[發明專利]動態標定方法、裝置、駕駛狀態檢測方法、介質及設備

有效

• 申請號: 202210567147.3
• 申請日: 2022-05-24
• 公開（公告）號: CN114663458B
• 公開（公告）日: 2022-10-11
• 發明（設計）人: 王易昕;李源;王晉瑋;沈鵬程
• 申請（專利權）人: 魔門塔（蘇州）科技有限公司
• 主分類號: G06T7/13
• 分類號: G06T7/13;G06T7/73;G06T7/80;G06N3/04;G06N3/08
• 代理公司: 北京國科程知識產權代理事務所(普通合伙) 11862
• 代理人: 曹曉斐

1.一種動態標定方法，其特征在于，包括：

根據車載相機拍攝的具有車輛內部結構的圖像，在所述圖像中選取由所述車輛內部結構合圍成的一個或多個區域；

在所述圖像中對所述區域進行定位，獲取所述區域中角點的位置信息，其中所述角點為所述車輛內部結構對應輪廓的邊緣點；

將所述角點的位置信息輸入預設的神經網絡模型中，獲取所述區域中曲線上的一個或多個點的位置信息，其中所述曲線為所述車輛內部結構對應輪廓的輪廓線，所述角點在所述曲線上；以及

利用在預建立的車身坐標系中所述車輛內部結構的位置信息與所述點的位置信息，獲取車輛與所述車載相機之間外參矩陣。

2.根據權利要求1所述的動態標定方法，其特征在于，所述在所述圖像中對所述區域進行定位，獲取所述區域中角點的位置信息，進一步包括：

在所述圖像中對所述區域進行粗定位，確定所述區域所在的定位區域；以及

利用預設的神經網絡模型對所述定位區域進行細定位，獲取所述角點的位置信息。

3.根據權利要求1所述的動態標定方法，其特征在于，所述利用在預建立的車身坐標系中所述車輛內部結構的位置信息與所述點的位置信息，獲取車輛與所述車載相機之間外參矩陣，進一步包括：

根據預設的目標函數對所述車輛內部結構的位置信息與所述點的位置信息進行非線性最小二乘優化，獲取所述外參矩陣。

4.根據權利要求1-3任一項所述的動態標定方法，其特征在于，所述利用在預建立的車身坐標系中所述車輛內部結構的位置信息與所述點的位置信息，獲取車輛與所述車載相機之間外參矩陣之前，還包括：

根據所述車載相機在所述車身坐標系中的位置確定所述車載相機的位置信息；以及

根據所述車載相機的位置信息確定所述車輛與所述車載相機之間的初始外參矩陣。

5.根據權利要求4所述的動態標定方法，其特征在于，所述利用在預建立的車身坐標系中所述車輛內部結構的位置信息與所述點的位置信息，進一步包括：

將所述車輛內部結構的位置信息與所述點的位置信息轉換到同一坐標系下，在所述同一坐標系下計算獲取所述外參矩陣，其中，

利用所述初始外參矩陣將所述車輛內部結構的位置信息轉換到相機坐標系下，或

利用所述初始外參矩陣將所述點的位置信息轉換到所述車身坐標系下。

6.根據權利要求1所述的動態標定方法，其特征在于，還包括：

對所述外參矩陣進行校驗，當所述外參矩陣在預設合格范圍內時，將所述外參矩陣作為目標外參矩陣輸出。

7.根據權利要求1所述的動態標定方法，其特征在于，所述將所述角點的位置信息輸入預設的神經網絡模型中，獲取所述區域中曲線上的一個或多個點的位置信息，進一步包括：

利用所述神經網絡模型對所述曲線進行等分，獲取所述曲線的N等分點及其分別對應的位置信息，其中N為大于0的自然數。

8.根據權利要求7所述的動態標定方法，其特征在于，所述將所述角點的位置信息輸入預設的神經網絡模型中，獲取所述區域中曲線上的一個或多個點的位置信息，還包括：

利用所述神經網絡模型計算所述N等分點的置信度。