CN105303160A - 一种夜间车辆检测和跟踪的方法 - Google Patents

一种夜间车辆检测和跟踪的方法 Download PDF

Info

Publication number
CN105303160A
CN105303160A CN201510601411.0A CN201510601411A CN105303160A CN 105303160 A CN105303160 A CN 105303160A CN 201510601411 A CN201510601411 A CN 201510601411A CN 105303160 A CN105303160 A CN 105303160A
Authority
CN
China
Prior art keywords
car light
image
tracking
vehicle
night
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
Application number
CN201510601411.0A
Other languages
English (en)
Inventor
严江江
李玲
陈群
赵彦隽
王晨希
卢朝洪
向青宝
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.)
CETHIK Group Ltd
Original Assignee
CETHIK Group 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 CETHIK Group Ltd filed Critical CETHIK Group Ltd
Priority to CN201510601411.0A priority Critical patent/CN105303160A/zh
Publication of CN105303160A publication Critical patent/CN105303160A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
    • G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
    • G06V20/584—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads of vehicle lights or traffic lights

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明涉及一种夜间车辆检测和跟踪的方法，包括如下步骤：(1)利用相机获取夜间前方灰度图像I，并对图像I作伽马校正处理；(2)进行sobel梯度变换得到梯度图像，并结合伽马校正后图像和梯度图像进行二值化分割；(3)对二值化分割后的图像进行处理得到疑似车灯目标；(4)计算疑似车灯区域的长度与宽度，并筛选出满足规则的车灯作为候选车灯；(5)对候选车灯进行两两配对，得到车灯组；(6)对车灯组进行连续帧跟踪验证，保留验证成功的车灯组；(7)对车灯组进行矩形区域扩展，扩展后的矩形区域为车辆区域，完成车辆的检测与跟踪。本方法能在低质量的夜间图像中检测到前方车辆，对获取的图像的颜色不受限制，并且能较稳定的跟踪到前车。

Description

一种夜间车辆检测和跟踪的方法
技术领域
本发明涉及图像处理领域，尤其涉及一种夜间车辆检测和跟踪的方法。
背景技术
目前驾驶辅助系统的研究越来越多，白天的车辆检测研究日趋成熟，夜间车辆检测是新的热点，但是夜间由于照明不均匀，车身大部分信息模糊，只有车灯比较明显，所以大部分夜间车辆检测算法都是基于车灯的检测。
专利[201310030701]是基于彩色HSV图像进行车灯检测，根据尾灯模型筛选。专利[200910244106]则通过相邻帧的图像差分来获得感兴趣区域，通过预设一个车辆检测区域与感兴趣区域对比来检测车辆。专利[201210523623]利用彩色图像中尾灯颜色和对称性确定感兴趣区域，然后采用adaboost算法进行分类。
夜间车辆检测率低，主要是由于夜间车辆特征减少、形状特征不明显。对于普通非夜视摄像头，在夜间采集的前方道路图像存在曝光过度情况，而且颜色特征不准确，所以车辆的检测只能根据车灯特征来确定。
发明内容
本发明为克服上述的不足之处，目的在于提供一种夜间车辆检测和跟踪的方法，通过对夜间图像进行伽马校正和梯度变换处理，对处理后图像进行二值化分割，对分割结果处理得到疑似车灯目标，进而得到车灯组，最后对车灯组进行连续帧跟踪验证并进行矩形区域扩展，得到车辆区域。本方法能在低质量的夜间图像中检测到前方车辆，对获取的图像时彩色还是黑白图像不受限制，并且能较稳定的跟踪到前车。
本发明是通过以下技术方案达到上述目的：一种夜间车辆检测和跟踪的方法，包括如下步骤：
(1)利用相机获取夜间前方灰度图像I，并对图像I作伽马校正处理；
(2)对伽马校正后的图像进行sobel梯度变换得到梯度图像，并结合伽马校正后图像和梯度图像进行二值化分割；
(3)对二值化分割后的图像进行孔洞填充、形态学滤波与连通域搜索，得到疑似车灯目标；
(4)计算疑似车灯区域的长度与宽度，并根据筛选规则从疑似车灯中选出满足规则的车灯作为候选车灯；
(5)依次遍历候选车灯，对候选车灯进行两两配对，得到车灯组；
(6)对得到的车灯组进行连续帧跟踪验证，保留验证成功的车灯组；
(7)对步骤(6)所得的车灯组进行矩形区域扩展，扩展后的矩形区域为车辆区域，完成车辆的检测与跟踪。
作为优选，所述步骤(1)对图像I作伽马校正处理将图像的高灰度区域对比度增强，方法如下：
将图像I归一化得到I归一化，设置伽马系数γ>1，伽马校正后的图像Igamma灰度值与I归一化的变换公式为：
Igamma＝255*(I归一化)γ，r>1。
作为优选，所述步骤(2)的二值化分割包括以下两步：
1)通过设定灰度阈值T1将灰度图像中亮度高的目标分割出来；
2)通过设定梯度阈值T2将梯度图像中梯度边缘值大的目标边缘分割出来。
作为优选，所述步骤(4)计算疑似车灯区域的长度与宽度的方法如下：
预先设定图像上路面P点的世界坐标(X,Y，0)，当车灯Q点离路面P点的高度为H(单位为米)时，Q点坐标(XH,YH，H)的计算公式为：
XH＝(1-H/(l*sin(pitch)))*X
YH＝(1-H/(l*sin(pitch)))*Y
其中，L为像平面到路面坐标的距离，单位为米，pitch是相机坐标的俯仰角，车灯高度H取值为H∈[0.5,1]，单位为米；当获得车灯矩形区域左上点世界坐标(LEFT,TOP，0)，右下点世界坐标(RIGHT,BOTTOM,0),则车灯区域的真实长度＝RIGHTH-LEFTH,真实宽度＝BOTTOMH-TOPH。
作为优选，所述步骤(4)的筛选条件如下：
(i)像素面积S∈[S1,S2]，S1≤S2；
(ii)车灯区域的真实长度、真实宽度在[TH1，TH2]范围内，TH1≤TH2；
(iii)像素长宽比在[rate1,rate2]范围，其中rate1≤rate2；
(iv)像素面积与连通域外接矩形面积比>＝rate3；
(v)不是车灯倒影。
作为优选，所述步骤(5)对候选车灯进行两两配对，配对的规则如下：
(A)两个候选车灯位置垂直方向距离差<TH3，设置TH3<20；
(B)设置最小横向距离阈值TH4和最大横向距离阈值TH5范围，两个车灯之间的横向距离lhor满足lhor∈[TH4,TH5]，TH4<TH5；
(C)要求相邻帧轨迹相似度>0.5,候选车灯Tail1、Tail2相邻帧轨迹 的
作为优选，所述步骤(6)连续帧跟踪验证的步骤如下：
(a)将车灯组中左、右灯分别与全局新检的候选灯进行匹配计算，相互匹配则跟踪成功，标示为1，否则跟踪失败，标示为0，根据车灯组的左、右灯跟踪情况分为“11”、“10”、“01”、“00”；
(b)视车灯组跟踪的各种情况进行分别处理。
作为优选，所述的视车灯组跟踪的各种情况进行分别处理，具体如下：
(I)“11”情况：车灯组跟踪成功；
(II)“10”情况：右灯没有跟踪到，根据左灯位置设置右框位置启动重检过程；重检成功跟踪成功，否则标记为“00”；
(III)“01”情况：左灯没有跟踪到，根据右灯位置设置左框位置启动重检过程；重检成功跟踪成功，否则标记为“00”；
(IV)“00”情况：将车灯组kalman预测区域的图像和前一帧车灯组区域图像进行模板匹配，匹配成功认为车灯组跟踪成功，否则跟踪失败。
作为优选，所述步骤(7)矩形区域扩展的方法为根据车灯组位置TailRect(xt,yt，wt，ht)，构建正方形区域CarRect(xt,yt-wt/2，wt，wt)。
本发明的有益效果在于：本方法能在低质量的夜间图像中检测到前方车辆，对获取的图像时彩色还是黑白图像不受限制，并且能较稳定的跟踪到前车。
附图说明
图1是本发明方法的步骤流程示意图。
具体实施方式
下面结合具体实施例对本发明进行进一步描述，但本发明的保护范围并不仅限于此：
实施例：如图1所示，一种夜间车辆检测和跟踪的方法，包括如下步骤：
(1)利用相机获取夜间前方灰度图像I，将图像进行伽马校正，使图像的高灰度区域对比度得到增强；
将原灰度图像I归一化得到I归一化，设置伽马系数γ>1，伽马校正后的图像Igamma灰度值与I归一化的变换公式为：
Igamma＝255*(I归一化)γ，r>1(1)
(2)对伽马校正后的图像进行sobel梯度变换得到梯度图像，结合伽马校正后图像和梯度图像，通过设定灰度阈值T1可以将伽马校正后的图像中亮度高的目标分割出来；通过设定梯度阈值T2可以将梯度图像中梯度边缘值大的目标边缘分割出来，从而完成二值化分割。
(3)对二值化图像进行孔洞填充和形态学腐蚀，并对图像进行连通域搜索，得到N个疑似车灯目标{L1,...,LN}，车灯区域表示为Li＝(x,y,w,h),i＝{1,...,N}。
(4)首先设置疑似车灯离路面高度，计算车灯区域的长度、宽度，然后筛选疑似车灯；已知路面坐标系中路面上P点的世界坐标(X,Y，0)，离路面P点高度H(单位为米)的Q点坐标(XH,YH，H)的计算公式为：
XH＝(1-H/(l*sin(pitch)))*X(2)
YH＝(1-H/(l*sin(pitch)))*Y(3)
其中，l为像平面到路面坐标的距离，单位为米，pitch是相机坐标的俯仰角。设置车灯高度H∈[0.5,1](单位为米)，根据公式(2)计算车灯区域的长度，根据公式(3)计算车灯区域的宽度。
所述的筛选的条件为：
1)像素面积S∈[S1,S2]，S1≤S2；
2)车灯区域的真实长、宽在[TH1，TH2]范围内，TH1≤TH2；
3)像素长宽比在[rate1,rate2]范围，其中rate1≤rate2；
4)像素面积与连通域外接矩形面积比>＝rate3；
5)不是较明显的车灯倒影。判断车灯倒影的具体过程为：对竖直型疑似灯光的矩形区域LampRect(x0,y0，w，h)，向上设置upRect(x0,y0-2*h，w，2*h)，对upRect做水平投影，截取投影序列连续段，计算连续段的累加和WhiteSum，得到rate4＝WhiteSum/像素面积，若rate4>0.8表示LampRect是灯光倒影而非车灯。
(5)依次遍历候选车灯目标，每个车灯都与其他车灯仅配对比较一次，配对成功的构成车灯组。
所述的配对规则如下：
(A)两候选车灯位置垂直方向距离差<TH3，设置TH3<20；、
(B)根据标定设置最小横向距离阈值TH4和最大横向距离阈值TH5范围，两车灯之间横向距离lhor满足lhor∈[TH4,TH5]，TH4<TH5；
(C)要求轨迹相似度>0.5,相邻帧轨迹即相邻帧移动的像素距离，候选车灯Tail1、Tail2相邻帧轨迹的
(6)对得到的车灯组进行连续帧跟踪验证，保留验证成功的车灯组，具体如下：
1)在下一帧图像中，车灯组中左、右灯，分别与全局新检的候选灯进行匹配计算，相互匹配则跟踪成功，标示为1，否则跟踪失败，标示为0，根据车灯组的左、右灯跟踪情况分为“11”、“10”、“01”、“00”；
2)车灯组跟踪各种情况分别处理：
i)“11”情况：车灯组跟踪成功；
ii)“10”情况：右灯没有跟踪到，根据左灯位置设置右框位置，然后启动重检过程。重检成功跟踪成功，否则标记为“00”。
iii)“01”情况：左灯没有跟踪到，根据右灯位置设置左框位置，然后启动重检过程。重检成功跟踪成功，否则标记为“00”。
iv)“00”情况：将车灯组kalman预测区域的图像和前一帧车灯组区域图像进行模板匹配，匹配成功认为车灯组跟踪成功，否则跟踪失败。
(7)对于连续n帧跟踪成功的车灯组，认为是正确的车辆尾灯，并根据车灯组位置TailRect(xt,yt，wt，ht)，构建正方形区域CarRect(xt,yt-wt/2，wt，wt)，作为车辆区域；完成车辆的检测与跟踪。
以上的所述乃是本发明的具体实施例及所运用的技术原理，若依本发明的构想所作的改变，其所产生的功能作用仍未超出说明书及附图所涵盖的精神时，仍应属本发明的保护范围。

Claims (9)

1.一种夜间车辆检测和跟踪的方法，其特征在于包括如下步骤：
(1)利用相机获取夜间前方灰度图像I，并对图像I作伽马校正处理；
(2)对伽马校正后的图像进行sobel梯度变换得到梯度图像，并结合伽马校正后图像和梯度图像进行二值化分割；
(3)对二值化分割后的图像进行孔洞填充、形态学滤波与连通域搜索，得到疑似车灯目标；
(4)计算疑似车灯区域的长度与宽度，并根据筛选规则从疑似车灯中选出满足规则的车灯作为候选车灯；
(5)依次遍历候选车灯，对候选车灯进行两两配对，得到车灯组；
(6)对得到的车灯组进行连续帧跟踪验证，保留验证成功的车灯组；
(7)对步骤(6)所得的车灯组进行矩形区域扩展，扩展后的矩形区域为车辆区域，完成车辆的检测与跟踪。
2.根据权利要求1所述的一种夜间车辆检测和跟踪的方法，其特征在于：所述步骤(1)对图像I作伽马校正处理将图像的高灰度区域对比度增强，方法如下：
将图像I归一化得到I归一化，设置伽马系数γ>1，伽马校正后的图像Igamma灰度值与I归一化的变换公式为：
Igamma＝255*(I归一化)γ，r>1。
3.根据权利要求1所述的一种夜间车辆检测和跟踪的方法，其特征在于：所述步骤(2)的二值化分割包括以下两步：
1)通过设定灰度阈值T1将灰度图像中亮度高的目标分割出来；
2)通过设定梯度阈值T2将梯度图像中梯度边缘值大的目标边缘分割出来。
4.根据权利要求1所述的一种夜间车辆检测和跟踪的方法，其特征在于：所述步骤(4)计算疑似车灯区域的长度与宽度的方法如下：预先设定图像上路面P点的世界坐标(X,Y，0)，当车灯Q点离路面P点的高度为H(单位为米)时，Q点坐标(XH,YH，H)的计算公式为：
XH＝(1-H/(l*sin(pitch)))*X
YH＝(1-H/(l*sin(pitch)))*Y
其中，L为像平面到路面坐标的距离，单位为米，pitch是相机坐标的俯仰角，车灯高度H取值为H∈[0.5,1]，单位为米；当获得车灯矩形区域左上点世界坐标(LEFT,TOP，0)，右下点世界坐标(RIGHT,BOTTOM,0),则车灯区域的真实长度＝RIGHTH-LEFTH,真实宽度＝BOTTOMH-TOPH。
5.根据权利要求1所述的一种夜间车辆检测和跟踪的方法，其特征在于：所述步骤(4)的筛选条件如下：
(i)像素面积S∈[S1,S2]，S1≤S2；
(ii)车灯区域的真实长度、真实宽度在[TH1，TH2]范围内，TH1≤TH2；
(iii)像素长宽比在[rate1,rate2]范围，其中rate1≤rate2；
(iv)像素面积与连通域外接矩形面积比>＝rate3；
(v)不是车灯倒影。
6.根据权利要求1所述的一种夜间车辆检测和跟踪的方法，其特征在于：所述步骤(5)对候选车灯进行两两配对，配对的规则如下：
(A)两个候选车灯位置垂直方向距离差<TH3，设置TH3<20；
(B)设置最小横向距离阈值TH4和最大横向距离阈值TH5范围，两个车灯之间的横向距离lhor满足lhor∈[TH4,TH5]，TH4<TH5；
(C)要求相邻帧轨迹相似度>0.5,候选车灯Tail1、Tail2相邻帧轨迹
7.根据权利要求1所述的一种夜间车辆检测和跟踪的方法，其特征在于：所述步骤(6)连续帧跟踪验证的步骤如下：
(a)将车灯组中左、右灯分别与全局新检的候选灯进行匹配计算，相互匹配则跟踪成功，标示为1，否则跟踪失败，标示为0，根据车灯组的左、右灯跟踪情况分为“11”、“10”、“01”、“00”；
(b)视车灯组跟踪的各种情况进行分别处理。
8.根据权利要求7所述的一种夜间车辆检测和跟踪的方法，其特征在于：所述的视车灯组跟踪的各种情况进行分别处理，具体如下：
(I)“11”情况：车灯组跟踪成功；
(II)“10”情况：右灯没有跟踪到，根据左灯位置设置右框位置启动重检过程；重检成功跟踪成功，否则标记为“00”；
(III)“01”情况：左灯没有跟踪到，根据右灯位置设置左框位置启动重检过程；重检成功跟踪成功，否则标记为“00”；
(IV)“00”情况：将车灯组kalman预测区域的图像和前一帧车灯组区域图像进行模板匹配，匹配成功认为车灯组跟踪成功，否则跟踪失败。
9.根据权利要求1所述的一种夜间车辆检测和跟踪的方法，其特征在于：所述步骤(7)矩形区域扩展的方法为根据车灯组位置TailRect(xt,yt，wt，ht)，构建正方形区域CarRect(xt,yt-wt/2，wt，wt)。
CN201510601411.0A 2015-09-21 2015-09-21 一种夜间车辆检测和跟踪的方法 Pending CN105303160A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201510601411.0A CN105303160A (zh) 2015-09-21 2015-09-21 一种夜间车辆检测和跟踪的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510601411.0A CN105303160A (zh) 2015-09-21 2015-09-21 一种夜间车辆检测和跟踪的方法

Publications (1)

Publication Number Publication Date
CN105303160A true CN105303160A (zh) 2016-02-03

Family

ID=55200406

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510601411.0A Pending CN105303160A (zh) 2015-09-21 2015-09-21 一种夜间车辆检测和跟踪的方法

Country Status (1)

Country Link
CN (1) CN105303160A (zh)

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105718923A (zh) * 2016-03-07 2016-06-29 长安大学 一种基于逆投影图的夜间车辆检测与计数方法
CN106408938A (zh) * 2016-09-13 2017-02-15 天津工业大学 夜间城市交通监控中各类车辆轨迹的完整提取
CN106407951A (zh) * 2016-09-30 2017-02-15 西安理工大学 一种基于单目视觉的夜间前方车辆检测方法
CN107506739A (zh) * 2017-08-31 2017-12-22 南京富士通南大软件技术有限公司 一种夜间前向车辆检测及测距方法
CN107808162A (zh) * 2017-09-27 2018-03-16 广东电网有限责任公司江门供电局 一种变电站保护压板状态比对方法及装置
CN108229249A (zh) * 2016-12-14 2018-06-29 贵港市瑞成科技有限公司 一种夜间前方车辆检测方法
CN108230666A (zh) * 2016-12-14 2018-06-29 贵港市瑞成科技有限公司 一种夜间车辆检测和追踪方法
CN108538052A (zh) * 2018-03-05 2018-09-14 华南理工大学 基于车头灯轨迹跟踪和动态配对的夜间交通流量检测方法
CN110188631A (zh) * 2019-05-14 2019-08-30 重庆大学 一种高速公路隧道车灯分割方法
CN110807791A (zh) * 2019-10-31 2020-02-18 广东泓胜科技股份有限公司 一种夜间车辆目标跟踪方法及装置
WO2021114799A1 (zh) * 2019-12-14 2021-06-17 华南理工大学广州学院 一种基于计算机视觉的矩阵车灯识别方法
WO2023029467A1 (zh) * 2021-08-31 2023-03-09 上海商汤智能科技有限公司 用于车灯检测的方法、装置、电子设备及存储介质

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102567705A (zh) * 2010-12-23 2012-07-11 北京邮电大学 一种检测和跟踪夜间行驶车辆的方法
CN103208185A (zh) * 2013-03-19 2013-07-17 东南大学 一种基于车灯识别的夜间车辆检测方法及系统
CN103366571A (zh) * 2013-07-03 2013-10-23 河南中原高速公路股份有限公司 智能的夜晚交通事件检测方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102567705A (zh) * 2010-12-23 2012-07-11 北京邮电大学 一种检测和跟踪夜间行驶车辆的方法
CN103208185A (zh) * 2013-03-19 2013-07-17 东南大学 一种基于车灯识别的夜间车辆检测方法及系统
CN103366571A (zh) * 2013-07-03 2013-10-23 河南中原高速公路股份有限公司 智能的夜晚交通事件检测方法

Cited By (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105718923A (zh) * 2016-03-07 2016-06-29 长安大学 一种基于逆投影图的夜间车辆检测与计数方法
CN105718923B (zh) * 2016-03-07 2019-02-12 长安大学 一种基于逆投影图的夜间车辆检测与计数方法
CN106408938A (zh) * 2016-09-13 2017-02-15 天津工业大学 夜间城市交通监控中各类车辆轨迹的完整提取
CN106407951A (zh) * 2016-09-30 2017-02-15 西安理工大学 一种基于单目视觉的夜间前方车辆检测方法
CN106407951B (zh) * 2016-09-30 2019-08-16 西安理工大学 一种基于单目视觉的夜间前方车辆检测方法
CN108230666A (zh) * 2016-12-14 2018-06-29 贵港市瑞成科技有限公司 一种夜间车辆检测和追踪方法
CN108229249A (zh) * 2016-12-14 2018-06-29 贵港市瑞成科技有限公司 一种夜间前方车辆检测方法
CN107506739A (zh) * 2017-08-31 2017-12-22 南京富士通南大软件技术有限公司 一种夜间前向车辆检测及测距方法
CN107506739B (zh) * 2017-08-31 2021-01-12 南京富士通南大软件技术有限公司 一种夜间前向车辆检测及测距方法
CN107808162A (zh) * 2017-09-27 2018-03-16 广东电网有限责任公司江门供电局 一种变电站保护压板状态比对方法及装置
CN108538052A (zh) * 2018-03-05 2018-09-14 华南理工大学 基于车头灯轨迹跟踪和动态配对的夜间交通流量检测方法
CN110188631A (zh) * 2019-05-14 2019-08-30 重庆大学 一种高速公路隧道车灯分割方法
CN110807791A (zh) * 2019-10-31 2020-02-18 广东泓胜科技股份有限公司 一种夜间车辆目标跟踪方法及装置
WO2021114799A1 (zh) * 2019-12-14 2021-06-17 华南理工大学广州学院 一种基于计算机视觉的矩阵车灯识别方法
WO2023029467A1 (zh) * 2021-08-31 2023-03-09 上海商汤智能科技有限公司 用于车灯检测的方法、装置、电子设备及存储介质

Similar Documents

Publication Publication Date Title
CN105303160A (zh) 一种夜间车辆检测和跟踪的方法
CN109784344B (zh) 一种用于地平面标识识别的图像非目标滤除方法
CN106934808B (zh) 一种视觉感知下汽车前灯尾灯识别跟踪方法
Li et al. Nighttime lane markings recognition based on Canny detection and Hough transform
KR101605514B1 (ko) 차선 인식 장치 및 방법
Kosaka et al. Vision-based nighttime vehicle detection using CenSurE and SVM
CN105913041B (zh) 一种基于预先标定的信号灯识别方法
US20150278615A1 (en) Vehicle exterior environment recognition device
Alcantarilla et al. Automatic LightBeam Controller for driver assistance
CN109299674B (zh) 一种基于车灯的隧道违章变道检测方法
CN104036262B (zh) 一种lpr车牌筛选识别的方法和系统
US9189691B2 (en) Three-dimensional object detection device and three-dimensional object detection method
CN109948552B (zh) 一种复杂交通环境中的车道线检测的方法
CN105528609A (zh) 一种基于字符位置的车牌定位方法
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
CN110688907B (zh) 基于夜间道路光源识别物体的方法及装置
JP6723328B2 (ja) 車両検出方法、動的光強度に基づく夜間の車両検出方法及びそのシステム
CN103971126A (zh) 一种交通标志识别方法和装置
CN102938057B (zh) 一种车辆阴影消除方法及装置
CN107895151A (zh) 一种强光照条件下基于机器视觉的车道线检测方法
CN106887004A (zh) 一种基于块匹配的车道线检测方法
CN109886168B (zh) 一种基于层阶的地面交通标志识别方法
CN108304749A (zh) 道路减速线识别方法、装置及车辆
Lin et al. Adaptive IPM-based lane filtering for night forward vehicle detection
CN108765456B (zh) 基于直线边缘特征的目标跟踪方法、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
WD01 Invention patent application deemed withdrawn after publication
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20160203