CN101236648B - 可分离雾和消除雾的滤波器 - Google Patents

可分离雾和消除雾的滤波器 Download PDF

Info

Publication number
CN101236648B
CN101236648B CN200810009013XA CN200810009013A CN101236648B CN 101236648 B CN101236648 B CN 101236648B CN 200810009013X A CN200810009013X A CN 200810009013XA CN 200810009013 A CN200810009013 A CN 200810009013A CN 101236648 B CN101236648 B CN 101236648B
Authority
CN
China
Prior art keywords
image
original image
pixels
image processing
structural element
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN200810009013XA
Other languages
English (en)
Other versions
CN101236648A (zh
Inventor
里德·斯泰格尔
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Ford Global Technologies LLC
Original Assignee
Ford Global Technologies LLC
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Ford Global Technologies LLC filed Critical Ford Global Technologies LLC
Publication of CN101236648A publication Critical patent/CN101236648A/zh
Application granted granted Critical
Publication of CN101236648B publication Critical patent/CN101236648B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/77—Retouching; Inpainting; Scratch removal
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/20—Image enhancement or restoration using local operators
    • G06T5/30—Erosion or dilatation, e.g. thinning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20212—Image combination
    • G06T2207/20224—Image subtraction

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Image Processing (AREA)

Abstract

本发明提供一种适用于在车辆安全系统上使用的图像处理系统。该系统总体上包括图像采集装置和图像处理装置。该图像采集装置可用于采集在车辆外的场景的原始图像。采集的原始图像通常由一组像素定义。该图像处理装置可用于接收采集的原始图像，并对采集的原始图像进行形态学图像处理，以去除在原始图像中的失真并产生最终滤波图像。

Description

可分离雾和消除雾的滤波器
技术领域
本发明的一个或多个实施例总体上涉及用于车辆安全系统中的图像处理系统。
背景技术
根据美国高速公路运输安全管理局(NHTSA)2004年公布的报告，大约有23,000人在极端天气条件下驾驶时在车辆碰撞中伤亡。许多这些伤亡事故是在有雾的情况下驾驶时发生的。在有雾天气条件下发生事故的主要原因是驾驶人员的路面可见度降低。当今的新型车载安全系统利用基于视觉的系统检测在道路上可能对车辆构成碰撞威胁的物体，并警告驾驶人员迫近的碰撞。因为安全系统依赖各种基于视觉的系统来检测物体，因此特别是当车辆在极端天气条件下运行时，这样的系统应该能基于视觉系统采集的图像快速判别物体是否能够对驾驶人员构成威胁。现有的方法仅能通过减少图像对比度来去除在采集的图像中的失真。由于图像是在极端天气条件下采集的，这种方法会产生较暗的图像且不能完全去除在采集的图像中产生的失真和噪声。
因此，希望能够提供一种能去除由于雨、雾、冻雨，或在采集原始图像时，由于极端天气条件造成的任何其它因素而使采集的图像产生的失真和噪声的图像处理装置。
发明内容
根据本发明的一个实施例，提供适用于使用在车辆上的图像处理系统。该系统总体上包括图像采集(capturing)装置和图像处理装置。该图像采集装置可用于采集车辆外的场景的原始图像。采集的原始图像通常由一组像素定义。该图像处理装置可用于接收采集的原始图像并对采集的原始图像进行形态学图像处理，以便去除采集的原始图像中的失真，从而产生最终滤波图像。
根据本发明的另一个实施例，提供一种用于在车辆中对采集的原始图像进行图像处理的方法。该方法总体上采集车辆外的场景的原始图像并对采集的原始图像进行形态学图像处理，以便去除原始图像的失真从而产生最终滤波图像。
根据本发明的又一个实施例，提供一种图像处理系统。该图像处理系统总体上包括图像采集装置和图像处理装置。该图像采集装置可用于采集场景的原始图像。该图像处理装置可用于接收采集的原始图像并对所采集的图像进行形态学图像处理，以便去除由于场景中有雾而在采集的原始图像中产生的失真，从而产生最终滤波图像。
附图说明
图1示出本发明的一个实施例中的系统；
图2示出对采集的原始图像进行形态学图像处理的流程图；
图3示出在一小组像素周围的结构元素；
图4示出对应于采集的原始图像的图像；
图5示出对应于形态学滤波图像的图像；
图6示出对应于差值图像的图像；及
图7示出对应于最终滤波图像的图像。
具体实施方式
现参考图1，示出本发明的一个实施例中的系统100。该系统100包括图像采集装置102和图像处理装置104。通过图像采集装置102采集原始图像106并将原始图像106传输到图像处理装置104进行图像处理。采集的原始图像由一组像素定义。图像采集装置104通常包括一个或多个摄像机(未示出)。该一个或多个摄像机可以定位在车辆的预定位置上。总的来说，系统100可配置为作为与车辆关联的整体安全系统的一部分。系统100可以结合车道偏离报警系统(LDW)、前向碰撞报警系统(FCW)和/或碰撞自动减速系统(CMbB)工作。LDW、FCW和/或CMbB是配置用于检测正在接近车辆的物体，并在紧接着要发生碰撞的情况下警告驾驶人员的系统。系统100配置用于监视路况，并在恶劣的天气条件下为驾驶人员提供增强的路面可见度。
原始图像可以是与车辆外的场景相关的图像。这样的场景可以反映出正在靠近车辆的物体(例如，包括但不限于其他车辆和行人)。图像处理装置104可以在安全控制器(未示出)中实现。安全控制器可以使用采集的图像进行物体的分类和识别。例如，安全控制器可以把正在靠近的物体分类为车辆。在安全控制器给图像中的物体分类之前，需要在采集的原始图像上进行图像处理以便去除失真和/或噪声。
图像处理装置104可以配置用于在采集的图像上进行形态学图像处理，以便去除在采集的原始图像中的失真和噪声。若原始图像的场景包括由天气条件造成的因素，图像处理装置104可以用形态学图像处理来去除采集的原始图像中的失真。在一个非限制性示例中，若原始图像的场景包括雾，图像处理装置104可以用形态学图像处理来去除在采集的原始图像中的失真(或薄雾，模糊(haze))。由于在原始图像上有雾存在，图像处理装置104可以用于分离和消除在采集的原始图像中的薄雾。若在原始场景中有雨、雪或雾，图像处理装置104可以扩展用于去除在这些场景中采集的原始图像中的失真。形态学图像处理通常要结合高帽(top-hat)滤波以去除在采集的原始图像中的失真。
图2示出对采集的原始图像进行形态学图像处理的流程图。图像处理装置104可以使用在流程图200中的步骤来去除在采集的原始图像中的失真。在步骤202中，图像采集装置102采集原始图像。在步骤204中，定义形态学结构元素。在一个非限制性示例中，形态学结构元素可以实现为盘状的形式。形态学结构元素也可以实现为圆、半圆或其他形状的形式。结构元素的形状和尺寸通常基于采集的原始图像的类型。可以改变结构元素的尺寸和形状以满足具体实施例的设计原则。形态学结构元素可以配置用于在定义采集的原始图像的一组像素中围出一小组像素。
图3总体上示出从一组像素110中在一小组像素(标号“X”)周围形成盘状结构元素108。现返回参考图2，在步骤206中，图像处理装置104产生形态学滤波图像。图像处理装置104通过比较邻近结构元素108的像素的平均像素值与位于结构元素108中的像素的平均像素值从而产生形态学滤波图像并利用高帽(top-hat)滤波去除确定为噪声的像素。
总的来说，每个像素都有一个通过2^n定义的值。例如，若图像采集装置102配置用于采集彩色原始图像106，在采集的原始图像中的每个像素可以包括2^16个值(或65,536个值)，此处的n＝16。在另一个示例中，若图像采集装置102采集灰度原始图像时，在采集的原始图像中的每个像素包括2^8个值(或256个值)，此处n＝8。系统100可以适用于处理和去除采集的彩色或灰度原始图像的失真。
图像处理装置104配置用于计算在结构元素108内部的任何一个或多个像素的平均像素值。图像处理装置104计算邻近结构元素108的任何一个或多个像素的平均像素值。若邻近结构元素108的任何一个或多个像素的平均像素值大于预定平均像素阈值，图像处理装置104就用在结构元素108中的一个或多个像素的平均像素值替换该像素。若邻近结构元素108的任何一个或多个像素的平均像素值小于预定平均像素阈值，图像处理装置104保留与邻近结构元素108的一个或多个像素关联的像素值。通过去除平均像素值大于预定平均像素阈值的像素的像素值，系统100可以推断这样去除的像素包括在采集的原始图像中存在的失真和噪声的一部分。在采集的原始场景中有雾的示例中，系统100可以推断去除的像素包括由于在采集的原始图像中有雾存在而产生的失真或薄雾的一部分。对于平均像素值小于预定平均像素阈值的像素，系统100推断这样的像素是真正原始图像的一部分。
一旦邻近结构元素108的所有像素都被分析过(例如，平均像素值已经和预定平均像素阈值做过比较)，图像处理装置104就在一列或多列像素上移动结构元素108，并分析结构元素108的一个或多个新的邻近像素。这种在多列像素上移动结构元素108的过程重复进行，直到分析完整个图像(或分析了一组像素110)。在一个非限制性实施例中，用结构元素108对采集的原始图像的扫描可以从采集的原始图像左上部分开始并横跨图像移动。为满足具体实施例的设计原则，可以改变结构元素108在采集的原始图像上的初始位置和结构元素108在采集的原始图像上的移动方向。响应于移动结构元素108横跨整个图像并分析邻近像素。图像处理装置104产生形态学滤波图像。与采集的原始图像比较，形态学滤波图像可能提供更为均匀的图像，因为已经替换了平均像素值大于预定平均像素阈值的像素。这样的形态学滤波图像通常可以提供更为均匀的图像。虽然形态学滤波图像通常可以提供更为均匀的图像，但经滤波的图像需要附加的处理，因为图像可能比采集的原始图像暗。
在步骤208中，图像处理装置104从采集的原始图像中减去形态学滤波图像以产生差值图像。该差值图像通常是云状图像。差值图像通常表示在原始图像中采集的大量失真和/或噪声。在原始场景中有雾存在的示例中，差值图像表示在采集的原始图像由于场景中有雾而产生的大量薄雾。在步骤210中，图像处理装置104可以从采集的原始图像中减去差值图像以产生最终滤波图像。通过从采集的原始图像中减去差值图像，可以去除在采集的原始图像中的大量噪声或所有噪声。
图4示出对应于采集的原始图像的图像，该采集的原始图像包括在道路中的物体。对于图4中所示的采集的原始图像，由于有雾存在而在采集的原始图像中产生的噪声，很难判明在采集的原始图像中的物体的是车辆。
图5示出对应于形态学滤波图像的图像。结合图2观察，形态学滤波图像具有更均匀的外观，因为去除了平均像素值大于平均像素阈值的像素。然而，在与结合图4所示的采集的原始图像比较时，形态学滤波图像具有较低(darker)的对比度。然而，与在图4的采集的原始图像中所示的道路中的物体比较，在如图5中所示的形态学滤波图像中，更容易识别在道路中的物体是车辆。
图6示出对应于差值图像的图像。差值图像通常表示由于在有雾时采集原始图像而产生的大部分噪声或失真。
图7示出对应于最终滤波图像的图像。道路中的物体可以容易地识别为车辆。此外，当与采集的原始图像比较时，最终滤波图像提供了更高的可见度和增强的物体清晰度。通过产生增加了物体清晰度的图像，系统100为驾驶人员提供了更高的道路可见度，这可以使车辆发生事故可能性降低。例如，若天气条件较差且驾驶人员具有较差的可见度时，在有雾、雨、或冻雨的情况下，车辆安全系统会警告驾驶人员有正在靠近的车辆，因为系统100提供了增强的物体清晰度，从而该安全系统识别物体的存在要比现有技术的方法快。
已详细描述实施本发明的最佳模式，本领域技术人员将认识到替代的设计和实施例，按照下列权利要求实施本发明。

Claims (18)

1.一种适用于在车辆上使用的图像处理系统，其特征在于，所述系统包括：
图像采集装置，所述图像采集装置可用于采集所述车辆外的场景的原始图像，采集的原始图像由一组像素定义；及
图像处理装置，所述图像处理装置可用于接收所述采集的原始图像并对所述采集的原始图像进行形态学图像处理，以去除在所述采集的原始图像中的失真和产生最终滤波图像；
其中所述图像处理装置可配置用于产生结构元素；
其中所述图像处理装置可配置用于用所述结构元素扫描在所述原始图像中的整个一组像素；
其中所述结构元素定位在一组像素中的一个或多个像素周围；
其中所述图像处理装置可配置用于比较在所述结构元素中的一个或多个像素的平均像素值与定位于邻近所述结构元素处的第一小组像素的中的一个或多个像素的一个或多个平均像素值。
2.如权利要求1所述的图像处理系统，其特征在于，所述图像处理装置可配置用于去除在所述采集的原始图像中的失真，所述失真是由于在场景中有雾存在并采集在原始图像中而产生的。
3.如权利要求1所述的图像处理系统，其特征在于，所述图像处理装置可配置用于产生具有基于采集的原始图像的类型的预定形状和尺寸的结构元素。
4.如权利要求3所述的图像处理系统，其特征在于，所述图像处理装置可配置用于用所述结构元素扫描在所述原始图像中的整个一组像素，以产生形态学滤波图像。
5.如权利要求1所述的图像处理系统，其特征在于，所述图像处理装置可配置用于对于在第一小组像素中的任何超过预定阈值的一个或多个像素的平均像素值，把所述第一小组像素中的任何一个或多个像素的像素值替换为所述结构元素中的一个或多个像素的平均像素值。
6.如权利要求5所述的图像处理系统，其特征在于，所述图像处理装置可用于移动所述结构元素通过一个附加小组像素或多个附加小组像素，直到扫描完整个一组像素，并对于附加小组像素中的任何超过预定阈值的一个或多个像素的平均像素值，把在附加小组像素中的任何一个或多个像素的像素值替换为所述结构元素中的一个或多个像素的平均像素值。
7.如权利要求4所述的图像处理系统，其特征在于，所述图像处理装置可配置用于从所述采集的原始图像中减去所述形态学滤波图像以产生差值图像。
8.如权利要求7所述的图像处理系统，其特征在于，所述图像处理装置可配置用于从所述采集的原始图像中减去所述差值图像以产生所述最终滤波图像。
9.如权利要求1所述的图像处理系统，其特征在于，所述图像采集装置可配置用于采集灰度格式的原始图像。
10.如权利要求1所述的图像处理系统，其特征在于，所述图像采集装置可配置用于采集彩色格式的原始图像。
11.一种在车辆中对采集的原始图像进行图像处理的方法，其特征在于，所述方法包括：
采集在所述车辆外的场景的原始图像；及
对采集的原始图像进行形态学图像处理，以从所述采集的原始图像中去除失真并产生最终滤波图像；其中产生结构元素；用所述结构元素扫描在所述原始图像中的整个一组像素；其中所述结构元素定位在一组像素中的一个或多个像素周围；以及比较在所述结构元素中的一个或多个像素的平均像素值与定位于邻近所述结构元素处的第一小组像素的中的一个或多个像素的一个或多个平均像素值。
12.如权利要求11所述的方法，其特征在于，采集所述原始图像的步骤还包括从所述采集的原始图像中去除失真，所述失真是由于在场景中有雾存在并采集在原始图像中而产生的。
13.如权利要求11所述的方法，其特征在于，还包括产生具有基于采集的原始图像的类型的预定形状和尺寸的结构元素。
14.如权利要求13所述的方法，其特征在于，还包括用所述结构元素对所述采集的原始图像进行滤波以产生形态学滤波图像。
15.如权利要求14所述的方法，其特征在于，还包括从所述采集的原始图像中减去所述形态学滤波图像以产生差值图像。
16.如权利要求15所述的方法，其特征在于，还包括从所述采集的原始图像中减去所述差值图像以产生所述最终滤波图像。
17.一种图像处理系统，其特征在于，包括：
图像采集装置，所述图像采集装置可用于采集场景的原始图像；及
图像处理装置，所述图像处理装置可用于接收所述采集的原始图像并对所述采集的原始图像进行形态学图像处理，以从所述采集的原始图像中去除失真并产生最终滤波图像，所述失真是由于在场景中有雾存在并采集在所述原始图像中而产生的；
其中所述图像处理装置可配置用于产生结构元素；
其中所述图像处理装置可配置用于用所述结构元素扫描在所述原始图像中的整个一组像素；
其中所述结构元素定位在一组像素中的一个或多个像素周围；
其中所述图像处理装置可配置用于比较在所述结构元素中的一个或多个像素的平均像素值与定位于邻近所述结构元素处的第一小组像素的中的一个或多个像素的一个或多个平均像素值。
18.如权利要求17所述的图像处理系统，其特征在于，所述图像采集装置可配置用于采集灰度格式的原始图像。
CN200810009013XA 2007-01-29 2008-01-25 可分离雾和消除雾的滤波器 Active CN101236648B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US11/668,003 US7873235B2 (en) 2007-01-29 2007-01-29 Fog isolation and rejection filter
US11/668,003 2007-01-29

Publications (2)

Publication Number Publication Date
CN101236648A CN101236648A (zh) 2008-08-06
CN101236648B true CN101236648B (zh) 2012-12-12

Family

ID=39387321

Family Applications (1)

Application Number Title Priority Date Filing Date
CN200810009013XA Active CN101236648B (zh) 2007-01-29 2008-01-25 可分离雾和消除雾的滤波器

Country Status (3)

Country Link
US (1) US7873235B2 (zh)
EP (1) EP1950703A1 (zh)
CN (1) CN101236648B (zh)

Families Citing this family (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2010042773A1 (en) * 2008-10-09 2010-04-15 Wms Gaming, Inc. Controlling and presenting virtual wagering game environments
US8350933B2 (en) * 2009-04-08 2013-01-08 Yissum Research Development Company Of The Hebrew University Of Jerusalem, Ltd. Method, apparatus and computer program product for single image de-hazing
US8416300B2 (en) * 2009-05-20 2013-04-09 International Business Machines Corporation Traffic system for enhancing driver visibility
US20110143834A1 (en) * 2009-12-15 2011-06-16 Wms Gaming, Inc. Location-based customization of avatars in gaming systems
US8911294B2 (en) 2010-08-06 2014-12-16 Wms Gaming, Inc. Browser based heterogenous technology ecosystem
US9345973B1 (en) 2010-08-06 2016-05-24 Bally Gaming, Inc. Controlling wagering game system browser areas
CN101950416B (zh) * 2010-09-15 2012-05-23 北京理工大学 基于双边滤波的实时图像去雾增强方法
CN102254306B (zh) * 2011-07-14 2013-01-23 北京邮电大学 一种基于图像简化分层模型的实时图像去雾方法
US9659237B2 (en) 2012-10-05 2017-05-23 Micro Usa, Inc. Imaging through aerosol obscurants
US9870511B2 (en) * 2015-10-14 2018-01-16 Here Global B.V. Method and apparatus for providing image classification based on opacity

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5926164A (en) * 1988-09-30 1999-07-20 Aisin Seiki Kabushiki Kaisha Image processor
CN1514408A (zh) * 2002-09-12 2004-07-21 上海交通大学 复杂背景条件下红外弱小目标的检测与跟踪方法
US7031543B2 (en) * 2002-01-02 2006-04-18 Xerox Corporation Grayscale image de-speckle algorithm

Family Cites Families (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US269481A (en) * 1882-12-19 sturtevant
US68095A (en) * 1867-08-27 matthews
US73682A (en) * 1868-01-21 James haley white
US5909244A (en) 1996-04-15 1999-06-01 Massachusetts Institute Of Technology Real time adaptive digital image processing for dynamic range remapping of imagery including low-light-level visible imagery
US6459818B1 (en) 1999-03-01 2002-10-01 University Of Rochester System for recovery of degraded images
US6288974B1 (en) 1999-03-30 2001-09-11 The United States Of Americas As Represented By The Secretary Of The Navy System and method for enhancing detection of objects through an obscuring medium
US7310437B2 (en) * 2000-03-08 2007-12-18 Fujifilm Corporation Image processing method and system, and storage medium
US6674900B1 (en) * 2000-03-29 2004-01-06 Matsushita Electric Industrial Co., Ltd. Method for extracting titles from digital images
US6353673B1 (en) 2000-04-27 2002-03-05 Physical Optics Corporation Real-time opto-electronic image processor
US7116800B2 (en) * 2001-05-30 2006-10-03 Eaton Corporation Image segmentation system and method
US20030095080A1 (en) 2001-11-19 2003-05-22 Koninklijke Philips Electronics N.V. Method and system for improving car safety using image-enhancement
US20030169906A1 (en) * 2002-02-26 2003-09-11 Gokturk Salih Burak Method and apparatus for recognizing objects
JP4498135B2 (ja) 2002-08-05 2010-07-07 エルビット・システムズ・リミテッド 車両搭載用ナイトビジョン画像処理システム及びその方法
US7106327B2 (en) 2002-11-26 2006-09-12 The Trustees Of Columbia University In The City Of New York Systems and methods for modeling the impact of a medium on the appearances of encompassed light sources

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5926164A (en) * 1988-09-30 1999-07-20 Aisin Seiki Kabushiki Kaisha Image processor
US7031543B2 (en) * 2002-01-02 2006-04-18 Xerox Corporation Grayscale image de-speckle algorithm
CN1514408A (zh) * 2002-09-12 2004-07-21 上海交通大学 复杂背景条件下红外弱小目标的检测与跟踪方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
曹爽.高分辨率遥感影像去云方法研究.《中国优秀硕士学位论文全文数据库(电子期刊)》.2006,(第8期),第24-43页. *
林丽晨.基于车载摄像机高速公路车距测量系统的研究.《中国优秀硕士学位论文全文数据库(电子期刊)》.2006,(第7期),第1,14-17页. *

Also Published As

Publication number Publication date
US20080181535A1 (en) 2008-07-31
EP1950703A1 (en) 2008-07-30
US7873235B2 (en) 2011-01-18
CN101236648A (zh) 2008-08-06

Similar Documents

Publication Publication Date Title
CN101236648B (zh) 可分离雾和消除雾的滤波器
EP3336764B1 (en) Vehicle monitoring method and image acquisition device
Badr et al. Automatic number plate recognition system
EP3026885B1 (en) Dirty lens detection device and dirty lens detection method
TWI607901B (zh) 影像修補系統及其方法
US20090174773A1 (en) Camera diagnostics
CN107808392B (zh) 开放场景的安检车辆自动跟踪定位方法及系统
CN110544211B (zh) 一种镜头付着物的检测方法、系统、终端和存储介质
CN111860120B (zh) 车载相机自动遮挡检测方法和装置
CN103886567B (zh) 图像内周期性噪声修补方法
US20030095080A1 (en) Method and system for improving car safety using image-enhancement
CN110532876B (zh) 夜晚模式镜头附着物的检测方法、系统、终端和存储介质
CN110532875B (zh) 夜晚模式镜头付着物的检测系统、终端和存储介质
CN107133591B (zh) 基于结构光的车位检测方法及装置
JP4807354B2 (ja) 車両検出装置、車両検出システム及び車両検出方法
CN109359593B (zh) 一种基于图像局部栅格的雨雪环境画面模糊监测预警方法
CN111815556B (zh) 基于纹理提取和小波变换的车载鱼眼相机自诊断方法
CN105095869A (zh) 行人检测方法及装置
Helala et al. Road boundary detection in challenging scenarios
CN113065399A (zh) 基于车载平台的交通标识识别系统
CN111754565B (zh) 图像处理方法及装置
CN114973216A (zh) 一种多通道视觉信息融合的fod检测方法及系统
CN211628409U (zh) 一种基于鱼眼镜头的大场景识别相机
WO2017017140A1 (en) Method for capturing an object on a road in the environment of a motor vehicle, camera system and motor vehicle using the same
Hamdi et al. A lighting independent vision based system for driver assistance

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant