CN115272490B - 一种路端交通检测设备摄像头标定方法 - Google Patents

一种路端交通检测设备摄像头标定方法 Download PDF

Info

Publication number
CN115272490B
CN115272490B CN202210965980.3A CN202210965980A CN115272490B CN 115272490 B CN115272490 B CN 115272490B CN 202210965980 A CN202210965980 A CN 202210965980A CN 115272490 B CN115272490 B CN 115272490B
Authority
CN
China
Prior art keywords
road
pixel
monitoring area
coordinate
movable equipment
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
CN202210965980.3A
Other languages
English (en)
Other versions
CN115272490A (zh
Inventor
李家松
陆新飞
薛旦
史颂华
张建君
娄慧丽
潘松
赵映重
叶霆锋
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.)
Shanghai Geometry Partner Intelligent Driving Co ltd
Original Assignee
Shanghai Geometry Partner Intelligent Driving 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 Shanghai Geometry Partner Intelligent Driving Co ltd filed Critical Shanghai Geometry Partner Intelligent Driving Co ltd
Priority to CN202210965980.3A priority Critical patent/CN115272490B/zh
Publication of CN115272490A publication Critical patent/CN115272490A/zh
Application granted granted Critical
Publication of CN115272490B publication Critical patent/CN115272490B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/80Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/70Determining position or orientation of objects or cameras
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/30Subject of image; Context of image processing
    • G06T2207/30248Vehicle exterior or interior
    • G06T2207/30252Vehicle exterior; Vicinity of vehicle
    • G06T2207/30256Lane; Road marking

Landscapes

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

Abstract

本发明涉及一种路端交通检测设备摄像头标定方法。与现有技术相比,本发明具有如下有益效果:本发明提出了一种基于查找表的路端交通检测设备摄像头标定方法,与现有的人工布置靶标或标定板的方法相比,本发明采用动态测量记录的方法,大大减少了标定的工作量,减轻了由于测量误差导致的标定不精确化。本发明公开的技术方案方便快捷、长期有效稳定,在安装摄像头的机械结构保持稳定不变的情况下,即便道路情况发生较大改变,本发明的标定结果依然可用,且标定结果依然是准确有效的。在本发明公开的技术方案中,使用查找表和双线性插值的方式拟合目标的地面位置,与计算变换矩阵的方法相比,在距离摄像头相对较远的区域依然可以得到相对准确的位置估计结果。

Description

一种路端交通检测设备摄像头标定方法
技术领域
本发明涉及一种对作为路侧感知设备使用的摄像头进行标定的方法。
背景技术
随着全国汽车保有量逐年提高,交通资源变得愈发紧缺。在大中型城市中,交通拥堵已是一种普遍现象。为了高效利用交通资源,科学有效地使用现有交通设施,智能交通***(ITS,Intelligent Transportation System)应运而生。ITS将信息技术、传感器技术、控制技术以及计算机技术集成于地面交通管理***,使得交通管理***具备对城市这一时空范围具有全方位的感知、分析、规划和调度管理能力。
在ITS中需要布置大量路侧感知设备,如雷达、摄像头等。这些路侧感知设备收集车辆行驶状态数据并处理分析,汇总到控制中心进行规划管理。在众多传感器中,摄像头由于其技术成熟、价格便宜、易于维护的优点广泛地使用在路侧感知中。
受限于摄像头的成像原理,其采集车辆的位置、速度等信息都是二维平面位置信息。为了将摄像头数据与其他传感器采集的信息融合,得到准确的三维空间位置信息,需要对摄像头标定。标定是为了建立起摄像头成像的像平面与路面所在地平面之间的对应关系。目前已有的一种标定方法是手工标定方法,这种方法需要在地面上放置若干靶标并手工测量靶标相对于摄像头以及不同靶标之间的距离。这种方法需要保证道路封闭,同时对测量精度有一定要求,实施效率较低,受人为因素干扰比较严重。
目前已有的另外一种标定方法是使用定制标定板,平放在地面上进行标定。这种方法可以实现自动化标定,但只能保证局部区域的标定精度,由于摄像头视角收缩效应,距离标定板越远的区域标定误差越大。
发明内容
本发明的目的是:提供一种新的路端交通检测设备摄像头标定方案,可以安全、高效、准确地标定摄像头,并根据标定结果简单、快捷地计算出摄像头内各目标车辆的三维空间位置信息。
为了达到上述目的,本发明的技术方案提供了一种路端交通检测设备摄像头标定方法,其特征在于,包括以下步骤:
步骤1、准备可移动设备,在可移动设备上安装具有定位功能的定位设备或者可移动设备具有定位功能;
步骤2、建立可移动设备与待标定路端摄像头的通信链路,使可移动设备能够接收到待标定路端摄像头的图传信号;在可移动设备通过待标定路端摄像头获得图像的同时,还能够同步记录与之对应的定位信息;
步骤3、标记出待标定路端摄像头中的道路监测区域;
以可移动设备的行进方向为X轴,以地面所在平面内垂直于X轴的方向为Y轴,根据右手坐标系原则,建立地面坐标系,通过定位信息能够获得地面坐标系下相应坐标点的地面坐标值;可移动设备移动至道路监测区域后,将可移动设备在道路监测区域的起始位置时获得的定位信息所对应的坐标点定义为地面坐标系的原点坐标,并将原点坐标所对应的位置定义为当前起始位置;
步骤4、可移动设备从当前起始位置开始以设定步长沿X轴移动,直至可移动设备离开道路监测区域;在此过程中,可移动设备每次移动N米,且每次移动后,通过待标定路端摄像头获得道路监测区域图像,并记录地面坐标定位信息;
步骤5、在前一步采集到的所有道路监测区域图像中标记出与可移动设备同一位置对应的像素点,并记录所有像素点的像素坐标;
步骤6、将基于步骤5获得的所有像素点的像素坐标与步骤4中记录的地面坐标定位信息一一对应,建立查找表;
步骤7、道路监测区域图像中任意像素点的像素坐标映射到道路监测区域在地面坐标系中的坐标点的地面坐标值基于查找表计算得到,从而获得道路监测区域图像中所有像素点的像素坐标映射到道路监测区域在地面坐标系中对应坐标点的地面坐标值,并存储为新的查找表,从而完成对待标定路端摄像头的标定。
优选地,所述可移动设备为安装有定位设备的车辆或者所述可移动设备为具有定位功能的无人机。
优选地,所述道路监测区域包含至少两根车道,则:
在所述步骤3中,可移动设备在道路监测区域的起始位置为可移动设备在第一根车道的起始位置;
在所述步骤4之后,并所述步骤5之前,还包括以下步骤:
重复执行步骤4,使可移动设备遍历所有车道,且每次执行步骤4时,当前起始位置为可移动设备在当前车道的起始位置,且可移动设备在各条车道上的起始位置在Y轴方向上等间距布置。
优选地,所述道路监测区域包含的所有车道分两个方向,则在所述步骤4中:当可移动设备沿一个方向的车道移动时,沿X轴的一个方向移动;当可移动设备沿另一个方向的车道移动时,沿X轴的另一个方向移动。
优选地,在步骤7中,基于查找表,通过双线性插值或者使用分块计算转换矩阵计算道路监测区域图像中任意像素点的像素坐标映射到道路监测区域在地面坐标系中的坐标点的坐标值。
优选地,所述双线性插值的计算方法包括以下步骤:
通过步骤6所建立的查找表,建立采集获得的像素坐标与地面坐标系下的坐标值之间的对应关系,则在步骤7中:
设道路监测区域图像任意一个像素点a的像素坐标为(u,v),在查找表中搜索到距其像素距离最近的四个像素点(u1,v1)、(u2,v2)、(u3,v3)和(u4,v4),则像素点a应的地面坐标下的坐标点的地面坐标值的计算公式为:
式中,(x1,y1)、(x2,y2)、(x3,y3)和(x4,y4)分别为步骤6所建立的查找表中四个像素点(u1,v1)、(u2,v2)、(u3,v3)和(u4,v4)对应的地面坐标下的坐标点的地面坐标值;d1、d2、d3和d4分别为像素点a与四个像素点(u1,v1)、(u2,v2)、(u3,v3)和(u4,v4)的像素距离。
优选地,所述使用分块计算转换矩阵来计算所述坐标值包括以下步骤:
步骤6中,建立查找表时,以栅格化形式组织步骤5中获得的像素点,四个像素点为一组,每组像素点依次连接形成四边形,其内部不再包含任何其他步骤5中获得的像素点;通过每组像素点和所对应的地面坐标系下的坐标点估算出一个由像平面到地平面转换的单应变换矩阵,则通过步骤6所建立的查找表,建立每组像素点与单应变换矩阵之间的对应关系,则在步骤7中:
设道路监测区域图像任意一个像素点a的像素坐标为(u,v),查找像素点a在查找表中所对应的像素点组,依据该像素点组所对应的单应变换矩阵,将像素点a的像素坐标转换为地面坐标系的地面坐标值。
与现有技术相比,本发明具有如下有益效果:
(1)本发明提出了一种基于查找表的路端交通检测设备摄像头标定方法,与现有的人工布置靶标或标定板的方法相比,本发明采用动态测量记录的方法,大大减少了标定的工作量,减轻了由于测量误差导致的标定不精确化。
(2)本发明公开的技术方案方便快捷、长期有效稳定,在安装摄像头的机械结构保持稳定不变的情况下,即便道路情况发生较大改变,本发明的标定结果依然可用,且标定结果依然是准确有效的。
(3)在本发明公开的技术方案中,使用查找表和双线性插值的方式拟合目标的地面位置,与计算变换矩阵的方法相比,在距离摄像头相对较远的区域依然可以得到相对准确的位置估计结果。
附图说明
图1示意了路端交通检测设备摄像头标定方法;
图2为技术方案实例说明图;
图3示意了插值方法。
具体实施方式
下面结合具体实施例,进一步阐述本发明。应理解,这些实施例仅用于说明本发明而不用于限制本发明的范围。此外应理解,在阅读了本发明讲授的内容之后,本领域技术人员可以对本发明作各种改动或修改,这些等价形式同样落于本申请所附权利要求书所限定的范围。
如图1及图2所示,本发明公开的一种路端交通检测设备摄像头标定方法主要包括以下步骤:
步骤1、建立起标定车辆与待标定路端摄像头的通信链路,在标定车辆上可以接收到待标定路端摄像头的图传信号,可以查看到待标定路端摄像头拍摄的实时画面。标定车辆的后轴中心上方安装RTK流动站,以保证可以实时得到车辆的经纬度和高程值,在标定过程中只会用到经纬度。RTK(Real-time kinematic,实时差分定位)是一种在野外实时得到厘米级定位精度的测量方法。
建立起RTK流动站和待标定路端摄像头的软同步机制,使用软件调用待标定路端摄像头拍照的同时,可以保存下RTK流动站实时输出的经纬度信息,以保证待标定路端摄像头拍摄到的图像与RTK流动站输出的位置信息同步。
步骤2、标记出待标定路端摄像头中的道路监测区域,本实施例中,选取待标定路端摄像头前方10米到前方110米范围内道路覆盖区域作为道路监测区域。将标定车辆行驶到道路监测区域的右下角,随后调用待标定路端摄像头拍摄图像。以标定车辆的行进方向为X轴、地面所在平面中垂直于X轴为Y轴,根据右手坐标系原则建立地面坐标系,将此刻RTK流动站输出的经纬度信息作为地面坐标系原点的经纬度信息。
步骤3、启动标定车辆,让标定车辆沿X轴正向方向行驶,每当标定车辆在X轴方向上行驶10米时,调用并记录待标定路端摄像头拍摄图像,同时还记录此时RTK流动站输出的在地面坐标系中的坐标点的经纬度。
本实施例中,以地面坐标系原点为基准点,设某一坐标点的经纬度为(lat,lng),该坐标点相对于基准点的经纬度变化值为(Δlat,Δlng),经纬度变化值与车辆行驶距离d的关系为:
当d满足10米时,记录下此刻通过待标定路端摄像头获得的图像和RTK流动站输出的经纬度,并将当前坐标点当作新的基准点继续进行下一次记录。
步骤4、重复步骤3,直至标定车辆驶出道路监测区域。
步骤5、将标定车辆驶入道路监测区域的另一根车道,此时标定车辆回到沿Y轴正向距离标定车辆上一根车道出发位置10米的位置,继续让标定车辆沿X轴正向前进,并且每行驶10米记录一次通过待标定路端摄像头获得的图像和RTK流动站输出的经纬度,重复步骤3及步骤4。
当标定车辆驶入的当前车道与上一根车道为对向车道时,让标定车辆沿X轴负向前进,同样也是每行驶10米记录一次通过待标定路端摄像头获得的图像和RTK流动站输出的经纬度。当标定车辆驶出道路监测区域时,让标定车辆回到上一次进入标定区域沿Y轴正向10米的位置,继续沿X轴负向前进。
步骤6、重复步骤5,直到标定车辆行驶过道路监测区域中的每一条车道。
步骤7、提取出在步骤3至步骤6中采集到的图像中标定车辆底盘下沿中心点,记录这些中心点的像素坐标值并与步骤3至步骤6中记录的坐标值相对应。本实施例中,图像中任意像素坐标值表示为(u,v)。
步骤8、建立待标定路端摄像头所拍摄图像中像素点映射到道路监测区域在地面坐标系中各地面坐标点的查找表,其中,道路监测区域图像中每一个像素点所对应的地面坐标系的地面坐标点由在查找表中距离该像素最近的四个地面坐标点进行双线性插值得到。存储查找表,完成摄像头标定。
本实施例中,步骤8具体包括以下内容:
以所有图像中标定车辆底盘下沿中心点在像素坐标系下的像素坐标(u,v)作为关键字建立查找表。在步骤3至步骤6中,基于待标定路端摄像头拍摄的第一张图像提取出的像素坐标对应地面坐标系原点,其在地面坐标系下的坐标点的地面坐标值为(0,0)。通过其他图像提取出的像素坐标对应的在地面坐标系下的坐标点的地面坐标值根据地面坐标系原点的地面坐标值外推得到。X轴方向上相邻的两个像素点的在地面坐标系下的X轴坐标相差10、Y轴坐标相等。Y轴方向上相邻的两个像素点在地面坐标系下的Y轴坐标相差10、X轴坐标相等。
经过外推后,可以得到如下查找表:
上述查找表中,(u0,v0)为基于待标定路端摄像头拍摄的第一张图像提取出的像素坐标,(u1,v1)为基于待标定路端摄像头拍摄的第二张图像提取出的像素坐标,以此类推。
以查找表所体现的对应关系作为基准,可以根据插值计算得到道路监测区域图像任意一个像素点像素坐标所对应的地面坐标下的坐标点的地面坐标值。设道路监测区域图像任意一个像素点a的像素坐标为(u,v),在查找表中搜索到距其像素距离最近的四个关键字(u1,v1),(u2,v2),(u3,v3)和(u4,v4),根据像素位置计算出a点到四个关键字的像素距离d1、d2、d3和d4,最终a点对应的地面坐标下的坐标点的地面坐标值的计算公式为:
插值示意图如图3所示。
此外,道路监测区域图像某一像素点所对应的地面坐标下的坐标点的地面坐标值,除使用上述插值方法外,还可以使用分块计算转换矩阵的方式进行估计。具体做法为:以栅格化形式组织步骤7中提取出的道路监测区域图像的像素点,四个像素点为一组,每组像素点依次连接形成四边形,其内部不再包含任何其他步骤7中提取出像素点。每组像素点和所对应的地面坐标下的坐标点可以估算出一个由像平面到地平面转换的单应变换矩阵,设四个像素点的像素坐标和对应的四个地面坐标下的坐标点的地面坐标值分别为(u1,v1),(u2,v2),(u3,v3),(u4,v4),(x1,y1),(x2,y2),(x3,y3)和(x4,y4),具体计算公式如下:
式中,为单应变换矩阵。
最终形成的查找表形式如下:
在估计道路监测区域图像上某像素点a所对应的地面坐标下的坐标点的地面坐标值时,首先判断该像素点落在了查找表中的哪个栅格内,假设该像素点a落在了栅格n内,那么像素点a对应的地面坐标下的坐标点的地面坐标值(xa,ya)的计算公式为:
在上述标定方案中,标定车辆可以用标定无人机替换,同时无需再向无人机安装RTK流动站,直接调用无人机机载RTK输出位置信息。在步骤3至步骤6所记载的标定阶段,将无人机停放在道路监测区域的右下角并记录位置与图像。接着,让无人机垂直于地面升起,沿X轴飞行10米后垂直降落,再次记录位置与图像。如此反复,完成标定。在数据处理阶段,提取无人机起落架与地面接触点的像素坐标作为查找表的关键字。

Claims (2)

1.一种路端交通检测设备摄像头标定方法,其特征在于,包括以下步骤:
步骤1、准备可移动设备,在可移动设备上安装具有定位功能的定位设备或者可移动设备具有定位功能,可移动设备为安装有定位设备的车辆;
步骤2、建立可移动设备与待标定路端摄像头的通信链路,使能可移动设备能够接收到待标定路端摄像头的图传信号;在可移动设备通过待标定路端摄像头获得图像的同时,还能够同步记录与之对应的定位信息;
步骤3、标记出待标定路端摄像头中的道路监测区域,道路监测区域包含至少两根车道;
以可移动设备的行进方向为X轴,以地面所在平面内垂直于X轴的方向为Y轴,根据右手坐标系原则,建立地面坐标系,通过定位信息能够获得地面坐标系坐标值;可移动设备移动至道路监测区域后,将可移动设备在道路监测区域的起始位置时获得的定位信息所对应的坐标点定义为地面坐标系的原点坐标,并将原点坐标所对应的位置定义为当前起始位置,可移动设备在道路监测区域的起始位置为可移动设备在第一根车道的起始位置;
步骤4、可移动设备从当前起始位置开始以设定步长沿X轴移动,直至可移动设备离开道路监测区域;在此过程中,可移动设备每次移动N米,且每次移动后,通过待标定路端摄像头获得道路监测区域图像,并记录地面坐标定位信息;
步骤5、重复执行步骤4,使可移动设备遍历所有车道,且每次执行步骤4时,当前起始位置为可移动设备在当前车道的起始位置,且可移动设备在各条车道上的起始位置在Y轴方向上等间距布置;
步骤6、在前一步采集到的所有道路监测区域图像中标记出与可移动设备同一位置对应的像素点,并获得所有像素点的像素坐标;
步骤7、基于步骤6获得的所有像素点的像素坐标以及通过采集到的与所有道路监测区域图像对应的定位信息获得的地面坐标系下的坐标值之间的对应关系,建立查找表,建立查找表时,以栅格化形式组织步骤6中获得的像素点,四个像素点为一组,每组像素点依次连接形成四边形,其内部不再包含任何其他步骤6中获得的像素点;通过每组像素点和所对应的地面坐标系下的坐标点估算出一个由像平面到地平面转换的单应变换矩阵,则通过步骤7所建立的查找表,建立每组像素点与单应变换矩阵之间的对应关系;
步骤8、道路监测区域图像中任意像素点的像素坐标映射到道路监测区域在地面坐标系中的坐标点的地面坐标值基于查找表计算得到,从而获得道路监测区域图像中所有像素点的像素坐标映射到道路监测区域在地面坐标系中对应坐标点的地面坐标值,并存储为新的查找表,从而完成对待标定路端摄像头的标定,其中,基于查找表,通过使用分块计算转换矩阵计算道路监测区域图像中任意像素点的像素坐标映射到道路监测区域在地面坐标系中的坐标点的坐标值;设道路监测区域图像任意一个像素点a的像素坐标为(,v),查找像素点a在查找表中所对应的像素点组,依据该像素点组所对应的单应变换矩阵,将像素点a的像素坐标转换为地面坐标系下的坐标点的地面坐标值。
2.如权利要求1所述的一种路端交通检测设备摄像头标定方法,其特征在于,所述道路监测区域包含的所有车道分两个方向,则在所述步骤4中:当可移动设备沿一个方向的车道移动时,沿X轴的一个方向移动;当可移动设备沿另一个方向的车道移动时,沿X轴的另一个方向移动。
CN202210965980.3A 2022-08-12 2022-08-12 一种路端交通检测设备摄像头标定方法 Active CN115272490B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210965980.3A CN115272490B (zh) 2022-08-12 2022-08-12 一种路端交通检测设备摄像头标定方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210965980.3A CN115272490B (zh) 2022-08-12 2022-08-12 一种路端交通检测设备摄像头标定方法

Publications (2)

Publication Number Publication Date
CN115272490A CN115272490A (zh) 2022-11-01
CN115272490B true CN115272490B (zh) 2023-08-08

Family

ID=83750621

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210965980.3A Active CN115272490B (zh) 2022-08-12 2022-08-12 一种路端交通检测设备摄像头标定方法

Country Status (1)

Country Link
CN (1) CN115272490B (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101145240A (zh) * 2007-11-09 2008-03-19 王海燕 摄像机图像对道路场景多点高精度标定方法
CN103884271A (zh) * 2012-12-20 2014-06-25 中国科学院沈阳自动化研究所 一种线结构光视觉传感器直接标定方法
CN109816732A (zh) * 2018-12-29 2019-05-28 百度在线网络技术(北京)有限公司 标定方法、标定***、矫正方法、矫正***及车辆
CN111754580A (zh) * 2019-03-28 2020-10-09 阿里巴巴集团控股有限公司 一种摄像头标定方法、路侧感知设备和智慧交通***
CN112598750A (zh) * 2020-12-22 2021-04-02 北京百度网讯科技有限公司 路侧相机标定方法、装置、电子设备和存储介质
CN112836737A (zh) * 2021-01-29 2021-05-25 同济大学 一种基于车路数据融合的路侧组合感知设备在线标定方法
CN112905831A (zh) * 2021-04-02 2021-06-04 上海国际汽车城(集团)有限公司 物体在虚拟场景中的坐标获取方法、***及电子设备

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101145240A (zh) * 2007-11-09 2008-03-19 王海燕 摄像机图像对道路场景多点高精度标定方法
CN103884271A (zh) * 2012-12-20 2014-06-25 中国科学院沈阳自动化研究所 一种线结构光视觉传感器直接标定方法
CN109816732A (zh) * 2018-12-29 2019-05-28 百度在线网络技术(北京)有限公司 标定方法、标定***、矫正方法、矫正***及车辆
CN111754580A (zh) * 2019-03-28 2020-10-09 阿里巴巴集团控股有限公司 一种摄像头标定方法、路侧感知设备和智慧交通***
CN112598750A (zh) * 2020-12-22 2021-04-02 北京百度网讯科技有限公司 路侧相机标定方法、装置、电子设备和存储介质
CN112836737A (zh) * 2021-01-29 2021-05-25 同济大学 一种基于车路数据融合的路侧组合感知设备在线标定方法
CN112905831A (zh) * 2021-04-02 2021-06-04 上海国际汽车城(集团)有限公司 物体在虚拟场景中的坐标获取方法、***及电子设备

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于双目立体视觉的标定技术及应用;田昊;刘春萌;;吉林大学学报(信息科学版)(第02期);全文 *

Also Published As

Publication number Publication date
CN115272490A (zh) 2022-11-01

Similar Documents

Publication Publication Date Title
CN104021676B (zh) 基于车辆动态视频特征的车辆定位及车速测量方法
EP3612854B1 (en) Vehicle navigation system using pose estimation based on point cloud
CA3027921C (en) Integrated sensor calibration in natural scenes
CN102254318B (zh) 基于图像透视投影变换的车辆道路交通视频测速方法
WO2022206978A1 (zh) 一种基于车载定位装置的路侧毫米波雷达校准方法
CN113359097B (zh) 一种毫米波雷达和相机联合标定的方法
CN106645205A (zh) 一种无人机桥梁底面裂纹检测方法及***
CN109931939A (zh) 车辆的定位方法、装置、设备及计算机可读存储介质
CN103499337B (zh) 一种基于立式标靶的车载单目摄像头测距测高装置
CN104200086A (zh) 宽基线可见光相机位姿估计方法
CN106019264A (zh) 一种基于双目视觉的无人机危险车距识别***及方法
CN111272139B (zh) 一种基于单目视觉的车辆长度测量方法
CN109146958B (zh) 一种基于二维图像的交通标志空间位置测量方法
CN111241988A (zh) 一种结合定位信息的大场景内运动目标检测识别方法
CN110927762A (zh) 一种定位修正方法、装置及***
CN112990128A (zh) 一种基于视频跟踪的多车辆测速方法
CN108681337A (zh) 一种涵洞或桥梁专用巡查无人机及无人机巡查方法
CN115588040A (zh) 一种基于全视图成像点坐标统计定位***及方法
US20230177724A1 (en) Vehicle to infrastructure extrinsic calibration system and method
CN111538008B (zh) 变换矩阵确定方法、***及装置
CN112726351B (zh) 一种车载便携轻量化智能巡检方法与***
CN114360093A (zh) 基于北斗rtk、slam定位和图像分析的路侧停车位巡检方法
CN112255604B (zh) 一种雷达数据准确性的判断方法、装置及计算机设备
CN117310627A (zh) 一种应用于车路协同路侧感知***的联合标定方法
CN115272490B (zh) 一种路端交通检测设备摄像头标定方法

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