CN102663352A - 一种轨道识别方法 - Google Patents
一种轨道识别方法 Download PDFInfo
- Publication number
- CN102663352A CN102663352A CN2012100803913A CN201210080391A CN102663352A CN 102663352 A CN102663352 A CN 102663352A CN 2012100803913 A CN2012100803913 A CN 2012100803913A CN 201210080391 A CN201210080391 A CN 201210080391A CN 102663352 A CN102663352 A CN 102663352A
- Authority
- CN
- China
- Prior art keywords
- camera
- track
- straight line
- point
- image
- 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.)
- Granted
Links
Images
Abstract
本发明公开了一种轨道识别方法,包括以下步骤:(1)安装视频采集装置;(2)摄像头采集图像;(3)确定感兴趣区域;(4)对感兴趣区域进行预处理,得到轨道的轮廓点;(5)采用Hough变换对轮廓点进行处理;(6)直线拟合;(7)识别轨道;(8)根据图像计算轨道上每点到火车的距离;(9)检测前方是否有弯道,若无,重复步骤(2)~(9);若有,显示弯道离火车的距离并发出告警信息。与现有技术相比,本发明能够准确识别轨道线,标定前方轨道某一处离火车的距离,并对意外情况实时提醒和报警。
Description
技术领域
本发明涉及铁路安全监控技术,特别涉及一种轨道识别方法。
背景技术
铁路轨道的正确识别是识别和判定前方轨道是否被掩埋,有无障碍物和弯道的前提,为火车的安全行驶提供保障。铁路事故时有发生,铁路事故分析表明,主要原因是行人在铁路线路上行走、坐卧、横过线路、穿越铁路站场、爬车、钻车、跳车,行人、机动车辆抢过铁路道口以及自杀等。这些事故的发生,不仅导致了公民生命财产的直接损失,而且对铁路行车安全构成了极大威胁,特别是机动车辆违章抢越道口经常将列车撞击脱轨。如果能根据前方铁路轨道的状况提前对可能发生的事故报警,并采取应急措施,那么就能够在一定程度上避免人员伤亡和财物损失。
计算机视觉技术又称机器视觉,是指由人类设计并在计算机环境下实现的模拟或再现与人类视觉有关的某些智能行为的技术。机器视觉技术是多学科的交叉与结合,它涉及到计算机、数学、光学、物理学及信号处理等诸多学科,它已经吸引了来自各个学科的研究者参加到对它的研究之中。机器视觉是对人类视觉的模拟和延伸,能够完成对物体的形状和类别的识别。
近年来,随着公路安全的迫切需求,机器视觉技术在车道识别领域取得了很大的发展。经过现有技术文献的检索发现,申请号为200910085183的中国专利,专利名称为:一种车道线检测方法及其设备,“该方法包括:对图像进行边缘检测,计算图像中各像素点的边缘强度和边缘方向;根据所述边缘强度和边缘方向对各像素点进行边缘连接,得到图像中的边缘线段;对所述边缘线段进行霍夫变换,求出其在包括方向区间和距离区间的霍夫变换累积直方图中的最大累积方向;在所述最大累积方向所在区间上,寻找较大累积值对应的距离区间,从而依据最大累积方向和较大累积值对应距离区间确定车道线。本发明通过连接检测到的边缘,滤除点状边缘的干扰,并且通过寻找最大累积方向,在存在多条平行车道线的场景中更好地排除了强干扰。”申请号为200720088218的中国专利,专利名称为:一种车道线识别和安全警示的车载图像处理装置,“该装置包含光学镜头、图像传感器、数据信号处理器、显示器和两路总线接口。本装置用光学镜头和图像传感器将车道线及障碍物的图像转换成数字信号、由数据信号处理器采集和处理,得到车辆与车道的位置关系,障碍物的类型以及相对距离和速度;通过I2C总线控制图像传感器的参数,通过CAN总线发送到车载电子控制单元,供安全警示和控制使用;另一路CAN总线和CCP协议进行参数标定。优点是将数字处理芯片与图像传感器结合成嵌入式车载图像处理装置,实现了摄像头和计算机系统的集成,结构紧凑、性能可靠、价格便宜、适合汽车使用。”以上两个专利可以作为机器视觉在车道线识别领域的应用的典型。上述两个专利将机器视觉技术应用在公路车道线识别中,提出了识别车道线的方法和处理装置,而机器视觉技术在识别铁路轨道线方面还属于空白。
发明内容
为了克服现有技术的缺点与不足,本发明的目的在于提供一种轨道识别方法,能够准确计算前方轨道某点距火车的距离和对弯道进行准确识别,并实时提醒和报警。
本发明的目的通过以下技术方案实现:
一种轨道识别方法,包括以下步骤:
(1)安装视频采集装置:所述视频采集装置包括摄像头、摄像头固定支架和标定尺;其中,摄像头固定支架竖直固定在火车头顶部前端正中央位置,摄像头固定在摄像头支架上,摄像头的中心轴线与竖直支架的夹角为θ,摄像头的中心轴线与火车的前进方向处在同一竖直平面;将摄像头固定在摄像头支架上,使摄像头的中心轴线与火车的前进方向处在同一竖直平面,摄像头的中心轴线与竖直方向的夹角为锐角θ,摄像头与铁路轨道的垂直距离设为H,标定尺为一个标有m个等间距刻度的细长的金属尺,标定尺与轨道平面平行,标定尺置于摄像头中心轴线与火车行驶方向所在平面内,并与轨道面平行,同时,使标定尺恰好全部落入摄像头视角范围,且标定尺的最小刻度端靠近火车头;
(2)摄像头采集图像,并输入至数据处理装置;
(3)确定感兴趣区域,所述感兴趣区域至少包括图像中的轨道;
(4)对步骤(3)中得到的感兴趣区域进行预处理,得到轨道的轮廓点;
(5)采用Hough变换对步骤(4)得到的轮廓点进行处理,分别得到两条待拟合的直线的斜率;
(6)根据步骤(5)所得两条待拟合的直线的斜率拟合得到两条直线;
(7)识别轨道:从原点向X轴负方向搜索斜率为正的直线,若能搜索到符合要求的直线,则该直线为左侧铁轨,该直线与直角坐标系的X轴的正方向的夹角为α2;然后从原点向X轴正方向搜索斜率为负的直线,若能搜索到符合要求的直线,则该直线为右侧铁轨,该直线与直角坐标系的X轴的正方向的夹角为α2;其中α1+α2=π;其中所述直角坐标系的X轴为图像的底边,原点为图像底边的中点;
(8)根据图像计算轨道上每点到火车的距离:
其中,i按以下步骤确定:图像中轨道上的点向图像中的标尺做垂线,垂足所对应的图像中的标尺的刻度即为i;β为摄像头的最大可视角与最小可视角之差;
(9)检测前方是否有弯道,若无,则对下一帧图像重复步骤(2)~(9);若有,显示弯道离火车的距离并发出告警信息并对下一帧图像重复步骤(2)~(9)。
步骤(8)所述检测前方是否有弯道的方法具体为:对于步骤(6)拟合得到的两条直线的任一条,从纵坐标为零的点开始依次向上,在该直线的附近沿X轴方向搜索,若搜索到十个连续点的横坐标位于该直线的同侧,则判定前方有弯道。
步骤(5)所述Hough变换,具体为:
(5-1)设直线方程为:ρ=x*cosα+y*sinα;其中ρ为直线上的点与原点的距离,α为直线上的点与原点的连线与X轴的夹角;
将参数空间量化成m*n个单元,其中,m为α的等份数,n为ρ的等份数;并设置累加器矩阵Qmxn;
(5-2)给参数空间的每个单元分配一个累加器,并把每个累加器的初始值置零;
(5-3)取出直角坐标系中的一个已知轮廓点的坐标,代入ρ=x*cosα+y*sinα中;并以量化的α值算出ρ;
(5-4)在参数空间中,找到步骤(5-3)计算所得到的ρ和α所对应的单元,并将该单元所对应的累加器加1;
(5-5)重复步骤(5-3)~(5-4),直至直角坐标系中所有的已知轮廓点都遍历;
(5-6)检测累加器中的每个累加器的值,值最大的累加器对应的单元所对应的ρ和α即为所求直线方程的参数;
(5-7)根据α计算直线的斜率。
步骤(4)所述对步骤(3)中得到的感兴趣区域进行预处理,得到轨道的轮廓点,具体为:
对感兴趣区域进行灰度变换,得到灰度图像,再使用CANNY算子对灰度图像进行边缘检测,得到轨道的轮廓点。
所述感兴趣区域为等腰梯形。
与现有技术相比,本发明具有以下优点与有益效果:
1、本发明利用标定尺对前方铁轨进行标定,方法简单,计算量小,提高了本方法的实时性;
2、本发明对拟合出的直线的远点的附近进行像素搜索,用于判定弯道,相对于传统的曲线识别方法,本方法具有简单,计算量小,准确可靠的优点;
3、本发明增补了轨道识别领域的空白。
附图说明
图1为本发明的实施例的轨道识别装置。
图2为本发明的实施例的轨道识别方法的流程图。
图3为视频采集装置的安装示意图。
图4为在图像上读取刻度i的示意图。
图5为根据图像计算轨道上每点到火车的距离的示意图。
具体实施方式
下面结合实施例及附图,对本发明作进一步地详细说明,但本发明的实施方式不限于此。
实施例
如图1所示,本实施例的实现本发明的轨道识别方法的轨道识别装置包括视频采集装置、数据处理装置、显示装置和语音播报装置,其中数据处理装置分别与视频采集装置、显示装置、语音播报装置连接。
所述视频采集装置包括宽视角摄像头、摄像头固定支架和标定尺。视频采集装置采集视频,其输出端通过电缆连接到数据处理装置的输入端。
所述的数据处理装置包括DSP芯片和ARM芯片。DSP芯片负责处理数据,接收视频采集装置所采集的视频中每帧图像信息,并运行本发明的铁路轨道识别方法中所用算法对图像信息进行处理,提取出我们所关心的图像中蕴含的信息,包括距离、弯道等。所述ARM芯片在系统中起控制和协调的作用,它接收DSP芯片所提取出的信息,控制显示装置和语音播报装置,对所识别出的轨道进行实时显示和语音播报。
所述显示装置和语音播报装置用于显示数据处理的结果并进行实时提醒,显示装置实时显示前方的路况信息,包括铁轨曲直和距离等,语音播报装置对异常情况进行实时提醒,以提醒驾驶人员采取必要操作。
如图2所示,本实施例的轨道识别方法包括以下步骤:
(1)安装视频采集装置:如图3所示,摄像头固定支架竖直固定在火车头顶部前端正中央位置,摄像头固定在摄像头支架上,摄像头的中心轴线与竖直支架的夹角为θ,摄像头的中心轴线与火车的前进方向处在同一竖直平面;将摄像头固定在摄像头支架上,使摄像头的中心轴线与火车的前进方向处在同一竖直平面,摄像头的中心轴线与竖直方向的夹角为锐角θ,摄像头与铁路轨道的垂直距离设为H,标定尺为一个标有m个等间距刻度的细长的金属尺,标定尺与轨道平面平行,标定尺置于摄像头中心轴线与火车行驶方向所在平面内,并与轨道面平行,同时,使标定尺恰好全部落入摄像头视角范围,且标定尺的最小刻度端靠近火车头;安装好后进行系统初始化,自动检测所有硬件,若系统能够正常工作,则显示人机交互界面,并语音播报检测结果;询问用户是是否要启动应用程序,若暂时不用启动,则系统暂时进行休眠状态,若稍后要启动设备则将系统从休眠状态唤醒,启动系统。
(2)数据处理装置摄像头采集图像,并输入数据处理装置。
(3)数据处理装置确定感兴趣区域,感兴趣区域为等腰梯形,至少包括图像中的轨道;
由于梯形效应,用摄像头拍摄到的铁路轨道形状会出现梯形形变;感兴趣区域之等腰梯形可以显著减少处理器的计算量,并减少图像处理里噪声的干扰。
(4)数据处理装置对步骤(3)中得到的感兴趣区域进行预处理:对感兴趣区域进行灰度变换,得到灰度图像,再使用CANNY算子对灰度图像进行边缘检测,得到轨道的轮廓点;
(5)采用Hough变换对步骤(4)得到的轮廓点进行处理,分别得到两条待拟合的直线的斜率;
所述Hough变换,具体为:
(5-1)设直线方程为:ρ=x*cosα+y*sinα;其中ρ为直线上的点与原点的距离,α为直线上的点与原点的连线与X轴的夹角;
将参数空间量化成m*n个单元,其中,m为α的等份数,n为ρ的等份数;并设置累加器矩阵Qmxn;
(5-2)给参数空间的每个单元分配一个累加器,并把每个累加器的初始值置零;
(5-3)取出直角坐标系中的一个已知轮廓点的坐标,代入ρ=x*cosα+y*sinα中;并以量化的α值算出ρ;
(5-4)在参数空间中,找到步骤(5-3)计算所得到的ρ和α所对应的单元,并将该单元所对应的累加器加1;
(5-5)重复步骤(5-3)~(5-4),直至直角坐标系中所有的已知轮廓点都遍历;
(5-6)检测累加器中的每个累加器的值,值最大的累加器对应的单元所对应的ρ和α即为所求直线方程的参数;
(5-7)根据α计算直线的斜率。
(6)根据步骤(5)所得两条待拟合的直线的斜率拟合得到两条直线;
(7)数据处理装置识别轨道:从原点向X轴负方向搜索斜率为正的直线,若能搜索到符合要求的直线,则该直线为左侧铁轨,该直线与直角坐标系的X轴的正方向的夹角为α2;然后从原点向X轴正方向搜索斜率为负的直线,若能搜索到符合要求的直线,则该直线为右侧铁轨,该直线与直角坐标系的X轴的正方向的夹角为α2;其中α1+α2=π;其中所述直角坐标系的X轴为图像的底边,原点为图像底边的中点;
(8)数据处理装置根据图像上轨道计算轨道上每点到火车的距离:
其中,i按以下步骤确定:图像中轨道上的点向图像中的标尺做垂线,垂足所对应的图像中的标尺的刻度即为i(如图4所示);β为摄像头的最大可视角与最小可视角之差;并将计算结果在显示装置上显示;
(9)数据处理装置检测前方是否有弯道,若无,重复步骤(2)~(9);若有,在显示装置上显示弯道离火车的距离并发出告警信息;
所述检测前方是否有弯道的方法具体为:对于步骤(6)拟合得到的两条直线的任一条,从纵坐标为零的点开始依次向上,在该直线的附近沿X轴方向搜索,若搜索到连续十个点的横坐标位于该直线的同侧,则判定前方有弯道。
上述步骤(8)所述根据图像计算轨道上每点到火车的距离:
其推导过程如下(示意图见图5):
(A)L1为在轨道平面上火车距最小可视角处的距离,利用三角函数关系可得L1的计算方法为:
L1=H*tan(θ-β/2)
(B)L3为在轨道平面上火车距最大可视角处的距离,利用三角函数关系可得L3的计算方法为:
L3=H*tan(θ+β/2)
(C)由(A)和(B)可得最大可视范围的长度L3,其计算方法为:
L2=L3-L1=H*[tan(θ+β/2)-tan(θ-β/2)]
(D)从图5中可知,由于L平行为L2,以L为底边的三角形和以L2为底边的三角形为相似三角形,所以,对应轨道上的任意一点,只要在图像上以图像中的标尺为参照,读出其与Y轴的刻度数i,根据相似三角形的原理可得:
上述实施例为本发明较佳的实施方式,但本发明的实施方式并不受所述实施例的限制,其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化,均应为等效的置换方式,都包含在本发明的保护范围之内。
Claims (5)
1.一种轨道识别方法,其特征在于,包括以下步骤:
(1)安装视频采集装置:所述视频采集装置包括摄像头、摄像头固定支架和标定尺;其中,摄像头固定支架竖直固定在火车头顶部前端正中央位置,摄像头固定在摄像头支架上,摄像头的中心轴线与竖直支架的夹角为θ,摄像头的中心轴线与火车的前进方向处在同一竖直平面;将摄像头固定在摄像头支架上,使摄像头的中心轴线与火车的前进方向处在同一竖直平面,摄像头的中心轴线与竖直方向的夹角为锐角θ,摄像头与铁路轨道的垂直距离设为H,标定尺为一个标有m个等间距刻度的细长的金属尺,标定尺与轨道平面平行,标定尺置于摄像头中心轴线与火车行驶方向所在平面内,并与轨道面平行,同时,使标定尺恰好全部落入摄像头视角范围,且标定尺的最小刻度端靠近火车头;
(2)摄像头采集图像,并输入数据处理装置;
(3)确定感兴趣区域,所述感兴趣区域至少包括图像中的轨道;
(4)对步骤(3)中得到的感兴趣区域进行预处理,得到轨道的轮廓点;
(5)采用Hough变换对步骤(4)得到的轮廓点进行处理,分别得到两条待拟合的直线的斜率;
(6)根据步骤(5)所得两条待拟合的直线的斜率拟合得到两条直线;
(7)识别轨道:从原点向X轴负方向搜索斜率为正的直线,若能搜索到符合要求的直线,则该直线为左侧铁轨,该直线与直角坐标系的X轴的正方向的夹角为α1;然后从原点向X轴正方向搜索斜率为负的直线,若能搜索到符合要求的直线,则该直线为右侧铁轨,该直线与直角坐标系的X轴的正方向的夹角为α2;其中α1+α2=π;其中所述直角坐标系的X轴为图像的底边,原点为图像底边的中点;
(8)根据图像计算轨道上每点到火车的距离:
其中,i按以下步骤确定:图像中轨道上的点向图像中的标尺做垂线,垂足所对应的图像中的标尺的刻度即为i;β为摄像头的最大可视角与最小可视角之差;
(9)检测前方是否有弯道,若无,则对下一帧图像重复步骤(2)~(9);若有,显示弯道离火车的距离并发出告警信息并对下一帧图像重复步骤(2)~(9)。
2.根据权利要求1所述的轨道识别方法,其特征在于,步骤(8)所述检测前方是否有弯道的方法具体为:对于步骤(6)拟合得到的两条直线的任一条,从纵坐标为零的点开始依次向上,在该直线的附近沿X轴方向搜索,若搜索到十个连续点的横坐标位于该直线的同侧,则判定前方有弯道。
3.根据权利要求1所述的轨道识别方法,其特征在于,步骤(5)所述Hough变换,具体为:
(5-1)设直线方程为:ρ=x*cosα+y*sinα;其中ρ为直线上的点与原点的距离,α为直线上的点与原点的连线与X轴的夹角;
将参数空间量化成m*n个单元,其中,m为α的等份数,n为ρ的等份数;并设置累加器矩阵Qmxn;
(5-2)给参数空间的每个单元分配一个累加器,并把每个累加器的初始值置零;
(5-3)取出直角坐标系中的一个已知轮廓点的坐标,代入ρ=x*cosα+y*sinα中;并以量化的α值算出ρ;
(5-4)在参数空间中,找到步骤(5-3)计算所得到的ρ和α所对应的单元,并将该单元所对应的累加器加1;
(5-5)重复步骤(5-3)~(5-4),直至直角坐标系中所有的已知轮廓点都遍历;
(5-6)检测累加器中的每个累加器的值,值最大的累加器对应的单元所对应的ρ和α即为所求直线方程的参数;
(5-7)根据α计算直线的斜率。
4.根据权利要求1所述的轨道识别方法,其特征在于,步骤(4)所述对步骤(3)中得到的感兴趣区域进行预处理,得到轨道的轮廓点,具体为:
对感兴趣区域进行灰度变换,得到灰度图像,再使用CANNY算子对灰度图像进行边缘检测,得到轨道的轮廓点。
5.根据权利要求1所述的轨道识别方法,其特征在于,所述感兴趣区域为等腰梯形。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210080391.3A CN102663352B (zh) | 2012-03-23 | 2012-03-23 | 一种轨道识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210080391.3A CN102663352B (zh) | 2012-03-23 | 2012-03-23 | 一种轨道识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102663352A true CN102663352A (zh) | 2012-09-12 |
CN102663352B CN102663352B (zh) | 2014-07-30 |
Family
ID=46772836
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210080391.3A Active CN102663352B (zh) | 2012-03-23 | 2012-03-23 | 一种轨道识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102663352B (zh) |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103116743A (zh) * | 2013-02-01 | 2013-05-22 | 浙江捷尚视觉科技有限公司 | 一种基于在线学习的铁路障碍物检测方法 |
CN103481842A (zh) * | 2013-09-09 | 2014-01-01 | 华南理工大学 | 一种车辆检测与跟踪模式的切换方法 |
CN103481847A (zh) * | 2013-09-26 | 2014-01-01 | 无锡阳工机械制造有限公司 | 一种用于汽车防撞梁的复合材料 |
CN104704532A (zh) * | 2012-09-14 | 2015-06-10 | 西门子公司 | 用于叶片检查中的间隙测量的霍夫变换方法 |
CN104978562A (zh) * | 2014-04-08 | 2015-10-14 | 阿尔斯通运输科技简易股份公司 | 用于检测铁路车辆所行驶的轨道的方法 |
CN105243354A (zh) * | 2015-09-08 | 2016-01-13 | 长安大学 | 一种基于目标特征点的车辆检测方法 |
CN109145764A (zh) * | 2018-07-27 | 2019-01-04 | 中国铁道科学研究院集团有限公司 | 综合检测车的多组检测波形的未对齐区段识别方法及装置 |
CN109584706A (zh) * | 2018-10-31 | 2019-04-05 | 百度在线网络技术(北京)有限公司 | 电子地图车道线处理方法、设备及计算机可读存储介质 |
CN110537206A (zh) * | 2017-04-21 | 2019-12-03 | 株式会社东芝 | 铁路轨道识别装置、程序及铁路轨道识别方法 |
CN111291708A (zh) * | 2020-02-25 | 2020-06-16 | 华南理工大学 | 融合深度相机的变电站巡检机器人障碍物检测识别方法 |
CN112118993A (zh) * | 2018-05-01 | 2020-12-22 | 铁路视像有限公司 | 用于动态选择所选感兴趣区域的高采样率的系统和方法 |
CN112166064A (zh) * | 2018-02-06 | 2021-01-01 | 马蒂萨材料工业股份有限公司 | 在铁路轨道上定位感兴趣点或线的方法 |
CN112508893A (zh) * | 2020-11-27 | 2021-03-16 | 中国铁路南宁局集团有限公司 | 基于机器视觉的铁路双轨间微小异物检测方法及系统 |
CN113011315A (zh) * | 2021-03-16 | 2021-06-22 | 华南理工大学 | 一种基于超快速结构感知深度网络的地铁轨道识别方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1862620A (zh) * | 2006-06-12 | 2006-11-15 | 黄席樾 | 高速公路汽车行驶智能检测预警方法及其预警系统 |
WO2009059832A1 (de) * | 2007-11-08 | 2009-05-14 | Robert Bosch Gmbh | Verfahren und vorrichtung zur ausgabe von optischen fahrempfehlungen in einem fahrzeug |
CN101519981A (zh) * | 2009-03-19 | 2009-09-02 | 重庆大学 | 基于单目视觉的矿井机车防撞预警系统和预警方法 |
CN101567086A (zh) * | 2009-06-03 | 2009-10-28 | 北京中星微电子有限公司 | 一种车道线检测方法及其设备 |
US20100253540A1 (en) * | 2009-04-02 | 2010-10-07 | Gm Global Technology Operations, Inc. | Enhanced road vision on full windshield head-up display |
CN102298693A (zh) * | 2011-05-18 | 2011-12-28 | 浙江大学 | 基于计算机视觉的高速公路弯道检测方法 |
CN202115549U (zh) * | 2011-05-23 | 2012-01-18 | 成都可益轨道技术有限公司 | 铁路机车轨道智能识别系统 |
-
2012
- 2012-03-23 CN CN201210080391.3A patent/CN102663352B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1862620A (zh) * | 2006-06-12 | 2006-11-15 | 黄席樾 | 高速公路汽车行驶智能检测预警方法及其预警系统 |
WO2009059832A1 (de) * | 2007-11-08 | 2009-05-14 | Robert Bosch Gmbh | Verfahren und vorrichtung zur ausgabe von optischen fahrempfehlungen in einem fahrzeug |
CN101519981A (zh) * | 2009-03-19 | 2009-09-02 | 重庆大学 | 基于单目视觉的矿井机车防撞预警系统和预警方法 |
US20100253540A1 (en) * | 2009-04-02 | 2010-10-07 | Gm Global Technology Operations, Inc. | Enhanced road vision on full windshield head-up display |
CN101567086A (zh) * | 2009-06-03 | 2009-10-28 | 北京中星微电子有限公司 | 一种车道线检测方法及其设备 |
CN102298693A (zh) * | 2011-05-18 | 2011-12-28 | 浙江大学 | 基于计算机视觉的高速公路弯道检测方法 |
CN202115549U (zh) * | 2011-05-23 | 2012-01-18 | 成都可益轨道技术有限公司 | 铁路机车轨道智能识别系统 |
Cited By (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104704532A (zh) * | 2012-09-14 | 2015-06-10 | 西门子公司 | 用于叶片检查中的间隙测量的霍夫变换方法 |
CN103116743B (zh) * | 2013-02-01 | 2016-08-10 | 浙江捷尚视觉科技股份有限公司 | 一种基于在线学习的铁路障碍物检测方法 |
CN103116743A (zh) * | 2013-02-01 | 2013-05-22 | 浙江捷尚视觉科技有限公司 | 一种基于在线学习的铁路障碍物检测方法 |
CN103481842B (zh) * | 2013-09-09 | 2015-12-02 | 华南理工大学 | 一种车辆检测与跟踪模式的切换方法 |
CN103481842A (zh) * | 2013-09-09 | 2014-01-01 | 华南理工大学 | 一种车辆检测与跟踪模式的切换方法 |
CN103481847B (zh) * | 2013-09-26 | 2015-09-30 | 无锡阳工机械制造有限公司 | 一种用于汽车防撞梁的复合材料 |
CN103481847A (zh) * | 2013-09-26 | 2014-01-01 | 无锡阳工机械制造有限公司 | 一种用于汽车防撞梁的复合材料 |
CN104978562A (zh) * | 2014-04-08 | 2015-10-14 | 阿尔斯通运输科技简易股份公司 | 用于检测铁路车辆所行驶的轨道的方法 |
CN105243354A (zh) * | 2015-09-08 | 2016-01-13 | 长安大学 | 一种基于目标特征点的车辆检测方法 |
CN105243354B (zh) * | 2015-09-08 | 2018-10-26 | 长安大学 | 一种基于目标特征点的车辆检测方法 |
CN110537206B (zh) * | 2017-04-21 | 2023-07-28 | 株式会社东芝 | 铁路轨道识别装置、程序及铁路轨道识别方法 |
CN110537206A (zh) * | 2017-04-21 | 2019-12-03 | 株式会社东芝 | 铁路轨道识别装置、程序及铁路轨道识别方法 |
CN112166064B (zh) * | 2018-02-06 | 2023-01-17 | 马蒂萨材料工业股份有限公司 | 在铁路轨道上定位感兴趣点或线的方法 |
CN112166064A (zh) * | 2018-02-06 | 2021-01-01 | 马蒂萨材料工业股份有限公司 | 在铁路轨道上定位感兴趣点或线的方法 |
CN112118993A (zh) * | 2018-05-01 | 2020-12-22 | 铁路视像有限公司 | 用于动态选择所选感兴趣区域的高采样率的系统和方法 |
CN109145764B (zh) * | 2018-07-27 | 2020-10-27 | 中国铁道科学研究院集团有限公司 | 综合检测车的多组检测波形的未对齐区段识别方法及装置 |
CN109145764A (zh) * | 2018-07-27 | 2019-01-04 | 中国铁道科学研究院集团有限公司 | 综合检测车的多组检测波形的未对齐区段识别方法及装置 |
CN109584706A (zh) * | 2018-10-31 | 2019-04-05 | 百度在线网络技术(北京)有限公司 | 电子地图车道线处理方法、设备及计算机可读存储介质 |
CN111291708A (zh) * | 2020-02-25 | 2020-06-16 | 华南理工大学 | 融合深度相机的变电站巡检机器人障碍物检测识别方法 |
CN111291708B (zh) * | 2020-02-25 | 2023-03-28 | 华南理工大学 | 融合深度相机的变电站巡检机器人障碍物检测识别方法 |
CN112508893A (zh) * | 2020-11-27 | 2021-03-16 | 中国铁路南宁局集团有限公司 | 基于机器视觉的铁路双轨间微小异物检测方法及系统 |
CN113011315A (zh) * | 2021-03-16 | 2021-06-22 | 华南理工大学 | 一种基于超快速结构感知深度网络的地铁轨道识别方法 |
Also Published As
Publication number | Publication date |
---|---|
CN102663352B (zh) | 2014-07-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102663352B (zh) | 一种轨道识别方法 | |
CN110264783B (zh) | 基于车路协同的车辆防碰撞预警系统及方法 | |
Bergasa et al. | Drivesafe: An app for alerting inattentive drivers and scoring driving behaviors | |
CN101776438B (zh) | 道路标线测量装置及其测量方法 | |
US20180247529A1 (en) | Wrong-way determination apparatus | |
CN102765365B (zh) | 基于机器视觉的行人检测方法及行人防撞预警系统 | |
WO2018058958A1 (zh) | 一种道路车辆交通告警系统及其方法 | |
CN110400478A (zh) | 一种路况通知方法及装置 | |
CN101661682B (zh) | 基于全方位视觉的智能路考仪 | |
CN103465857A (zh) | 一种基于手机的汽车主动安全的预警方法 | |
CN104851295A (zh) | 获取路况信息的方法和系统 | |
CN110738842A (zh) | 事故责任划分及行为分析方法、装置、设备及存储介质 | |
JP6392735B2 (ja) | 情報処理装置、情報処理方法、車両の制御装置及び車両の制御方法 | |
CN103021182B (zh) | 机动车闯红灯违章监测方法及装置 | |
EP3751480A1 (en) | System and method for detecting on-street parking violations | |
CN103018754A (zh) | 一种基于gps数据的拐弯识别方法 | |
CN108091139A (zh) | 一种基于大数据的交通安全自动评估系统 | |
CN114419874B (zh) | 基于路侧感知设备数据融合的目标行车安全风险预警方法 | |
CN103129468A (zh) | 基于激光成像技术的车载路障识别系统和方法 | |
CN110942038A (zh) | 基于视觉的交通场景识别方法、装置、介质及电子设备 | |
CN105336217A (zh) | 一种基于机器视觉和安卓平台的行车安全预警系统 | |
CN104424808A (zh) | 一种导航提示方法及装置、导航系统 | |
CN109305168A (zh) | 一种车道偏离报警评估系统及评估方法 | |
Garcillanosa et al. | Smart detection and reporting of potholes via image-processing using raspberry-pi microcontroller | |
CN103164958A (zh) | 车辆监控方法及系统 |
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 |