CN104537636A - 隧道入口“黑洞效应”的图像检测方法 - Google Patents

隧道入口“黑洞效应”的图像检测方法 Download PDF

Info

Publication number
CN104537636A
CN104537636A CN201410590449.8A CN201410590449A CN104537636A CN 104537636 A CN104537636 A CN 104537636A CN 201410590449 A CN201410590449 A CN 201410590449A CN 104537636 A CN104537636 A CN 104537636A
Authority
CN
China
Prior art keywords
val
image
tunnel
gray
gradient
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
Application number
CN201410590449.8A
Other languages
English (en)
Other versions
CN104537636B (zh
Inventor
邹小春
代东林
郭兴隆
苏宇峰
袁源
代文可
韩坤林
蒋明星
刘言
韩拓
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.)
China Merchants Chongqing Communications Research and Design Institute Co Ltd
Original Assignee
China Merchants Chongqing Communications Research and Design Institute Co Ltd
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 China Merchants Chongqing Communications Research and Design Institute Co Ltd filed Critical China Merchants Chongqing Communications Research and Design Institute Co Ltd
Priority to CN201410590449.8A priority Critical patent/CN104537636B/zh
Publication of CN104537636A publication Critical patent/CN104537636A/zh
Application granted granted Critical
Publication of CN104537636B publication Critical patent/CN104537636B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/40—Analysis of texture
    • G06T7/41—Analysis of texture based on statistical description of texture
    • G06T7/44—Analysis of texture based on statistical description of texture using image operators, e.g. filters, edge density metrics or local histograms
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection
    • 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
    • G06T2207/10—Image acquisition modality
    • G06T2207/10004—Still image; Photographic image
    • 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
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30236—Traffic on road, railway or crossing

Abstract

本发明表述一种隧道入口“黑洞效应”的图像检测方法，该方法的特征是：采用图像分析，根据隧道内外的视觉特征信息，包括灰度、梯度及其比值，来判断公路隧道入口是否存在“黑洞效应”或“黑洞效应”的严重程度。

Description

隧道入口“黑洞效应”的图像检测方法
技术领域
本发明涉及交通安全技术，具体涉及一种隧道入口“黑洞效应”的图像检测方法。
背景技术
近年来，总量不断增加的隧道给交通管理和行车环境带来了诸多影响，尤其是处于大交通量路段的长隧道和特长隧道，安全形势十分严峻。由于隧道呈隐蔽带状结构，其交通事故的后果往往比隧道外的严重得多。目前，出入口事故多发已成为隧道交通事故的集中特点，主要原因之一在于隧道内外亮度差异超出了驾驶员的视觉适应能力。
就白天入口段而言，当车辆驶近隧道时，如果隧道内部照明亮度与外部环境亮度的差异超过了人眼适应的极限，驾驶员从隧道外面难以看清入口段的真实路况，便会带来“黑洞”一样的视觉效果，这种现象一般称为“黑洞效应”。“黑洞效应”产生后，驾驶员在进入隧道瞬间无法看清前方障碍物甚至失去方向感，需经过短时间的暗适应过程才能恢复正常。这种情形下，倘若隧道里面靠近入口处存在行驶缓慢或者因故静止的车辆，隧道外车辆的快速驶入极易引发交通事故。例如，2011年4月14日12时40分，在户外阳光强烈的厦蓉排降隧道，一辆越野车受入口处明暗度急骤变化的干扰，驶入隧道100米左右与前方慢速行驶的货车相撞，造成3死2重伤的交通事故。2013年3月1日13时45分，晋济岩后隧道入口处，一辆运煤车受“黑洞效应”影响，未能看清隧道入口段通行情况便违章变道驶入，与距离入口约100米的甲醇运输车相撞并发生火灾爆炸，最终引起40人遇难和多车被毁的重大损失。通过上述可知，检测隧道入口“黑洞效应”，进而引导车辆安全行驶意义重大。
针对上述隧道入口白天视觉安全性问题，飞秒光电科技公司申请了一种隧道入口用太阳光照明控制系统专利，控制反光镜始终以最优角度面向太阳光，使最强光线反射到隧道内加强照明。厦门格绿能光电公司申请了一种LED隧道灯系统及LED隧道灯的亮度控制方法专利，通过照度传感器采集天空照度，分析处理后实时调节隧道内部照明亮度。长安大学于2013年申请了一种公路隧道入口白天安全性提示装置及提示方法专利，由隧道内摄像机采集入口段车况图像信息，经单片机处理后向隧道外提供警示信息。以上专利的侧重点或是改善隧道内部的照明条件，或是反应隧道入口段车况信息，均未涉及隧道入口处“黑洞效应”的检测，并且现有技术中，也未见检测隧道入口“黑洞效应”的报道。
发明内容
本发明的目的在于提供一种隧道入口“黑洞效应”的图像检测方法，通过该方法可以得知隧道入口是否存在“黑洞效应”以及“黑洞效应”的严重程度。
本发明隧道入口“黑洞效应”的图像检测方法，其突出的特点是采用图像分析，根据隧道内外的视觉特征信息，包括灰度、灰度比值、梯度和梯度比值，来判断隧道入口是否存在“黑洞效应”或“黑洞效应”的严重程度，具体包括以下步骤：
1）获取隧道入口原始灰度图像Im1；
2）隧道内外关键区域定位
a. 边缘检测，获得梯度图像Im2和边缘二值图像Im3；
b. 公路隧道入口位置确定
在灰度图像Im1、梯度图像Im2和边缘二值图像Im3中，隧道入口轮廓是一段圆弧，求取圆弧的圆心(a 0, b 0)和半径r 0，利用圆心(a 0, b 0)和半径r 0描述入口的位置；
c. 关键区域标记
在灰度图像Im1、梯度图像Im2和边缘二值图像Im3中，将落在以(a 0, b 0)为圆心、0.9r 0为半径的圆内，且纵坐标小于b 0+0.2r 0的区域作为隧道内部关键区域，标记为ROI1；同时，将圆心(a 0, b 0)、半径1.5r 0圆内，处于圆心(a 0, b 0)、半径r 0圆外或者纵坐标大于b 0+0.2r 0的区域作为隧道外部关键区域，标记为ROI2；
3）视觉特征统计与检测结果求解
由灰度图像Im1统计区域ROI1的灰度均值Val 2_1、区域ROI2的灰度均值Val 2_2以及区域ROI1和区域ROI2的灰度比值Val 2=Val 2_1/Val 2_2，由梯度图像Im2统计区域ROI1的梯度均值Val 3_1、区域ROI2的梯度均值Val 3_2以及区域ROI1和区域ROI2的梯度比值Val 3=Val 3_1/Val 3_2，在此基础上，加权灰度比值和梯度比值，作为隧道入口“黑洞效应”的检测结果，表示为Result=α×Val 2+β×Val 3，其中0< α<1、0< β<1且α + β=1，于是，Result在[0, 1]范围内的取值小于设定阈值Thed 2时，可认为隧道入口存在“黑洞效应”，且Result取值越小，“黑洞效应”程度也越为严重。
本发明的有益效果：本发明中Val 2在[0, 1]范围内的取值越大，表明隧道入口内外的亮度视觉差异越小，入口段整体场景比较清晰可见。Val 3在[0, 1]范围内的取值越大，表示车道指示器、照明灯具等设备的结构视觉特征越明显。大量实验表明，当两者的加权结果Result大于等于阈值Thed 2=0.6时，隧道入口几乎不存在“黑洞效应”，即视觉安全性比较高。然而，当Result小于Thed 2=0.6时，隧道入口通常存在不同程度的“黑洞效应”，尤其是Result取值很小时“黑洞效应”将显得非常突出，此时隧道入口的视觉安全风险较大。根据本方法检测结果，隧道运营单位可以采取调节入口段照明亮度或使用情报板引导驾驶行为等措施，实现对“黑洞效应”不利影响的有效控制。
进一步，在步骤1）中，在隧道入口外，利用摄像机对隧道入口附近场景连续拍摄三幅彩色图像，经灰度化处理得到原始灰度图像Im1_1、Im1_2和Im1_3，将原始灰度图像Im1_1、Im1_2和Im1_3中的任意两幅作差分运算后，对所得三幅差分图像分别计算灰度均值Val 1_1、Val 1_2和Val 1_3，当且仅当Val 1_1、Val 1_2和Val 1_3同时小于差分阈值Thed 1时，才加权平均Im1_1、Im1_2和Im1_3作为隧道入口的原始灰度图像Im1，否则重新拍摄三幅彩色图像并重复上述步骤。上述图像采集方案的优势在于，通过差分运算判断图像中是否存在运动车辆，并将包含运动车辆的图像帧丢弃后重新采集，可以确保Im1图像的ROI1区域和ROI2区域均不包含车辆等干扰物，从而避免了隧道入口附近干扰物对“黑洞效应”检测的影响。
附图说明
图1是本发明实施例中隧道入口内外关键区域示意图。
具体实施方式
下面结合附图和具体实施方式对本发明作进一步详细的说明：
本实施例隧道入口“黑洞效应”的图像检测方法，包括以下步骤：
1）获取隧道入口原始灰度图像Im1
为确保获取的原始图像不包含运动车辆，在隧道入口外，利用摄像机对入口附近场景连续拍摄三幅彩色图像，经灰度化处理得到原始灰度图像Im1_1、Im1_2、Im1_3，将原始灰度图像中的任意两幅作差分运算后，对所得三幅差分图像分别计算灰度均值Val 1_1、Val 1_2、Val 1_3，当且仅当Val 1_1、Val 1_2、Val 1_3同时小于差分阈值Thed 1时，才加权平均Im1_1、Im1_2、Im1_3作为隧道入口的原始灰度图像Im1，否则重新拍摄三幅彩色图像并重复上述步骤；
2）隧道内外关键区域定位
a. 边缘检测
图像的边缘对人的视觉具有重要的意义，一般而言，当人们看一个有边缘的物体时，首先感觉到的便是边缘。灰度或结构等信息的突变处称为边缘。边缘是一个区域的结束，也是另一个区域的开始，利用该特征可以分割图像。
图像的边缘有方向和幅度两个属性，沿边缘方向像素变化平缓，垂直于边缘方向像素变化剧烈，边缘上的这种变化可以用微分算子检测出来，通常用一阶或二阶导数来检测边缘，一阶导数认为最大值对应边缘位置，而二阶导数则以过零点对应边缘位置，Sobel梯度算子是基于一阶导数的边缘检测算子，在算法实现过程中，通过3×3模板与图像中的每个像素点做卷积和运算，然后选取合适的阈值以提取边缘。
本实施例中采用Sobel梯度算子Gx 、Gy 对图像Im1作卷积运算，获得x、y方向上的梯度幅值和。具体说来，对于Im1中像素(i, j)，当i=1或i=h或j=1或j=d时，Im2_x (i, j)、Im2_y (i, j)的值均为零；而当(i, j)取其他值时，Im2_x (i, j)和Im2_y (i, j)则是将Im1(i, j)的邻域像素灰度与Gx 、Gy 中对应元素相乘再求和，即
其中，d、h是图像宽度和高度，Sobel梯度算子Gx 、Gy 如下：
在此基础上，由求解兼顾x、y方向后的梯度图像Im2，并选取阈值Thed 3执行二值化操作得到图像Im3，使Im3(i, j)在Im2(i, j)> Thed 3成立时取值为1，其他情况下则为0。
b. 公路隧道入口位置确定
Hough变换是图像处理中从图像中识别几何形状的方法，Hough变换的基本原理在于利用点与线的对偶性，将原始图像空间的给定的曲线通过曲线表达形式变为参数空间的一个点，这样就把原始图像中给定曲线的检测问题转化为寻找参数空间中的峰值问题。
在灰度图像Im1、梯度图像Im2和边缘二值图像Im3中，隧道入口轮廓是一段圆弧，采用Hough变换来求取圆弧的圆心和半径：
首先，根据图像分辨率和入口轮廓尺寸，将入口圆弧半径r限制在[r min, r max]范围内，设置圆弧检测的半径步长step_r与角度步长step_θ，并分配大小为d×h×((r max−r min)/step_r+1)的三维数组Hough_Space，其中d、h是图像宽度和高度；
然后，针对Im3图像的所有非零像素，按照公式 进行Hough变换，将其从图像空间(x, y)映射到参数空间(a, b, r)，统计以(a, b)为圆心、r为半径的像素数目，结果保存于Hough_Space数组中，变换时，r按步长step_r在[r min, r max]范围遍历取值，且θ按步长step_θ遍历[0, 2π]进行取值；
最后，隧道入口圆弧是图像中最长圆弧，查找Hough_Space数组元素的最大值，并依据最大值元素索引(a 0, b 0, r 0)，利用圆心(a 0, b 0)和半径r 0描述入口的准确位置；
c. 关键区域标记
在灰度图像Im1、梯度图像Im2和边缘二值图像Im3中，将落在以(a 0, b 0)为圆心、0.9r 0为半径的圆内，且纵坐标小于b 0+0.2r 0的区域作为隧道内部关键区域，标记为ROI1；同时，将圆心(a 0, b 0)、半径1.5r 0圆内，处于圆心(a 0, b 0)、半径r 0圆外或者纵坐标大于b 0+0.2r 0的区域作为隧道外部关键区域，标记为ROI2；
3）视觉特征统计与检测结果求解
在灰度图像Im1中，由计算ROI1、ROI2区域的灰度均值Val 2_1、Val 2_2，其中N 1、N 2分别是ROI1、ROI2区域所包含的像素数目。同时，在梯度图像Im2中，由计算ROI1、ROI2区域的梯度均值Val 3_1、Val 3_2。进一步，求解隧道内部、外部关键区域的灰度比值Val 2=Val 2_1/Val 2_2和梯度比值Val 3=Val 3_1/Val 3_2。最后，按照Result=α×Val 2+β×Val 3加权灰度比值和梯度比值，获得隧道入口“黑洞效应”的最终检测结果，其中0< α<1、0< β<1且α + β=1。于是，Result在[0, 1]范围内的取值小于设定阈值Thed 2时，可认为隧道入口存在“黑洞效应”，且Result取值越小，“黑洞效应”程度也越为严重。
以上所述的仅是本发明的优选实施方式，应当指出，对于本领域的技术人员来说，在不脱离本发明结构的前提下，还可以作出若干变形和改进，这些也应该视为本发明的保护范围，这些都不会影响本发明实施的效果和专利的实用性。

Claims (2)

1.隧道入口“黑洞效应”的图像检测方法，其特征在于，采用图像分析，根据隧道内外的视觉特征信息，包括灰度、灰度比值、梯度和梯度比值，来判断隧道入口是否存在“黑洞效应”或“黑洞效应”的严重程度，具体包括以下步骤：
1）获取隧道入口原始灰度图像Im1；
2）隧道内外关键区域定位
a.边缘检测，获得梯度图像Im2和边缘二值图像Im3；
b.公路隧道入口位置确定
在灰度图像Im1、梯度图像Im2和边缘二值图像Im3中，隧道入口轮廓是一段圆弧，求取圆弧的圆心(a 0, b 0)和半径r 0，利用圆心(a 0, b 0)和半径r 0描述入口的位置；
c.关键区域标记
在灰度图像Im1、梯度图像Im2和边缘二值图像Im3中，将落在以(a 0, b 0)为圆心、0.9r 0为半径的圆内，且纵坐标小于b 0+0.2r 0的区域作为隧道内部关键区域，标记为ROI1；同时，将圆心(a 0, b 0)、半径1.5r 0圆内，处于圆心(a 0, b 0)、半径r 0圆外或者纵坐标大于b 0+0.2r 0的区域作为隧道外部关键区域，标记为ROI2；
3）视觉特征统计与检测结果求解
由灰度图像Im1统计区域ROI1的灰度均值Val 2_1、区域ROI2的灰度均值Val 2_2以及区域ROI1和区域ROI2的灰度比值Val 2=Val 2_1/Val 2_2，由梯度图像Im2统计区域ROI1的梯度均值Val 3_1、区域ROI2的梯度均值Val 3_2以及区域ROI1和区域ROI2的梯度比值Val 3=Val 3_1/Val 3_2，在此基础上，加权灰度比值和梯度比值，作为隧道入口“黑洞效应”的检测结果，表示为Result=α×Val 2+β×Val 3，其中0<α<1、0<β<1且α+β=1， Result在[0, 1]范围内的取值小于设定阈值Thed 2时，可认为隧道入口存在“黑洞效应”，且Result取值越小，“黑洞效应”程度也越为严重。
2.根据权利要求1所述的隧道入口“黑洞效应”的图像检测方法，其特征在于，在步骤1）中，在隧道入口外，利用摄像机对隧道入口附近场景连续拍摄三幅彩色图像，经灰度化处理得到原始灰度图像Im1_1、Im1_2和Im1_3，将原始灰度图像Im1_1、Im1_2和Im1_3中的任意两幅作差分运算后，对所得三幅差分图像分别计算灰度均值Val 1_1、Val 1_2和Val 1_3，当且仅当Val 1_1、Val 1_2和Val 1_3同时小于差分阈值Thed 1时，才加权平均Im1_1、Im1_2和Im1_3作为隧道入口的原始灰度图像Im1，否则重新拍摄三幅彩色图像并重复上述步骤。
CN201410590449.8A 2014-10-29 2014-10-29 隧道入口“黑洞效应”的图像检测方法 Expired - Fee Related CN104537636B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201410590449.8A CN104537636B (zh) 2014-10-29 2014-10-29 隧道入口“黑洞效应”的图像检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201410590449.8A CN104537636B (zh) 2014-10-29 2014-10-29 隧道入口“黑洞效应”的图像检测方法

Publications (2)

Publication Number Publication Date
CN104537636A true CN104537636A (zh) 2015-04-22
CN104537636B CN104537636B (zh) 2017-02-22

Family

ID=52853155

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201410590449.8A Expired - Fee Related CN104537636B (zh) 2014-10-29 2014-10-29 隧道入口“黑洞效应”的图像检测方法

Country Status (1)

Country Link
CN (1) CN104537636B (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105046223A (zh) * 2015-07-10 2015-11-11 招商局重庆交通科研设计院有限公司 一种隧道入口“黑洞效应”严重程度的检测装置及方法
CN105628192A (zh) * 2015-12-22 2016-06-01 湖南联智桥隧技术有限公司 隧道洞外环境亮度检测系统及使用此检测系统的检测方法
CN108372825A (zh) * 2018-03-22 2018-08-07 长安大学 一种基于图像识别的隧道洞口车辆自动开关灯方法
CN108454631A (zh) * 2017-02-22 2018-08-28 松下电器（美国）知识产权公司 信息处理装置、信息处理方法以及程序
CN111076896A (zh) * 2019-12-31 2020-04-28 招商局重庆交通科研设计院有限公司 隧道出口低角度日光瞬间致盲效应的测试方法及系统
CN115100865A (zh) * 2022-06-24 2022-09-23 上海市政工程设计研究总院（集团）有限公司 隧道洞口区域交通安全的管控系统

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102176799A (zh) * 2011-01-17 2011-09-07 贵州大学 公路隧道的智能照明方法及装置
CN102330911A (zh) * 2010-07-12 2012-01-25 王中美 一种按需照明的led隧道灯
CN102878518A (zh) * 2012-09-10 2013-01-16 上海市隧道工程轨道交通设计研究院 一种隧道口加强照明系统的布设方法
JP2013114770A (ja) * 2011-11-25 2013-06-10 Koito Mfg Co Ltd 車両用前照灯装置

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102330911A (zh) * 2010-07-12 2012-01-25 王中美 一种按需照明的led隧道灯
CN102176799A (zh) * 2011-01-17 2011-09-07 贵州大学 公路隧道的智能照明方法及装置
JP2013114770A (ja) * 2011-11-25 2013-06-10 Koito Mfg Co Ltd 車両用前照灯装置
CN102878518A (zh) * 2012-09-10 2013-01-16 上海市隧道工程轨道交通设计研究院 一种隧道口加强照明系统的布设方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
殷颖: "隧道入口段亮度计算方法研究", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 *

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105046223A (zh) * 2015-07-10 2015-11-11 招商局重庆交通科研设计院有限公司 一种隧道入口“黑洞效应”严重程度的检测装置及方法
CN105046223B (zh) * 2015-07-10 2018-09-18 招商局重庆交通科研设计院有限公司 一种隧道入口“黑洞效应”严重程度的检测装置及方法
CN105628192A (zh) * 2015-12-22 2016-06-01 湖南联智桥隧技术有限公司 隧道洞外环境亮度检测系统及使用此检测系统的检测方法
CN108454631A (zh) * 2017-02-22 2018-08-28 松下电器（美国）知识产权公司 信息处理装置、信息处理方法以及程序
CN108372825A (zh) * 2018-03-22 2018-08-07 长安大学 一种基于图像识别的隧道洞口车辆自动开关灯方法
CN108372825B (zh) * 2018-03-22 2021-07-02 长安大学 一种基于图像识别的隧道洞口车辆自动开关灯方法
CN111076896A (zh) * 2019-12-31 2020-04-28 招商局重庆交通科研设计院有限公司 隧道出口低角度日光瞬间致盲效应的测试方法及系统
CN111076896B (zh) * 2019-12-31 2022-02-08 招商局重庆交通科研设计院有限公司 隧道出口低角度日光瞬间致盲效应的测试方法及系统
CN115100865A (zh) * 2022-06-24 2022-09-23 上海市政工程设计研究总院（集团）有限公司 隧道洞口区域交通安全的管控系统

Also Published As

Publication number Publication date
CN104537636B (zh) 2017-02-22

Similar Documents

Publication Publication Date Title
CN104537636A (zh) 隧道入口“黑洞效应”的图像检测方法
CN113276769B (zh) 车辆盲区防撞预警系统及方法
CN105512623A (zh) 基于多传感器雾天行车视觉增强与能见度预警系统及方法
O'Malley et al. Vehicle detection at night based on tail-light detection
CN105799574A (zh) 夜间智能辅助驾驶系统
EP2057583B1 (de) Verfahren zur automatischen fernlichtsteuerung
CN104157143B (zh) 违章停车检测系统及其检测方法
WO2021031469A1 (zh) 一种车辆障碍物检测方法及系统
CN101941399B (zh) 一种车辆车道变换辅助装置及其辅助判断方法
US20150220793A1 (en) Image Processing Device
CN104442566A (zh) 一种车内乘员危险状态报警装置及报警方法
CN104442924A (zh) 全天候高速铁路车载路障检测系统及方法
CN106203272B (zh) 确定可移动对象的移动的方法和装置
CN113723699B (zh) 恶劣天气高速公路安全车速矫正把控预警方法及系统
CN109598187A (zh) 障碍物识别方法、障碍物识别系统及轨道车自动驾驶装置
CN104464305A (zh) 车辆逆行智能检测装置与方法
DE102011088130A1 (de) Verfahren und Vorrichtung zur Erkennung einer Bremssituation
CN206610437U (zh) 道路路口电子监控系统
CN205768952U (zh) 夜间智能辅助驾驶装置
WO2012034637A1 (de) Verfahren und vorrichtung zur detektion von fahrbahnmarkierungen in einem bild
CN103313039A (zh) 一种高速公路隧道入口白天安全性提示装置及提示方法
CN110816527A (zh) 一种车载夜视安全方法和系统
CN103456170A (zh) 基于机器视觉的车速和车辆排队长度的检测方法
CN111231833A (zh) 一种基于全息投影与ar结合的汽车辅助驾驶系统
CN105046223B (zh) 一种隧道入口“黑洞效应”严重程度的检测装置及方法

Legal Events

Date Code Title Description
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
CF01 Termination of patent right due to non-payment of annual fee
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20170222

Termination date: 20191029