CN103413124B - 一种圆形交通标志检测方法 - Google Patents
一种圆形交通标志检测方法 Download PDFInfo
- Publication number
- CN103413124B CN103413124B CN201310361664.6A CN201310361664A CN103413124B CN 103413124 B CN103413124 B CN 103413124B CN 201310361664 A CN201310361664 A CN 201310361664A CN 103413124 B CN103413124 B CN 103413124B
- Authority
- CN
- China
- Prior art keywords
- color
- circular
- image
- sample
- point
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 35
- 238000000034 method Methods 0.000 claims abstract description 23
- 230000011218 segmentation Effects 0.000 claims abstract description 14
- 238000005286 illumination Methods 0.000 claims abstract description 10
- 238000004364 calculation method Methods 0.000 claims abstract description 7
- 239000011159 matrix material Substances 0.000 claims description 8
- 230000009466 transformation Effects 0.000 claims description 5
- 230000001143 conditioned effect Effects 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims description 3
- 238000013145 classification model Methods 0.000 claims description 2
- 230000001186 cumulative effect Effects 0.000 claims description 2
- 230000010339 dilation Effects 0.000 claims description 2
- 238000000605 extraction Methods 0.000 claims description 2
- 238000009499 grossing Methods 0.000 claims description 2
- 238000009434 installation Methods 0.000 claims description 2
- 230000000877 morphologic effect Effects 0.000 claims description 2
- 238000007689 inspection Methods 0.000 claims 1
- 238000013507 mapping Methods 0.000 claims 1
- 238000011017 operating method Methods 0.000 claims 1
- 238000003709 image segmentation Methods 0.000 abstract description 12
- 230000008569 process Effects 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000003550 marker Substances 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000004040 coloring Methods 0.000 description 1
- 239000012141 concentrate Substances 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- GOLXNESZZPUPJE-UHFFFAOYSA-N spiromesifen Chemical compound CC1=CC(C)=CC(C)=C1C(C(O1)=O)=C(OC(=O)CC(C)(C)C)C11CCCC1 GOLXNESZZPUPJE-UHFFFAOYSA-N 0.000 description 1
Landscapes
- Image Analysis (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明是一种圆形交通标志检测方法，包括步骤S1：根据光照分量对颜色样本进行样本点划分，得到样本子集，将划分后的每个样本子集生成相应的颜色分类模板；步骤S2：使用颜色分类模板对原始图像进行图像分割；步骤S3：对分割后图像中的每一个单连通区域与圆形交通标志形状进行两级形状匹配操作；本发明从颜色样本点生成颜色分类模板的空间距离法用于对图像进行分割；设计了针对无遮挡和有遮挡的二级形状匹配系统进行圆形交通标志的快速定位。本发明将颜色分类的计算量从检测阶段转移到检测前的颜色模板生成阶段，并可以通过增加模板数量提高颜色的分类精度。本发明还在于设计的二级圆形形状匹配系统，在有部分遮挡的情况下完成检测。
Description
技术领域
本发明涉及车辆辅助驾驶技术领域，特别是一种用于实时系统的快速圆形交通标志检测方法。
背景技术
交通标志是以颜色、形状、字符、图形等向道路使用者传递信息，用于管理交通的设施，在交通中起着重要作用。
交通标志按其作用分为主标志和辅助标志两大类。
主标志包括：
1.警告标志：警告车辆、行人注意道路交通的标志；多为黄色三角形；
2.禁令标志：禁止或限制车辆、行人交通行为的标志；多为红色圆形；
3.指示标志：指示车辆、行人应遵循的标志；多为蓝色圆形；
4.指路标志：传递道路方向、地点、距离信息的标志；颜色不定，多为矩形；
5.旅游区标志：提供旅游景点方向、距离的标志；多为红色矩形；
6.作业区标志：通告道路作业区通行的标志；颜色不定，多为矩形；
7.告示标志：告知路外设施、安全行驶信息以及其他信息的标志；颜色不定，多为矩形；
辅助标志：
附设于主标志下，对其进行辅助说明的标志；多为白色矩形。
由于交通标志的颜色和形状不尽相同，所以很难用一种统一的方法来检测所有的交通标志。根据交通标志传递信息的强制性程度，禁止和指示类交通标志为必须遵守标志，而其它类别的标志为非必须遵守标志，仅提供信息以供参考。又由于禁止和指示类交通标志的形状多为圆形，因此本发明主要针对禁止和指示类交通标志中的圆形标志进行目标检测。
由于禁止和指示类交通标志有固定的颜色，故可以首先使用颜色信息对目标位置进行预估计。通常的做法是针对目标颜色对图像做分割处理，过程是穷举图像中的每一个像素点，对其进行目标与非目标的判断，这种操作的实质是二分类问题，所以图像分割效果取决于采用的分类方法。目前的颜色分类方法多是基于机器学习方式来构建分类器，这需要采集大量的正负样本对分类器进行训练。由于样本采集过程本身随机性较大，导致训练出的分类器不能适应真实环境，分类的准确率不高。同时，构建出的分类器在实际使用中计算量较大，不适应实时性要求高的交通领域。
对于颜色分割后的图像，可以使用交通标志的形状特征对图像区域做进一步筛选。而对于圆形交通标志，即在图像中需找满足预设条件的圆形。传统的基于霍夫变换的圆检测方法可以有效检测出图像中潜在的圆形，但是该方法计算量大，同样不适应实时性要求高的交通领域。
发明内容
为了解决颜色和形状分类方法计算速度慢的问题，本发明提出了一种快速的圆形交通标志检测方法，包括检测前的基于空间距离的颜色分类模板生成和的基于图像分割和圆形匹配的交通标志检测的步骤如下：
步骤S1：根据光照分量对颜色样本进行样本点划分，得到样本子集，将划分后的每个样本子集生成相应的颜色分类模板；
步骤S2：使用颜色分类模板对原始图像进行图像分割；
步骤S3：对分割后图像中的每一个单连通区域与圆形交通标志形状进行两级形状匹配操作。
本发明的效果是：本发明方法以安装在车辆上方的图像传感器为信息获取来源，使用基于图像分割和形状匹配的方法检测圆形交通标志。
1)本发明设计了从颜色样本点生成颜色分类模板的空间距离法用于对图像进行颜色分割；由于将颜色分类的计算量转移到颜色分类模板的生成阶段，检测时的图像分割只需进行简单查表操作，执行速度快。
2)本发明还可以通过细化光照强度来增加颜色分类模板的个数，进而增加图像分割的精度。
3)本发明还设计了针对无遮挡和有遮挡的二级圆形形状匹配系统进行圆形交通标志的快速定位，可以在有部分遮挡的情况下完成检测。
附图说明
图1为本发明的整体流程图；
图2为本发明的图像分割流程图；
图3为本发明的形状匹配流程图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本发明进一步详细说明。
本发明公开了一种用于车辆辅助驾驶或自动驾驶领域下的圆形交通标志检测方法。本发明可以从图像中获取圆形交通标志的位置，用以后续的交通标志内容识别。本发明以安装在车辆上方的图像传感器为信息获取来源，使用基于图像分割和形状匹配的方法检测圆形交通标志。本发明包括检测前的基于空间距离的颜色分类模板生成方法和检测中的图像分割方法和圆形匹配的交通标志检测方法，其中颜色分类模板生成在检测过程之前完成。检测开始前先加载生成的颜色分类模板，开始图像的采集，之后进行交通标志检测整个流程如图1所示：
步骤S1：根据光照分量对颜色样本进行样本点划分，得到样本子集，将划分后的每个样本子集生成相应的颜色分类模板；
步骤S2：在检测阶段首先使用颜色分类模板对原始图像进行分割；
步骤S3：对分割后图像中的每一个单连通区域与圆形交通标志形状进行两级形状匹配操作。
本发明设计了使用采集到的目标颜色样本生成颜色分类模板的方法。该方法根据光照条件的不同，将整个颜色样本划分为多个样本子集，再使用样本子集生成用于颜色分割的颜色分类模板。得到所述样本子集的步骤包括：
步骤S111：首先从交通标志样本图像中采集目标颜色的样本数据；
步骤S112：将采集到目标颜色的样本转换到HSV(Hue，Saturation，Value)颜色空间。
步骤S113：由于不同光照强度下的样本的分布特征不同，因此以光照强度V分量为依据，将目标颜色的样本划分为N个样本子集。在每个子集中，只使用H和S分量对颜色进行分类。
颜色的分类可以通过样本点与待检测点的距离进行判断，如果二者距离近，则说明待检测点与样本点相似，判定为目标颜色点。如果二者距离远，则判定为非目标颜色点。在检测时直接计算待检测点与所有样本点的距离是十分耗时的，因此本发明通过事先设定的距离阈值R，从样本点出发生成颜色分类模板，具体生成颜色分类模板的步骤包括：
步骤S121：对于每个样本子集，设置空间距离阈值R；
步骤S122：在获取每个子集后，以每个子集中的样本点为中心及以空间距离阈值R为半径对子集中的样本点做形态学膨胀操作，得到模板图像；
步骤S123：之后再排除每个模板图像中包含的小面积单连通区域。
步骤S124：将生成的模板图像保存为颜色分类模板，在检测时，只需进行查表操作既能完成分类。
本发明设计了基于图像分割和圆形匹配的交通标志检测方法，其中图像分割的流程如图2所示：
步骤S311：首先加载已经生成的颜色分类模板；
步骤S312：然后将获取的原始图像转换到HSV颜色空间。
步骤S313：历遍转换后图像中的每一个像素点，并根据每一个像点的V分量选择对应的颜色分类模板。
步骤S314：对于每一个被历遍的像素点，以该像素点的H分量和S分量为索引，在颜色分类模板中进行查找对应点的值。
步骤S315：判断对应点的值，如果颜色分类模板中的对应点为非零，则说明被历遍像素点为目标颜色点，如果颜色分类模板中的对应像素点为零，则被历遍像素点为非目标颜色点。在完成所有像素点的分类后，即完成图像的分割。
图3示出本发明中所述单连通区域与圆形交通标志形状进行两级形状匹配操作步骤包括：
步骤S321：首先对分割后的图像进行高斯平滑处理；
步骤S322：提取分割后图像中单连通区域的外轮廓，计算单连通区域的长和宽，排除面积和宽高比不满足预设条件的单连通区域；
步骤S323：之后，对于图像中每一个单连通区域的外轮廓，计算每一个单连通区域的外轮廓对应的Hu矩，如果计算值与预先设置的圆形Hu矩进行比较，如果二者之差大于阈值，则说明该单连通区域外轮廓为非圆形轮廓区域，跳转到步骤S324；由于存在遮挡现象，该非圆形轮廓区域中是否包含圆形，还需要进一步判断。如果二者之差小于阈值，则说明该单连通区域为圆形轮廓区域，即检测到圆形目标，算法结束。
步骤S324：对每一个非圆形轮廓区域进行尺度归一化操作；
为了检测非圆形轮廓区域中是否存在部分遮挡情况下的圆形交通标志，本发明改进了基于霍夫变换的圆检测方法。由于单连通区域中最多只能构成一个圆，因此算法首先对单连通区域中的图像进行尺度归一化操作，可以保证阈值选取的一致性。
步骤S325：之后使用Canny算法提取非圆形轮廓区域中的边缘，并保留边缘点的梯度信息。
步骤S326：建立一个以圆心坐标值a，b为索引的二维矩阵。计算边缘点(x，y)的梯度方向θ，以x、y、θ为自变量，进行有梯度信息条件下的霍夫变换，即使用x、y、θ对所有可能的圆心坐标值a，b进行映射，每当有圆心坐标值a，b被映射，则在二维矩阵对应的位置上增加一个计数。
步骤S327：当所有边缘点完成映射后，对二维矩阵中的元素从大到小排序。从二维矩阵中最大的圆心坐标值a，b开始，累加其3×3邻域内的点，如果累加值大于事先设定的阈值，则认为非圆形轮廓区域中有圆心存在，跳转步骤S328，如果累加值小于事先设定的阈值，则认为非圆形轮廓区域中中不存在圆形，检测算法结束。
步骤S328：对于非圆形轮廓区域中有圆心存在的情况，以确定非圆形轮廓区域中的圆心为中点，统计圆心的中点到各个边缘点的距离。如果满足距离为(A+2，A-2)的边缘点个数超过事先设定的阈值，则认为非圆形轮廓区域中有半径为A的圆形存在，如果不满足距离为(A+2，A-2)的边缘点个数超过事先设定的阈值，则认为非圆形轮廓区域中不存在圆形。
利用本发明的上述方法，可以：1)将颜色分类的计算量转移到颜色分类模板的生成阶段，减少检测时的计算量，提高执行速度。2)通过细化光照强度来增加颜色分类模板的个数增加图像分割的精度。3)可以在有部分遮挡的情况下完成检测。
以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (5)
1.一种圆形交通标志检测方法，其特征在于，所述圆形交通标志检测的步骤包括：
步骤S1：将采集到的样本转换到HSV颜色空间，根据光照强度V分量对颜色样本进行样本点划分，得到样本子集，将划分后的每个样本子集根据设置的空间距离阈值为半径，对每个子集的样本点做膨胀操作，排除小面积单连通区域后，生成相应的颜色分类模板；
步骤S2：加载生成的颜色分类模板，将原始图像转换到HSV颜色空间，根据V分量选择颜色分类模板，若像素点对应位置点的H分量和S分量非零，则为目标像素点，反之则不是目标像素点，以此对原始图像进行图像分割；
步骤S3：对分割后图像中的每一个单连通区域与圆形交通标志形状进行两级形状匹配操作，首先计算每一个单连通区域的外轮廓的Hu距和与预先设置的圆形Hu矩进行比较，如果二者之差小于阈值，则为圆形轮廓区域，如果大于阈值，则利用基于霍夫变换的圆形检测方法进一步确认是否存在圆形区域。
2.如权利要求1所述圆形交通标志检测方法，其特征在于，得到所述样本子集的步骤包括：
步骤S111：从交通标志样本图像中采集目标颜色的样本数据；
步骤S112：将采集到目标颜色的样本转换到HSV颜色空间；
步骤S113：根据光照强度V分量将目标颜色的样本划分为N个样本子集。
3.如权利要求1所述圆形交通标志检测方法，其特征在于，生成颜色分类模板的步骤包括：
步骤S121：对于每个样本子集，设置空间距离阈值R；
步骤S122：以每个子集中的样本点为中心及以空间距离阈值R为半径，对每个子集中的样本点做形态学膨胀操作，得到模板图像；
步骤S123：排除每个模板图像中包含的小面积单连通区域；
步骤S124：将每个模板图像保存为颜色分类模板。
4.如权利要求1所述圆形交通标志检测方法，其特征在于，图像分割的步骤包括：
步骤S311：加载颜色分类模板；
步骤S312：获取并将采集的原始图像转换到HSV颜色空间；
步骤S313：根据每一个被历遍的像素点的V分量选取对应的颜色分类模板；
步骤S314：以该像素点的H分量和S分量为索引，在颜色分类模板中查找对应点的值；
步骤S315：如果颜色分类模板中的对应点的值为非零，则被历遍像素点为目标颜色点，如果颜色分类模板中的对应像素点为零，则被历遍像素点为非目标颜色点。
5.如权利要求1所述圆形交通标志检测方法，其特征在于，所述单连通区域与圆形交通标志形状进行两级形状匹配操作步骤包括：
步骤S321：对分割后的图像做高斯平滑预处理；
步骤S322：提取分割后图像中单连通区域的外轮廓，计算单连通区域的长和宽，排除面积和宽高比不满足预设条件的单连通区域；
步骤S323：计算每一个单连通区域的外轮廓对应的Hu矩，将计算值与预先设置的圆形Hu矩进行比较，如果二者之差大于阈值，则为非圆形轮廓区域，跳转到步骤S324，如果二者之差小于阈值，则为圆形轮廓区域，即检测到圆形目标，程序退出；
步骤S324：对每一个非圆形轮廓区域进行尺度归一化操作；
步骤S325：使用Canny算法提取非圆形轮廓区域中的边缘，并保留边缘点的梯度信息；
步骤S326：建立一个索引的二维矩阵，其索引为圆心坐标(a，b)的值；计算边缘点(x，y)的梯度方向θ，以x、y、θ为自变量，进行有梯度信息条件下的霍夫变换；使用x、y、θ对所有可能的圆心坐标值a、b进行映射，每当有圆心坐标值a、b被映射，则在二维矩阵对应的位置上增加一个计数；
步骤S327：对二维矩阵中的元素从大到小进行排序：从二维矩阵中最大的圆心坐标值开始，累加其3×3邻域内的点，如果累加值大于事先设定的阈值，则非圆形轮廓区域中有圆心存在，跳转步骤S328，如果累加值小于事先设定的阈值，则非圆形轮廓区域中不存在圆心，即不存在圆形，检测结束；
步骤S328：以确定非圆形轮廓区域中的圆心为中点，统计圆心的中点到各个边缘点的距离；如果满足距离为(A+2，A-2)的边缘点个数超过事先设定的阈值，则认为非圆形轮廓区域中有半径A的圆形存在，如果不满足距离为(A+2，A-2)的边缘点个数超过事先设定的阈值，则认为非圆形轮廓区域中不存在圆形。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201310361664.6A CN103413124B (zh) | 2013-08-19 | 2013-08-19 | 一种圆形交通标志检测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201310361664.6A CN103413124B (zh) | 2013-08-19 | 2013-08-19 | 一种圆形交通标志检测方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN103413124A CN103413124A (zh) | 2013-11-27 |
| CN103413124B true CN103413124B (zh) | 2016-09-21 |
Family
ID=49606133
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201310361664.6A Active CN103413124B (zh) | 2013-08-19 | 2013-08-19 | 一种圆形交通标志检测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN103413124B (zh) |
Families Citing this family (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104182760B (zh) * | 2014-04-16 | 2017-12-26 | 南京通用电器有限公司 | 一种基于编码式交通标志的交通信息读取方法 |
| DE102014212781A1 (de) * | 2014-07-02 | 2016-01-07 | Continental Automotive Gmbh | Verfahren zum Ermitteln und Bereitstellen einer Landmarke zur Positionsbestimmung für ein Fahrzeug |
| CN106845324B (zh) * | 2015-12-03 | 2020-07-24 | 阿里巴巴（中国）有限公司 | 路牌信息的处理方法和装置 |
| CN105787475A (zh) * | 2016-03-29 | 2016-07-20 | 西南交通大学 | 一种复杂环境下的交通标志检测与识别方法 |
| CN106503704B (zh) * | 2016-10-21 | 2018-03-23 | 河南大学 | 一种自然场景中圆形交通标志定位方法 |
| CN107194383A (zh) * | 2017-07-10 | 2017-09-22 | 上海应用技术大学 | 基于改进Hu不变矩和ELM的交通标志牌识别方法和装置 |
| CN108805854B (zh) * | 2018-01-09 | 2022-02-08 | 湖南科技大学 | 一种复杂环境下药片快速计数与完整性检测方法 |
| CN110738224A (zh) * | 2018-07-19 | 2020-01-31 | 杭州海康慧影科技有限公司 | 一种图像处理方法及装置 |
| CN110414511B (zh) * | 2019-07-30 | 2022-05-03 | 深圳市普渡科技有限公司 | 用于机器人的合作标志识别方法及系统 |
| CN110674863B (zh) * | 2019-09-19 | 2022-06-21 | 北京迈格威科技有限公司 | 汉明码识别方法、装置及电子设备 |
| CN113283439B (zh) * | 2021-06-15 | 2022-09-23 | 深圳诺博医疗科技有限公司 | 基于图像识别的智能计数方法、装置及系统 |
| CN113989308B (zh) * | 2021-11-04 | 2024-06-14 | 浙江大学 | 一种基于霍夫变换与模板匹配的多边形目标分割方法 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102385753A (zh) * | 2011-11-17 | 2012-03-21 | 江苏大学 | 一种基于光照分类的自适应图像分割方法 |
| CN102819728A (zh) * | 2012-07-17 | 2012-12-12 | 中国航天科工集团第三研究院第八三五七研究所 | 一种基于分类模板匹配的交通标志检测方法 |
| CN103020623A (zh) * | 2011-09-23 | 2013-04-03 | 株式会社理光 | 交通标志检测方法和交通标志检测设备 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8447139B2 (en) * | 2010-04-13 | 2013-05-21 | International Business Machines Corporation | Object recognition using Haar features and histograms of oriented gradients |
| WO2011154978A2 (en) * | 2010-06-10 | 2011-12-15 | Tata Consultancy Services Limited | An illumination invariant and robust apparatus and method for detecting and recognizing various traffic signs |
-
2013
- 2013-08-19 CN CN201310361664.6A patent/CN103413124B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103020623A (zh) * | 2011-09-23 | 2013-04-03 | 株式会社理光 | 交通标志检测方法和交通标志检测设备 |
| CN102385753A (zh) * | 2011-11-17 | 2012-03-21 | 江苏大学 | 一种基于光照分类的自适应图像分割方法 |
| CN102819728A (zh) * | 2012-07-17 | 2012-12-12 | 中国航天科工集团第三研究院第八三五七研究所 | 一种基于分类模板匹配的交通标志检测方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN103413124A (zh) | 2013-11-27 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN103413124B (zh) | 一种圆形交通标志检测方法 | |
| US10074020B2 (en) | Vehicular lane line data processing method, apparatus, storage medium, and device | |
| CN103366190B (zh) | 一种识别交通标志的方法 | |
| Wu et al. | Rapid localization and extraction of street light poles in mobile LiDAR point clouds: A supervoxel-based approach | |
| CN102968646B (zh) | 一种基于机器学习的车牌检测方法 | |
| CN108154560A (zh) | 激光点云标注方法、装置及可读存储介质 | |
| CN102999753B (zh) | 车牌定位方法 | |
| US20140294291A1 (en) | Image Sign Classifier | |
| CN107506760A (zh) | 基于gps定位与视觉图像处理的交通信号检测方法及系统 | |
| CN105469084A (zh) | 一种靶标中心点快速提取方法及系统 | |
| CN102999886B (zh) | 图像边缘检测器及标尺光栅栅线精度检测系统 | |
| CN102364496A (zh) | 一种基于图像分析的汽车车牌自动识别方法及系统 | |
| CN102354457A (zh) | 基于广义霍夫变换的交通信号灯位置检测方法 | |
| CN112150804B (zh) | 一种基于MaskRCNN算法的城市多类型交叉口识别方法 | |
| CN101710387A (zh) | 一种高分辨率遥感图像智能分类方法 | |
| CN106709412B (zh) | 交通标志检测方法和装置 | |
| CN102254152A (zh) | 基于彩色跳变点和颜色密度的车牌定位方法 | |
| CN108256467B (zh) | 一种基于视觉注意机制和几何特征的交通标志检测方法 | |
| CN104463138A (zh) | 基于视觉结构属性的文本定位方法及系统 | |
| CN112966618A (zh) | 着装识别方法、装置、设备及计算机可读介质 | |
| CN106909881A (zh) | 基于无人机遥感影像提取玉米育种基地垄数的方法及系统 | |
| CN112101108A (zh) | 一种基于图形极点位置特征的左右转交通标志识别方法 | |
| Shan et al. | Unmanned aerial vehicle (UAV)-Based pavement image stitching without occlusion, crack semantic segmentation, and quantification | |
| CN103400125A (zh) | 一种图像连通域双次扫描双重标记方法 | |
| CN116071725B (zh) | 一种路面标线识别方法及系统 |
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 |