CN105718893A - 一种用于夜间环境的车辆尾灯对检测方法 - Google Patents
一种用于夜间环境的车辆尾灯对检测方法 Download PDFInfo
- Publication number
- CN105718893A CN105718893A CN201610045808.0A CN201610045808A CN105718893A CN 105718893 A CN105718893 A CN 105718893A CN 201610045808 A CN201610045808 A CN 201610045808A CN 105718893 A CN105718893 A CN 105718893A
- Authority
- CN
- China
- Prior art keywords
- connected region
- image
- vehicle
- night
- rate
- 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
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
- G06V10/443—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components by matching or filtering
Abstract
一种用于夜间环境的车辆尾灯对检测方法,包括如下步骤:步骤1)图像采集:装有图像采集装置的车辆在夜间行进时采集车辆前方的图像,记为图像A;步骤2)图像A二值化:确定一个阈值Ti对图像A二值化;步骤3)对二值化后的图像A进行连通区域标记;步骤4)尾灯对匹配:连通区域Za和连通区域Zb的匹配性度量值Mab>0.75,则认为连通区域Za和连通区域Zb共同组成了一个尾灯对。该方法通过利用尾灯形状、面积、位置信息,构建尾灯对匹配函数,实现红色尾灯对的检测和定位,提升了夜间车辆检测的准确性和实时性能力,使检测的更为准确、更少的错误检测。
Description
技术领域
本发明属于图像处理技术领域,涉及图像信息感知,具体涉及一种用于夜间环境的车辆尾灯对检测方法。
背景技术
交通安全问题已成为世界性的重大问题,而汽车的安全性对人类生命财产的影响更是不言而喻。随着高速公路的发展和汽车性能的提高,汽车行驶速度也相应加快,加之汽车数量增加以及交通运输日益繁忙,汽车事故增多所引起的人员伤亡和财产损失,已成为一个不容忽视的社会问题,汽车的行车安全更显得非常重要。传统的被动安全已经远远不能避免交通的事故发生,而主动安全技术由于可以预防事故的发生而倍受关注。视觉传感由于具有信息量大、成本低廉的特点,在汽车主动安全领域有着广泛的应用。
车辆检测技术是指利用图像传感手段对图像中的车辆搜寻和判定,获得图像中车辆的多种属性(如位置、速度、形状、外观)的过程。它是汽车主动安全领域,尤其是实现追尾预警(ForwardCollisionWarning,FCW)以及自动紧急刹车(AutomaticEmergencyBraking,AEB)功能的关键技术之一。
目前,大部分现有车辆检测方法均是针对日间情况下加以实现,大多采用基于车辆外观的辨识方法,如采用车辆轮廓、对称性、颜色等等信息。但是,在夜间环境下,由于缺乏太阳光的光照,环境光源仅仅由路灯和本车头灯(城市环境下)或者是仅由本车头灯(郊外环境下)构成;这就导致环境光源强度低、分布不均的特点,从而使得前方车辆的绝大多数外观信息(轮廓、对称性、颜色等)由于反射光强的不足而不可获得,使得现有车辆检测方法失效;因此,如何提高夜间车辆检测的准确性和实时性,解决夜间实际道路环境下的车辆检测一直是亟待解决的问题。
通过观察,我们发现高亮的尾灯是夜间车辆检测最明显的特征,在灰度图像上呈高亮的白色对,在彩色图像上是明显的红色对,并且基本不受到环境光源变化的影响,是较为稳定的车辆特征之一。
如何提高夜间车辆检测的准确性和实时性,解决夜间实际道路环境下的车辆检测一直是亟待解决的问题,为提升夜间车辆检测的能力,使检测的更为准确、更少的错误检测,本发明提出一种用于夜间环境的车辆尾灯对检测方法。
发明内容
本发明为解决夜间车辆检测的准确性和实时性,提升夜间车辆检测的能力,使检测的更为准确、更少的错误检测,本发明提出一种用于夜间环境的车辆尾灯对检测方法。
本发明是通过以下技术方案实现的:
一种用于夜间环境的车辆尾灯对检测方法,包括如下步骤:
步骤1)图像采集:装有图像采集装置的车辆在夜间行进时采集车辆前方的图像,记为图像A;
步骤2)图像A二值化:确定一个阈值Ti对图像A二值化,阈值T的范围为T∈[150,255],选取阈值Ti确定类间距离Di,其中,类间距离Di表示为:
pf为图像A中假设属于车灯的像素(pf>Ti),pb为图像A中假设不属于车灯的像素(pb<Ti);nf表示的是亮度值大于Ti的像素点个数;nb表示的是亮度值小于Ti的像素点个数;
选取具有最大类间距离Di时对应的Ti为阈值;并采用阈值Ti对图像A进行二值化;高于该阈值Ti的像素置“1”,表示白色像素;将其余像素置“0”,表示黑色像素;
步骤3)对二值化后的图像A中像素置“1”的连通区域标记:设提取出的连通区域数目为n,标记所有区域为Z1、Z2…、Zj、…、Zn;
步骤4)尾灯对匹配:首先,针对每一个标记的连通区域Zj,分别计算其如下几个参数:
(1)面积Aj;
(2)圆形度Roj:Roj=(Cj)2/Aj;
(3)最小外接矩形Rctj;
其中Cj表示连通区域Zj的周长;
然后,对任意两个连通区域进行尾灯对匹配性度量,对n个连通区域,则产生n(n-1)个匹配性度量值;设任意两个连通区域Za和连通区域Zb的匹配性度量值为Mab:
匹配性度量值为Mab的计算函数如下:
Mab=0.2*Size_rateab+0.15*Round_rateab+0.55*Overlap_rateab
其中:Size_rateab表明面积的匹配度,具体计算方式是连通区域Za和连通区域Zb中较小的面积比上较大的面积;其计算公式如下:
Round_rateab表明圆形度的匹配度,具体计算方式是连通区域Za和连通区域Zb中较小的圆形度比上较大的圆形度;其计算公式如下:
Overlap_rateab表明水平方向上的重合度,其计算方式为连通区域Za和连通区域Zb的最小外接矩形Rcta、最小外接矩形Rctb在垂直方向上的投影的重合部分的长度比连通区域Za和连通区域Zb的最小外接矩形Rcta、最小外接矩形Rctb投影总长;投影总长=(Rcta和Rctb长度和-重合部分的长度);
连通区域Za和连通区域Zb的匹配性度量值Mab>0.75,则认为连通区域Za和连通区域Zb共同组成了一个尾灯对。
进一步的,步骤1)中所述图像采集装置为CCD或CMOS摄像机。
进一步的,步骤1)中图像采集装置安装于车辆后视镜下方。
进一步的,步骤2)中选定图像A的下二分之一部分作为感兴趣区域(ROI)以减少后续计算量。
进一步的,步骤2)中,阈值T的范围为T∈[200,255]。
有益效果:
1.一种用于夜间环境的车辆尾灯对检测方法通过利用尾灯形状、面积、位置信息,构建尾灯对匹配函数,实现红色尾灯对的检测和定位。
2.提升了夜间车辆检测的准确性和实时性能力,使检测的更为准确、更少的错误检测。
3.图像采集装置安装于车辆后视镜下方,从而确保获得本车前方视野合适,画面清晰的图像。
4.选定图像A的下二分之一部分作为初始感兴趣区域(ROI)减少了后续计算量,节省了时间成本。
5.阈值T的范围定为T∈[200,255],提高了计算效率。
附图说明
图1为本发明实施方案流程图;
图2为本发明中重合度计算示意图;
图3为本发明图像采集流程图;
具体实施方式
为使本发明便于理解,对以下几个专业概念进行说明:
感兴趣区域(ROI)为regionofinterest;
连通区域:是数学的基本概念之一。设D是平面区域,如果D内任一闭曲线所围的部分都属于D,则称D为平面单连通区域。
一种用于夜间环境的车辆尾灯对检测方法,包括如下步骤:
步骤1)图像采集:装有图像采集装置的车辆在夜间行进时采集车辆前方的图像,记为图像A;
步骤2)图像A二值化:确定一个阈值Ti对图像A二值化,阈值T的范围为T∈[150,255],选取阈值Ti确定类间距离Di,其中,类间距离Di表示为:
pf为图像A中假设属于车灯的像素(pf>Ti),pb为图像A中假设不属于车灯的像素(pb<Ti);nf表示的是亮度值大于Ti的像素点个数;nb表示的是亮度值小于Ti的像素点个数;
选取具有最大类间距离Di时对应的Ti为阈值;并采用阈值Ti对图像A进行二值化;高于该阈值Ti的像素置“1”,表示白色像素;将其余像素置“0”,表示黑色像素;
步骤3)对二值化后的图像A中像素置“1”的连通区域标记:设提取出的连通区域数目为n,标记所有区域为Z1、Z2…、Zj、…、Zn;
步骤4)尾灯对匹配:首先,针对每一个标记的连通区域Zj,分别计算其如下几个参数:
(1)面积Aj;
(2)圆形度Roj:Roj=(Cj)2/Aj;
(3)最小外接矩形Rctj;
其中Cj表示连通区域Zj的周长;
然后,对任意两个连通区域进行尾灯对匹配性度量,对n个连通区域,则产生n(n-1)个匹配性度量值;设任意两个连通区域Za和连通区域Zb的匹配性度量值为Mab:
匹配性度量值为Mab的计算函数如下:
Mab=0.2*Size_rateab+0.15*Round_rateab+0.55*Overlap_rateab
其中:Size_rateab表明面积的匹配度,具体计算方式是连通区域Za和连通区域Zb中较小的面积比上较大的面积;其计算公式如下:
Round_rateab表明圆形度的匹配度,具体计算方式是连通区域Za和连通区域Zb中较小的圆形度比上较大的圆形度;其计算公式如下:
Overlap_rateab表明水平方向上的重合度,其计算方式为连通区域Za和连通区域Zb的最小外接矩形Rcta、最小外接矩形Rctb在垂直方向上的投影的重合部分的长度比连通区域Za和连通区域Zb的最小外接矩形Rcta、最小外接矩形Rctb投影总长;投影总长=(Rcta和Rctb长度和-重合部分的长度);
连通区域Za和连通区域Zb的匹配性度量值Mab>0.75,则认为连通区域Za和连通区域Zb共同组成了一个尾灯对。
步骤1)中所述图像采集装置为CCD或CMOS摄像机。
步骤1)中图像采集装置安装于车辆后视镜下方。
步骤2)中选定图像A的下二分之一部分作为感兴趣区域(ROI)以减少后续计算量。
步骤2)中,阈值T的范围为T∈[200,255]。
具体实施例
结合附图1实施方案流程:图像输入后对感兴趣区域(ROI)确定,然后对确定后的区域进行二值化处理,即确定一个阈值Ti对图像A二值化,从而得到二值化后图像,高于该阈值Ti的像素置“1”,表示白色像素;将其余像素置“0”,表示黑色像素;对二值化后标记为“1”,表示白色像素进行连通域搜索标记,然后采用匹配性度量值为Mab,对尾灯匹配。
结合附图2重合度计算:投影总长=(Rcta和Rctb在竖直方向的长度和-重合部分的长度)。
结合附图3图像采集流程:车载CCD摄像头单元采集图像后模拟图像经过图像采集卡转换成数字图像,数字图像在车载微处理器上被算法处理。
步骤1:图像采集。将图像采集装置(CCD或CMOS摄像机)安装于车辆后视镜下方,调整图像采集装置的位置和姿态,以获得本车前方视野合适,画面清晰的图像;所述图像采集装置的车辆在夜间行进时采集车辆前方的图像,记为图像A。
步骤2:感兴趣区域(ROI)提取,由于图像A中上二分之一部分为天空、树木、标识牌或建筑物等干扰信息,而前方车辆只会处于图像A的下二分之一部分,因此选定图像A的下二分之一部分作为初始感兴趣区域以减少后续计算量,将该初始ROI区域图像即为图像B
步骤3:图像B二值化。在夜间环境下的图像中,车灯等光源和非光源具有十分明显的差异,可通过一个合适的阈值T加以分割。
步骤3.1:阈值T的搜索范围为T∈[200,255],依次计算以某阈值Ti确定的类间距离Di。
其中,pf为图像中假设属于车灯的像素(pf>Ti),pb为图像中假设不属于车灯的像素(pb<Ti)。nf表示的是亮度值大于Ti的像素点个数;nb表示的是亮度值小于Ti的像素点个数
步骤3.2:选取具有最大类间距离Di时对应的Ti为阈值。并采用该阈值对灰度图像进行二值化。高于该阈值的像素置“1”,表示白色像素;将其余像素置“0”,表示黑色像素。
步骤4:连通区域标记。采用连通区域提取的方法,提取所有连通区域并进行标记,不妨设提取出的区域数目为n,标记所有区域为Z1、Z2…、Zj、…、Zn。
步骤5:尾灯对匹配
步骤5.1:针对每一个连通区域Zj,分别计算其如下几个参数:
(1)面积Aj;
(2)圆形度Roj:Roj=(Cj)2/Aj
(3)最小外接矩形Rctj;
其中Cj表示连通区域Zj的周长;
步骤5.2:该步骤对任意两个连通区域进行尾灯对匹配性度量。对n个连通区域,则产生n(n-1)个匹配性度量值。设任意两个连通区域Za和连通区域Zb的匹配性度量值为Mab。
匹配性度量值为Mab,其计算函数如下:
Mab=0.2*Size_rateab+0.15*Round_rateab+0.55*Overlap_rateab
其中:Size_rateab表明面积的匹配度,具体计算方式是区域Za和Zb中较小的面积比上较大的面积;其计算公式如下:
Round_rateab表明圆形度的匹配度,具体计算方式是连通区域Za和连通区域Zb中较小的圆形度比上较大的圆形度;其计算公式如下:
Overlap_rateab表明水平方向上的重合度。如图2所示,其计算方式为区域Za和Zb的最小外接矩形Rcta、Rctb在垂直方向上的投影的重合部分的长度比上其投影总长。
步骤5.3:若连通区域Za和连通区域Zb的匹配性度量值Mab>0.75,则认为连通区域Za和连通区域Zb共同组成了一个尾灯对。至此,完成了ROI区域内的车辆尾灯检测,并可以认为该区域存在车辆。
步骤1至步骤5即夜间环境下,通过车辆尾灯的检测和匹配,实现尾灯对检测的全部过程。
所述实施例为本发明的优选的实施方式,但本发明并不限于上述实施方式,在不背离本发明的实质内容的情况下,本领域技术人员能够做出的任何显而易见的改进、替换或变型均属于本发明的保护范围。
Claims (5)
1.一种用于夜间环境的车辆尾灯对检测方法,其特征在于,包括如下步骤:
步骤1)图像采集:装有图像采集装置的车辆在夜间行进时采集车辆前方的图像,记为图像A;
步骤2)图像A二值化:确定一个阈值Ti对图像A二值化,阈值T的范围为T∈[150,255],选取阈值Ti确定类间距离Di,其中,类间距离Di表示为:
pf为图像A中假设属于车灯的像素pf>Ti,pb为图像A中假设不属于车灯的像素pb<Ti;nf表示的是亮度值大于Ti的像素点个数;nb表示的是亮度值小于Ti的像素点个数;
选取具有最大类间距离Di时对应的Ti为阈值;并采用阈值Ti对图像A进行二值化;高于该阈值Ti的像素置“1”,表示白色像素;将其余像素置“0”,表示黑色像素;
步骤3)对二值化后的图像A中像素置“1”的连通区域标记:设提取出的连通区域数目为n,标记所有区域为Z1、Z2…、Zj、…、Zn;
步骤4)尾灯对匹配:首先,针对每一个标记的连通区域Zj,分别计算其如下几个参数:
(1)面积Aj;
(2)圆形度Roj:Roj=(Cj)2/Aj;
(3)最小外接矩形Rctj;
其中Cj表示连通区域Zj的周长;
然后,对任意两个连通区域进行尾灯对匹配性度量,对n个连通区域,则产生n(n-1)个匹配性度量值;设任意两个连通区域Za和连通区域Zb的匹配性度量值为Mab:
匹配性度量值为Mab的计算函数如下:
Mab=0.2*Size_rateab+0.15*Round_rateab+0.55*Overlap_rateab
其中:Size_rateab表明面积的匹配度,具体计算方式是连通区域Za和连通区域Zb中较小的面积比上较大的面积;其计算公式如下:
Round_rateab表明圆形度的匹配度,具体计算方式是连通区域Za和连通区域Zb中较小的圆形度比上较大的圆形度;其计算公式如下:
Overlap_rateab表明水平方向上的重合度,其计算方式为连通区域Za和连通区域Zb的最小外接矩形Rcta、最小外接矩形Rctb在垂直方向上的投影的重合部分的长度比连通区域Za和连通区域Zb的最小外接矩形Rcta、最小外接矩形Rctb投影总长;投影总长=(Rcta和Rctb长度和-重合部分的长度);
连通区域Za和连通区域Zb的匹配性度量值Mab>0.75,则认为连通区域Za和连通区域Zb共同组成了一个尾灯对。
2.根据权利要求1所述的一种用于夜间环境的车辆尾灯对检测方法,其特征在于,步骤1)中所述图像采集装置为CCD或CMOS摄像机。
3.根据权利要求1或2所述的一种用于夜间环境的车辆尾灯对检测方法,其特征在于,步骤1)中图像采集装置安装于车辆后视镜下方。
4.根据权利要求3所述的一种用于夜间环境的车辆尾灯对检测方法,其特征在于,步骤2)中选定图像A的下二分之一部分作为感兴趣区域(ROI)以减少后续计算量。
5.根据权利要求1所述的一种用于夜间环境的车辆尾灯对检测方法,其特征在于,步骤2)中,阈值T的范围为T∈[200,255]。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610045808.0A CN105718893B (zh) | 2016-01-22 | 2016-01-22 | 一种用于夜间环境的车辆尾灯对检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610045808.0A CN105718893B (zh) | 2016-01-22 | 2016-01-22 | 一种用于夜间环境的车辆尾灯对检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105718893A true CN105718893A (zh) | 2016-06-29 |
CN105718893B CN105718893B (zh) | 2019-01-08 |
Family
ID=56153940
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610045808.0A Active CN105718893B (zh) | 2016-01-22 | 2016-01-22 | 一种用于夜间环境的车辆尾灯对检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105718893B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN107316002A (zh) * | 2017-06-02 | 2017-11-03 | 武汉理工大学 | 一种基于主动学习的夜间前方车辆识别方法 |
CN108021856A (zh) * | 2016-10-31 | 2018-05-11 | 比亚迪股份有限公司 | 车辆尾灯识别方法、装置及车辆 |
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 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080069400A1 (en) * | 2006-07-07 | 2008-03-20 | Ying Zhu | Context adaptive approach in vehicle detection under various visibility conditions |
CN101739827A (zh) * | 2009-11-24 | 2010-06-16 | 北京中星微电子有限公司 | 一种车辆检测跟踪方法和装置 |
CN102044151A (zh) * | 2010-10-14 | 2011-05-04 | 吉林大学 | 基于光照可见度辨识的夜间车辆视频检测方法 |
CN103034843A (zh) * | 2012-12-07 | 2013-04-10 | 电子科技大学 | 一种基于单目视觉的夜间车辆检测方法 |
-
2016
- 2016-01-22 CN CN201610045808.0A patent/CN105718893B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080069400A1 (en) * | 2006-07-07 | 2008-03-20 | Ying Zhu | Context adaptive approach in vehicle detection under various visibility conditions |
CN101739827A (zh) * | 2009-11-24 | 2010-06-16 | 北京中星微电子有限公司 | 一种车辆检测跟踪方法和装置 |
CN102044151A (zh) * | 2010-10-14 | 2011-05-04 | 吉林大学 | 基于光照可见度辨识的夜间车辆视频检测方法 |
CN103034843A (zh) * | 2012-12-07 | 2013-04-10 | 电子科技大学 | 一种基于单目视觉的夜间车辆检测方法 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN108021856A (zh) * | 2016-10-31 | 2018-05-11 | 比亚迪股份有限公司 | 车辆尾灯识别方法、装置及车辆 |
CN108021856B (zh) * | 2016-10-31 | 2020-09-15 | 比亚迪股份有限公司 | 车辆尾灯识别方法、装置及车辆 |
CN107316002A (zh) * | 2017-06-02 | 2017-11-03 | 武汉理工大学 | 一种基于主动学习的夜间前方车辆识别方法 |
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 |
Also Published As
Publication number | Publication date |
---|---|
CN105718893B (zh) | 2019-01-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Tumas et al. | Pedestrian detection in severe weather conditions | |
CN109190523B (zh) | 一种基于视觉的车辆检测跟踪预警方法 | |
CN102897086B (zh) | 一种后车行驶信息检测及提示方法及系统 | |
CN109389046B (zh) | 用于自动驾驶的全天候物体识别与车道线检测方法 | |
CN102737248B (zh) | 复杂路况下的车道线特征点提取方法与装置 | |
CN105718893A (zh) | 一种用于夜间环境的车辆尾灯对检测方法 | |
CN203134149U (zh) | 基于不同波段成像融合图像处理的车辆辅助驾驶系统 | |
JP5774770B2 (ja) | 車両周辺監視装置 | |
US20120147187A1 (en) | Vehicle detection device and vehicle detection method | |
CN107886034B (zh) | 行车提醒方法、装置及车辆 | |
CN105574552A (zh) | 一种基于单目视觉的车辆测距与碰撞预警方法 | |
CN104392629A (zh) | 检测车距的方法和装置 | |
CN107891808A (zh) | 行车提醒方法、装置及车辆 | |
CN101451835B (zh) | 一种较差能见度天气条件下汽车防撞方法 | |
KR20220040473A (ko) | 긴급 차량들의 검출 | |
KR20140104954A (ko) | 제동 상황의 식별 방법 및 장치 | |
CN103978978A (zh) | 基于逆投影变换的车道保持方法 | |
CN103577809A (zh) | 一种基于智能驾驶的地面交通标志实时检测的方法 | |
KR101134857B1 (ko) | 주간 및 야간 주행 차량을 조도상황에 따라 검출하는 방법및 장치 | |
CN104992160B (zh) | 一种重型卡车夜间前方车辆检测方法 | |
US9376052B2 (en) | Method for estimating a roadway course and method for controlling a light emission of at least one headlight of a vehicle | |
CN103440771A (zh) | 模糊隶属度和反馈修正在夜间交通视频车辆检测的应用 | |
CN105787456A (zh) | 一种夜间远红外图像中的行人检测方法 | |
CN106627416A (zh) | 用于检测道路类型的方法、装置和系统 | |
Mori et al. | Visibility estimation in foggy conditions by in-vehicle camera and radar |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |