CN116883478A - 一种基于汽车摄像头的障碍物距离确认***及方法 - Google Patents
一种基于汽车摄像头的障碍物距离确认***及方法 Download PDFInfo
- Publication number
- CN116883478A CN116883478A CN202310936444.5A CN202310936444A CN116883478A CN 116883478 A CN116883478 A CN 116883478A CN 202310936444 A CN202310936444 A CN 202310936444A CN 116883478 A CN116883478 A CN 116883478A
- Authority
- CN
- China
- Prior art keywords
- obstacle
- vehicle body
- outer edge
- distance
- module
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 35
- 238000012790 confirmation Methods 0.000 title claims abstract description 21
- 238000004364 calculation method Methods 0.000 claims abstract description 28
- 238000012545 processing Methods 0.000 claims abstract description 22
- 238000005259 measurement Methods 0.000 claims abstract description 6
- 238000012937 correction Methods 0.000 claims description 12
- 238000003384 imaging method Methods 0.000 claims description 6
- 230000008569 process Effects 0.000 description 4
- 238000004590 computer program Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000005094 computer simulation Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/50—Depth or shape recovery
- G06T7/536—Depth or shape recovery from perspective effects, e.g. by using vanishing points
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
-
- 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
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请公开了一种基于汽车摄像头的障碍物距离确认***及方法,驾驶安全技术领域。该***包括摄像模块、图像处理模块、模型构建模块和距离测算模块。该方法适用于该***。本申请的基于汽车摄像头的障碍物距离确认***及方法,使用成本成本低、计算速度快、设备简单且直观性强,提高了车辆获取障碍物测距结果的效率,为智能驾驶提高安全性,并控制了车辆成本。
Description
技术领域
本申请涉及驾驶安全技术领域,具体是一种基于汽车摄像头的障碍物距离确认***及方法。
背景技术
传统的障碍物测距方法,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。
因此,对于智能驾驶技术的发展来说,一种简单有效的测距方法,对于车辆驾驶安全以及车辆成本而言,是十分重要的。
发明内容
本申请的目的在于提供一种基于汽车摄像头的障碍物距离确认***及方法,以提供一种简单有效的测距方法,并以此提高对于车辆驾驶安全以及控制车辆成本而言。
为实现上述目的,本申请公开了以下技术方案:
第一方面,本申请公开了一种基于汽车摄像头的障碍物距离确认***,包括摄像模块、图像处理模块、模型构建模块和距离测算模块;
所述摄像模块配置为:对障碍物进行图像采集;
所述图像处理模块配置为:对所述摄像模块采集到的图像进行图像处理以识别地面环境,并识别障碍物轮廓和该障碍物的外缘点,所述外缘点为采集到的图像中所述障碍物中距离车身最近的点,其中,所述地面环境包括平地环境和非平地环境;
所述模型构建模块配置为:基于所述采集到的图像对应的摄像模块所在的车身面及该车身面对应的预设车身线,和所述障碍物的外缘点,构建计算模型;
所述距离测算模块配置为:基于所述计算模型,获取所述障碍物的外缘点与所述预设车身线对应的车身面之间的间距作为障碍物距离。
在一种实施方式中,在平地环境下,所述计算模型为平面投影模型,所述平面投影模型中的元素包括:所述外缘点和所述预设车身线在同一水平面上的投影、在该投影上的所述外缘点与所述预设车身线之间的垂直线以及以所述摄像模块为原点获取的所述障碍物的外缘点坐标值(x,y),其中,以预设车身线为以所述摄像模块为原点对应的坐标系的X轴。
在一种实施方式中,所述的获取所述障碍物的外缘点与所述预设车身线对应的车身面之间的间距作为障碍物距离通过以下公式计算:
L=ρ*f*y+K
其中,L为所述障碍物距离,f为所述摄像模块的焦距,ρ为修正系数,K为摄像模块与俯仰角补偿值。
在一种实施方式中,在非平地环境下,所述计算模型为三角计算模型,所述三角计算模型中的元素包括:对所述障碍物的外缘点进行高度标尺后的图像、基于以所述摄像模块为原点和以所述车身线为X轴构建的三维坐标系、基于所述障碍物轮廓获取到的所述障碍物对应的接地点的三维坐标值(x1,y1,z1),以及所述标尺的底部自该原点移动至该接地点时对应的所述障碍物的外缘点地高度值h。
在一种实施方式中,所述的获取所述障碍物的外缘点与所述预设车身线对应的车身面之间的间距作为障碍物距离通过以下公式计算:
L=ρ*f*h+K
其中,L为所述障碍物距离,f为所述摄像模块的焦距,ρ为修正系数,K为摄像模块与俯仰角补偿值。
第二方面,本申请公开了适用于上述***的一种基于汽车摄像头的障碍物距离确认方法,该方法包括以下步骤:
对障碍物进行图像采集;
对采集到的图像进行图像处理以识别地面环境,并识别障碍物轮廓和该障碍物的外缘点,所述外缘点为采集到的图像中所述障碍物中距离车身最近的点,其中,所述地面环境包括平地环境和非平地环境;
基于所述采集到的图像对应的摄像模块所在的车身面及该车身面对应的预设车身线,和所述障碍物的外缘点,构建计算模型;
基于所述计算模型,获取所述障碍物的外缘点与所述预设车身线对应的车身面之间的间距作为障碍物距离。
在一种实施方式中,当所述图像处理识别到当前地面为平地环境时,所述计算模型为平面投影模型;所述平面投影模型中的元素包括:所述外缘点和所述预设车身线在同一水平面上的投影、在该投影上的所述外缘点与所述预设车身线之间的垂直线以及以所述摄像模块为原点获取的所述障碍物的外缘点坐标值(x,y),其中,以预设车身线为以所述摄像模块为原点对应的坐标系的X轴。
在一种实施方式中,所述的获取所述障碍物的外缘点与所述预设车身线对应的车身面之间的间距作为障碍物距离通过以下公式计算:
L=ρ*f*y+K
其中,L为所述障碍物距离,f为所述摄像模块的焦距,ρ为修正系数,K为摄像模块与俯仰角补偿值。
在一种实施方式中,当所述图像处理识别到当前地面为非平地环境时,所述计算模型为三角计算模型;所述三角计算模型中的元素包括:对所述障碍物的外缘点进行高度标尺后的图像、基于以所述摄像模块为原点和以所述车身线为X轴构建的三维坐标系、基于所述障碍物轮廓获取到的所述障碍物对应的接地点的三维坐标值(x1,y1,z1),以及所述标尺的底部自该原点移动至该接地点时对应的所述障碍物的外缘点地高度值h。
在一种实施方式中,所述的获取所述障碍物的外缘点与所述预设车身线对应的车身面之间的间距作为障碍物距离通过以下公式计算:
L=ρ*f*h+K
其中,L为所述障碍物距离,f为所述摄像模块的焦距,ρ为修正系数,K为摄像模块与俯仰角补偿值。
有益效果:本申请的基于汽车摄像头的障碍物距离确认***及方法,使用成本成本低、计算速度快、设备简单且直观性强,提高了车辆获取障碍物测距结果的效率,为智能驾驶提高安全性,并控制了车辆成本。
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是本申请的一些实施例,对于本领域技术人员来讲,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为本申请实施例中基于汽车摄像头的障碍物距离确认***的结构框图;
图2为本申请实施例中基于汽车摄像头的障碍物距离确认方法的流程框图。
具体实施方式
下面将对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,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,都属于本申请保护的范围。
在本文中,术语“包括”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……”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。
本实施例在第一方面公开了如图1所示的一种基于汽车摄像头的障碍物距离确认***,包括摄像模块、图像处理模块、模型构建模块和距离测算模块。
具体的,所述摄像模块配置为:对障碍物进行图像采集。摄像模块可以但不限于是单目视觉测距常用的摄像装置,其可以安装于车头、车侧身、车顶以及车尾处。
具体的,所述图像处理模块配置为:对所述摄像模块采集到的图像进行图像处理以识别地面环境,并识别障碍物轮廓和该障碍物的外缘点,所述外缘点为采集到的图像中所述障碍物中距离车身最近的点,其中,所述地面环境包括平地环境和非平地环境。图像处理模块的工作原理,可以采用现有技术中的任意一种,例如申请号为CN202111188713.1的中国专利中公开的相关技术,简言之,图像处理模块的作用为获取地面环境、识别障碍物轮廓和该障碍物的外缘点。
具体的,所述模型构建模块配置为:基于所述采集到的图像对应的摄像模块所在的车身面及该车身面对应的预设车身线,和所述障碍物的外缘点,构建计算模型。在本实施例中,在平地环境下,所述计算模型为平面投影模型,所述平面投影模型中的元素包括:所述外缘点和所述预设车身线在同一水平面上的投影、在该投影上的所述外缘点与所述预设车身线之间的垂直线以及以所述摄像模块为原点获取的所述障碍物的外缘点坐标值(x,y),其中,以预设车身线为以所述摄像模块为原点对应的坐标系的X轴。另一方面,在非平地环境下,所述计算模型为三角计算模型,所述三角计算模型中的元素包括:对所述障碍物的外缘点进行高度标尺后的图像、基于以所述摄像模块为原点和以所述车身线为X轴构建的三维坐标系、基于所述障碍物轮廓获取到的所述障碍物对应的接地点的三维坐标值(x1,y1,z1),以及所述标尺的底部自该原点移动至该接地点时对应的所述障碍物的外缘点地高度值h。
具体的,所述距离测算模块配置为:基于所述计算模型,获取所述障碍物的外缘点与所述预设车身线对应的车身面之间的间距作为障碍物距离。
在本实施例中,在平地环境下,所述的获取所述障碍物的外缘点与所述预设车身线对应的车身面之间的间距作为障碍物距离通过以下公式计算:
L=ρ*f*y+K
其中,L为所述障碍物距离,f为所述摄像模块的焦距,ρ为修正系数,K为摄像模块与俯仰角补偿值。
另一方面,在本实施例中,在非平地环境下,所述的获取所述障碍物的外缘点与所述预设车身线对应的车身面之间的间距作为障碍物距离通过以下公式计算:
L=ρ*f*h+K
其中,L为所述障碍物距离,f为所述摄像模块的焦距,ρ为修正系数,K为摄像模块与俯仰角补偿值。
可行的是,在上述的计算过程中,俯仰角补偿值可以参考申请号为CN202111062043.9的中国专利记载的相关技术获取,在此不做赘述。
本实施例在第二方面公开了如图2所示的基于汽车摄像头的障碍物距离确认方法,其适用于上述的基于汽车摄像头的障碍物距离确认***。具体来说,该方法包括以下步骤:
S101-对障碍物进行图像采集;
S102-对采集到的图像进行图像处理以识别地面环境,并识别障碍物轮廓和该障碍物的外缘点,所述外缘点为采集到的图像中所述障碍物中距离车身最近的点,其中,所述地面环境包括平地环境和非平地环境;
S103-基于所述采集到的图像对应的摄像模块所在的车身面及该车身面对应的预设车身线,和所述障碍物的外缘点,构建计算模型;
S104-基于所述计算模型,获取所述障碍物的外缘点与所述预设车身线对应的车身面之间的间距作为障碍物距离。
当所述图像处理识别到当前地面为平地环境时,在S103中,所述计算模型为平面投影模型;所述平面投影模型中的元素包括:所述外缘点和所述预设车身线在同一水平面上的投影、在该投影上的所述外缘点与所述预设车身线之间的垂直线以及以所述摄像模块为原点获取的所述障碍物的外缘点坐标值(x,y),其中,以预设车身线为以所述摄像模块为原点对应的坐标系的X轴。
进而,在S104中,所述的获取所述障碍物的外缘点与所述预设车身线对应的车身面之间的间距作为障碍物距离通过以下公式计算:
L=ρ*f*y+K
其中,L为所述障碍物距离,f为所述摄像模块的焦距,ρ为修正系数,K为摄像模块与俯仰角补偿值。
当所述图像处理识别到当前地面为非平地环境时,在S103中,所述计算模型为三角计算模型;所述三角计算模型中的元素包括:对所述障碍物的外缘点进行高度标尺后的图像、基于以所述摄像模块为原点和以所述车身线为X轴构建的三维坐标系、基于所述障碍物轮廓获取到的所述障碍物对应的接地点的三维坐标值(x1,y1,z1),以及所述标尺的底部自该原点移动至该接地点时对应的所述障碍物的外缘点地高度值h。
进而,在S104中,所述的获取所述障碍物的外缘点与所述预设车身线对应的车身面之间的间距作为障碍物距离通过以下公式计算:
L=ρ*f*h+K
其中,L为所述障碍物距离,f为所述摄像模块的焦距,ρ为修正系数,K为摄像模块与俯仰角补偿值。
综上所述,本实施例记载的基于汽车摄像头的障碍物距离确认***及方法,使用成本成本低、计算速度快、设备简单且直观性强,提高了车辆获取障碍物测距结果的效率,为智能驾驶提高安全性,并控制了车辆成本。
在本申请所提供的实施例中,应该理解到,可以以硬件、软件、固件、中间件、代码或其任何恰当组合来实现这里描述的实施例。对于硬件实现,处理器可以在一个或多个下列单元中实现:专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、处理器、控制器、微控制器、微处理器、设计用于实现这里所描述功能的其他电子单元或其组合。对于软件实现,实施例的部分或全部流程可以通过计算机程序来指令相关的硬件来完成。实现时,可以将上述程序存储在计算机可读介质中或作为计算机可读介质上的一个或多个指令或代码进行传输。计算机可读介质包括计算机存储介质和通信介质,其中通信介质包括便于从一个地方向另一个地方传送计算机程序的任何介质。存储介质可以是计算机能够存取的任何可用介质。计算机可读介质可以包括但不限于RAM、ROM、EEPROM、CD-ROM或其他光盘存储、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质。
最后应说明的是:以上所述仅为本申请的优选实施例而已,并不用于限制本申请,尽管参照前述实施例对本申请进行了详细的说明,对于本领域的技术人员来说,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,凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (10)
1.一种基于汽车摄像头的障碍物距离确认***,其特征在于,包括摄像模块、图像处理模块、模型构建模块和距离测算模块;
所述摄像模块配置为:对障碍物进行图像采集;
所述图像处理模块配置为:对所述摄像模块采集到的图像进行图像处理以识别地面环境,并识别障碍物轮廓和该障碍物的外缘点,所述外缘点为采集到的图像中所述障碍物中距离车身最近的点,其中,所述地面环境包括平地环境和非平地环境;
所述模型构建模块配置为:基于所述采集到的图像对应的摄像模块所在的车身面及该车身面对应的预设车身线,和所述障碍物的外缘点,构建计算模型;
所述距离测算模块配置为:基于所述计算模型,获取所述障碍物的外缘点与所述预设车身线对应的车身面之间的间距作为障碍物距离。
2.根据权利要求1所述的基于汽车摄像头的障碍物距离确认***,其特征在于,在平地环境下,所述计算模型为平面投影模型,所述平面投影模型中的元素包括:所述外缘点和所述预设车身线在同一水平面上的投影、在该投影上的所述外缘点与所述预设车身线之间的垂直线以及以所述摄像模块为原点获取的所述障碍物的外缘点坐标值(x,y),其中,以预设车身线为以所述摄像模块为原点对应的坐标系的X轴。
3.根据权利要求2所述的基于汽车摄像头的障碍物距离确认***,其特征在于,所述的获取所述障碍物的外缘点与所述预设车身线对应的车身面之间的间距作为障碍物距离通过以下公式计算:
L=ρ*f*y+K
其中,L为所述障碍物距离,f为所述摄像模块的焦距,ρ为修正系数,K为摄像模块与俯仰角补偿值。
4.根据权利要求1所述的基于汽车摄像头的障碍物距离确认***,其特征在于,在非平地环境下,所述计算模型为三角计算模型,所述三角计算模型中的元素包括:对所述障碍物的外缘点进行高度标尺后的图像、基于以所述摄像模块为原点和以所述车身线为X轴构建的三维坐标系、基于所述障碍物轮廓获取到的所述障碍物对应的接地点的三维坐标值(x1,y1,z1),以及所述标尺的底部自该原点移动至该接地点时对应的所述障碍物的外缘点地高度值h。
5.根据权利要求4所述的基于汽车摄像头的障碍物距离确认***,其特征在于,所述的获取所述障碍物的外缘点与所述预设车身线对应的车身面之间的间距作为障碍物距离通过以下公式计算:
L=ρ*f*h+K
其中,L为所述障碍物距离,f为所述摄像模块的焦距,ρ为修正系数,K为摄像模块与俯仰角补偿值。
6.一种基于汽车摄像头的障碍物距离确认方法,其特征在于,该方法包括以下步骤:
对障碍物进行图像采集;
对采集到的图像进行图像处理以识别地面环境,并识别障碍物轮廓和该障碍物的外缘点,所述外缘点为采集到的图像中所述障碍物中距离车身最近的点,其中,所述地面环境包括平地环境和非平地环境;
基于所述采集到的图像对应的摄像模块所在的车身面及该车身面对应的预设车身线,和所述障碍物的外缘点,构建计算模型;
基于所述计算模型,获取所述障碍物的外缘点与所述预设车身线对应的车身面之间的间距作为障碍物距离。
7.根据权利要求6所述的基于汽车摄像头的障碍物距离确认方法,其特征在于,当所述图像处理识别到当前地面为平地环境时,所述计算模型为平面投影模型;所述平面投影模型中的元素包括:所述外缘点和所述预设车身线在同一水平面上的投影、在该投影上的所述外缘点与所述预设车身线之间的垂直线以及以所述摄像模块为原点获取的所述障碍物的外缘点坐标值(x,y),其中,以预设车身线为以所述摄像模块为原点对应的坐标系的X轴。
8.根据权利要求7所述的基于汽车摄像头的障碍物距离确认方法,其特征在于,所述的获取所述障碍物的外缘点与所述预设车身线对应的车身面之间的间距作为障碍物距离通过以下公式计算:
L=ρ*f*y+K
其中,L为所述障碍物距离,f为所述摄像模块的焦距,ρ为修正系数,K为摄像模块与俯仰角补偿值。
9.根据权利要求6所述的基于汽车摄像头的障碍物距离确认方法,其特征在于,当所述图像处理识别到当前地面为非平地环境时,所述计算模型为三角计算模型;所述三角计算模型中的元素包括:对所述障碍物的外缘点进行高度标尺后的图像、基于以所述摄像模块为原点和以所述车身线为X轴构建的三维坐标系、基于所述障碍物轮廓获取到的所述障碍物对应的接地点的三维坐标值(x1,y1,z1),以及所述标尺的底部自该原点移动至该接地点时对应的所述障碍物的外缘点地高度值h。
10.根据权利要求9所述的基于汽车摄像头的障碍物距离确认方法,其特征在于,所述的获取所述障碍物的外缘点与所述预设车身线对应的车身面之间的间距作为障碍物距离通过以下公式计算:
L=ρ*f*h+K
其中,L为所述障碍物距离,f为所述摄像模块的焦距,ρ为修正系数,K为摄像模块与俯仰角补偿值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310936444.5A CN116883478B (zh) | 2023-07-28 | 2023-07-28 | 一种基于汽车摄像头的障碍物距离确认***及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310936444.5A CN116883478B (zh) | 2023-07-28 | 2023-07-28 | 一种基于汽车摄像头的障碍物距离确认***及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116883478A true CN116883478A (zh) | 2023-10-13 |
CN116883478B CN116883478B (zh) | 2024-01-23 |
Family
ID=88271418
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310936444.5A Active CN116883478B (zh) | 2023-07-28 | 2023-07-28 | 一种基于汽车摄像头的障碍物距离确认***及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116883478B (zh) |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103231708A (zh) * | 2013-04-12 | 2013-08-07 | 安徽工业大学 | 一种基于双目视觉的智能车辆避障方法 |
CN104574376A (zh) * | 2014-12-24 | 2015-04-29 | 重庆大学 | 拥挤交通中基于双目视觉和激光雷达联合校验的防撞方法 |
US20170158128A1 (en) * | 2015-12-07 | 2017-06-08 | Metal Industries Research & Development Centre | Alarm method for reversing a vehicle by sensing obstacles using structured light |
US20190100146A1 (en) * | 2017-10-02 | 2019-04-04 | Hua-Chuang Automobile Information Technical Center Co., Ltd. | Three-dimensional driving image reminder device |
CN110751127A (zh) * | 2019-10-30 | 2020-02-04 | 芜湖汽车前瞻技术研究院有限公司 | 距离的确定方法、装置及存储介质 |
CN111179300A (zh) * | 2019-12-16 | 2020-05-19 | 新奇点企业管理集团有限公司 | 障碍物检测的方法、装置、***、设备以及存储介质 |
WO2020221123A1 (zh) * | 2019-04-28 | 2020-11-05 | 郑州宇通客车股份有限公司 | 一种基于障碍物高度的车辆控制***及车辆 |
CN112014845A (zh) * | 2020-08-28 | 2020-12-01 | 安徽江淮汽车集团股份有限公司 | 一种车辆障碍物定位方法、装置、设备及存储介质 |
CN112793567A (zh) * | 2021-01-14 | 2021-05-14 | 史鹏飞 | 一种基于路况检测的辅助驾驶方法及*** |
CN113866783A (zh) * | 2021-09-10 | 2021-12-31 | 杭州鸿泉物联网技术股份有限公司 | 车辆测距方法及*** |
CN113869268A (zh) * | 2021-10-12 | 2021-12-31 | 广州小鹏自动驾驶科技有限公司 | 障碍物测距方法、装置、电子设备及可读介质 |
CN115187963A (zh) * | 2022-07-25 | 2022-10-14 | 重庆长安汽车股份有限公司 | 车辆障碍物检测方法、***、设备、介质及程序 |
CN115909281A (zh) * | 2022-12-21 | 2023-04-04 | 南昌智能新能源汽车研究院 | 匹配融合的障碍物检测方法、***、电子设备及存储介质 |
-
2023
- 2023-07-28 CN CN202310936444.5A patent/CN116883478B/zh active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103231708A (zh) * | 2013-04-12 | 2013-08-07 | 安徽工业大学 | 一种基于双目视觉的智能车辆避障方法 |
CN104574376A (zh) * | 2014-12-24 | 2015-04-29 | 重庆大学 | 拥挤交通中基于双目视觉和激光雷达联合校验的防撞方法 |
US20170158128A1 (en) * | 2015-12-07 | 2017-06-08 | Metal Industries Research & Development Centre | Alarm method for reversing a vehicle by sensing obstacles using structured light |
US20190100146A1 (en) * | 2017-10-02 | 2019-04-04 | Hua-Chuang Automobile Information Technical Center Co., Ltd. | Three-dimensional driving image reminder device |
WO2020221123A1 (zh) * | 2019-04-28 | 2020-11-05 | 郑州宇通客车股份有限公司 | 一种基于障碍物高度的车辆控制***及车辆 |
CN110751127A (zh) * | 2019-10-30 | 2020-02-04 | 芜湖汽车前瞻技术研究院有限公司 | 距离的确定方法、装置及存储介质 |
CN111179300A (zh) * | 2019-12-16 | 2020-05-19 | 新奇点企业管理集团有限公司 | 障碍物检测的方法、装置、***、设备以及存储介质 |
CN112014845A (zh) * | 2020-08-28 | 2020-12-01 | 安徽江淮汽车集团股份有限公司 | 一种车辆障碍物定位方法、装置、设备及存储介质 |
CN112793567A (zh) * | 2021-01-14 | 2021-05-14 | 史鹏飞 | 一种基于路况检测的辅助驾驶方法及*** |
CN113866783A (zh) * | 2021-09-10 | 2021-12-31 | 杭州鸿泉物联网技术股份有限公司 | 车辆测距方法及*** |
CN113869268A (zh) * | 2021-10-12 | 2021-12-31 | 广州小鹏自动驾驶科技有限公司 | 障碍物测距方法、装置、电子设备及可读介质 |
CN115187963A (zh) * | 2022-07-25 | 2022-10-14 | 重庆长安汽车股份有限公司 | 车辆障碍物检测方法、***、设备、介质及程序 |
CN115909281A (zh) * | 2022-12-21 | 2023-04-04 | 南昌智能新能源汽车研究院 | 匹配融合的障碍物检测方法、***、电子设备及存储介质 |
Non-Patent Citations (6)
Title |
---|
SAMIRA BADRLOO 等: "Image-Based Obstacle Detection Methods for the Safe Navigation of Unmanned Vehicles: A Review", 《REMOTE SENSING》, pages 1 - 26 * |
ZOU ZI-MING 等: "Research on obstacle recognition and distance calculation based on the structure of the road", 《5TH INTERNATIONAL CONFERENCE ON ADVANCED DESIGN AND MANUFACTURING ENGINEERING (ICADME 2015)》, pages 1 - 5 * |
卢才武 等: "融合目标检测与距离阈值模型的露天矿行车障碍预警", 《光电工程》, pages 1 - 8 * |
张雅妮: "基于双目立体视觉障碍物检测方法的研究", 《中国优秀硕士学位论文全文数据库 (信息科技辑)》, pages 138 - 1021 * |
王彬彬: "基于立体视觉和单目识别的车辆检测技术研究", 《中国优秀硕士学位论文全文数据库 (工程科技Ⅱ辑)》, pages 035 - 384 * |
*** 等: "基于图像识别的模糊测距方法", 《重庆理工大学学报(自然科学)》, vol. 34, no. 1, pages 58 - 63 * |
Also Published As
Publication number | Publication date |
---|---|
CN116883478B (zh) | 2024-01-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2018196391A1 (zh) | 一种车载摄像机的外部参数标定方法及装置 | |
CN110119698B (zh) | 用于确定对象状态的方法、装置、设备和存储介质 | |
CN112146848B (zh) | 一种确定摄像头的畸变参数的方法及装置 | |
CN110597249B (zh) | 一种机器人及其回充定位方法和装置 | |
CN114047487B (zh) | 雷达和车体的外参标定方法、装置、电子设备和存储介质 | |
WO2024012212A1 (zh) | 环境感知方法、域控制器、存储介质及车辆 | |
CN110579754A (zh) | 用于确定车辆的激光雷达与车辆其他的传感器的外参数的方法 | |
CN110927762A (zh) | 一种定位修正方法、装置及*** | |
CN113989766A (zh) | 道路边缘检测方法、应用于车辆的道路边缘检测设备 | |
CN112348752B (zh) | 一种基于平行约束的车道线消失点补偿方法及装置 | |
CN113985405A (zh) | 障碍物检测方法、应用于车辆的障碍物检测设备 | |
CN112967345A (zh) | 鱼眼相机的外参标定方法、装置以及*** | |
CN115410167A (zh) | 目标检测与语义分割方法、装置、设备及存储介质 | |
CN115683100A (zh) | 机器人的定位方法、装置、机器人以及存储介质 | |
CN113514803A (zh) | 一种单目相机和毫米波雷达的联合标定方法 | |
CN111046809B (zh) | 一种障碍物检测方法、装置、设备及计算机可读存储介质 | |
CN111538008B (zh) | 变换矩阵确定方法、***及装置 | |
WO2007046336A1 (ja) | 物体認識装置 | |
CN116883478B (zh) | 一种基于汽车摄像头的障碍物距离确认***及方法 | |
CN115546216B (zh) | 一种托盘检测方法、装置、设备及存储介质 | |
CN116630401A (zh) | 鱼眼相机测距方法及终端 | |
JP4618506B2 (ja) | 物体認識装置 | |
CN111191596A (zh) | 一种封闭区域制图方法、装置及存储介质 | |
CN116215520A (zh) | 基于超声波和3d环视的车辆碰撞预警及处理方法、装置 | |
CN114359400A (zh) | 一种外参标定方法、装置、计算机可读存储介质及机器人 |
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 |