CN103544489A - 一种车标定位装置及方法 - Google Patents
一种车标定位装置及方法 Download PDFInfo
- Publication number
- CN103544489A CN103544489A CN201310559774.3A CN201310559774A CN103544489A CN 103544489 A CN103544489 A CN 103544489A CN 201310559774 A CN201310559774 A CN 201310559774A CN 103544489 A CN103544489 A CN 103544489A
- Authority
- CN
- China
- Prior art keywords
- car
- car mark
- module
- locating
- locating module
- 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.)
- Pending
Links
Images
Abstract
本发明公开了一种车标定位装置及方法,定位装置中视频采集模块、车牌定位模块、车标定位模块和输出模块,其通过视频采集模块采集到现实场景中的车辆视频,利用车标与车牌之间的位置关系进行车标的初定位,进而根据车标初定位区域的背景图像的纹理信息,通过边缘检测和模板匹配的方法精确定位车标区域。本发明提高了车标定位的效率和准确度,有效解决现有车标定位方法消耗大量时间,对于图像质量要求高,鲁棒性差等问题。
Description
技术领域
本发明涉及一种车辆识别技术,具体涉及一种车辆中车标的定位技术。
背景技术
智能交通系统已经被证明是一种有效解决交通问题的方法。交通信息采集是智能交通系统的重要组成部分,在交通控制与管理、城市道路规划等方面发挥着重要作用。交通信息采集离不开对道路上车辆的检测。
随着汽车拥有量的快速增加,出现了一些套牌、倒牌现象,这对车辆检测和识别研究提出了更高的要求,需要在识别车牌号码的同时,通过车牌号码与车辆类型的一致性来鉴别是否为违章车辆。
车标作为车辆的一个显著特征,对车型识别起到了关键性的作用,车标识别系统是视频车辆检测的重要组成部分。如果能准确定位出车标,将会极大提高车标识别的准确率,进而提高车型分类与识别的准确率。
目前,对车标定位普遍采用的方法有:基于纹理一致性的车标定位方法、利用车标垂直边缘能量的定位方法、基于PCA与不变矩的车标定位方法、基于能量增强和形态滤波的车标定位方法等。
但是由于各种车标的纹理特征和形状大小都不相同,采用现有的相关匹配定位算法会消耗大量的计算时间,同时并不能得到很好的识别结果。
发明内容
针对现有车标识别技术消耗时间长和准确率不高等问题,本发明的目的提供一种高效、高精度的车标定位技术,有效解决现有技术所存在的问题。
为了达到上述目的,本发明采用如下的技术方案:
一种车标定位装置,所述定位装置包括用于采集车头视频图像的视频采集模块,其还包括车牌定位模块、车标定位模块以及输出模块,所述车牌定位模块与视频采集模块数据相接,根据视频采集模块采集的车头视频图像定位车牌;所述车标定位模块与车牌定位模块数据相接,首先根据车牌定位模块进行车牌定位的结果,对车标进行初定位,再对初定定位结果通过模板匹配和边缘检测的方法进行精确定位车标;所述输出模块与车标定位模块和视频采集模块数据相接,显示车标定位模块的定位结果和视频采集模块采集的视频数据。
在车标定位装置的优选方案中,所述车标定位模块包括初步定位模块、左右边界精确定位模块和上下边界精确定位模块,所述初步定位模块在车牌定位模块进行车牌定位的结果上,根据车标与车牌的位置关系对车标区域进行初步定位;所述左右边界精确定位模块与初步定位模块数据相接,对初步定位模块初步定位的车标区域的左边界和右边界进行精确定位;所述上下边界精确定位模块与左右边界精确定位模块数据相接,对左、右边界精确定位的车标区域的上边界和下边界进行精确定位。
进一步的,所述视频采集模块采用单目摄像头采集车头视频。
在上述车标定位装置的基础上,本发明还提供一种车标定位方法,所述定位方法包括如下步骤:
(1)通过采集到的车头视频图像对车牌定位;
(2)根据定位的车牌位置对车标位置进行初定位,得到初定位的车标区域;
(3)对初定位的车标区域的左右边界和上下边界进行精确定位,实现车标的精确定位;
(4)输出精准定位的车标图。
在定位方法的优选方案中,所述步骤(2)中取定位出的车牌位置的左边界和右边界分别为初定位车标区域的左边界和右边界,再取车牌位置的上边界为初定位车标区域的下边界,取离车牌位置上边界距离为3倍车牌高度为初定位车标区域的上边界。
进一步的,所述步骤(3)通过如下步骤进行精确定位:
(31)通过模板匹配和边缘检测精确定位车标区域的左边界和右边界;
(32)对确定左、右边界的车标区域图像分别进行水平差分和垂直差分,根据差分结果获得边缘图像,对得到的边缘图像进行水平方向投影,求出连通像素区域,由此精确定位车标区域的上边界和下边界。
再进一步的,所述步骤(31)中在初步定位的车标区域图像上截取宽度为其宽度的1/15,高度不变的矩形当作模板,然后在初步定位的车标区域图像上进行由左向右和由右向左的平移,每平移一次做一次相关匹配系数运算,分别将由左向右平移过程中和由右向左平移过程中计算出的相关匹配系数第一个小于总的相关匹配系数的均值的位置当作车标左边界和右边界。
再进一步的,所述步骤(32)中确定左、右边界的车标区域图像分别进行水平差分和垂直差分时,定义差分结果像素差大于12个像素则为边缘,得到的边缘图像;接着,对边缘图像进行水平方向直方图累加,求出各连通的直方图区域,计算各自的像素总数,取像素总数最多的区域为车标区域。
本发明提供的方案能够实现在消耗较少时间的情况下对车标进行精确定位,极大的提高了车标定位的效率和准确度,从而有效解决现有技术中消耗大量时间,对于图像质量要求高,鲁棒性差等问题。
附图说明
以下结合附图和具体实施方式来进一步说明本发明。
图1是本发明中车标定位装置的结构框图;
图2是图1所示车标定位装置中车标定位模块的结构框图;
图3是本发明中进行车标定位的流程图;
图4是三种典型纹理样式的散热片的示意图;
图5是本发明进行车标定位的实例示意图。
具体实施方式
为了使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解,下面结合具体图示,进一步阐述本发明。
参见图1,其所示为本发明中车标定位装置的结构示意图。该车标定位装置主要包括视频采集模块01、车牌定位模块02、车标定位模块03和输出模块04。
视频采集模块01用于采集车头视频图像,该视频图像包括车辆的车牌图像和车标图像。具体的,该视频采集模块01采用单目的摄像头来采集车头视频,如现有的监视摄像头,并不限于监视摄像头,还可采用其它种类的摄像头。
车牌定位模块02其与视频采集模块01数据相接,获取视频采集模块01采集的车头视频图像,并对该车头视频图像中车牌图像的位置定位。具体可以使用现有的车牌定位的方法,例如:基于车牌图像色彩信息定位法、基于边缘检测的定位法、基于车牌几何特征的定位法和基于频谱分析的车牌定位法等。由于车辆牌照具有鲜明的纹理特征和规则的形状特征,但是各种车标的纹理特征和形状大小都不相同,因此车牌更容易被准确、快速的定位。
车标定位模块03,其与车牌定位模块02数据相接,用于根据车牌定位模块02在视频图像中定位的车牌图像位置与车标图像位置之间的关系,对视频图像中车标的位置进行定位。
参见图2,其所示为车标定位模块03的结构框图。由图可知,车标定位模块03主要包括三个功能子模块:初步定位模块05、左右边界精确定位模块06和上下边界精确定位模块07。
初步定位模块05,用于根据图像中车标位置与车牌的位置关系对图像中车标区域进行初步定位。
左右边界精确定位模块06与初步定位模块05数据相接,通过模板匹配对初定位的车标区域图像的左边界和右边界进行精确定位。
上下边界精确定位模块07与左右边界精确定位模块06数据相接,其通过对确定了左右边界的车标区域图像分别进行水平差分和垂直差分,根据差分结果获得边缘图像,对得到的边缘图像进行水平方向投影,求出连通像素区域,由此对精确定位车标区域的上边界和下边界。
具有上述三个子模块的车标定位模块03在具体实现时,初步定位模块05在视频图像中定位出车牌位置后,依据先验知识,取定位出的车牌位置的左边界和右边界分别为初步车标区域的左边界和右边界,再取车牌上边界为初步车标区域的下边界,取离车牌上边界距离为3倍车牌高度为初步车标区域的上边界。
由此,确定的初步车标定位区域中车标的背景在绝大部分情况下是散热片,散热片的纹理样式繁多。参见图4,其所示为三种典型的散热片的样式:水平纹理的散热片、垂直纹理的散热片以及网格纹理的散热片,其为现有常见结构,此处不加以赘述。
为了能够在此情况下对车标进行精确定位,车标定位模块03的其余两个子模块:左右边界精确定位模块06和上下边界精确定位模块07主要用于在以散热片为背景的初步车标定位区域中,分别精确确定车标的左右、上下四个边界。
左右边界精确定位模块06利用模板匹配方法精确定位图像中车标区域的左边界和右边界。其在初步定位的车标区域图像上截取宽度为其宽度的1/15,高度不变的矩形当作模板,然后在初步定位的车标区域图像上平移,先从最左边向右平移,每平移一次做一次相关系数运算,匹配的相关系数定义为:
由于有车标区域的图像与模板的相关系数会比没有车标区域的图像与模板的相关系数更小,据此可以把从左边平移计算出的相关系数第一个小于总的相关系数的均值的位置当作车标左边界;右边界的确定同理;由此完成车标区域左右边界的精确定位。
上下边界精确定位模块07用于精确定位车标区域的上边界和下边界。其首先对左右边界精确定位模块06确定的左右边界的车标区域图像进行水平和垂直方向的差分,定义差分结果像素差大于12个像素则为边缘,得到的边缘图像;接着,对边缘图像进行水平方向直方图累加,求出各连通的(直方图间隔不超过1个像素视为连通)直方图区域,计算各自的像素总数,取像素总数最多的区域为车标区域。但考虑到实际情况中,有些车辆的风扇方向是垂直的,上述方案无法对垂直风扇的车辆的车标进行定位。为了对垂直风扇的车辆的车标定位,对处理好的车标做判断,如果它的高度比上宽度大于1.8,则进一步处理。对定位好的车标图像再进行水平差分和垂直差分,采用水平差分和垂直差分得到的边缘图像再做与运算,可以有效的抑制水平方向和垂直方向的边缘,基于此可以有效的抑制垂直风扇,水平和垂直差分得到的图像二值化阈值取为15,水平边缘和垂直边缘做与运算得到的结果边缘再水平方向直方图累加,步骤如前,从而精确定位出使用垂直风扇的车辆的车标。
定位装置中的输出模块04分别与视频采集模块01和车标定位模块03数据相接,用于将车标定位模块03的定位结果在采集到的视频中标识出来,可以是但不局限于框出视频中的车标。
对于车标定位模块03的定位结果除了可以传输到输出模块04,也可以用于车型分类与识别系统的后续操作,例如车标识别。
通过上述方案形成的车标定位装置进行车标定位的过程如下(参见图3):
第一步,由车牌定位模块对视频采集模块采集到的车头视频图像中定位车牌位置;
第二步,车标定位模块中的初步定位模块在确定车牌位置的图像中利用车标位置与车牌位置之间的关系进行车标区域的初步定位;
第三步,车标定位模块中的左右边界精确定位模块通过模板匹配方法精确确定位初步定位的车标区域的左边界和右边界;
第四步,车标定位模块中的上下边界精确定位模块对由左右边界精确定位模块精确定位左右边界的车标区域图像分别进行水平差分和垂直差分,根据差分结果获得边缘图像,再对得到的边缘图像进行水平方向投影,求出连通像素区域,由此对精确定位车标区域的上边界和下边界;
第五步,是输出定位结果。
上述的车标定位方案在实际中可以由相应的软件程序来具体实现。参见图5,其所示为通过软件程序来实现车标定位装置进行车标定位的实例示意图。
由图可知,该装置在进行定位时,首先得到一副包含车头的图像并以此作为输入图像进行车牌定位,并输出车牌定位结果图像。
接着,在车牌定位结果图像上初步定位车标区域,并对初步定位的车标区域图像进行裁剪,得到初步车标定位结果图像。具体的取定位出的车牌左边界和右边界分别为初步车标区域的左边界和右边界,再取车牌上边界为初步车标区域的下边界,取离车牌上边界距离为3倍车牌高度为初步车标区域的上边界。
再者,在初步车标定位结果图像中,通过边缘检测和模板匹配的方法精确定位车标图像的左右边界,并依据确定的左右边界对初步车标定位结果图像进行裁剪,得到车标左右边界裁剪图像。
最后,在车标左右边界裁剪图像中,通过边缘检测和统计的方法精确定位车标图像的上下边界,并依据确定的上下边界对车标左右边界裁剪图像进行裁剪,得到精确车标定位结果裁剪图像。
以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解,本发明不受上述实施例的限制,上述实施例和说明书中描述的只是说明本发明的原理,在不脱离本发明精神和范围的前提下,本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。
Claims (8)
1.一种车标定位装置,所述定位装置包括用于采集车头视频图像的视频采集模块,其特征在于,所述车标定位装置还包括车牌定位模块、车标定位模块以及输出模块,所述车牌定位模块与视频采集模块数据相接,根据视频采集模块采集的车头视频图像定位车牌;所述车标定位模块与车牌定位模块数据相接,首先根据车牌定位模块进行车牌定位的结果,对车标进行初定位,再对初定定位结果通过模板匹配和边缘检测的方法进行精确定位车标;所述输出模块与车标定位模块和视频采集模块数据相接,显示车标定位模块的定位结果和视频采集模块采集的视频数据。
2.根据权利要求1所述的一种车标定位装置,其特征在于,所述车标定位模块包括初步定位模块、左右边界精确定位模块和上下边界精确定位模块,所述初步定位模块在车牌定位模块进行车牌定位的结果上,根据车标与车牌的位置关系对车标区域进行初步定位;所述左右边界精确定位模块与初步定位模块数据相接,对初步定位模块初步定位的车标区域的左边界和右边界进行精确定位;所述上下边界精确定位模块与左右边界精确定位模块数据相接,对左、右边界精确定位的车标区域的上边界和下边界进行精确定位。
3.根据权利要求1所述的一种车标定位装置,其特征在于,所述视频采集模块采用单目摄像头采集车头视频。
4.一种车标定位方法,其特征在于,所述定位方法包括如下步骤:
(1)通过采集到的车头视频图像对车牌定位;
(2)根据定位的车牌位置对车标位置进行初定位,得到初定位的车标区域;
(3)对初定位的车标区域的左右边界和上下边界进行精确定位,实现车标的精确定位;
(4)输出精准定位的车标图。
5.根据权利要求1所述的一种车标定位方法,其特征在于,所述步骤(2)中取定位出的车牌位置的左边界和右边界分别为初定位车标区域的左边界和右边界,再取车牌位置的上边界为初定位车标区域的下边界,取离车牌位置上边界距离为3倍车牌高度为初定位车标区域的上边界。
6.根据权利要求1所述的一种车标定位方法,其特征在于,所述步骤(3)通过如下步骤进行精确定位:
(31)通过模板匹配和边缘检测精确定位车标区域的左边界和右边界;
(32)对确定左、右边界的车标区域图像分别进行水平差分和垂直差分,根据差分结果获得边缘图像,对得到的边缘图像进行水平方向投影,求出连通像素区域,由此精确定位车标区域的上边界和下边界。
7.根据权利要求6所述的一种车标定位方法,其特征在于,所述步骤(31)中在初步定位的车标区域图像上截取宽度为其宽度的1/15,高度不变的矩形当作模板,然后在初步定位的车标区域图像上进行由左向右和由右向左的平移,每平移一次做一次相关匹配系数运算,分别将由左向右平移过程中和由右向左平移过程中计算出的相关匹配系数第一个小于总的相关匹配系数的均值的位置当作车标左边界和右边界。
8.根据权利要求6所述的一种车标定位方法,其特征在于,所述步骤(32)中确定左、右边界的车标区域图像分别进行水平差分和垂直差分时,定义差分结果像素差大于12个像素则为边缘,得到的边缘图像;接着,对边缘图像进行水平方向直方图累加,求出各连通的直方图区域,计算各自的像素总数,取像素总数最多的区域为车标区域。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310559774.3A CN103544489A (zh) | 2013-11-12 | 2013-11-12 | 一种车标定位装置及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310559774.3A CN103544489A (zh) | 2013-11-12 | 2013-11-12 | 一种车标定位装置及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN103544489A true CN103544489A (zh) | 2014-01-29 |
Family
ID=49967924
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310559774.3A Pending CN103544489A (zh) | 2013-11-12 | 2013-11-12 | 一种车标定位装置及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103544489A (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104182728A (zh) * | 2014-07-26 | 2014-12-03 | 佳都新太科技股份有限公司 | 一种基于模式识别的车标自动定位与识别方法 |
CN105760876A (zh) * | 2016-03-18 | 2016-07-13 | 中山大学 | 一种基于散热器栅格背景消融的车标定位方法 |
CN106503748A (zh) * | 2016-11-07 | 2017-03-15 | 湖南源信光电科技有限公司 | 一种基于s‑sift特征和svm训练器的车型识别算法 |
WO2017088478A1 (zh) * | 2015-11-24 | 2017-06-01 | 乐视控股(北京)有限公司 | 数字分离方法及装置 |
CN106886775A (zh) * | 2017-01-20 | 2017-06-23 | 广西科技大学鹿山学院 | 一种车标识别方法、及启动方法 |
CN107092876A (zh) * | 2017-04-12 | 2017-08-25 | 湖南源信光电科技股份有限公司 | 基于Retinex与S‑SIFT特征结合的低照度车型识别方法 |
CN109829923A (zh) * | 2018-12-24 | 2019-05-31 | 五邑大学 | 一种基于深度神经网络的基站天线下倾角测量系统及方法 |
CN110281240A (zh) * | 2019-06-26 | 2019-09-27 | 北京博视智动技术有限公司 | 液晶显示屏玻璃定位、拾取方法及系统和视觉处理系统 |
CN111860474A (zh) * | 2019-04-18 | 2020-10-30 | 四川大学 | 一种基于背景散热片消融的车标定位方法 |
CN112418323A (zh) * | 2020-11-24 | 2021-02-26 | 哈尔滨市科佳通用机电股份有限公司 | 基于图像处理的铁路货车钩舌销故障检测方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103077384A (zh) * | 2013-01-10 | 2013-05-01 | 北京万集科技股份有限公司 | 一种车标定位识别的方法与系统 |
-
2013
- 2013-11-12 CN CN201310559774.3A patent/CN103544489A/zh active Pending
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103077384A (zh) * | 2013-01-10 | 2013-05-01 | 北京万集科技股份有限公司 | 一种车标定位识别的方法与系统 |
Non-Patent Citations (2)
Title |
---|
刘直芳 等: "一种简单快速的车标定位方法", 《计算机应用》, vol. 29, no. 5, 15 May 2009 (2009-05-15), pages 1344 - 1348 * |
李侠 等: "基于模板匹配和边缘检测的车标定位方法", 《计算机工程与设计》, vol. 32, no. 10, 15 October 2011 (2011-10-15), pages 3453 - 3456 * |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104182728A (zh) * | 2014-07-26 | 2014-12-03 | 佳都新太科技股份有限公司 | 一种基于模式识别的车标自动定位与识别方法 |
WO2017088478A1 (zh) * | 2015-11-24 | 2017-06-01 | 乐视控股(北京)有限公司 | 数字分离方法及装置 |
CN105760876B (zh) * | 2016-03-18 | 2019-03-08 | 中山大学 | 一种基于散热器栅格背景消融的车标定位方法 |
CN105760876A (zh) * | 2016-03-18 | 2016-07-13 | 中山大学 | 一种基于散热器栅格背景消融的车标定位方法 |
CN106503748A (zh) * | 2016-11-07 | 2017-03-15 | 湖南源信光电科技有限公司 | 一种基于s‑sift特征和svm训练器的车型识别算法 |
CN106886775A (zh) * | 2017-01-20 | 2017-06-23 | 广西科技大学鹿山学院 | 一种车标识别方法、及启动方法 |
CN107092876A (zh) * | 2017-04-12 | 2017-08-25 | 湖南源信光电科技股份有限公司 | 基于Retinex与S‑SIFT特征结合的低照度车型识别方法 |
CN109829923A (zh) * | 2018-12-24 | 2019-05-31 | 五邑大学 | 一种基于深度神经网络的基站天线下倾角测量系统及方法 |
CN111860474A (zh) * | 2019-04-18 | 2020-10-30 | 四川大学 | 一种基于背景散热片消融的车标定位方法 |
CN110281240A (zh) * | 2019-06-26 | 2019-09-27 | 北京博视智动技术有限公司 | 液晶显示屏玻璃定位、拾取方法及系统和视觉处理系统 |
CN110281240B (zh) * | 2019-06-26 | 2020-12-25 | 北京博视智动技术有限公司 | 液晶显示屏玻璃定位、拾取方法及系统和视觉处理系统 |
CN112418323A (zh) * | 2020-11-24 | 2021-02-26 | 哈尔滨市科佳通用机电股份有限公司 | 基于图像处理的铁路货车钩舌销故障检测方法 |
CN112418323B (zh) * | 2020-11-24 | 2021-07-16 | 哈尔滨市科佳通用机电股份有限公司 | 基于图像处理的铁路货车钩舌销故障检测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103544489A (zh) | 一种车标定位装置及方法 | |
CN103793708B (zh) | 一种基于仿射校正的多尺度车牌精准定位方法 | |
CN105678285B (zh) | 一种自适应的道路鸟瞰图变换方法和道路车道检测方法 | |
CN110443225B (zh) | 一种基于特征像素统计的虚实车道线识别方法及其装置 | |
CN102682292B (zh) | 基于单目视觉的道路边缘检测及粗定位方法 | |
CN101334836B (zh) | 一种融合色彩、尺寸和纹理特征的车牌定位方法 | |
CN103714538B (zh) | 道路边缘检测方法、装置及车辆 | |
CN104217427B (zh) | 一种交通监控视频中车道线定位方法 | |
CN105718870A (zh) | 自动驾驶中基于前向摄像头的道路标线提取方法 | |
CN109726717B (zh) | 一种车辆综合信息检测系统 | |
CN105260699A (zh) | 一种车道线数据的处理方法及装置 | |
CN102354457B (zh) | 基于广义霍夫变换的交通信号灯位置检测方法 | |
CN106156752B (zh) | 一种基于逆投影三视图的车型识别方法 | |
CN102915433B (zh) | 基于字符组合的车牌定位和识别方法 | |
CN103500322A (zh) | 基于低空航拍图像的车道线自动识别方法 | |
CN202134079U (zh) | 一种无人驾驶车辆车道标志线识别与报警装置 | |
CN107644528A (zh) | 一种基于车辆跟踪的车辆排队长度检测方法 | |
CN106887004A (zh) | 一种基于块匹配的车道线检测方法 | |
CN110349260A (zh) | 一种路面标线自动提取方法及装置 | |
CN106802144A (zh) | 一种基于单目视觉和车牌的车距测量方法 | |
CN103279755A (zh) | 基于汽车底部阴影特征的快速车牌定位方法 | |
CN104978746A (zh) | 一种行驶车辆的车身颜色识别方法 | |
CN105551046A (zh) | 车脸定位方法及装置 | |
Li et al. | Judgment and optimization of video image recognition in obstacle detection in intelligent vehicle | |
CN108154114B (zh) | 一种车道线检测的方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20140129 |