运动参数计算方法及装置制造方法及图纸

本发明专利技术公开了一种运动参数计算方法及装置，属于图像处理技术领域，所述方法包括：确定当前图像帧中的路面区域，当前图像帧为行车影像中的图像帧；提取路面区域包含的第一特征点，并生成各个第一特征点对应的特征描述子，特征描述子根据第一特征点周侧的n组参考像素点对生成，每组参考像素点对中包含两个参考像素点；确定上一帧图像帧中与第一特征点匹配的第二特征点，第一特征点对应的特征描述子与第二特征点对应的特征描述子相匹配；根据第一特征点和第二特征点计算运动参数。本发明专利技术实施例利用特征点周侧的多组参考像素点对描述特征点，增加了特征点的描述维度，提高了特征点描述以及匹配的可靠性，提高计算得到的运动参数的准确性。

【技术实现步骤摘要】
运动参数计算方法及装置
本专利技术实施例涉及图像处理
，特别涉及一种运动参数计算方法及装置。
技术介绍
随着智能驾驶技术的不断成熟，越来越多的车辆开始具备辅助驾驶甚至自动驾驶功能，而实现辅助驾驶甚至自动驾驶功能的关键在于计算车辆自身的运动参数。相关技术中，车辆通过分析实时采集的行车影像计算自身运行参数。具体的，车辆获取到行车影像后，识别行车影像中各帧图像包含的路面区域，并提取路面区域中包含的若干个特征点。进一步的，车辆根据特征点的像素特征值，比如RGB(Red-Green-Blue，红绿蓝)值或灰度值，确定相邻两帧图像中相同的特征点，从而根据相同特征点在两帧图像中成像位置的差异，计算出车辆的运动参数。然而，受到环境光等因素影响，仅根据像素特征值确定相同特征点时存在较大的误差，当确定出的相邻两帧图像中的相同特征点有误时，将影响后续计算得到的运动参数的准确性。
技术实现思路
为了解决仅根据特征点的像素特征值确定相同特征点时存在较大误差，导致的运动参数的准确性不足的问题，本专利技术实施例提供了一种运动参数计算方法及装置，所述技术方案如下：第一方面，提供了一种运动参数计算方法，所述方法包括：确定当前图像帧中的路面区域，当前图像帧为行车影像中的图像帧；提取路面区域包含的第一特征点，并生成各个第一特征点对应的特征描述子，特征描述子根据第一特征点周侧的n组参考像素点对生成，每组参考像素点对中包含两个参考像素点，n≥2，n为整数；确定上一帧图像帧中与第一特征点匹配的第二特征点，第一特征点对应的特征描述子与第二特征点对应的特征描述子相匹配；根据第一特征点和第二特征点计算运动参数。在一个可选的实施例中，确定当前图像帧中的路面区域，包括：将当前图像帧输入全卷积网络，全卷积网络通过深度学习算法训练得到，用于标注图像帧中各个像素点的属性；获取全卷积网络输出的分割图，分割图用于描述当前图像帧中各个像素点的属性；根据分割图确定路面区域，路面区域中各个像素点对应的属性为路面属性或车道线属性。在一个可选的实施例中，提取路面区域包含的第一特征点，并生成各个第一特征点对应的特征描述子，包括：通过FAST(FeaturesfromAcceleratedSegmentTest，加速段测试特征)算法提取第一特征点；通过BRIEF(BinaryRobustIndependentElementary，二元鲁棒独立基本特征)算法生成第一特征点对应的特征描述子；其中，FAST算法和BRIEF算法为ORB(OrientedBinaryRobustIndependentElementary，定向二元鲁棒独立基本特征)算法中的子算法。在一个可选的实施例中，通过BRIEF算法生成第一特征点对应的特征描述子，包括：获取第一特征点周侧预定尺寸的候选图像区域；根据预定选取规则，从候选图像区域中选取n组参考像素点对；计算各组参考像素点对各自对应的二值码，其中，当参考像素点对中第一参考像素点的灰度值＞第二参考像素点的灰度值时，参考像素点对对应的二值码为1；当参考像素点对中第一参考像素点的灰度值≤第二参考像素点的灰度值时，参考像素点对对应的二值码为0；将n个二值码组合生成的二值码串确定为第一特征点对应的特征描述子。在一个可选的实施例中，根据第一特征点和第二特征点计算运动参数，包括：获取第一特征点在当前图像帧中的第一图像坐标，以及第二特征点在上一帧图像帧中的第二图像坐标；将第一图像坐标转换为第一空间坐标，并将第二图像坐标转换为第二空间坐标，第一空间坐标和第二空间坐标用于指示特征点在三维空间中的坐标；根据第一空间坐标、第二空间坐标和帧间隔，计算运动参数，帧间隔为相邻图像帧之间的时间间隔，运动参数包括行进速度和偏转角速度。在一个可选的实施例中，根据第一特征点和第二特征点计算运动参数之后，包括：对m帧图像帧中包含的特征点进行聚类，m帧图像帧连续，且聚类后同一类中各个特征点对应的运动参数的相似度大于阈值；根据聚类结果过滤特征点中包含的干扰特征点。第二方面，提供了一种运动参数计算装置，所述装置包括：第一确定模块，用于确定当前图像帧中的路面区域，当前图像帧为行车影像中的图像帧；提取生成模块，用于提取路面区域包含的第一特征点，并生成各个第一特征点对应的特征描述子，特征描述子根据第一特征点周侧的n组参考像素点对生成，每组参考像素点对中包含两个参考像素点，n≥2，n为整数；第二确定模块，用于确定上一帧图像帧中与第一特征点匹配的第二特征点，第一特征点对应的特征描述子与第二特征点对应的特征描述子相匹配；计算模块，用于根据第一特征点和第二特征点计算运动参数。在一个可选的实施例中，第一确定模块，包括：输入单元，用于将当前图像帧输入全卷积网络，全卷积网络通过深度学习算法训练得到，用于标注图像帧中各个像素点的属性；获取单元，用于获取全卷积网络输出的分割图，分割图用于描述当前图像帧中各个像素点的属性；确定单元，用于根据分割图确定路面区域，路面区域中各个像素点对应的属性为路面属性或车道线属性。在一个可选的实施例中，提取生成模块，包括：提取单元，用于通过FAST算法提取第一特征点；生成单元，用于通过BRIEF算法生成第一特征点对应的特征描述子；其中，FAST算法和BRIEF算法为ORB算法中的子算法。在一个可选的实施例中，生成单元，还用于：获取第一特征点周侧预定尺寸的候选图像区域；根据预定选取规则，从候选图像区域中选取n组参考像素点对；计算各组参考像素点对各自对应的二值码，其中，当参考像素点对中第一参考像素点的灰度值＞第二参考像素点的灰度值时，参考像素点对对应的二值码为1；当参考像素点对中第一参考像素点的灰度值≤第二参考像素点的灰度值时，参考像素点对对应的二值码为0；将n个二值码组合生成的二值码串确定为第一特征点对应的特征描述子。在一个可选的实施例中，计算模块，包括：坐标获取单元，用于获取第一特征点在当前图像帧中的第一图像坐标，以及第二特征点在上一帧图像帧中的第二图像坐标；坐标转换单元，用于将第一图像坐标转换为第一空间坐标，并将第二图像坐标转换为第二空间坐标，第一空间坐标和第二空间坐标用于指示特征点在三维空间中的坐标；计算单元，用于根据第一空间坐标、第二空间坐标和帧间隔，计算运动参数，帧间隔为相邻图像帧之间的时间间隔，运动参数包括行进速度和偏转角速度。在一个可选的实施例中，所述装置，包括：聚类模块，用于对m帧图像帧中包含的特征点进行聚类，m帧图像帧连续，且聚类后同一类中各个特征点对应的运动参数的相似度大于阈值；过滤模块，用于根据聚类结果过滤所述特征点中包含的干扰特征点。第三方面，提供了一种车载电子设备，所述车载电子设备包括处理器、与处理器相连的存储器，以及存储在存储器上的程序指令，处理器执行程序指令时实现如上述第一方面所述的运动参数计算方法。第四方面，提供了一种计算机可读存储介质，该计算机可读存储介质存储有程序指令，程序指令被处理器执行时实现如上述第一方面所述的运动参数计算方法。本专利技术实施例提供的技术方案带来的有益效果是：本专利技术实施例中，确定出当前图像帧中的路面区域后，从路面区域中提取第一特征点，并根据第一特征点周侧的参考像素点对生成该第一特征点对应的特征描述子，从而根据该特征描述子从上一帧图像帧中确本文档来自技高网...

【技术保护点】
1.一种运动参数计算方法，其特征在于，所述方法包括：确定当前图像帧中的路面区域，所述当前图像帧为行车影像中的图像帧；提取所述路面区域包含的第一特征点，并生成各个第一特征点对应的特征描述子，所述特征描述子根据所述第一特征点周侧的n组参考像素点对生成，每组参考像素点对中包含两个参考像素点，n≥2，n为整数；确定上一帧图像帧中与所述第一特征点匹配的第二特征点，所述第一特征点对应的特征描述子与所述第二特征点对应的特征描述子相匹配；根据所述第一特征点和所述第二特征点计算运动参数。

【技术特征摘要】
1.一种运动参数计算方法，其特征在于，所述方法包括：确定当前图像帧中的路面区域，所述当前图像帧为行车影像中的图像帧；提取所述路面区域包含的第一特征点，并生成各个第一特征点对应的特征描述子，所述特征描述子根据所述第一特征点周侧的n组参考像素点对生成，每组参考像素点对中包含两个参考像素点，n≥2，n为整数；确定上一帧图像帧中与所述第一特征点匹配的第二特征点，所述第一特征点对应的特征描述子与所述第二特征点对应的特征描述子相匹配；根据所述第一特征点和所述第二特征点计算运动参数。2.根据权利要求1所述的方法，其特征在于，所述确定当前图像帧中的路面区域，包括：将所述当前图像帧输入全卷积网络，所述全卷积网络通过深度学习算法训练得到，用于标注图像帧中各个像素点的属性；获取所述全卷积网络输出的分割图，所述分割图用于描述所述当前图像帧中各个像素点的属性；根据所述分割图确定所述路面区域，所述路面区域中各个像素点对应的属性为路面属性或车道线属性。3.根据权利要求1或2所述的方法，其特征在于，所述提取所述路面区域包含的第一特征点，并生成各个第一特征点对应的特征描述子，包括：通过加速段测试特征FAST算法提取所述第一特征点；通过二元鲁棒独立基本特征BRIEF算法生成所述第一特征点对应的特征描述子；其中，所述FAST算法和所述BRIEF算法为定向二元鲁棒独立基本特征ORB算法中的子算法。4.根据权利要求3所述的方法，其特征在于，所述通过BRIEF算法生成所述第一特征点对应的特征描述子，包括：获取所述第一特征点周侧预定尺寸的候选图像区域；根据预定选取规则，从所述候选图像区域中选取n组参考像素点对；计算各组参考像素点对各自对应的二值码，其中，当参考像素点对中第一参考像素点的灰度值＞第二参考像素点的灰度值时，所述参考像素点对对应的二值码为1；当参考像素点对中第一参考像素点的灰度值≤第二参考像素点的灰度值时，所述参考像素点对对应的二值码为0；将n个二值码组合生成的二值码串确定为所述第一特征点对应的特征描述子。5.根据权利要求1所述的方法，其特征在于，所述根据所述第一特征点和所述第二特征点计算运动参数，包括：获取所述第一特征点在所述当前图像帧中的第一图像坐标，以及所述第二特征点在所述上一帧图像帧中的第二图像坐标；将所述第一图像坐标转换为第一空间坐标，并将所述第二图像坐标转换为第二空间坐标，所述第一空间坐标和所述第二空间坐标用于指示特征点在三维空间中的坐标；根据所述第一空间坐标、所述第二空间坐标和帧间隔，计算所述运动参数，所述帧间隔为相邻图像帧之间的时间间隔，所述运动参数包括行进速度和偏转角速度。6.根据权利要求1所述的方法，其特征在于，所述根据所述第一特征点和所述第二特征点计算运动参数之后，包括：对m帧图像帧中包含的特征点进行聚类，所述m帧图像帧连续，且聚类后同一类中各个特征点对应的运动参数的相似度大于阈值；根据聚类结果过滤所述特征点中包含的干扰特征点。7.一种运动参数计算装置，其特征在于，所述装置包括：第一确定模块，用于确定当前图像帧中的路面区域，所述当前图像帧...

【专利技术属性】
技术研发人员：屈凯，
申请(专利权)人：杭州海康威视数字技术股份有限公司，
类型：发明
国别省市：浙江,33