一种无共同视野多相机系统外参标定方法、介质及系统

    公开(公告)号:CN111210478B

    公开(公告)日:2023-07-21

    申请号:CN201911407244.0

    申请日:2019-12-31

    Abstract: 本发明请求保护一种无共同视野多相机系统外参标定方法、介质及系统,包括以下步骤:1.固定ID唯一的ArUco标记于待标定相机机身,借助辅助相机,获取待标定相机与自身ArUco标记之间的外参;2.利用基于ArUco标记的SLAM系统,完成对ArUco标记的建图,获得ArUco标记之间的外参;3.利用已获得的待标定相机与ArUco标记间的外参、ArUco标记间的外参,求取待标定相机之间的外参,完成标定过程。本发明的关键在于将待标定相机视为SLAM系统中的地图点,间接求取待标定相机外参的这一过程。本发明在标定过程中的特点是,适用于多种标定场景,对多台无共同视野的相机进行标定,克服了常规多相机系统标定方法对多台相机的分布的限制,标定方法简单易用,准确性高。

    一种基于视觉和激光雷达的目标检测和运动状态估计方法

    公开(公告)号:CN111951305B

    公开(公告)日:2022-08-23

    申请号:CN202010845378.7

    申请日:2020-08-20

    Abstract: 本发明请求保护一种基于视觉和激光雷达的目标检测和运动状态估计方法,包括以下步骤:1.安装相机与激光雷达的位置,并进行两两双目相机之间的标定,以及车前左相机与激光雷达之间的联合标定。并将立体视觉系统与激光雷达各自生成的稀疏点云进行融合和补充,构成全局的三维点云图;2.用深度学习的方法对二维图像以及三维点云进行检测,并通过立体视觉生成的图像目标三维运动状态和激光雷达三维点云目标融合,获取综合的目标三维特征点;3.根据目标三维特征点,利用卡尔曼滤波对目标进行跟踪,分析其运动状态。本发明的关键在于视觉与激光雷达传感器之间的融合,改善智能汽车对周围环境的感知能力。

    一种基于车辆非完整约束的多相机运动状态估计方法

    公开(公告)号:CN112669354B

    公开(公告)日:2024-07-23

    申请号:CN202011423525.8

    申请日:2020-12-08

    Abstract: 本发明请求保护一种基于车辆非完整约束的多相机运动状态估计方法,包括步骤:1.多相机统一坐标系,获取相机间的刚性约束;2.单目SLAM的构建;3.车辆运动模型的建立,对车辆在直线运动和转弯状态下分别进行建模,根据Ackerman转向原理可以计算出车辆和相机的旋转角θ,平移角#imgabs0#和绝对偏移量ρ和λ的数学关系,从而为多相机系统提供运动学约束求取尺度信息。4.多相机系统和车辆的运动估计,完成初步的位姿估计及局部点云地图生成。5.相机的帧间位姿恢复和特征点匹配的重投影误差采用光束法平差进行优化,获取车辆及车载多相机系统的准确位姿估计及全局点云。本发明适用于汽车高精度定位和状态估计,具有更广的适应性、更高的准确度且较好的鲁棒性。

    一种基于多任务神经网络的汽车可行驶区域规划方法

    公开(公告)号:CN112418236B

    公开(公告)日:2022-10-18

    申请号:CN202011328854.4

    申请日:2020-11-24

    Abstract: 本发明请求保护一种基于多任务神经网络的汽车可行驶区域规划方法,涉及深度学习、计算机视觉、辅助驾驶、图像处理等领域。首先本发明基于硬参数共享机制构建具有语义分割与目标检测两种功能的轻量级多任务神经网络;其次根据网络输出格式,制作训练集与构建相应的损失函数数学模型;再次对网络进行训练,使用本发明提出的损失函数数学模型进行反向传播优化网络参数;最后将多任务神经网络应用于汽车可行驶区域规划中。本发明的多任务神经网络不但具有车道分割功能,还具有车辆、行人检测功能,通过单目测距可以起到汽车防碰撞预警功能,减少汽车发生碰撞的概率。

    一种基于多任务神经网络的汽车可行驶区域规划方法

    公开(公告)号:CN112418236A

    公开(公告)日:2021-02-26

    申请号:CN202011328854.4

    申请日:2020-11-24

    Abstract: 本发明请求保护一种基于多任务神经网络的汽车可行驶区域规划方法,涉及深度学习、计算机视觉、辅助驾驶、图像处理等领域。首先本发明基于硬参数共享机制构建具有语义分割与目标检测两种功能的轻量级多任务神经网络;其次根据网络输出格式,制作训练集与构建相应的损失函数数学模型;再次对网络进行训练,使用本发明提出的损失函数数学模型进行反向传播优化网络参数;最后将多任务神经网络应用于汽车可行驶区域规划中。本发明的多任务神经网络不但具有车道分割功能,还具有车辆、行人检测功能,通过单目测距可以起到汽车防碰撞预警功能,减少汽车发生碰撞的概率。

    一种基于车辆非完整约束的多相机运动状态估计方法

    公开(公告)号:CN112669354A

    公开(公告)日:2021-04-16

    申请号:CN202011423525.8

    申请日:2020-12-08

    Abstract: 本发明请求保护一种基于车辆非完整约束的多相机运动状态估计方法,包括步骤:1.多相机统一坐标系,获取相机间的刚性约束;2.单目SLAM的构建;3.车辆运动模型的建立,对车辆在直线运动和转弯状态下分别进行建模,根据Ackerman转向原理可以计算出车辆和相机的旋转角θ,平移角和绝对偏移量ρ和λ的数学关系,从而为多相机系统提供运动学约束求取尺度信息。4.多相机系统和车辆的运动估计,完成初步的位姿估计及局部点云地图生成。5.相机的帧间位姿恢复和特征点匹配的重投影误差采用光束法平差进行优化,获取车辆及车载多相机系统的准确位姿估计及全局点云。本发明适用于汽车高精度定位和状态估计,具有更广的适应性、更高的准确度且较好的鲁棒性。

    一种基于视觉和激光雷达的目标检测和运动状态估计方法

    公开(公告)号:CN111951305A

    公开(公告)日:2020-11-17

    申请号:CN202010845378.7

    申请日:2020-08-20

    Abstract: 本发明请求保护一种基于视觉和激光雷达的目标检测和运动状态估计方法,包括以下步骤:1.安装相机与激光雷达的位置,并进行两两双目相机之间的标定,以及车前左相机与激光雷达之间的联合标定。并将立体视觉系统与激光雷达各自生成的稀疏点云进行融合和补充,构成全局的三维点云图;2.用深度学习的方法对二维图像以及三维点云进行检测,并通过立体视觉生成的图像目标三维运动状态和激光雷达三维点云目标融合,获取综合的目标三维特征点;3.根据目标三维特征点,利用卡尔曼滤波对目标进行跟踪,分析其运动状态。本发明的关键在于视觉与激光雷达传感器之间的融合,改善智能汽车对周围环境的感知能力。

    一种无共同视野多相机系统外参标定方法、介质及系统

    公开(公告)号:CN111210478A

    公开(公告)日:2020-05-29

    申请号:CN201911407244.0

    申请日:2019-12-31

    Abstract: 本发明请求保护一种无共同视野多相机系统外参标定方法、介质及系统,包括以下步骤:1.固定ID唯一的ArUco标记于待标定相机机身,借助辅助相机,获取待标定相机与自身ArUco标记之间的外参;2.利用基于ArUco标记的SLAM系统,完成对ArUco标记的建图,获得ArUco标记之间的外参;3.利用已获得的待标定相机与ArUco标记间的外参、ArUco标记间的外参,求取待标定相机之间的外参,完成标定过程。本发明的关键在于将待标定相机视为SLAM系统中的地图点,间接求取待标定相机外参的这一过程。本发明在标定过程中的特点是,适用于多种标定场景,对多台无共同视野的相机进行标定,克服了常规多相机系统标定方法对多台相机的分布的限制,标定方法简单易用,准确性高。

Patent Agency Ranking