totic confidence intervalsfor indirect effects in structural equat1n models” 的文章。边缘检测方法还可以是例如canny边缘检测方法等。另外，在提取边缘特征之后，可以进行额外的平滑或者增强处理。
[0031]在步骤S1020中，确定物体的参考点。
[0032]该物体的参考点供后续计算边缘分段相对该参考点的相对角度时使用。在一个示例中，物体的参考点为物体的质心。在另一示例中，物体的参考点可以为物体的某个拐角点。在另一个示例中，物体的参考点可以其为外接圆或外接矩形的中心。对物体的参考点没有特别的限制。不过，优选地，选用物体的质心作为物体的参考点。因为这样可以得到分布较均衡的边缘相对角度。
[0033]物体的参考点可以手动选取或者由机器自动确定。
[0034]在步骤S1030中，对物体的边缘进行分段，得到分段后的边缘。
[0035]在一个示例中，采用等长度的原则对于边缘进行分段。
[0036]在一个示例中，每个片段的长度可以是预先确定的，并且是固定的。
[0037]在一个示例中，长度的选取可以根据物体的尺寸确定，以尽可能使得每个小段是直线或近似直线。
[0038]在一个示例中，在可以知道拍摄对象和拍摄相机的距离信息的情况下，分段的长度的大小可以根据距离的不同而不同。总的原则是，拍摄对象和拍摄相机之间的距离越远，对象在图像的尺寸将越小，因此，采用的分段的长度也越小。
[0039]在一个示例中，在图像为视差图的情况下，对物体的边缘进行分段的边缘长度根据该边缘的视差不同而不同，视差越小，边缘的长度越小。
[0040]在另一个示例，在所述图像为灰度图并且具有相关联的拍摄相机距离被摄对象的距离信息的情况下，例如，在从红外测距设备或者测距雷达获得距离信息的情况下，如前所述，对物体的边缘进行分段的边缘长度根据相关的距离的不同而不同，距离越远，边缘的长度越小。
[0041]图4中的(a)示出了车辆的视差图图像，其中，分段后的边缘片段示例分别被标注以 1、2、3、4。
[0042]在步骤S1030中，对于各个分段后的边缘，获得该边缘和该预定方向的直线所成的角度作为样本自身角度，以及获得该边缘上的预定点与物体的参考点之间的连线与该边缘所成的角度作为样本参考角度。
[0043]在一个示例中，边缘片段的自身角度(本文中，有时也称为绝对角度或者自身绝对角度，这些说法可互换使用)由该边缘片段与水平直线所成的角度来表示。当然，不一定限制为必需是水平直线，而可以是其它预定方向的直线，例如垂直直线等。在一个示例中，可以取边缘角度顺时针转到该预定直线所扫过的角度作为边缘的自身绝对角度。在一个示例中，边缘角度的取值范围为[0°，180° ]。
[0044]在一个示例中，边缘片段的参考角度(在本文中，有时也成为相对角度，两者可互换使用)可以如下获得:获得由连接边缘上的预定点与物体的参考点得到的直线，将当该直线顺时针旋转到与该边缘片段重合时所扫过的角度，作为参考角度。在一个示例中，边缘片段上的预定点可以取该边缘片段的中点。在另一个示例中，边缘片段上的预定点可以取该边缘片段的端点之一(例如左端点，或者上端点等)。
[0045]图4中的(b)记录了每个边缘片段的标识符和相关联的自身角度和参考角度。其中，边缘片段I的自身角度为75度，参考角度为95 ;边缘片段2的自身角度为105度，参考角度为65度；边缘片段3的自身角度为75度，参考角度为75度；以及边缘片段4的自身角度为30度，参考角度为120度。
[0046]在步骤S1040中，将所获得的边缘的样本自身角度值和对应的样本参考角度取值相关联地存储。
[0047]在一个示例中，分析角度分布，并且计算出自身角度和对应的参考角度的统计信息，例如在图4 (b)中示出的自身角度和对应参考角度中，自身角度为75度的边缘出现两次，对应参考角度分别为95度和75度，而自身角度为30度的边缘出现一次，对应参考角度120度，等等。在一个示例中，依据统计信息可以获得边缘角度分布的直方图。如图4中的(c)所示，该直方图可以为二维直方图，记录了具有某自身角度和对应参考角度取值对的边缘数目。
[0048]在一个示例中，基于这样的自身角度和对应的参考角度的统计信息，将自身角度和参考角度以及相关的概率相关联地存储。图4(d)中给出了一个这样自身角度和参考角度关系数据的表格。在本示例中，自身角度为30度的边缘出现一次，对应参考角度120度，因此自身角度为30度对应参考角度为120的概率是1.00 ;自身角度75度出现两次，对应参考角度分别95度和75度，则自身角度为75度，对应参考角度为95度和75度的概率分别是0.50和0.50。
[0049]实际应用中，角度的分布更加多样和复杂，可同样进行各个边缘片段的自身角度和对应参考角度的统计分析，并进行存储，由此建立起边缘自身角度和参考角度之间的关系表格，这实际上也是一种角度分布特征的概率表。
[0050]在图4(d)的边缘自身角度和参考角度之间的关系表格中，除了自身角度值、对应的参考角度取值之外，还相关联地存储了该参考角度取值的权重。在一个示例中，参考角度取值的权重根据该参考角度取值出现的概率确定。不过，在另一个示例中，可以不存储参考角度取值的权重，而默认为所有参考角度取值的权重相同。
[0051]回到图2，物体检测装置中的样本自身角度和样本参考角度关系获取部件101获取例如图4(c)所示格式的样本自身角度和样本参考角度关系表。
[0052]需要说明的是，样本自身角度和样本参考角度关系获取部件101获取的样本自身角度和样本参考角度关系可以是由物体检测装置自身计算得到的，也可以是从外部获得的，而且可以是实时训练得到的，也可以是事先训练得到的。
[0053]图像接收部件HO用于从本地或者远程接收图像。例如，以车辆检测为例，假设诸如双目相机、多目相机等的图像摄取设备安装于车辆的顶部，物体检测装置在合并于车辆的自动控制系统中，在此情况下，例如通过USB连线等直接从图像摄取设备获取灰度图像或者视差图像。不过，也可以远程通过例如有线或者无线通信接收图像。
[0054]图像可以为视差图或者灰度图。在图像为视差图的情况下，图像自身携带了距离或深度信息。在图像为灰度图的情况下，同样也可以为之提供相关联的拍摄相机距离被摄对象的距离信息，例如从红外测距设备、雷达设备等获取的距离信息。
[0055]边缘提取部件120从接收的图像提取边缘。同样，边缘检测方法可以是任何已知的边缘检测方法，例如Sobel边缘检测。有关Sobel算子的介绍可以参考ME Sobel于1982年发表于 Soc1logical methodology 的题为 “Asymptotic confidence intervals forindirect effects in structural equat1n models” 的文章。边缘检测方法还可以是例如canny边缘检测方法等。另外，在提取边缘特征之后，可以进行额外的平滑或者增强处理。
[0056]需要说明的是，在进行边缘提取之前，可以进行一些额外处理，例如去除图像中明显不包括待检测对象的部分等，以降低后续处理的计算量。
[0057]边缘分段部件130对提取的边缘进行分段，得到分段后的边缘。
[0058]在一个示例中，对于每个提取的边缘，将之分成等长度的小段。每段的长度的选取原则与前面描述的在准备样本自身角度和样本参考角度关系数据时对边缘分段的长度选取原则相同。
[0059]如前所述，优选地，在可以知道距离信息的情况下，分段的长度的大小应该根据距离的不同而不同。例如，在根据拍摄对象与拍摄相机之间的距离，估计图像中对象的大小约变大20%的情况下，可以将边缘分段的长度也相应地增大20%。
[0060]自身角度获得部件140如先前在参考图3描述在自身角度和参考角度关系数据制备中那样，对于各个分段后的边缘，获得该边缘和预定方向的直线所成的角度作为检测到的自身角度。
[0061]参考角度获得部件150，对于各个分段后的边缘，基于自身角度获得部件140检测到的自身角度，参考由样本自身角度和样本参考角度关系获取部件101获取的样本自身角度和样本参考角度关系数据，获得与检测到的自身角度对应的参考角度。
[0062]具体地，例如，对于一个边缘片段，如果自身角度获得部件140检测到其自身角度为75，则利用该自身角度75检索在样本自身角度和样本参考角度关系获取部件101中获取的样本自身角度和样本参考角度关系数据，以图4(d)中的关系数据表为例，将得到对应参考角度分别为95度和75度，各自的权重(或概率)为0.5。
[0063]类似地，在本示例中，对于一个边缘片段，如果自身角度获得部件140检测到其自身角度为30，则得到对应参考角度为120，权重为1.0 ;对于一个边缘片段，如果自身角度获得部件140检测到其自身角度为105，则得到对应参考角度为65，权重为1.0。
[0064]由此，参考角度获得部件150可以获得各个边缘片段的参考角度和对应的权重。
[0065]在有些情况下，对于某个检测到的边缘片段的自身角度，在样本自身角度和样本参考角度关系获取部件101获取的样本自身角度和样本参考角度关系数据中，可能不存在相同的样本自身角度。
[0066]在这种情况下，在一个示例中，可以跳过该边缘，不再进行后续处理，也就是说，该边缘对后续物体的参考点的确定没有贡献。
[0067]在另一个示例中，可以寻找与该边缘的检测到的自身角度最接近的存储的边缘的样本自身角度值，并获得与该最接近的存储的边缘的样本自身角度值对应的样本参考角度，作为与边缘的检测