[发明专利]一种横向定位方法及车载设备

权利要求书

1.一种横向定位方法，其特征在于，包括：

获取摄像头拍摄的第一图像，所述第一图像包括车辆至少一侧的墙角线；

将所述第一图像输入到墙角线检测模型，获得所述第一图像中的至少一个第一墙角线特征点，所述墙角线检测模型是利用卷积神经网络训练的网络模型；

根据所述至少一个第一墙角线特征点的第一坐标信息计算车辆与所述墙角线之间的横向距离。

2.根据权利要求1所述的方法，其特征在于，所述获取摄像头拍摄的第一图像包括：

获取位于车辆左侧的第一摄像头拍摄的第一子图像，以及位于车辆右侧的第二摄像头拍摄的第二子图像，其中，所述第一子图像包括所述车辆左侧的墙角线，所述第二子图像包括所述车辆右侧的墙角线，所述第一图像包括所述第一子图像和所述第二子图像。

3.根据权利要求1所述的方法，其特征在于，所述根据所述至少一个第一墙角线特征点的坐标信息计算车辆与所述墙角线之间的横向距离包括：

将每一所述第一墙角线特征点的第一坐标信息转换为车辆坐标体系中的坐标，得到每一所述第一墙角线特征点对应的第二坐标信息；

根据每一所述第一墙角线特征点对应的第二坐标信息计算所述车辆与所述墙角线之间的横向距离。

4.根据权利要求1至3中任一项所述的方法，其特征在于，所述获取摄像头拍摄的第一图像之前，所述方法还包括：

获取多张第二图像，所述第二图像包括车辆至少一侧的墙角线；

在对所述第二图像中的第二墙角线特征点进行标注后，获取所述第二墙角线特征点的标注信息，所述标注信息包括所述第二墙角线特征点的坐标信息；

将所述多张第二图像以及每一第二图像对应的标注信息输入到卷积神经网络的网络模型中，并以墙角线特征点作为输出，进行训练得到所述墙角线检测模型。

5.一种车载设备，其特征在于，包括：

第一获取模块，用于获取摄像头拍摄的第一图像，所述第一图像包括车辆至少一侧的墙角线；

处理模块，用于将所述第一图像输入到墙角线检测模型，获得所述第一图像中的至少一个第一墙角线特征点，所述墙角线检测模型是利用卷积神经网络训练的网络模型；

计算模块，用于根据所述至少一个第一墙角线特征点的第一坐标信息计算车辆与所述墙角线之间的横向距离。

6.根据权利要求5所述的车载设备，其特征在于，所述第一获取模块具体用于：获取位于车辆左侧的第一摄像头拍摄的第一子图像，以及位于车辆右侧的第二摄像头拍摄的第二子图像，其中，所述第一子图像包括所述车辆左侧的墙角线，所述第二子图像包括所述车辆右侧的墙角线，所述第一图像包括所述第一子图像和所述第二子图像。

7.根据权利要求5所述的车载设备，其特征在于，所述计算模块包括：

坐标转换单元，用于将每一所述第一墙角线特征点的第一坐标信息转换为车辆坐标体系中的坐标，得到每一所述第一墙角线特征点对应的第二坐标信息；

计算单元，用于根据每一所述第一墙角线特征点对应的第二坐标信息计算所述车辆与所述墙角线之间的横向距离。

8.根据权利要求5至7中任一项所述的车载设备，其特征在于，所述车载设备还包括：

第二获取模块，用于获取多张第二图像，所述第二图像包括车辆至少一侧的墙角线；

第三获取模块，用于在对所述第二图像中的第二墙角线特征点进行标注后，获取所述第二墙角线特征点的标注信息，所述标注信息包括所述第二墙角线特征点的坐标信息；

训练模块，用于将所述多张第二图像以及每一第二图像对应的标注信息输入到卷积神经网络的网络模型中，并以墙角线特征点作为输出，进行训练得到所述墙角线检测模型。

9.一种车载设备，其特征在于，包括处理器、存储器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现如权利要求1至4中任一项所述的横向定位方法的步骤。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至4中任一项所述的横向定位方法的步骤。