CN113866783A - 车辆测距方法及*** - Google Patents
车辆测距方法及*** Download PDFInfo
- Publication number
- CN113866783A CN113866783A CN202111062043.9A CN202111062043A CN113866783A CN 113866783 A CN113866783 A CN 113866783A CN 202111062043 A CN202111062043 A CN 202111062043A CN 113866783 A CN113866783 A CN 113866783A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- mounted camera
- real
- distance
- pitch angle
- 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
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/02—Systems using the reflection of electromagnetic waves other than radio waves
- G01S17/06—Systems determining position data of a target
- G01S17/08—Systems determining position data of a target for measuring distance only
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/88—Lidar systems specially adapted for specific applications
- G01S17/93—Lidar systems specially adapted for specific applications for anti-collision purposes
- G01S17/931—Lidar systems specially adapted for specific applications for anti-collision purposes of land vehicles
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/48—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00
- G01S7/497—Means for monitoring or calibrating
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Electromagnetism (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明提供一种车辆测距方法及***,方法包括:获取车载摄像头采集的实时图像,并对所述实时图像中车辆前方的目标障碍物及车道线进行检测;根据检测到的所述车道线,获取所述车载摄像头的俯仰角补偿量;根据所述俯仰角补偿量,确定车辆与目标障碍物之间的距离。所述***执行所述方法。本发明基于车载摄像头采集的实时图像,对图像中的目标障碍物及车道线进行检测,并基于检测到的车道线对车载摄像头的俯仰角进行补偿,解决了现有技术中采用单目视觉测距在道路与标定平面发生角度变化的情况下测距不准的问题的同时,实现对车辆与车辆前方目标障碍物之间的实时距离测量。
Description
技术领域
本发明涉及智能交通技术领域,尤其涉及一种车辆测距方法及***。
背景技术
在自动驾驶或高级辅助驾驶中,道路交通的安全性尤为重要,测距作为判断车辆前方障碍物的重要手段,测距的精度对车辆碰撞预警、驾驶员判断决策及车距保持等具有非常重要的意义,所以一种高精度的测距技术势在必行。
车辆的测距方法有很多,比如单目视觉测距、双目视觉测距、超声波雷达测距、毫米波雷达测距、激光雷达测距等。双目视觉测距由于计算量大、双目配准难度大而实用性不强,超声波雷达测距适用于短距离测量,毫米波雷达测距成本较高且不直观,激光雷达测距成本更高且计算资源消耗大,由于单目视觉测距的成本低、计算速度快、设备简单且直观性强,所以目前该种测距方法应用广泛。
但是,一般的单目视觉测距精度不够高,尤其是在道路出现颠簸、坡度等情况下会造成测距不准确。因此,在不增设辅助传感器的情况下,如何实时精确的实现车辆与车辆前方目标的距离测量,是目前亟需解决的问题。
发明内容
本发明提供的车辆测距方法及***,用于现有技术中存在的上述问题,基于车载摄像头采集的实时图像,对图像中的目标障碍物及车道线进行检测,并基于检测到的车道线对车载摄像头的俯仰角进行补偿,解决了现有技术中采用单目视觉测距在道路与标定平面发生角度变化的情况下测距不准的问题的同时,实现对车辆与车辆前方目标障碍物之间的实时距离测量。
本发明提供的一种车辆测距方法,包括:
获取车载摄像头采集的实时图像,并对所述实时图像中车辆前方的目标障碍物及车道线进行检测;
根据检测到的所述车道线,获取所述车载摄像头的俯仰角补偿量;
根据所述俯仰角补偿量,确定车辆与目标障碍物之间的距离。
根据本发明提供的一种车辆测距方法,所述车载摄像头的安装参数是通过如下方式确定的:
基于预设标定法,对所述车载摄像头的内参进行标定;
根据标定后的内参和所述车载摄像头的外参,确定所述安装参数;
其中,所述内参包括所述车载摄像头的焦距和主点坐标;
所述外参包括所述车载摄像头的安装高度和俯仰角。
根据本发明提供的一种车辆测距方法,所述根据检测到的所述车道线,获取所述车载摄像头的俯仰角补偿量,包括:
根据检测到的所述车道线的位置坐标,确定所述车道线与预设参照线的夹角;
根据所述夹角、车道宽度、主点纵向坐标和所述车载摄像头在垂直方向的相对单位像素的焦距,获取所述俯仰角补偿量;
其中,所述主点纵向坐标是根据所述主点坐标确定的。
根据本发明提供的一种车辆测距方法,所述根据所述俯仰角补偿量,确定车辆与目标障碍物之间的距离,包括:
根据所述俯仰角补偿量、所述安装高度、所述车载摄像头在垂直方向的相对单位像素的焦距、所述主点纵向坐标和所述目标障碍物在所述实时图像上的纵向坐标,确定车辆与目标障碍物之间的纵向距离;
根据主点横向坐标、所述目标障碍物在所述实时图像上的横向坐标、所述车载摄像头在水平方向的相对单位像素的焦距和所述纵向距离,确定车辆与目标障碍物之间的横向距离;
根据所述纵向距离和所述横向距离,确定所述车辆与目标障碍物之间的距离;
其中,所述主点横向坐标是根据所述主点坐标确定的。
根据本发明提供的一种车辆测距方法,所述目标障碍物在所述实时图像上的横向坐标和纵向坐标是通过如下方式确定的:
基于目标检测算法对所述实时图像中车辆前方的目标障碍物进行检测获取目标检测框;
根据所述目标检测框的下边界的中心位置,确定目标障碍物在实时图像中的位置;
根据所述目标障碍物在实时图像中的位置,分别确定所述目标障碍物在所述实时图像上的横向坐标和纵向坐标。
本发明还提供一种车辆测距***,包括:
目标检测模块、数据获取模块和距离测量模块;
所述目标检测模块,用于获取车载摄像头采集的实时图像,并对所述实时图像中车辆前方的目标障碍物及车道线进行检测;
所述数据获取模块,用于根据检测到的所述车道线,获取所述车载摄像头的俯仰角补偿量;
所述距离测量模块,用于根据所述俯仰角补偿量,确定车辆与目标障碍物之间的距离。
根据本发明提供的一种车辆测距***,还包括:
参数获取模块,用于基于预设标定法,对所述车载摄像头的内参进行标定;
根据标定后的内参和所述车载摄像头的外参,确定所述车载摄像头的安装参数;
其中,所述内参包括所述车载摄像头的焦距和主点坐标;
所述外参包括所述车载摄像头的安装高度和俯仰角。
本发明还提供一种电子设备,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,所述处理器执行所述程序时实现如上述任一种所述车辆测距方法的步骤。
本发明还提供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上述任一种所述车辆测距方法的步骤。
本发明还提供一种计算机程序产品,包括计算机程序,所述计算机程序被处理器执行时实现如上述任一种所述测距方法的步骤。
本发明提供的车辆测距方法及***,基于车载摄像头采集的实时图像,对图像中的目标障碍物及车道线进行检测,并基于检测到的车道线对车载摄像头的俯仰角进行补偿,解决了现有技术中采用单目视觉测距在道路与标定平面发生角度变化的情况下测距不准的问题的同时,实现对车辆与车辆前方目标障碍物之间的实时距离测量。
附图说明
为了更清楚地说明本发明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一简单地介绍,显而易见地,下面描述中的附图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得其他的附图。
图1是本发明提供的车辆测距方法的流程示意图;
图2是本发明提供的目标检测框和车道线示意图;
图3是本发明提供的不同摄像头角度下的车道线示意图;
图4是本发明提供的车辆测距***的结构示意图;
图5是本发明提供的电子设备的实体结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合本发明中的附图,对本发明中的技术方案进行清楚、完整地描述,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作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。
本发明提供的车辆测距方法是基于车道线补偿的单目视觉测距方法的基础上实现的,可以解决现有技术中单目视觉在道路与标定平面发生角度变化的情况下的测距不准确的问题,并且成本低,计算速度快,实用性强。
标定车载摄像头的内外参,包括车载摄像头的焦距、主点坐标、安装高度和车载摄像头的俯仰角;获取车载摄像头采集的实时图像;采用基于视觉的目标检测算法检测车辆前方的目标障碍物,包括车辆、行人或非机动车等目标;采用基于视觉的车道线检测算法检测车辆前方道路上的车道线;利用车道线和水平线的夹角来计算车载摄像头的俯仰角补偿量;并基于俯仰角补偿量确定车辆与目标障碍物之间的距离,具体实现如下:
图1是本发明提供的车辆测距方法的流程示意图,如图1所示,方法包括:
S1、获取车载摄像头采集的实时图像,并对实时图像中车辆前方的目标障碍物及车道线进行检测;
S2、根据检测到的车道线,获取车载摄像头的俯仰角补偿量;
S3、根据俯仰角补偿量,确定车辆与目标障碍物之间的距离。
需要说明的是,上述方法的执行主体可以是电子设备、电子设备中的部件、集成电路、或芯片。该电子设备可以是移动电子设备,也可以为非移动电子设备。示例性的,移动电子设备可以为手机、平板电脑、笔记本电脑、掌上电脑、车载电子设备、可穿戴设备、超级移动个人计算机(ultra-mobile personal computer,UMPC)、上网本或者个人数字助理(personal digital assistant,PDA)等,非移动电子设备可以为服务器、网络附属存储器(Network Attached Storage,NAS)、个人计算机(personal computer,PC)、电视机(television,TV)、柜员机或者自助机等,本发明不作具体限定。
可选地,根据安装在车辆上的摄像头拍摄的车辆前方道路的实时图像,可以采用传统的图像处理算法或基于深度学习的图像检测算法如目标检测算法对获取的实时图像进行检测,以识别车辆前方的目标障碍物,其中,目标障碍物可以具体包括车辆、行人或非机动车。其中,车载摄像头可以采用单目摄像头。
例如,目标检测算法可以是预先训练好的单阶段多目标检测器模型(Single ShotMultiBox Detector,SSD)或端到端的目标检测模型,其中,端到端的目标检测模型可以具体包括预训练好的YOLO(You Only Look Once)等模型,需要说明的是,本发明提供的目标检测算法不局限于上述所列算法。
并基于视觉的车道线检测算法对实时图像进行检测,以识别车辆前方道路上的车道线,例如可以采用图像分割网络LaneNet和SCNN(Spatial Convolutional NeuralNetwork)对车道线进行检测,需要说明的是,本发明提供的车道线检测算法不局限于上述所列算法。
根据检测到的车道线,计算车载摄像头的俯仰角补偿量,并利用测距算法和俯仰角补偿量,通过计算得到车辆与目标障碍物之间的距离。
本发明提供的车辆测距方法,基于车载摄像头采集的实时图像,对图像中的目标障碍物及车道线进行检测,并基于检测到的车道线对车载摄像头的俯仰角进行补偿,解决了现有技术中采用单目视觉测距在道路与标定平面发生角度变化的情况下测距不准的问题的同时,实现对车辆与车辆前方目标障碍物之间的实时距离测量。
进一步地,在一个实施例中,车载摄像头的安装参数是通过如下方式确定的:
基于预设标定法,对车载摄像头的内参进行标定;
根据标定后的内参和车载摄像头的外参,确定安装参数;
其中,内参包括车载摄像头的焦距和主点坐标;
外参包括车载摄像头的安装高度和俯仰角。
可选地,标定车载摄像头的内外参,包括摄像头的焦距、主点坐标、安装高度和俯仰角;
具体地,可以采用现有标定方法例如张正友棋盘格标定法或基于Kruppa的自标定法对车载摄像头进行内参标定,内参包括:摄像头焦距fx、fy,主点坐标(cx,cy)。用标尺测量摄像头的安装高度h,用陀螺仪测量摄像头的俯仰角θ,并调整摄像头俯仰角使得摄像头的俯仰角归零。
本发明提供的车辆测距方法,基于标定的摄像头内外参完成摄像头的安装,进而利用安装好的摄像头采集的实时图像,实现对车辆与目标障碍物之间的距离测量,测距成本低、计算资源消耗低、安装简单,效果直观,实用性强。
进一步地,在一个实施例中,步骤S2可以具体包括:
S21、根据检测到的车道线的位置坐标,确定车道线与预设参照线的夹角;
S22、根据夹角、车道宽度、主点纵向坐标和车载摄像头在垂直方向的相对单位像素的焦距,获取俯仰角补偿量;
其中,主点纵向坐标是根据主点坐标确定的。
可选地,采用基于视觉的车道线检测算法(如LaneNet和SCNN)对车辆前方的所有车道线进行检测,车道线至少为两条,得到车道线的具***置坐标,并根据车道线位置坐标计算摄像头俯仰角补偿量,具体地:
在检测到的车道线中选取车辆前方左右两侧的两条车道线,如图2中的AO和BO所示,两条车道线相较于消失点O,EF为天际线位置,将采集的实时图像区域一分为二,点O在EF上,点O的坐标为主点坐标(cx,cy)。两条车道线在实时图像下边界的距离AB由摄像头的安装高度和车道的实际宽度所决定,所以当摄像头安装高度确定时,AB就由车道实际宽度所决定,当摄像头安装高度越高时,AB值越小,当摄像头安装高度越低时,AB值越大。当车道越窄时,AB值越小,当车道越宽时,AB值越大。在不同的道路上,车道实际宽度会略有差别,所以AB∈(0,CD]。
需要说明的是,车道线与实时图像边界的交点A、B不一定出现在图像的下边界,也可能出现在图像的左右边界上。
如图3所示,当摄像头水平朝前时,即俯仰角θ=0时,即点O在天际线EF上;当摄像头朝上时,即俯仰角θ>0时,点O在天际线EF下方;当摄像头朝下时,即俯仰角θ<0时,点O在天际线EF上方。所以可以根据车道线与预设参照线(例如水平线)的夹角α来计算摄像头的俯仰角补偿量。
具体地,检测出车道线的位置后,可以根据车道线与预设参照线如水平线的夹角α,计算摄像头俯仰角补偿量β:
其中,cy是主点纵向坐标,w是AB的像素距离,fy是摄像头在垂直方向的相对单位像素的焦距,α是车道线与水平线的夹角。
所述β∈(0,90°)。当俯仰角θ=0时,俯仰角补偿量β=0;当俯仰角θ>0时,即摄像头朝上时,俯仰角补偿量β<0,如果不考虑俯仰角补偿量,则计算的目标距离比实际距离更近,产生测距误差;当俯仰角θ<0时,即摄像头朝下时,俯仰角补偿量β>0,如果不考虑俯仰角补偿量,则计算的目标距离比实际距离更远,产生测距误差。
需要说明的是,上述车道线与预设参照线之间的夹角不一定是车道线与水平线的夹角,其他夹角也可以,比如两条车道线之间的夹角,车道线与竖直线的夹角等,如果是其他夹角,摄像头俯仰角补偿量的计算公式需要进行对应修改。
本发明提供的车辆测距方法,利用车道线计算车载摄像头的俯仰角补偿量,进而补偿单目视觉的测距误差,能有效提升测距的精度和稳定性,解决了摄像头在使用过程中由于结构应力或安装不牢靠导致初始位置发生变化引起的测距不准的问题,对车辆碰撞预警、驾驶员判断决策及车距保持等具有重要的意义。
进一步地,在一个实施例中,步骤S3可以具体包括:
S31、根据俯仰角补偿量、安装高度、车载摄像头在垂直方向的相对单位像素的焦距、主点纵向坐标和目标障碍物在实时图像上的纵向坐标,确定车辆与目标障碍物之间的纵向距离;
S32、根据主点横向坐标、目标障碍物在实时图像上的横向坐标、车载摄像头在水平方向的相对单位像素的焦距和纵向距离,确定车辆与目标障碍物之间的横向距离;
S33、根据纵向距离和横向距离,确定车辆与目标障碍物之间的距离;
其中,主点横向坐标是根据主点坐标确定的。
进一步地,在一个实施例中,目标障碍物在实时图像上的横向坐标和纵向坐标是通过如下方式确定的:
基于目标检测算法对实时图像中车辆前方的目标障碍物进行检测获取目标检测框;
根据目标检测框的下边界的中心位置,确定目标障碍物在实时图像中的位置;
根据目标障碍物在实时图像中的位置,分别确定目标障碍物在所述实时图像上的横向坐标和纵向坐标。
可选地,采用基于视觉的目标检测算法对车辆前方的目标障碍物进行检测,并获取目标检测框,选取目标障碍物的目标检测框的下边界的中心位置作为关键点(位置如图2中所示),确定目标障碍物在实时图像中的位置,并根据目标障碍物在实时图像中的位置,分别确定目标障碍物在实时图像上的横向坐标和纵向坐标。
根据计算得到的俯仰角补偿量β、安装高度h、车载摄像头在垂直方向的相对单位像素的焦距fy、主点纵向坐标cy和目标障碍物在实时图像上的纵向坐标py,基于如下公式计算车辆与目标障碍物之间的纵向距离d1:
根据主点横向坐标cx、目标障碍物在实时图像上的横向坐标px、车载摄像头在水平方向的相对单位像素的焦距fx和计算得到的纵向距离d1,通过如下公式计算得到车辆与目标障碍物之间的横向距离d2;
根据计算得到的纵向距离d1和横向距离d2,基于如下公式计算车辆与目标障碍物之间的距离d。
本发明提供的车辆测距方法,利用车道线计算车载摄像头的俯仰角补偿量以及摄像头的安装参数,分别计算车辆与目标障碍物之间的纵向距离和横向距离,进而基于计算得到的纵向距离和横向距离得到车辆与目标障碍物之间的距离,计算方法简单,解决了摄像头在使用过程中由于结构应力或安装不牢靠导致初始位置发生变化引起的测距不准的问题。
下面对本发明提供的车辆测距***进行描述,下文描述的车辆测距***与上文描述的车辆测距方法可相互对应参照。
图4是本发明提供的车辆测距***的结构示意图,如图4所示,包括:目标检测模块410、数据获取模块411和距离测量模块412;
目标检测模块,用于获取车载摄像头采集的实时图像,并对实时图像中车辆前方的目标障碍物及车道线进行检测;
数据获取模块411,用于根据检测到的车道线,获取车载摄像头的俯仰角补偿量;
距离测量模块412,用于根据俯仰角补偿量,确定车辆与目标障碍物之间的距离。
本发明提供的车辆测距***,基于车载摄像头采集的实时图像,对图像中的目标障碍物及车道线进行检测,并基于检测到的车道线对车载摄像头的俯仰角进行补偿,解决了现有技术中采用单目视觉测距在道路与标定平面发生角度变化的情况下测距不准的问题的同时,实现对车辆与车辆前方目标障碍物之间的实时距离测量。
进一步地,在一个实施例中,车辆测距***,还可以具体包括:
参数获取模块413,用于基于预设标定法,对车载摄像头的内参进行标定;
根据标定后的内参和车载摄像头的外参,确定车载摄像头的安装参数;
其中,内参包括车载摄像头的焦距和主点坐标;
外参包括车载摄像头的安装高度和俯仰角。
本发明提供的车辆测距***,基于标定的摄像头内外参完成摄像头的安装,进而利用安装好的摄像头采集的实时图像,实现对车辆与目标障碍物之间的距离测量,测距成本低、计算资源消耗低、安装简单,效果直观,实用性强。
图5是本发明提供的一种电子设备的实体结构示意图,如图5所示,该电子设备可以包括:处理器(processor)510、通信接口(communication interface)511、存储器(memory)512和总线(bus)513,其中,处理器510,通信接口511,存储器512通过总线513完成相互间的通信。处理器510可以调用存储器512中的逻辑指令,以执行如下方法:
获取车载摄像头采集的实时图像,并对实时图像中车辆前方的目标障碍物及车道线进行检测;
根据检测到的车道线,获取车载摄像头的俯仰角补偿量;
根据所述俯仰角补偿量,确定车辆与目标障碍物之间的距离。
此外,上述的存储器中的逻辑指令可以通过软件功能单元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,本发明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电源屏(可以是个人计算机,服务器,或者网络电源屏等)执行本发明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(ROM,Read-only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
进一步地,本发明公开一种计算机程序产品,所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序,所述计算机程序包括程序指令,当所述程序指令被计算机执行时,计算机能够执行上述各方法实施例所提供的车辆测距方法,例如包括:
获取车载摄像头采集的实时图像,并对实时图像中车辆前方的目标障碍物及车道线进行检测;
根据检测到的车道线,获取车载摄像头的俯仰角补偿量;
根据所述俯仰角补偿量,确定车辆与目标障碍物之间的距离。
另一方面,本发明还提供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以执行上述各实施例提供的车辆测距方法,例如包括:
获取车载摄像头采集的实时图像,并对实时图像中车辆前方的目标障碍物及车道线进行检测;
根据检测到的车道线,获取车载摄像头的俯仰角补偿量;
根据所述俯仰角补偿量,确定车辆与目标障碍物之间的距离。
以上所描述的***实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机电源屏(可以是个人计算机,服务器,或者网络电源屏等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是: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)
1.一种车辆测距方法,其特征在于,包括:
获取车载摄像头采集的实时图像,并对所述实时图像中车辆前方的目标障碍物及车道线进行检测;
根据检测到的所述车道线,获取所述车载摄像头的俯仰角补偿量;
根据所述俯仰角补偿量,确定车辆与目标障碍物之间的距离。
2.根据权利要求1所述的车辆测距方法,其特征在于,所述车载摄像头的安装参数是通过如下方式确定的:
基于预设标定法,对所述车载摄像头的内参进行标定;
根据标定后的内参和所述车载摄像头的外参,确定所述安装参数;
其中,所述内参包括所述车载摄像头的焦距和主点坐标;
所述外参包括所述车载摄像头的安装高度和俯仰角。
3.根据权利要求2所述的车辆测距方法,其特征在于,所述根据检测到的所述车道线,获取所述车载摄像头的俯仰角补偿量,包括:
根据检测到的所述车道线的位置坐标,确定所述车道线与预设参照线的夹角;
根据所述夹角、车道宽度、主点纵向坐标和所述车载摄像头在垂直方向的相对单位像素的焦距,获取所述俯仰角补偿量;
其中,所述主点纵向坐标是根据所述主点坐标确定的。
4.根据权利要求2所述的车辆测距方法,其特征在于,所述根据所述俯仰角补偿量,确定车辆与目标障碍物之间的距离,包括:
根据所述俯仰角补偿量、所述安装高度、所述车载摄像头在垂直方向的相对单位像素的焦距、所述主点纵向坐标和所述目标障碍物在所述实时图像上的纵向坐标,确定车辆与目标障碍物之间的纵向距离;
根据主点横向坐标、所述目标障碍物在所述实时图像上的横向坐标、所述车载摄像头在水平方向的相对单位像素的焦距和所述纵向距离,确定车辆与目标障碍物之间的横向距离;
根据所述纵向距离和所述横向距离,确定所述车辆与目标障碍物之间的距离;
其中,所述主点横向坐标是根据所述主点坐标确定的。
5.根据权利要求4所述的车辆测距方法,其特征在于,所述目标障碍物在所述实时图像上的横向坐标和纵向坐标是通过如下方式确定的:
基于目标检测算法对所述实时图像中车辆前方的目标障碍物进行检测获取目标检测框;
根据所述目标检测框的下边界的中心位置,确定目标障碍物在实时图像中的位置;
根据所述目标障碍物在实时图像中的位置,分别确定所述目标障碍物在所述实时图像上的横向坐标和纵向坐标。
6.一种车辆测距***,其特征在于,包括:目标检测模块、数据获取模块和距离测量模块;
所述目标检测模块,用于获取车载摄像头采集的实时图像,并对所述实时图像中车辆前方的目标障碍物及车道线进行检测;
所述数据获取模块,用于根据检测到的所述车道线,获取所述车载摄像头的俯仰角补偿量;
所述距离测量模块,用于根据所述俯仰角补偿量,确定车辆与目标障碍物之间的距离。
7.根据权利要求6所述的车辆测距***,其特征在于,还包括:
参数获取模块,用于基于预设标定法,对所述车载摄像头的内参进行标定;
根据标定后的内参和所述车载摄像头的外参,确定所述车载摄像头的安装参数;
其中,所述内参包括所述车载摄像头的焦距和主点坐标;
所述外参包括所述车载摄像头的安装高度和俯仰角。
8.一种电子设备,包括处理器和存储有计算机程序的存储器,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至5任一项所述车辆测距方法的步骤。
9.一种处理器可读存储介质,其特征在于,所述处理器可读存储介质存储有计算机程序,所述计算机程序用于使所述处理器执行权利要求1至5任一项所述车辆测距方法的步骤。
10.一种计算机程序产品,包括计算机程序,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5任一项所述车辆测距方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111062043.9A CN113866783A (zh) | 2021-09-10 | 2021-09-10 | 车辆测距方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111062043.9A CN113866783A (zh) | 2021-09-10 | 2021-09-10 | 车辆测距方法及*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113866783A true CN113866783A (zh) | 2021-12-31 |
Family
ID=78995272
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111062043.9A Pending CN113866783A (zh) | 2021-09-10 | 2021-09-10 | 车辆测距方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113866783A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114659527A (zh) * | 2022-03-30 | 2022-06-24 | 北京理工大学 | 一种基于惯性测量单元补偿的车道线光学测距方法 |
CN114998426A (zh) * | 2022-08-08 | 2022-09-02 | 北京云迹科技股份有限公司 | 机器人测距方法及装置 |
CN115220449A (zh) * | 2022-07-14 | 2022-10-21 | 小米汽车科技有限公司 | 路径规划的方法、装置、存储介质、芯片及车辆 |
CN116026349A (zh) * | 2022-12-30 | 2023-04-28 | 吉咖智能机器人有限公司 | 用于车辆距离测量的方法、装置、电子设备和介质 |
CN116883478A (zh) * | 2023-07-28 | 2023-10-13 | 广州瀚臣电子科技有限公司 | 一种基于汽车摄像头的障碍物距离确认***及方法 |
-
2021
- 2021-09-10 CN CN202111062043.9A patent/CN113866783A/zh active Pending
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114659527A (zh) * | 2022-03-30 | 2022-06-24 | 北京理工大学 | 一种基于惯性测量单元补偿的车道线光学测距方法 |
CN115220449A (zh) * | 2022-07-14 | 2022-10-21 | 小米汽车科技有限公司 | 路径规划的方法、装置、存储介质、芯片及车辆 |
CN115220449B (zh) * | 2022-07-14 | 2023-11-21 | 小米汽车科技有限公司 | 路径规划的方法、装置、存储介质、芯片及车辆 |
CN114998426A (zh) * | 2022-08-08 | 2022-09-02 | 北京云迹科技股份有限公司 | 机器人测距方法及装置 |
CN114998426B (zh) * | 2022-08-08 | 2022-11-04 | 北京云迹科技股份有限公司 | 机器人测距方法及装置 |
CN116026349A (zh) * | 2022-12-30 | 2023-04-28 | 吉咖智能机器人有限公司 | 用于车辆距离测量的方法、装置、电子设备和介质 |
CN116026349B (zh) * | 2022-12-30 | 2024-03-19 | 吉咖智能机器人有限公司 | 用于车辆距离测量的方法、装置、电子设备和介质 |
CN116883478A (zh) * | 2023-07-28 | 2023-10-13 | 广州瀚臣电子科技有限公司 | 一种基于汽车摄像头的障碍物距离确认***及方法 |
CN116883478B (zh) * | 2023-07-28 | 2024-01-23 | 广州瀚臣电子科技有限公司 | 一种基于汽车摄像头的障碍物距离确认***及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113866783A (zh) | 车辆测距方法及*** | |
US11348266B2 (en) | Estimating distance to an object using a sequence of images recorded by a monocular camera | |
US20200217656A1 (en) | Method and apparatus for measuring distance using vehicle-mounted camera, storage medium, and electronic device | |
WO2018177026A1 (zh) | 确定道路边沿的装置和方法 | |
US8988276B2 (en) | Vehicle surroundings monitoring device | |
EP3792660B1 (en) | Method, apparatus and system for measuring distance | |
CN109532662B (zh) | 一种车距及碰撞时间计算方法及装置 | |
CN106289159B (zh) | 基于测距补偿的车辆测距方法及装置 | |
US10977947B2 (en) | Method for vehicle blind zone detection | |
CN103487034A (zh) | 一种基于立式标靶的车载单目摄像头测距测高方法 | |
CN108859952B (zh) | 车辆变道预警方法、装置和雷达 | |
US20220254062A1 (en) | Method, device and storage medium for road slope predicating | |
CN107688174A (zh) | 一种图像测距方法、***、存储介质和车载视觉感知设备 | |
WO2018149539A1 (en) | A method and apparatus for estimating a range of a moving object | |
CN105300390B (zh) | 障碍物体运动轨迹的确定方法及装置 | |
Chen et al. | Vision-based distance estimation for multiple vehicles using single optical camera | |
EP1982890B1 (en) | Automotive environment monitoring device, vehicle with the automotive environment monitoring device | |
CN112902911B (zh) | 基于单目相机的测距方法、装置、设备及存储介质 | |
CN109087361B (zh) | 一种基于单目摄像头的前向物体横向距离标定方法 | |
CN108108706B (zh) | 目标检测中滑动窗口的优化方法及*** | |
Xu et al. | Camera calibration based on perspective geometry and its application in LDWS | |
CN114924286A (zh) | 路面物体高度检测方法、装置、电子设备及介质 | |
Zhang et al. | Study on the method of measuring the preceding vehicle distance based on trilinear method | |
CN113963066A (zh) | 基于车道线的车载全景摄像头标定方法、装置及存储介质 | |
CN114814803A (zh) | 一种车辆的视觉测距方法、装置及存储介质 |
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 |