CN113793381A - 单目视觉信息和轮速信息融合的定位方法及*** - Google Patents
单目视觉信息和轮速信息融合的定位方法及*** Download PDFInfo
- Publication number
- CN113793381A CN113793381A CN202110855290.8A CN202110855290A CN113793381A CN 113793381 A CN113793381 A CN 113793381A CN 202110855290 A CN202110855290 A CN 202110855290A CN 113793381 A CN113793381 A CN 113793381A
- Authority
- CN
- China
- Prior art keywords
- wheel speed
- visual
- monocular
- trajectory
- sliding window
- 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
- 230000000007 visual effect Effects 0.000 title claims abstract description 64
- 238000000034 method Methods 0.000 title claims abstract description 51
- 230000004927 fusion Effects 0.000 title claims abstract description 24
- 238000005457 optimization Methods 0.000 claims abstract description 14
- 238000004590 computer program Methods 0.000 claims description 16
- 238000003860 storage Methods 0.000 claims description 6
- 238000011084 recovery Methods 0.000 claims description 2
- 230000004807 localization Effects 0.000 claims 1
- 238000010586 diagram Methods 0.000 description 11
- 238000004891 communication Methods 0.000 description 5
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
Images
Classifications
-
- 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
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
-
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10016—Video; Image sequence
-
- 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)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Automation & Control Theory (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明实施例提供一种单目视觉信息和轮速信息融合的定位方法及***,该方法包括:在滑窗操作中,将窗口中最老帧从窗口中滑出,作为优化结果;将最新帧加入滑窗,以计算所述最新帧对应轮速累计的轮速信息及其协方差;将所述轮速信息和所述协方差加入到滑窗优化器中,为视觉约束提供尺度约束。本发明实施例能解决车辆单目视觉和轮速融合定位中减小参数漂移的问题,且场景依赖较小,传感器简单,不需要特定的初始化条件,普遍适用于车辆能够正常运行的场景,特别是GPS信号不良,视觉信息丰富的城市道路场景。
Description
技术领域
本发明涉及车辆技术领域,更具体地,涉及一种单目视觉信息和轮速信息融合的定位方法及***。
背景技术
单目视觉和轮速融合定位是指利用车辆上安装的单目相机,结合载体轮速提供的尺度信息进行相对定位。但传统技术中存在单目视觉和轮速各自存在参数漂移的问题。
发明内容
为了解决上述问题,本发明实施例提供一种克服上述问题或者至少部分地解决上述问题的单目视觉信息和轮速信息融合的定位方法及***。
根据本发明实施例的第一方面,提供一种单目视觉信息和轮速信息融合的定位方法,该方法包括:在滑窗操作中,将窗口中最老帧从窗口中滑出,作为优化结果;将最新帧加入滑窗,以计算所述最新帧对应轮速累计的轮速信息及其协方差;将所述轮速信息和所述协方差加入到滑窗优化器中,为视觉约束提供尺度约束。
根据本发明实施例第二方面,提供了一种单目视觉信息和轮速信息融合的定位***,该***包括:优化模块,用于在滑窗操作中,将窗口中最老帧从窗口中滑出,作为优化结果;加入模块,用于将最新帧加入滑窗,以计算所述最新帧对应轮速累计的轮速信息及其协方差;约束模块,用于将所述轮速信息和所述协方差加入到滑窗优化器中,为视觉约束提供尺度约束。
根据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,处理器执行程序时实现如第一方面的各种可能的实现方式中任一种可能的实现方式所提供的单目视觉信息和轮速信息融合的定位方法。
根据本发明实施例的第四方面,提供了一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现如第一方面的各种可能的实现方式中任一种可能的实现方式所提供的单目视觉信息和轮速信息融合的定位方法。
本发明实施例提供的单目视觉信息和轮速信息融合的定位方法及***,能解决车辆单目视觉和轮速融合定位中减小参数漂移的问题,且场景依赖较小,传感器简单,不需要特定的初始化条件,普遍适用于车辆能够正常运行的场景,特别是GPS信号不良,视觉信息丰富的城市道路场景。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,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地介绍。显而易见地,下面描述中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,还可以根据这些图获得其他的附图。
图1为本发明实施例提供的单目视觉信息和轮速信息融合的定位方法的流程示意图;
图2为本发明另一实施例提供的单目视觉信息和轮速信息融合的定位方法的流程示意图;
图3为本发明实施例提供的算法示意图;
图4为本发明实施例提供的单目视觉信息和轮速信息融合的定位***的结构示意图;
图5为本发明实施例提供的电子设备的实体结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,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地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。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他实施例,都属于本发明保护的范围。
单目视觉和轮速融合定位是指利用车辆上安装的单目相机,结合载体轮速提供的尺度信息进行相对定位。目前,传统技术中存在单目视觉和轮速各自存在参数漂移的问题。因此,本发明实施例提供一种单目视觉信息和轮速信息融合的定位方法,参见附图1,该方法包括但不限于如下步骤:
步骤101、在滑窗操作中,将窗口中最老帧从窗口中滑出,作为优化结果;
步骤102、将最新帧加入滑窗,以计算所述最新帧对应轮速累计的轮速信息及其协方差;
步骤103、将所述轮速信息和所述协方差加入到滑窗优化器中,为视觉约束提供尺度约束。
具体地,单目视觉和轮速融合定位是指利用车辆上安装的单目相机,结合载体轮速提供的尺度信息进行相对定位。相对于其他的车辆定位方法有以下方面的优势:(1)不依赖绝对定位信息,在不利于绝对定位的场景(GPS信号不好或者缺失等条件下)也能实现较为稳定的相对位置的推算;(2)单目视觉普遍存在尺度漂移的问题,如果不进行尺度矫正,其定位及测量结果会随着时间发生偏移,但单目视觉在角度保持上较为稳定,特别是在特征点丰富的城市道路场景;使用轮速进行推算在尺度上较为稳定(不考虑车辆打滑、漂移),但在方向上发散较快;所以结合单目视觉和轮速能够提升总体的定位精度及稳定性。
作为一种可选的实施方式,在步骤101之前,该方法还包括:使用优化后的单目视觉轨迹的尺度,恢复单目视觉轨迹traj_v,以完成视觉轨迹的初始化。
作为一种可选的实施方式,使用优化后的单目视觉轨迹的尺度,恢复单目视觉里程计轨迹traj_v之前,该方法还包括:对齐单目视觉轨迹traj_v和轮速轨迹traj_o,使得两条轨迹重合误差最小。
作为一种可选的实施方式,对齐单目视觉轨迹traj_v和轮速轨迹traj_o之前,还包括:使用滑窗内的视觉特征点初始化所述单目视觉轨迹traj_v;累计滑窗内的轮速信息,得到一段相对的轮速轨迹traj_o。
作为一种可选的实施方式,在步骤103将所述轮速信息和所述协方差加入到滑窗优化器中,为视觉约束提供尺度约束之后,该方法还包括:重复所述将最新帧加入滑窗的步骤,持续优化新的视觉和轮速约束,同时获得优化后的位姿结果。
基于上述实施例的内容,该方法具体可包括以下步骤:第一步,使用滑窗的方法初始化单目视觉里程计,得到一段尺度未知的相对运动轨迹traj_v;第二步,累计滑窗内的里程计数据,得到一段里程计相对运动轨迹traj_o;第三步,优化单目视觉轨迹的尺度s,并对齐traj_v和traj_o,使得两条轨迹重合误差最小;第四步,使用优化后的s恢复单目视觉里程计轨迹,至此完成融合的初始化;第五步,初始化完成后,继续视觉的滑窗过程,同时对每个窗口之间轮速记进行位置积分并按照轮速误差计算斜方差;第六步,将每个窗口中的轮速位置以及协方差作为约束加入到视觉滑窗优化中,实现单目视觉及轮速的融合定位。
为使上述实施例得到更为清楚的说明,参见图2-3,该方法包括如下步骤:
步骤1:使用滑窗内的视觉特征点初始化单目视觉轨迹traj_v。
步骤2:累计滑窗内的轮速信息,得到一段相对的轮速轨迹traj_o。
步骤3:对齐tran_v及traj_o并优化尺度s,保证2跳轨迹能够最大程度重合。
步骤4:使用优化后的尺度s恢复traj_v轨迹,以完成视觉轨迹的初始化步骤。
步骤5:初始化完成后进行滑窗操作,将窗口中最老帧从窗口中滑出,并作为优化后最终的结果进行保存;
步骤6:将最新帧视觉信息加入滑窗,同时计算最新帧对应轮速累计的相对位置变化量d及其协方差c;
步骤7:将最新的轮速信息d和c加入到滑窗优化器中,为视觉约束提供尺度约束;
步骤8:重复步骤6,持续优化新的视觉及轮速约束,同时获取优化后的位姿结果。
本发明实施例提供的单目视觉信息和轮速信息融合的定位方法,结合尺度估计方法,解决车辆单目视觉和轮速融合定位中减小参数漂移的问题,且场景依赖较小,传感器简单,不需要特定的初始化条件,普遍适用于车辆能够正常运行的场景,特别是GPS信号不良,视觉信息丰富的城市道路场景。
基于上述实施例的内容,本发明实施例提供了一种单目视觉信息和轮速信息融合的定位***,该单目视觉信息和轮速信息融合的定位***用于执行上述方法实施例中的单目视觉信息和轮速信息融合的定位方法。参见图4,该***包括:优化模块201,用于在滑窗操作中,将窗口中最老帧从窗口中滑出,作为优化结果;加入模块202,用于将最新帧加入滑窗,以计算所述最新帧对应轮速累计的轮速信息及其协方差;约束模块203,用于将所述轮速信息和所述协方差加入到滑窗优化器中,为视觉约束提供尺度约束。
作为一种可选的实施方式,该***还包括恢复模块,用于使用优化后的单目视觉轨迹的尺度,恢复单目视觉轨迹traj_v,以完成视觉轨迹的初始化。
作为一种可选的实施方式,该***还包括对齐模块,用于对齐单目视觉轨迹traj_v和轮速轨迹traj_o,使得两条轨迹重合误差最小。
本发明实施例提供的单目视觉信息和轮速信息融合的定位***用于执行上述方法实施例中的单目视觉信息和轮速信息融合的定位方法,上述实施例中对单目视觉信息和轮速信息融合的定位方法进行了详细说明,在此不再赘述。
本发明实施例提供了一种电子设备,如图5所示,该设备包括:处理器(processor)501、通信接口(Communications Interface)502、存储器(memory)503和通信总线504,其中,处理器501,通信接口502,存储器503通过通信总线504完成相互间的通信。处理器501可以调用存储器503上并可在处理器501上运行的计算机程序,以执行上述各实施例提供的单目视觉信息和轮速信息融合的定位方法,例如包括:在滑窗操作中,将窗口中最老帧从窗口中滑出,作为优化结果;将最新帧加入滑窗,以计算所述最新帧对应轮速累计的轮速信息及其协方差;将所述轮速信息和所述协方差加入到滑窗优化器中,为视觉约束提供尺度约束。
本发明实施例还提供了一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现上述各实施例提供的单目视觉信息和轮速信息融合的定位方法,例如包括:在滑窗操作中,将窗口中最老帧从窗口中滑出,作为优化结果;将最新帧加入滑窗,以计算所述最新帧对应轮速累计的轮速信息及其协方差;将所述轮速信息和所述协方差加入到滑窗优化器中,为视觉约束提供尺度约束。
需要说明的是,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细描述的部分,可以参见其它实施例的相关描述。
本领域内的技术人员应明白,本发明的实施例可提供为方法、***、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(***)、和计算机程序产品的流程图和/或方框图来描述。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式计算机或者其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本发明的优选实施例,但本领域内的技术人员一旦得知了基本创造概念,则可对这些实施例作出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包括这些改动和变型在内。
Claims (10)
1.一种单目视觉信息和轮速信息融合的定位方法,其特征在于,包括:
101,在滑窗操作中,将窗口中最老帧从窗口中滑出,作为优化结果;
102,将最新帧加入滑窗,以计算所述最新帧对应轮速累计的轮速信息及其协方差;
103,将所述轮速信息和所述协方差加入到滑窗优化器中,为视觉约束提供尺度约束。
2.根据权利要求1所述的方法,其特征在于,在步骤101之前,所述方法还包括:
使用优化后的单目视觉轨迹的尺度,恢复单目视觉轨迹traj_v,以完成视觉轨迹的初始化。
3.根据权利要求2所述的方法,其特征在于,在使用优化后的单目视觉轨迹的尺度,恢复单目视觉里程计轨迹traj_v之前,所述方法还包括:
对齐单目视觉轨迹traj_v和轮速轨迹traj_o,使得两条轨迹重合误差最小。
4.根据权利要求3所述的方法,其特征在于,在对齐单目视觉轨迹traj_v和轮速轨迹traj_o之前,所述方法还包括:
使用滑窗内的视觉特征点初始化所述单目视觉轨迹traj_v;
累计滑窗内的轮速信息,得到一段相对的轮速轨迹traj_o。
5.根据权利要求1所述的方法,其特征在于,在步骤103之后,所述方法还包括:
重复所述将最新帧加入滑窗的步骤,持续优化新的视觉和轮速约束,同时获得优化后的位姿结果。
6.一种单目视觉信息和轮速信息融合的定位***,其特征在于,包括:
优化模块,用于在滑窗操作中,将窗口中最老帧从窗口中滑出,作为优化结果;
加入模块,用于将最新帧加入滑窗,以计算所述最新帧对应轮速累计的轮速信息及其协方差;
约束模块,用于将所述轮速信息和所述协方差加入到滑窗优化器中,为视觉约束提供尺度约束。
7.根据权利要求6所述的***,其特征在于,还包括恢复模块,用于使用优化后的单目视觉轨迹的尺度,恢复单目视觉轨迹traj_v,以完成视觉轨迹的初始化。
8.根据权利要求7所述的***,其特征在于,还包括对齐模块,用于对齐单目视觉轨迹traj_v和轮速轨迹traj_o,使得两条轨迹重合误差最小。
9.一种电子设备,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,其特征在于,所述处理器执行所述程序时实现如权利要求1至5任一项所述单目视觉信息和轮速信息融合的定位方法的步骤。
10.一种非暂态计算机可读存储介质,其上存储有计算机程序,其特征在于,该计算机程序被处理器执行时实现如权利要求1至5任一项所述单目视觉信息和轮速信息融合的定位方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110855290.8A CN113793381A (zh) | 2021-07-27 | 2021-07-27 | 单目视觉信息和轮速信息融合的定位方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110855290.8A CN113793381A (zh) | 2021-07-27 | 2021-07-27 | 单目视觉信息和轮速信息融合的定位方法及*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113793381A true CN113793381A (zh) | 2021-12-14 |
Family
ID=78877064
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110855290.8A Pending CN113793381A (zh) | 2021-07-27 | 2021-07-27 | 单目视觉信息和轮速信息融合的定位方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113793381A (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130325334A1 (en) * | 2012-05-31 | 2013-12-05 | International Electronic Machines Corporation | Pose Estimation |
CN109544630A (zh) * | 2018-11-30 | 2019-03-29 | 南京人工智能高等研究院有限公司 | 位姿信息确定方法和装置、视觉点云构建方法和装置 |
CN109764880A (zh) * | 2019-02-19 | 2019-05-17 | 中国科学院自动化研究所 | 紧耦合车辆轮子编码器数据的视觉惯性测程方法及*** |
CN110411457A (zh) * | 2019-08-27 | 2019-11-05 | 纵目科技(上海)股份有限公司 | 基于行程感知与视觉融合的定位方法、***、终端和存储介质 |
CN111739063A (zh) * | 2020-06-23 | 2020-10-02 | 郑州大学 | 一种基于多传感器融合的电力巡检机器人定位方法 |
CN111780781A (zh) * | 2020-06-23 | 2020-10-16 | 南京航空航天大学 | 基于滑动窗口优化的模板匹配视觉和惯性组合里程计 |
CN111795686A (zh) * | 2020-06-08 | 2020-10-20 | 南京大学 | 一种移动机器人定位与建图的方法 |
CN113052855A (zh) * | 2021-02-26 | 2021-06-29 | 苏州迈思捷智能科技有限公司 | 一种基于视觉-imu-轮速计融合的语义slam方法 |
-
2021
- 2021-07-27 CN CN202110855290.8A patent/CN113793381A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130325334A1 (en) * | 2012-05-31 | 2013-12-05 | International Electronic Machines Corporation | Pose Estimation |
CN109544630A (zh) * | 2018-11-30 | 2019-03-29 | 南京人工智能高等研究院有限公司 | 位姿信息确定方法和装置、视觉点云构建方法和装置 |
CN109764880A (zh) * | 2019-02-19 | 2019-05-17 | 中国科学院自动化研究所 | 紧耦合车辆轮子编码器数据的视觉惯性测程方法及*** |
CN110411457A (zh) * | 2019-08-27 | 2019-11-05 | 纵目科技(上海)股份有限公司 | 基于行程感知与视觉融合的定位方法、***、终端和存储介质 |
CN111795686A (zh) * | 2020-06-08 | 2020-10-20 | 南京大学 | 一种移动机器人定位与建图的方法 |
CN111739063A (zh) * | 2020-06-23 | 2020-10-02 | 郑州大学 | 一种基于多传感器融合的电力巡检机器人定位方法 |
CN111780781A (zh) * | 2020-06-23 | 2020-10-16 | 南京航空航天大学 | 基于滑动窗口优化的模板匹配视觉和惯性组合里程计 |
CN113052855A (zh) * | 2021-02-26 | 2021-06-29 | 苏州迈思捷智能科技有限公司 | 一种基于视觉-imu-轮速计融合的语义slam方法 |
Non-Patent Citations (3)
Title |
---|
CHANG-RYEOL LEE ED.: "Fusion of Camera, IMU, and Speedometer for Localization of Autonomous Vehicles", 30TH WORKSHOP ON IMAGE PROCESSING AND IMAGE UNDERSTANDING, pages 1 - 3 * |
李传立等: "单目视觉人工路标辅助 INS 的组合导航定位方法", 传感技术学报, vol. 33, no. 1, pages 68 - 73 * |
蔡之奡: "基于viSLAM的智能车建图与定位方法研究", 《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》, 15 June 2020 (2020-06-15), pages 25 - 46 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3607272A1 (en) | Automated image labeling for vehicle based on maps | |
EP3076367A1 (en) | Method for road detection from one image | |
CN107167826B (zh) | 一种自动驾驶中基于可变网格的图像特征检测的车辆纵向定位***及方法 | |
JP2022535839A (ja) | 破線車線検出方法、装置及び電子機器 | |
US20150310283A1 (en) | Lane recognition device | |
US20100040289A1 (en) | Load Sign Recognition Apparatus and Load Sign Recognition Method | |
CN111815742A (zh) | 一种车道线生成方法及*** | |
CN113335278A (zh) | 一种网联式智能车队自适应巡航控制方法及*** | |
CN112099378B (zh) | 考虑随机测量时滞的前车侧向运动状态实时估计方法 | |
CN112433531A (zh) | 一种自动驾驶车辆的轨迹跟踪方法、装置及计算机设备 | |
CN113920198A (zh) | 一种基于语义边缘对齐的由粗到精的多传感器融合定位方法 | |
CN117601850A (zh) | 机动车记忆泊车定位与纠偏方法、装置及可读存储介质 | |
CN113793381A (zh) | 单目视觉信息和轮速信息融合的定位方法及*** | |
WO2019047604A1 (zh) | 一种确定数据采集路线的方法与装置 | |
CN114111817B (zh) | 基于slam地图与高精度地图匹配的车辆定位方法及*** | |
CN116625375A (zh) | 一种基于车轮参数标定与单目车道线检测的车辆定位方法 | |
CN116295490A (zh) | 车辆定位方法、装置及电子设备、存储介质 | |
CN114037977A (zh) | 道路灭点的检测方法、装置、设备及存储介质 | |
AU2019203180B2 (en) | Vehicle recognition apparatus and vehicle recognition method | |
CN114419562A (zh) | 车辆运行状态检测模型的训练方法、检测方法、装置 | |
CN115128655B (zh) | 自动驾驶车辆的定位方法和装置、电子设备和存储介质 | |
CN116793369B (zh) | 路径规划方法、装置、设备及计算机可读存储介质 | |
CN115826022B (zh) | 自动驾驶车辆的定位方法、装置、可读存储介质及车辆 | |
CN114435347B (zh) | 泊车轨迹的确定方法、装置、设备以及存储介质 | |
US20240200953A1 (en) | Vision based cooperative vehicle localization system and method for gps-denied environments |
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 |