【技术实现步骤摘要】
本专利技术涉及车辆视觉，尤其涉及一种路面坡度计算方法、装置、终端及介质。
技术介绍
1、纯视觉的bev视角重建都基于平面假设，在不满足该假设的情况下(如：颠簸，坡道)时，视觉目标测距精度低，车道线出现内外八现象，即路面坡度影响视觉感知精度。
2、而视觉感知精度的提升能有效帮助更好的识别和跟踪车辆，行人，障碍物，车道线等，降低碰撞风险，减少误触发，提高系统的可信度，将视觉和不同的传感器进行更精确的融合，如激光雷达和毫米波雷达，有助于定位更准确的定位车辆在地图上的位置，实现更精确的车道保持和路径规划。
3、因此，亟需提出一种路面坡度计算方法，能够估计出路面的坡度，提高视觉测距的精度。
技术实现思路
1、本专利技术提供一种路面坡度计算方法、装置、终端及介质，基于车道线的平行假设和目标尺寸的先验知识，利用优化算法，分别估计目标检测和车道线检测的路面坡度，并将两者的路面坡度进行在线融合，从而还原相对真实的bev视角，能够提高视觉测距的精度，减少车道线内外八情况。
2、为了实现上述目的，第一方面，本专利技术实施例提供了一种路面坡度计算方法，包括：
3、获取车辆的目标检测框和车道线信息；其中，所述车道线信息包括车道线的像素坐标和路面特征点；
4、对所述车道线信息进行逆投影变换、路面特征点提取跟踪以及平行度检测处理得到所述车道线的组合误差，采用优化算法进行优化，求解所述车道线估计的第一路面坡度；其中，所述组合误差包括曲线拟合误差、历史帧重
5、基于所述目标检测框检测目标的类型进行筛选，根据所述目标的先验宽度信息，得到所述目标的宽度误差，优化所述宽度误差，计算得到所述目标估计的第二路面坡度；
6、通过置信度融合所述第一路面坡度和所述第二路面坡度，得到所述车辆所在车道的路面坡度。
7、作为上述方案的改进，所述对所述车道线信息进行逆投影变换、路面特征点提取跟踪以及平行度检测处理得到所述车道线的组合误差，采用优化算法进行优化，求解所述车道线估计的第一路面坡度，具体包括：
8、对所述像素坐标进行逆投影变换得到对应的世界坐标，拟合车道线曲线，计算所述车道线的曲线拟合误差；
9、采用角点检测对所述车道线的路面特征点进行提取，通过光流法对所述路面特征点进行实时跟踪，基于跟踪后的路面特征点对应的世界坐标，进行帧间转换，构建所述车道线的历史帧重投影误差；
10、根据曲线的平行公式，对所述车道线曲线进行平行度检测，计算所述车道线的平行度误差；
11、将所述曲线拟合误差、所述历史帧重投影误差和所述平行度误差进行组合，得到所述车道线的组合误差，采用优化算法进行优化，求解所述车道线估计的第一路面坡度。
12、作为上述方案的改进，所述对所述像素坐标进行逆投影变换得到对应的世界坐标，拟合车道线曲线，计算所述车道线的曲线拟合误差，具体包括：
13、根据所述车道线的像素坐标和相机标定得到的内外参进行逆投影变换，得到对应的世界坐标，拟合车道线曲线，采用多项式的形式，计算所述车道线的曲线拟合误差；
14、其中，所述曲线拟合误差的表达式为：
15、error1＝y-(c0+c1x+c2x2+c3x3)，
16、式中，error1为所述曲线拟合误差，x，y为所述车道线曲线的像素坐标点(u，v)在世界坐标系下的二维坐标，c0、c1、c2和c3均为多项式参数。作为上述方案的改进，所述历史帧重投影误差的表达式为：
17、
18、
19、式中，error2和error3均为所述历史帧重投影误差，s为缩放矩阵，k为错切参数，rj为第j帧的旋转矩阵，δθj为所述第j帧的路面坡度对应的旋转矩阵，rij为第i帧和所述第j帧之间的旋转矩阵，为所述车道线的像素坐标点对应世界坐标系下的3d坐标点，tij为所述第i帧和所述第j帧之间的平移向量，tj所述为第j帧的平移向量；为所述车道线的第i帧像素坐标点对应世界坐标系下的3d坐标点，为所述车道线的第j帧像素坐标点对应世界坐标系下的3d坐标点。
20、作为上述方案的改进，所述曲线的平行公式为：
21、
22、所述平行度误差的表达式为：
23、error4＝yr-yparallel，
24、式中，x，y为所述曲线在世界坐标系下的二维坐标点(x，y)的坐标，x0，y0为所述曲线在世界坐标系下的二维坐标点(x0，y0)的坐标，x0′，y0′为所述曲线在世界坐标系下的二维坐标点(x0′，y0′)的坐标，a为所述曲线在世界坐标系下的圆心(a，b)的x轴的坐标；error4为所述平行度误差，yparallel为所述车道线一侧的点通过所述平行公式计算得到的点，yr为所述车道线另一侧的对应点通过逆投影计算得到的点。
25、作为上述方案的改进，所述宽度误差的表达式为：
26、error5＝wc-w，
27、式中，error5为所述宽度误差，wc为所述目标通过逆投影得到的宽度，w为所述目标的先验宽度。
28、作为上述方案的改进，所述车辆所在车道的路面坡度的表达式为：
29、
30、式中，fslop为所述车辆所在车道的路面坡度，co为所述目标估计的第二路面坡度的置信度，cl为所述车道线估计的第一路面坡度的置信度，oslop为所述目标估计的第二路面坡度，lslop为所述车道线估计的第一路面坡度。
31、第二方面，本专利技术实施例提供了一种路面坡度计算装置，包括：
32、获取模块，用于获取车辆的目标检测框和车道线信息；其中，所述车道线信息包括车道线的像素坐标和路面特征点；
33、处理模块，用于对所述车道线信息进行逆投影变换、路面特征点提取跟踪以及平行度检测处理得到所述车道线的组合误差，采用优化算法进行优化，求解所述车道线估计的第一路面坡度；其中，所述组合误差包括曲线拟合误差、历史帧重投影误差以及平行度误差；
34、计算模块，用于基于所述目标检测框检测目标的类型进行筛选，根据所述目标的先验宽度信息，得到所述目标的宽度误差，优化所述宽度误差，计算得到所述目标估计的第二路面坡度；
35、融合模块，用于通过置信度融合所述第一路面坡度和所述第二路面坡度，得到所述车辆所在车道的路面坡度。
36、第三方面，本专利技术实施例对应提供了一种终端设备，包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器执行所述计算机程序时实现上述路面坡度计算方法。
37、此外，本专利技术实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行上述路面坡度计算方法。
38、与现有技术相比，本专利技术实施例公开的一种路面坡度计算本文档来自技高网...
【技术保护点】
1.一种路面坡度计算方法，其特征在于，包括：
2.如权利要求1所述的路面坡度计算方法，其特征在于，所述对所述车道线信息进行逆投影变换、路面特征点提取跟踪以及平行度检测处理得到所述车道线的组合误差，采用优化算法进行优化，求解所述车道线估计的第一路面坡度，具体包括：
3.如权利要求2所述的路面坡度计算方法，其特征在于，所述对所述像素坐标进行逆投影变换得到对应的世界坐标，拟合车道线曲线，计算所述车道线的曲线拟合误差，具体包括：
4.如权利要求1所述的路面坡度计算方法，其特征在于，所述历史帧重投影误差的表达式为：
5.如权利要求2所述的路面坡度计算方法，其特征在于，所述曲线的平行公式为：
6.如权利要求1所述的路面坡度计算方法，其特征在于，所述宽度误差的表达式为：
7.如权利要求1所述的路面坡度计算方法，其特征在于，所述车辆所在车道的路面坡度的表达式为：
8.一种路面坡度计算装置，其特征在于，包括：
9.一种终端设备，其特征在于，包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如权利要求1-7中任意一项所述的路面坡度计算方法。
...【技术特征摘要】
1.一种路面坡度计算方法，其特征在于，包括：
2.如权利要求1所述的路面坡度计算方法，其特征在于，所述对所述车道线信息进行逆投影变换、路面特征点提取跟踪以及平行度检测处理得到所述车道线的组合误差，采用优化算法进行优化，求解所述车道线估计的第一路面坡度，具体包括：
3.如权利要求2所述的路面坡度计算方法，其特征在于，所述对所述像素坐标进行逆投影变换得到对应的世界坐标，拟合车道线曲线，计算所述车道线的曲线拟合误差，具体包括：
4.如权利要求1所述的路面坡度计算方法，其特征在于，所述历史帧重投影误差的表达式为：
5.如权利要求2所述的路面坡度计算方法，其特征在于，所述曲线的平行公式为：
6.如权...
【专利技术属性】
技术研发人员：严达桂，
申请(专利权)人：华人运通上海自动驾驶科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。