1.本公开涉及计算机
技术领域：
：，具体涉及智能交通等人工智能
技术领域：
：，尤其涉及一种路侧感知系统的相机筛选方法、装置、设备及存储介质。
背景技术：
：：2.在新型基础设施建设的大背景下，路侧感知系统为车路协同的车提供了超视距的感知信息。3.相机作为路侧感知系统的最主要的传感器之一，其图像的畸变对于感知精度影响巨大。相机的原始图像要先经过去畸变，才能进行后续的检测和感知。而相机的硬件去畸变，指的是在相机输出原始图像之前，在硬件中进行图像处理时进行去畸变处理，使得相机直接输出去畸变的图像，对后续的检测和感知可以节省较大的处理时延，利于相机的集成。技术实现要素：4.本公开提供了一种路侧感知系统的相机筛选方法、装置、设备及存储介质。5.根据本公开的一方面，提供了一种路侧感知系统的相机筛选方法，包括：6.基于待检测的相机的内参，计算所述相机的成像图像中的各像素点的畸变值；7.基于各所述像素点的畸变值，获取最大的畸变值作为所述相机的成像图像中的最大畸变值；8.若所述最大畸变值满足预设的畸变参数要求时，确定所述相机能够作为路侧感知系统的相机。9.根据本公开的另一方面，提供了一种路侧感知系统的相机筛选装置，包括：10.计算模块，用于基于待检测的相机的内参，计算所述相机的成像图像中的各像素点的畸变值；11.获取模块，用于基于各所述像素点的畸变值，获取最大的畸变值作为所述相机的成像图像中的最大畸变值；12.确定模块，用于若所述最大畸变值满足预设的畸变参数要求时，确定所述相机能够作为路侧感知系统的相机。13.根据本公开的再一方面，提供了一种电子设备，包括：14.至少一个处理器；以及15.与所述至少一个处理器通信连接的存储器；其中，16.所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如上所述的方面和任一可能的实现方式的方法。17.根据本公开的又一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使所述计算机执行如上所述的方面和任一可能的实现方式的方法。18.根据本公开的再另一方面，提供了一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现如上所述的方面和任一可能的实现方式的方法。19.根据本公开的技术，能够有效地为路侧感知系统筛选到感知能力较强的相机。20.应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。附图说明21.附图用于更好地理解本方案，不构成对本公开的限定。其中：22.图1是根据本公开第一实施例的示意图；23.图2是根据本公开第二实施例的示意图；24.图3是根据本公开第三实施例的示意图；25.图4是根据本公开第四实施例的示意图；26.图5是用来实现本公开实施例的方法的电子设备的框图。具体实施方式27.以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。28.显然，所描述的实施例是本公开一部分实施例，而不是全部的实施例。基于本公开中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的全部其他实施例，都属于本公开保护的范围。29.需要说明的是，本公开实施例中所涉及的终端设备可以包括但不限于手机、个人数字助理(personaldigitalassistant，pda)、无线手持设备、平板电脑(tabletcomputer)等智能设备；显示设备可以包括但不限于个人电脑、电视等具有显示功能的设备。30.另外，本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，a和/或b，可以表示：单独存在a，同时存在a和b，单独存在b这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。31.现有技术中，并非所有的相机都可以直接用于路侧感知系统中。若选取到一个不合适的相机用于路侧感知系统中，直接实现硬件去畸变处理，可能导致感知精度非常低，严重影响无人驾驶车辆的行驶安全。因此，亟需提供一种有效地路侧感知系统中的相机筛选方案。32.图1是根据本公开第一实施例的示意图；如图1所示，本实施例提供一种路侧感知系统的相机筛选方法，可以用于路侧感知系统的相机筛选装置中，具体可以包括如下步骤：33.s101、基于待检测的相机的内参，计算相机的成像图像中的各像素点的畸变值；34.s102、基于各像素点的畸变值，获取最大的畸变值作为相机的成像图像中的最大畸变值；35.s103、若最大畸变值满足预设的畸变参数要求时，确定该相机能够作为路侧感知系统的相机。36.本实施例的路侧感知系统的相机筛选装置，可以为一个独立的电子设备，用于对路侧感知系统的相机进行筛选。或者该路侧感知系统的相机筛选装置还可以为软件集成的应用，使用时运行在计算机等电子设备上，以实现对路侧感知系统的相机进行筛选。37.在实际应用中，为了缩短感知时延，提高相机的处理能力，可以在相机中去畸变处理。即在相机中直接通过硬件实现对采集的图像进行去畸变，并输出去畸变后的图像。本实施例中，获取的相机的成像图像即为该相机的硬件去畸变后的图像。38.具体地，本实施例中，可以基于待检测的相机的内参，获取相机的成像图像中的最大畸变值，该最大畸变值可以表征该相机的成像图像的畸变程度。例如，若获取到的最大畸变值越小，表示该相机的成像图像越真实，该相机的去畸变能力以及感知能力越强。反之，若获取到的最大畸变值越大，表示该相机的成像图像越不真实，该相机的去畸变能力以及感知能力越弱。39.具体地，可以先基于待检测的相机的内参，计算相机的成像图像中的各像素点的畸变值；然后基于各像素点的畸变值，获取最大的畸变值作为相机的成像图像中的最大畸变值。40.进一步地，本实施例中，可以基于该相机的成像图像的最大畸变值和预设的畸变参数要求，来确定该检测是否可以作为路侧系统的相机。若该相机的成像图像的最大畸变值满足预设的畸变参数要求，则该相机可以作为路侧系统的相机。否则，该相机不能作为路侧系统的相机。41.本实施例的路侧感知系统的相机筛选方法，通过基于待检测的相机的内参，获取相机的成像图像中的最大畸变值；并在最大畸变值满足预设的畸变参数要求时，确定该相机能够作为路侧感知系统的相机，能够有效地为路侧感知系统筛选到感知能力较强的相机，进而可以提高路侧感知系统的感知能力，并提高无人驾驶车辆的行驶安全。42.图2是根据本公开第二实施例的示意图；本实施例提供的路侧感知系统的相机筛选方法，在上述图1所示实施例的技术方案的基础上，进一步更加详细地描述本公开的技术方案。如图2所示，本实施例提供的路侧感知系统的相机筛选方法，具体可以包括如下步骤：43.s201、对相机进行标定，确定相机的内参；44.例如，本实施例中，相机的内参可以包括：x轴的焦距fx、y轴的焦距fy和主点坐标(cx,cy)、径向畸变参数k1、k2和k3，本实施例中不考虑切向畸变。其中主点坐标(cx,cy)表示相机的光心投影在图像中的像素点的坐标。45.可选地，在本公开的一个实施例中，可以基于棋盘格图像，对相机进行标定，确定相机的内参。例如，可以采用张正友相机标定方法，基于棋盘格图像，对相机进行标定，确定相机的内参，可以保证获取的内参的准确性，进而可以保证后续基于内参获取的其他参数的准确性。46.s202、对相机进行标定的过程中，获取相机的去畸变精度；47.本实施例中，在采用上述方式，对相机进行标定的过程中，需要同时获取相机的去畸变精度。48.例如，具体实现时，该步骤s202可以包括如下步骤：49.(a)对相机进行标定的过程中，获取相机采集的多张去畸变的棋盘格图像的重投影误差；50.(b)获取多张去畸变的棋盘格图像的重投影误差的平均值，作为相机的去畸变精度。51.在相机的标定过程中，该相机可以采集到多张去畸变的棋盘格图像，对于每一张去畸变的棋盘格图像，可以获取到一个重投影误差。本实施例中，直接取多张去畸变的棋盘格图像的重投影误差的平均值，作为相机的去畸变精度。采用该方式，可以有效地保证获取到的相机的去畸变精度的准确性。实际应用中，也可以采用其他类似的数学计算方式，计算相机的去畸变精度，在此不做限定。52.s203、检测相机的去畸变精度是否满足预设的感知精度要求；若满足，执行步骤s204；否则，若不满足，则确定该相机不能作为路侧感知系统的相机，结束。53.例如，本实施例中，可以设置预设的感知精度要求为要求去畸变精度达到小于1.0像素。采用该方式，可以对不满足要求的相机进行有效过滤，进一步可以提高筛选的相机的准确性。54.s204、基于相机的内参，计算相机的成像图像中的各像素点的畸变值；55.具体实现时，该步骤s204，可以包括如下步骤：56.(1)对于相机的成像图像中的各像素点，基于相机的像素焦距、主点坐标，获取对应的像素点在相机的坐标系下的归一化坐标；57.(2)基于像素点在相机的坐标系下的归一化坐标、以及相机的径向畸变参数，获取相机的成像图像中的像素点的畸变值。58.例如，采用(u,v)表示相机的成像图像中的任一像素点，该像素点在相机的坐标系下的归一化坐标可以表示为：59.xc1＝(u-cx)/fx60.yc1＝(v-cy)/fy61.其中(cx,cy)为主点坐标，fx和fy为相机的焦距。62.相机的归一化坐标系下的半径r具有如下关系：63.r2＝xc1*xc1 yc1*yc164.此时，相机的成像图像中该像素点的畸变值可以表示为：dist_value＝k1*r2 k2*r2*r2 k3*r2*r2*r2。65.按照上述方式可以计算到相机的成像图像中每一个像素点的畸变值。实际应用中，还可以基于上述原理，采用其他演绎的公式实现各像素点的畸变值的计算，在此不做限定。66.s205、基于各像素点的畸变值，获取最大的畸变值作为相机的成像图像中的最大畸变值；67.基于上述得到的相机的成像图像中的所有像素点的畸变值，获取其中最大的畸变值作为该相机的成像图像中的最大畸变值。采用该方式，可以有效地保证获取到的相机的成像图像中的最大畸变值的准确性。68.步骤s204-s205为上述图1所示实施例的步骤s101的一种实现方式。实际应用中，该相机的成像图像中的最大畸变值还可以采用其他方式来获取，在此不做限定。例如，可以取各像素点的畸变值中的最大畸变值再向上浮动一定的数值。69.s206、检测最大畸变值是否满足预设的畸变参数要求；若满足，确定该相机能够作为路侧感知系统的相机，结束；否则，若不满足，则确定该相机不能够作为路侧感知系统的相机，结束。70.例如，本实施例中，预设的畸变参数要求可以为畸变值小于0.01。实际应用中，该预设的畸变参数要求可以基于相机应用的实际场景，要求的精度做调整，在此不做限定。71.本实施例中筛选的相机，可以认为是一种智能相机，其硬件可以直接实现去畸变处理，即相机输出的图像为去畸变处理后的图像，进而可以缩短后续感知的时延，提高感知效率。72.本实施例的路侧感知系统的相机筛选方法，通过对相机进行标定，可以准确地确定相机的内参，进而可以基于准确的内参进行更加准确地相机筛选。73.进一步地，本实施例中，还可以在相机的标定过程中，获取相机的去畸变精度，并检测相机的去畸变精度是否满足预设的感知精度要求，若不满足，则直接确定该相机不能作为路侧感知系统的相机，能够有效地提高相机筛选的准确性。74.进一步地，若相机的去畸变精度满足预设的感知精度要求，进一步基于相机的内参，计算相机的成像图像中的各像素点的畸变值，并基于各像素点的畸变值，获取最大的畸变值作为相机的成像图像中的最大畸变值，能够有效地保证获取到的相机的成像图像的最大畸变值的准确性。75.进一步地，可以在检测到最大畸变值满足预设的畸变参数要求时，确定该相机能够作为路侧感知系统的相机，能够有效地为路侧感知系统筛选到感知能力较强的相机，进而可以提高路侧感知系统的感知能力，并提高无人驾驶车辆的行驶安全。76.本公开的上述技术方案，可以用于实现对枪式相机的筛选。在实际应用的场景中，枪式相机的微小畸变都会导致路侧感知系统的非常差的感知性能。基于此，采用本公开的技术方案，可以对路侧感知系统中的枪式相机进行有效筛选，以保证路侧感知系统的感知能力，进而可以为无人驾车车辆的安全行驶提供有效地保障。77.图3是根据本公开第三实施例的示意图；如图3所示，本实施例提供一种路侧感知系统的相机筛选装置300，包括：78.计算模块301，用于基于待检测的相机的内参，计算相机的成像图像中的各像素点的畸变值；79.获取模块302，用于基于各像素点的畸变值，获取最大的畸变值作为所述相机的成像图像中的最大畸变值；80.确定模块303，用于若最大畸变值满足预设的畸变参数要求时，确定相机能够作为路侧感知系统的相机。81.本实施例的路侧感知系统的相机筛选装置300，通过采用上述模块实现路侧感知系统的相机筛选的实现原理以及技术效果，与上述相关方法实施例的实现相同，详细可以参考上述相关方法实施例的记载，在此不再赘述。82.图4是根据本公开第四实施例的示意图；如图4所示，本实施例提供的路侧感知系统的相机筛选装置400，相对于图3所示实施例，进一步更加详细地介绍本公开的技术方案。如图4所示，本实施例的路侧感知系统的相机筛选装置400，包括图3所示的同名同功能模块，计算模块401、获取模块402和确定模块403。83.在本公开的一个实施例中，计算模块401，用于：84.对于相机的成像图像中的各像素点，基于相机的像素焦距、主点坐标，获取对应的像素点在相机的坐标系下的归一化坐标；85.基于像素点在相机的坐标系下的归一化坐标、以及相机的径向畸变参数，获取相机的成像图像中的像素点的畸变值。86.进一步可选地，如图4所示，在本公开的一个实施例中，路侧感知系统的相机筛选装置400还包括：87.标定模块404，用于对相机进行标定，确定相机的内参。88.进一步可选地，在本公开的一个实施例中，标定模块404，用于：89.基于棋盘格图像，对相机进行标定，确定相机的内参。90.进一步可选地，在本公开的一个实施例中，获取模块402，还用于对相机进行标定的过程中，获取相机的去畸变精度；91.确定模块403，还用于检测并确定相机的去畸变精度满足预设的感知精度要求。92.进一步可选地，在本公开的一个实施例中，获取模块402，用于：93.对相机进行标定的过程中，获取相机采集的多张去畸变的棋盘格图像的重投影误差；94.获取多张去畸变的棋盘格图像的重投影误差的平均值，作为相机的去畸变精度。95.本实施例的路侧感知系统的相机筛选装置400，通过采用上述模块实现路侧感知系统的相机筛选的实现原理以及技术效果，与上述相关方法实施例的实现相同，详细可以参考上述相关方法实施例的记载，在此不再赘述。96.本公开的技术方案中，所涉及的用户个人信息的获取，存储和应用等，均符合相关法律法规的规定，且不违背公序良俗。97.根据本公开的实施例，本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。98.图5示出了可以用来实施本公开的实施例的示例电子设备500的示意性框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。99.如图5所示，设备500包括计算单元501，其可以根据存储在只读存储器(rom)502中的计算机程序或者从存储单元508加载到随机访问存储器(ram)503中的计算机程序，来执行各种适当的动作和处理。在ram503中，还可存储设备500操作所需的各种程序和数据。计算单元501、rom502以及ram503通过总线504彼此相连。输入/输出(i/o)接口505也连接至总线504。100.设备500中的多个部件连接至i/o接口505，包括：输入单元506，例如键盘、鼠标等；输出单元507，例如各种类型的显示器、扬声器等；存储单元508，例如磁盘、光盘等；以及通信单元509，例如网卡、调制解调器、无线通信收发机等。通信单元509允许设备500通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。101.计算单元501可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元501的一些示例包括但不限于中央处理单元(cpu)、图形处理单元(gpu)、各种专用的人工智能(ai)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(dsp)、以及任何适当的处理器、控制器、微控制器等。计算单元501执行上文所描述的各个方法和处理，例如本公开的上述方法。例如，在一些实施例中，本公开的上述方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元508。在一些实施例中，计算机程序的部分或者全部可以经由rom502和/或通信单元509而被载入和/或安装到设备500上。当计算机程序加载到ram503并由计算单元501执行时，可以执行上文描述的本公开的上述方法的一个或多个步骤。备选地，在其他实施例中，计算单元501可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行本公开的上述方法。102.本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(fpga)、专用集成电路(asic)、专用标准产品(assp)、芯片上系统的系统(soc)、复杂可编程逻辑设备(cpld)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。103.用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。104.在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(ram)、只读存储器(rom)、可擦除可编程只读存储器(eprom或快闪存储器)、光纤、便捷式紧凑盘只读存储器(cd-rom)、光学储存设备、磁储存设备、或上述内容的任何合适组合。105.为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，crt(阴极射线管)或者lcd(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。106.可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(lan)、广域网(wan)和互联网。107.计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，也可以为分布式系统的服务器，或者是结合了区块链的服务器。108.应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本公开公开的技术方案所期望的结果，本文在此不进行限制。109.上述具体实施方式，并不构成对本公开保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。当前第1页12当前第1页12
技术领域：
：，具体涉及智能交通等人工智能
技术领域：
：，尤其涉及一种路侧感知系统的相机筛选方法、装置、设备及存储介质。
背景技术：
：：2.在新型基础设施建设的大背景下，路侧感知系统为车路协同的车提供了超视距的感知信息。3.相机作为路侧感知系统的最主要的传感器之一，其图像的畸变对于感知精度影响巨大。相机的原始图像要先经过去畸变，才能进行后续的检测和感知。而相机的硬件去畸变，指的是在相机输出原始图像之前，在硬件中进行图像处理时进行去畸变处理，使得相机直接输出去畸变的图像，对后续的检测和感知可以节省较大的处理时延，利于相机的集成。技术实现要素：4.本公开提供了一种路侧感知系统的相机筛选方法、装置、设备及存储介质。5.根据本公开的一方面，提供了一种路侧感知系统的相机筛选方法，包括：6.基于待检测的相机的内参，计算所述相机的成像图像中的各像素点的畸变值；7.基于各所述像素点的畸变值，获取最大的畸变值作为所述相机的成像图像中的最大畸变值；8.若所述最大畸变值满足预设的畸变参数要求时，确定所述相机能够作为路侧感知系统的相机。9.根据本公开的另一方面，提供了一种路侧感知系统的相机筛选装置，包括：10.计算模块，用于基于待检测的相机的内参，计算所述相机的成像图像中的各像素点的畸变值；11.获取模块，用于基于各所述像素点的畸变值，获取最大的畸变值作为所述相机的成像图像中的最大畸变值；12.确定模块，用于若所述最大畸变值满足预设的畸变参数要求时，确定所述相机能够作为路侧感知系统的相机。13.根据本公开的再一方面，提供了一种电子设备，包括：14.至少一个处理器；以及15.与所述至少一个处理器通信连接的存储器；其中，16.所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如上所述的方面和任一可能的实现方式的方法。17.根据本公开的又一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使所述计算机执行如上所述的方面和任一可能的实现方式的方法。18.根据本公开的再另一方面，提供了一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现如上所述的方面和任一可能的实现方式的方法。19.根据本公开的技术，能够有效地为路侧感知系统筛选到感知能力较强的相机。20.应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。附图说明21.附图用于更好地理解本方案，不构成对本公开的限定。其中：22.图1是根据本公开第一实施例的示意图；23.图2是根据本公开第二实施例的示意图；24.图3是根据本公开第三实施例的示意图；25.图4是根据本公开第四实施例的示意图；26.图5是用来实现本公开实施例的方法的电子设备的框图。具体实施方式27.以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。28.显然，所描述的实施例是本公开一部分实施例，而不是全部的实施例。基于本公开中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的全部其他实施例，都属于本公开保护的范围。29.需要说明的是，本公开实施例中所涉及的终端设备可以包括但不限于手机、个人数字助理(personaldigitalassistant，pda)、无线手持设备、平板电脑(tabletcomputer)等智能设备；显示设备可以包括但不限于个人电脑、电视等具有显示功能的设备。30.另外，本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，a和/或b，可以表示：单独存在a，同时存在a和b，单独存在b这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。31.现有技术中，并非所有的相机都可以直接用于路侧感知系统中。若选取到一个不合适的相机用于路侧感知系统中，直接实现硬件去畸变处理，可能导致感知精度非常低，严重影响无人驾驶车辆的行驶安全。因此，亟需提供一种有效地路侧感知系统中的相机筛选方案。32.图1是根据本公开第一实施例的示意图；如图1所示，本实施例提供一种路侧感知系统的相机筛选方法，可以用于路侧感知系统的相机筛选装置中，具体可以包括如下步骤：33.s101、基于待检测的相机的内参，计算相机的成像图像中的各像素点的畸变值；34.s102、基于各像素点的畸变值，获取最大的畸变值作为相机的成像图像中的最大畸变值；35.s103、若最大畸变值满足预设的畸变参数要求时，确定该相机能够作为路侧感知系统的相机。36.本实施例的路侧感知系统的相机筛选装置，可以为一个独立的电子设备，用于对路侧感知系统的相机进行筛选。或者该路侧感知系统的相机筛选装置还可以为软件集成的应用，使用时运行在计算机等电子设备上，以实现对路侧感知系统的相机进行筛选。37.在实际应用中，为了缩短感知时延，提高相机的处理能力，可以在相机中去畸变处理。即在相机中直接通过硬件实现对采集的图像进行去畸变，并输出去畸变后的图像。本实施例中，获取的相机的成像图像即为该相机的硬件去畸变后的图像。38.具体地，本实施例中，可以基于待检测的相机的内参，获取相机的成像图像中的最大畸变值，该最大畸变值可以表征该相机的成像图像的畸变程度。例如，若获取到的最大畸变值越小，表示该相机的成像图像越真实，该相机的去畸变能力以及感知能力越强。反之，若获取到的最大畸变值越大，表示该相机的成像图像越不真实，该相机的去畸变能力以及感知能力越弱。39.具体地，可以先基于待检测的相机的内参，计算相机的成像图像中的各像素点的畸变值；然后基于各像素点的畸变值，获取最大的畸变值作为相机的成像图像中的最大畸变值。40.进一步地，本实施例中，可以基于该相机的成像图像的最大畸变值和预设的畸变参数要求，来确定该检测是否可以作为路侧系统的相机。若该相机的成像图像的最大畸变值满足预设的畸变参数要求，则该相机可以作为路侧系统的相机。否则，该相机不能作为路侧系统的相机。41.本实施例的路侧感知系统的相机筛选方法，通过基于待检测的相机的内参，获取相机的成像图像中的最大畸变值；并在最大畸变值满足预设的畸变参数要求时，确定该相机能够作为路侧感知系统的相机，能够有效地为路侧感知系统筛选到感知能力较强的相机，进而可以提高路侧感知系统的感知能力，并提高无人驾驶车辆的行驶安全。42.图2是根据本公开第二实施例的示意图；本实施例提供的路侧感知系统的相机筛选方法，在上述图1所示实施例的技术方案的基础上，进一步更加详细地描述本公开的技术方案。如图2所示，本实施例提供的路侧感知系统的相机筛选方法，具体可以包括如下步骤：43.s201、对相机进行标定，确定相机的内参；44.例如，本实施例中，相机的内参可以包括：x轴的焦距fx、y轴的焦距fy和主点坐标(cx,cy)、径向畸变参数k1、k2和k3，本实施例中不考虑切向畸变。其中主点坐标(cx,cy)表示相机的光心投影在图像中的像素点的坐标。45.可选地，在本公开的一个实施例中，可以基于棋盘格图像，对相机进行标定，确定相机的内参。例如，可以采用张正友相机标定方法，基于棋盘格图像，对相机进行标定，确定相机的内参，可以保证获取的内参的准确性，进而可以保证后续基于内参获取的其他参数的准确性。46.s202、对相机进行标定的过程中，获取相机的去畸变精度；47.本实施例中，在采用上述方式，对相机进行标定的过程中，需要同时获取相机的去畸变精度。48.例如，具体实现时，该步骤s202可以包括如下步骤：49.(a)对相机进行标定的过程中，获取相机采集的多张去畸变的棋盘格图像的重投影误差；50.(b)获取多张去畸变的棋盘格图像的重投影误差的平均值，作为相机的去畸变精度。51.在相机的标定过程中，该相机可以采集到多张去畸变的棋盘格图像，对于每一张去畸变的棋盘格图像，可以获取到一个重投影误差。本实施例中，直接取多张去畸变的棋盘格图像的重投影误差的平均值，作为相机的去畸变精度。采用该方式，可以有效地保证获取到的相机的去畸变精度的准确性。实际应用中，也可以采用其他类似的数学计算方式，计算相机的去畸变精度，在此不做限定。52.s203、检测相机的去畸变精度是否满足预设的感知精度要求；若满足，执行步骤s204；否则，若不满足，则确定该相机不能作为路侧感知系统的相机，结束。53.例如，本实施例中，可以设置预设的感知精度要求为要求去畸变精度达到小于1.0像素。采用该方式，可以对不满足要求的相机进行有效过滤，进一步可以提高筛选的相机的准确性。54.s204、基于相机的内参，计算相机的成像图像中的各像素点的畸变值；55.具体实现时，该步骤s204，可以包括如下步骤：56.(1)对于相机的成像图像中的各像素点，基于相机的像素焦距、主点坐标，获取对应的像素点在相机的坐标系下的归一化坐标；57.(2)基于像素点在相机的坐标系下的归一化坐标、以及相机的径向畸变参数，获取相机的成像图像中的像素点的畸变值。58.例如，采用(u,v)表示相机的成像图像中的任一像素点，该像素点在相机的坐标系下的归一化坐标可以表示为：59.xc1＝(u-cx)/fx60.yc1＝(v-cy)/fy61.其中(cx,cy)为主点坐标，fx和fy为相机的焦距。62.相机的归一化坐标系下的半径r具有如下关系：63.r2＝xc1*xc1 yc1*yc164.此时，相机的成像图像中该像素点的畸变值可以表示为：dist_value＝k1*r2 k2*r2*r2 k3*r2*r2*r2。65.按照上述方式可以计算到相机的成像图像中每一个像素点的畸变值。实际应用中，还可以基于上述原理，采用其他演绎的公式实现各像素点的畸变值的计算，在此不做限定。66.s205、基于各像素点的畸变值，获取最大的畸变值作为相机的成像图像中的最大畸变值；67.基于上述得到的相机的成像图像中的所有像素点的畸变值，获取其中最大的畸变值作为该相机的成像图像中的最大畸变值。采用该方式，可以有效地保证获取到的相机的成像图像中的最大畸变值的准确性。68.步骤s204-s205为上述图1所示实施例的步骤s101的一种实现方式。实际应用中，该相机的成像图像中的最大畸变值还可以采用其他方式来获取，在此不做限定。例如，可以取各像素点的畸变值中的最大畸变值再向上浮动一定的数值。69.s206、检测最大畸变值是否满足预设的畸变参数要求；若满足，确定该相机能够作为路侧感知系统的相机，结束；否则，若不满足，则确定该相机不能够作为路侧感知系统的相机，结束。70.例如，本实施例中，预设的畸变参数要求可以为畸变值小于0.01。实际应用中，该预设的畸变参数要求可以基于相机应用的实际场景，要求的精度做调整，在此不做限定。71.本实施例中筛选的相机，可以认为是一种智能相机，其硬件可以直接实现去畸变处理，即相机输出的图像为去畸变处理后的图像，进而可以缩短后续感知的时延，提高感知效率。72.本实施例的路侧感知系统的相机筛选方法，通过对相机进行标定，可以准确地确定相机的内参，进而可以基于准确的内参进行更加准确地相机筛选。73.进一步地，本实施例中，还可以在相机的标定过程中，获取相机的去畸变精度，并检测相机的去畸变精度是否满足预设的感知精度要求，若不满足，则直接确定该相机不能作为路侧感知系统的相机，能够有效地提高相机筛选的准确性。74.进一步地，若相机的去畸变精度满足预设的感知精度要求，进一步基于相机的内参，计算相机的成像图像中的各像素点的畸变值，并基于各像素点的畸变值，获取最大的畸变值作为相机的成像图像中的最大畸变值，能够有效地保证获取到的相机的成像图像的最大畸变值的准确性。75.进一步地，可以在检测到最大畸变值满足预设的畸变参数要求时，确定该相机能够作为路侧感知系统的相机，能够有效地为路侧感知系统筛选到感知能力较强的相机，进而可以提高路侧感知系统的感知能力，并提高无人驾驶车辆的行驶安全。76.本公开的上述技术方案，可以用于实现对枪式相机的筛选。在实际应用的场景中，枪式相机的微小畸变都会导致路侧感知系统的非常差的感知性能。基于此，采用本公开的技术方案，可以对路侧感知系统中的枪式相机进行有效筛选，以保证路侧感知系统的感知能力，进而可以为无人驾车车辆的安全行驶提供有效地保障。77.图3是根据本公开第三实施例的示意图；如图3所示，本实施例提供一种路侧感知系统的相机筛选装置300，包括：78.计算模块301，用于基于待检测的相机的内参，计算相机的成像图像中的各像素点的畸变值；79.获取模块302，用于基于各像素点的畸变值，获取最大的畸变值作为所述相机的成像图像中的最大畸变值；80.确定模块303，用于若最大畸变值满足预设的畸变参数要求时，确定相机能够作为路侧感知系统的相机。81.本实施例的路侧感知系统的相机筛选装置300，通过采用上述模块实现路侧感知系统的相机筛选的实现原理以及技术效果，与上述相关方法实施例的实现相同，详细可以参考上述相关方法实施例的记载，在此不再赘述。82.图4是根据本公开第四实施例的示意图；如图4所示，本实施例提供的路侧感知系统的相机筛选装置400，相对于图3所示实施例，进一步更加详细地介绍本公开的技术方案。如图4所示，本实施例的路侧感知系统的相机筛选装置400，包括图3所示的同名同功能模块，计算模块401、获取模块402和确定模块403。83.在本公开的一个实施例中，计算模块401，用于：84.对于相机的成像图像中的各像素点，基于相机的像素焦距、主点坐标，获取对应的像素点在相机的坐标系下的归一化坐标；85.基于像素点在相机的坐标系下的归一化坐标、以及相机的径向畸变参数，获取相机的成像图像中的像素点的畸变值。86.进一步可选地，如图4所示，在本公开的一个实施例中，路侧感知系统的相机筛选装置400还包括：87.标定模块404，用于对相机进行标定，确定相机的内参。88.进一步可选地，在本公开的一个实施例中，标定模块404，用于：89.基于棋盘格图像，对相机进行标定，确定相机的内参。90.进一步可选地，在本公开的一个实施例中，获取模块402，还用于对相机进行标定的过程中，获取相机的去畸变精度；91.确定模块403，还用于检测并确定相机的去畸变精度满足预设的感知精度要求。92.进一步可选地，在本公开的一个实施例中，获取模块402，用于：93.对相机进行标定的过程中，获取相机采集的多张去畸变的棋盘格图像的重投影误差；94.获取多张去畸变的棋盘格图像的重投影误差的平均值，作为相机的去畸变精度。95.本实施例的路侧感知系统的相机筛选装置400，通过采用上述模块实现路侧感知系统的相机筛选的实现原理以及技术效果，与上述相关方法实施例的实现相同，详细可以参考上述相关方法实施例的记载，在此不再赘述。96.本公开的技术方案中，所涉及的用户个人信息的获取，存储和应用等，均符合相关法律法规的规定，且不违背公序良俗。97.根据本公开的实施例，本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。98.图5示出了可以用来实施本公开的实施例的示例电子设备500的示意性框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。99.如图5所示，设备500包括计算单元501，其可以根据存储在只读存储器(rom)502中的计算机程序或者从存储单元508加载到随机访问存储器(ram)503中的计算机程序，来执行各种适当的动作和处理。在ram503中，还可存储设备500操作所需的各种程序和数据。计算单元501、rom502以及ram503通过总线504彼此相连。输入/输出(i/o)接口505也连接至总线504。100.设备500中的多个部件连接至i/o接口505，包括：输入单元506，例如键盘、鼠标等；输出单元507，例如各种类型的显示器、扬声器等；存储单元508，例如磁盘、光盘等；以及通信单元509，例如网卡、调制解调器、无线通信收发机等。通信单元509允许设备500通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。101.计算单元501可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元501的一些示例包括但不限于中央处理单元(cpu)、图形处理单元(gpu)、各种专用的人工智能(ai)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(dsp)、以及任何适当的处理器、控制器、微控制器等。计算单元501执行上文所描述的各个方法和处理，例如本公开的上述方法。例如，在一些实施例中，本公开的上述方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元508。在一些实施例中，计算机程序的部分或者全部可以经由rom502和/或通信单元509而被载入和/或安装到设备500上。当计算机程序加载到ram503并由计算单元501执行时，可以执行上文描述的本公开的上述方法的一个或多个步骤。备选地，在其他实施例中，计算单元501可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行本公开的上述方法。102.本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(fpga)、专用集成电路(asic)、专用标准产品(assp)、芯片上系统的系统(soc)、复杂可编程逻辑设备(cpld)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。103.用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。104.在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(ram)、只读存储器(rom)、可擦除可编程只读存储器(eprom或快闪存储器)、光纤、便捷式紧凑盘只读存储器(cd-rom)、光学储存设备、磁储存设备、或上述内容的任何合适组合。105.为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，crt(阴极射线管)或者lcd(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。106.可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(lan)、广域网(wan)和互联网。107.计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，也可以为分布式系统的服务器，或者是结合了区块链的服务器。108.应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本公开公开的技术方案所期望的结果，本文在此不进行限制。109.上述具体实施方式，并不构成对本公开保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。当前第1页12当前第1页12
再多了解一些
本文用于企业家、创业者技术爱好者查询，结果仅供参考。
