A1 (de) * 2017-10-19 2019-04-25 Robert Bosch Gmbh Umfelderfassungssystem zum Erfassen eines Umfelds eines Fahrzeugs und Verfahren zum Erfassen eines Umfelds eines Fahrzeugs
CN110148177A (zh) * 2018-02-11 2019-08-20 百度在线网络技术（北京）有限公司 用于确定相机的姿态角的方法、装置、计算设备、计算机可读存储介质以及采集实体
CN109191531A (zh) * 2018-07-30 2019-01-11 深圳市艾为智能有限公司 一种基于车道线检测的后方车载相机的自动外参标定方法
CN109389650A (zh) * 2018-09-30 2019-02-26 京东方科技集团股份有限公司 一种车载相机的标定方法、装置、车辆和存储介质
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***
CN110264525A (zh) * 2019-06-13 2019-09-20 惠州市德赛西威智能交通技术研究院有限公司 一种基于车道线与目标车辆的相机标定方法
CN110322702A (zh) * 2019-07-08 2019-10-11 中原工学院 一种基于双目立体视觉***的车辆智能测速方法
CN110412603A (zh) * 2019-07-22 2019-11-05 昆山伟宇慧创智能科技有限公司 一种用于车道偏离计算的标定参数自适应更新方法
CN110415298A (zh) * 2019-07-22 2019-11-05 昆山伟宇慧创智能科技有限公司 一种用于车道偏离的计算方法
CN110782497A (zh) * 2019-09-06 2020-02-11 腾讯科技（深圳）有限公司 相机外参的标定方法、装置
CN111179345A (zh) * 2019-12-27 2020-05-19 大连海事大学 基于车载机器视觉的前方车辆越线违章行为自动检测方法及***

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
Automatic on-the-fly extrinsic camera calibration of onboard vehicular cameras;M. B. De Paula等;Expert Systems with Applications: An International Journal（ACM）;20140301;第41卷(第4期);1997–2007 *
Online Extrinsic Parameters Calibration for Stereovision Systems Used in Far-Range Detection Vehicle Applications;Sergiu Nedevschi等;IEEE Transactions on Intelligent Transportation Systems;20071206;第8卷(第4期);651-660 *
一种针孔相机与三维激光雷达外参标定方法;韩正勇等;传感器与微***;20180420;第37卷(第04期);9-12+16 *
三维激光雷达-相机间外参的高效标定方法;刘今越等;仪器仪表学报;20191130;第40卷(第11期);64-72 *

Also Published As

Publication number Publication date
CN112509054A (zh) 2021-03-16

Similar Documents

Publication Publication Date Title
CN112509054B (zh) 一种相机外参动态标定方法
CN110942449B (zh) 一种基于激光与视觉融合的车辆检测方法
US10860870B2 (en) Object detecting apparatus, object detecting method, and computer program product
CN110765922B (zh) 一种agv用双目视觉物体检测障碍物***
CN109002039B (zh) 避障提醒方法、相关装置及计算机可读存储介质
CN109074490B (zh) 通路检测方法、相关装置及计算机可读存储介质
CN109345593B (zh) 一种摄像机姿态的检测方法及装置
JP6233345B2 (ja) 路面勾配検出装置
CN105206109B (zh) 一种基于红外ccd的车辆雾天识别预警***及方法
US20150269733A1 (en) Image processing apparatus and image processing method
CN107577996A (zh) 一种车辆驾驶路径偏移的识别方法及***
US10922817B2 (en) Perception device for obstacle detection and tracking and a perception method for obstacle detection and tracking
CN109752701A (zh) 一种基于激光点云的道路边沿检测方法
CN107609486A (zh) 一种车辆前向防撞预警方法及***
US10719949B2 (en) Method and apparatus for monitoring region around vehicle
CN109753841B (zh) 车道线识别方法和装置
EP2960858A1 (en) Sensor system for determining distance information based on stereoscopic images
CN108470142B (zh) 基于逆透视投影和车道距离约束的车道定位方法
CN109887273A (zh) 一种基于多源冗余信息的桥梁活载优化识别方法
CN105300390B (zh) 障碍物体运动轨迹的确定方法及装置
CN115082532B (zh) 一种基于激光雷达的跨江输电线防船舶碰撞方法
CN113593035A (zh) 一种运动控制决策生成方法、装置、电子设备及存储介质
CN115503747A (zh) 一种基于智能汽车线控转向***的路况识别与提醒***
CN112116644B (zh) 一种基于视觉的障碍物检测方法和装置、障碍物距离计算方法和装置
CN112132902B (zh) 车载摄像头外参调整方法、装置、电子设备以及介质

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
TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20220308

Address after: 401122 No.1, 1st floor, building 3, No.21 Yunzhu Road, Yubei District, Chongqing

Applicant after: Chongqing landshipu Information Technology Co.,Ltd.

Address before: B4-006, maker Plaza, 338 East Street, Huilongguan town, Changping District, Beijing 100096

Applicant before: Beijing Idriverplus Technology Co.,Ltd.

GR01 Patent grant
GR01 Patent grant