[发明专利]双目立体数据处理方法、装置、智能驾驶设备及存储介质有效
申请号: | 201811265850.9 | 申请日: | 2018-10-29 |
公开(公告)号: | CN109101957B | 公开(公告)日: | 2019-07-12 |
发明(设计)人: | 胡荣东;马源;唐铭希;彭美华 | 申请(专利权)人: | 长沙智能驾驶研究院有限公司 |
主分类号: | G06K9/00 | 分类号: | G06K9/00;G06K9/32 |
代理公司: | 深圳市沈合专利代理事务所(特殊普通合伙) 44373 | 代理人: | 沈祖锋 |
地址: | 410000 湖南省长沙市岳麓区学士*** | 国省代码: | 湖南;43 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 视觉图像 双目 立体数据处理 目标数据处理 感兴趣区域 智能驾驶 计算机存储介质 车道线信息 存储介质 结果选择 立体匹配 立体数据 设置条件 匹配 过滤 | ||
1.一种双目立体数据处理方法,其特征在于,包括:
确定当前视场内车道线信息是否符合设置条件,根据确定结果选择匹配的目标数据处理策略;
根据对应的所述目标数据处理策略,确定一目视觉图像对应的感兴趣区域;
根据所述感兴趣区域以及将所述一目视觉图像与另一目视觉图像进行立体匹配,得到过滤后的双目立体数据;
其中,所述车道线信息符合设置条件时,所述根据对应的所述目标数据处理策略,确定一目视觉图像对应的感兴趣区域,包括:获取一目视觉图像中目标车道对应两侧的车道线的端点,所述端点包括远离道路消失点的第一端点和靠近所述道路消失点第二端点;基于所述第一端点和所述第二端点的位置、所述第一端点和/或所述第二端点所在位置处的斜率、以及所述车道线确定感兴趣区域;
所述车道线信息不符合设置条件时,所述根据对应的所述目标数据处理策略,确定一目视觉图像对应的感兴趣区域,包括:获取目标车辆的位置,于所述目标车辆的位置的行驶前方根据设置的车道宽度、车辆高度及有效检测距离确定世界坐标系下的感兴趣区域;获取图像采集装置的姿态数据;根据所述姿态数据对所述世界坐标系下的感兴趣区域进行欧式变换,确定变换后的所述一目视觉图像对应的感兴趣区域。
2.如权利要求1所述的方法,其特征在于,所述确定当前视场内车道线信息是否符合设置条件,包括:
获取所述当前视场对应的视觉图像,对所述视觉图像进行识别提取所述视觉图像中的车道线信息,根据所述车道线信息的置信度确定所述当前视场内车道线信息是否符合设置条件。
3.如权利要求1所述的方法,其特征在于,所述确定当前视场内车道线信息是否符合设置条件,包括:
检测所述当前视场内的车道线信息;
当检测到车道线信息时,根据所述车道线信息的置信度确定所述当前视场内车道线信息是否符合设置条件;
当未检测到车道线信息时,则确定所述当前视场内车道线信息不符合设置条件。
4.如权利要求1所述的方法,其特征在于,所述基于所述第一端点和所述第二端点的位置、所述第一端点和/或所述第二端点所在位置处的斜率、以及所述车道线确定感兴趣区域,包括:
基于所述第一端点的连线、所述第二端点的连线和所述车道线所形成的区域确定初始的感兴趣区域;
根据所述第一端点的位置以及所述第一端点处的斜率确定第一车道延长线,基于第一端点的连线和所述第一车道延长线所形成的区域确定第一邻近区域;
根据所述第二端点的位置以及所述第二端点处的斜率确定第二车道延长线,基于所述第二端点的连线和所述第二车道延长线所形成的区域确定高度邻近区域,或,根据所述第二端点的位置确定相对于所述目标车道呈设置角度的高度延长线,基于所述第二端点的连线和所述高度延长线所形成的区域确定高度邻近区域;
将所述第一邻近区域、所述高度邻近区域与所述初始的感兴趣区域合并确定感兴趣区域。
5.如权利要求1所述的方法,其特征在于,所述获取图像采集装置的姿态数据,包括:
获取所述图像采集装置相对于所述世界坐标系的姿态数据,所述姿态数据包括俯仰角、翻滚角和偏航角;
所述根据所述姿态数据对所述世界坐标系下的感兴趣区域进行欧式变换,确定变换后的所述一目视觉图像对应的感兴趣区域,包括:
根据所述俯仰角、翻滚角和偏航角确定旋转矩阵,根据所述世界坐标系下的感兴趣区域的顶点坐标与所述旋转矩阵的乘积,确定变换后的所述一目视觉图像对应的感兴趣区域。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于长沙智能驾驶研究院有限公司,未经长沙智能驾驶研究院有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201811265850.9/1.html,转载请声明来源钻瓜专利网。
- 上一篇:用于处理图像的方法和装置
- 下一篇:基于深度学习的人脸检测系统