CN112597788B - 目标测定方法、装置、电子设备和计算机可读介质 - Google Patents

目标测定方法、装置、电子设备和计算机可读介质 Download PDF

Info

Publication number
CN112597788B
CN112597788B CN202010902456.2A CN202010902456A CN112597788B CN 112597788 B CN112597788 B CN 112597788B CN 202010902456 A CN202010902456 A CN 202010902456A CN 112597788 B CN112597788 B CN 112597788B
Authority
CN
China
Prior art keywords
coordinate
detection frame
corner
frame information
image
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
CN202010902456.2A
Other languages
English (en)
Other versions
CN112597788A (zh
Inventor
兰莎郧
李松泽
戴震
倪凯
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.)
Heduo Technology Guangzhou Co ltd
Original Assignee
HoloMatic Technology Beijing 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 HoloMatic Technology Beijing Co Ltd filed Critical HoloMatic Technology Beijing Co Ltd
Priority to CN202010902456.2A priority Critical patent/CN112597788B/zh
Publication of CN112597788A publication Critical patent/CN112597788A/zh
Application granted granted Critical
Publication of CN112597788B publication Critical patent/CN112597788B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06T7/00—Image analysis
    • G06T7/90—Determination of colour characteristics
    • 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
    • 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
    • G06V2201/07—Target detection

Landscapes

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

Abstract

本公开的实施例公开了目标测定方法、装置、电子设备和计算机可读介质。该方法的一具体实施方式包括：获取车载相机拍摄的图像集，该车载相机的相机参数信息，角点坐标组集。对该角点坐标组集中的每个角点坐标组中的每个角点坐标进行坐标转换以生成转换角点坐标，得到转换角点坐标组集。确定该图像集中每个图像对应的检测框信息。对该检测框信息组集中的每个检测框信息组中的每个检测框信息进行矫正处理以生成矫正检测框信息。确定该图像集中每个图像包含的交通信号灯的数量值。从该图像集中选择包含的交通信号灯的数量值满足预定条件的图像作为候选图像。识别该候选图像中每个交通信号灯的颜色。该实施方式提高了目标测定准确度以及目标检测效率。

Description

目标测定方法、装置、电子设备和计算机可读介质
技术领域
本公开的实施例涉及计算机技术领域，具体涉及目标测定方法、装置、电子设备和计算机可读介质。
背景技术
目标测定，是一种基于目标几何以及统计特征的目标检测技术。目前，常用的目标测定方法是通过人工目测的方法标识出目标。
然而，当采用上述方式进行目标测定时，往往会存在如下技术问题：
第一，通过人工进行目标测定依赖于人的经验，导致目标测定结果不够准确以及目标检测效率低下；
第二，由于角点坐标以及目标不在同一坐标系下，无法进行目标检测；
第三，生成的检测框可能未能全部框定目标。
发明内容
本公开的内容部分用于以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。本公开的内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。
本公开的一些实施例提出了数据显示方法、装置、电子设备和计算机可读介质，来解决以上背景技术部分提到的技术问题中的一项或多项。
第一方面，本公开的一些实施例提供了一种目标测定方法，该方法包括：获取车载相机拍摄的图像集，上述车载相机的相机参数信息，角点坐标组集，其中，上述角点坐标是在世界坐标系下的坐标。基于上述相机参数信息，对上述角点坐标组集中的每个角点坐标组中的每个角点坐标进行坐标转换以生成转换角点坐标，得到转换角点坐标组集，其中，上述转换角点坐标是在图像坐标系下的坐标。基于上述转换角点坐标组集，确定上述图像集中每个图像对应的检测框信息，得到检测框信息组集。对上述检测框信息组集中的每个检测框信息组中的每个检测框信息进行矫正处理以生成矫正检测框信息，得到矫正检测框信息组集。基于上述矫正检测框信息组集，确定上述图像集中每个图像包含的交通信号灯的数量值。从上述图像集中选择包含的交通信号灯的数量值满足预定条件的图像作为候选图像。识别上述候选图像中每个交通信号灯的颜色，得到颜色信息集。
第二方面，本公开的一些实施例提供了一种目标测定装置，装置包括：获取单元，被配置成获取车载相机拍摄的图像集，上述车载相机的相机参数信息，角点坐标组集，其中，上述角点坐标是在世界坐标系下的坐标。坐标转换单元，被配置成基于上述相机参数信息，对上述角点坐标组集中的每个角点坐标组中的每个角点坐标进行坐标转换以生成转换角点坐标，得到转换角点坐标组集，其中，上述转换角点坐标是在图像坐标系下的坐标。第一确定单元，被配置成基于上述转换角点坐标组集，确定上述图像集中每个图像对应的检测框信息，得到检测框信息组集。矫正单元，被配置成对上述检测框信息组集中的每个检测框信息组中的每个检测框信息进行矫正处理以生成矫正检测框信息，得到矫正检测框信息组集。第二确定单元，被配置成基于上述矫正检测框信息组集，确定上述图像集中每个图像包含的交通信号灯的数量值。选择单元，被配置成从上述图像集中选择包含的交通信号灯的数量值满足预定条件的图像作为候选图像。识别单元，识别上述候选图像中每个交通信号灯的颜色，得到颜色信息集。
第三方面，本公开的一些实施例提供了一种电子设备，包括：一个或多个处理器；存储装置，其上存储有一个或多个程序，当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现如第一方面中所描述的方法。
第四方面，本公开的一些实施例提供了一种计算机可读介质，其上存储有计算机程序，其中，程序被处理器执行时实现如第一方面中所描述的方法。
本公开的上述各个实施例具有如下有益效果：首先，获取车载相机拍摄的图像集，上述车载相机的相机参数信息，角点坐标组集，其中，上述角点坐标是在世界坐标系下的坐标。其次，基于上述相机参数信息，对上述角点坐标组集中的每个角点坐标组中的每个角点坐标进行坐标转换以生成转换角点坐标，得到转换角点坐标组集，其中，上述转换角点坐标是在图像坐标系下的坐标。通过对坐标进行转换使得数据在同一坐标系下，方便处理。进而，基于上述转换角点坐标组集，确定上述图像集中每个图像对应的检测框信息，得到检测框信息组集。通过得到检测框信息，实现了对目标的初步测定。除此之外，对上述检测框信息组集中的每个检测框信息组中的每个检测框信息进行矫正处理以生成矫正检测框信息，得到矫正检测框信息组集。通过对检测框信息进行矫正，使得目标框定更为精准。进一步，基于上述矫正检测框信息组集，确定上述图像集中每个图像包含的交通信号灯的数量值。然后，从上述图像集中选择包含的交通信号灯的数量值满足预定条件的图像作为候选图像。最后，识别上述候选图像中每个交通信号灯的颜色，得到颜色信息集。通过对检测框进行矫正，提高了目标检测的准确度。解决了通过人工目测进行目标测定时过于依赖人的经验而导致目标测定结果不够准确的问题。同时，通过程序化的测定方法，在一定程度上提高了测定效率。
附图说明
结合附图并参考以下具体实施方式，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，原件和元素不一定按照比例绘制。
图1是根据本公开的一些实施例的目标测定方法的一个应用场景示意图；
图2是根据本公开的目标测定方法的一些实施例的流程图；
图3是根据本公开的目标测定方法的一些实施例的结构示意图；
图4是适于用来实现本公开的一些实施例的电子设备的结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例。相反，提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。
另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互集合。
需要注意，本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
需要注意，本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。
本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。
下面将参考附图并结合实施例来详细说明本公开。
图1是根据本公开的一些实施例的目标测定方法的一个应用场景示意图。
在图1的应用场景图中，首先，计算设备101可以获取车载相机拍摄的图像集102，上述车载相机的相机参数信息104，角点坐标组集103，其中，上述角点坐标是在世界坐标系下的坐标。其次，基于上述相机参数信息104，对上述角点坐标组集103中的每个角点坐标组中的每个角点坐标进行坐标转换以生成转换角点坐标，得到转换角点坐标组集105，其中，上述转换角点坐标是在图像坐标系下的坐标。进而，基于上述转换角点坐标组集105，确定上述图像集102中每个图像对应的检测框信息，得到检测框信息组集106。除此之外，对上述检测框信息组集106中的每个检测框信息组中的每个检测框信息进行矫正处理以生成矫正检测框信息，得到矫正检测框信息组集107。进一步，基于上述矫正检测框信息组集107，确定上述图像集102中每个图像包含的交通信号灯的数量值108。从而，从上述图像集中选择包含的交通信号灯的数量值108满足预定条件的图像作为候选图像109。最后，识别上述候选图像109中每个交通信号灯的颜色，得到颜色信息集110。
需要说明的是，上述计算设备101可以是硬件，也可以是软件。当计算设备为硬件时，可以实现成多个服务器或终端设备组成的分布式集群，也可以实现成单个服务器或单个终端设备。当计算设备体现为软件时，可以安装在上述所列举的硬件设备中。其可以实现成例如用来提供分布式服务的多个软件和软件模块，也可以是实现成单个软件或软件模块。在此不做具体限定。
应该理解，图1中的计算设备的数目仅仅是示意性的。根据实现需要，可以具有任意数目的计算设备。
继续参考图2，示出了根据本公开的目标测定方法的一些实施例的流程200。该方法可以由图1的计算设备101来执行。该数据显示方法，包括以下步骤：
步骤201，获取车载相机拍摄的图像集，车载相机的相机参数信息，角点坐标组集。
在一些实施例中，目标测定方法的执行主体(如图1所示的计算设备101)可以通过有线连接的方式或无线连接的方式获取车载相机拍摄的图像集，上述车载相机的相机参数信息，角点坐标组集。其中，上述相机参数信息包括但不限于以下至少一项：第一相机参数，第二相机参数，第三相机参数。上述角点坐标是在世界坐标系下的三维坐标。上述第一相机参数表示相机内参数。上述第二相机参数是旋转矩阵。第三相机参数是平移向量。
作为示例，上述第二相机参数可以是
Figure BDA0002660217670000061
上述第三相机参数可以是
Figure BDA0002660217670000062
上述角点坐标组集可以是[[[12，14，16]，[12，18，16]]，[[29，14，16]，[39，18，16]]]。
步骤202，基于相机参数信息，对角点信息组集中的每个角点坐标组中的每个角点坐标进行坐标转换以生成转换角点坐标，得到转换角点坐标组集。
在一些实施例中，上述执行主体可以基于上述相机参数信息，对上述角点信息组集中的每个角点坐标组中的每个角点坐标进行坐标转换以生成转换角点坐标，得到转换角点坐标组集。其中，上述角点坐标是在图像坐标系下的坐标。上述图像坐标系是以图像左上角为原点，以与图像水平方向平行的线为横轴，以与图像垂直方向平行的线为纵轴而建立的坐标系。
在一些实施例的一些可选的实现方式中，上述执行主体可以基于上述相机参数信息以及以下公式，对角点信息组集中的每个角点坐标组中的每个角点坐标进行坐标转换以生成转换角点坐标，得到转换角点坐标组集：
Figure BDA0002660217670000063
其中，u表示上述转换角点坐标中的横坐标。v表示上述转换角点坐标中的纵坐标。K表示上述第一相机参数。R表示上述第二相机参数。t表示上述第三相机参数。0T表示0矩阵的转置矩阵。Xw表示上述角点坐标中的横坐标。Yw表示上述角点坐标中的纵坐标。Zw表示上述角点坐标中的竖坐标。Xc表示上述角点坐标中的横坐标在相机坐标系下对应的横坐标。Yc表示上述角点坐标中的纵坐标在相机坐标系下对应的纵坐标。Zc表示上述角点坐标中的竖坐标在相机坐标系下对应的竖坐标。
作为示例，上述角点坐标可以是[-1，0，1]。上述0矩阵的转置矩阵0T可以是[0 00]。上述第二相机参数可以是
Figure BDA0002660217670000071
上述第三相机参数可以是
Figure BDA0002660217670000072
上述第一相机参数可以是1。通过上述公式得到转换角点坐标为
Figure BDA0002660217670000073
(计算过程如下式)。
Figure BDA0002660217670000074
上述公式作为本公开的实施例的一个发明点，由此解决了背景技术提及的技术问题二，即由于角点坐标以及目标不在同一坐标系下，无法进行目标检测的问题。
首先，通过上述第二相机参数以及上述第三相机参数，实现了将世界坐标系下的角点坐标转换到相机坐标系中。其次，基于上述第一相机参数，将相机坐标系下的角点坐标转换到图像坐标系下。由于各个坐标系下的坐标维度不同，因此通过参数“1”对矩阵进行填补，使得能够通过矩阵运算实现不同维度坐标在不同坐标系下的转换。
步骤203，基于转换角点坐标组集，确定图像集中每个图像对应的检测框信息，得到检测框信息组集。
在一些实施例中，上述执行主体可以基于上述转换角点坐标组集，确定上述图像集中每个图像对应的检测框信息，得到检测框信息组集。其中，上述检测框信息包括二元组，上述二元组包括：检测框第一坐标，检测框第二坐标。上述检测框信息是上述转换角点坐标组集中每个转换角点坐标组在每个图像上的投影。
步骤204，对检测框信息组集中的每个检测框信息组中的每个检测框信息进行矫正处理以生成矫正检测框信息，得到矫正检测框信息组集。
在一些实施例中，上述执行主体可以通过各种方式对上述检测框信息组集中的每个检测框信息组中的每个检测框信息进行矫正处理以生成矫正检测框信息，得到矫正检测框信息组集。矫正处理是指对上述检测框信息中的角点坐标组中的角点坐标进行放缩或移位操作。
在一些实施例的一些可选的实现方式中，上述执行主体可以通过以下公式对上述检测框信息组集中的每个检测框信息组中的每个检测框信息进行矫正处理以生成矫正检测框信息，得到矫正检测框信息组集：
Figure BDA0002660217670000081
其中，x1表示上述检测框第一坐标中的横坐标。y1表示上述检测框第一坐标中的纵坐标。x2表示上述检测框第二坐标中的横坐标。y2表示上述检测框第二坐标中的纵坐标。nx1表示上述矫正检测框信息包括的检测框第一坐标中的横坐标。ny1表示上述矫正检测框信息包括的检测框第一坐标中的纵坐标。nx2表示上述矫正检测框信息包括的检测框第二坐标中的横坐标。ny2表示上述矫正检测框信息包括的检测框第二坐标中的纵坐标。iw表示上述车载相机拍摄的图像的水平像素值。ih表示上述车载相机拍摄的图像的垂直像素值。w表示第一阈值。取值为x2-x1。h表示第二阈值，取值为y2-y1。lw表示左端偏移系数，取值范围为[0，+∞)。rw表示右端偏移系数，取值范围为[0，+∞)。th表示上端偏移系数，取值范围为[0，+∞)。dh表示下端偏移系数，取值范围为[0，+∞)。max()表示取矩阵中每一行中的最大值。min()表示取矩阵中每一行中的最小值。
作为示例，上述检测框第一坐标可以是[2，8]。上述检测框第二坐标可以是[3，10]。上述第一阈值可以是1。上述第二阈值可以是2。上述左端偏移系数可以是2。上述右端偏移系数可以是3。上述上端偏移系数可以是1。上述下端偏移系数可以是4。上述车载相机拍摄的图像的水平像素值可以是1920。上述车载相机拍摄的图像的垂直像素值可以是1080。通过以上公式生成的矫正检测信息可以是[[0，6]，[6，18]](计算过程如下式)。
Figure BDA0002660217670000091
上述公式作为本公开的实施例的一个发明点，由此解决了背景技术提及的技术问题三，即生成的检测框可能未能全部框定目标的问题。
由于相机存在多种规格，且视角不同，焦距不同，导致相机拍摄的图像存在畸变。进而导致检测框信息对应的检测框无法全部框定目标。上述第一阈值以及上述第二阈值表示根据检测框信息对应的检测框的长和宽。通过引入上端偏移系数，下端偏移系数，左端偏移系数以及右端偏移系数，实现了对检测框的放缩以及移位，消除了由于图像畸变而引起的框定不准确的问题，使得检测框能够全部框定目标。
步骤205，基于矫正检测框信息组集，确定上述图像集中每个图像包含的交通信号灯的数量值。
在一些实施例中，上述执行主体可以基于上述矫正检测框信息组集，通过各种方式确定上述图像集中每个图像包含的交通信号灯的数量值。其中上述图像包含的交通信号灯的数量值等于对应矫正检测框信息组中矫正检测框的数量。
步骤206，从图像集中选择包含的交通信号灯的数量值满足预定条件的图像作为候选图像。
在一些实施例中，上述执行主体可以从图像集中选择包含的交通信号灯的数量值满足预定条件的图像作为候选图像。其中，上述预定条件可以是上述图像集中对应交通信号灯数量值最大。
步骤207，识别候选图像中每个交通信号灯的颜色，得到颜色信息集。
在一些实施例中，上述执行主体可以识别上述候选图像中每个交通信号灯的颜色，得到颜色信息集。其中，识别候选图像中每个交通信号灯的颜色可以是将矫正检测框信息确定的区域内红色对应区域面、绿色对应区域面积、黄色对应区域面积中最大区域面积对应的颜色作为交通信号灯的颜色。
在一些实施例的一些可选的实现方式中，上述执行主体可以通过预先训练的颜色识别模型识别上述交通信号灯的颜色。具体的，上述预先训练的颜色识别模型可以包括特征提取层、特征汇总层，分类层。特征提取层是对图像中的交通信号灯进行识别并提取特征。特征汇总层用于对提取到的特征进行汇总。分类层用于根据汇总的特征进行类别划分。
在一些实施例的一些可选的实现方式中，上述执行主体可以将上述颜色信息集发送至具有显示功能的车辆上以供显示。
本公开的上述各个实施例具有如下有益效果：首先，获取车载相机拍摄的图像集，上述车载相机的相机参数信息，角点坐标组集，其中，上述角点坐标是在世界坐标系下的坐标。其次，基于上述相机参数信息，对上述角点坐标组集中的每个角点坐标组中的每个角点坐标进行坐标转换以生成转换角点坐标，得到转换角点坐标组集，其中，上述转换角点坐标是在图像坐标系下的坐标。通过对坐标进行转换使得数据在同一坐标系下，方便处理。进而，基于上述转换角点坐标组集，确定上述图像集中每个图像对应的检测框信息，得到检测框信息组集。通过得到检测框信息，实现了对目标的初步测定。除此之外，对上述检测框信息组集中的每个检测框信息组中的每个检测框信息进行矫正处理以生成矫正检测框信息，得到矫正检测框信息组集。通过对检测框信息进行矫正，使得目标框定更为精准。进一步，基于上述矫正检测框信息组集，确定上述图像集中每个图像包含的交通信号灯的数量值。然后，从上述图像集中选择包含的交通信号灯的数量值满足预定条件的图像作为候选图像。最后，识别上述候选图像中每个交通信号灯的颜色，得到颜色信息集。通过对检测框进行矫正，提高了目标检测的准确度。解决了通过人工目测进行目标测定时过于依赖人的经验而导致目标测定结果不够准确的问题。同时，通过程序化的测定方法，在一定程度上提高了测定效率。
进一步参考图3，作为对上述各图上述方法的实现，本公开提供了一种目标测定装置的一些实施例，这些装置实施例与图2上述的那些方法实施例相对应，该装置具体可以应用与各种电子设备中。如图3所示，一些实施例的目标测定装置300包括：获取单元301，被配置成获取车载相机拍摄的图像集，上述车载相机的相机参数信息，角点坐标组集，其中，上述角点坐标是在世界坐标系下的坐标。坐标转换单元302，被配置成基于上述相机参数信息，对上述角点坐标组集中的每个角点坐标组中的每个角点坐标进行坐标转换以生成转换角点坐标，得到转换角点坐标组集，其中，上述转换角点坐标是在图像坐标系下的坐标。第一确定单元303，被配置成基于上述转换角点坐标组集，确定上述图像集中每个图像对应的检测框信息，得到检测框信息组集。矫正单元304，被配置成对上述检测框信息组集中的每个检测框信息组中的每个检测框信息进行矫正处理以生成矫正检测框信息，得到矫正检测框信息组集。第二确定单元305，被配置成基于上述矫正检测框信息组集，确定上述图像集中每个图像包含的交通信号灯的数量值；选择单元306，被配置成从上述图像集中选择包含的交通信号灯的数量值满足预定条件的图像作为候选图像。识别单元307，识别上述候选图像中每个交通信号灯的颜色，得到颜色信息集。
可以理解的是，该装置300中记载的诸单元与参考图2描述的方法中的各个步骤相对应。由此，上文针对方法描述的操作、特征以及产生的有益效果同样适用于装置300及其中包含的单元，在此不再赘述。
下面参考图4，其示出了适于用来实现本公开的一些实施例的电子设备(例如图1中的计算设备101)400的结构示意图。图4示出的服务器仅仅是一个示例，不应对本公开的实施例的功能和使用范围带来任何限制。
如图4所示，电子设备400可以包括处理装置(例如中央处理器、图形处理器等)401，其可以根据存储在只读存储器(ROM)402中的程序或者从存储装置408加载到随机访问存储器(RAM)403中的程序而执行各种适当的动作和处理。在RAM 403中，还存储有电子设备400操作所需的各种程序和数据。处理装置401、ROM 402以及RAM 403通过总线404彼此相连。输入/输出(I/O)接口404也连接至总线404。
通常，以下装置可以连接至I/O接口404：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置406；包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置407；包括例如磁带、硬盘等的存储装置408；以及通信装置409。通信装置409可以允许电子设备400与其他设备进行无线或有线通信以交换数据。虽然图4示出了具有各种装置的电子设备400，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图4中示出的每个方框可以代表一个装置，也可以根据需要代表多个装置。
特别地，根据本公开的一些实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的一些实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的一些实施例中，该计算机程序可以通过通信装置409从网络上被下载和安装，或者从存储装置408被安装，或者从ROM 402被安装。在该计算机程序被处理装置401执行时，执行本公开的一些实施例的方法中限定的上述功能。
需要说明的是，本公开的一些实施例上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是但不限于——电、磁、光、电磁、红外线、或半导体的***、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开的一些实施例中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行***、装置或者器件使用或者与其结合使用。而在本公开的一些实施例中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行***、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、RF(射频)等等，或者上述的任意合适的组合。
在一些实施方式中，客户端、服务器可以利用诸如HTTP(HyperText TransferProtocol，超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信，并且可以与任意形式或介质的数字数据通信(例如，通信网络)互连。通信网络的示例包括局域网(“LAN”)，广域网(“WAN”)，网际网(例如，互联网)以及端对端网络(例如，ad hoc端对端网络)，以及任何当前已知或未来研发的网络。
上述计算机可读介质可以是上述装置中所包含的；也可以是单独存在，而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：获取车载相机拍摄的图像集，上述车载相机的相机参数信息，角点坐标组集，其中，上述角点坐标是在世界坐标系下的坐标。基于上述相机参数信息，对上述角点坐标组集中的每个角点坐标组中的每个角点坐标进行坐标转换以生成转换角点坐标，得到转换角点坐标组集，其中，上述转换角点坐标是在图像坐标系下的坐标。基于上述转换角点坐标组集，确定上述图像集中每个图像对应的检测框信息，得到检测框信息组集。对上述检测框信息组集中的每个检测框信息组中的每个检测框信息进行矫正处理以生成矫正检测框信息，得到矫正检测框信息组集。基于上述矫正检测框信息组集，确定上述图像集中每个图像包含的交通信号灯的数量值。从上述图像集中选择包含的交通信号灯的数量值满足预定条件的图像作为候选图像。识别上述候选图像中每个交通信号灯的颜色，得到颜色信息集。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的一些实施例的操作的计算机程序代码，上述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)——连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图，图示了按照本公开各种实施例的***、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的***来实现，或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开的一些实施例中的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器包括获取单元、坐标转换单元、第一确定单元、矫正单元、第二确定单元、选择单元和识别单元。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定，例如，获取单元还可以被描述为“获取车载相机拍摄的图像集，上述车载相机的相机参数信息，角点坐标组集的单元”。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上***(SOC)、复杂可编程逻辑设备(CPLD)等等。
以上描述仅为本公开的一些较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开的实施例中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开的实施例中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。

Claims (8)

1.一种目标测定方法，包括：
获取车载相机拍摄的图像集，所述车载相机的相机参数信息，角点坐标组集，其中，所述角点坐标是在世界坐标系下的坐标；
基于所述相机参数信息，对所述角点坐标组集中的每个角点坐标组中的每个角点坐标进行坐标转换以生成转换角点坐标，得到转换角点坐标组集，其中，所述转换角点坐标是在图像坐标系下的坐标；
基于所述转换角点坐标组集，确定所述图像集中每个图像对应的检测框信息，得到检测框信息组集，其中，所述检测框信息组集中的检测框信息包括：二元组，二元组包括：检测框第一坐标和检测框第二坐标，检测框信息是所述转换角点坐标组集中每个转换角点坐标组在每个图像上的投影；
对所述检测框信息组集中的每个检测框信息组中的每个检测框信息进行矫正处理以生成矫正检测框信息，得到矫正检测框信息组集；
基于所述矫正检测框信息组集，确定所述图像集中每个图像包含的交通信号灯的数量值；
从所述图像集中选择包含的交通信号灯的数量值满足预定条件的图像作为候选图像；
识别所述候选图像中每个交通信号灯的颜色，得到颜色信息集。
2.根据权利要求1所述的方法，其中，所述方法还包括：
将所述颜色信息集发送至具有显示功能的车辆上以供显示。
3.根据权利要求2所述的方法，其中，所述识别所述候选图像中每个交通信号灯的颜色，包括：
通过预先训练的颜色识别模型识别所述交通信号灯的颜色。
4.根据权利要求3所述的方法，其中，所述相机参数信息包括以下至少一项：第一相机参数，第二相机参数，第三相机参数；以及
所述对所述角点坐标组集中的每个角点坐标组中的每个角点坐标进行坐标转换以生成转换角点坐标，包括：
通过以下公式对所述角点坐标进行坐标转换以生成转换角点坐标：
Figure FDA0003200880170000021
其中，u表示所述转换角点坐标中的横坐标，v表示所述转换角点坐标中的纵坐标，K表示所述第一相机参数，R表示所述第二相机参数，t表示所述第三相机参数，0T表示0矩阵的转置矩阵，Xw表示所述角点坐标中的横坐标，Yw表示所述角点坐标中的纵坐标，Zw表示所述角点坐标中的竖坐标，Xc表示所述角点坐标中的横坐标在相机坐标系下对应的横坐标，Yc表示所述角点坐标中的纵坐标在相机坐标系下对应的纵坐标，Zc表示所述角点坐标中的竖坐标在相机坐标系下对应的竖坐标。
5.根据权利要求4所述的方法，其中，所述检测框信息包括二元组，所述二元组包括：检测框第一坐标，检测框第二坐标；以及
所述对所述检测框信息组集中的每个检测框信息组中的每个检测框信息进行矫正处理以生成矫正检测框信息，包括：
通过以下公式对所述检测框信息包括的二元组中的检测框第一坐标以及检测第二框坐标进行矫正处理以生成矫正检测框信息：
Figure FDA0003200880170000031
其中，x1表示所述检测框第一坐标中的横坐标，y1表示所述检测框第一坐标中的纵坐标，x2表示所述检测框第二坐标中的横坐标，y2表示所述检测框第二坐标中的纵坐标，nx1表示所述矫正检测框信息包括的检测框第一坐标中的横坐标，ny1表示所述矫正检测框信息包括的检测框第一坐标中的纵坐标，nx2表示所述矫正检测框信息包括的检测框第二坐标中的横坐标，ny2表示所述矫正检测框信息包括的检测框第二坐标中的纵坐标，iw表示所述车载相机拍摄的图像的水平像素值，ih表示所述车载相机拍摄的图像的垂直像素值，w表示第一阈值，取值为x2-x1，h表示第二阈值，取值为y2-y1，lw表示左端偏移系数，取值范围为[0，+∞)，rw表示右端偏移系数，取值范围为[0，+∞)，th表示上端偏移系数，取值范围为[0，+∞)，dh表示下端偏移系数，取值范围为[0，+∞)，max()表示取矩阵中每一行中的最大值，min()表示取矩阵中每一行中的最小值。
6.一种目标测定装置，包括：
获取单元，被配置成获取车载相机拍摄的图像集，所述车载相机的相机参数信息，角点坐标组集，其中，所述角点坐标是在世界坐标系下的坐标；
坐标转换单元，被配置成基于所述相机参数信息，对所述角点坐标组集中的每个角点坐标组中的每个角点坐标进行坐标转换以生成转换角点坐标，得到转换角点坐标组集，其中，所述转换角点坐标是在图像坐标系下的坐标；
第一确定单元，被配置成基于所述转换角点坐标组集，确定所述图像集中每个图像对应的检测框信息，得到检测框信息组集，其中，所述检测框信息组集中的检测框信息包括：二元组，二元组包括：检测框第一坐标和检测框第二坐标，检测框信息是所述转换角点坐标组集中每个转换角点坐标组在每个图像上的投影；
矫正单元，被配置成对所述检测框信息组集中的每个检测框信息组中的每个检测框信息进行矫正处理以生成矫正检测框信息，得到矫正检测框信息组集；
第二确定单元，被配置成基于所述矫正检测框信息组集，确定所述图像集中每个图像包含的交通信号灯的数量值；
选择单元，被配置成从所述图像集中选择包含的交通信号灯的数量值满足预定条件的图像作为候选图像；
识别单元，识别所述候选图像中每个交通信号灯的颜色，得到颜色信息集。
7.一种电子设备，包括：一个或多个处理器；
存储装置，其上存储有一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-5中任一所述的方法。
8.一种计算机可读介质，其上存储有计算机程序，其中，所述程序被处理器执行时实现如权利要求1-5中任一所述的方法。
CN202010902456.2A 2020-09-01 2020-09-01 目标测定方法、装置、电子设备和计算机可读介质 Active CN112597788B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010902456.2A CN112597788B (zh) 2020-09-01 2020-09-01 目标测定方法、装置、电子设备和计算机可读介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010902456.2A CN112597788B (zh) 2020-09-01 2020-09-01 目标测定方法、装置、电子设备和计算机可读介质

Publications (2)

Publication Number Publication Date
CN112597788A CN112597788A (zh) 2021-04-02
CN112597788B true CN112597788B (zh) 2021-09-21

Family

ID=75180246

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010902456.2A Active CN112597788B (zh) 2020-09-01 2020-09-01 目标测定方法、装置、电子设备和计算机可读介质

Country Status (1)

Country Link
CN (1) CN112597788B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113342914B (zh) * 2021-06-17 2023-04-25 重庆大学 一种用于地球仪区域检测的数据集获取及自动标注的方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105488810A (zh) * 2016-01-20 2016-04-13 东南大学 一种聚焦光场相机内外参数标定方法
CN106651953A (zh) * 2016-12-30 2017-05-10 山东大学 一种基于交通指示牌的车辆位姿估计方法
CN107784672A (zh) * 2016-08-26 2018-03-09 百度在线网络技术（北京）有限公司 用于获取车载相机的外部参数的方法和装置
CN110717438A (zh) * 2019-10-08 2020-01-21 东软睿驰汽车技术（沈阳）有限公司 一种交通信号灯识别方法及装置

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109271892A (zh) * 2018-08-30 2019-01-25 百度在线网络技术（北京）有限公司 一种物体识别方法、装置、设备、车辆和介质

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105488810A (zh) * 2016-01-20 2016-04-13 东南大学 一种聚焦光场相机内外参数标定方法
CN107784672A (zh) * 2016-08-26 2018-03-09 百度在线网络技术（北京）有限公司 用于获取车载相机的外部参数的方法和装置
CN106651953A (zh) * 2016-12-30 2017-05-10 山东大学 一种基于交通指示牌的车辆位姿估计方法
CN110717438A (zh) * 2019-10-08 2020-01-21 东软睿驰汽车技术（沈阳）有限公司 一种交通信号灯识别方法及装置

Also Published As

Publication number Publication date
CN112597788A (zh) 2021-04-02

Similar Documents

Publication Publication Date Title
CN113607185B (zh) 车道线信息显示方法、装置、电子设备和计算机可读介质
KR20200018411A (ko) 전극편의 버를 검출하기 위한 방법 및 장치
CN114399589B (zh) 三维车道线生成方法、装置、电子设备和计算机可读介质
CN110705511A (zh) 模糊图像的识别方法、装置、设备及存储介质
CN113255619A (zh) 车道线识别及定位方法、电子设备和计算机可读介质
CN112330576A (zh) 车载鱼眼摄像头畸变矫正方法、装置、设备及存储介质
CN113537153A (zh) 仪表图像识别方法、装置、电子设备和计算机可读介质
CN112464921A (zh) 障碍物检测信息生成方法、装置、设备和计算机可读介质
CN114638846A (zh) 拾取位姿信息确定方法、装置、设备和计算机可读介质
CN115272182A (zh) 车道线检测方法、装置、电子设备和计算机可读介质
CN113781478B (zh) 油罐图像检测方法、装置、电子设备和计算机可读介质
CN113592033B (zh) 油罐图像识别模型训练方法、油罐图像识别方法和装置
CN112597788B (zh) 目标测定方法、装置、电子设备和计算机可读介质
CN113379006B (zh) 图像识别方法、装置、电子设备和计算机可读介质
CN111965383B (zh) 车速信息生成方法、装置、电子设备和计算可读介质
CN115620264B (zh) 车辆定位方法、装置、电子设备和计算机可读介质
CN112232326A (zh) 行驶信息生成方法、装置、电子设备和计算机可读介质
CN113808134B (zh) 油罐布局信息生成方法、装置、电子设备、介质
CN112528970A (zh) 路牌检测方法、装置、设备和计算机可读介质
CN113780148A (zh) 交通标志图像识别模型训练方法和交通标志图像识别方法
CN112766068A (zh) 一种基于网格化标注的车辆检测方法及***
CN111062920A (zh) 用于生成半导体检测报告的方法及装置
CN114842448B (zh) 三维车道线生成方法、装置、电子设备和计算机可读介质
CN116630436B (zh) 相机外参修正方法、装置、电子设备和计算机可读介质
CN116188583B (zh) 相机位姿信息生成方法、装置、设备和计算机可读介质

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
GR01 Patent grant
GR01 Patent grant
PE01 Entry into force of the registration of the contract for pledge of patent right
PE01 Entry into force of the registration of the contract for pledge of patent right

Denomination of invention: Target determination method, device, electronic equipment and computer-readable medium

Effective date of registration: 20230228

Granted publication date: 20210921

Pledgee: Bank of Shanghai Co.,Ltd. Beijing Branch

Pledgor: HOLOMATIC TECHNOLOGY (BEIJING) Co.,Ltd.

Registration number: Y2023980033668

CP03 Change of name, title or address
CP03 Change of name, title or address

Address after: 201, 202, 301, No. 56-4 Fenghuang South Road, Huadu District, Guangzhou City, Guangdong Province, 510806

Patentee after: Heduo Technology (Guangzhou) Co.,Ltd.

Address before: 100095 101-15, 3rd floor, building 9, yard 55, zique Road, Haidian District, Beijing

Patentee before: HOLOMATIC TECHNOLOGY (BEIJING) Co.,Ltd.