-
公开(公告)号：CN109410264A
公开(公告)日：2019-03-01
申请号：CN201811144951.0
申请日：2018-09-29
Applicant: 大连理工大学
Abstract: 一种基于激光点云与图像融合的前方车辆距离测量方法，属于多传感器信息融合领域。首先，利用激光点云与相机图像之间的映射关系，将3D激光点云映射为二维图像。其次，根据相机图像中所识别的车辆ROI，对激光点云映射的图像进行筛选。接着，经过图像—激光点云映射，得到筛选后车辆ROI对应的激光点云。利用双目图像检测的前方车辆距离进行约束，再次筛选对应车辆的激光点云。然后，对车辆点云进行聚类，进一步去除非车辆点云。最后，使用聚类出的车辆点云计算前方车辆的距离。测试结果表明，激光点云与图像融合方法测得的距离平均误差较之双目图像方法减小近一半，均方差也有所降低。因此，本发明方法较之双目图像方法测距更精确、更稳定。
-
公开(公告)号：CN109410264B
公开(公告)日：2020-08-25
申请号：CN201811144951.0
申请日：2018-09-29
Applicant: 大连理工大学
Abstract: 一种基于激光点云与图像融合的前方车辆距离测量方法，属于多传感器信息融合领域。首先，利用激光点云与相机图像之间的映射关系，将3D激光点云映射为二维图像。其次，根据相机图像中所识别的车辆ROI，对激光点云映射的图像进行筛选。接着，经过图像—激光点云映射，得到筛选后车辆ROI对应的激光点云。利用双目图像检测的前方车辆距离进行约束，再次筛选对应车辆的激光点云。然后，对车辆点云进行聚类，进一步去除非车辆点云。最后，使用聚类出的车辆点云计算前方车辆的距离。测试结果表明，激光点云与图像融合方法测得的距离平均误差较之双目图像方法减小近一半，均方差也有所降低。因此，本发明方法较之双目图像方法测距更精确、更稳定。
-
公开(公告)号：CN108108667B
公开(公告)日：2019-08-09
申请号：CN201711248419.9
申请日：2017-12-01
Applicant: 大连理工大学
Abstract: 一种基于窄基线双目视觉的前方车辆快速测距方法，属于计算机视觉技术领域。本发明按照经典方法处理右目图像，包括车道线ROI设定、车道线检测、车辆ROI设定、车辆识别、车辆区域确定。对于左目图像，则根据双目视觉的成像特点和前一帧图像的距离信息，直接估计车辆区域，大大简化了左目图像的处理。同时，对左、右目图像车辆区域中所有匹配特征点对所计算的横向视差，进行了中值处理，选取了一组平稳的视差值子集用于计算前方车辆的距离，进一步提高了测距精度。经实验对比，与经典对称方法相比，本发明方法测距速度平均可提升37.2％，测距误差平均可降低12.8％。
-
公开(公告)号：CN108108667A
公开(公告)日：2018-06-01
申请号：CN201711248419.9
申请日：2017-12-01
Applicant: 大连理工大学
CPC classification number: G06K9/00825 , G06K9/00798 , G06K9/6201 , G06K9/6267 , G06K2209/23
Abstract: 一种基于窄基线双目视觉的前方车辆快速测距方法，属于计算机视觉技术领域。本发明按照经典方法处理右目图像，包括车道线ROI设定、车道线检测、车辆ROI设定、车辆识别、车辆区域确定。对于左目图像，则根据双目视觉的成像特点和前一帧图像的距离信息，直接估计车辆区域，大大简化了左目图像的处理。同时，对左、右目图像车辆区域中所有匹配特征点对所计算的横向视差，进行了中值处理，选取了一组平稳的视差值子集用于计算前方车辆的距离，进一步提高了测距精度。经实验对比，与经典对称方法相比，本发明方法测距速度平均可提升37.2％，测距误差平均可降低12.8％。
-
-
-
Search Results
4
records
(took 0.019 seconds)
