在hud合格性判断时候主机厂家会要求给出一系列检测指标比如:

旋转度、畸变、梯形、长宽比、笑脸、重影等等。这些指标的计算是通过视觉处理对特定的图片进行比对计算得出,一般用类似下面的点线图来做模板,各点中心的连线用做畸变方面的计算和判定,而图中间的短线可以用于重影(ghost)判断。由于hud虚像尺寸会依据hud类型不同而有差别,所以图像上的测量点数也会有差别。测量点的数量是依据主机厂给出的要求,比如奔驰要求点间距小于0.5度,叠加上点要均匀分布这一个习惯性原则,利用简单的数学关系可以推出最少需要的点数目。

下面是我写的matlab/octave代码,按照小于0.5度要求编写,可以帮助估算点数和间距(在建议参数基础上自行进行微调)。

function [row_n,col_m,ind_up,ind_down,ind_left,ind_right,virtual_img_w,virtual_img_h]=calc_points(fov_h,fov_v,vid)

%funcction to calculate the recommended points for test image

% author:shuaiwen 

%usage: calc_points(fov_horizon,fov_vertical,vid)

 virtual_img_h=2*vid*tand(fov_v/2);

  virtual_img_w=2*vid*tand(fov_h/2);

  disp('size of virtual image w x h:');

  disp(virtual_img_w);disp(virtual_img_h);

  disp("interval between points:");

  delta=floor(2*vid*tand(0.5/2))

  disp("row x column:")

  row_n=floor(virtual_img_w/delta)+1

  col_m=floor(virtual_img_h/delta)+1

  disp("indent of left and right");

  ind_left=ind_right=(virtual_img_w-(row_n-1)*delta)/2.

  disp("indent of up");

  ind_up=floor((virtual_img_h-(col_m-1)*delta)/3)

  disp("indent of down:")

  ind_down=virtual_img_h-(col_m-1)*delta-ind_up

利用上面计算工具的辅助,结合手工调整,可以得出下面的参考布局:

类型

Fov & vid

虚像宽和高(毫米)

检测图点数

建议边框

Hud 2.0

9度×3度@3m

472.21×157.12

19×7个测试点,点间距25mm(0.48度)

左右各11.1mm,上下:2mm和5.12mm,

Hud3.0

9度×3度@4.5m

708.32×235.67

20×7个测试点,点间距35mm(0.45度)

左右各21.66mm,上下:8mm和17.67mm

AR-HUD

10度×5度@10m

1749.8×873.22

21×11个测试点,点间距80mm(0.46度)

左右各74.9mm,上下:20mm和53.22mm

Hud检测之图像点数计算相关推荐

  1. 目标检测的图像特征提取

    转自:http://blog.csdn.net/zouxy09/article/details/7929348 作者:zouxy09 目标检测的图像特征提取之(一)HOG特征 1.HOG特征: 方向梯 ...

  2. 使用Python,OpenCV+OCR检测护照图像中的机器可读区域(MRZ Machine-Readable Zones)

    使用Python,OpenCV+OCR检测护照图像中的机器可读区域(MRZ Machine-Readable Zones) 1. 效果图 2. 原理 3. 源码 参考 这篇博客将介绍如何只使用基本的图 ...

  3. OpenCV特征点检测匹配图像-----添加包围盒

    OpenCV特征点检测匹配图像-----添加包围盒 最终效果: 其实这个小功能非常有用,甚至加上只有给人感觉好像人脸检测,目标检测直接成了demo了,主要代码如下: // localize the o ...

  4. 目标检测的图像特征提取—Haar特征

    1.Haar-like特征 Haar-like特征最早是由Papageorgiou等应用于人脸表示,Viola和Jones在此基础上,使用3种类型4种形式的特征. Haar特征分为三类:边缘特征.线性 ...

  5. 视频目标检测与图像目标检测的区别

    一. 前言 本文介绍了知乎上关于视频目标检测与图像目标检测的区别的几位大佬的回答.主要内容包括有视频目标检测与图像目标检测的区别.视频目标检测的研究进展.研究思路和方法. 作者:Naiyan Wang ...

  6. (20)目标检测算法之YOLOv5计算预选框、详解anchor计算

    目标检测算法之YOLOv5计算预选框.详解anchor计算 单节段目标检测算法中:预选框的设定直接影响最终的检测精度 众所周知,yolov5中采用自适应调整预选框anchor的大小,但万事开头难,配置 ...

  7. 回环检测线程 检测闭环候选帧 计算闭环处相似变换sim3 闭环处融合更新

    回环检测线程 检测闭环候选帧 计算闭环处相似变换sim3 闭环处融合更新 博文末尾支持二维码赞赏哦 github地址 /** * This file is part of ORB-SLAM2. * 回 ...

  8. Python 计算两个连通子图距离_【CV学习笔记】图像的计算

    关注"深度学习冲鸭",一起学习一起冲鸭! 设为星标,第一时间获取更多干货 作者:云时之间 来源:知乎 链接:https://zhuanlan.zhihu.com/p/1038790 ...

  9. 将 TensorFlow 移植到 Android手机,实现物体识别、行人检测和图像风格迁移详细教程

    2017/02/23 更新 贴一个TensorFlow 2017开发者大会的Mobile专题演讲 移动和嵌入式TensorFlow 这里面有重点讲到本文介绍的三个例子,以及其他的移动和嵌入式方面的TF ...

最新文章

  1. redis windows版本的使用
  2. 疯狂秀才权限管理系统,开源了
  3. python str转int_Python入门丨数据类型与转换
  4. python中的类装饰器应用场景_python中的装饰器常用于哪些应用场景
  5. Java 学习第一天
  6. 为SQL Server 增加链接到SQL Server 的链接服务器
  7. 微信小程序实现网络请求API获取数据
  8. 字符串String实战之商品对象缓存管理之新增与获取详情
  9. 1941. Scary Martian Word
  10. phpadmin安装到mysql中_phpadmin安装教程
  11. 伸展树算法c语言,数据结构之伸展树详解
  12. 经验分享!java程序员面试十多家公司后的经验心得
  13. android 陀螺仪简单的使用
  14. linux 设置文件为可修改密码,linux 为用户设定、修改密码 passwd
  15. 想进大厂, Jira 管理平台你会用么?
  16. CAN总线(二)——CAN2.0标准与协议分析
  17. 星空的征途:浪潮如何用三个力加速行业AI?
  18. 我的C语言学习之路1——求串联电阻值
  19. Unity最佳实践-物理计算
  20. 关于一个大一学生的俄罗斯方块项目分享C#开发,附源码(三)

热门文章

  1. 「卷无人道」,手机app定制
  2. 【Python】小甲鱼Python学习总结——代码版
  3. 如何提高推荐量?新手必知 头条号推荐机制
  4. 2022年氧化工艺考试练习题模拟考试平台操作
  5. Vue-实现商品放大镜效果
  6. C++Primer 习题 第7章
  7. php微信绑定银行卡_微信开发企业支付到银行卡PHP
  8. Python——计算程序运行帧率(FPS)
  9. mac注销快捷键_mac关机的快捷键,不要强制关机。
  10. 618大促,我把知识星球的价格调错了……