CN103410079B - 一种单ccd相机实时车辙检测系统 - Google Patents
一种单ccd相机实时车辙检测系统 Download PDFInfo
- Publication number
- CN103410079B CN103410079B CN201310217024.8A CN201310217024A CN103410079B CN 103410079 B CN103410079 B CN 103410079B CN 201310217024 A CN201310217024 A CN 201310217024A CN 103410079 B CN103410079 B CN 103410079B
- Authority
- CN
- China
- Prior art keywords
- ccd camera
- real
- detection system
- laser
- track detection
- 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
Links
Landscapes
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明涉及道路检测领域,特别是一种单CCD相机实时车辙检测系统。本发明通过将两个线激光器和一台CCD相机安装在车体上,通过CCD相机、线激光器及激光出瞳处之间距离角度的合理安装,实现了单台CCD相机测量宽度达大于3m,且所有仪器设备不会超过车体宽度,便于系统安装和使用。
Description
技术领域
本发明涉及道路检测领域,特别是一种单CCD相机实时车辙检测系统。
背景技术
车辙是指路面上沿行车轨迹产生的纵向带状凹槽,由于路面车辆行驶产生的流动变形,磨损,沉陷造成。车辙直接危害路面的质量,降低了路面的使用寿命,缩短维修周期。车辙处积水下渗,对路面基层、路基均有不同程度的损害,是路面坑槽产生的原因之一;还会进一步促进沥青的老化速度,进而产生大量病害;其隐蔽性强,不容易被驾驶员发觉和重视。在高速行驶中,方向稍微转动即容易出现难以应对的事故。
目前车载路面车辙实时检测系统主要使用线激光数字图像检测方法,但是主要存在以下缺点:测量系统采用的传感器过多,不仅使得系统造价成本大大增加,也使得结构安装十分困难;采用的激光器绝大多数为固体脉冲式激光器,不仅成本很高,发光效率低下和工作条件苛刻,并且532nm激光波长位于可见光区间,使得在白天工作时信噪比大大降低;在复杂路况中(如转弯、颠簸)中抗干扰能力很差,虽然少数测量系统采用的多角度激光照射可以解决这一问题,但是每次测量激光器需要伸出车尾,这对结构安装造成困难和对车辆行驶安全造成威胁;由相机拍摄图片直接传送至计算机,导致数据量很大,对传输线路和计算机处理能力要求很高;不能实现任意可变间距车辙测量,即车辙测量间距为固定值,使用不方便。
发明内容
针对背景技术的不足,本发明通过将两个线激光器和一台CCD相机安装在车体上,通过CCD相机、线激光器及激光出瞳处之间距离角度的合理安装,实现了单台CCD相机测量宽度达大于3m,且所有仪器设备不会超过车体宽度,便于系统安装和使用。
本发明的技术方案是:一种单CCD相机实时车辙检测系统,包括CCD相机、两个线激光器,CCD相机镜头中心距离地面高度为2600mm至3000mm,CCD相机镜头中心在激光器出光位置的前方距离为240 mm至440mm处;两台线激光器横向距离为1740mm至2140mm;激光器出光位置距离地面高度为600mm至900mm,其特征在于:所述的线激光器到激光出瞳处与水平面的夹角为21°,所述的CCD相机到激光出瞳处与水平面的夹角为60°。其有益效果是:各测量部件安装后横向不伸出车身,高度方向不超过3000mm,向车后方向探出不超过500mm,且能够测量较宽范围的车辙。
如上所述的车辙检测系统,其特征在于:所述的CCD相机和线激光器固定在铝盒内,所述铝盒安装固定在车身上。其有益效果是:能使设备防尘防雨,提高系统的环境适应能力。
如上所述的车辙检测系统,其特征在于:所述的CCD相机为Ranger D50面阵CCD相机。其有益效果是:具有1/16亚像素轮廓提取功能,分辨值可达1mm以下,使系统具有较高的分辨率。
如上所述的车辙检测系统,其特征在于:所述线激光器为5W半导体808nm近红外线激光器。其有益效果是:808nm近红外光在阳光下的信噪比大大提高,在接收光学系统中加入808nm窄带滤光片后几乎可以滤除全部可见光,使得阳光的干扰可以基本忽略。
如上所述的车辙检测系统,其特征在于:所述车辙检测系统还包括位移传感器。其有益效果是:可以通过位移传感器测量检测系统的行走距离。
如上所述的车辙检测系统,其特征在于:所述车辙检测系统还包括计算机,所述计算机用于采集CCD相机的图像并进行处理。其有益效果是:经计算机中值滤波和小波变换后,可以得到有效的图像激光线轮廓。
附图说明
图1为基于激光三角法的测量分辨率模型;
图2车辙测量系统各部件结构安装右视图示意图;
图3为车辙测量系统各部件结构安装主视图示意图;
图4为智能相机提取的激光线轮廓(激光线轮廓预处理);
图5、图6、图7、图8分别为计算机滤除预处理激光线轮廓的噪声过程(激光线轮廓后处理);
图9为分段标定和载体坐标系示意图;
图10为标定像方坐标点阵图。
具体实施方式
附图标记说明:1—线激光器、2—CCD相机。
以下结合附图对本发明做进一步的说明。
1. 基于激光三角测量法的分辨率模型
在激光三角测量法中,激光照射在待测物体表面上,经过散射或反射后在探测器上成像。当物体表面形状发生改变时,对应光束的成像位置也将发生相应的位移。通过像方位移和实际位置变化的对应关系,可以从像方获取物方的位置信息,并根据所得到的物方点的位置信息绘制道路的剖面曲线,计算车辙。根据激光投射至待测表面的方位,激光三角法通常分为直射和斜射两种测量方式,而考虑到车载系统安装的可行性,测量器件结构安装采取斜射方式。
车辙检测系统中,相机所能检测到的最小深度变化为车辙检测的分辨率,即车辙深度变化引起激光线在相机感光面上恰好有一行像素的位移,具体的系统测量分辨率模型如图1所示。其中Δu为相机CCD像元尺寸,um量级;f为光学镜头焦距,mm量级;L为物距;由几何成像关系,Δx=Δu*L/f,即Δx为物距为L时的物方分辨率。其中α为线激光切面与水平面的二面角,β为相机镜头光轴与线激光切面的夹角。从图中可以看出,由于采取斜射测量方式,物方分辨率Δx并不等于车辙测量分辨率Δz’;其转换和近似过程如下:
Δz表示真实车辙数值,Δz’表示近似车辙数值,通过三角函数关系,在Δu/f为10-3量级,θ趋近于0时,两者Δz近似等于Δz’。因此车辙分辨率只与L f β α这些测量系统安置角度和尺寸有关。
由于前述Δu/f为10-3量级,θ趋近于0,则近似后车辙分辨率模型为:
Δz=Δu*L*sinα/f/sinβ
2. 测量系统器件安装结构和光学系统参数确定
本发明的难度在于既要满足单个相机镜头覆盖整条车道3750mm宽度视场,由于视场范围很大,需要足够的成像物距;两台半导体线激光器1照射范围更要超过3750mm,也需要足够的投射距离;而为了满足车辆行驶安全和结构安装的抗颠簸能力,各测量部件应尽量靠近车体,不能过多探出车身;另外为了实现较高的测量分辨率,由上节所述,相机镜头光轴与线激光切面的夹角β越大越好。
为了解决以上矛盾,测量系统使用了SICK公司Ranger D50面阵CCD相机,像素数为1536*512,像素尺寸为9.5*9.5um,CCD芯片尺寸14.592*4.864mm;接收光学系统使用FUJINON 12.5mm,1:1.4工业镜头。线激光器1发射线激光切面与水平地面的夹角为21°,安装高度:激光器出光位置距离地面高度为600mm至900mm,最好为750mm,两台线激光器1横向距离为1740mm至2140mm,最好为1940mm;CCD相机2镜头光轴与水平地面的夹角为60°,安装高度:相机镜头中心距离地面高度为2600mm至3000mm,最好为2800;线激光器1与CCD相机2位置关系:相机镜头中心与激光器出光位置的前后方向距离为240 mm至440mm ,最好为340mm,如图2、图3所示。
此时激光出瞳处到激光与地面投射点的长度为2093mm(近2.1m);相机光轴与地面交点与激光出瞳处的水平距离为1954mm,成像物距约为3233mm。则横向车道测量范围:T=14.592/12.5*3233=3774mm;测量分辨率(测量分辨率Δz’和Δz相等)Δz=9.5*3233*sin21°/12.5/sin39°=1.40mm,水平(横向)视场角η= 2*arctan(3774/2/3233)=60.54°。
按照上述参数,将CCD相机2和线激光器1固定在防尘防雨铝盒内,再将铝盒安装固定在车身外围的铝型材上;整个系统测量视场宽度达到3774mm(>3750mm);所用Ranger D50相机具有1/16亚像素轮廓提取功能,因此分辨可达1mm以下;各测量部件安装后横向不伸出车身,高度方向不超过3000mm,向车后方向探出不超过500mm,且与车体均为刚性连接,不需要测量时变动相对位置关系;有效地保证行驶安全和系统的抗颠簸能力。
3. 图像激光线轮廓提取与噪声处理
图像线激光轮廓提取预处理通过德国SICK公司Ranger D50智能相机,相机芯片对所拍摄图像进行基于感兴趣区域(ROI)的光条精确定位,传送至计算机的信息为每幅光条图像细化后的轮廓而非图像,其定位算法类似于灰度重心法,在理想情况下精度可达1/16像素,极大的提高了采集帧率和图像处理速度。实时提取的激光线轮廓信息如图4所示,横轴为每帧激光线轮廓的像面横坐标u,纵轴为时间轴,12位灰度值除以16表示每帧激光线轮廓的相面纵坐标v,因此该图显示了连续512帧图像的轮廓信息。由于在接收光学系统中加入了UV镜和808nm窄带滤光片,绝大多数图像在烈日下也具有极高的信噪比;在极少数极端的情况下的激光线轮廓提取的错误,需要对提取的轮廓进行噪声滤除,如图中第400帧轮廓在图5至图8中被单独列出,由于车辙在横向(左右方向)和纵向(前后方向)都应为平缓的渐变轮廓,这帧提取的原始轮廓混入了噪声和错误信息。
图5至图8共4幅图分别表示SICK相机提取的原始激光线轮廓;经过中值滤波后的激光线轮廓;经过小波变换处理后的激光线轮廓;激光线轮廓DWT后的高频分量位置。中值滤波处理噪声效果良好,但其对激光线轮廓也起了平滑的作用,为了避免去掉正确的车辙信息,滤波窗口不能过大,图6为经过窗口为5的一维中值滤波后的轮廓信息,有效的去除了椒盐噪声。小波变换为连续变化短时傅里叶变换的汇集,在高频时用窄时域窗,低频时用宽时域窗;时域窗越窄,对信号的时间和空间定位能力越强,因此能有效的定位信号的高频点。由中值滤波处理后的轮廓仍然掺杂高频噪声,图8显示了经过DWT后高频分量的空间位置,将这些错误轮廓点清0,得到滤除噪声后的激光线轮廓,如图7。
由于车辙等于激光线轮廓的极值差,因此中值滤波后如果采用低通滤波或空域平均,会引起高频点周围的轮廓值抖动,直接影响极值差;而如果不经过中值滤波,直接采用小波变换去除高频点,则会去除很多有效的轮廓信息。图7显示,在预处理过程,即相机轮廓提取极差的情况下;经过计算机软件的后处理过程,即中值滤波和小波变换后,保留了正确而有效的图像激光线轮廓。
4. 成像畸变与标定校正方法
由于采取单CCD相机2,拍摄全车道视场非常大,通常情况下在图像边缘处存在较大的畸变误差,径向畸变关于摄像机镜头的主光轴对称,是对边缘处存在较大畸变的一种模型化。在非线性成像模型中,只需修正径向畸变就能得到较好结果,径向畸变可以表示为:
u’=u*(1+k1r2+ k2r4+…)
v’=v*(1+k1r2+ k2r4+…)
其中(u,v)为像点坐标,r=(u2+v2)0.5为像点到镜头中心的距离,k为畸变系数,(u’,v’)为畸变校正后的像点坐标。用多项式拟合标定方法通过解线性方程组来求解物方点和像方点的变换关系,相对于传统的非线性成像模型而言比较简单,只需要解线性方程组即可得到各项待标定参数,且对各种畸变都有很好的校正。多项式次数越高校正精度越高,但所需控制点对的数目急剧增加,导致计算时间急剧增加。
为了有效校正径向畸变和提高处理速度,本测量系统采用基于多项式拟合分段标定和基于距离权重内插计算的方法来解算物方路面轮廓。如图9所示,以左右方向(即车体横向)为x轴,前后方向(即车体纵向)为z轴,车体上下方向为y轴建立右手载体坐标系。车辙是根据像方激光线轮廓解算的物方路面2维轮廓线的y坐标极值差得出,车辙路面左右方向出现的位置由x坐标给出,每帧车辙的z坐标位置由车载里程记录系统给出。
在水平面左右方向由27条物方基准标定线将整个视场分成28段均匀的细长型区域,每段区域宽135mm;同时在像面上根据采集的标定点生成28条像方基准标定线。车辙深度测量范围为正负80mm,在图像边缘径向畸变较大的位置,如图9所示,最深点与0车辙点距图像中心距离近似相等,即r相等;而在中心视场径向畸变较小;又由于每条物方基准线物方坐标x固定,只需对每条标准线的高程信息坐标y与像方纵坐标v建立标定关系,对每条基准标定线采用一元三次多项式拟合校正径向畸变。
具体过程为将汽车置于距离地面150mm的平台上,平台下两侧使用精准升降台放置标定杆。涂有黑漆的标定杆长度为3.8m,每隔135mm涂细条白色油漆。标定过程中,使激光线投射到标定杆上,在白漆处相机CCD可以采集亮点位置并保存。将标定杆沿升降台向上移动,每次间隔10mm,直至覆盖距离水平面-80到80mm的所有范围,获取所有亮点形成一个像方标定点阵,如图10所示。此时通过每条基准线已知的19个物方坐标与像方的19个亮点建立标定关系,通过下式求出对应基准线的标定系数an:
yi=a3*vi 3+a2* vi 2+a1*vi+a0 i=1,2,3,…,19
在实际测量中需要进行标定的反过程,即通过上式得出的28组标定系数an和采集的图像轮廓纵坐标v反算出物方高程y,即:
y=a3,i*v3+a2,i* v2+a1,i*v+a0,i i=1,2,3,…,28
上式给出了在第i条基准标定线上点像方坐标v直接计算出物方坐标y的方法,而在任意两条基准线之间的点通过内插计算转换关系。如有像点(u1,v1),在第i条与i+1条像方标定线之间,可以假设有两个权重参数b,c;满足下式:
b+c=1,且b*Li=c* Li+1
式中Li表示像点(u1,v1)到第i条像方基准标定线的距离,距离与权重大小成反比。则任一像点的物方高程信息y可表示为:
y=b*(a3,i*v3+a2,i* v2+a1,i*v+a0,i)+ c*(a3,i+1*v3+a2,i+1* v2+a1,i+1*v+a0,i+1)
通过上式解算出物方坐标与实际物方坐标的误差均在0.70以下,前述车辙分辨率为1.40mm,因此本发明通过基于多项式拟合分段标定和基于距离权重内插计算的方法来解算物方路面轮廓精度可达1mm。
5. 数据和控制信号传输与实时车辙计算
Ranger D50相机对路面激光线轮廓进行预处理,大大减少了实时数据传输量,每幅1536*512图像经过预处理后仅传回表示激光线轮廓位置的1536个16bit灰度值,即每帧数据仅有3KB(图4为连续512帧数据灰度图像),其最大处理和传输速度达到1000profile/s;实时采集数据由通过CAT6双绞线经RJ45接口和千兆以太网卡传输至车载工控机内存。
采用位移传感器为APPLANIX POS系统DMI(Distance Measurement Indicator)传感器,车轮转动360°则固定在轮轴上的DMI传感器输出1024个脉冲,即车轮每转动20′65.625″则DMI脉冲编码器输出一个5V高电平矩形脉冲,其低电平为0V;所用汽车轮胎周长为2180mm,则每个脉冲输出对应的位移量为d=2180mm/1024=2.12mm。由于Ranger D50相机外触发接口为RS422差分输入,因此DMI编码器输出信号先经过AM26LS31C差分芯片后再经RS422传输至相机,通过相机API函数可设定累积多少次脉冲信号相机采集一次图像轮廓,由此可实现可变间隔车辙测量。
读入工控机内存的相机预处理激光线轮廓,通过基于Visual Studio 2008 C#编写的车辙处理软件分别进行激光线轮廓滤噪的后处理;通过激光线轮廓反算物方高层轮廓线;最后计算实际车辙深度,实时输出显示并存储。
车辙测量是要找到位于路面剖面线上方,并与路面剖面线相切的直线;路面剖面线上各点与该直线的最大距离即为车辙值。测量系统采用取关键点的方法找到相切直线,即在1536个像素点中,每50点取其最大值点作为关键点;所得30个关键点中过最大值点,且斜率的绝对值最小的2个关键点所确定的直线即为相切直线;分别求1536个点距离该直线的距离,取最大值作为输出车辙。采用该种方法可以有效解决由于汽车拐弯或者其它原因产生车体配重变化使得测量受到严重干扰,这是因为所有测量器件与车体刚性连接,建立的载体坐标系会使整个激光线会随车体整体倾斜,而所求相切直线始终位于剖面上方,不会影响计算车辙。
根据满足我国《公路路基路面现场测试规程》标准,本发明实现了车辙测量覆盖横向全车道3750mm,测量分辨率高于1mm。
Claims (10)
1.一种单CCD相机实时车辙检测系统,包括CCD相机、两个线激光器,CCD相机镜头中心距离地面高度为2600mm至3000mm,CCD相机镜头中心在线激光器出光位置的前方距离为240 mm至440mm处;两台线激光器横向距离为1740mm至2140mm;线激光器出光位置距离地面高度为600mm至900mm,其特征在于:所述的线激光器到激光出瞳处与水平面的夹角为21°,所述的CCD相机到激光出瞳处与水平面的夹角为60°。
2.如权利要求1所述的单CCD相机实时车辙检测系统,其特征在于:所述的CCD相机镜头中心距离地面高度2800mm。
3.如权利要求1所述的单CCD相机实时车辙检测系统,其特征在于:所述的CCD相机镜头中心在线激光器出光位置的前方距离340mm处。
4.如权利要求1所述的单CCD相机实时车辙检测系统,其特征在于:所述的两台线激光器横向距离为1940mm。
5.如权利要求1所述的单CCD相机实时车辙检测系统,其特征在于:所述的线激光器出光位置距离地面高度为750mm。
6.如权利要求1至5所述任一种单CCD相机实时车辙检测系统,其特征在于:所述的CCD相机和线激光器固定在铝盒内,再将铝盒安装固定在车身。
7.如权利要求1至5所述任一种单CCD相机实时车辙检测系统,其特征在于:所述的CCD相机为Ranger D50面阵CCD相机。
8.如权利要求1至5所述任一种单CCD相机实时车辙检测系统,其特征在于:所述线激光器为5W半导体808nm近红外线激光器。
9.如权利要求1至5所述任一种单CCD相机实时车辙检测系统,其特征在于:它还包括位移传感器。
10.如权利要求1至5所述任一种单CCD相机实时车辙检测系统,其特征在于:它还包括计算机,所述的计算机用于采集CCD相机的图像并进行处理。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310217024.8A CN103410079B (zh) | 2013-06-04 | 2013-06-04 | 一种单ccd相机实时车辙检测系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310217024.8A CN103410079B (zh) | 2013-06-04 | 2013-06-04 | 一种单ccd相机实时车辙检测系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103410079A CN103410079A (zh) | 2013-11-27 |
CN103410079B true CN103410079B (zh) | 2015-08-19 |
Family
ID=49603116
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310217024.8A Active CN103410079B (zh) | 2013-06-04 | 2013-06-04 | 一种单ccd相机实时车辙检测系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103410079B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105421201B (zh) * | 2015-11-24 | 2019-01-11 | 中公高科养护科技股份有限公司 | 路面图像采集装置和路面图像采集车 |
CN107621229B (zh) * | 2017-10-23 | 2023-05-30 | 福州大学 | 基于面阵黑白相机的实时铁路轨道宽度测量系统及方法 |
CN110020997B (zh) * | 2019-04-09 | 2020-04-21 | 苏州乐佰图信息技术有限公司 | 图像畸变纠正方法、图像的还原方法以及对位方法 |
CN111005295B (zh) * | 2019-12-23 | 2022-02-25 | 交通运输部科学研究院 | 一种用于路面车辙检测动态标定及试验的准静态检测方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0996515A (ja) * | 1995-09-29 | 1997-04-08 | Mitsubishi Heavy Ind Ltd | 路面ひびわれ検出装置 |
US5721685A (en) * | 1995-06-29 | 1998-02-24 | Holland; Robert E. | Digi-track digital roadway and railway analyzer |
CN101476277A (zh) * | 2009-02-06 | 2009-07-08 | 长安大学 | 对称式多束准直激光路面车辙检测系统 |
CN101487222A (zh) * | 2009-02-27 | 2009-07-22 | 长安大学 | 多功能激光道路检测车 |
-
2013
- 2013-06-04 CN CN201310217024.8A patent/CN103410079B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5721685A (en) * | 1995-06-29 | 1998-02-24 | Holland; Robert E. | Digi-track digital roadway and railway analyzer |
JPH0996515A (ja) * | 1995-09-29 | 1997-04-08 | Mitsubishi Heavy Ind Ltd | 路面ひびわれ検出装置 |
CN101476277A (zh) * | 2009-02-06 | 2009-07-08 | 长安大学 | 对称式多束准直激光路面车辙检测系统 |
CN101487222A (zh) * | 2009-02-27 | 2009-07-22 | 长安大学 | 多功能激光道路检测车 |
Non-Patent Citations (1)
Title |
---|
利用激光三角法进行快速车辙检测;李清泉等;《武汉大学学报》;20100331;第35卷(第3期);第302~307页 * |
Also Published As
Publication number | Publication date |
---|---|
CN103410079A (zh) | 2013-11-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101750049B (zh) | 基于道路和车辆自身信息的单目视觉车距测量方法 | |
EP2329222B1 (de) | Verfahren und messanordnung zum bestimmen der rad- oder achsgeometrie eines fahrzeugs | |
CN109085823B (zh) | 一种园区场景下基于视觉的自动循迹行驶方法 | |
CN101776438B (zh) | 道路标线测量装置及其测量方法 | |
CN109359409A (zh) | 一种基于视觉与激光雷达传感器的车辆可通过性检测系统 | |
CN107462223B (zh) | 一种公路转弯前行车视距自动测量装置及测量方法 | |
DE10246067B4 (de) | Verfahren und Vorrichtung zur Kalibrierung eines Bildsensorsystems in einem Kraftfahrzeug | |
CN103410079B (zh) | 一种单ccd相机实时车辙检测系统 | |
US8238610B2 (en) | Homography-based passive vehicle speed measuring | |
CN110008893B (zh) | 一种基于车载图像传感器的车辆行驶跑偏自动检测方法 | |
JP6950170B2 (ja) | 情報処理装置、撮像装置、機器制御システム、情報処理方法、及びプログラム | |
WO2008089964A2 (en) | Method and system for video-based road lane curvature measurement | |
CN104870934A (zh) | 用于测量轮胎的胎纹深度的装置和方法 | |
CN105184872B (zh) | 基于机器视觉的汽车保险费电子计价器 | |
GB2560110A (en) | Detection and documentation of tailgating and speeding violations | |
DE102012211791B4 (de) | Verfahren und Anordnung zum Prüfen eines Fahrzeugunterbodens eines Kraftfahrzeuges | |
CN105989593A (zh) | 视频录像中进行特定车辆速度测量的方法及装置 | |
CN102259653A (zh) | 基于激光扫描技术的铁路限界检测装置 | |
DE112020004984T5 (de) | Kalibrierung von LiDAR-Sensoren | |
CN106546257A (zh) | 车距测量方法及装置、车辆相对速度测量方法及装置 | |
CN108592876A (zh) | 基于激光扫描成像原理的隧道外观病害检测机器人 | |
CN106978774A (zh) | 一种路面坑槽自动检测方法 | |
GB2396005A (en) | Calibrating an image sensor system in an automotive vehicle | |
DE102010039092B4 (de) | Verfahren und Steuergerät zum Ermitteln eines Abstandes eines Objektes von einem Fahrzeug | |
CN113689483B (zh) | 一种基于单目摄像头和激光雷达的测距方法 |
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 |