单应性矩阵的确定方法、装置及车辆制造方法及图纸

本公开是关于一种单应性矩阵的确定方法、装置及车辆，属于自动驾驶技术领域。该方法包括：获取第一相机的第一标定图像和第二相机的第二标定图像；对第一标定图像和第二标定图像进行特征点匹配，得到匹配的目标特征点对；基于匹配的目标特征点对，确定第一相机与第二相机间的单应性矩阵。由此，本方案基于第一相机的第一标定图像和第二相机的第二标定图像进行特征点匹配，得到匹配的目标特征点对，保证了特征的丰富度和辨识度，提高了特征点匹配的准确率。进而基于目标特征点对，确定第一相机与第二相机间的单应性矩阵，使相机的单应性矩阵不受环境因素的影响，减少后期维护成本。减少后期维护成本。减少后期维护成本。

【技术实现步骤摘要】
单应性矩阵的确定方法、装置及车辆


[0001]本公开涉及自动驾驶
，尤其涉及一种单应性矩阵的确定方法、装置及车辆。

技术介绍

[0002]现有的自动驾驶功能都依赖于安装在车辆前方的多枚不同焦距相机来实现不同距离的环境感知，对环境进行感知则依赖于相机间的单应性矩阵。然而随着车辆的使用，可能会由于振动和温度变化等因素，使得相机间的单应性矩阵不再适用于当前环境，导致环境感知功能出现问题。

技术实现思路

[0003]为克服相关技术中存在的问题，本公开提供一种单应性矩阵的确定方法、装置、车辆、计算机可读存储介质，以解决由于振动和温度变化等因素，使得相机间的单应性矩阵不再适用的问题。本公开的技术方案如下：根据本公开实施例的第一方面，提供一种单应性矩阵的确定方法，包括：获取第一相机的第一标定图像和第二相机的第二标定图像；对所述第一标定图像和所述第二标定图像进行特征点匹配，得到匹配的目标特征点对；基于所述匹配的目标特征点对，确定所述第一相机与所述第二相机间的单应性矩阵；其中，所述对所述第一标定图像和所述第二标定图像进行特征点匹配，包括：对所述第一标定图像和所述第二标定图像进行特征提取，得到第一特征点和第二特征点；对所述第一标定图像和所述第二标定图像进行深度估计，得到每个特征点的深度值；基于所述深度值，从所述第一特征点和所述第二特征点中，确定用于匹配的第一候选特征点和第二候选特征点；对所述第一候选特征点和所述第二候选特征点进行特征点匹配，得到所述目标特征点对。
[0004]在本公开的一个实施例中，所述基于所述深度值，从所述第一特征点和所述第二特征点中，确定用于匹配的第一候选特征点和第二候选特征点，包括：基于所述深度值，获取多个深度区间；获取处于每个深度区间内的特征点的数量，并确定所述数量最大的目标深度区间；从处于所述目标深度区间内的特征点中，确定所述第一候选特征点和所述第二候选特征点。
[0005]在本公开的一个实施例中，所述对所述第一候选特征点和所述第二候选特征点进行特征点匹配，得到所述目标特征点对，包括：对所述第一候选特征点和所述第二候选特征点进行特征点匹配，得到匹配的候选特征点对；对所述候选特征点对进行筛选，得到所述目标特征点对。
[0006]在本公开的一个实施例中，所述对所述候选特征点对进行筛选，得到所述目标特征点对，包括：针对每个所述候选特征点对，获取所述候选特征点对中所述第一候选特征点的第一坐标，以及所述第二候选特征点的第二坐标，并获取所述第一坐标与所述第二坐标的差值；对所述差值大于或者等于设定阈值的候选特征点对进行剔除，得到所述目标特征
点对。
[0007]在本公开的一个实施例中，所述对所述第一标定图像和所述第二标定图像进行特征提取，得到第一特征点和第二特征点，包括：从所述第一标定图像和所述第二标定图像分别获取所述第一相机与所述第二相机可视角度重合的第一图像区域和第二图像区域；对所述第一图像区域进行特征提取得到第一特征点，并对所述第二图像区域进行特征提取得到第二特征点。
[0008]在本公开的一个实施例中，所述基于所述匹配的目标特征点对，确定所述第一相机与所述第二相机间的单应性矩阵之后，还包括：通过所述第一相机和所述第二相机进行车道线检测，得到各自的检测车道线；基于所述单应性矩阵，向目标相机的图像坐标系下投影剩余相机的检测车道线，得到所述剩余相机对应的投影后检测车道线；其中，所述目标相机为所述第一相机和所述第二相机中的一个相机，所述剩余相机为所述第一相机和所述第二相机中的另一个相机；基于所述目标相机检测的目标检测车道线和所述投影后检测车道线，确定所述单应性矩阵的验证结果。
[0009]在本公开的一个实施例中，所述基于所述目标相机检测的目标检测车道线和所述投影后检测车道线，确定所述单应性矩阵的验证结果，包括：对所述投影后检测车道线与所述目标检测车道线进行对齐，得到车道线对；针对每个所述车道线对，获取所述车道线对中投影后检测车道线与目标检测车道线之间的检测平移距离和平行度，作为所述验证结果。
[0010]根据本公开实施例的第二方面，提供一种单应性矩阵的确定装置，包括：获取模块，用于获取第一相机的第一标定图像和第二相机的第二标定图像；匹配模块，用于对所述第一标定图像和所述第二标定图像进行特征点匹配，得到匹配的目标特征点对；确定模块，用于基于所述匹配的目标特征点对，确定所述第一相机与所述第二相机间的单应性矩阵；其中，所述匹配模块，还包括：特征提取单元，用于对所述第一标定图像和所述第二标定图像进行特征提取，得到第一特征点和第二特征点；深度估计单元，用于对所述第一标定图像和所述第二标定图像进行深度估计，得到每个特征点的深度值；确定特征点单元，用于基于所述深度值，从所述第一特征点和所述第二特征点中，确定用于匹配的第一候选特征点和第二候选特征点；特征点匹配单元，用于对所述第一候选特征点和所述第二候选特征点进行特征点匹配，得到所述目标特征点对。
[0011]根据本公开实施例的第三方面，提供一种车辆，包括处理器；用于存储处理器可执行指令的存储器；其中，所述处理器被配置为实现本公开实施例第一方面所述方法的步骤。
[0012]根据本公开实施例的第四方面提供一种计算机可读存储介质，其上存储有计算机程序指令，该程序指令被车辆执行时实现本公开实施例第一方面所述方法的步骤。
[0013]根据本公开实施例的第五方面，提供一种计算机程序产品，包括计算机程序，其特征在于，所述计算机程序被车辆执行时实现如本公开实施例第一方面所述方法的步骤。
[0014]本公开的实施例提供的技术方案可以包括以下有益效果：基于常规路面场景获取第一相机的第一标定图像和第二相机的第二标定图像，并对第一标定图像和第二标定图像进行特征点匹配，得到匹配的目标特征点对，保证了特征的丰富度和辨识度，提高了特征点匹配的准确率。进而基于目标特征点对，确定第一相机与第二相机间的单应性矩阵，使相机的单应性矩阵不受环境因素的影响，减少后期维护成本。
[0015]应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不
能限制本公开。
附图说明
[0016]此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。
[0017]图1是根据本公开的一些实施例示出的一种单应性矩阵的确定方法的流程图。
[0018]图2是根据本公开的一些实施例示出的另一种单应性矩阵的确定方法的流程图。
[0019]图3是根据本公开的一些实施例示出的另一种单应性矩阵的确定方法的流程图。
[0020]图4是根据本公开的一些实施例示出的另一种单应性矩阵的确定方法的流程图。
[0021]图5是根据本公开的一些实施例示出的另一种单应性矩阵的确定方法的流程图。
[0022]图6是根据本公开的一些实施例示出的一种单应性矩阵的确定装置的结构框图。
[0023]图7是根据本公开的一些实施例示出的一种车辆的功能框本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种单应性矩阵的确定方法，其特征在于，所述方法包括：获取第一相机的第一标定图像和第二相机的第二标定图像；对所述第一标定图像和所述第二标定图像进行特征点匹配，得到匹配的目标特征点对；基于所述匹配的目标特征点对，确定所述第一相机与所述第二相机间的单应性矩阵；其中，所述对所述第一标定图像和所述第二标定图像进行特征点匹配，包括：对所述第一标定图像和所述第二标定图像进行特征提取，得到第一特征点和第二特征点；对所述第一标定图像和所述第二标定图像进行深度估计，得到每个特征点的深度值；基于所述深度值，从所述第一特征点和所述第二特征点中，确定用于匹配的第一候选特征点和第二候选特征点；对所述第一候选特征点和所述第二候选特征点进行特征点匹配，得到所述目标特征点对。2.根据权利要求1中所述的方法，其特征在于，所述基于所述深度值，从所述第一特征点和所述第二特征点中，确定用于匹配的第一候选特征点和第二候选特征点，包括：基于所述深度值，获取多个深度区间；获取处于每个深度区间内的特征点的数量，并确定所述数量最大的目标深度区间；从处于所述目标深度区间内的特征点中，确定所述第一候选特征点和所述第二候选特征点。3.根据权利要求1中所述的方法，其特征在于，所述对所述第一候选特征点和所述第二候选特征点进行特征点匹配，得到所述目标特征点对，包括：对所述第一候选特征点和所述第二候选特征点进行特征点匹配，得到匹配的候选特征点对；对所述候选特征点对进行筛选，得到所述目标特征点对。4.根据权利要求3中所述的方法，其特征在于，所述对所述候选特征点对进行筛选，得到所述目标特征点对，包括：针对每个所述候选特征点对，获取所述候选特征点对中所述第一候选特征点的第一坐标，以及所述第二候选特征点的第二坐标，并获取所述第一坐标与所述第二坐标的差值；对所述差值大于或者等于设定阈值的候选特征点对进行剔除，得到所述目标特征点对。5.根据权利要求1中所述的方法，其特征在于，所述对所述第一标定图像和所述第二标定图像进行特征提取，得到第一特征点和第二特征点，包括：从所述第一标定图像和所述第二标定图像分别获取所述第一相机与所述第二相机可视角度重合的第一图像区域和第二图像区域；对所述第一图像区域进行特征提取得到第一特征点，并对所述第二图像区域进行特征提取得到第二特征点。6.根据权利要求1中所述的方法，其特征在于，所述基于所述匹配的目标特征点对，确定所述第一相机与所述第二相机间的单应性矩阵之后，还包括：
通过所述第一相机和所述第二相机进行车道线检测，得到各自的检测车道线；基于所述单应性矩阵，向目标相机的图像坐标系下投影剩余相机的检测车道线，得到所述剩余相机对应的投影后检测车道线；其中，所述目标相机为所述第一相机和所述第二相机中的一个相机，所述剩余相机为所述第一相机和所述第二相机中的另一个相机；基于所述目标相机检测的目标检测车道线和所述投影后检测车道线，确定所述单应性矩阵的验证结果。7.根据权利要求6中所述的方法，其特征在于，所述基于所述目标相机检测的目标检测车道线和所述投影后检测车道线，确定所述单应性矩阵的验证结果，包括：对所述投影后检测车道线与所述目标检测车道线进行对齐，得到车道线对；针对每个所述车道线对，获取所述车道线对中投影后检测车道线与目标检测车道线之间的检测平移距离和平行度，作为所述验证结果。8.一种单应性矩阵...

【专利技术属性】
技术研发人员：陈吕劼，
申请(专利权)人：小米汽车科技有限公司，
类型：发明
国别省市：