CN117218187A - 行人位置信息生成方法、装置、设备和计算机可读介质 - Google Patents
行人位置信息生成方法、装置、设备和计算机可读介质 Download PDFInfo
- Publication number
- CN117218187A CN117218187A CN202310820803.0A CN202310820803A CN117218187A CN 117218187 A CN117218187 A CN 117218187A CN 202310820803 A CN202310820803 A CN 202310820803A CN 117218187 A CN117218187 A CN 117218187A
- Authority
- CN
- China
- Prior art keywords
- pedestrian
- sequence
- information
- detection frame
- detection information
- 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
- 238000000034 method Methods 0.000 title claims abstract description 52
- 238000001514 detection method Methods 0.000 claims abstract description 367
- 239000011159 matrix material Substances 0.000 claims abstract description 91
- 238000005457 optimization Methods 0.000 claims abstract description 27
- 238000012545 processing Methods 0.000 claims abstract description 21
- 238000004590 computer program Methods 0.000 claims description 10
- 230000004044 response Effects 0.000 claims description 6
- 238000010276 construction Methods 0.000 claims description 5
- 230000006870 function Effects 0.000 description 8
- 230000008569 process Effects 0.000 description 8
- 238000004891 communication Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 230000000452 restraining effect Effects 0.000 description 4
- 238000013528 artificial neural network Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000009466 transformation Effects 0.000 description 3
- 241000820057 Ithone Species 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- 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
- Traffic Control Systems (AREA)
- Image Analysis (AREA)
Abstract
本公开的实施例公开了行人位置信息生成方法、装置、设备和计算机可读介质。该方法的一具体实施方式包括:获取预设的滑动窗口内的道路图像序列、与车体相对位姿矩阵序列和相机相对位姿矩阵;对道路图像序列中的每个道路图像进行行人信息检测以生成行人检测信息组;确定行人检测信息组序列中每个行人检测信息组中各个行人检测信息包括的行人检测框的上边中点坐标和下边中点坐标,以生成检测框上边中点坐标组序列和检测框下边中点坐标组序列;构建位置误差约束方程组;对检测框下边中点坐标组序列中的各个检测框下边中点坐标进行优化处理,以生成优化后行人位置信息序列集。该实施方式可以提高生成的优化后行人位置信息序列集准确度。
Description
技术领域
本公开的实施例涉及计算机技术领域,具体涉及行人位置信息生成方法、装置、设备和计算机可读介质。
背景技术
行人位置信息检测,是用于自动驾驶车辆规划路径、避障等需求的一项技术。目前,在进行行人位置信息检测时,通常采用的方式为:依赖地面为平面的前提假设和相机相对地面的位姿矩阵,通过逆投影变换的方式确定行人的位置坐标。
然而,发明人发现,当采用上述方式进行行人位置信息检测时,经常会存在如下技术问题:
由于地面并不会是理想的平面状态,车辆在实际行驶过程中,会存在颠簸的现象,同时导致相机相对地面的位姿矩阵的准确度降低,从而,导致生成的行人位置坐标的准确度降低。
该背景技术部分中所公开的以上信息仅用于增强对本发明构思的背景的理解,并因此,其可包含并不形成本国的本领域普通技术人员已知的现有技术的信息。
发明内容
本公开的内容部分用于以简要的形式介绍构思,这些构思将在后面的具体实施方式部分被详细描述。本公开的内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征,也不旨在用于限制所要求的保护的技术方案的范围。
本公开的一些实施例提出了行人位置信息生成方法、装置、设备和计算机可读介质,来解决以上背景技术部分提到的技术问题。
第一方面,本公开的一些实施例提供了一种行人位置信息生成方法,该方法包括:获取预设的滑动窗口内的道路图像序列、与各个道路图像对应的车体相对位姿矩阵序列和相机相对位姿矩阵;对上述道路图像序列中的每个道路图像进行行人信息检测以生成行人检测信息组,得到行人检测信息组序列,其中,上述行人检测信息组序列中的每个行人检测信息包括行人检测框;确定上述行人检测信息组序列中每个行人检测信息组中各个行人检测信息包括的行人检测框的上边中点坐标和下边中点坐标,以生成检测框上边中点坐标组序列和检测框下边中点坐标组序列;基于上述行人检测信息组序列、上述车体相对位姿矩阵序列、上述相机相对位姿矩阵、上述检测框上边中点坐标组序列和上述检测框下边中点坐标组序列,构建位置误差约束方程组;基于上述位置误差约束方程组,对上述检测框下边中点坐标组序列中的各个检测框下边中点坐标进行优化处理,以生成优化后行人位置信息序列集。
第二方面,本公开的一些实施例提供了一种行人位置信息生成装置,该装置包括:获取单元,被配置成获取预设的滑动窗口内的道路图像序列、与各个道路图像对应的车体相对位姿矩阵序列和相机相对位姿矩阵;行人信息检测单元,被配置成对上述道路图像序列中的每个道路图像进行行人信息检测以生成行人检测信息组,得到行人检测信息组序列,其中,上述行人检测信息组序列中的每个行人检测信息包括行人检测框;确定单元,被配置成确定上述行人检测信息组序列中每个行人检测信息组中各个行人检测信息包括的行人检测框的上边中点坐标和下边中点坐标,以生成检测框上边中点坐标组序列和检测框下边中点坐标组序列;构建单元,被配置成基于上述行人检测信息组序列、上述车体相对位姿矩阵序列、上述相机相对位姿矩阵、上述检测框上边中点坐标组序列和上述检测框下边中点坐标组序列,构建位置误差约束方程组;优化处理单元,被配置成基于上述位置误差约束方程组,对上述检测框上边中点坐标组序列中的各个检测框下边中点坐标进行优化处理,以生成优化后行人位置信息序列集。
第三方面,本公开的一些实施例提供了一种电子设备,包括:一个或多个处理器;存储装置,其上存储有一个或多个程序,当一个或多个程序被一个或多个处理器执行,使得一个或多个处理器实现上述第一方面任一实现方式所描述的方法。
第四方面,本公开的一些实施例提供了一种计算机可读介质,其上存储有计算机程序,其中,程序被处理器执行时实现上述第一方面任一实现方式所描述的方法。
本公开的上述各个实施例具有如下有益效果:通过本公开的一些实施例的行人位置信息生成方法,可以提高生成的行人位置坐标的准确度。具体来说,造成生成的行人位置坐标的准确度降低的原因在于:由于地面并不会是理想的平面状态,车辆在实际行驶过程中,会存在颠簸的现象,同时导致相机相对地面的位姿矩阵的准确度降低。基于此,本公开的一些实施例的行人位置信息生成方法,首先,获取预设的滑动窗口内的道路图像序列、与各个道路图像对应的车体相对位姿矩阵序列和相机相对位姿矩阵。通过引入滑动窗口中连续帧的道路图像,可以便于进行连续特征的提取。同时通过引入道路图像对应的当前车辆位姿矩阵,可以便于进行优化。然后,对上述道路图像序列中的每个道路图像进行行人信息检测以生成行人检测信息组,得到行人检测信息组序列。其中,上述行人检测信息组序列中的每个行人检测信息包括行人检测框。之后,确定上述行人检测信息组序列中每个行人检测信息组中各个行人检测信息包括的行人检测框的上边中点坐标和下边中点坐标,以生成检测框上边中点坐标组序列和检测框下边中点坐标组序列。通过生成检测框上边中点坐标组序列和检测框下边中点坐标组序列,可以便于利用检测框上边中点坐标和下边中点坐标确定行人的位置。而后,基于上述行人检测信息组序列、上述车体相对位姿矩阵序列、上述相机相对位姿矩阵、上述检测框上边中点坐标组序列和上述检测框下边中点坐标组序列,构建位置误差约束方程组。通过位置误差约束方程组,可以用于约束各个坐标的误差。最后,基于上述位置误差约束方程组,对上述检测框下边中点坐标组序列中的各个检测框下边中点坐标进行优化处理,以生成优化后行人位置信息序列集。通过优化处理,可以用于消除因车辆颠簸导致的检测框下边中点坐标的误差。同时避免使用相机相对地面的位姿矩阵,以此减少车辆颠簸对生成优化后行人位置信息序列集的影响。从而,可以提高生成的优化后行人位置信息序列集准确度。
附图说明
结合附图并参考以下具体实施方式,本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中,相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的,元件和元素不一定按照比例绘制。
图1是根据本公开的行人位置信息生成方法的一些实施例的流程图;
图2是根据本公开的行人位置信息生成装置的一些实施例的结构示意图;
图3是适于用来实现本公开的一些实施例的电子设备的结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例,然而应当理解的是,本公开可以通过各种形式来实现,而且不应该被解释为限于这里阐述的实施例。相反,提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是,本公开的附图及实施例仅用于示例性作用,并非用于限制本公开的保护范围。
另外还需要说明的是,为了便于描述,附图中仅示出了与有关发明相关的部分。在不冲突的情况下,本公开中的实施例及实施例中的特征可以相互组合。
需要注意,本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分,并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
需要注意,本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的,本领域技术人员应当理解,除非在上下文另有明确指出,否则应该理解为“一个或多个”。
本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的,而并不是用于对这些消息或信息的范围进行限制。
下面将参考附图并结合实施例来详细说明本公开。
图1示出了根据本公开的行人位置信息生成方法的一些实施例的流程100。该行人位置信息生成方法,包括以下步骤:
步骤101,获取预设的滑动窗口内的道路图像序列、与各个道路图像对应的车体相对位姿矩阵序列和相机相对位姿矩阵。
在一些实施例中,行人位置信息生成方法的执行主体可以通过有线的方式或者无线的方式获取预设的滑动窗口内的道路图像序列、与各个道路图像对应的车体相对位姿矩阵序列和相机相对位姿矩阵。其中,道路图像序列可以是预设时间窗口内的连续帧(例如连续20帧)道路图像。另外,每个道路图像对应的时间点不同,对应的当前车辆位置也不同,因此对应的定位***检测到的车体相对位姿矩阵也不同。从而,可以获取与每个道路图像对应相同时间点的车体相对位姿矩阵。车体相对位姿矩阵可以是当前车辆的车体相对于地图坐标系的位置姿态矩阵。相机相对位姿矩阵可以是当前车辆的车体相对于车载相机的相机坐标系的相对位姿矩阵。
需要指出的是,上述无线连接方式可以包括但不限于3G/4G连接、WiFi连接、蓝牙连接、WiMAX连接、Zigbee连接、UWB(ultra wideband)连接、以及其他现在已知或将来开发的无线连接方式。
步骤102,对道路图像序列中的每个道路图像进行行人信息检测以生成行人检测信息组,得到行人检测信息组序列。
在一些实施例中,上述执行主体可以对上述道路图像序列中的每个道路图像进行行人信息检测以生成行人检测信息组,得到行人检测信息组序列。其中,上述行人检测信息组序列中的每个行人检测信息可以包括行人检测框。其次,可以通过预设的检测算法,对道路图像序列中的每个道路图像进行行人信息检测以生成行人检测信息组。这里,每个行人检测信息组可以对应一个道路图像。每个行人检测信息可以表征一个行人的信息。在行人检测信息组序列中的各个行人检测信息组中的每个行人检测信息可以与其它行人检测信息组中存在对应同一行人的行人检测信息。即在连续帧道路图像中,检测到的行人检测信息也是对应连续帧的。另外,行人检测框可以是图像坐标系中的二维检测框。
作为示例,上述检测算法可以包括但不限于以下至少一项:FCN(FullyConvolutional Networks,全卷机神经网络)模型、Resnet(Residual Network,残差神经网络)模型、VGG(Visual Geometry Group Network,卷积神经网络)模型和GoogLeNet(深度神经网络)模型等。
在一些实施例中的一些可选的实现方式中,上述执行主体对道路图像序列中的每个道路图像进行行人信息检测以生成行人检测信息组,可以包括以下步骤:
对上述道路图像序列中的每个道路图像进行行人信息检测以生成对应每个行人的行人检测信息,得到行人检测信息组。其中,行人检测信息还包括行人状态标识、和与行人检测框上各个坐标对应坐标检测协方差矩阵集,行人状态标识表征行人处于行走状态或处于跑步状态。其次,在通过上述检测算法进行检测时,对于处于行人检测框上的各个坐标可以输出对应的坐标检测协方差矩阵,以表征检测算法对改坐标的检测误差。
步骤103,确定行人检测信息组序列中每个行人检测信息组中各个行人检测信息包括的行人检测框的上边中点坐标和下边中点坐标,以生成检测框上边中点坐标组序列和检测框下边中点坐标组序列。
在一些实施例中,上述执行主体可以确定上述行人检测信息组序列中每个行人检测信息组中各个行人检测信息包括的行人检测框的上边中点坐标和下边中点坐标,以生成检测框上边中点坐标组序列和检测框下边中点坐标组序列。其中,对应每个行人的行人检测框可以对应两个坐标、即检测框上边中点坐标和检测框下边中点坐标。
可选的,上述执行主体在基于上述行人检测信息组序列、上述车体相对位姿矩阵序列、上述相机相对位姿矩阵、上述检测框上边中点坐标组序列和上述检测框下边中点坐标组序列,构建位置误差约束方程组之前,还可以执行以下步骤:
对于上述行人检测信息组序列中各个行人检测信息组中对应同一行人的各个行人检测信息,执行以下步骤:
响应于确定上述各个行人检测信息包括的行人状态标识满足第一预设状态条件,基于上述相机相对位姿矩阵、上述各个行人检测信息和对应的车体相对位姿矩阵、检测框上边中点坐标和检测框下边中点坐标,生成优化后行人位置信息序列。其中,第一预设状态条件可以是行人状态标识为表征行人处于跑步状态的标识。其次,各个行人检测信息包括的行人状态标识满足第一预设状态条件,可以表征行人处于较高速度的运动状态。因此,可以通过预设的行人位置估计方法,利用上述相机相对位姿矩阵、上述各个行人检测信息和对应的车体相对位姿矩阵、检测框上边中点坐标和检测框下边中点坐标,生成优化后行人位置信息序列。其中,优化后行人位置信息序列可以是对应一个行人在不同帧的时刻所对应的行人位置信息(例如,行人位置坐标)。
作为示例,上述行人位置估计方法可以包括但不限于以下至少一项:逆透视变换的算法、相似三角形算法等。具体的,若当前车辆的图像检测算法未给出行人高度的先验信息,则可以通过逆透视变换的算法,生成优化后行人位置信息序列。若当前车辆的图像检测算法已给出行人高度的先验信息,则可以通过相似三角形的方法,生成优化后行人位置信息序列。
实践中,由于每个行人之间的状态可看作是相互独立的,因此在生成行人位置信息时,对应同一行人的各个行人检测信息可以进行单独执行。由此,避免不同行人之间的信息干扰。
步骤104,基于行人检测信息组序列、车体相对位姿矩阵序列、相机相对位姿矩阵、检测框上边中点坐标组序列和上述检测框下边中点坐标组序列,构建位置误差约束方程组。
在一些实施例中,上述执行主体可以基于上述行人检测信息组序列、上述车体相对位姿矩阵序列、上述相机相对位姿矩阵、上述检测框上边中点坐标组序列和上述检测框下边中点坐标组序列,构建位置误差约束方程组。其中,位置误差约束方程组中的各个位置误差约束方程可以用于在优化处理的过程中约束生成行人位置的各项误差。
在一些实施例中的一些可选的实现方式中,上述执行主体基于上述行人检测信息组序列、上述车体相对位姿矩阵序列、上述相机相对位姿矩阵、上述检测框上边中点坐标组序列和上述检测框下边中点坐标组序列,构建位置误差约束方程组,可以包括以下步骤:
第一步,响应于确定上述各个行人检测信息包括的行人状态标识满足第二预设状态条件,确定与上述各个行人检测信息对应的行人先验速度值,得到行人先验速度值序列。其中,第二预设状态条件可以是:行人状态标识为表征行人处于行走状态(等非跑步状态标识)的标识。若行人处于低速移动状态,则可以将第一预设移动速度(例如,1.4米每秒)确定为行人先验速度值。若行人处于静止状态,则可以将第二预设移动速度(例如,0米每秒)确定为行人先验速度值。以此,可以得到行人先验速度值序列。行人先验速度值序列中的各个行人先验速度值可以是一个行人在不同时刻的先验速度值。
第二步,确定上述各个行人检测信息中每相邻两个行人检测信息对应的速度方差值,得到速度方差值序列。其中,可以将相邻两个行人检测信息对应的行人先验速度值的方差确定为速度方差值。
第三步,基于上述行人先验速度值序列、上述速度方差值序列、上述相机相对位姿矩阵、上述各个行人检测信息和对应的车体相对位姿矩阵、检测框上边中点坐标与检测框下边中点坐标,构建位置误差约束方程组。
可选的,上述执行主体基于上述行人先验速度值序列、上述速度方差值序列、上述相机相对位姿矩阵、上述各个行人检测信息和对应的车体相对位姿矩阵、检测框上边中点坐标与检测框下边中点坐标,构建位置误差约束方程组,可以包括以下步骤:
第一步,基于上述各个行人检测信息包括的协方差矩阵集、与各个行人检测信息对应的车体相对位姿矩阵、相机相对位姿矩阵、检测框上边中点坐标和检测框下边中点坐标,构建坐标投影误差约束方程。其中,由于图像坐标与地图坐标系之间的坐标转换存在误差,因此基于上述各个行人检测信息包括的协方差矩阵集、与各个行人检测信息对应的车体相对位姿矩阵、相机相对位姿矩阵、检测框上边中点坐标和检测框下边中点坐标,构建坐标投影误差约束方程。这里,构建的坐标投影误差约束方程可以如以下公式所示:
其中,e1表示第一误差值。表示预设的投影函数,用于将括号内相机坐标系中的坐标投影至图像坐标系中。K表示各个行人检测信息的总数量。k表示序号。T1表示相机相对位姿矩阵。pk,1表示上述各个行人检测信息中的第k个行人检测信息包括的检测框上边中点坐标。m表示地图坐标系。/>表示上述各个行人检测信息中的第k个行人检测信息包括的检测框上边中点坐标在地图坐标系中的坐标。pk,2表示上述各个行人检测信息中的第k个行人检测信息包括的检测框下边中点坐标。/>表示上述各个行人检测信息中的第k个行人检测信息包括的检测框下边中点坐标在地图坐标系中的坐标。T2,k表示与上述各个行人检测信息中的第k个行人检测信息对应的车体相对位姿矩阵序列。∑k,1表示与第k个行人检测信息包括的检测框上边中点坐标对应的协方差矩阵。∑k,2表示与第k个行人检测信息包括的检测框下边中点坐标对应的协方差矩阵。
具体的,检测框上边中点坐标和检测框下边中点坐标可以是4×1的齐次坐标,最后一行参数为1。
第二步,基于上述各个行人检测信息和对应的检测框上边中点坐标和检测框下边中点坐标,构建垂直误差约束方程。其中,由于行人在站立或行走时可以视为垂直于地面的。由此,可以利用各个行人检测信息和对应的检测框上边中点坐标和检测框下边中点坐标,构建垂直误差约束方程。这里,构建的垂直误差约束方程可以如以下公式所示:
其中,e2表示第二误差值。dk表示第k个行人检测信息包括的检测框上边中点坐标在地图坐标系中的坐标、与检测框下边中点坐标在地图坐标系中的坐标之间的坐标差。()1∶3表示取括号中向量的第1到第3个元素。
第三步,基于上述垂直误差约束方程,构建行人高度误差约束方程。其中,由于行人的身高是不变的,因此可构建用于约束行人身高的误差方程,即行人高度误差约束方程。那么,构建的行人高度误差约束方程可以如以下公式所示:
其中,e3表示第三误差值。dk+1表示与第k个行人检测信息相邻的下一个行人检测信息包括的检测框上边中点坐标在地图坐标系中的坐标、与检测框下边中点坐标在地图坐标系中的坐标之间的坐标差。
第四步,基于上述行人先验速度值序列、上述速度方差值序列、与各个行人检测信息对应的检测框上边中点坐标和检测框下边中点坐标,构建速度状态误差约束方程。其中,由于行人状态不同,因此设置的先验速度不同。从而,需要利用上述行人先验速度值序列、上述速度方差值序列、与各个行人检测信息对应的检测框上边中点坐标和检测框下边中点坐标,构建约束行人速度状态的方程。这里,构建的速度状态误差约束方程可以如以下公式所示:
其中,e4表示第四误差值。表示与第k个行人检测信息相邻的下一个行人检测信息包括的检测框下边中点坐标在地图坐标系中的坐标。tk表示对应第k个行人检测信息的时间点。tk+1表示对应第k+1个行人检测信息的时间点。vk表示与第k个行人检测信息对应的行人先验速度值。σk表示与第k个行人检测信息对应的速度方差值。
第五步,将上述坐标投影误差约束方程、上述垂直误差约束方程、上述行人高度误差约束方程和上述速度状态误差约束方程分别确定为位置误差约束方程,得到位置误差约束方程组。
步骤105,基于位置误差约束方程组,对检测框下边中点坐标组序列中的各个检测框下边中点坐标进行优化处理,以生成优化后行人位置信息序列集。
在一些实施例中,上述执行主体可以基于上述位置误差约束方程组,对上述检测框下边中点坐标组序列中的各个检测框下边中点坐标进行优化处理,以生成优化后行人位置信息序列集。
在一些实施例中的一些可选的实现方式中,上述执行主体基于上述位置误差约束方程组,对上述检测框下边中点坐标组序列中的各个检测框下边中点坐标进行优化处理,以生成优化后行人位置信息序列集,可以包括以下步骤:
对于上述行人检测信息组序列中各个行人检测信息组中对应同一行人的各个行人检测信息,执行以下优化步骤以生成优化后行人位置信息序列集中的优化后行人位置信息序列:
第一步,基于上述位置误差约束方程组,对与上述各个行人检测信息对应的检测框下边中点坐标进行优化,以生成优化后下边中点坐标序列。其中,可以通过以下优化公式对与上述各个行人检测信息对应的检测框下边中点坐标进行优化:
其中,α表示权重系数。i表示序号。αi表示与上述位置误差约束方程组中第i个上述位置误差约束方程的权重系数(例如,1)。ei表示上述位置误差约束方程组中第i个上述位置误差约束方程输出的误差值(即,上述第一误差值、第二误差值、第三误差值、第四误差值)。表示上述优化后下边中点坐标序列中的第k个优化后下边中点坐标。这里,优化后下边中点坐标是处于地图坐标系中的三维坐标。
实践中,上述优化公式及其对应的位置误差约束方程可以通过非线性优化的方式进行迭代求解。
第二步,将上述优化后下边中点坐标序列确定为优化后行人位置信息序列。
上述各个公式及其相关内容作为本公开的实施例的一个发明点,可以进一步解决背景技术提及的技术问题“由于地面并不会是理想的平面状态,车辆在实际行驶过程中,会存在颠簸的现象,同时导致相机相对地面的位姿矩阵的准确度降低,从而,导致生成的行人位置坐标的准确度降低。”。如果解决了上述因素,就能提高生成的行人位置坐标的准确度。为了达到这一效果,首先,对于行人位置的测量,需要考虑到行人的移动状态。因此,通过检测行人状态标识,可以用于表征行人的移动状态。然后,通过引入第一预设状态条件和第二预设状态条件,可以用于对不同的行人移动状态分别处以对应的行人位置信息生成方式。从而,可以降低由于行人状态的不同对行人位置信息生成的影响。之后,考虑若地面存在颠簸,则引起车体相对位姿发生变动的情况,使得在行人位置坐标在图像坐标系和地图坐标系之间转换存在误差,由此构建了坐标投影误差约束方程。而后,考虑到站立或行走时可以视为垂直于地面的,由此可以作为行人高度的约束,以构建垂直误差约束方程。接着,通过考虑行人身高短时不变的特性,构建了行人高度误差约束方程。另外,还考虑到行人静止与低速移动之间的不同,引入初始先验速度值。以此构建约束行人速度状态的方程。由此,进一步考量行人速度对行人位置的影响因素。从而,使得通过最后的优化公式进行优化的过程中,可以结合各项位置误差约束方程进一步约束影响生成行人位置信息准确度的各项因素。进而,进一步提高生成的行人位置坐标的准确度。
可选的,上述执行主体还可以执行以下步骤:
第一步,对于上述优化后行人位置信息序列集中的每个上述优化后行人位置信息序列,执行以下步骤:
步骤一,确定与上述优化后行人位置信息序列中每个优化后行人位置信息对应的行人检测高度值和优化后上边中点坐标,得到行人检测高度值序列和优化后上边中点坐标序列。其中,对于每个优化后行人位置信息,首先,可以通过相似三角形的方法,利用当前车辆位置坐标和优化后行人位置信息包括的优化后下边中点坐标,可以确定优化后上边中点坐标。然后,可以利用上述垂直误差约束方程中生成坐标差的公式生成坐标差向量。最后,可以将该坐标差向量的2范式的值确定为行人检测高度值。
步骤二,响应于确定上述行人检测高度值序列满足预设置信条件,将上述行人检测高度值序列、上述优化后上边中点坐标序列、上述优化后下边中点坐标序列分别添加至对应的道路图像中,得到添加后道路图像序列。其中,预设置信条件可以是行人检测高度值序列中各个行人检测高度值的方差小于预设方差阈值。其次,添加可以是在道路图像中中对应优化后上边中点坐标、优化后下边中点坐标的位置标出行人位置标识、以及可以在两个坐标之间标记出行人检测高度值。由此,得到添加后道路图像序列。
实践中,若行人的位置对当前车辆的移动路径存在影响。那么,优化后上边中点坐标序列和上述优化后下边中点坐标序列还可以作为路径规划模块提供调整移动路径的数据。
第二步,将添加后道路图像序列中的各个添加后道路图像发送至显示终端以供显示。
本公开的上述各个实施例具有如下有益效果:通过本公开的一些实施例的行人位置信息生成方法,可以提高生成的行人位置坐标的准确度。具体来说,造成生成的行人位置坐标的准确度降低的原因在于:由于地面并不会是理想的平面状态,车辆在实际行驶过程中,会存在颠簸的现象,同时导致相机相对地面的位姿矩阵的准确度降低。基于此,本公开的一些实施例的行人位置信息生成方法,首先,获取预设的滑动窗口内的道路图像序列、与各个道路图像对应的车体相对位姿矩阵序列和相机相对位姿矩阵。通过引入滑动窗口中连续帧的道路图像,可以便于进行连续特征的提取。同时通过引入道路图像对应的当前车辆位姿矩阵,可以便于进行优化。然后,对上述道路图像序列中的每个道路图像进行行人信息检测以生成行人检测信息组,得到行人检测信息组序列。其中,上述行人检测信息组序列中的每个行人检测信息包括行人检测框。之后,确定上述行人检测信息组序列中每个行人检测信息组中各个行人检测信息包括的行人检测框的上边中点坐标和下边中点坐标,以生成检测框上边中点坐标组序列和检测框下边中点坐标组序列。通过生成检测框上边中点坐标组序列和检测框下边中点坐标组序列,可以便于利用检测框上边中点坐标和下边中点坐标确定行人的位置。而后,基于上述行人检测信息组序列、上述车体相对位姿矩阵序列、上述相机相对位姿矩阵、上述检测框上边中点坐标组序列和上述检测框下边中点坐标组序列,构建位置误差约束方程组。通过位置误差约束方程组,可以用于约束各个坐标的误差。最后,基于上述位置误差约束方程组,对上述检测框下边中点坐标组序列中的各个检测框下边中点坐标进行优化处理,以生成优化后行人位置信息序列集。通过优化处理,可以用于消除因车辆颠簸导致的检测框下边中点坐标的误差。同时避免使用相机相对地面的位姿矩阵,以此减少车辆颠簸对生成优化后行人位置信息序列集的影响。从而,可以提高生成的优化后行人位置信息序列集准确度。
进一步参考图2,作为对上述各图所示方法的实现,本公开提供了一种行人位置信息生成装置的一些实施例,这些装置实施例与图1所示的那些方法实施例相对应,该行人位置信息生成装置具体可以应用于各种电子设备中。
如图2所示,一些实施例的行人位置信息生成装置200包括:获取单元201、行人信息检测单元202、确定单元203、构建单元204和优化处理单元205。其中,获取单元201,被配置成获取预设的滑动窗口内的道路图像序列、与各个道路图像对应的车体相对位姿矩阵序列和相机相对位姿矩阵;行人信息检测单元202,被配置成对上述道路图像序列中的每个道路图像进行行人信息检测以生成行人检测信息组,得到行人检测信息组序列,其中,上述行人检测信息组序列中的每个行人检测信息包括行人检测框;确定单元203,被配置成确定上述行人检测信息组序列中每个行人检测信息组中各个行人检测信息包括的行人检测框的上边中点坐标和下边中点坐标,以生成检测框上边中点坐标组序列和检测框下边中点坐标组序列;构建单元204,被配置成基于上述行人检测信息组序列、上述车体相对位姿矩阵序列、上述相机相对位姿矩阵、上述检测框上边中点坐标组序列和上述检测框下边中点坐标组序列,构建位置误差约束方程组;优化处理单元205,被配置成基于上述位置误差约束方程组,对上述检测框上边中点坐标组序列中的各个检测框下边中点坐标进行优化处理,以生成优化后行人位置信息序列集。
可以理解的是,该装置200中记载的诸单元与参考图1描述的方法中的各个步骤相对应。由此,上文针对方法描述的操作、特征以及产生的有益效果同样适用于装置200及其中包含的单元,在此不再赘述。
下面参考图3,其示出了适于用来实现本公开的一些实施例的电子设备300的结构示意图。图3示出的电子设备仅仅是一个示例,不应对本公开的实施例的功能和使用范围带来任何限制。
如图3所示,电子设备300可以包括处理装置301(例如中央处理器、图形处理器等),其可以根据存储在只读存储器(ROM)302中的程序或者从存储装置308加载到随机访问存储器(RAM)303中的程序而执行各种适当的动作和处理。在RAM 303中,还存储有电子设备300操作所需的各种程序和数据。处理装置301、ROM 302以及RAM 303通过总线304彼此相连。输入/输出(I/O)接口305也连接至总线304。
通常,以下装置可以连接至I/O接口305:包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置306;包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置307;包括例如磁带、硬盘等的存储装置308;以及通信装置309。通信装置309可以允许电子设备300与其他设备进行无线或有线通信以交换数据。虽然图3示出了具有各种装置的电子设备300,但是应理解的是,并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图3中示出的每个方框可以代表一个装置,也可以根据需要代表多个装置。
特别地,根据本公开的一些实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的一些实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的一些实施例中,该计算机程序可以通过通信装置309从网络上被下载和安装,或者从存储装置308被安装,或者从ROM 302被安装。在该计算机程序被处理装置301执行时,执行本公开的一些实施例的方法中限定的上述功能。
需要说明的是,本公开的一些实施例上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的***、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开的一些实施例中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行***、装置或者器件使用或者与其结合使用。而在本公开的一些实施例中,计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读信号介质可以发送、传播或者传输用于由指令执行***、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:电线、光缆、RF(射频)等等,或者上述的任意合适的组合。
在一些实施方式中,客户端、服务器可以利用诸如HTTP(Hyper Text TransferProtocol,超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信,并且可以与任意形式或介质的数字数据通信(例如,通信网络)互连。通信网络的示例包括局域网(“LAN”),广域网(“WAN”),网际网(例如,互联网)以及端对端网络(例如,ad hoc端对端网络),以及任何当前已知或未来研发的网络。
上述计算机可读介质可以是上述装置中所包含的;也可以是单独存在,而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被该电子设备执行时,使得该电子设备:获取预设的滑动窗口内的道路图像序列、与各个道路图像对应的车体相对位姿矩阵序列和相机相对位姿矩阵;对上述道路图像序列中的每个道路图像进行行人信息检测以生成行人检测信息组,得到行人检测信息组序列,其中,上述行人检测信息组序列中的每个行人检测信息包括行人检测框;确定上述行人检测信息组序列中每个行人检测信息组中各个行人检测信息包括的行人检测框的上边中点坐标和下边中点坐标,以生成检测框上边中点坐标组序列和检测框下边中点坐标组序列;基于上述行人检测信息组序列、上述车体相对位姿矩阵序列、上述相机相对位姿矩阵、上述检测框上边中点坐标组序列和上述检测框下边中点坐标组序列,构建位置误差约束方程组;基于上述位置误差约束方程组,对上述检测框下边中点坐标组序列中的各个检测框下边中点坐标进行优化处理,以生成优化后行人位置信息序列集。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的一些实施例的操作的计算机程序代码,上述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)——连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图,图示了按照本公开各种实施例的***、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,该模块、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,两个接连地表示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操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。
描述于本公开的一些实施例中的单元可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中,例如,可以描述为:一种处理器包括获取单元、行人信息检测单元、确定单元、构建单元和优化处理单元。其中,这些单元的名称在某种情况下并不构成对该单元本身的限定,例如,获取单元还可以被描述为“获取道路图像序列的单元”。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如,非限制性地,可以使用的示范类型的硬件逻辑部件包括:现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上***(SOC)、复杂可编程逻辑设备(CPLD)等等。
以上描述仅为本公开的一些较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本公开的实施例中所涉及的发明范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离上述发明构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开的实施例中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (10)
1.一种行人位置信息生成方法,包括:
获取预设的滑动窗口内的道路图像序列、与各个道路图像对应的车体相对位姿矩阵序列和相机相对位姿矩阵;
对所述道路图像序列中的每个道路图像进行行人信息检测以生成行人检测信息组,得到行人检测信息组序列,其中,所述行人检测信息组序列中的每个行人检测信息包括行人检测框;
确定所述行人检测信息组序列中每个行人检测信息组中各个行人检测信息包括的行人检测框的上边中点坐标和下边中点坐标,以生成检测框上边中点坐标组序列和检测框下边中点坐标组序列;
基于所述行人检测信息组序列、所述车体相对位姿矩阵序列、所述相机相对位姿矩阵、所述检测框上边中点坐标组序列和所述检测框下边中点坐标组序列,构建位置误差约束方程组;
基于所述位置误差约束方程组,对所述检测框下边中点坐标组序列中的各个检测框下边中点坐标进行优化处理,以生成优化后行人位置信息序列集。
2.根据权利要求1所述的方法,其中,所述对所述道路图像序列中的每个道路图像进行行人信息检测以生成行人检测信息组,包括:
对所述道路图像序列中的每个道路图像进行行人信息检测以生成对应每个行人的行人检测信息,得到行人检测信息组,其中,行人检测信息还包括行人状态标识、和与行人检测框上各个坐标对应坐标检测协方差矩阵集,行人状态标识表征行人处于行走状态或处于跑步状态。
3.根据权利要求1所述的方法,其中,在所述基于所述行人检测信息组序列、所述车体相对位姿矩阵序列、所述相机相对位姿矩阵、所述检测框上边中点坐标组序列和所述检测框下边中点坐标组序列,构建位置误差约束方程组之前,所述方法还包括:
对于所述行人检测信息组序列中各个行人检测信息组中对应同一行人的各个行人检测信息,执行以下步骤:
响应于确定所述各个行人检测信息包括的行人状态标识满足第一预设状态条件,基于所述相机相对位姿矩阵、所述各个行人检测信息和对应的车体相对位姿矩阵、检测框上边中点坐标和检测框下边中点坐标,生成优化后行人位置信息序列。
4.根据权利要求3所述的方法,其中,所述基于所述行人检测信息组序列、所述车体相对位姿矩阵序列、所述相机相对位姿矩阵、所述检测框上边中点坐标组序列和所述检测框下边中点坐标组序列,构建位置误差约束方程组,包括:
响应于确定所述各个行人检测信息包括的行人状态标识满足第二预设状态条件,确定与所述各个行人检测信息对应的行人先验速度值,得到行人先验速度值序列;
确定所述各个行人检测信息中每相邻两个行人检测信息对应的速度方差值,得到速度方差值序列;
基于所述行人先验速度值序列、所述速度方差值序列、所述相机相对位姿矩阵、所述各个行人检测信息和对应的车体相对位姿矩阵、检测框上边中点坐标与检测框下边中点坐标,构建位置误差约束方程组。
5.根据权利要求4所述的方法,其中,所述基于所述行人先验速度值序列、所述速度方差值序列、所述相机相对位姿矩阵、所述各个行人检测信息和对应的车体相对位姿矩阵、检测框上边中点坐标与检测框下边中点坐标,构建位置误差约束方程组,包括:
基于所述各个行人检测信息包括的协方差矩阵集、与各个行人检测信息对应的车体相对位姿矩阵、相机相对位姿矩阵、检测框上边中点坐标和检测框下边中点坐标,构建坐标投影误差约束方程;
基于所述各个行人检测信息和对应的检测框上边中点坐标和检测框下边中点坐标,构建垂直误差约束方程;
基于所述垂直误差约束方程,构建行人高度误差约束方程;
基于所述行人先验速度值序列、所述速度方差值序列、与各个行人检测信息对应的检测框上边中点坐标和检测框下边中点坐标,构建速度状态误差约束方程;
将所述坐标投影误差约束方程、所述垂直误差约束方程、所述行人高度误差约束方程和所述速度状态误差约束方程分别确定为位置误差约束方程,得到位置误差约束方程组。
6.根据权利要求5所述的方法,其中,所述基于所述位置误差约束方程组,对所述检测框下边中点坐标组序列中的各个检测框下边中点坐标进行优化处理,以生成优化后行人位置信息序列集,包括:
对于所述行人检测信息组序列中各个行人检测信息组中对应同一行人的各个行人检测信息,执行以下优化步骤以生成优化后行人位置信息序列集中的优化后行人位置信息序列:
基于所述位置误差约束方程组,对与所述各个行人检测信息对应的检测框下边中点坐标进行优化,以生成优化后下边中点坐标序列;
将所述优化后下边中点坐标序列确定为优化后行人位置信息序列。
7.根据权利要求6所述的方法,其中,所述方法还包括:
对于所述优化后行人位置信息序列集中的每个所述优化后行人位置信息序列,执行以下步骤:
确定与所述优化后行人位置信息序列中每个优化后行人位置信息对应的行人检测高度值和优化后上边中点坐标,得到行人检测高度值序列和优化后上边中点坐标序列;
响应于确定所述行人检测高度值序列满足预设置信条件,将所述行人检测高度值序列、所述优化后上边中点坐标序列、所述优化后下边中点坐标序列分别添加至对应的道路图像中,得到添加后道路图像序列;
将添加后道路图像序列中的各个添加后道路图像发送至显示终端以供显示。
8.一种行人位置信息生成装置,包括:
获取单元,被配置成获取预设的滑动窗口内的道路图像序列、与各个道路图像对应的车体相对位姿矩阵序列和相机相对位姿矩阵;
行人信息检测单元,被配置成对所述道路图像序列中的每个道路图像进行行人信息检测以生成行人检测信息组,得到行人检测信息组序列,其中,所述行人检测信息组序列中的每个行人检测信息包括行人检测框;
确定单元,被配置成确定所述行人检测信息组序列中每个行人检测信息组中各个行人检测信息包括的行人检测框的上边中点坐标和下边中点坐标,以生成检测框上边中点坐标组序列和检测框下边中点坐标组序列;
构建单元,被配置成基于所述行人检测信息组序列、所述车体相对位姿矩阵序列、所述相机相对位姿矩阵、所述检测框上边中点坐标组序列和所述检测框下边中点坐标组序列,构建位置误差约束方程组;
优化处理单元,被配置成基于所述位置误差约束方程组,对所述检测框上边中点坐标组序列中的各个检测框下边中点坐标进行优化处理,以生成优化后行人位置信息序列集。
9.一种电子设备,包括:
一个或多个处理器;
存储装置,其上存储有一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-7中任一所述的方法。
10.一种计算机可读介质,其上存储有计算机程序,其中,所述计算机程序被处理器执行时实现如权利要求1-7中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310820803.0A CN117218187A (zh) | 2023-07-05 | 2023-07-05 | 行人位置信息生成方法、装置、设备和计算机可读介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310820803.0A CN117218187A (zh) | 2023-07-05 | 2023-07-05 | 行人位置信息生成方法、装置、设备和计算机可读介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117218187A true CN117218187A (zh) | 2023-12-12 |
Family
ID=89049892
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310820803.0A Pending CN117218187A (zh) | 2023-07-05 | 2023-07-05 | 行人位置信息生成方法、装置、设备和计算机可读介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117218187A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116883938A (zh) * | 2023-07-05 | 2023-10-13 | 禾多科技(北京)有限公司 | 行人速度信息生成方法、装置、设备和计算机可读介质 |
-
2023
- 2023-07-05 CN CN202310820803.0A patent/CN117218187A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116883938A (zh) * | 2023-07-05 | 2023-10-13 | 禾多科技(北京)有限公司 | 行人速度信息生成方法、装置、设备和计算机可读介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112598762B (zh) | 三维车道线信息生成方法、装置、电子设备和介质 | |
US11003926B2 (en) | Method and apparatus for recognizing boundary of traffic sign | |
CN115185271B (zh) | 导航路径生成方法、装置、电子设备和计算机可读介质 | |
CN116164770B (zh) | 路径规划方法、装置、电子设备和计算机可读介质 | |
CN116182878B (zh) | 道路曲面信息生成方法、装置、设备和计算机可读介质 | |
CN115616937B (zh) | 自动驾驶仿真测试方法、装置、设备和计算机可读介质 | |
CN117218187A (zh) | 行人位置信息生成方法、装置、设备和计算机可读介质 | |
CN114894205B (zh) | 三维车道线信息生成方法、装置、设备和计算机可读介质 | |
CN116758498B (zh) | 障碍物信息生成方法、装置、电子设备和计算机可读介质 | |
CN116740382A (zh) | 障碍物信息生成方法、装置、电子设备和计算机可读介质 | |
CN116161040B (zh) | 车位信息生成方法、装置、电子设备和计算机可读介质 | |
CN116311155A (zh) | 障碍物信息生成方法、装置、电子设备和计算机可读介质 | |
CN112558036A (zh) | 用于输出信息的方法和装置 | |
CN114494574A (zh) | 一种多损失函数约束的深度学习单目三维重建方法及*** | |
CN110135517B (zh) | 用于获取车辆相似度的方法及装置 | |
CN116883938A (zh) | 行人速度信息生成方法、装置、设备和计算机可读介质 | |
CN114119973A (zh) | 一种基于图像语义分割网络的空间距离预测方法及*** | |
CN115937046B (zh) | 道路地面信息生成方法、装置、设备和计算机可读介质 | |
CN117095052A (zh) | 车辆相对位姿矩阵优化方法、装置、电子设备和可读介质 | |
CN116630436B (zh) | 相机外参修正方法、装置、电子设备和计算机可读介质 | |
JP7324792B2 (ja) | 位置情報を生成するための方法及び装置 | |
CN116563817B (zh) | 障碍物信息生成方法、装置、电子设备和计算机可读介质 | |
CN116653931B (zh) | 车辆泊车控制方法、装置、电子设备和计算机可读介质 | |
CN116563818B (zh) | 障碍物信息生成方法、装置、电子设备和计算机可读介质 | |
CN116703943A (zh) | 车道线信息生成方法、装置、电子设备和计算机可读介质 |
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 |