(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210825969.7 (22)申请日 2022.07.13 (71)申请人 安徽蔚来智驾科技有限公司 地址 230601 安徽省合肥市经济技 术开发 区宿松路396 3号恒创智能科技园F幢 (72)发明人 商明阳　 (74)专利代理 机构 北京瀚仁知识产权代理事务 所(普通合伙) 11482 专利代理师 陈敏 (51)Int.Cl. G06T 7/73(2017.01) G06T 7/13(2017.01) (54)发明名称 不可见车轮接地点的标注方法和车辆姿态 预测方法 (57)摘要 本发明涉及自动驾驶技术领域， 具体提供一 种不可见车轮接地点的标注方法、 车辆姿态预测 方法、 装置、 介质及车辆， 旨在解决在仅有一个车 轮接地点可见的情况下， 如何对不可见车轮接地 点进行有效标注， 并对车辆姿态进行有效预测的 问题。 为此目的， 本发明能够根据透视投影原理， 标注不可见车轮接地点， 标注过程更未准确、 易 操作、 成本低。 且本发明能够根据训练好的车轮 接地点连线角度预测模型对仅有一个可见车轮 接地点的待预测图像进行车轮接地点连线角度 进行预测， 并进行车轮接地点检测， 根据获得的 最终车轮接地点连线角度和最终车轮接地点， 来 获取车辆的姿态角度， 能够扩展车轮接地点的使 用场景， 有效提升自动驾驶过程的准确性和安全 性。 权利要求书2页 说明书12页 附图3页 CN 115205386 A 2022.10.18 CN 115205386 A 1.一种不可 见车轮接地 点的标注方法， 其特 征在于， 所述方法包括： 标注待标注图像中的可 见车轮接地 点； 根据透视投影原 理， 获取在所述可见车轮接地点同侧的车辆本身存在的两条平行线的 延长线在所述待标注图像中的交点； 根据所述交点和所述可 见车轮接地 点， 标注所述 不可见车轮接地 点。 2.根据权利要求1所述的不可见车轮接地点的标注方法， 其特征在于， “根据所述交点 和所述可 见车轮接地 点， 标注所述 不可见车轮接地 点”的步骤包括： 建立以所述交点 为起点， 指向所述可 见车轮接地 点的射线； 根据所述车辆的长度， 在所述 射线上标注所述 不可见车轮接地 点。 3.一种车辆姿态预测方法， 其特 征在于， 所述方法包括： 对所述待预测图像进行 车轮接地 点检测， 获取 所述待预测图像的最终车轮接地 点； 应用训练好的车轮接地点连线角度预测模型对待预测图像的车轮接地点连线角度进 行预测， 以获得 所述待预测图像中的最终车轮接地 点连线角度； 根据所述最终车轮接地点连线角度和所述最终车轮接地点， 获取所述车辆的姿态角 度， 其中所述车轮接地点连线角度预测模型基于标注数据集进行训练， 所述标注数据集包 含第一标注图像， 所述第一标注图像中包含一个标注的可见车轮接地点和一个标注的不可 见车轮接地 点， 所述不可见车轮接地 点根据权利要求1至2中任一项所述的方法进行 标注。 4.根据权利要求3所述的车辆姿态预测方法， 其特征在于， “对所述待预测图像进行车 轮接地点检测， 获取 所述待预测图像的最终车轮接地 点”的步骤包括： 对所述待预测图像进行车轮接地点检测， 获取所述待预测图像中的车轮接地点及所述 车轮接地 点的预测概 率； 选择预测概率最大的车轮接地 点作为最终车轮接地 点。 5.根据权利要求4所述的车辆姿态预测方法， 其特征在于， 所述车轮接地点连线角度包 括车辆左侧连线角度和车辆右侧连线角度， “应用训练好的车轮接地点连线角度预测模型 对待预测图像的车轮接地点连线角度进行预测， 以获得所述待预测图像中的最终车轮接地 点连线角度 ”的步骤包括： 应用训练好的车轮接地点连线角度预测模型获取所述待预测图像的车辆左侧连线角 度和车辆右侧连线角度； 根据所述车辆左侧连线角度、 车辆右侧连线角度和所述最终车轮接地点的位置， 确定 所述最终车轮接地 点连线角度。 6.根据权利要求5所述的车辆姿态预测方法， 其特征在于， “根据所述车辆左侧连线角 度、 车辆右侧连线角度和所述最 终车轮接地点的位置， 确定所述最 终车轮接地点连线角度 ” 的步骤包括： 若所述最终车轮接地点在位于车辆左侧， 则将所述车辆左侧连线角度作为所述最终车 轮接地点连线角度； 若所述最终车轮接地点在位于车辆右侧， 则将所述车辆右侧连线角度作为所述最终车 轮接地点连线角度。 7.根据权利要求5所述的车辆姿态预测方法， 其特征在于， “应用训练好的车轮接地点 连线角度预测模型获取所述待 预测图像的车辆左侧连线角度和车辆右侧连线角度 ”的步骤权　利　要　求　书 1/2 页 2 CN 115205386 A 2包括： 应用训练好的车轮接地点连线角度预测模型获取所述待预测图像的车辆左侧连线角 度的正弦值和余弦值； 根据所述 正弦值和余弦值获取 所述车辆左侧连线角度； 应用训练好的车轮接地点连线角度预测模型获取所述待预测图像的右侧连线的角度 正弦值和余弦值； 根据所述 正弦值和余弦值获取 所述车辆右侧连线角度。 8.根据权利要求5所述的车辆姿态预测方法， 其特征在于， “根根据所述最终车轮接地 点连线角度和所述 最终车轮接地 点， 获取所述车辆的姿态角度 ”的步骤包括： 根据所述最终车轮接地点连线角度和所述最终车轮接地点， 获取所述待预测图像 中的 所述最终车轮接地 点所在的车轮接地 点连线上的第二 点的位置； 根据所述 最终车轮接地 点的位置和所述第二 点的位置， 获取 所述车辆的姿态角度。 9.根据权利要求8所述的车辆姿态预测方法， 其特征在于， “根据所述最终车轮接地点 连线角度和所述最终车轮接地点， 获取所述待预测图像中的所述最 终车轮接地点所在的车 轮接地点连线上的第二 点的位置 ”的步骤包括： 判断所述最终车轮接地点同侧是否有除所述最终车轮接地点以外的其他车轮接地点 为可见车轮接地 点； 若是， 将所述可 见车轮接地 点作为所述第二 点； 若否， 根据以下公式获取 所述第二 点的位置： 其中， px、 py分别为所述第二点的x轴和y轴坐标值， 分别为所述最 终车轮接地点 的x轴和y轴坐标值， Δ为任意 正整数， θ 为所述 最终车轮接地 点连线角度。 10.根据权利要求9所述的车辆姿态预测方法， 其特征在于， 所述方法还包括根据以下 步骤判断其 他车轮接地 点是否为可 见车轮接地 点： 将其他车轮接地点的预测概率与 预设的预测概率阈值进行比较， 当所述预测概率大于 所述预测概 率阈值时， 判定其 他车轮接地 点为可见车轮接地 点。权　利　要　求　书 2/2 页 3 CN 115205386 A 3