-
公开(公告)号：CN109214980A
公开(公告)日：2019-01-15
申请号：CN201710538045.8
申请日：2017-07-04
Applicant: 百度在线网络技术(北京)有限公司
IPC: G06T3/00
Abstract: 本发明提供了一种三维姿态估计方法、装置、设备和计算机存储介质，其中方法包括：获取图像中对象的二维姿态信息以及所述对象的三维尺寸信息；依据所述对象的三维尺寸信息，确定所述对象的关键点在对象坐标系中的坐标；依据所述对象的关键点在对象坐标系中的坐标与所述对象的二维姿态信息的几何关系，确定相机坐标系与所述对象坐标系之间的转换关系。通过将该方式应用于无人驾驶领域，即可实现将二维障碍物检测结果映射到三维空间以得到其姿态。
-
公开(公告)号：CN109300159B
公开(公告)日：2021-07-20
申请号：CN201811044487.8
申请日：2018-09-07
Applicant: 百度在线网络技术(北京)有限公司
Abstract: 本发明实施例公开了一种位置检测方法、装置、设备、存储介质及车辆。所述方法包括：检测摄像头所拍摄当前图像中的第一车道线；基于第一车道线的检测结果，对世界坐标系与摄像头坐标系之间的初始变换矩阵进行优化；根据优化后得到的变换矩阵获得所述当前图像中的目标物体的第一3D坐标，根据第一3D坐标确定所述目标物体的最终3D坐标。本发明实施例提供的位置检测方法，利用优化后的变换矩阵获取图像中目标物体的第一3D坐标，然后根据第一3D坐标确定目标物体的最终3D坐标，可以提高无人车系统中检测目标物体比如障碍物的3D位置坐标的准确度。
-
公开(公告)号：CN109145860A
公开(公告)日：2019-01-04
申请号：CN201811026061.X
申请日：2018-09-04
Applicant: 百度在线网络技术(北京)有限公司
IPC: G06K9/00
Abstract: 本发明实施例提出一种车道线跟踪方法和装置。其中，该方法包括：将当前帧的前K帧在相机坐标系的车道线检测结果投影到世界坐标系，K为大于或等于1的正整数，所述前K帧为从所述当前帧向前的连续的K个帧；将所述前K帧在世界坐标系的投影结果，投影到所述当前帧的相机坐标系；在所述当前帧的相机坐标系中，按照所述前K帧的车道线分组，确定所述当前帧的车道线分组。本发明实施例利用前后帧之间的关联，能够输出更准确、更鲁棒的车道线结果，实现准确的车道线跟踪效果。
-
公开(公告)号：CN109117825A
公开(公告)日：2019-01-01
申请号：CN201811025492.4
申请日：2018-09-04
Applicant: 百度在线网络技术(北京)有限公司
Abstract: 本发明实施例提出一种车道线处理方法和装置。该方法包括：获取第一图像中包括的各车道线点之间的距离；利用各所述车道线点两两之间的距离确定各所述车道线点的方向密度；利用各所述车道线点的方向密度确定各车道线对应的分组中包括的车道线点；利用各所述分组中包括的车道线点得到各所述分组对应的车道线的表示信息。本发明实施例利用各车道线点的方向密度，对图像中的车道线点进行分组，得到的分组更准确，因此拟合得到的车道线准确，不受图像质量的影响，具有较高的鲁棒性。
-
公开(公告)号：CN113486796A
公开(公告)日：2021-10-08
申请号：CN202110763591.8
申请日：2018-09-07
Applicant: 百度在线网络技术(北京)有限公司
Abstract: 本发明实施例公开了一种无人车位置检测方法、装置、设备、存储介质及车辆。所述方法包括：检测摄像头所拍摄当前图像中的第一车道线；基于第一车道线的检测结果，对世界坐标系与摄像头坐标系之间的初始变换矩阵进行优化；根据优化后得到的变换矩阵获得所述当前图像中的目标物体的第一3D坐标，根据第一3D坐标确定所述目标物体的最终3D坐标。本发明实施例提供的无人车位置检测方法，利用优化后的变换矩阵获取图像中目标物体的第一3D坐标，然后根据第一3D坐标确定目标物体的最终3D坐标，可以提高无人车系统中检测目标物体比如障碍物的3D位置坐标的准确度。
-
Patent Agency Ranking
公开(公告)号：CN109740469B
公开(公告)日：2021-01-22
申请号：CN201811581791.6
申请日：2018-12-24
Applicant: 百度在线网络技术(北京)有限公司
Abstract: 本申请提出一种车道线检测方法、装置、计算机设备和存储介质，其中，方法包括：利用预先训练生成的神经网络模型，对采集的道路图像进行识别处理，以获取道路图像中各像素点的标注信息，其中每个像素点的标注信息包括该像素点所属的类型标签及该像素点对应的第一偏移量；根据每个像素点所属的类型标签，确定道路图像中包含的各车道参考区域；根据每个车道参考区域内各像素点的位置及各像素点对应的第一偏移量，确定每个车道参考区域所属车道的车道线位置。该方法大大降低了后处理难度且具有较高的检测精度，对场景的适应性较强，并且不需要引入大量的规则判断，具有较好的扩展性和鲁棒性。
-
公开(公告)号：CN109740469A
公开(公告)日：2019-05-10
申请号：CN201811581791.6
申请日：2018-12-24
Applicant: 百度在线网络技术(北京)有限公司
Abstract: 本申请提出一种车道线检测方法、装置、计算机设备和存储介质，其中，方法包括：利用预先训练生成的神经网络模型，对采集的道路图像进行识别处理，以获取道路图像中各像素点的标注信息，其中每个像素点的标注信息包括该像素点所属的类型标签及该像素点对应的第一偏移量；根据每个像素点所属的类型标签，确定道路图像中包含的各车道参考区域；根据每个车道参考区域内各像素点的位置及各像素点对应的第一偏移量，确定每个车道参考区域所属车道的车道线位置。该方法大大降低了后处理难度且具有较高的检测精度，对场景的适应性较强，并且不需要引入大量的规则判断，具有较好的扩展性和鲁棒性。
-
公开(公告)号：CN109684900A
公开(公告)日：2019-04-26
申请号：CN201710972792.2
申请日：2017-10-18
Applicant: 百度在线网络技术(北京)有限公司
Abstract: 本申请实施例公开了用于输出颜色信息的方法和装置。该方法的一具体实施方式包括：获取目标图像；响应于确定目标图像包含信号灯图像，识别目标图像中的信号灯颜色信息；响应于确定信号灯颜色信息表征的颜色是第一颜色，确定是否已存储了信号灯颜色信息和与已存储的信号灯颜色信息关联的颜色信息识别时间；响应于确定已存储，则基于当前时间与最近一次存储的颜色信息识别时间之差，确定输出颜色信息；响应于确定未存储，则将表征的颜色是第二颜色的信号灯颜色信息确定为输出颜色信息；输出所确定出的输出颜色信息。该实施方式提高了识别信号灯颜色信息的灵活性。
-
公开(公告)号：CN109145860B
公开(公告)日：2019-12-13
申请号：CN201811026061.X
申请日：2018-09-04
Applicant: 百度在线网络技术(北京)有限公司
IPC: G06K9/00
Abstract: 本发明实施例提出一种车道线跟踪方法和装置。其中，该方法包括：将当前帧的前K帧在相机坐标系的车道线检测结果投影到世界坐标系，K为大于或等于1的正整数，所述前K帧为从所述当前帧向前的连续的K个帧；将所述前K帧在世界坐标系的投影结果，投影到所述当前帧的相机坐标系；在所述当前帧的相机坐标系中，按照所述前K帧的车道线分组，确定所述当前帧的车道线分组。本发明实施例利用前后帧之间的关联，能够输出更准确、更鲁棒的车道线结果，实现准确的车道线跟踪效果。
-
公开(公告)号：CN109508580A
公开(公告)日：2019-03-22
申请号：CN201710831216.6
申请日：2017-09-15
Applicant: 百度在线网络技术(北京)有限公司
Abstract: 本申请实施例公开了交通信号灯识别方法和装置。该方法的一具体实施方式包括：将图像采集装置所采集的待处理图像按照至少一个预设比例进行缩放，得到至少一个缩放图像；将该至少一个缩放图像输入至预先训练的卷积神经网络，得与该至少一个缩放图像中的每一个缩放图像相对应的交通信号灯的位置信息和类别信息，其中，该卷积神经网络用于提取图像中所显示的交通信号灯的位置信息和类别信息；对所得到的位置信息和类别信息进行解析，生成至少一个候选交通信号灯识别结果，并对所生成的候选交通信号灯识别结果进行融合，生成与该待处理图像相对应的交通信号灯识别结果。该实施方式提高了交通信号灯识别的准确性。
-
-
-
-
-
-
-
-
-
Search Results
19
records
(took 0.026 seconds)
