Nothing Special   »   [go: up one dir, main page]

CN109389650A - 一种车载相机的标定方法、装置、车辆和存储介质 - Google Patents

一种车载相机的标定方法、装置、车辆和存储介质 Download PDF

Info

Publication number
CN109389650A
CN109389650A CN201811156817.2A CN201811156817A CN109389650A CN 109389650 A CN109389650 A CN 109389650A CN 201811156817 A CN201811156817 A CN 201811156817A CN 109389650 A CN109389650 A CN 109389650A
Authority
CN
China
Prior art keywords
ipm
image
angle
lane line
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.)
Granted
Application number
CN201811156817.2A
Other languages
English (en)
Other versions
CN109389650B (zh
Inventor
谷玉
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.)
BOE Technology Group Co Ltd
Original Assignee
BOE Technology Group 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 BOE Technology Group Co Ltd filed Critical BOE Technology Group Co Ltd
Priority to CN201811156817.2A priority Critical patent/CN109389650B/zh
Publication of CN109389650A publication Critical patent/CN109389650A/zh
Priority to US16/413,036 priority patent/US10922843B2/en
Application granted granted Critical
Publication of CN109389650B publication Critical patent/CN109389650B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/80—Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/24—Aligning, centring, orientation detection or correction of the image
    • G06V10/243—Aligning, centring, orientation detection or correction of the image by compensating for image skew or non-uniform image deformations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/28—Quantising the image, e.g. histogram thresholding for discrimination between background and foreground patterns
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • G06V10/443—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components by matching or filtering
    • 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
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N17/00—Diagnosis, testing or measuring for television systems or their details
    • H04N17/002—Diagnosis, testing or measuring for television systems or their details for television cameras
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/60—Control of cameras or camera modules
    • H04N23/695—Control of camera direction for changing a field of view, e.g. pan, tilt or based on tracking of objects
    • 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
    • G06T2207/10004—Still image; Photographic image
    • 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
    • G06T2207/30244—Camera pose
    • 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
    • G06T2207/30256—Lane; Road marking

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Signal Processing (AREA)
  • Quality & Reliability (AREA)
  • Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • General Health & Medical Sciences (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)
  • Traffic Control Systems (AREA)

Abstract

本申请公开了一种车载相机的标定方法、装置、车辆和存储介质。该方法包括：获取车载相机采集的包含车道线的图像数据；确定所述原始图像中包含所述车道线的ROI区域；通过检测所述ROI区域对应的IPM图像中的车道线的角度，调节所述车载相机的俯仰角；通过检测所述ROI区域对应的IPM二值化图像中的直线数量，调节所述车载相机的偏航角。本发明实施例的技术方案能够实现车载相机的自动标定。

Description

一种车载相机的标定方法、装置、车辆和存储介质
技术领域
本公开涉及相机标定技术领域，尤其涉及一种车载相机的标定方法、装置、车辆和存储介质。
背景技术
高级辅助驾驶系统(Advanced Driver Assistance System，简称ADAS)，通常安装在车辆的前挡风玻璃玻璃上，通过相机(或摄像头)实时监测前方道路上的异常情况，比如是否离前车过近，是否在没有打转向灯的情况下无意识的变道，是否离行人过近等，在检测到异常情况时，可以及时的向司机发出告警信息，提醒司机注意异常情况。
目前，ADAS系统在安装完成后，都需要经过相机标定过程才能正常使用。一部分ADAS系统需要专业的安装人员利用标定板的工具对相机进行标定，这种方式不仅复杂，还增加了人力成本。另一部分ADAS系统需要用户自身手动调节相机安装位置来实现标定，比如在ADAS系统的显示器(或者配套的手机APP)上显示当前相机拍摄的画面，并在画面上标注出一个十字线位置，标定的时候，需要用户用扳手等工具手动调节相机的角度，直到将消失点的位置与十字线的位置相重合，标定结束，这种方式不便捷，用户体验较差。
发明内容
鉴于现有技术中的上述缺陷或不足，本申请实施例提供了一种车载相机的标定方案，能够实现车载相机的自动标定，简单便捷，提升用户体验。
第一方面，本发明实施例提供了一种车载相机的标定方法，包括：
获取车载相机采集的包含车道线的原始图像；
确定所述原始图像中包含所述车道线的ROI区域；
通过检测所述ROI区域对应的IPM图像中的车道线的角度，调节所述车载相机的俯仰角；
通过检测所述ROI区域对应的IPM二值化图像中的直线数量，调节所述车载相机的偏航角。
可选的，通过检测所述ROI区域对应的IPM图像中的车道线的角度，调节所述车载相机的俯仰角，具体包括：
循环执行第一指定操作，直至所述IPM图像中的每条车道线的倾斜角度均相同；
其中，所述第一指定操作包括：
基于当前俯仰角和初始偏航角，确定所述ROI区域对应的IPM图像；其中，所述第一指定操作第一次执行时，所述当前俯仰角为初始俯仰角，所述第一指定操作非第一次执行时，所述当前俯仰角为所述第一指定操作前一次执行时得到的调节后的俯仰角；
检测所述IPM图像中的每条车道线的倾斜角度；
判断所述IPM图像中的每条车道线的倾斜角度是否均相同；
当任意两条车道线的倾斜角度不相同时，对所述当前俯仰角进行调节，得到调节后的俯仰角并控制进入下一次所述第一指定操作；
当所述每条车道线的倾斜角度均相同时，控制不进入下一次所述第一指定操作。
可选的，检测所述IPM图像中的每条车道线的倾斜角度，具体包括：
对所述IPM图像进行DLD特征提取，得到DLD特征图像；
对所述DLD特征图像进行二值化处理，得到DLD二值化图像；
对所述DLD二值化图像进行直线检测，确定所述IPM图像中每条车道线的倾斜角度。
可选的，对所述IPM图像进行DLD特征提取，得到DLD特征图像，包括：
对所述IPM图像进行DLD滤波，提取所述IPM图像中的车道线特征；所述车道线特征为：DLD(u，v)＝max(min(src[u,v]-src[u-2,v]，src[u，v]-src[u+2，v]),0)；所述src(u,v)为所述IPM图像中位于(u,v)位置上的像素值；
基于所述车道线特征，得到所述DLD特征图像。
可选的，当任意两条车道线的倾斜角度不相同时，对所述当前俯仰角进行调节，得到调节后的俯仰角，具体包括：
当任意两条车道线的倾斜角度不相同时，判断所述车道线的交点位置；
若所述交点位置位于所述每条车道线的起点方向，以第一预设步长减小所述当前俯仰角；
若所述交点位置位于所述每条车道线的终点方向，以所述第一预设步长增大所述当前俯仰角。
可选的，通过检测所述ROI区域对应的IPM二值化图像中的直线数量，调节所述车载相机的偏航角，具体包括：
确定调节后的所述车载相机的仰俯角；
循环执行第二指定操作，直至所述IPM二值化图像中仅包含两条直线，且所述两条直线分别通过所述IPM二值化图像的左上角顶点和右上角顶点为止；
其中，所述第二指定操作包括：
基于确定的俯仰角和当前偏航角，确定所述ROI区域对应的IPM图像；其中，所述第二指定操作第一次执行时，所述当前偏航角为初始偏航角，所述第二指定操作非第一次执行时，所述当前偏航角为所述第二指定操作前一次执行时得到的调节后的偏航角；
对所述IPM图像进行二值化处理，得到所述IPM二值化图像；
对所述IPM二值化图像进行直线检测；
判断所述IPM二值化图像中直线数量是否为二；
当判断出所述IPM二值化图像中直线的数量不为二时，对所述当前偏航角进行调节，得到调节后的偏航角，并控制进入下一次所述第二指定操作；
当判断出所述IPM二值化图像中直线的数量为二，且两条直线分别通过所述IPM二值化图像的左上角顶点和右上角顶点时，控制不进入下一次所述第二指定操作。
可选的，当判断出所述IPM二值化图像中直线的数量不为二时，对所述当前偏航角进行调节，得到调节后的偏航角，包括：
当判断出所述IPM二值化图像中直线的数量大于二时，判断所述IPM二值化图像中的直线位置；
当所述IPM二值化图像中的任意两条直线通过所述左上角顶点时，以第二预设步长减小所述当前偏航角；
当所述IPM二值化图像中的任意两条直线通过所述右上角顶点时，以所述第二预设步长增大所述当前偏航角。
第二方面，本发明实施例还提供了一种车载相机的标定装置，包括：
图像获取单元，用于获取车载相机采集的包含车道线的原始图像；
ROI确定单元，用于确定所述原始图像中包含所述车道线的ROI区域；
俯仰角调节单元，用于通过检测所述ROI区域对应的IPM图像中的车道线的角度，调节所述车载相机的俯仰角；
偏航角调节单元，用于通过检测所述ROI区域对应的IPM二值化图像中的直线数量，调节所述车载相机的偏航角。
第三方面，本发明实施例还提供了一种车辆，包括：车载相机，所述车载相机用于采集的包含车道线的原始图像；至少一个处理器、至少一个存储器以及存储在所述存储器中的计算机程序指令，当所述计算机程序指令被所述处理器执行时实现上述基于车载相机的标定方法。
第四方面，本发明实施例还提供了计算机可读存储介质，其上存储有计算机程序指令，其特征在于，当所述计算机程序指令被处理器执行时实现上述车载相机的标定方法。
本发明实施例提供的车载相机的标定方法，通过车载相机获取包含车道线的原始图像，并确定原始图像中包含车道线的ROI区域，进而通过检测ROI区域对应的IPM图像中的车道线的角度，对车载相机的俯仰角进行标定，以及通过检测ROI区域对应IPM二值化图像中的直线数量，对车载相机的偏航角进行标定。本技术方案中，只需要将ADAS系统安装在车辆上，便可以实现车载相机的自动标定，得到车载相机的俯仰角和偏航角，过程简单便捷，稳定性高，有效提升用户体验。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显：
图1为本发明实施例提供的一种车载相机的标定方法的流程示意图；
图2为第一指定操作的流程示意图；
图3为ROI区域对应的IPM图像的示意图；
图4为俯仰角偏大的IPM图像的示意图；
图5为俯仰角偏小的IPM图像的示意图；
图6为第二指定操作的流程示意图；
图7为偏航角正常的IPM二值化图像的示意图；
图8为偏航角偏大的IPM图像的示意图；
图9为偏航角偏大的IPM二值化图像的示意图；
图10为偏航角偏小的IPM图像的示意图；
图11为偏航角偏小的IPM二值化图像的示意图；
图12为本发明实施例提供的一种车载相机的标定方法的具体流程示意图；
图13为本发明实施例提供的一种车载相机的标定装置的结构示意图；
图14为本发明实施例提供的一种适于用来实现本申请实施例的计算机设备的结构示意图。
具体实施方式
下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关发明，而非对该发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与发明相关的部分。
需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。
对于ADAS系统，得到相机的标定参数非常重要，知道了相机的标定参数才可以进行单目测距等步骤。相机的内参数可以提前通过一些标定软件得到(比如张正友标定法等)，但外参数(包括相机的安装角度(俯仰角pitch、偏航角yaw和横滚角roll)和相机的安装高度)每个设备都是不一样的。因此，如何方便快捷的得到相机的外参数对于用户来说很重要。
如背景技术中所提到的，目前一部分ADAS系统需要专业的安装人员利用标定板的工具对相机进行标定，这种方式不仅复杂，还增加了人力成本。另一部分ADAS系统需要用户自身手动调节相机安装位置来实现标定，比如在ADAS系统的显示器(或者配套的手机APP)上显示当前相机拍摄的画面，并在画面上标注出一个十字线位置，标定的时候，需要用户用扳手等工具手动调节相机的角度，直到将消失点的位置与十字线的位置相重合，标定结束，这种方式不便捷，用户体验较差。
鉴于上述缺陷，本发明实施例提供了一种车载相机的标定方案，与现有技术相比，只需要将ADAS系统安装在车辆上，便可以实现车载相机的自动标定，得到车载相机的俯仰角和偏航角，过程简单便捷，稳定性高，有效提升用户体验。
需要说明的是，相机的俯仰角、偏航角和横滚角是根据相机坐标系和地面坐标系之间的关系确定的。地面坐标系，符合右手规则，原点Og为地面上的任意一点，Xg轴为汽车的正前方向，Zg轴垂直地面指向地心，Yg轴垂直于Xg轴和Zg轴，OgXgYg为地平面(水平面)。相机坐标系，也符合右手规则，原点O为相机光心，X轴为相机光轴且指向相机屏幕方向，Z轴垂直于相机光轴且指向相机下方，Y轴垂直于平面OXY。
基于上述地面坐标系和相机坐标系，相机的俯仰角指的是相机光轴与地平面(水平面)之间的夹角，偏航角指的是相机光轴在水平面上的投影与Xg轴之间的夹角，横滚角指的是相机Z轴与通过相机Z轴的垂直平面间的夹角。
而基于ADAS系统的结构设计，一般相机的外参数标定只需要标定两个：俯仰角和偏航角，而默认横滚角为0。相机安装高度可以根据实际情况预先确定，一般情况下的默认值可以但不限于为1300mm。
在标定过程中，车载相机的俯仰角和偏航角都有初始值。如果是第一次标定过程，则该初始值可以是由经验预先设定的，一般不会与最终值偏差过大；如果不是第一次标定过程，则该初始值可以是上一次标定过程中确定出的值。
下面将参考附图并结合实施例来详细说明本申请。
本发明实施例提供了一种车载相机的标定方法，参见图1，其示出了本发明实施例提供的一种车载相机的标定方法的流程示意图，包括如下步骤：
步骤110，获取车载相机采集的包含车道线的原始图像。
本发明实施例中，车载相机安装在车辆的前风挡玻璃上，并采集车辆前方包含车道线的图像数据。
步骤120，确定原始图像中包含车道线的ROI(Region OfInterest，感兴趣区域)区域。
由于原始图像中的车道线一般分布在原始图像中的下半部分，因此本发明实施例中在获取到原始图像之后可以根据经验将原始图像的下半部分或者下面三分之一部分的中间区域设置为ROI区域。
这样先在图像数据中设定一个矩形的ROI区域，该ROI区域包含车道线，后续针对该ROI区域进行操作，可以减少处理时间，提高处理精度。
步骤130，通过检测ROI区域对应的IPM(Inverse Perspective Mapping，逆透视投影变换)图像中的车道线的角度，调节车载相机的俯仰角。
步骤130的具体实现过程可以但不限于包括如下步骤：
循环执行第一指定操作，直至IPM图像中的每条车道线的倾斜角度均相同为止。
其中，上述第一指定操作可以如图2所示，包括：
步骤210，基于当前俯仰角和初始偏航角，确定ROI区域对应的IPM图像。
其中，第一指定操作第一次执行时，当前俯仰角为初始俯仰角，第一指定操作非第一次执行时，当前俯仰角为第一指定操作前一次执行时得到的调节后的俯仰角。
具体的，可以根据当前俯仰角、初始偏航角以及图像数据中的点的像素坐标和以车载相机为原点的世界坐标系中的点的世界坐标之间的变换关系，对ROI区域进行逆透视投影变换，得到IPM图像。
其中，图像数据中的点的像素坐标和以车载相机为原点的世界坐标系中的点的世界坐标之间的变换关系如下所示：
其中，f/dx，f/dy，u0，v0均是车载相机的内参数，可以通过现有标定工具得到。(u，v)为图像数据中的点的像素坐标，(X，Y，Z)为世界坐标系中的点的世界坐标。
R是世界坐标系与相机坐标系间的旋转矩阵，T是世界坐标系与相机坐标系间的平移矩阵。α、β和γ分别是车载相机的俯仰角、偏航角和横滚角。h是车载相机的安装高度。
其中，R和T可以根据如下公式(1)和公式(2)表示：
根据上述原理，便可以得到ROI区域的IPM图像。其中，IPM图像的示例图可以参见图3所示。
步骤220，检测IPM图像中的每条车道线的倾斜角度。
具体实现过程如下：
1、对IPM图像进行DLD(dark-light-dark，暗-亮-暗)特征提取，得到DLD特征图像。
具体的，对IPM图像进行DLD滤波，提取IPM图像中的车道线特征，再基于车道线特征，得到DLD特征图像。
其中车道线特征为：DLD(u，v)＝max(min(src[u,v]-src[u-2,v]，src[u，v]-src[u+2，v]),0)；其中，src(u,v)为IPM图像中位于(u,v)位置上的像素值。
2、对DLD特征图像进行二值化处理，得到DLD二值化图像。
此处的二值化处理过程可以但不限于采用局部阈值，也就是说，针对DLD特征图像中的不同区域可以采用不同的阈值进行二值化处理。
3、对DLD二值化图像进行直线检测，确定每条车道线的倾斜角度。
具体的，本发明实施例中可以采用Hough、LSD等方法进行直线检测，可以检测到多条车道线，以图3中的IPM图像为例，可检测到3条车道线，根据车道线的位置进行从左到右的排序，分别是L1、L2和L3，分别计算这三条车道线的倾斜角度，参照图3，可以预置一条水平线，以该水平线作为参照，分别计算这三条车道线与该水平线之间的夹角，分别为θ1，θ2和θ3，该夹角即为车道线的倾斜角度。
步骤230，判断IPM图像中的每条车道线的倾斜角度是否均相同。
以上述θ1，θ2和θ3为例，判断θ1，θ2和θ3是否均相同。
当θ1，θ2和θ3中任意两个夹角不相同时，执行步骤240。
当θ1＝θ2＝θ3时，则说明这三条车道线相互平行，当前俯仰角无需调节，循环结束。
步骤240，对当前俯仰角进行调节，得到调节后的俯仰角。
步骤240执行完毕后返回继续执行步骤210。
具体的，当任意两条车道线的倾斜角度不相同时，进一步判断车道线的交点位置；
若交点位置位于每条车道线的起点方向，以第一预设步长减小俯仰角；
以图4中所示IPM图像为例，3条车道线的交点位置位于每条车道线的起点方向，即三条车道线两两间呈现“八”字形状，则需要将当前俯仰角减小。
若交点位置位于每条车道线的终点方向，以第一预设步长增大俯仰角。
以图5中所示IPM图像为例，3条车道线的交点位置位于每条车道线的终点方向，即三条车道线两两间呈现倒“八”字形状，则需要将当前俯仰角增大。
需要说明的是，第一预设步长可以设置为Δα，比如0.001。
步骤140，通过检测ROI区域对应的IPM二值化图像中的直线数量，调节车载相机的偏航角。
步骤140的具体实现过程可以但不限于包括如下步骤：
首先，确定调节后的车载相机的俯仰角；
然后，循环执行第二指定操作，直至IPM二值化图像中仅包含两条直线，且两条直线分别通过IPM二值化图像中的左上角顶点和右上角顶点为止；
其中，第二指定操作可以如图6所示，包括：
步骤610，基于确定的俯仰角和当前偏航角，确定ROI区域对应的IPM图像。
其中，第二指定操作第一次执行时，当前偏航角为初始偏航角，第二指定操作非第一次执行时，当前偏航角为第二指定操作前一次执行时得到的调节后的偏航角。
步骤620，对IPM图像进行二值化处理，得到IPM二值化图像。
其中，对IPM图像进行二值化处理时，将IPM图像与原始图像中的ROI区域进行对比，将IPM图像中能够与ROI区域对应的区域的像素设置为1，不能够与ROI区域对应的区域的像素设置为0。
步骤630，对IPM二值化图像进行直线检测。
直线检测，既包含对直线数量的检测，也包含对直线位置的检测。
步骤640，判断IPM二值化图像中直线数量是否为二。
当判断出IPM二值化图像中直线的数量不为二时，继续执行步骤650。
当判断出IPM二值化图像中直线的数量为二，且两条直线分别通过IPM二值化图像的左上角顶点和右上角顶点时，说明当前偏航角无需调节，循环结束。
如图7所示，即IPM二值化图像中仅包含两条直线，且两条直线分别通过IPM二值化图像的左上角顶点(0，0)和右上角顶点(w，0)，当前偏航角为车载相机的偏航角，无需继续调节，循环结束。其中，w是IPM图像的像素宽度值。
步骤650，对当前偏航角进行调节，得到调节后的偏航角。
步骤650执行完毕后返回继续执行步骤610。
具体的，当判断出IPM二值化图像中直线的数量大于二时，继续判断直线位置；
当IPM二值化图像中的任意两条直线通过左上角顶点时，以第二预设步长减小当前偏航角；
如图8和图9所示，分别为偏航角偏大的IPM图像和IPM二值化图像的示意图。图9中检测到直线数大于2，且其中两条直线通过(0，0)点，则需要将当前偏航角减小。
当IPM二值化图像中的任意两条直线通过右上角顶点时，以第二预设步长增大当前偏航角。
如图10和图11所示，分别为偏航角偏小的IPM图像和IPM二值化图像的示意图。图11中检测到直线数大于2，且其中两条直线通过(w，0)点，则需要将当前偏航角增大。
需要说明的是，第二预设步长可以设置为Δβ，比如0.001。
本发明实施例提供的车载相机的标定方案，通过车载相机获取包含车道线的原始图像，并确定原始图像中包含车道线的ROI区域，进而通过检测ROI区域对应的IPM图像中的车道线的角度，对车载相机的俯仰角进行标定，以及通过检测ROI区域对应IPM二值化图像中的直线数量，对车载相机的偏航角进行标定。本技术方案中，只需要将ADAS系统安装在车辆上，便可以实现车载相机的自动标定，得到车载相机的俯仰角和偏航角，过程简单便捷，稳定性高，有效提升用户体验。
下面结合具体实施例对本发明作进一步说明，但本发明并不限于以下实施例。
如图12所示，为本发明实施例提供的一种车载相机的标定方法的具体流程示意图。该车载相机的标定方法具体包括如下步骤：
步骤1201，获取车载相机采集的包含车道线的原始图像。
步骤1202，确定原始图像中包含车道线的ROI区域。
步骤1203，根据当前俯仰角和初始偏航角，确定ROI区域对应的IPM图像。
其中，当步骤1203第一次执行时，当前俯仰角为初始俯仰角，当步骤1203非第一次执行时，当前俯仰角为步骤1209或步骤1210得到的调整后的俯仰角。
步骤1204，对IPM图像进行DLD特征提取，得到DLD特征图像。
步骤1205，对DLD特征图像进行二值化处理，得到DLD二值化图像。
步骤1206，对DLD二值化图像进行直线检测，确定IPM图像中每条车道线的倾斜角度。
步骤1207，判断每条车道线的倾斜角度是否相同。
当每条车道线的倾斜角度均相同时，执行步骤1211。
当任意两条车道线的倾斜角度不相同，执行步骤1208。
步骤1208，判断每条车道线的交点位置。
当交点位置位于起点方向时，执行步骤1209，当交点位置位于终点方向时，执行步骤1210。
步骤1209，减小当前俯仰角。返回继续执行步骤1203。
步骤1210，增大当前俯仰角。返回继续执行步骤1203。
步骤1211，确定调节后的车载相机的俯仰角。
步骤1212，基于确定的俯仰角和当前偏航角，确定ROI区域对应的IPM图像。
其中，步骤1212第一次执行时，当前偏航角为初始偏航角，步骤1212非第一次执行时，当前偏航角为步骤1215或步骤1216得到的调节后的偏航角。
步骤1213，对IPM图像进行二值化处理，得到IPM二值化图像。
步骤1214，对IPM二值化图像进行直线检测。
当检测出IPM二值化图像中直线的数量大于二，且其中两条直线通过左上角顶点时，执行步骤1215。
当检测出IPM二值化图像中直线的数量大于二，且其中两条直线通过右上角顶点时，执行步骤1216。
当检测出IPM二值化图像中直线的数量为二，且通过左上角顶点和右上角顶点时，执行步骤1217。
步骤1215，减小当前偏航角。返回继续执行步骤1212。
步骤1216，增大当前偏航角。返回继续执行步骤1212。
步骤1217，确定调节后的车载相机的俯仰角。
应当注意，尽管在附图中以特定顺序描述了本发明方法的操作，但是，这并非要求或者暗示必须按照该特定顺序来执行这些操作，或是必须执行全部所示的操作才能实现期望的结果。相反，流程图中描绘的步骤可以改变执行顺序。附加地或备选地，可以省略某些步骤，将多个步骤合并为一个步骤执行，和/或将一个步骤分解为多个步骤执行。
基于同一发明构思，本发明实施例还提供了一种车载相机的标定装置，如图13所示，为本申请实施例提供的一种车载相机的标定装置的示例性结构框图，包括：
图像获取单元131，用于获取车载相机采集的包含车道线的原始图像；
ROI确定单元132，用于确定所述原始图像中包含所述车道线的ROI区域；
俯仰角调节单元133，用于通过检测所述ROI区域对应的IPM图像中的车道线的角度，调节所述车载相机的俯仰角；
偏航角调节单元134，用于通过检测所述ROI区域对应的IPM二值化图像中的直线数量，调节所述车载相机的偏航角。
可选的，俯仰角调节单元133具体用于：
循环执行第一指定操作，直至所述IPM图像中的每条车道线的倾斜角度均相同；
其中，所述第一指定操作包括：
基于当前俯仰角和初始偏航角，确定所述ROI区域对应的IPM图像；其中，所述第一指定操作第一次执行时，所述当前俯仰角为初始俯仰角，所述第一指定操作非第一次执行时，所述当前俯仰角为所述第一指定操作前一次执行时得到的调节后的俯仰角；
检测所述IPM图像中的每条车道线的倾斜角度；
判断所述IPM图像中的每条车道线的倾斜角度是否均相同；
当任意两条车道线的倾斜角度不相同时，对所述当前俯仰角进行调节，得到调节后的俯仰角并控制进入下一次所述第一指定操作；
当所述每条车道线的倾斜角度均相同时，控制不进入下一次所述第一指定操作。
可选的，俯仰角调节单元133执行检测所述IPM图像中的每条车道线的倾斜角度时，具体用于：
对所述IPM图像进行DLD特征提取，得到DLD特征图像；
对所述DLD特征图像进行二值化处理，得到DLD二值化图像；
对所述DLD二值化图像进行直线检测，确定所述IPM图像中每条车道线的倾斜角度。
可选的，俯仰角确定单元133执行对所述IPM图像进行DLD特征提取，得到DLD特征图像时，具体用于：
对所述IPM图像进行DLD滤波，提取所述IPM图像中的车道线特征；所述车道线特征为：DLD(u，v)＝max(min(src[u,v]-src[u-2,v]，src[u，v]-src[u+2，v]),0)；所述src(u,v)为所述IPM图像中位于(u,v)位置上的像素值；
基于所述车道线特征，得到所述DLD特征图像。
可选的，俯仰角调节单元133执行当任意两条车道线的倾斜角度不相同时，对所述当前俯仰角进行调节，得到调节后的俯仰角时，具体用于：
当任意两条车道线的倾斜角度不相同时，判断所述车道线的交点位置；
若所述交点位置位于所述每条车道线的起点方向，以第一预设步长减小所述当前俯仰角；
若所述交点位置位于所述每条车道线的终点方向，以所述第一预设步长增大所述当前俯仰角。
可选的，偏航角调节单元134，具体用于：
确定调节后的所述车载相机的仰俯角；
循环执行第二指定操作，直至所述IPM二值化图像中仅包含两条直线，且所述两条直线分别通过所述IPM二值化图像的左上角顶点和右上角顶点为止；
其中，所述第二指定操作包括：
基于确定的俯仰角和当前偏航角，确定所述ROI区域对应的IPM图像；其中，所述第二指定操作第一次执行时，所述当前偏航角为初始偏航角，所述第二指定操作非第一次执行时，所述当前偏航角为所述第二指定操作前一次执行时得到的调节后的偏航角；
对所述IPM图像进行二值化处理，得到所述IPM二值化图像；
对所述IPM二值化图像进行直线检测；
判断所述IPM二值化图像中直线数量是否为二；
当判断出所述IPM二值化图像中直线的数量不为二时，对所述当前偏航角进行调节，得到调节后的偏航角，并控制进入下一次所述第二指定操作；
当判断出所述IPM二值化图像中直线的数量为二，且两条直线分别通过所述IPM二值化图像的左上角顶点和右上角顶点时，控制不进入下一次所述第二指定操作。
可选的，偏航角调节单元134执行当判断出所述IPM二值化图像中直线的数量不为二时，对所述当前偏航角进行调节，得到调节后的偏航角时，具体用于：
当判断出所述IPM二值化图像中直线的数量大于二时，判断所述IPM二值化图像中的直线位置；
当所述IPM二值化图像中的任意两条直线通过所述左上角顶点时，以第二预设步长减小所述当前偏航角；
当所述IPM二值化图像中的任意两条直线通过所述右上角顶点时，以所述第二预设步长增大所述当前偏航角。
应当理解，该装置中记载的诸子系统或单元与参考图1-图12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和特征同样适用于该装置及其中包含的单元，在此不再赘述。
基于同一发明构思，本发明实施例还提供了一种适于用来实现本申请实施例的计算机设备，下面参考图14，其示出了适于用来实现本申请实施例的计算机设备1400的结构示意图。
如图14所示，计算机设备1400包括中央处理单元(CPU)1401，其可以根据存储在只读存储器(ROM)1402中的程序或者从存储部分1408加载到随机访问存储器(RAM)1403中的程序而执行各种适当的动作和处理。在RAM 1403中，还存储有系统1400操作所需的各种程序和数据。CPU 1401、ROM 1402以及RAM 1403通过总线1404彼此相连。输入/输出(I/O)接口1405也连接至总线1404。
以下部件连接至I/O接口1405：包括键盘、鼠标等的输入部分14014；包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分14014；包括硬盘等的存储部分1408；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分1409。通信部分1409经由诸如因特网的网络执行通信处理。驱动器1410也根据需要连接至I/O接口1405。可拆卸介质1411，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器1410上，以便于从其上读出的计算机程序根据需要被安装入存储部分1408。
特别地，根据本公开的实施例，上文参考图1-图12描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括有形地包含在机器可读介质上的计算机程序，所述计算机程序包含用于执行图1-图12的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分1409从网络上被下载和安装，和/或从可拆卸介质1411被安装。
附图中的流程图和框图，图示了按照本发明各种实施例的系统、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，所述模块、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系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
描述于本申请实施例中所涉及到的单元或模块可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元或模块也可以设置在处理器中。这些单元或模块的名称在某种情况下并不构成对该单元或模块本身的限定。
作为另一方面，本申请还提供了一种计算机可读存储介质，该计算机可读存储介质可以是上述实施例中所述装置中所包含的计算机可读存储介质；也可以是单独存在，未装配入设备中的计算机可读存储介质。计算机可读存储介质存储有一个或者一个以上程序，所述程序被一个或者一个以上的处理器用来执行描述于本申请的公式输入方法。
以上描述仅为本申请的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，本申请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所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。例如上述特征与本申请中公开的(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 (12)

1.一种车载相机的标定方法，其特征在于，包括：
获取车载相机采集的包含车道线的原始图像；
确定所述原始图像中包含所述车道线的感兴趣区域(ROI)；
通过检测所述ROI区域对应的逆透视投影变换(IPM)图像中的车道线的角度，调节车载相机的俯仰角；
通过检测所述ROI区域对应的IPM二值化图像中的直线数量，调节所述车载相机的偏航角。
2.根据权利要求1所述的方法，其特征在于，通过检测所述ROI区域对应的IPM图像中的车道线的角度，调节所述车载相机的俯仰角，具体包括：
循环执行第一指定操作，直至所述IPM图像中的每条车道线的倾斜角度均相同；
其中，所述第一指定操作包括：
基于当前俯仰角和初始偏航角，确定所述ROI区域对应的IPM图像；其中，所述第一指定操作第一次执行时，所述当前俯仰角为初始俯仰角，所述第一指定操作非第一次执行时，所述当前俯仰角为所述第一指定操作前一次执行时得到的调节后的俯仰角；
检测所述IPM图像中的每条车道线的倾斜角度；
判断所述IPM图像中的每条车道线的倾斜角度是否均相同；
当任意两条车道线的倾斜角度不相同时，对所述当前俯仰角进行调节，得到调节后的俯仰角并控制进入下一次所述第一指定操作；
当所述每条车道线的倾斜角度均相同时，控制不进入下一次所述第一指定操作。
3.根据权利要求2所述的方法，其特征在于，检测所述IPM图像中的每条车道线的倾斜角度，具体包括：
对所述IPM图像进行暗-亮-暗(DLD)特征提取，得到DLD特征图像；
对所述DLD特征图像进行二值化处理，得到DLD二值化图像；
对所述DLD二值化图像进行直线检测，确定所述IPM图像中每条车道线的倾斜角度。
4.根据权利要求3所述的方法，其特征在于，对所述IPM图像进行DLD特征提取，得到DLD特征图像，包括：
对所述IPM图像进行DLD滤波，提取所述IPM图像中的车道线特征；所述车道线特征为：DLD(u，v)＝max(min(src[u,v]-src[u-2,v]，src[u，v]-src[u+2，v]),0)；所述src(u,v)为所述IPM图像中位于(u,v)位置上的像素值；
基于所述车道线特征，得到所述DLD特征图像。
5.根据权利要求2所述的方法，其特征在于，当任意两条车道线的倾斜角度不相同时，对所述当前俯仰角进行调节，得到调节后的俯仰角，具体包括：
当任意两条车道线的倾斜角度不相同时，判断所述车道线的交点位置；
若所述交点位置位于所述每条车道线的起点方向，以第一预设步长减小所述当前俯仰角；
若所述交点位置位于所述每条车道线的终点方向，以所述第一预设步长增大所述当前俯仰角。
6.根据权利要求1所述的方法，其特征在于，通过检测所述ROI区域对应的IPM二值化图像中的直线数量，调节所述车载相机的偏航角，具体包括：
确定调节后的所述车载相机的仰俯角；
循环执行第二指定操作，直至所述IPM二值化图像中仅包含两条直线，且所述两条直线分别通过所述IPM二值化图像的左上角顶点和右上角顶点为止；
其中，所述第二指定操作包括：
基于确定的俯仰角和当前偏航角，确定所述ROI区域对应的IPM图像；其中，所述第二指定操作第一次执行时，所述当前偏航角为初始偏航角，所述第二指定操作非第一次执行时，所述当前偏航角为所述第二指定操作前一次执行时得到的调节后的偏航角；
对所述IPM图像进行二值化处理，得到所述IPM二值化图像；
对所述IPM二值化图像进行直线检测；
判断所述IPM二值化图像中直线数量是否为二；
当判断出所述IPM二值化图像中直线的数量不为二时，对所述当前偏航角进行调节，得到调节后的偏航角，并控制进入下一次所述第二指定操作；
当判断出所述IPM二值化图像中直线的数量为二，且两条直线分别通过所述IPM二值化图像的左上角顶点和右上角顶点时，控制不进入下一次所述第二指定操作。
7.根据权利要求6所述的方法，其特征在于，当判断出所述IPM二值化图像中直线的数量不为二时，对所述当前偏航角进行调节，得到调节后的偏航角，包括：
当判断出所述IPM二值化图像中直线的数量大于二时，判断所述IPM二值化图像中的直线位置；
当所述IPM二值化图像中的任意两条直线通过所述左上角顶点时，以第二预设步长减小所述当前偏航角；
当所述IPM二值化图像中的任意两条直线通过所述右上角顶点时，以所述第二预设步长增大所述当前偏航角。
8.一种车载相机的标定装置，其特征在于，包括：
图像获取单元，用于获取车载相机采集的包含车道线的原始图像；
ROI确定单元，用于确定所述原始图像中包含所述车道线的ROI区域；
俯仰角调节单元，用于通过检测所述ROI区域对应的IPM图像中的车道线的角度，调节所述车载相机的俯仰角；
偏航角调节单元，用于通过检测所述ROI区域对应的IPM二值化图像中的直线数量，调节所述车载相机的偏航角。
9.根据权利要求8所述的装置，其特征在于，所述俯仰角调节单元，用于：
循环执行第一指定操作，直至所述IPM图像中的每条车道线的倾斜角度均相同；
其中，所述第一指定操作包括：
基于当前俯仰角和初始偏航角，确定所述ROI区域对应的IPM图像；其中，所述第一指定操作第一次执行时，所述当前俯仰角为初始俯仰角，所述第一指定操作非第一次执行时，所述当前俯仰角为所述第一指定操作前一次执行时得到的调节后的俯仰角；
检测所述IPM图像中的每条车道线的倾斜角度；
判断所述IPM图像中的每条车道线的倾斜角度是否均相同；
当任意两条车道线的倾斜角度不相同时，对所述当前俯仰角进行调节，得到调节后的俯仰角并控制进入下一次所述第一指定操作；
当所述每条车道线的倾斜角度均相同时，控制不进入下一次所述第一指定操作。
10.根据权利要求8所述的装置，其特征在于，所述偏航角调节单元，用于：
确定调节后的所述车载相机的仰俯角；
循环执行第二指定操作，直至所述IPM二值化图像中仅包含两条直线，且所述两条直线分别通过所述IPM二值化图像的左上角顶点和右上角顶点为止；
其中，所述第二指定操作包括：
基于确定的俯仰角和当前偏航角，确定所述ROI区域对应的IPM图像；其中，所述第二指定操作第一次执行时，所述当前偏航角为初始偏航角，所述第二指定操作非第一次执行时，所述当前偏航角为所述第二指定操作前一次执行时得到的调节后的偏航角；
对所述IPM图像进行二值化处理，得到所述IPM二值化图像；
对所述IPM二值化图像进行直线检测；
判断所述IPM二值化图像中直线数量是否为二；
当判断出所述IPM二值化图像中直线的数量不为二时，对所述当前偏航角进行调节，得到调节后的偏航角，并控制进入下一次所述第二指定操作；
当判断出所述IPM二值化图像中直线的数量为二，且两条直线分别通过所述IPM二值化图像的左上角顶点和右上角顶点时，控制不进入下一次所述第二指定操作。
11.一种车辆，其特征在于，包括：
车载相机，所述车载相机用于采集的包含车道线的原始图像；
至少一个处理器、至少一个存储器以及存储在所述存储器中的计算机程序指令，当所述计算机程序指令被所述处理器执行时实现如权利要求1-7中任一项所述的方法。
12.一种计算机可读存储介质，其上存储有计算机程序指令，其特征在于，当所述计算机程序指令被处理器执行时实现如权利要求1-7中任一项所述的方法。
CN201811156817.2A 2018-09-30 2018-09-30 一种车载相机的标定方法、装置、车辆和存储介质 Expired - Fee Related CN109389650B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN201811156817.2A CN109389650B (zh) 2018-09-30 2018-09-30 一种车载相机的标定方法、装置、车辆和存储介质
US16/413,036 US10922843B2 (en) 2018-09-30 2019-05-15 Calibration method and calibration device of vehicle-mounted camera, vehicle and storage medium

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811156817.2A CN109389650B (zh) 2018-09-30 2018-09-30 一种车载相机的标定方法、装置、车辆和存储介质

Publications (2)

Publication Number Publication Date
CN109389650A true CN109389650A (zh) 2019-02-26
CN109389650B CN109389650B (zh) 2021-01-12

Family

ID=65418201

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811156817.2A Expired - Fee Related CN109389650B (zh) 2018-09-30 2018-09-30 一种车载相机的标定方法、装置、车辆和存储介质

Country Status (2)

Country Link
US (1) US10922843B2 (zh)
CN (1) CN109389650B (zh)

Cited By (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110196062A (zh) * 2019-06-27 2019-09-03 成都圭目机器人有限公司 一种单相机跟踪车道线的导航方法
CN111273701A (zh) * 2020-02-28 2020-06-12 佛山科学技术学院 一种云台视觉控制系统以及控制方法
CN111806354A (zh) * 2020-06-05 2020-10-23 北京嘀嘀无限科技发展有限公司 行车记录仪视角调节方法、存储介质及系统
CN112308923A (zh) * 2019-07-25 2021-02-02 北京地平线机器人技术研发有限公司 基于车道线的相机位姿调整方法和装置、存储介质、设备
CN112509054A (zh) * 2020-07-20 2021-03-16 北京智行者科技有限公司 一种相机外参动态标定方法
CN112614192A (zh) * 2020-12-24 2021-04-06 湖北亿咖通科技有限公司 一种车载相机的在线标定方法和车载信息娱乐系统
CN112862899A (zh) * 2021-02-07 2021-05-28 黑芝麻智能科技(重庆)有限公司 用于图像获取设备的外参标定方法、装置和系统
CN113409396A (zh) * 2021-05-11 2021-09-17 广州敏视数码科技有限公司 一种adas单目相机的标定方法
CN113554711A (zh) * 2020-04-26 2021-10-26 上海欧菲智能车联科技有限公司 相机在线标定方法、装置、计算机设备和存储介质
CN113643374A (zh) * 2020-04-27 2021-11-12 上海欧菲智能车联科技有限公司 基于道路特征的多目相机标定方法、装置、设备和介质
CN113763483A (zh) * 2021-09-10 2021-12-07 智道网联科技(北京)有限公司 行车记录仪俯仰角标定方法及装置
CN115460320A (zh) * 2021-06-09 2022-12-09 阿里巴巴新加坡控股有限公司 导航方法、装置、计算机存储介质及计算机程序产品
CN115604568A (zh) * 2022-09-08 2023-01-13 青岛海尔电冰箱有限公司（Cn） 用于检测摄像头安装角度的方法、存储介质及设备

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109034047B (zh) * 2018-07-20 2021-01-22 京东方科技集团股份有限公司 一种车道线检测方法及装置
KR20200046437A (ko) * 2018-10-24 2020-05-07 삼성전자주식회사 영상 및 맵 데이터 기반 측위 방법 및 장치
CN111380503B (zh) * 2020-05-29 2020-09-25 电子科技大学 一种采用激光辅助标定的单目相机测距方法
CN113256739B (zh) * 2021-06-28 2021-10-19 所托(杭州)汽车智能设备有限公司 车载bsd摄像头的自标定方法、设备和存储介质
CN116823958B (zh) * 2023-04-20 2024-09-17 阿波罗智联(北京)科技有限公司 车载相机的偏航角估计方法、装置、设备、车辆及介质
CN118334499B (zh) * 2024-06-12 2024-09-17 广东朝歌智慧互联科技有限公司 摄像头sfr图像解析能力计算方法、装置及计算机存储介质
CN118397109B (zh) * 2024-06-27 2024-08-20 杭州海康威视数字技术股份有限公司 车载相机标定方法、装置、电子设备及机器可读存储介质

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050149240A1 (en) * 2004-01-07 2005-07-07 Tseng Hongtei E. Attitude sensing system for an automotive vehicle relative to the road
CN101837780A (zh) * 2009-03-18 2010-09-22 现代自动车株式会社 使用虚拟分车道线的车道偏离报警方法和系统
CN105046235A (zh) * 2015-08-03 2015-11-11 百度在线网络技术（北京）有限公司 车道线的识别建模方法和装置、识别方法和装置
CN105447892A (zh) * 2015-11-05 2016-03-30 奇瑞汽车股份有限公司 车辆偏航角的确定方法及装置
CN105460009A (zh) * 2015-11-30 2016-04-06 奇瑞汽车股份有限公司 汽车控制方法及装置
CN106525056A (zh) * 2016-11-04 2017-03-22 杭州奥腾电子股份有限公司 利用陀螺仪传感器进行车道线检测的方法
CN106558080A (zh) * 2016-11-14 2017-04-05 天津津航技术物理研究所 一种单目相机外参在线标定系统及方法
CN108470142A (zh) * 2018-01-30 2018-08-31 西安电子科技大学 基于逆透视投影和车道距离约束的车道定位方法
CN110196062A (zh) * 2019-06-27 2019-09-03 成都圭目机器人有限公司 一种单相机跟踪车道线的导航方法

Family Cites Families (25)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
FR2770317B1 (fr) * 1997-10-24 2000-12-08 Commissariat Energie Atomique Procede d'etalonnage de la position et de l'orientation d'origine d'une ou plusieurs cameras mobiles et son application a la mesure de position tridimentionnelle d'objets fixes
JP3280001B2 (ja) * 1999-09-16 2002-04-30 富士重工業株式会社 ステレオ画像の位置ずれ調整装置
US7446798B2 (en) * 2003-02-05 2008-11-04 Siemens Corporate Research, Inc. Real-time obstacle detection with a calibrated camera and known ego-motion
JP4681856B2 (ja) * 2004-11-24 2011-05-11 アイシン精機株式会社 カメラの校正方法及びカメラの校正装置
DE102004062275A1 (de) * 2004-12-23 2006-07-13 Aglaia Gmbh Verfahren und Vorrichtung zum Ermitteln eines Kalibrierparameters einer Stereokamera
JP4820221B2 (ja) * 2006-06-29 2011-11-24 日立オートモティブシステムズ株式会社 車載カメラのキャリブレーション装置およびプログラム
US8462988B2 (en) * 2007-01-23 2013-06-11 Valeo Schalter Und Sensoren Gmbh Method and system for universal lane boundary detection
US8233045B2 (en) * 2007-07-16 2012-07-31 Trw Automotive U.S. Llc Method and apparatus for distortion correction and image enhancing of a vehicle rear viewing system
WO2012145818A1 (en) * 2011-04-25 2012-11-01 Magna International Inc. Method and system for dynamically calibrating vehicular cameras
JP6058256B2 (ja) * 2011-06-13 2017-01-11 アルパイン株式会社 車載カメラ姿勢検出装置および方法
JP6141601B2 (ja) * 2012-05-15 2017-06-07 東芝アルパイン・オートモティブテクノロジー株式会社 車載カメラ自動キャリブレーション装置
JP5906272B2 (ja) * 2014-03-28 2016-04-20 富士重工業株式会社 車両用ステレオ画像処理装置
JP6354425B2 (ja) * 2014-07-30 2018-07-11 株式会社デンソー 車載カメラの取り付け姿勢検出方法およびその装置
JP6159905B2 (ja) * 2015-05-27 2017-07-05 京セラ株式会社 演算装置、カメラ装置、車両及びキャリブレーション方法
US9811743B2 (en) * 2015-06-29 2017-11-07 Sharp Laboratories Of America, Inc. Tracking road boundaries
EP3374967B1 (en) * 2015-11-11 2023-01-04 Zhejiang Dahua Technology Co., Ltd Methods and systems for binocular stereo vision
US9950669B2 (en) * 2015-11-12 2018-04-24 Robert Bosch Gmbh Vehicle camera system with multiple-camera alignment
US9727793B2 (en) * 2015-12-15 2017-08-08 Honda Motor Co., Ltd. System and method for image based vehicle localization
WO2017122552A1 (ja) * 2016-01-15 2017-07-20 ソニー株式会社 画像処理装置および方法、プログラム、並びに画像処理システム
KR102543523B1 (ko) * 2016-09-09 2023-06-15 현대모비스 주식회사 카메라의 오차 보정 시스템 및 방법
CN109086650B (zh) * 2017-06-14 2022-04-12 现代摩比斯株式会社 校准方法和校准设备
GB2566020B (en) * 2017-08-29 2020-07-01 Toshiba Kk System and method for motion compensation in images
KR102421855B1 (ko) * 2017-09-28 2022-07-18 삼성전자주식회사 주행 차로를 식별하는 방법 및 장치
CN109034047B (zh) * 2018-07-20 2021-01-22 京东方科技集团股份有限公司 一种车道线检测方法及装置
WO2020047302A1 (en) * 2018-08-29 2020-03-05 Buffalo Automation Group Inc. Lane and object detection systems and methods

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050149240A1 (en) * 2004-01-07 2005-07-07 Tseng Hongtei E. Attitude sensing system for an automotive vehicle relative to the road
CN101837780A (zh) * 2009-03-18 2010-09-22 现代自动车株式会社 使用虚拟分车道线的车道偏离报警方法和系统
CN105046235A (zh) * 2015-08-03 2015-11-11 百度在线网络技术（北京）有限公司 车道线的识别建模方法和装置、识别方法和装置
CN105447892A (zh) * 2015-11-05 2016-03-30 奇瑞汽车股份有限公司 车辆偏航角的确定方法及装置
CN105460009A (zh) * 2015-11-30 2016-04-06 奇瑞汽车股份有限公司 汽车控制方法及装置
CN106525056A (zh) * 2016-11-04 2017-03-22 杭州奥腾电子股份有限公司 利用陀螺仪传感器进行车道线检测的方法
CN106558080A (zh) * 2016-11-14 2017-04-05 天津津航技术物理研究所 一种单目相机外参在线标定系统及方法
CN108470142A (zh) * 2018-01-30 2018-08-31 西安电子科技大学 基于逆透视投影和车道距离约束的车道定位方法
CN110196062A (zh) * 2019-06-27 2019-09-03 成都圭目机器人有限公司 一种单相机跟踪车道线的导航方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
张代明: "基于消失点的鲁棒逆透视变换", 《中国优秀硕士学位论文全文数据库 信息科技辑》 *
李红 等: "三次样条在飞机着陆导航中的应用", 《华中科技科大学学报（自然科学版）》 *

Cited By (24)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110196062A (zh) * 2019-06-27 2019-09-03 成都圭目机器人有限公司 一种单相机跟踪车道线的导航方法
CN110196062B (zh) * 2019-06-27 2022-03-25 成都圭目机器人有限公司 一种单相机跟踪车道线的导航方法
CN112308923A (zh) * 2019-07-25 2021-02-02 北京地平线机器人技术研发有限公司 基于车道线的相机位姿调整方法和装置、存储介质、设备
CN112308923B (zh) * 2019-07-25 2024-07-26 北京地平线机器人技术研发有限公司 基于车道线的相机位姿调整方法和装置、存储介质、设备
CN111273701B (zh) * 2020-02-28 2023-10-31 佛山科学技术学院 一种云台视觉控制系统以及控制方法
CN111273701A (zh) * 2020-02-28 2020-06-12 佛山科学技术学院 一种云台视觉控制系统以及控制方法
CN113554711B (zh) * 2020-04-26 2024-10-15 上海欧菲智能车联科技有限公司 相机在线标定方法、装置、计算机设备和存储介质
CN113554711A (zh) * 2020-04-26 2021-10-26 上海欧菲智能车联科技有限公司 相机在线标定方法、装置、计算机设备和存储介质
CN113643374A (zh) * 2020-04-27 2021-11-12 上海欧菲智能车联科技有限公司 基于道路特征的多目相机标定方法、装置、设备和介质
CN113643374B (zh) * 2020-04-27 2024-09-06 上海欧菲智能车联科技有限公司 基于道路特征的多目相机标定方法、装置、设备和介质
CN111806354A (zh) * 2020-06-05 2020-10-23 北京嘀嘀无限科技发展有限公司 行车记录仪视角调节方法、存储介质及系统
CN112509054A (zh) * 2020-07-20 2021-03-16 北京智行者科技有限公司 一种相机外参动态标定方法
CN112509054B (zh) * 2020-07-20 2024-05-17 重庆兰德适普信息科技有限公司 一种相机外参动态标定方法
CN112614192A (zh) * 2020-12-24 2021-04-06 湖北亿咖通科技有限公司 一种车载相机的在线标定方法和车载信息娱乐系统
CN112614192B (zh) * 2020-12-24 2022-05-17 亿咖通(湖北)技术有限公司 一种车载相机的在线标定方法和车载信息娱乐系统
CN112862899A (zh) * 2021-02-07 2021-05-28 黑芝麻智能科技(重庆)有限公司 用于图像获取设备的外参标定方法、装置和系统
CN112862899B (zh) * 2021-02-07 2023-02-28 黑芝麻智能科技(重庆)有限公司 用于图像获取设备的外参标定方法、装置和系统
US12020456B2 (en) 2021-02-07 2024-06-25 Black Sesame Technologies Inc. External parameter calibration method, device and system for image acquisition apparatus
CN113409396B (zh) * 2021-05-11 2024-03-29 广州敏视数码科技有限公司 一种adas单目相机的标定方法
CN113409396A (zh) * 2021-05-11 2021-09-17 广州敏视数码科技有限公司 一种adas单目相机的标定方法
CN115460320A (zh) * 2021-06-09 2022-12-09 阿里巴巴新加坡控股有限公司 导航方法、装置、计算机存储介质及计算机程序产品
CN113763483B (zh) * 2021-09-10 2024-04-02 智道网联科技(北京)有限公司 行车记录仪俯仰角标定方法及装置
CN113763483A (zh) * 2021-09-10 2021-12-07 智道网联科技(北京)有限公司 行车记录仪俯仰角标定方法及装置
CN115604568A (zh) * 2022-09-08 2023-01-13 青岛海尔电冰箱有限公司（Cn） 用于检测摄像头安装角度的方法、存储介质及设备

Also Published As

Publication number Publication date
US10922843B2 (en) 2021-02-16
CN109389650B (zh) 2021-01-12
US20200105017A1 (en) 2020-04-02

Similar Documents

Publication Publication Date Title
CN109389650A (zh) 一种车载相机的标定方法、装置、车辆和存储介质
EP3751519B1 (en) Method, apparatus, device and medium for calibrating pose relationship between vehicle sensor and vehicle
CN110203210A (zh) 一种车道偏离预警方法、终端设备及存储介质
EP3633539A2 (en) Method for position detection, device, and storage medium
DE102009008113B4 (de) Verfahren und Vorrichtung zum Detektieren einer Zielparkposition unter Verwendung von zwei Referenzpunkten und Einparkhilfesystem unter Verwendung derselben
US20230215187A1 (en) Target detection method based on monocular image
US11288833B2 (en) Distance estimation apparatus and operating method thereof
US11762071B2 (en) Multi-mode multi-sensor calibration
CN112257539B (zh) 车辆与车道线的位置关系检测方法、系统和存储介质
CN112912932B (zh) 一种车载摄像头的标定方法、装置及终端设备
CN106651963B (zh) 一种用于驾驶辅助系统的车载摄像头的安装参数标定方法
CN109141347A (zh) 车载摄像机测距方法及装置、存储介质和电子设备
CN113256739B (zh) 车载bsd摄像头的自标定方法、设备和存储介质
CN109584300A (zh) 一种确定车头朝向角度的方法及装置
WO2024017003A1 (zh) 基于算法融合的车辆汇入检测方法、装置及设备
CN112686149B (zh) 一种基于视觉的固定翼无人机近地段自主着陆方法
CN103593671A (zh) 基于三摄像机协同的大范围车道线视觉检测方法
CN108376384B (zh) 视差图的矫正方法、装置及存储介质
WO2022257569A1 (zh) 图像采集装置的标定
CN110341621B (zh) 一种障碍物检测方法及装置
CN103824296B (zh) 基于单位正方形的车辆全景显示系统鱼眼图像校正方法
CN116193108B (zh) 一种摄像头在线自校准方法、装置、设备及介质
CN112639822B (zh) 一种数据处理方法及装置
CN109703467A (zh) 一种用于车辆智能行车的引导方法、系统
US20080036855A1 (en) Sensing apparatus and method for vehicles

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
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20210112

CF01 Termination of patent right due to non-payment of annual fee