CN105303844A - 基于激光的夜间高速公路团雾自动检测装置及其检测方法 - Google Patents
基于激光的夜间高速公路团雾自动检测装置及其检测方法 Download PDFInfo
- Publication number
- CN105303844A CN105303844A CN201510701896.0A CN201510701896A CN105303844A CN 105303844 A CN105303844 A CN 105303844A CN 201510701896 A CN201510701896 A CN 201510701896A CN 105303844 A CN105303844 A CN 105303844A
- Authority
- CN
- China
- Prior art keywords
- laser
- mist
- group
- pick
- detection device
- 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
Links
Landscapes
- Traffic Control Systems (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明公开了一种基于激光的夜间高速公路团雾自动检测装置及其检测方法,首先在高速公路按一定的距离间隔安装检测装置,由检测装置中的摄像机拍摄一定帧数包含相邻检测装置中的激光信号的图像,建立观测系统;在不同的团雾浓度下自动检测激光信号特征,并建立其信号特征与团雾浓度的对应关系;在检测过程中,对获得的几帧图像首先进行灰度处理,再计算真实信号区域大小以及平均亮度值并作为特征来找到对应的团雾浓度;根据上一步得到的最终激光信号特征与团雾浓度的映射关系,分析当前处理的数据所对应的团雾浓度,记录所得结果,根据设定条件进行信息发布或预警;本发明设备成本低,节能环保,经济实用,提高效率;系统抗干扰效果好,稳定性强。
Description
技术领域
本发明属于高速公路检测领域,特别是针对夜间高速公路团雾的自动检测。
背景技术
能见度对高速公路的行车安全有着十分重要的影响,而雾天行车极易造成重特大交通事故,在一些大雾多发地段,交通事故的发生率和死亡率呈明显上升趋势。而团雾作为雾的一种表现形式,其危害性最大、最难预测,又被称之为“流动杀手”。团雾与局地微气候环境变化有关,范围小,雾气浓,团雾内能见度迅速降低,团雾外却视线良好。而在高速公路上,团雾产生和消失过程很快,难以预测,单靠人工观测难以及时发现。现有的气象监测系统仅能预测大范围的雾天气候,对于团雾无法做到实时、准确的检测。目前较流行的自动检测方法有红外诱导法和基于视频解析的团雾检测方法。
红外诱导法主要在高速公路沿线架设红外探测设备和控制设备,通过接收红外光线情况判断是否存在雾况,其成本较高,较为复杂,难以广泛使用。而基于视频解析的团雾检测方法又可细分为基于同一场景下多幅图像的检测方法和基于单幅图像的检测方法。由于基于多幅图像的方法倾向于对多帧图像进行统计过程分析,实时性较差,研究的热点便集中在了基于单幅图像的团雾检测方法。
早期的传统方法在道路两侧架设带有距离信息的标识,利用视频中这些标识的对比度衰减和距离的关系建立一种观测模型,用以判断团雾的严重程度。而为了实现无需人工标记的团雾检测,一些改进方法被提出,其核心思想是建立以路面为背景的虚拟目标,滤除噪声后,提取属于目标边缘的像素点,然后根据目标的特征信息和实际距离信息进行人眼可视度曲线拟合,最后根据估算出的区域能见度判断其中是否存在团雾。此类方法的缺陷在于其需要提取目标的特征,而在复杂场景或有遮挡的情况下,其效率和精度会受到较大影响。更进一步,将图像转换到频域进行处理,利用有团雾视频和无团雾视频在频域的差别,快速检测团雾的方法被提出,但该方法在面对含有多目标或纹理的场景时,有团雾图像和无团雾图像在频域的特征较为接近,效果并不理想。
目前高速公路团雾检测领域面临的主要问题是环境的复杂性与多变性。如何提高团雾检测的实时性和准确性是研究的重点。
发明内容
发明目的:本发明提供一种高效的夜间高速公路团雾检测装置及其检测方法,面对较复杂环境时也有很好的适应性,在检测到团雾时,发出预警信号,为行车安全提供保障。
技术方案:一种基于激光的夜间高速公路团雾自动检测装置,包括用于支撑的设备柱,所述设备柱两侧分别设有用于产生激光信号的激光器和用于获取图像的摄像机;所述设备柱一端竖直插入用于校准激光方向的毛玻璃,该毛玻璃一端位于设备柱内部,另一端露在外部,并且位于毛玻璃对侧设备柱一侧上还设有用于获取位置的定位设备、用于给整个装置供电的太阳能电池、用于处理数据的通信设备以及用于控制整个装置运行的定时控制器。
具体地,所述激光器和摄像机分别安装在两个可调节装置上。
具体地,所述毛玻璃由矩形部和圆形部组成,矩形部一端插入设备柱内,另一端连接圆形部一同露在设备柱外。
一种基于激光的夜间高速公路团雾自动检测装置的检测方法,包括以下步骤:
步骤1:建立观测系统,在高速公路沿线单侧每隔一定距离安装上述检测装置,相邻的检测装置形成级联,通过定时控制器控制整个装置进行工作,摄像机拍摄包含相邻检测装置中的激光信号的数帧图像,再对图像数据进行是否有团雾的检测,再将结果连同定位信息、典型图片传输到数据中心;
步骤2:检测系统的标定,在不同的团雾浓度下自动检测激光信号特征,并建立信号特征与团雾浓度之间的对应关系;
步骤3:激光信号特征提取,将采集的到的数帧图像进行灰度处理,计算各个激光真实信号区域大小以及其平均亮度值,将其作为区分有团雾或无团雾的特征信息;
步骤4:团雾结果分析,根据上一步得到的最终激光信号特征与团雾浓度的映射关系,分析当前处理的数据所对应的团雾浓度;
步骤5:团雾报警机制,数据中心接受由检测装置得到的结果,将其存入数据库并对团雾变化情况进行分析,给出团雾浓度以及团雾变化情况的预警。
具体地,步骤1建立观测系统中,相邻检测装置通过毛玻璃进行激光方向的校准,一个检测装置激光器射出的激光应该投射在另一个检测装置的毛玻璃上,检测装置通过定时控制器控制检测装置进行工作,一个检测装置摄像机拍摄包含相邻团雾检测装置中的另一个检测装置的激光信号的数帧图像,再对图像数据进行是否有团雾的检测,再将结果连同定位信息、典型图片传输到数据中心。
具体地,所述步骤2中检测系统的标定方法如下:
步骤2.1,根据激光固有的颜色属性,筛选出指定颜色的局部分块并记录其总和区域大小;
步骤2.2,将所采集的图像进行灰度处理,计算并记录上述区域的平均亮度值;
步骤2.3,对每一帧图像,重复第一步至第二步,将每帧图像的信号区域大小与区域平均亮度作为信号特征,再对所有图像帧的信号特征求平均值最为最终的信号特征;
步骤2.4,在不同的团雾浓度下,重复第一步至第三步,建立最终信号特征值与团雾浓度之间的映射关系。
具体地,所述步骤3中激光信号特征提取方法如下:
步骤3.1,根据激光固有的颜色属性,筛选出指定颜色的局部分块并记录其总和区域大小;
步骤3.2,将采集到的图像进行灰度处理,计算并记录上述区域的平均亮度值;
步骤3.3,对每一帧图像,重复第一步至第二步,得出每帧图像中的信号特征,再对所有图像帧的信号特征求平均值最为最终的信号特征。
具体地,所述步骤3中团雾报警机制方法如下:
步骤4.1,数据中心接受团雾检测设备通过通信设备传输过来的团雾检测结果、设备定位信息以及一张典型图片;
步骤4.2,典型图片跟团雾信息都会根据定位信息存入数据库中,在对该处在短时间内的团雾变化进行查询,将其在数据中心显示,供工作人员查看。根据团雾的浓度以及变化趋势,数据中心发出警报;
步骤4.3,数据中心继续等待前端检测传入数据。
具体地,所述一个检测装置摄像机拍摄的图片中的信号来自于另一个检测装置的激光器光源,该激光器所发出的激光线以及毛玻璃上上一级级联激光器所发射的光所形成的光斑。
具体地,团雾浓度的结果分析在检测装置上完成,并且通过无线传输的方式将团雾处理结果以及一张典型图片传输到数据中心。
有益效果:与现有技术相比,本发明的优点在于:
1、设备成本低,利用太阳能供电,节能环保,经济实用。
2、由于激光信号较为明显,无需像传统算法那样提取路面标志,如车道线、路标灯特征,大大降低了在较复杂场景中路面标志无法有效提取的风险,且效率提高。
3、系统抗干扰效果好,稳定性强。
附图说明
图1是本发明的正视图;
图2是本发明的侧视图;
图3是本发明的俯视图;
图4是相邻检测装置示意图;
图5是本发明基于激光的高速公路团雾自动检测方法的流程图;
图6本发明多台检测装置示意图;
图7是本发明的激光角度的设定示意图;
图8是本发明拍摄的包含激光信号的图像示意图。
图8中(a)(b)(c)(d)分别表示在重度团雾、中度团雾、轻度团雾、无团雾下相机所拍摄到的典型图像。
具体实施方式
下面结合附图和具体实施方式,进一步阐明本发明。
如图1-8所示,一种基于激光的夜间高速公路团雾自动检测装置及其检测方法,包括设备柱1、太阳能板、激光器2、摄像机3、精致毛玻璃4,定位设备、通信设备等组成的检测装置,该装置由一个激光信号产生单元(激光器)、一个图像获取单元(摄像机)、一个位置获取单元(定位设备,GPS等)、一个供电单元(太阳能电池)、一个控制单元(定时控制器)、一个数据中心组成和架设设备构成。架设设备由一个垂直于水平面的柱子、精制毛玻璃板4以及柱子顶端的两个可调节装置5组成。两个可调节装置5被相对地安装在柱子上端的两边,这两个可调节装置5上分别安装上激光信号产生单元和图像获取单元。在激光信号产生单元以及图像获取单元连线的垂直方向安装精制毛玻璃板4,三者组成一个“T”形。在精制毛玻璃板4的对面分别安装上数据处理单元、位置获取单元、供电单元还有控制单元,最终形成一个“十”字形的结构。
本发明基于激光的高速公路团雾自动检测检测系统,主要包括建立观测系统;检测系统的标定;激光信号特征提取;判断是否存在团雾这四个步骤。整体处理流程如图1所示,具体如下:
步骤1:建立观测系统,如图3所示,在高速公路沿线按照路线曲率在适合的距离间隔安装设备组合(大约300米~400米),设备组合包括3m高的柱子,柱子顶端安装有太阳能板、激光器、摄像机、精制毛玻璃,定位设备、通信设备等,如图2所示,其中摄像机跟激光器由可调装置固定,相邻的柱子形成系统级联。其中,激光的安装参照图4,使得激光的中心与毛玻璃的中心重合在一起,而摄像机则朝着激光器光源的位置固定即可,拍摄到的图片如图5所示。整个系统的供电由光敏控制器控制,在系统供电的基础下,定时控制系统控制团雾检测频率,在检测期间,摄像机拍摄数帧(3~5帧)的包含激光信号图像并对其进行团雾浓度的检测,接着连同定位信息、典型图片一起通过通信设备上传到数据中心;
步骤2:检测系统的标定,在不同的团雾浓度下自动检测激光信号特征,并建立信号特征与团雾浓度之间的对应关系;
步骤2.1,根据激光固有的颜色属性,筛选出指定颜色的局部分块并记录其总和区域大小;
步骤2.2,将所采集的图像进行灰度处理,计算并记录上述区域的平均亮度值;
步骤2.3,对每一帧图像,重复第一步至第二步,将每帧图像的信号区域大小与区域平均亮度作为信号特征,再对所有图像帧的信号特征求平均值最为最终的信号特征;
步骤3:激光信号特征提取,将采集的到的数帧图像进行灰度处理,计算各个激光真实信号区域大小以及其平均亮度值,将其作为区分有团雾或无团雾的特征信息;
步骤3.1,根据激光固有的颜色属性,筛选出指定颜色的局部分块并记录其总和区域大小;
步骤3.2,将采集到的图像进行灰度处理,计算并记录上述区域的平均亮度值;
步骤3.3,对每一帧图像,重复第一步至第二步,得出每帧图像中的信号特征,再对所有图像帧的信号特征求平均值最为最终的信号特征。
步骤4:团雾结果分析,根据上一步得到的最终激光信号特征与团雾浓度的映射关系,分析当前处理的数据所对应的团雾浓度;
步骤4.1,数据中心接受团雾检测设备通过通信设备传输过来的团雾检测结果、设备定位信息以及一张典型图片;
步骤4.2,典型图片跟团雾信息都会根据定位信息存入数据库中,在对该处在短时间内的团雾变化进行查询,将其在数据中心显示,供工作人员查看。根据团雾的浓度以及变化趋势,数据中心发出警报;
步骤4.3,数据中心继续等待前端检测传入数据。
步骤5:团雾报警机制,数据中心接受由检测装置得到的结果,将其存入数据库并对团雾变化情况进行分析,给出团雾浓度以及团雾变化情况的预警。
Claims (10)
1.一种基于激光的夜间高速公路团雾自动检测装置,其特征在于:包括用于支撑的设备柱,所述设备柱两侧分别设有用于产生激光信号的激光器和用于获取图像的摄像机;所述设备柱一端竖直插入用于校准激光方向的毛玻璃,该毛玻璃一端位于设备柱内部,另一端露在外部,并且位于毛玻璃对侧设备柱一侧上还设有用于获取位置的定位设备、用于给整个装置供电的太阳能电池、用于处理数据的通信设备以及用于控制整个装置运行的定时控制器。
2.根据权利要求1所述的基于激光的夜间高速公路团雾自动检测装置,其特征在于:所述激光器和摄像机分别安装在两个可调节装置上。
3.根据权利要求1所述的基于激光的夜间高速公路团雾自动检测装置,其特征在于:所述毛玻璃由矩形部和圆形部组成,矩形部一端插入设备柱内,另一端连接圆形部一同露在设备柱外。
4.基于上述权利要求1-3任意一项基于激光的夜间高速公路团雾自动检测装置的检测方法,其特征在于,包括以下步骤:
步骤1:建立观测系统,在高速公路沿线单侧每隔一定距离安装上述检测装置,相邻的检测装置形成级联,通过定时控制器控制整个装置进行工作,摄像机拍摄包含相邻检测装置中的激光信号的数帧图像,再对图像数据进行是否有团雾的检测,再将结果连同定位信息、典型图片传输到数据中心;
步骤2:检测系统的标定,在不同的团雾浓度下自动检测激光信号特征,并建立信号特征与团雾浓度之间的对应关系;
步骤3:激光信号特征提取,将采集的到的数帧图像进行灰度处理,计算各个激光真实信号区域大小以及其平均亮度值,将其作为区分有团雾或无团雾的特征信息;
步骤4:团雾结果分析,根据上一步得到的最终激光信号特征与团雾浓度的映射关系,分析当前处理的数据所对应的团雾浓度;
步骤5:团雾报警机制,数据中心接受由检测装置得到的结果,将其存入数据库并对团雾变化情况进行分析,给出团雾浓度以及团雾变化情况的预警。
5.根据权利要求4所述的基于激光的夜间高速公路团雾自动检测装置的检测方法,其特征在于:步骤1建立观测系统中,相邻检测装置通过毛玻璃进行激光方向的校准,一个检测装置激光器射出的激光应该投射在另一个检测装置的毛玻璃上,检测装置通过定时控制器控制检测装置进行工作,一个检测装置摄像机拍摄包含相邻团雾检测装置中的另一个检测装置的激光信号的数帧图像,再对图像数据进行是否有团雾的检测,再将结果连同定位信息、典型图片传输到数据中心。
6.根据权利要求4所述的基于激光的夜间高速公路团雾自动检测装置的检测方法,其特征在于:所述步骤2中检测系统的标定方法如下:
步骤2.1,根据激光固有的颜色属性,筛选出指定颜色的局部分块并记录其总和区域大小;
步骤2.2,将所采集的图像进行灰度处理,计算并记录上述区域的平均亮度值;
步骤2.3,对每一帧图像,重复第一步至第二步,将每帧图像的信号区域大小与区域平均亮度作为信号特征,再对所有图像帧的信号特征求平均值最为最终的信号特征;
步骤2.4,在不同的团雾浓度下,重复第一步至第三步,建立最终信号特征值与团雾浓度之间的映射关系。
7.根据权利要求4所述的基于激光的夜间高速公路团雾自动检测装置的检测方法,其特征在于:所述步骤3中激光信号特征提取方法如下:
步骤3.1,根据激光固有的颜色属性,筛选出指定颜色的局部分块并记录其总和区域大小;
步骤3.2,将采集到的图像进行灰度处理,计算并记录上述区域的平均亮度值;
步骤3.3,对每一帧图像,重复第一步至第二步,得出每帧图像中的信号特征,再对所有图像帧的信号特征求平均值最为最终的信号特征。
8.根据权利要求4所述的基于激光的夜间高速公路团雾自动检测装置的检测方法,其特征在于:所述步骤3中团雾报警机制方法如下:
步骤4.1,数据中心接受团雾检测设备通过通信设备传输过来的团雾检测结果、设备定位信息以及一张典型图片;
步骤4.2,典型图片跟团雾信息都会根据定位信息存入数据库中,在对该处在短时间内的团雾变化进行查询,将其在数据中心显示,供工作人员查看;根据团雾的浓度以及变化趋势,数据中心发出警报;
步骤4.3,数据中心继续等待前端检测传入数据。
9.根据权利要求4所述的基于激光的夜间高速公路团雾自动检测装置的检测方法,其特征在于:所述一个检测装置摄像机拍摄的图片中的信号来自于另一个检测装置的激光器光源,该激光器所发出的激光线以及毛玻璃上上一级级联激光器所发射的光所形成的光斑。
10.根据权利要求4所述的基于激光的夜间高速公路团雾自动检测装置的检测方法,其特征在于:团雾浓度的结果分析在检测装置上完成,并且通过无线传输的方式将团雾处理结果以及一张典型图片传输到数据中心。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510701896.0A CN105303844B (zh) | 2015-10-26 | 2015-10-26 | 基于激光的夜间高速公路团雾自动检测装置及其检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510701896.0A CN105303844B (zh) | 2015-10-26 | 2015-10-26 | 基于激光的夜间高速公路团雾自动检测装置及其检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105303844A true CN105303844A (zh) | 2016-02-03 |
CN105303844B CN105303844B (zh) | 2017-09-12 |
Family
ID=55201041
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510701896.0A Active CN105303844B (zh) | 2015-10-26 | 2015-10-26 | 基于激光的夜间高速公路团雾自动检测装置及其检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105303844B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109584575A (zh) * | 2018-12-19 | 2019-04-05 | 山东交通学院 | 一种基于能见度分析的道路安全限速提示系统及方法 |
CN109983516A (zh) * | 2016-11-23 | 2019-07-05 | Tle.株式会社 | 紧急通知警告系统 |
CN111291697A (zh) * | 2020-02-19 | 2020-06-16 | 北京百度网讯科技有限公司 | 用于识别障碍物的方法和装置 |
WO2022012149A1 (zh) * | 2020-07-17 | 2022-01-20 | 上海商汤智能科技有限公司 | 团雾识别方法、装置、电子设备、存储介质及计算机程序产品 |
CN114419916A (zh) * | 2022-01-18 | 2022-04-29 | 象谱信息产业有限公司 | 基于气象预报数据的路网气象传感器数据的团雾预警系统 |
WO2023283997A1 (zh) * | 2021-07-15 | 2023-01-19 | 山东交通学院 | 基于视频图像的高速公路夜间团雾监测方法及系统 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH11282058A (ja) * | 1998-03-27 | 1999-10-15 | Anritsu Corp | 画像による視程判定方法及び装置 |
CN201740736U (zh) * | 2010-06-12 | 2011-02-09 | 北京中科卓视科技有限责任公司 | 一种基于视频的能见度检测系统 |
CN202534168U (zh) * | 2012-04-01 | 2012-11-14 | 南京理工大学 | 一种高速公路雾况自动检测报警系统 |
CN103134800A (zh) * | 2013-02-07 | 2013-06-05 | 安徽皖通科技股份有限公司 | 一种基于视频的道路气象检测系统 |
CN103413442A (zh) * | 2013-07-30 | 2013-11-27 | 刘伟 | 基于通视距离监测的高速公路团雾预警系统及预警方法 |
CN203351037U (zh) * | 2013-08-08 | 2013-12-18 | 张文嘉 | 一种高速公路团雾预警系统 |
CN203721033U (zh) * | 2014-03-13 | 2014-07-16 | 山东交通学院 | 基于数字摄像的团雾实时预警系统 |
WO2015055737A1 (en) * | 2013-10-16 | 2015-04-23 | Cipherstone Technologies Ab | Method and system for determining a reflection property of a scene |
CN104700629A (zh) * | 2014-11-04 | 2015-06-10 | 南通大学 | 一种高速公路团雾的监测预警系统及方法 |
-
2015
- 2015-10-26 CN CN201510701896.0A patent/CN105303844B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH11282058A (ja) * | 1998-03-27 | 1999-10-15 | Anritsu Corp | 画像による視程判定方法及び装置 |
CN201740736U (zh) * | 2010-06-12 | 2011-02-09 | 北京中科卓视科技有限责任公司 | 一种基于视频的能见度检测系统 |
CN202534168U (zh) * | 2012-04-01 | 2012-11-14 | 南京理工大学 | 一种高速公路雾况自动检测报警系统 |
CN103134800A (zh) * | 2013-02-07 | 2013-06-05 | 安徽皖通科技股份有限公司 | 一种基于视频的道路气象检测系统 |
CN103413442A (zh) * | 2013-07-30 | 2013-11-27 | 刘伟 | 基于通视距离监测的高速公路团雾预警系统及预警方法 |
CN203351037U (zh) * | 2013-08-08 | 2013-12-18 | 张文嘉 | 一种高速公路团雾预警系统 |
WO2015055737A1 (en) * | 2013-10-16 | 2015-04-23 | Cipherstone Technologies Ab | Method and system for determining a reflection property of a scene |
CN203721033U (zh) * | 2014-03-13 | 2014-07-16 | 山东交通学院 | 基于数字摄像的团雾实时预警系统 |
CN104700629A (zh) * | 2014-11-04 | 2015-06-10 | 南通大学 | 一种高速公路团雾的监测预警系统及方法 |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109983516A (zh) * | 2016-11-23 | 2019-07-05 | Tle.株式会社 | 紧急通知警告系统 |
CN109983516B (zh) * | 2016-11-23 | 2021-03-30 | Tle.株式会社 | 紧急通知警告系统 |
CN109584575A (zh) * | 2018-12-19 | 2019-04-05 | 山东交通学院 | 一种基于能见度分析的道路安全限速提示系统及方法 |
CN111291697A (zh) * | 2020-02-19 | 2020-06-16 | 北京百度网讯科技有限公司 | 用于识别障碍物的方法和装置 |
CN111291697B (zh) * | 2020-02-19 | 2023-11-21 | 阿波罗智能技术(北京)有限公司 | 用于识别障碍物的方法和装置 |
WO2022012149A1 (zh) * | 2020-07-17 | 2022-01-20 | 上海商汤智能科技有限公司 | 团雾识别方法、装置、电子设备、存储介质及计算机程序产品 |
WO2023283997A1 (zh) * | 2021-07-15 | 2023-01-19 | 山东交通学院 | 基于视频图像的高速公路夜间团雾监测方法及系统 |
CN114419916A (zh) * | 2022-01-18 | 2022-04-29 | 象谱信息产业有限公司 | 基于气象预报数据的路网气象传感器数据的团雾预警系统 |
Also Published As
Publication number | Publication date |
---|---|
CN105303844B (zh) | 2017-09-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105303844A (zh) | 基于激光的夜间高速公路团雾自动检测装置及其检测方法 | |
CN103927878B (zh) | 一种用于违章停车的自动抓拍装置及自动抓拍方法 | |
CN109164443A (zh) | 基于雷达及图像分析的铁路线路异物检测方法及系统 | |
CN105784710B (zh) | 一种基于数字图像处理的混凝土桥梁裂缝检测装置 | |
CN105373135B (zh) | 一种基于机器视觉的飞机入坞引导和机型识别的方法及系统 | |
CN103279949B (zh) | 基于自定位机器人的多相机参数自动标定系统运行方法 | |
CN104971458B (zh) | 基于自动跟踪定位射流灭火装置的多火源识别方法 | |
CN101918980B (zh) | 跑道监视系统和方法 | |
CN107728136A (zh) | 一种机场跑道异物监测和清除引导系统及方法 | |
CN201213038Y (zh) | 一种基于线阵ccd摄像机的交通信息采集系统 | |
CN110529186A (zh) | 基于红外热成像的隧道结构渗漏水精确识别装置和方法 | |
RU2013142167A (ru) | Система наблюдения и способ обнаружения засорения или повреждения аэродрома посторонними предметами | |
CN103295402A (zh) | 智能交通超速抓拍系统 | |
CN101382497A (zh) | 基于路况监控视频的能见度检测方法 | |
CN202676156U (zh) | 基于标靶目标图像识别与基准测量输电线路状态监测系统 | |
CN101936900A (zh) | 一种基于视频的能见度检测系统 | |
KR101461184B1 (ko) | Cctv 영상을 이용한 기상 상황 정보 추출 시스템 | |
CN110954968B (zh) | 一种机场跑道异物检测装置及方法 | |
CN102997853A (zh) | 一种检测冰雪厚度的装置及方法 | |
CN109587901B (zh) | 照明之智慧调控系统与方法 | |
CN102509102A (zh) | 基于图像学习的能见度测量方法 | |
CN109239099A (zh) | 多机协同环境下的路面破损实时检测系统及其检测方法 | |
CN201037962Y (zh) | 一种电子桩考系统 | |
CN104330048A (zh) | 一种基于图像的铁路雪深测量装置及方法 | |
CN103149603B (zh) | 一种基于视频的道路气象检测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
CB03 | Change of inventor or designer information |
Inventor after: Tang Zhenmin Inventor after: Xu Zhongning Inventor after: Xu Fang Inventor before: Tang Zhenmin |
|
CB03 | Change of inventor or designer information | ||
GR01 | Patent grant | ||
GR01 | Patent grant |