用于车载鱼眼相机的图像处理方法和装置与流程

本公开涉及计算机图像处理领域，具体地，涉及一种用于车载鱼眼相机的图像处理方法和装置。

背景技术：

鱼眼相机是指带有鱼眼镜头的相机，鱼眼镜头是一种焦距极短并且视角接近或等于180°的镜头。为使镜头达到最大的摄影视角，这种摄影镜头的前镜片呈抛物状向镜头前部凸出，与鱼的眼睛颇为相似，“鱼眼镜头”因此而得名。鱼眼镜头属于超广角镜头中的一种特殊镜头，它的视角力求达到或超出人眼所能看到的范围。因此，鱼眼镜头中的图像与人们眼中的真实世界的景象存在很大的差别。

由于鱼眼相机的广角性能，其在车辆行驶中进行监控的功能受到了广泛的关注。越来越多的车辆中安装了鱼眼相机，以对周围的车辆、路况等进行跟踪记录。

技术实现要素：

本公开的目的是提供一种简单高效的用于车载鱼眼相机的图像处理方法和装置。

为了实现上述目的，本公开提供一种用于车载鱼眼相机的图像处理方法，应用于车辆。所述车载鱼眼相机安装在所述车辆的顶部，所述车载鱼眼相机的镜头朝向垂直于所述车辆的顶盖且向上的方向。所述方法包括：获取所述鱼眼相机采集的鱼眼图像；从所述鱼眼图像中筛选出所述车辆四周的环境图像；将所述环境图像投影到平面模型中，得到平面图像；在检测到所述平面图像中有车辆时，根据所述平面图像确定所述车辆与所述平面图像中的车辆的距离。

可选地，所述从所述鱼眼图像中筛选出所述车辆四周的环境图像的步骤包括：将所述鱼眼图像转换为灰度图像；根据最大类间方差法确定出所述灰度图像中的天空图像；删除所述天空图像，得到所述环境图像。

可选地，所述根据最大类间方差法确定出所述灰度图像中的天空图像的步骤包括：根据最大类间方差法确定出所述灰度图像中的天空区域图像；将所述天空区域图像中的最大内切圆内的图像确定为所述天空图像。

可选地，所述将所述环境图像投影到平面模型中，得到平面图像的步骤包括：将所述环境图像投影到球面模型中，得到球面图像；将所述球面图像投影到平面模型中，得到所述平面图像。

可选地，所述在检测到所述平面图像中有车辆时，根据所述平面图像确定所述车辆与周围车辆的距离的步骤包括：在检测到所述平面图像中有车辆时，确定所述平面图像中的车辆在所述平面图像中的图像宽度；在检测到所述平面图像中有车辆时，确定与所述图像宽度对应的所述平面图像中的车辆的实际宽度；根据所述图像宽度和所述实际宽度，确定所述车辆与所述平面图像中的车辆的距离。

可选地，所述在检测到所述平面图像中有车辆时，确定与所述图像宽度对应的所述平面图像中的车辆的实际宽度的步骤包括：根据所述平面图像确定所述平面图像中的车辆的品牌；根据所述平面图像中的车辆的品牌确定与所述图像宽度对应的所述平面图像中的车辆的实际宽度。

可选地，所述在检测到所述平面图像中有车辆时，确定与所述图像宽度对应的所述平面图像中的车辆的实际宽度的步骤包括：在检测到所述平面图像中有车辆时，将所述平面图像发送至服务器；从所述服务器接收与所述图像宽度对应的所述平面图像中的车辆的实际宽度，其中，所述服务器根据所述平面图像确定所述平面图像中的车辆的品牌，并根据所述平面图像中的车辆的品牌确定与所述图像宽度对应的所述平面图像中的车辆的实际宽度。

本公开还提供一种用于车载鱼眼相机的图像处理方法，应用于服务器。所述车载鱼眼相机安装在车辆的顶部，所述车载鱼眼相机的镜头朝向垂直于所述车辆的顶盖且向上的方向。所述方法包括：接收所述车辆在检测到平面图像中有车辆时发送的所述平面图像，其中，所述车辆获取所述鱼眼相机采集的鱼眼图像，从所述鱼眼图像中筛选出所述车辆四周的环境图像，并将所述环境图像投影到平面模型中，得到所述平面图像；根据所述平面图像确定所述平面图像中的车辆的品牌；根据所述平面图像中的车辆的品牌确定与所述平面图像中的车辆在所述平面图像中的图像宽度对应的所述平面图像中的车辆的实际宽度；将所述平面图像中的车辆的实际宽度发送至所述车辆，以由所述车辆根据所述图像宽度和所述实际宽度，确定所述车辆与所述平面图像中的车辆的距离。

本公开还提供一种用于车载鱼眼相机的图像处理装置，应用于车辆。所述车载鱼眼相机安装在所述车辆的顶部，所述车载鱼眼相机的镜头朝向垂直于所述车辆的顶盖且向上的方向。所述装置包括：获取模块，用于获取所述鱼眼相机采集的鱼眼图像；筛选模块，用于从所述鱼眼图像中筛选出所述车辆四周的环境图像；投影模块，用于将所述环境图像投影到平面模型中，得到平面图像；确定模块，用于在检测到所述平面图像中有车辆时，根据所述平面图像确定所述车辆与所述平面图像中的车辆的距离。

本公开还提供一种用于车载鱼眼相机的图像处理装置，应用于服务器。所述车载鱼眼相机安装在车辆的顶部，所述车载鱼眼相机的镜头朝向垂直于所述车辆的顶盖且向上的方向。所述装置包括：图像接收模块，用于接收所述车辆在检测到平面图像中有车辆时发送的所述平面图像，其中，所述车辆获取所述鱼眼相机采集的鱼眼图像，从所述鱼眼图像中筛选出所述车辆四周的环境图像，并将所述环境图像投影到平面模型中，得到所述平面图像；品牌确定模块，用于根据所述平面图像确定所述平面图像中的车辆的品牌；宽度确定模块，用于根据所述平面图像中的车辆的品牌确定与所述平面图像中的车辆在所述平面图像中的图像宽度对应的所述平面图像中的车辆的实际宽度；宽度发送模块，用于将所述平面图像中的车辆的实际宽度发送至所述车辆，以由所述车辆根据所述图像宽度和所述实际宽度，确定所述车辆与所述平面图像中的车辆的距离。

通过上述技术方案，从鱼眼相机采集的鱼眼图像中筛选出车辆四周的环境图像，根据环境图像确定出图像中的车辆与本车的距离。对于安装在车辆顶部且镜头朝向垂直于车辆的顶盖且向上的方向的车载鱼眼相机采集的图像来说，能够去除掉天空的图像，以使后续进行图像处理时信息量减少，从而使图像处理的速度加快。这样，能够在使用一个鱼眼相机来监测车辆四周环境的情况下，较快地确定周围车辆的距离，用该方法确定的车距作为辅助驾驶的依据时，能够增加车辆行驶的安全性。

本公开的其他特征和优点将在随后的具体实施方式部分予以详细说明。

附图说明

附图是用来提供对本公开的进一步理解，并且构成说明书的一部分，与下面的具体实施方式一起用于解释本公开，但并不构成对本公开的限制。在附图中：

图1是一示例性实施例提供的用于车载鱼眼相机的图像处理方法的流程图；

图2是一示例性实施例提供的筛选环境图像的流程图；

图3是一示例性实施例提供的得到平面图像的流程图；

图4是一示例性实施例提供的球面图像投影为平面图像的示意图；

图5是一示例性实施例提供的确定与周围车辆的距离的流程图；

图6是一示例性实施例提供的确定车距的示意图；

图7是一示例性实施例提供的确定车辆的实际宽度的流程图；

图8是另一示例性实施例提供的确定车辆的实际宽度的流程图；

图9是一示例性实施例提供的车载鱼眼相机的图像处理方法的流程图；

图10是一示例性实施例提供的用于车载鱼眼相机的图像处理装置的结构框图；

图11是一示例性实施例提供的用于车载鱼眼相机的图像处理装置的结构框图。

具体实施方式

以下结合附图对本公开的具体实施方式进行详细说明。应当理解的是，此处所描述的具体实施方式仅用于说明和解释本公开，并不用于限制本公开。

在本公开中，在未作相反说明的情况下，使用的方位词如“上、下、左、右”通常是指在车辆行驶过程中，相对于驾驶员的方位。

本公开中，车载鱼眼相机安装在车辆的顶部，车载鱼眼相机的镜头朝向垂直于所述车辆的顶盖且向上的方向。这样，能够通过一个鱼眼相机对车辆四周360°的环境进行监测。相比于安装一个前向鱼眼镜头来说，监测的范围扩大了，相比于安装分别朝向车辆的前、后、左、右四个方向的四个鱼眼相机来说，减少了相机数目，从而降低了硬件上的处理难度，也降低了成本。

图1是一示例性实施例提供的用于车载鱼眼相机的图像处理方法的流程图。如图1所示，所述方法可以包括以下步骤。

在步骤s11中，获取鱼眼相机采集的鱼眼图像。

如上所述，鱼眼镜头属于超广角镜头中的一种特殊镜头。鱼眼镜头中的图像(也就是鱼眼图像)与人们眼中的真实世界的景象存在很大的差别。

在步骤s12中，从鱼眼图像中筛选出所述车辆四周的环境图像。

环境图像指的是车辆周围的道路上的图像。本公开的鱼眼相机采集的鱼眼图像中很大一部分图像是天空。因此，在获取鱼眼图像以后，可以将例如天空部分的像素点删除，只对表示车辆四周环境的剩余像素点进行处理。在一实施例中，可以将鱼眼图像中位于中心且半径为预定半径的圆内的像素点确认为天空部分的图像，将剩余(圆环状)的图像作为环境图像来进行处理。其中，预定的半径可以根据经验和试验的方法得出。

在步骤s13中，将环境图像投影到平面模型中，得到平面图像。

上述环境图像是从鱼眼图像中去除部分像素点以后的图像，因此环境图像也是发生畸变的图像。可以根据相关的矫正鱼眼图像的多种方法将环境图像投影到平面模型中，得到平面图像。平面图像是消除畸变后的图像。该步骤也就是消除图像畸变的过程。

在步骤s14中，在检测到平面图像中有车辆时，根据平面图像确定所述车辆与平面图像中的车辆的距离。

其中，可以根据图像中的线条、形状、颜色等特征，结合经过预先学习好的识别模型来检测图像中是否有车辆，即通过常用的车辆图像识别方法来检测平面图像中是否有车辆。当平面图像中有车辆时，可以确定车辆附近有其他的车辆。当鱼眼相机作为辅助驾驶的工具时，可以根据其监测的图像确定本车与周围车辆的距离。

具体地，可以通过小孔成像原理，根据图像中的车辆宽度、车辆的实际宽度、以及相机的焦距来计算出本车与图像中车辆的距离。其中，车辆的实际宽度例如可以采用预设的值。

通过上述技术方案，从鱼眼相机采集的鱼眼图像中筛选出车辆四周的环境图像，根据环境图像确定出图像中的车辆与本车的距离。对于安装在车辆顶部且镜头朝向垂直于车辆的顶盖且向上的方向的车载鱼眼相机采集的图像来说，能够去除掉天空的图像，以使后续进行图像处理时信息量减少，从而使图像处理的速度加快。这样，能够在使用一个鱼眼相机来监测车辆四周环境的情况下，较快地确定周围车辆的距离，用该方法确定的车距作为辅助驾驶的依据时，能够增加车辆行驶的安全性。

图2是一示例性实施例提供的筛选环境图像的流程图。如图2所示，从鱼眼图像中筛选出所述车辆四周的环境图像的步骤(步骤s12)可以包括以下步骤。

在步骤s121中，将鱼眼图像转换为灰度图像。

可以采用彩色图像转换为灰度图像的相关方法来将鱼眼图像转换为灰度图像。如果鱼眼相机所采集到鱼眼图像就是灰度图像，则此步骤可以省略。

在步骤s122中，根据最大类间方差法(otsu)确定出灰度图像中的天空图像。

最大类间方差法可以根据灰度图像的灰度特性，将灰度图像分成背景和目标两部分。背景和目标之间的类间方差越大，说明构成图像的这部分的差别越大。当部分目标错分为背景或部分背景错分为目标都会导致这两部分差别变小。因此，使类间方差最大的分割意味着错分概率最小。其中，灰度图像中的背景可以为天空，也就是确定出的背景图像就是天空的图像。

其中，可以直接按照最大类间方差法确定出的背景图像作为天空图像，也可以在最大类间方差法确定出的背景图像的基础上，对背景图像做进一步的处理来得到最终的天空图像，使得所得到的天空图像和环境图像的几何图形更加规整。

例如，在一实施例中，根据最大类间方差法确定出所述灰度图像中的天空图像的步骤(步骤s122)可以包括：根据最大类间方差法确定出灰度图像中的天空区域图像；以及将天空区域图像中的最大内切圆内的图像确定为所述天空图像。也就是，根据最大类间方差法确定出灰度图像中的背景图像(即天空区域图像)可能是边缘不规则的图像，可以取该不规则的图像中的最大内切圆作为天空图像(最大内切圆以鱼眼图像的圆心为圆心)，该实施例中，将一部分的天空图像也作为了环境图像，这样，使最终得到的环境图像是一个边缘整齐的图像(一个圆环)，以利于后期环境图像投影到平面模型的处理，并利于减小输出的误差。

在步骤s123中，删除天空图像，得到环境图像。

也就是，将确定为天空图像的部分删除掉，后续不再对其进行处理。删除天空图像以后，鱼眼图像中剩余部分为环境图像，即表示车辆周围的路面信息的图像。

该实施例中，用最大类间方差法将鱼眼图像中的天空图像确定出来，从而能够准确地筛选出环境图像，使得处理后最终确定出的车辆距离更加准确，提高了车辆行驶的安全性。

图3是一示例性实施例提供的得到平面图像的流程图。如图3所示，将环境图像投影到平面模型中，得到平面图像的步骤(步骤s13)可以包括以下步骤。

在步骤s131中，将环境图像投影到球面模型中，得到球面图像。

由上所述，环境图像属于鱼眼图像的一部分。将鱼眼类型的图像投影到球面模型中，例如可以根据等距投影的方法来完成。

在步骤s132中，将球面图像投影到平面模型中，得到平面图像。

具体地，可以将球面图像投影到车辆的前、后、左、右四个平面上，得到四个平面图像。每个平面对应的视角为90°。例如，可以通过光源映射法，将球面图像投影到相切的外接平面上。也就是，通过球心的直线，将其穿过的球面上的像素点映射到所穿过的平面上的点。

图4是一示例性实施例提供的球面图像投影为平面图像的示意图，也就是上述光源映射法的示意图。如图4所示，o为球面模型的球心，直线xy表示与球面相切的平面。假设o点处有一光源，该光源发出的光线沿直线传播，与球面相交于a点，与平面相交于a'点，则可以将a点处的像素点映射到平面上的a'处，最终将球面上的所有像素点都映射到平面上。

在另一实施例中，也可以先将球面图像投影到柱面模型中，得到柱面图像，再将柱面图像投影到平面模型中，得到平面图像。将球面图像投影到柱面模型中，例如可以根据圆柱投影的方法来完成。圆柱投影是地图投影的一类，即假设一个圆柱与一个球相切，以圆柱面作为投影面，将球面上的经纬线投影到圆柱面上，形成柱面图像。其中，柱面中是一个二维矩阵，二维矩阵的元素值可以用球面中的经纬度来代替。这种投影方法具有较强的直观性。例如，在上述环境图像筛选为圆环的实施例中，经度的范围是0-360°，维度的范围是从圆环的内半径到外半径所对应的角度。

在图3所示的实施例中，经过球面模型的中间转换，使得映射得到的平面图像更加接近实际，图像处理更加准确。

图5是一示例性实施例提供的确定与周围车辆的距离的流程图。如图5所示，在检测到平面图像中有车辆时，根据平面图像确定所述车辆与周围车辆的距离的步骤(步骤s14)可以包括以下步骤。

在步骤s141中，在检测到平面图像中有车辆时，确定平面图像中的车辆在平面图像中的图像宽度。

如前所述，可以通过预先学习好的车辆识别模型来检测图像中是否有车辆，即通过相关的车辆图像识别方法来检测平面图像中是否有车辆。所述图像宽度是指平面图像中的车辆在图像中的宽度。

在步骤s142中，在检测到平面图像中有车辆时，确定与图像宽度对应的平面图像中的车辆的实际宽度。

具体地，可以根据车辆线条、形状等特征确定出平面图像中车辆的部位，例如，前面、后面、或者侧面。可以预先训练好车辆部位识别模型，根据该车辆部位识别模型对平面图像进行检测，以确定出平面图像中的车辆位置。当确定车辆位置时，可以根据预先存储的车辆位置与预定宽度的对应关系，确定出车辆的实际宽度。例如，如果确定是车辆后面，则可以通过查表的方式确定出平面图像中的车辆的实际宽度为1.7米。

在步骤s143中，根据所述图像宽度和所述实际宽度，确定所述车辆与所述平面图像中的车辆的距离。例如，可以根据小孔成像法，结合相机的焦距，确定出所述车辆与所述平面图像中的车辆的距离。图6是一示例性实施例提供的确定车距的示意图。如图6所示，鱼眼相机p安装在车辆的顶部。根据小孔成像原理，有：d＝f*m/n，其中，d表示鱼眼相机与前车之间的距离，f为鱼眼相机的焦距，m为前车实际宽度。n为前车在图像中的宽度。鱼眼相机p与前车之间的距离d减去鱼眼相机p与本车前端的距离可以确定出本车与前车之间的距离。

其中，步骤s141和步骤s142可以以任意顺序进行，也可以同时进行。该实施例中，通过预先训练好的识别模型和简单的数学运算，来得到车辆之间的距离，更高效地为车辆的辅助驾驶提供保障。

在上述图5的实施例中，平面图像中的车辆的实际宽度可以先确定车辆品牌，再根据车辆品牌来确定。图7是一示例性实施例提供的确定车辆的实际宽度的流程图。如图7所示，在检测到平面图像中有车辆时，确定与图像宽度对应的平面图像中的车辆的实际宽度的步骤(步骤s142)可以包括以下步骤。

在步骤s1421中，根据平面图像确定平面图像中的车辆的品牌。

其中，可以预先根据相关技术，利用车辆的车头、车尾、车身信息、以及卷积神经网络训练好车辆品牌分类器，然后将平面图像输入该车辆品牌分类器中，得到平面图像中的车辆的品牌。

在步骤s1422中，根据平面图像中的车辆的品牌确定与图像宽度对应的平面图像中的车辆的实际宽度。

可以预先建立车辆信息数据库，该车辆信息数据库中存储有各种车辆的车头、车身、车位的宽度信息。根据已确定好的车辆品牌在数据库中查找到车辆实际的宽度。

该实施例中，能够根据车辆品牌较准确地确定车辆的实际宽度，从而能够更加准确地确定车距。

在上述图5的实施例中，平面图像中的车辆的实际宽度还可以由服务器来确定。图8是另一示例性实施例提供的确定车辆的实际宽度的流程图。如图8所示，在检测到平面图像中有车辆时，确定与图像宽度对应的平面图像中的车辆的实际宽度的步骤(步骤s142)可以包括以下步骤。

在步骤s1423中，在检测到平面图像中有车辆时，将平面图像发送至服务器。

在步骤s1424中，从服务器接收与图像宽度对应的平面图像中的车辆的实际宽度。其中，服务器根据平面图像确定平面图像中的车辆的品牌，并根据平面图像中的车辆的品牌确定与图像宽度对应的平面图像中的车辆的实际宽度。

与图7的实施例相比较，在图8的实施例中，确定车辆品牌以及在数据库中查找车辆的实际宽度由服务器来完成。车辆只需要向服务器发送平面图像，以及从服务器接收实际宽度信息，而训练好的车辆品牌分类器以及车辆信息数据库都可以存储在服务器中。这样，节省了车辆的内存，减少了车辆的数据处理，从而加快了车辆一侧的数据处理速度。

本公开还提供一种用于车载鱼眼相机的图像处理方法，用于服务器。其中，车载鱼眼相机安装在车辆的顶部，车载鱼眼相机的镜头朝向垂直于所述车辆的顶盖且向上的方向。图9是一示例性实施例提供的车载鱼眼相机的图像处理方法的流程图。如图9所示，所述方法可以包括以下步骤。

在步骤s21中，接收所述车辆在检测到平面图像中有车辆时发送的平面图像，其中，所述车辆获取鱼眼相机采集的鱼眼图像，从鱼眼图像中筛选出所述车辆四周的环境图像，并将环境图像投影到平面模型中，得到平面图像。

在步骤s22中，根据平面图像确定平面图像中的车辆的品牌。

在步骤s23中，根据平面图像中的车辆的品牌确定与平面图像中的车辆在平面图像中的图像宽度对应的平面图像中的车辆的实际宽度。

在步骤s24中，将平面图像中的车辆的实际宽度发送至所述车辆，以由所述车辆根据图像宽度和实际宽度，确定所述车辆与平面图像中的车辆的距离。

服务器一侧的数据处理方法与图7的实施例中车辆端的数据处理方法相同，于此不再详细描述。

本公开还提供一种用于车载鱼眼相机的图像处理装置，应用于车辆。车载鱼眼相机安装在所述车辆的顶部，车载鱼眼相机的镜头朝向垂直于所述车辆的顶盖且向上的方向。图10是一示例性实施例提供的用于车载鱼眼相机的图像处理装置的结构框图。如图10所示，所述用于车载鱼眼相机的图像处理装置10可以包括获取模块11、筛选模块12、投影模块13和确定模块14。

获取模块11用于获取鱼眼相机采集的鱼眼图像。

筛选模块12用于从鱼眼图像中筛选出所述车辆四周的环境图像。

投影模块13用于将环境图像投影到平面模型中，得到平面图像。

确定模块14用于在检测到平面图像中有车辆时，根据平面图像确定所述车辆与平面图像中的车辆的距离。

可选地，所述筛选模块12可以包括转换子模块、第一确定子模块和删除子模块。

转换子模块用于将所述鱼眼图像转换为灰度图像。

第一确定子模块用于根据最大类间方差法确定出所述灰度图像中的天空图像。

删除子模块用于删除所述天空图像，得到所述环境图像。

可选地，所述第一确定子模块可以包括第二确定子模块和第三确定子模块。

第二确定子模块用于根据最大类间方差法确定出灰度图像中的天空区域图像。

第三确定子模块用于将天空区域图像中的最大内切圆内的图像确定为所述天空图像。

可选地，所述投影模块13可以包括第一投影子模块和第二投影子模块。

第一投影子模块用于将环境图像投影到球面模型中，得到球面图像。

第二投影子模块用于将球面图像投影到平面模型中，得到平面图像。

可选地，所述确定模块14可以包括第四确定子模块、第五确定子模块和第六确定子模块。

第四确定子模块用于在检测到平面图像中有车辆时，确定平面图像中的车辆在平面图像中的图像宽度。

第五确定子模块用于在检测到平面图像中有车辆时，确定与图像宽度对应的平面图像中的车辆的实际宽度。

第六确定子模块用于根据图像宽度和所述实际宽度，确定所述车辆与平面图像中的车辆的距离。

可选地，所述第五确定子模块可以包括品牌确定子模块和宽度确定子模块。

品牌确定子模块用于根据平面图像确定所述平面图像中的车辆的品牌。

宽度确定子模块用于根据平面图像中的车辆的品牌确定与图像宽度对应的平面图像中的车辆的实际宽度。

可选地，所述第五确定子模块可以包括发送子模块和接收子模块。

发送子模块用于在检测到平面图像中有车辆时，将平面图像发送至服务器。

接收子模块用于从服务器接收与图像宽度对应的平面图像中的车辆的实际宽度。其中，服务器根据平面图像确定平面图像中的车辆的品牌，并根据平面图像中的车辆的品牌确定与图像宽度对应的平面图像中的车辆的实际宽度。

本公开还提供一种用于车载鱼眼相机的图像处理装置，应用于服务器。车载鱼眼相机安装在所述车辆的顶部，车载鱼眼相机的镜头朝向垂直于所述车辆的顶盖且向上的方向。图11是一示例性实施例提供的用于车载鱼眼相机的图像处理装置的结构框图。如图11所示，所述用于车载鱼眼相机的图像处理装置20可以包括图像接收模块21、品牌确定模块22、宽度确定模块23和宽度发送模块24。

图像接收模块21用于接收所述车辆在检测到平面图像中有车辆时发送的平面图像，其中，所述车辆获取鱼眼相机采集的鱼眼图像，从鱼眼图像中筛选出所述车辆四周的环境图像，并将环境图像投影到平面模型中，得到平面图像。

品牌确定模块22用于根据平面图像确定平面图像中的车辆的品牌。

宽度确定模块23用于根据平面图像中的车辆的品牌确定与平面图像中的车辆在平面图像中的图像宽度对应的平面图像中的车辆的实际宽度。

宽度发送模块24用于将平面图像中的车辆的实际宽度发送至所述车辆，以由所述车辆根据图像宽度和实际宽度，确定所述车辆与平面图像中的车辆的距离。

关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。

通过上述技术方案，从鱼眼相机采集的鱼眼图像中筛选出车辆四周的环境图像，根据环境图像确定出图像中的车辆与本车的距离。对于安装在车辆顶部且镜头朝向垂直于车辆的顶盖且向上的方向的车载鱼眼相机采集的图像来说，能够去除掉天空的图像，以使后续进行图像处理时信息量减少，从而使图像处理的速度加快。这样，能够在使用一个鱼眼相机来监测车辆四周环境的情况下，较快地确定周围车辆的距离，用该方法确定的车距作为辅助驾驶的依据时，能够增加车辆行驶的安全性。

以上结合附图详细描述了本公开的优选实施方式，但是，本公开并不限于上述实施方式中的具体细节，在本公开的技术构思范围内，可以对本公开的技术方案进行多种简单变型，这些简单变型均属于本公开的保护范围。

另外需要说明的是，在上述具体实施方式中所描述的各个具体技术特征，在不矛盾的情况下，可以通过任何合适的方式进行组合。为了避免不必要的重复，本公开对各种可能的组合方式不再另行说明。

此外，本公开的各种不同的实施方式之间也可以进行任意组合，只要其不违背本公开的思想，其同样应当视为本公开所公开的内容。