CN113246931A - 一种车辆控制方法、装置、电子设备及存储介质 - Google Patents

一种车辆控制方法、装置、电子设备及存储介质 Download PDF

Info

Publication number
CN113246931A
CN113246931A CN202110650767.9A CN202110650767A CN113246931A CN 113246931 A CN113246931 A CN 113246931A CN 202110650767 A CN202110650767 A CN 202110650767A CN 113246931 A CN113246931 A CN 113246931A
Authority
CN
China
Prior art keywords
pedestrian
image
preset
vehicle
area
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.)
Granted
Application number
CN202110650767.9A
Other languages
English (en)
Other versions
CN113246931B (zh
Inventor
张发恩
么琳
郭慧娟
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.)
Innovation Qizhi Chengdu Technology Co ltd
Original Assignee
Innovation Qizhi Chengdu 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 Innovation Qizhi Chengdu Technology Co ltd filed Critical Innovation Qizhi Chengdu Technology Co ltd
Priority to CN202110650767.9A priority Critical patent/CN113246931B/zh
Publication of CN113246931A publication Critical patent/CN113246931A/zh
Application granted granted Critical
Publication of CN113246931B publication Critical patent/CN113246931B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60T—VEHICLE BRAKE CONTROL SYSTEMS OR PARTS THEREOF; BRAKE CONTROL SYSTEMS OR PARTS THEREOF, IN GENERAL; ARRANGEMENT OF BRAKING ELEMENTS ON VEHICLES IN GENERAL; PORTABLE DEVICES FOR PREVENTING UNWANTED MOVEMENT OF VEHICLES; VEHICLE MODIFICATIONS TO FACILITATE COOLING OF BRAKES
    • B60T7/00—Brake-action initiating means
    • B60T7/12—Brake-action initiating means for automatic initiation; for initiation not subject to will of driver or passenger
    • B60T7/22—Brake-action initiating means for automatic initiation; for initiation not subject to will of driver or passenger initiated by contact of vehicle, e.g. bumper, with an external object, e.g. another vehicle, or by means of contactless obstacle detectors mounted on the vehicle
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60R—VEHICLES, VEHICLE FITTINGS, OR VEHICLE PARTS, NOT OTHERWISE PROVIDED FOR
    • B60R21/00—Arrangements or fittings on vehicles for protecting or preventing injuries to occupants or pedestrians in case of accidents or other traffic risks
    • B60R21/01—Electrical circuits for triggering passive safety arrangements, e.g. airbags, safety belt tighteners, in case of vehicle accidents or impending vehicle accidents
    • B60R21/013—Electrical circuits for triggering passive safety arrangements, e.g. airbags, safety belt tighteners, in case of vehicle accidents or impending vehicle accidents including means for detecting collisions, impending collisions or roll-over
    • B60R21/0134—Electrical circuits for triggering passive safety arrangements, e.g. airbags, safety belt tighteners, in case of vehicle accidents or impending vehicle accidents including means for detecting collisions, impending collisions or roll-over responsive to imminent contact with an obstacle, e.g. using radar systems
    • 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
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/103—Static body considered as a whole, e.g. static pedestrian or occupant recognition

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • General Engineering & Computer Science (AREA)
  • Computational Linguistics (AREA)
  • Mechanical Engineering (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Biophysics (AREA)
  • Biomedical Technology (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Human Computer Interaction (AREA)
  • Multimedia (AREA)
  • Transportation (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Traffic Control Systems (AREA)

Abstract

本申请涉及一种车辆控制方法、装置、电子设备及存储介质，属于图像处理技术领域。该车辆控制方法用于控制车辆，所述车辆上设置有摄像头组，所述摄像头组包括具有同一拍摄角度的红外摄像头和可见光摄像头；所述方法包括：获取同一拍摄角度、且同一时刻拍摄的红外图像和可见光图像；基于所述红外图像和所述可见光图像进行行人检测，得到检测结果；在检测结果表征在车辆行驶方向上有行人时，检测行人是否位于预设告警区域或预设制动区域；在该行人位于所述预设告警区域或所述预设制动区域时，控制车辆告警或车辆制动。基于具有同一拍摄角度的两种摄像头拍摄的图像来进行低能见度下的行人检测，可以极大提高行人检测的准确性。

Description

一种车辆控制方法、装置、电子设备及存储介质
技术领域
本申请属于图像处理技术领域，具体涉及一种车辆控制方法、装置、电子设备及存储介质。
背景技术
井下距离地面非常远，只能依靠通道里面有限的灯光照明，同时还存在大量的烟雾阻隔，使得光线昏暗、能见度非常低，无法看清人，人可能走进车辆行使范围而不被司机发现。传统红外图像判断，会把其他发热物体，比如发动机、电缆识别成人体；而传统可见光图像，在能见度低的情况下，很难看清物体，容易对人类行为产生误判，从而影响了驾驶***的安全性。
发明内容
鉴于此，本申请的目的在于提供一种车辆控制方法、装置、电子设备及存储介质，以改善现有检测方法容易出现误判的问题。
本申请的实施例是这样实现的：
第一方面，本申请实施例提供了一种车辆控制方法，用于控制车辆，所述车辆上设置有摄像头组，所述摄像头组包括具有同一拍摄角度的红外摄像头和可见光摄像头；所述方法包括：获取同一拍摄角度、且同一时刻拍摄的红外图像和可见光图像；基于所述红外图像和所述可见光图像进行行人检测，得到检测结果；在检测结果表征在车辆行驶方向上有行人时，检测行人是否位于预设告警区域或预设制动区域；在该行人位于所述预设告警区域或所述预设制动区域时，控制车辆告警或车辆制动。本申请实施例中，基于具有同一拍摄角度的两种摄像头拍摄的图像来进行低能见度下的行人检测，可以极大提高行人检测的准确性，降低出现误判的可能性，从而能够提高行车的安全性以及改善由于误判导致多次停车的行车体验。
结合第一方面实施例的一种可能的实施方式，基于所述红外图像和所述可见光图像进行行人检测，得到检测结果，包括：将所述红外图像和所述可见光图像分别进行预处理，以使处理后的红外图像和处理后的可见光图像的尺寸相同；将处理后的红外图像和处理后的可见光图像进行拼接，得到拼接图像；将所述拼接图像输入预先训练的行人检测模型中进行行人检测，得到检测结果。本申请实施例中，通过将两种图形进行预处理，以使处理后的红外图像和处理后的可见光图像的尺寸相同，然后再进行拼接，利用预先训练的行人检测模型来对拼接图像中的行人检测，可以开始得到检测结果，同时由于结合了两种图形，可以提高检测的准确性。
结合第一方面实施例的一种可能的实施方式，所述行人检测模型包括人头检测模型和人体检测模型；将所述拼接图像输入预先训练的行人检测模型中进行行人检测，包括：将所述拼接图像输入所述人头检测模型中进行人头检测，以及将所述拼接图像输入所述人体检测模型中进行人体检测。本申请实施例中，通过采用两种模型来进行行人检测，以此来提高检测结果的准确性，以避免单一模型存在的缺陷导致检测结果不准确的问题。
结合第一方面实施例的一种可能的实施方式，将所述拼接图像输入预先训练的行人检测模型中进行行人检测，包括：对所述拼接图像进行裁剪，得到所述拼接图像的中心区域图像；将所述中心区域图像按照所述拼接图像的尺寸进行放大；将尺寸放大后的所述中心区域图像输入所述行人检测模型中进行行人检测。本申请实施例中，通过对拼接图像进行裁剪，得到拼接图像的中心区域图像，然后再进行放大，之后再输入模型中进行行人检测，可以避免远距离行人无法被识别的现象发生。
结合第一方面实施例的一种可能的实施方式，检测行人是否位于预设告警区域或预设制动区域，包括：确定该行人距离车辆的位置距离；判断所述位置距离是否位于所述预设告警区域或所述预设制动区域；其中，若所述位置距离位于所述预设告警区域或所述预设制动区域，则表征行人位于所述预设告警区域或所述预设制动区域。
结合第一方面实施例的一种可能的实施方式，确定该行人距离车辆的位置距离，包括：根据行人头部在图像中的面积以及预设的表征距离和面积的反比例参数，得到该行人距离车辆的第一距离；根据行人脚部在图像中的位置坐标，得到脚部在图像中的水平位置，根据脚部在图像中的水平位置以及预先设定的水平位置与距离关系，得到该行人距离车辆的第二距离；确定所述第一距离与所述第二距离的平均值，所述平均值为该行人距离车辆的位置距离。本申请实施例中，通过从不同的角度来得到该行人距离车辆的距离，然后再求取各个距离的平均值，以此作为该行人距离车辆的位置距离，这样可以避免单一角度下得到的距离误差，提高结果的准确性。
结合第一方面实施例的一种可能的实施方式，所述摄像头组包括位于车辆行驶方向左前方的第一摄像头组和位于车辆行驶方向右前方第二摄像头组，所述第一摄像头组中的可见光摄像头和所述第二摄像头组中的可见光摄像头组成双目摄像头，所述方法还包括：基于双目测距原理，得到该行人距离车辆的第三距离；其中，该行人距离车辆的位置距离为所述第一距离、所述第二距离和所述第三距离的平均值。本申请实施例中，若构成双目摄像头时，还基于双目测距原理，得到该行人距离车辆的第三距离，然后将三个角度得到的距离的平均值，作为该行人距离车辆的位置距离，可以进一步提高结果的准确性。
结合第一方面实施例的一种可能的实施方式，检测行人是否位于预设告警区域或预设制动区域，包括：计算该行人当前所在区域与所述预设告警区域或所述预设制动区域的交并比；通过判断交并比值是否大于预设阈值来检测行人是否位于所述预设告警区域或所述预设制动区域；其中，若所述交并比值大于所述预设阈值，则表征行人位于所述预设告警区域或所述预设制动区域。本申请实施例中，通过计算该行人当前所在区域与预设告警区域或预设制动区域的交并比，以此来检测行人是否位于预设告警区域或预设制动区域，进一步增强了方案的灵活性和可实施性。
第二方面，本申请实施例还提供了一种车辆控制装置，用于控制车辆，所述车辆上设置有摄像头组，所述摄像头组包括具有同一拍摄角度的红外摄像头和可见光摄像头；所述装置包括：获取模块以及处理模块；获取模块，用于获取同一拍摄角度、且同一时刻拍摄的红外图像和可见光图像；处理模块，用于基于所述红外图像和所述可见光图像进行行人检测，得到检测结果，在检测结果表征在车辆行驶方向上有行人时，检测行人是否位于预设告警区域或预设制动区域，在该行人位于所述预设告警区域或所述预设制动区域时，控制车辆告警或车辆制动。
第三方面，本申请实施例还提供了一种电子设备，包括：存储器和处理器，所述处理器与所述存储器连接，所述处理器，用于调用存储于所述存储器中的程序，以执行上述第一方面实施例和/或结合第一方面实施例的任一种可能的实施方式提供的方法。
第四方面，本申请实施例还提供了一种存储介质，其上存储有计算机程序，所述计算机程序被处理器运行时，执行上述第一方面实施例和/或结合第一方面实施例的任一种可能的实施方式提供的方法。
本申请的其他特征和优点将在随后的说明书阐述，并且，部分地从说明书中变得显而易见，或者通过实施本申请实施例而了解。本申请的目的和其他优点可通过在所写的说明书以及附图中所特别指出的结构来实现和获得。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，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得其他的附图。通过附图所示，本申请的上述及其它目的、特征和优势将更加清晰。在全部附图中相同的附图标记指示相同的部分。并未刻意按实际尺寸等比例缩放绘制附图，重点在于示出本申请的主旨。
图1示出了本申请实施例提供的一种车辆控制方法的流程示意图。
图2示出了本申请实施例提供的一种中心区域图像的原理示意图。
图3示出了本申请实施例提供的一种双目测距的原理示意图。
图4示出了本申请实施例提供的一种车辆控制装置的模块示意图。
图5示出了本申请实施例提供的一种电子设备的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行描述。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。同时，在本申请的描述中诸如“第一”、“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
再者，本申请中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。
本申请实施例提供了一种用于控制车辆的车辆控制方法。该车辆上设置有摄像头组，该摄像头组包括具有同一拍摄角度的红外摄像头和可见光摄像头。该摄像头组用于采集车辆行驶方向上的红外图像和可见光图像。可选地，在车辆的前、后方均安装有该摄像头组，即在车辆的车头以及车尾部分均安装有该摄像头组，当车辆向前行驶时，由位于车头的摄像头组采集车辆行驶方向上的红外图像和可见光图像，车辆向后行驶时，由位于车尾的摄像头组采集车辆行驶方向上的红外图像和可见光图像。
下面将结合图1，对本申请实施例提供的车辆控制方法进行说明。
步骤S101：获取同一拍摄角度、且同一时刻拍摄的红外图像和可见光图像。
为了提高行人检测的准确性，本申请实施例中，通过获取同一拍摄角度、且同一时刻拍摄的红外图像和可见光图像，基于具有同一拍摄角度的两种摄像头拍摄的图像来进行低能见度下的行人检测，可以极大提高行人检测的准确性。
需要说明的是，上述的同一拍摄角度并不是必须要求两者的拍摄角度分毫不差，完全相同，只要拍摄角度在误差允许范围内，如5%，即认为属于同一拍摄角度。同理，上述的同一时刻拍摄并不是必须要求两者的拍摄时间分毫不差，完全相同，只要拍摄时间在误差允许范围内，如5%，即认为属于同一时刻拍摄。
步骤S102：基于所述红外图像和所述可见光图像进行行人检测，得到检测结果。
在获取到同一拍摄角度、且同一时刻拍摄的红外图像和可见光图像后，便可基于红外图像和可见光图像进行行人检测，得到检测结果。
一种可选实施方式下，步骤S102的具体过程可以是：将红外图像和可见光图像分别进行预处理，以使处理后的红外图像和处理后的可见光图像的尺寸相同，然后将处理后的红外图像和处理后的可见光图像进行拼接，得到拼接图像，然后将拼接图像输入预先训练的行人检测模型中进行行人检测，便可得到检测结果。例如将红外图像和可见光图像处理成具有相同宽*高*通道数的图像，然后再将有相同宽*高*通道数的红外图像和见光图像进行拼接。
该行人检测模型为事先训练好的用于行人检测的网络模型。一种实施方式下，该行人检测模型包括用于头部检测的人头检测模型和用于人体（包括头部）检测的人体检测模型。该种实施方式下，可以是当两个检测模型中的其中一个检测到行人，则表征在车辆行驶方向上有行人，通过采用两个检测模型来提高检测结果的准确性。当然需要说明的是，行人检测模型可以仅为人头检测模型或人体检测模型，因此不能将包含两种检测模型的方案理解成是对本申请的限制。
在行人检测模型包括用于头部检测的人头检测模型和用于人体（包括头部）检测的人体检测模型时，将所述拼接图像输入预先训练的行人检测模型中进行行人检测的过程可以是：将拼接图像输入人头检测模型中进行人头检测，以及将拼接图像输入人体检测模型中进行人体检测。在该种实施方式下，可以是两个检测模型中的其中一个检测到行人，就表征在车辆行驶方向上有行人，除了两个检测模型均没有检测到行人，才认为在车辆行驶方向上没有行人。
在进行行人检测时，考虑到可能存在远距离行人无法被识别的现象，一种可选实施方式下，将拼接图像输入预先训练的行人检测模型中进行行人检测的过程可以是：先对拼接图像进行裁剪，得到拼接图像的中心区域图像，然后将中心区域图像按照拼接图像的尺寸进行放大，然后将尺寸放大后的中心区域图像输入行人检测模型中进行行人检测。该种实施方式下，不再是直接将拼接图像输入预先训练的行人检测模型中进行行人检测，而是先进行裁剪，然后再将裁剪所得的图像进行放大，使其尺寸与原图像尺寸一致，然后再输入行人检测模型中进行行人检测。例如，将拼接图像进行裁剪，得到宽度为原图像1/4宽到3/4宽，高度为0到1/2高的图像。为了便于理解，以图2所示的示意图进行说明，图中虚线框所示区域即为裁剪得到的中心区域图像。需要说明的是，中心区域图像的尺寸并不限于图2所示的虚线框尺寸，其可以是其他尺寸，例如可以是宽度为原图像1/5宽到4/5宽，高度为0到1/2高的图像，或者，宽度为原图像1/4宽到3/4宽，高度为1/4到3/4高的图像等，其尺寸可根据需要进行设定。
需要说明的是，当行人检测模型包括人头检测模型和人体检测模型时，可以是将裁剪之后再放大的拼接图像分别输入两个模型中进行人头和人体检测。
在训练人头检测模型时，利用红外图像和可见光图像进行拼接后得到的拼接图像为样本，协调人头标注文件（拼接图像中的每个人头给定一个方框标注其位置信息）对神经网络模型如RetinaFace网络进行训练，从而得到训练好的用于人头检测的人头检测模型，该人头检测模型能够输出检测到的人头目标左上角的坐标和该目标的长和宽。该拼接图像为将具有相同宽x高x通道数的红外图像和见光图像进行拼接后得到的图像。需要说明的是，模型训练的具体过程已经为本领域技术人员所熟知，在此不再介绍。
在训练人体检测模型时，利用红外图像和可见光图像进行拼接后得到的拼接图像为样本，协调行人标注文件（拼接图像中的每个行人给定一个方框标注其位置信息）对神经网络模型如MobileNetV1-SSD网络进行训练，从而得到训练好的用于人体检测的人体检测模型，该人体检测模型能够输出检测到的行人整体目标左上角的坐标和该目标的长和宽。该拼接图像为将具有相同宽x高x通道数的红外图像和见光图像进行拼接后得到的图像。需要说明的是，模型训练的具体过程已经为本领域技术人员所熟知，在此不再介绍。
需要说明的是，在训练模型时，也可以是利用裁剪后再进行尺寸放大的拼接图像为样本，以增强模型的检测能力。
步骤S103：在检测结果表征在车辆行驶方向上有行人时，检测行人是否位于预设告警区域或预设制动区域。
在检测结果表征在车辆行驶方向上有行人时，检测行人是否位于预设告警区域或预设制动区域，在该行人位于预设告警区域或预设制动区域时，执行步骤S104。在该行人不位于预设告警区域或预设制动区域时，则继续检测。
一种实施方式下，步骤S103的实现过程可以是：确定该行人距离车辆的位置距离，判断位置距离是否位于预设告警区域或预设制动区域，若该位置距离位于预设告警区域或预设制动区域，则表征行人位于预设告警区域或预设制动区域，若该位置距离不位于预设告警区域或预设制动区域，则表征行人不位于预设告警区域或预设制动区域。
其中，可选地，确定该行人距离车辆的位置距离的过程可以是根据行人头部在图像中的面积以及预设的表征距离和面积的反比例参数，得到该行人距离车辆的第一距离，根据行人脚部在图像中的位置坐标，得到脚部在图像中的水平位置，根据脚部在图像中的水平位置以及预先设定的水平位置与距离关系，得到该行人距离车辆的第二距离，确定第一距离与第二距离的平均值，该平均值即为该行人距离车辆的位置距离。该种实施方式下，通过从不同的角度得到该行人距离车辆的距离，然后再求取各个距离的平均值，以此作为该行人距离车辆的位置距离，这样可以避免单一角度下得到的距离误差，提高结果的准确性。
其中，下面将对如何得到该行人距离车辆的第一距离的过程进行说明。在相机参数固定的情况下，可以认为不同人的人头面积大致相同，由于相机安装在车辆上，人头距离相机的距离即为人头距离相机的距离。人头距离相机的距离可以用字母D表示，人头框的长可以用字母H表示，人头框的宽度可以用字母W表示则，距离和面积的反比例参数可以用字母K表示，则有
Figure F_210610104557696_696402001
。其中，在相机参数固定的情况下，距离和面积的反比例参数K不便，为已知值，而H和W可以基于人头检测模型得到，该人头检测模型能够输出检测到的人头目标左上角的坐标和该目标的长和宽，这样就可以得到距离D。
下面对如何得到该行人距离车辆的第二距离的过程进行说明，由于人的身高参差不齐，与摄像头同一距离的不同人的人头并不一定在同一个水平线上，但是双脚会固定在同一条水平线上，在相机角度和高度相对固定的情况下，通过预先标定的一系列水平线表示距离相机1米、5米、10米、20米等的水平位置，使得后续根据行人脚部在图像中的位置坐标，得到脚部在图像中的水平位置，然后根据预先设定的水平位置与距离关系，便可得到该行人距离车辆的第二距离。其中，行人脚部在图像中的位置坐标可以基于人体检测模型的输出结果得到，人体检测模型能够输出检测到的行人整体目标左上角的坐标和该目标的长和宽，左上角的坐标加上目标的长即可得到行人脚部在图像中的位置坐标。
若摄像头组包括位于车辆行驶方向左前方的第一摄像头组和位于车辆行驶方向右前方第二摄像头组时，也即在车辆的前、后方均安装有两组摄像头组，这样无论车辆是前进还是后退，在车辆行驶方向上都有两组摄像头组（位于车辆行驶方向左前方的第一摄像头组和位于车辆行驶方向右前方第二摄像头组）在工作。例如，若车辆向前行驶，则用于行人检测所用的图像为位于车头左前方的第一摄像头组和位于车头右前方第二摄像头组采集的图像；若车辆向后行驶，用于行人检测所用的图像为位于车尾左前方的第一摄像头组和位于车尾右前方第二摄像头组采集的图像。其中，第一摄像头组中的可见光摄像头和第二摄像头组中的可见光摄像头组成双目摄像头。此时，还可以基于双目测距原理得到确定该行人距离车辆的第三距离，一种可选实施方式下，该行人距离车辆的位置距离为第一距离、第二距离和第三距离的平均值。
下面将结合图3对双目测距原理进行说明：OR和OT为两个可见光相机的光点，目标U在两个相机感光器上的成像是P和P
Figure SYM_210610104558001
，f为相机焦距，B为两个相机中心距离，则P到P
Figure SYM_210610104558002
的距离dis=B-（XR-XT）；根据三角形相似原理，则有
Figure F_210610104557805_805735002
，该公式变换后可得
Figure F_210610104557994_994157003
。其中Z即为该行人距离车辆的第三距离。
需要说明的是，该行人距离车辆的位置距离也可以是单一角度下得到的距离，如可以为第一距离，也可以为第二距离，还可以为第三距离，因此不能将上述平均值的方案理解为是对本申请的限制。
其中，预设告警区域距离车的距离大于预设制动区域大于车的距离，例如，距离车10至15米的区域可以为预设告警区域，距离车0至8米的区域可以为预设制动区域。需要说明的是预设告警区域以及预设制动区域应根据实际需要，结合车辆的行驶速度进行设定，不同的应用场景对应的预设告警区域以及预设制动区域距离车的距离不同。
一种实施方式下，步骤S103的实现过程可以是：计算该行人当前所在区域与预设告警区域或预设制动区域的交并比，通过判断交并比值是否大于预设阈值来检测行人是否位于预设告警区域或预设制动区域，若交并比值大于预设阈值（如0.2），则表征行人位于预设告警区域或预设制动区域。所谓交并比，即为该行人当前所在区域与预设告警区域或预设制动区域的重叠（交集）部分和该行人当前所在区域与预设告警区域或预设制动区域的并集部分的比值。
需要说明的是，除了通过交并比外，还可以是根据该行人当前所在区域与预设告警区域或预设制动区域的重叠（交集）部分与该行人当前所在区域的比值来检测行人是否位于预设告警区域或预设制动区域。若行人当前所在区域与预设告警区域或预设制动区域的重叠（交集）部分与该行人当前所在区域的比值大于0.2，则认为行人位于预设告警区域或预设制动区域。
步骤S104：控制车辆告警或车辆制动。
在该行人位于预设告警区域或预设制动区域时，则控制车辆告警或车辆制动。当行人位于预设告警区域，则控制车辆告警，以提醒行人及时避免车辆，如可以通过广播的方式进行告警。当行人位于预设制动区域，则控制车辆制动，避免继续前进与行人发生碰撞。
需要说明的是，上述的车辆控制方法的执行主体可以是车辆本身，也可以是其他设备，如计算机等。
本申请实施例还提供了一种用于控制车辆的车辆控制装置100，如图4所示。车辆上设置有摄像头组，所述摄像头组包括具有同一拍摄角度的红外摄像头和可见光摄像头。该车辆控制装置100包括：获取模块110以及处理模块120。
获取模块110，用于获取同一拍摄角度、且同一时刻拍摄的红外图像和可见光图像。
处理模块120，用于基于所述红外图像和所述可见光图像进行行人检测，得到检测结果，在检测结果表征在车辆行驶方向上有行人时，检测行人是否位于预设告警区域或预设制动区域，在该行人位于所述预设告警区域或所述预设制动区域时，控制车辆告警或车辆制动。
可选地，处理模块120，用于：将所述红外图像和所述可见光图像分别进行预处理，以使处理后的红外图像和处理后的可见光图像的尺寸相同；将处理后的红外图像和处理后的可见光图像进行拼接，得到拼接图像；将所述拼接图像输入预先训练的行人检测模型中进行行人检测，得到检测结果。
所述行人检测模型包括人头检测模型和人体检测模型，可选地，处理模块120，具体用于：将所述拼接图像输入所述人头检测模型中进行人头检测，以及将所述拼接图像输入所述人体检测模型中进行人体检测。
可选地，处理模块120，具体用于：对所述拼接图像进行裁剪，得到所述拼接图像的中心区域图像；将所述中心区域图像按照所述拼接图像的尺寸进行放大；将尺寸放大后的所述中心区域图像输入所述行人检测模型中进行行人检测。
可选地，处理模块120，用于：确定该行人距离车辆的位置距离；判断所述位置距离是否位于所述预设告警区域或所述预设制动区域；若所述位置距离位于所述预设告警区域或所述预设制动区域，则表征行人位于所述预设告警区域或所述预设制动区域。
可选地，处理模块120，具体用于：根据行人头部在图像中的面积以及预设的表征距离和面积的反比例参数，得到该行人距离车辆的第一距离；根据行人脚部在图像中的位置坐标，得到脚部在图像中的水平位置，根据脚部在图像中的水平位置以及预先设定的水平位置与距离关系，得到该行人距离车辆的第二距离；确定所述第一距离与所述第二距离的平均值，所述平均值为该行人距离车辆的位置距离。
所述摄像头组包括位于车辆行驶方向左前方的第一摄像头组和位于车辆行驶方向右前方第二摄像头组，所述第一摄像头组中的可见光摄像头和所述第二摄像头组中的可见光摄像头组成双目摄像头。可选地，处理模块120，还用于基于双目测距原理，得到该行人距离车辆的第三距离；其中，该行人距离车辆的位置距离为所述第一距离、所述第二距离和所述第三距离的平均值。
可选地，处理模块120，用于：计算该行人当前所在区域与所述预设告警区域或所述预设制动区域的交并比；通过判断交并比值是否大于预设阈值来检测行人是否位于所述预设告警区域或所述预设制动区域；其中，若所述交并比值大于所述预设阈值，则表征行人位于所述预设告警区域或所述预设制动区域。
本申请实施例所提供的车辆控制装置100，其实现原理及产生的技术效果和前述方法实施例相同，为简要描述，装置实施例部分未提及之处，可参考前述方法实施例中相应内容。
基于同一发明构思，如图5所示，图5示出了本申请实施例提供的一种电子设备200的结构框图。所述电子设备200包括收发器210、存储器220、通讯总线230、处理器240。若该电子设备200为车辆本身，则还包括位于车辆上的摄像头组，该摄像头组包括具有同一拍摄角度的红外摄像头和可见光摄像头，所述红外摄像头用于采集车辆行驶方向的红外图像，所述可见光摄像头用于采集车辆行驶方向的可见光图像。
所述收发器210、所述存储器220、处理器240各元件相互之间直接或间接地电性连接，以实现数据的传输或交互。例如，这些元件相互之间可通过一条或多条通讯总线230或信号线实现电性连接。其中，收发器210用于收发数据。存储器220用于存储计算机程序，如存储有图4中所示的软件功能模块，即车辆控制装置100。其中，车辆控制装置100包括至少一个可以软件或固件（firmware）的形式存储于所述存储器220中或固化在所述电子设备200的操作***（operating system，OS）中的软件功能模块。所述处理器240，用于执行存储器220中存储的可执行模块，例如车辆控制装置100包括的软件功能模块或计算机程序。例如，处理器240，用于获取同一拍摄角度、且同一时刻拍摄的红外图像和可见光图像；基于所述红外图像和所述可见光图像进行行人检测，得到检测结果；在检测结果表征在车辆行驶方向上有行人时，检测行人是否位于预设告警区域或预设制动区域；在该行人位于所述预设告警区域或所述预设制动区域时，控制车辆告警或车辆制动。
其中，存储器220可以是，但不限于，随机存取存储器（Random Access Memory，RAM），只读存储器（Read Only Memory，ROM），可编程只读存储器（Programmable Read-OnlyMemory，PROM），可擦除只读存储器（Erasable Programmable Read-Only Memory，EPROM），电可擦除只读存储器（Electric Erasable Programmable Read-Only Memory，EEPROM）等。
处理器240可能是一种集成电路芯片，具有信号的处理能力。上述的处理器可以是通用处理器，包括中央处理器(Central Processing Unit， CPU)、网络处理器(NetworkProcessor，NP)等；还可以是数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(FieldProgrammable Gate Array，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。可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器240也可以是任何常规的处理器等。
其中，上述的电子设备200，包括但不限于安装有摄像头组的车辆本身，或者为计算机、服务器等。
本申请实施例还提供了一种非易失性计算机可读取存储介质（以下简称存储介质），该存储介质上存储有计算机程序，该计算机程序被计算机如上述的电子设备200运行时，执行上述所示的车辆控制方法。
需要说明的是，本说明书中的各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。
在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，附图中的流程图和框图显示了根据本申请的多个实施例的装置、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，所述模块、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方式中，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，两个连续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动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。
另外，在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。
所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备（可以是个人计算机，笔记本电脑,服务器，或者电子设备等）执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器（Read-Only Memory，ROM）、随机存取存储器（Random Access Memory，RAM）、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应所述以权利要求的保护范围为准。

Claims (11)

1.一种车辆控制方法，其特征在于，用于控制车辆，所述车辆上设置有摄像头组，所述摄像头组包括具有同一拍摄角度的红外摄像头和可见光摄像头；所述方法包括：
获取同一拍摄角度、且同一时刻拍摄的红外图像和可见光图像；
基于所述红外图像和所述可见光图像进行行人检测，得到检测结果；
在检测结果表征在车辆行驶方向上有行人时，检测行人是否位于预设告警区域或预设制动区域；
在该行人位于所述预设告警区域或所述预设制动区域时，控制车辆告警或车辆制动。
2.根据权利要求1所述的方法，其特征在于，基于所述红外图像和所述可见光图像进行行人检测，得到检测结果，包括：
将所述红外图像和所述可见光图像分别进行预处理，以使处理后的红外图像和处理后的可见光图像的尺寸相同；
将处理后的红外图像和处理后的可见光图像进行拼接，得到拼接图像；
将所述拼接图像输入预先训练的行人检测模型中进行行人检测，得到检测结果。
3.根据权利要求2所述的方法，其特征在于，所述行人检测模型包括人头检测模型和人体检测模型；将所述拼接图像输入预先训练的行人检测模型中进行行人检测，包括：
将所述拼接图像输入所述人头检测模型中进行人头检测，以及将所述拼接图像输入所述人体检测模型中进行人体检测。
4.根据权利要求2所述的方法，其特征在于，将所述拼接图像输入预先训练的行人检测模型中进行行人检测，包括：
对所述拼接图像进行裁剪，得到所述拼接图像的中心区域图像；
将所述中心区域图像按照所述拼接图像的尺寸进行放大；
将尺寸放大后的所述中心区域图像输入所述行人检测模型中进行行人检测。
5.根据权利要求1所述的方法，其特征在于，检测行人是否位于预设告警区域或预设制动区域，包括：
确定该行人距离车辆的位置距离；
判断所述位置距离是否位于所述预设告警区域或所述预设制动区域；
其中，若所述位置距离位于所述预设告警区域或所述预设制动区域，则表征行人位于所述预设告警区域或所述预设制动区域。
6.根据权利要求5所述的方法，其特征在于，确定该行人距离车辆的位置距离，包括：
根据行人头部在图像中的面积以及预设的表征距离和面积的反比例参数，得到该行人距离车辆的第一距离；
根据行人脚部在图像中的位置坐标，得到脚部在图像中的水平位置，根据脚部在图像中的水平位置以及预先设定的水平位置与距离关系，得到该行人距离车辆的第二距离；
确定所述第一距离与所述第二距离的平均值，所述平均值为该行人距离车辆的位置距离。
7.根据权利要求6所述的方法，其特征在于，所述摄像头组包括位于车辆行驶方向左前方的第一摄像头组和位于车辆行驶方向右前方第二摄像头组，所述第一摄像头组中的可见光摄像头和所述第二摄像头组中的可见光摄像头组成双目摄像头，所述方法还包括：
基于双目测距原理，得到该行人距离车辆的第三距离；
其中，该行人距离车辆的位置距离为所述第一距离、所述第二距离和所述第三距离的平均值。
8.根据权利要求1所述的方法，其特征在于，检测行人是否位于预设告警区域或预设制动区域，包括：
计算该行人当前所在区域与所述预设告警区域或所述预设制动区域的交并比；
通过判断交并比值是否大于预设阈值来检测行人是否位于所述预设告警区域或所述预设制动区域；
其中，若所述交并比值大于所述预设阈值，则表征行人位于所述预设告警区域或所述预设制动区域。
9.一种车辆控制装置，其特征在于，用于控制车辆，所述车辆上设置有摄像头组，所述摄像头组包括具有同一拍摄角度的红外摄像头和可见光摄像头；所述装置包括：
获取模块，用于获取同一拍摄角度、且同一时刻拍摄的红外图像和可见光图像；
处理模块，用于基于所述红外图像和所述可见光图像进行行人检测，得到检测结果，在检测结果表征在车辆行驶方向上有行人时，检测行人是否位于预设告警区域或预设制动区域，在该行人位于所述预设告警区域或所述预设制动区域时，控制车辆告警或车辆制动。
10.一种电子设备，其特征在于，包括：存储器和处理器，所述处理器与所述存储器连接，所述处理器，用于调用存储于所述存储器中的程序，以执行如权利要求1-8中任一项所述的方法。
11.一种存储介质，其特征在于，其上存储有计算机程序，所述计算机程序被处理器运行时，执行如权利要求1-8中任一项所述的方法。
CN202110650767.9A 2021-06-11 2021-06-11 一种车辆控制方法、装置、电子设备及存储介质 Active CN113246931B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110650767.9A CN113246931B (zh) 2021-06-11 2021-06-11 一种车辆控制方法、装置、电子设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110650767.9A CN113246931B (zh) 2021-06-11 2021-06-11 一种车辆控制方法、装置、电子设备及存储介质

Publications (2)

Publication Number Publication Date
CN113246931A true CN113246931A (zh) 2021-08-13
CN113246931B CN113246931B (zh) 2021-09-28

Family

ID=77187522

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110650767.9A Active CN113246931B (zh) 2021-06-11 2021-06-11 一种车辆控制方法、装置、电子设备及存储介质

Country Status (1)

Country Link
CN (1) CN113246931B (zh)

Citations (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20020125383A1 (en) * 2001-03-12 2002-09-12 Honda Giken Kogyo Kabushiki Kaisha Distance measuring sensor mounting structure
JP3987048B2 (ja) * 2003-03-20 2007-10-03 本田技研工業株式会社 車両周辺監視装置
CN102985958A (zh) * 2010-08-31 2013-03-20 本田技研工业株式会社 车辆周围监测装置
CN103129468A (zh) * 2013-02-19 2013-06-05 河海大学常州校区 基于激光成像技术的车载路障识别***和方法
EP2227406B1 (en) * 2007-11-12 2015-03-18 Autoliv Development AB A vehicle safety system
DE202013012294U1 (de) * 2012-04-27 2016-02-10 Dynamic Research, Inc. Vorrichtungen und Systeme zum Testen von Verkehrsunfall-Verhinderungstechnologie
KR20160121026A (ko) * 2015-04-09 2016-10-19 현대자동차주식회사 보행자 거리 추정장치 및 방법
CN106297142A (zh) * 2016-08-17 2017-01-04 云南电网有限责任公司电力科学研究院 一种无人机山火勘探控制方法及***
CN206421414U (zh) * 2017-01-19 2017-08-18 南京航空航天大学 一种自动驾驶障碍物视觉检测***
CN107406071A (zh) * 2015-04-01 2017-11-28 Plk科技株式会社 行人识别装置及其方法
US20180079408A1 (en) * 2015-03-31 2018-03-22 Denso Corporation Object detection apparatus and object detection method
CN108388837A (zh) * 2017-02-03 2018-08-10 福特全球技术公司 一种用于评估自主车辆的内部的***和方法
CN109455171A (zh) * 2018-11-12 2019-03-12 成都扬发机电有限公司 特种车辆与障碍物距离检测方法
CN110956069A (zh) * 2019-05-30 2020-04-03 初速度（苏州）科技有限公司 一种行人3d位置的检测方法及装置、车载终端
CN210416497U (zh) * 2019-05-16 2020-04-28 清华大学天津高端装备研究院 一种电动汽车多传感器智能采集装置
US20200139960A1 (en) * 2016-04-11 2020-05-07 David E. Newman Systems and methods for hazard mitigation
CN111767868A (zh) * 2020-06-30 2020-10-13 创新奇智(北京)科技有限公司 人脸检测方法、装置、电子设备及存储介质
CN112026727A (zh) * 2015-05-12 2020-12-04 深圳市大疆创新科技有限公司 识别或检测障碍物的设备和方法
CN112464782A (zh) * 2020-11-24 2021-03-09 惠州华阳通用电子有限公司 一种行人识别方法和***
CN112896159A (zh) * 2021-03-11 2021-06-04 宁波均联智行科技股份有限公司 行车安全预警方法及***

Patent Citations (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20020125383A1 (en) * 2001-03-12 2002-09-12 Honda Giken Kogyo Kabushiki Kaisha Distance measuring sensor mounting structure
JP3987048B2 (ja) * 2003-03-20 2007-10-03 本田技研工業株式会社 車両周辺監視装置
EP2227406B1 (en) * 2007-11-12 2015-03-18 Autoliv Development AB A vehicle safety system
CN102985958A (zh) * 2010-08-31 2013-03-20 本田技研工业株式会社 车辆周围监测装置
DE202013012294U1 (de) * 2012-04-27 2016-02-10 Dynamic Research, Inc. Vorrichtungen und Systeme zum Testen von Verkehrsunfall-Verhinderungstechnologie
CN103129468A (zh) * 2013-02-19 2013-06-05 河海大学常州校区 基于激光成像技术的车载路障识别***和方法
US20180079408A1 (en) * 2015-03-31 2018-03-22 Denso Corporation Object detection apparatus and object detection method
CN107406071A (zh) * 2015-04-01 2017-11-28 Plk科技株式会社 行人识别装置及其方法
KR20160121026A (ko) * 2015-04-09 2016-10-19 현대자동차주식회사 보행자 거리 추정장치 및 방법
CN112026727A (zh) * 2015-05-12 2020-12-04 深圳市大疆创新科技有限公司 识别或检测障碍物的设备和方法
US20200139960A1 (en) * 2016-04-11 2020-05-07 David E. Newman Systems and methods for hazard mitigation
CN106297142A (zh) * 2016-08-17 2017-01-04 云南电网有限责任公司电力科学研究院 一种无人机山火勘探控制方法及***
CN206421414U (zh) * 2017-01-19 2017-08-18 南京航空航天大学 一种自动驾驶障碍物视觉检测***
CN108388837A (zh) * 2017-02-03 2018-08-10 福特全球技术公司 一种用于评估自主车辆的内部的***和方法
CN109455171A (zh) * 2018-11-12 2019-03-12 成都扬发机电有限公司 特种车辆与障碍物距离检测方法
CN210416497U (zh) * 2019-05-16 2020-04-28 清华大学天津高端装备研究院 一种电动汽车多传感器智能采集装置
CN110956069A (zh) * 2019-05-30 2020-04-03 初速度（苏州）科技有限公司 一种行人3d位置的检测方法及装置、车载终端
CN111767868A (zh) * 2020-06-30 2020-10-13 创新奇智(北京)科技有限公司 人脸检测方法、装置、电子设备及存储介质
CN112464782A (zh) * 2020-11-24 2021-03-09 惠州华阳通用电子有限公司 一种行人识别方法和***
CN112896159A (zh) * 2021-03-11 2021-06-04 宁波均联智行科技股份有限公司 行车安全预警方法及***

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
罗文: "红外与可见光图像融合方法研究", 《中国优秀硕士学位论文全文数据库（电子期刊）信息科技辑》 *

Also Published As

Publication number Publication date
CN113246931B (zh) 2021-09-28

Similar Documents

Publication Publication Date Title
CN105549023B (zh) 物体检测装置及其工作方法
US11620837B2 (en) Systems and methods for augmenting upright object detection
EP3229041B1 (en) Object detection using radar and vision defined image detection zone
JP5867273B2 (ja) 接近物体検知装置、接近物体検知方法及び接近物体検知用コンピュータプログラム
CA2958832C (en) Method and axle-counting device for contact-free axle counting of a vehicle and axle-counting system for road traffic
KR102585219B1 (ko) 차량 속도 제어 방법 및 장치
US9619719B2 (en) Systems and methods for detecting traffic signs
US10402665B2 (en) Systems and methods for detecting traffic signs
JPWO2020171983A5 (zh)
CN107914708A (zh) 后方障碍物检测和距离估算
KR20130007243A (ko) 차량 카메라를 이용한 전방 충돌 경보 방법 및 시스템
JP2004531424A5 (zh)
US11126875B2 (en) Method and device of multi-focal sensing of an obstacle and non-volatile computer-readable storage medium
US20140354815A1 (en) Method for operating a driver assistance device of a motor vehicle, driver assistance device and motor vehicle
CN109946703B (zh) 一种传感器姿态调整方法及装置
CN106295459A (zh) 基于机器视觉和级联分类器的车辆检测和预警方法
KR20170127036A (ko) 차도 위의 반사체를 인식하고 평가하기 위한 방법 및 장치
JP4940177B2 (ja) 交通流計測装置
CN107886729B (zh) 车辆识别方法、装置及车辆
Petrovai et al. A stereovision based approach for detecting and tracking lane and forward obstacles on mobile devices
JP4762830B2 (ja) 周辺監視システム
CN113246931B (zh) 一种车辆控制方法、装置、电子设备及存储介质
CN112896070A (zh) 一种车位障碍物检测方法、装置及计算机可读存储介质
KR20160017269A (ko) 보행자 검출 장치 및 방법
US20220406077A1 (en) Method and system for estimating road lane geometry

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