一种基于车载双相机系统的运动目标位置与速度估计方法

    公开(公告)号:CN114638858B

    公开(公告)日:2024-07-19

    申请号:CN202210279319.7

    申请日:2022-03-21

    Applicant: 浙江大学

    Abstract: 本发明公开了一种基于车载双相机系统的运动目标位置与速度估计方法。包括:确定运动目标的多个特征点,车载双相机系统对运动目标进行拍摄,分别获得第一、第二参考帧图像,根据两个图像中的多个特征点计算两个相机之间的尺度化平移向量和景深之比;接着计算其中一个特征点在两个相机的当前时刻坐标系下对应的景深;再选择基准相机,确定当前特征点在车辆坐标系下的三维坐标;然后基准相机再拍摄运动目标,获得实时运动目标图像,从而计算运动目标的实时位置;构造视觉特征,再构造非线性观测器,求解并获得视觉特征导数的估计值,最终求解运动目标的实时速度。本发明粗略设定参数即可实现较好的观测效果,适用于智能车辆的实际应用场景。

    一种针对车载相机的外参在线估计方法

    公开(公告)号:CN114638902A

    公开(公告)日:2022-06-17

    申请号:CN202210276782.6

    申请日:2022-03-21

    Applicant: 浙江大学

    Abstract: 本发明公开了一种针对车载相机的外参在线估计方法。包括:首先获得线性参数化后的视觉动态方程;计算在车辆运动过程中的车载相机的尺度化平移向量;对车辆速度信号和每个时刻的尺度化平移向量进行分段积分,获得速度积分矩阵和角速度平移耦合积分矩阵;接着构造并行学习观测器,对外参进行估计,获得更新后的定常外参向量,进而获得累积矩阵;当累积矩阵的最小奇异值小于预设阈值时,则重复计算尺度化平移向量,直至达到指定条件,获得中间阶段的定常外参向量和并行学习观测器;然后继续对外参进行估计,直至定常外参向量收敛,获得最终的外参。本发明消除了现有方法对人造视觉特征以及特定运动模式的依赖,提高了外参估计的灵活性与实用性。

    一种针对车载相机的外参在线估计方法

    公开(公告)号:CN114638902B

    公开(公告)日:2024-07-19

    申请号:CN202210276782.6

    申请日:2022-03-21

    Applicant: 浙江大学

    Abstract: 本发明公开了一种针对车载相机的外参在线估计方法。包括:首先获得线性参数化后的视觉动态方程;计算在车辆运动过程中的车载相机的尺度化平移向量;对车辆速度信号和每个时刻的尺度化平移向量进行分段积分,获得速度积分矩阵和角速度平移耦合积分矩阵;接着构造并行学习观测器,对外参进行估计,获得更新后的定常外参向量,进而获得累积矩阵;当累积矩阵的最小奇异值小于预设阈值时,则重复计算尺度化平移向量,直至达到指定条件,获得中间阶段的定常外参向量和并行学习观测器;然后继续对外参进行估计,直至定常外参向量收敛,获得最终的外参。本发明消除了现有方法对人造视觉特征以及特定运动模式的依赖,提高了外参估计的灵活性与实用性。

    一种基于车载双相机系统的运动目标位置与速度估计方法

    公开(公告)号:CN114638858A

    公开(公告)日:2022-06-17

    申请号:CN202210279319.7

    申请日:2022-03-21

    Applicant: 浙江大学

    Abstract: 本发明公开了一种基于车载双相机系统的运动目标位置与速度估计方法。包括:确定运动目标的多个特征点,车载双相机系统对运动目标进行拍摄,分别获得第一、第二参考帧图像,根据两个图像中的多个特征点计算两个相机之间的尺度化平移向量和景深之比;接着计算其中一个特征点在两个相机的当前时刻坐标系下对应的景深;再选择基准相机,确定当前特征点在车辆坐标系下的三维坐标;然后基准相机再拍摄运动目标,获得实时运动目标图像,从而计算运动目标的实时位置;构造视觉特征,再构造非线性观测器,求解并获得视觉特征导数的估计值,最终求解运动目标的实时速度。本发明粗略设定参数即可实现较好的观测效果,适用于智能车辆的实际应用场景。

    一种自然场景下的车载相机外参在线估计方法

    公开(公告)号:CN114972206B

    公开(公告)日:2025-04-18

    申请号:CN202210480244.9

    申请日:2022-05-05

    Applicant: 浙江大学

    Abstract: 本发明公开了一种自然场景下的车载相机外参在线估计方法。包括:首先选取两幅图像作为关键帧,基于相机当前时刻拍摄的图像与两幅关键帧图像计算三焦张量并构建辅助张量;对两个张量进行标准化并使用降阶观测器对其导数进行在线估计;利用车辆角速度、标准化辅助张量及其导数计算相机角速度;设计相机旋转外参观测器并对相机的旋转外参进行在线估计;设计相机平移外参观测器并对相机的平移外参进行在线估计;使用关键帧策略适时选择新的关键帧来替代旧的关键帧并进行切换,直至相机外参估计值收敛,获得最终的外参。本发明消除了现有方法对人造视觉特征以及平面参照物的依赖,且克服了有限相机视野对车辆工作空间的约束。

    一种基于图像和点云融合网络的道路区域图像识别方法

    公开(公告)号:CN113887349A

    公开(公告)日:2022-01-04

    申请号:CN202111098880.7

    申请日:2021-09-18

    Applicant: 浙江大学

    Abstract: 本发明公开了一种基于图像和点云融合的道路区域图像识别方法。构建融合主干网络,提取原始图像和原始点云中的特征,并对这两种特征进行融合,获得融合后特征图;使用Upsampling、2D卷积层和ReLU激活函数层构建解码层,并以此构建解码网络,将融合后特征图输入到解码网络处理获得解码特征结果;针对解码特征结果使用逐点卷积运算,得到是否为道路区域分类类别。本发明解决了图像和点云直接融合的难题,将原始点云直接输入到道路区域网络中,不需要对点云做任何前处理操作,使得整个方法的运算量较低;对高精度地检测复杂环境中的道路区域能稳定精确地检测道路区域。

    一种基于图像和点云融合网络的道路区域图像识别方法

    公开(公告)号:CN113887349B

    公开(公告)日:2025-05-27

    申请号:CN202111098880.7

    申请日:2021-09-18

    Applicant: 浙江大学

    Abstract: 本发明公开了一种基于图像和点云融合的道路区域图像识别方法。构建融合主干网络,提取原始图像和原始点云中的特征,并对这两种特征进行融合,获得融合后特征图;使用Upsampling、2D卷积层和ReLU激活函数层构建解码层,并以此构建解码网络,将融合后特征图输入到解码网络处理获得解码特征结果;针对解码特征结果使用逐点卷积运算,得到是否为道路区域分类类别。本发明解决了图像和点云直接融合的难题,将原始点云直接输入到道路区域网络中,不需要对点云做任何前处理操作,使得整个方法的运算量较低;对高精度地检测复杂环境中的道路区域能稳定精确地检测道路区域。

    一种自然场景下的车载相机外参在线估计方法

    公开(公告)号:CN114972206A

    公开(公告)日:2022-08-30

    申请号:CN202210480244.9

    申请日:2022-05-05

    Applicant: 浙江大学

    Abstract: 本发明公开了一种自然场景下的车载相机外参在线估计方法。包括:首先选取两幅图像作为关键帧,基于相机当前时刻拍摄的图像与两幅关键帧图像计算三焦张量并构建辅助张量;对两个张量进行标准化并使用降阶观测器对其导数进行在线估计;利用车辆角速度、标准化辅助张量及其导数计算相机角速度;设计相机旋转外参观测器并对相机的旋转外参进行在线估计;设计相机平移外参观测器并对相机的平移外参进行在线估计;使用关键帧策略适时选择新的关键帧来替代旧的关键帧并进行切换,直至相机外参估计值收敛,获得最终的外参。本发明消除了现有方法对人造视觉特征以及平面参照物的依赖,且克服了有限相机视野对车辆工作空间的约束。

Patent Agency Ranking