CN117670975B - 一种基于车载摄像头模组的测距控制方法 - Google Patents
一种基于车载摄像头模组的测距控制方法 Download PDFInfo
- Publication number
- CN117670975B CN117670975B CN202410130453.XA CN202410130453A CN117670975B CN 117670975 B CN117670975 B CN 117670975B CN 202410130453 A CN202410130453 A CN 202410130453A CN 117670975 B CN117670975 B CN 117670975B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- lane
- frame
- mounted camera
- camera 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 49
- 238000002372 labelling Methods 0.000 claims description 5
- 238000012544 monitoring process Methods 0.000 claims description 3
- 238000005259 measurement Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 2
- RVCKCEDKBVEEHL-UHFFFAOYSA-N 2,3,4,5,6-pentachlorobenzyl alcohol Chemical compound OCC1=C(Cl)C(Cl)=C(Cl)C(Cl)=C1Cl RVCKCEDKBVEEHL-UHFFFAOYSA-N 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000004806 packaging method and process Methods 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000001681 protective 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
- G06T7/60—Analysis of geometric attributes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/12—Edge-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
- G06V20/41—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items
-
- 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
- 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
- G06V20/588—Recognition of the road, e.g. of lane markings; Recognition of the vehicle driving pattern in relation to the road
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computational Linguistics (AREA)
- Software Systems (AREA)
- Geometry (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明涉及车辆测距技术领域,具体公开了一种基于车载摄像头模组的测距控制方法,包括:获取当前车辆的车载摄像头模组在当前时刻所拍摄的图像,并定义为第一帧PT[0];对所述的第一帧PT[0]进行灰度化处理,识别出所述的第一帧PT[0]中的典型目标的轮廓;并将所述的车辆的轮廓以其最小外接矩形进行框选;从所述的第一帧PT[0]中框选出行车区域;以所述的最小外接矩形的底边的位置判断对应的车辆所在的车道区域,并计算车道线与第一帧PT[0]的垂直平分线的夹角θ;当所述的夹角θ∈(0,90°)时,则重新划分车道并测量车距。在本发明中,可以预防变道的过程中,与相邻车道发生碰撞的风险。
Description
技术领域
本发明涉及车辆测距技术领域,具体涉及一种基于车载摄像头模组的测距控制方法。
背景技术
车载摄像头模组是自动驾驶汽车的重要传感器,主要包括镜片、滤光片、CMOS、PCBA、DSP和其他封装、保护材料等。其主要作用是实现车辆周围环境的感知和识别,包括道路标志、交通信号灯、行人、车辆等。通过将实时采集到的视频信息传输给车辆中央处理器,车载摄像头模组可以帮助驾驶员更好地了解车辆周围的情况,提高行车安全性。随着自动驾驶技术的不断发展,车载摄像头模组的应用也越来越广泛。除了用于辅助驾驶外,它还可以用于自动泊车、车道保持、自适应巡航等功能。
车载摄像头测距的原理与普通摄像头类似,具体的测距方法有多种。其中较为常见的有单目视觉法和双目视觉法;其中单目视觉法是通过图像匹配后再根据目标大小计算距离;而双目视觉法则是通过对两个摄像头的两幅图像视差的计算来测距,因此双目摄像头的精度更高、测度更为精准、成本也相对较高,主要搭载于高端车型上。
而在现有技术中,不论是单目视觉法还是双目视觉法,都是根据摄像头模组所拍摄得到的图像中位于正前方的车辆宽度和车辆高度等数据来对二者之间的距离进行测量;但是,在车辆的实际运行过程中,车辆并不是一直沿着一个车道或者一直跟在某辆车的后面进行行驶的,还存在变更车道的情况。而在变更车道的过程中,需要考虑的就是相邻车道中前方车辆与当前车辆的距离,但是相邻车道中的车辆与当前车辆并不在一个车道上,也即是相邻车道中的车辆不位于摄像头所拍摄的图像的中心位置,因此通过现有技术的测距方法,测量当前车辆与相邻车道的前方车辆的距离时,容易造成较大的误差。
发明内容
本发明的目的在于提供一种基于车载摄像头模组的测距控制方法,解决上述技术问题。
本发明的目的可以通过以下技术方案实现:
一种基于车载摄像头模组的测距控制方法,包括:
获取当前车辆的车载摄像头模组在当前时刻所拍摄的图像,并定义为第一帧PT[0];
对所述的第一帧PT[0]进行灰度化处理,识别出所述的第一帧PT[0]中的典型目标的轮廓,其中典型目标包括车道线和车辆;并将所述的车辆的轮廓以其最小外接矩形进行框选;
以最外侧的两个车道线作为边界,从所述的第一帧PT[0]中框选出行车区域,并通过所述的车道线将所述的行车区域划分为若干个车道,相邻的车道线之间的区域即为车道;
以所述的最小外接矩形的底边的位置判断对应的车辆所在的车道区域,并计算车道线与第一帧PT[0]的垂直平分线的夹角θ,所述的夹角θ<90°;
当所述的夹角θ∈(0,90°)时,则重新划分车道并测量车距,其具体步骤如下所示:
获取所述的第一帧PT[0]中相邻车道线的间距d;
以第一帧PT[0]的垂直平分线作为当前车辆所在车道的中心线,并按照车道宽度为d的标准重新划分车道;
以所述的最小外接矩形中与当前车辆水平距离最小的点作为对应车辆的位置坐标,确定前方车辆所在车道并与预设的距离量表进行比对,确定当前车辆与前方车辆的距离。
作为本发明进一步的方案:当所述的夹角θ∈(0,10°)时,将当前车辆所在车道定义为目标车道,并获取所述的第一帧PT[0]中位于目标车道的车辆所对应的最小外接矩形,根据所述的最小外接矩形的底边在所述的第一帧PT[0]中所处的位置,并与预设的距离量表进行比对,确定当前车辆与前车的距离。
作为本发明进一步的方案:获取所述的距离量表的方法,具体包括以下步骤:
控制当前车辆以行驶姿态停留在中间车道的中心位置,所述的行驶姿态表示车辆在直线行驶时车辆相对于车道的姿态;
任选一个车道并分别在与当前车辆水平距离为50m、100m、150m和200m处设置标靶,所述的车道位于车载摄像头的监控范围内;
打开当前车辆的车载摄像头模组,获取当前图像帧,并通过图像识别获取不同标靶与车道的交界线;以不同标靶对应的距离标注为图像帧中交界线处的车距;
重复上述过程测量其他车道,直至完成所有车道的标靶设置以及图像帧中交界线的标注。
作为本发明进一步的方案:获取所述的距离量表的方法还包括相邻交界线区域的标注,其具体步骤包括:
将相邻交界线的区域沿所属车道方向划分为若干等分;
每一等分的分界线处的车距标注为50/n+N,其中n表示划分的等分的数量,N表示相邻交界线中距离当前车辆较近的交界线处的车距。
作为本发明进一步的方案:所述的车载摄像头模组所拍摄的图像为当前车辆的前方图像,并且在当前车辆行驶在车道的中心位置时,所述的图像的垂直平分线与车道的中心线重合。
作为本发明进一步的方案:当所述的第一帧PT[0]中的车道线的轮廓为虚线或多个不连续的线段时,则将虚线线段连接为完整的车道线。
作为本发明进一步的方案:确定前方车辆所在车道的具体方法为:
当所述的夹角θ∈(0,90°)时,获取前方车辆的位置坐标;
根据所述的位置坐标判断前方车辆所在车道。
作为本发明进一步的方案:确定前方车辆所在车道的具体方法还包括:
当所述的夹角θ∈(0,10°)时,获取前方车辆最小外接矩形的底边;
根据底边所在位置判断前方车辆所在车道,当所述的底边同时位于两个相邻车道的区域内时,则通过车道线将所述的底边拆分为两部分,并分开测量。
本发明的有益效果:本发明的应用场景为车辆直行过程中的直线行驶和向相邻车道变道两种情况,并且还需要注意的是,本发明是应用于车载摄像头模组上的,因此本发明是通过车载摄像头获取车辆前方的图像来进行测距;
有本发明的应用场景可知,因为是在车辆直行的过程,所以在本发明的技术方案中的图像中的车道线轮廓应为直线;因此在本发明的具体方案中通过车道线来选取行车区域,从而将图像中的其他位置的图像筛除,从而减少干扰,以及通过车道线来将行车区域进行划分,并以车道线与第一帧PT[0]的垂直平分线的夹角θ作为判断依据,判断车辆时处于中直线行驶还是处于向相邻车道变道;在直线行驶的过程中,只需要判断与同车道前方车辆的距离即可;而在向相邻车道变道的过程中,车载摄像头所拍摄的图像中,将要转到的车道上的车辆将位于图像的侧方位置;因此不能够再以车道线进行距离测量的标准,需要重新划分车道,重新设定测距的标准,进而预防变道的过程中,与相邻车道的发生碰撞的风险。
附图说明
下面结合附图对本发明作进一步的说明。
图1是本发明一种基于车载摄像头模组的测距控制方法的流程示意图。
具体实施方式
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、完整地描述,显然,所描述的实施例仅仅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它实施例,都属于本发明保护的范围。
请参阅图1所示,本发明为一种基于车载摄像头模组的测距控制方法,一种基于车载摄像头模组的测距控制方法,包括:
获取当前车辆的车载摄像头模组在当前时刻所拍摄的图像,并定义为第一帧PT[0];
对所述的第一帧PT[0]进行灰度化处理,识别出所述的第一帧PT[0]中的典型目标的轮廓,其中典型目标包括车道线和车辆;并将所述的车辆的轮廓以其最小外接矩形进行框选;
以最外侧的两个车道线作为边界,从所述的第一帧PT[0]中框选出行车区域,并通过所述的车道线将所述的行车区域划分为若干个车道,相邻的车道线之间的区域即为车道;
以所述的最小外接矩形的底边的位置判断对应的车辆所在的车道区域,并计算车道线与第一帧PT[0]的垂直平分线的夹角θ,所述的夹角θ<90°;
当所述的夹角θ∈(0,90°)时,则重新划分车道并测量车距,其具体步骤如下所示:
获取所述的第一帧PT[0]中相邻车道线的间距d;
以第一帧PT[0]的垂直平分线作为当前车辆所在车道的中心线,并按照车道宽度为d的标准重新划分车道;
以所述的最小外接矩形中与当前车辆水平距离最小的点作为对应车辆的位置坐标,确定前方车辆所在车道并与预设的距离量表进行比对,确定当前车辆与前方车辆的距离。
值得注意的是,本发明的应用场景为车辆直行过程中的直线行驶和向相邻车道变道两种情况,并且还需要注意的是,本发明是应用于车载摄像头模组上的,因此本发明是通过车载摄像头获取车辆前方的图像来进行测距;
有本发明的应用场景可知,因为是在车辆直行的过程,所以在本发明的技术方案中的图像中的车道线轮廓应为直线;因此在本发明的具体方案中通过车道线来选取行车区域,从而将图像中的其他位置的图像筛除,从而减少干扰,以及通过车道线来将行车区域进行划分,并以车道线与第一帧PT[0]的垂直平分线的夹角θ作为判断依据,判断车辆处于中直线行驶还是处于向相邻车道变道;在直线行驶的过程中,只需要判断与同车道前方车辆的距离即可;而在向相邻车道变道的过程中,车载摄像头所拍摄的图像中,将要转到的车道上的车辆将位于图像的侧方位置;因此不能够再以车道线进行距离测量的标准,需要重新划分车道,重新设定测距的标准,进而预防变道的过程中,与相邻车道的发生碰撞的风险。
在本发明一种优选的实施例中,当所述的夹角θ∈(0,10°)时,将当前车辆所在车道定义为目标车道,并获取所述的第一帧PT[0]中位于目标车道的车辆所对应的最小外接矩形,根据所述的最小外接矩形的底边在所述的第一帧PT[0]中所处的位置,并与预设的距离量表进行比对,确定当前车辆与前车的距离。
在本发明一种优选的实施例中,获取所述的距离量表的方法,具体包括以下步骤:
控制当前车辆以行驶姿态停留在中间车道的中心位置,所述的行驶姿态表示车辆在直线行驶时车辆相对于车道的姿态;
任选一个车道并分别在与当前车辆水平距离为50m、100m、150m和200m处设置标靶,所述的车道位于车载摄像头的监控范围内;
打开当前车辆的车载摄像头模组,获取当前图像帧,并通过图像识别获取不同标靶与车道的交界线;以不同标靶对应的距离标注为图像帧中交界线处的车距;
重复上述过程测量其他车道,直至完成所有车道的标靶设置以及图像帧中交界线的标注。
在本发明一种优选的实施例中,获取所述的距离量表的方法还包括相邻交界线区域的标注,其具体步骤包括:
将相邻交界线的区域沿所属车道方向划分为若干等分;
每一等分的分界线处的车距标注为50/n+N,其中n表示划分的等分的数量,N表示相邻交界线中距离当前车辆较近的交界线处的车距。
在本发明一种优选的实施例中,所述的车载摄像头模组所拍摄的图像为当前车辆的前方图像,并且在当前车辆行驶在车道的中心位置时,所述的图像的垂直平分线与车道的中心线重合。
在本发明一种优选的实施例中,当所述的第一帧PT[0]中的车道线的轮廓为虚线或多个不连续的线段时,则将虚线线段连接为完整的车道线。
在本发明一种优选的实施例中,确定前方车辆所在车道的具体方法为:
当所述的夹角θ∈(0,90°)时,获取前方车辆的位置坐标;
根据所述的位置坐标判断前方车辆所在车道。
在本发明一种优选的实施例中,确定前方车辆所在车道的具体方法还包括:
当所述的夹角θ∈(0,10°)时,获取前方车辆最小外接矩形的底边;
根据底边所在位置判断前方车辆所在车道,当所述的底边同时位于两个相邻车道的区域内时,则通过车道线将所述的底边拆分为两部分,并分开测量。
以上对本发明的一个实施例进行了详细说明,但所述内容仅为本发明的较佳实施例,不能被认为用于限定本发明的实施范围。凡依本发明申请范围所作的均等变化与改进等,均应仍归属于本发明的专利涵盖范围之内。
Claims (8)
1.一种基于车载摄像头模组的测距控制方法,其特征在于,包括:
获取当前车辆的车载摄像头模组在当前时刻所拍摄的图像,并定义为第一帧PT[0];
对所述的第一帧PT[0]进行灰度化处理,识别出所述的第一帧PT[0]中的典型目标的轮廓,其中典型目标包括车道线和车辆;并将所述的车辆的轮廓以其最小外接矩形进行框选;
以最外侧的两个车道线作为边界,从所述的第一帧PT[0]中框选出行车区域,并通过所述的车道线将所述的行车区域划分为若干个车道,相邻的车道线之间的区域即为车道;
以所述的最小外接矩形的底边的位置判断对应的车辆所在的车道区域,并计算车道线与第一帧PT[0]的垂直平分线的夹角θ,所述的夹角θ<90°;
当所述的夹角θ∈(0,90°)时,则重新划分车道并测量车距,其具体步骤如下所示:
获取所述的第一帧PT[0]中相邻车道线的间距d;
以第一帧PT[0]的垂直平分线作为当前车辆所在车道的中心线,并按照车道宽度为d的标准重新划分车道;
以所述的最小外接矩形中与当前车辆水平距离最小的点作为对应车辆的位置坐标,确定前方车辆所在车道并与预设的距离量表进行比对,确定当前车辆与前方车辆的距离。
2.根据权利要求1所述的一种基于车载摄像头模组的测距控制方法,其特征在于,当所述的夹角θ∈(0,10°)时,将当前车辆所在车道定义为目标车道,并获取所述的第一帧PT[0]中位于目标车道的车辆所对应的最小外接矩形,根据所述的最小外接矩形的底边在所述的第一帧PT[0]中所处的位置,并与预设的距离量表进行比对,确定当前车辆与前车的距离。
3.根据权利要求2所述的一种基于车载摄像头模组的测距控制方法,其特征在于,获取所述的距离量表的方法,具体包括以下步骤:
控制当前车辆以行驶姿态停留在中间车道的中心位置,所述的行驶姿态表示车辆在直线行驶时车辆相对于车道的姿态;
任选一个车道并分别在与当前车辆水平距离为50m、100m、150m和200m处设置标靶,所述的车道位于车载摄像头的监控范围内;
打开当前车辆的车载摄像头模组,获取当前图像帧,并通过图像识别获取不同标靶与车道的交界线;以不同标靶对应的距离标注为图像帧中交界线处的车距;
重复上述过程测量其他车道,直至完成所有车道的标靶设置以及图像帧中交界线的标注。
4.根据权利要求3所述的一种基于车载摄像头模组的测距控制方法,其特征在于,获取所述的距离量表的方法还包括相邻交界线区域的标注,其具体步骤包括:
将相邻交界线的区域沿所属车道方向划分为若干等分;
每一等分的分界线处的车距标注为50/n+N,其中n表示划分的等分的数量,N表示相邻交界线中距离当前车辆较近的交界线处的车距。
5.根据权利要求1所述的一种基于车载摄像头模组的测距控制方法,其特征在于,所述的车载摄像头模组所拍摄的图像为当前车辆的前方图像,并且在当前车辆行驶在车道的中心位置时,所述的图像的垂直平分线与车道的中心线重合。
6.根据权利要求1所述的一种基于车载摄像头模组的测距控制方法,其特征在于,当所述的第一帧PT[0]中的车道线的轮廓为虚线或多个不连续的线段时,则将虚线线段连接为完整的车道线。
7.根据权利要求1所述的一种基于车载摄像头模组的测距控制方法,其特征在于,确定前方车辆所在车道的具体方法为:
当所述的夹角θ∈(0,90°)时,获取前方车辆的位置坐标;
根据所述的位置坐标判断前方车辆所在车道。
8.根据权利要求1所述的一种基于车载摄像头模组的测距控制方法,其特征在于,确定前方车辆所在车道的具体方法还包括:
当所述的夹角θ∈(0,10°)时,获取前方车辆最小外接矩形的底边;
根据底边所在位置判断前方车辆所在车道,当所述的底边同时位于两个相邻车道的区域内时,则通过车道线将所述的底边拆分为两部分,并分开测量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410130453.XA CN117670975B (zh) | 2024-01-31 | 2024-01-31 | 一种基于车载摄像头模组的测距控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410130453.XA CN117670975B (zh) | 2024-01-31 | 2024-01-31 | 一种基于车载摄像头模组的测距控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117670975A CN117670975A (zh) | 2024-03-08 |
CN117670975B true CN117670975B (zh) | 2024-05-31 |
Family
ID=90073485
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410130453.XA Active CN117670975B (zh) | 2024-01-31 | 2024-01-31 | 一种基于车载摄像头模组的测距控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117670975B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104029680A (zh) * | 2014-01-02 | 2014-09-10 | 上海大学 | 基于单目摄像头的车道偏离预警***及方法 |
CN110487562A (zh) * | 2019-08-21 | 2019-11-22 | 北京航空航天大学 | 一种用于无人驾驶的车道保持能力检测***及方法 |
CN112132036A (zh) * | 2020-09-23 | 2020-12-25 | 汪金玲 | 一种基于安全区域的大数据图像处理方法及*** |
CN115265493A (zh) * | 2022-09-26 | 2022-11-01 | 四川省公路规划勘察设计研究院有限公司 | 一种基于非标定相机的车道级定位方法及装置 |
-
2024
- 2024-01-31 CN CN202410130453.XA patent/CN117670975B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104029680A (zh) * | 2014-01-02 | 2014-09-10 | 上海大学 | 基于单目摄像头的车道偏离预警***及方法 |
CN110487562A (zh) * | 2019-08-21 | 2019-11-22 | 北京航空航天大学 | 一种用于无人驾驶的车道保持能力检测***及方法 |
CN112132036A (zh) * | 2020-09-23 | 2020-12-25 | 汪金玲 | 一种基于安全区域的大数据图像处理方法及*** |
CN115265493A (zh) * | 2022-09-26 | 2022-11-01 | 四川省公路规划勘察设计研究院有限公司 | 一种基于非标定相机的车道级定位方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN117670975A (zh) | 2024-03-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108960183B (zh) | 一种基于多传感器融合的弯道目标识别***及方法 | |
CN110517521B (zh) | 一种基于路车融合感知的车道偏离预警方法 | |
EP3304886B1 (en) | In-vehicle camera system and image processing apparatus | |
US9074906B2 (en) | Road shape recognition device | |
CN106408611B (zh) | 静态目标的路过式校准 | |
KR101143176B1 (ko) | 조감도를 이용한 주차구획 인식 방법, 장치 및 그를 이용한주차 보조 시스템 | |
CN110065494B (zh) | 一种基于车轮检测的车辆防碰撞方法 | |
EP2933790B1 (en) | Moving object location/attitude angle estimation device and moving object location/attitude angle estimation method | |
US8305431B2 (en) | Device intended to support the driving of a motor vehicle comprising a system capable of capturing stereoscopic images | |
CN110949395A (zh) | 一种基于多传感器融合的弯道acc目标车辆识别方法 | |
EP2879384B1 (en) | Three-dimensional object detection device | |
EP1909064A1 (en) | Object detection device | |
WO2010032523A1 (ja) | 道路境界検出判断装置 | |
EP3832529A1 (en) | Detection of obstacles at night by analysis of shadows | |
US11912286B2 (en) | Driving risk identification model calibration method and system | |
US7623700B2 (en) | Stereoscopic image processing apparatus and the method of processing stereoscopic images | |
CN111727437A (zh) | 提供碰撞前预警的多光谱*** | |
CN202169907U (zh) | 车外环境识别装置 | |
CN110415298B (zh) | 一种用于车道偏离的计算方法 | |
US10554951B2 (en) | Method and apparatus for the autocalibration of a vehicle camera system | |
WO2016194296A1 (en) | In-vehicle camera system and image processing apparatus | |
CN111055852B (zh) | 一种用于自动驾驶的感兴趣目标搜索区域确定方法 | |
CN110356312A (zh) | 车辆的防炫目控制方法、***及车辆 | |
CN114084129A (zh) | 一种基于融合的车辆自动驾驶控制方法及*** | |
CN113884090A (zh) | 智能平台车环境感知***及其数据融合方法 |
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 |