CN105913405A - 用于呈现图像细节的处理方法、装置及车辆 - Google Patents
用于呈现图像细节的处理方法、装置及车辆 Download PDFInfo
- Publication number
- CN105913405A CN105913405A CN201610207656.XA CN201610207656A CN105913405A CN 105913405 A CN105913405 A CN 105913405A CN 201610207656 A CN201610207656 A CN 201610207656A CN 105913405 A CN105913405 A CN 105913405A
- Authority
- CN
- China
- Prior art keywords
- image
- processing
- grayscale
- histogram equalization
- pixels
- 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
- 238000003672 processing method Methods 0.000 title claims abstract description 19
- 238000012545 processing Methods 0.000 claims abstract description 60
- 238000000034 method Methods 0.000 claims abstract description 30
- 230000001186 cumulative effect Effects 0.000 claims description 12
- 238000009826 distribution Methods 0.000 claims description 6
- 238000010586 diagram Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 241001270131 Agaricus moelleri Species 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000009827 uniform distribution Methods 0.000 description 2
- 102100034112 Alkyldihydroxyacetonephosphate synthase, peroxisomal Human genes 0.000 description 1
- 101000799143 Homo sapiens Alkyldihydroxyacetonephosphate synthase, peroxisomal Proteins 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000000848 angular dependent Auger electron spectroscopy Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000010835 comparative analysis Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 230000004297 night vision Effects 0.000 description 1
- 238000011112 process operation Methods 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
- 238000013076 uncertainty analysis Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/40—Image enhancement or restoration using histogram techniques
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
- Facsimile Image Signal Circuits (AREA)
Abstract
本发明公开一种用于呈现图像细节的处理方法、装置及车辆，包括：获取待处理图像的灰度图像；对所述灰度图像的每一行的像素进行直方图均衡化，处理完所述灰度图像中所有的像素行后获取第一图像；对所述第一图像的每一列的像素进行直方图均衡化，处理完所述第一图像中所有的像素列后获取第二图像；输出第二图像作为结果图像。本发明提供的用于呈现图像细节的处理方法、装置及车辆，对直方图均衡化方法进行了优化，适用于对图像细节呈现要求比较高的领域，能够最大程度上增强图像的细节，使得处理后图像的细节更明显。
Description
技术领域
本发明涉及计算机图像处理领域，具体涉及一种车辆领域的计算机图像处理，尤其涉及一种用于呈现图像细节的处理方法、装置及车辆。
背景技术
图像提升对比度的直方图均衡化方法可以分为两类，一类是全局直方图均衡，另一类是局部直方图均衡，全局直方图均衡有效提高了图像的对比度，但是忽略了图像的细节；局部直方图均衡能很好地增强图像的细节，但噪声比较大。在对图像细节比较关注的领域，局部直方图均衡是比较重要的方法，现有技术中提供了多种局部直方图均衡化方法，但是这些方法只是部分地增强了图像的细节，在对图像细节呈现要求比较高的领域，无法达到目标。
因此，有必要研究一种能够尽可能呈现图像细节的图像处理方法、装置以解决现有技术中存在的上述技术问题。
发明内容
本发明要解决的一个技术问题是如何提供一种尽可能呈现图像细节的图像处理方法或装置。
本发明提供一种用于呈现图像细节的处理方法，包括：获取待处理图像的灰度图像；对所述灰度图像的每一行的像素进行直方图均衡化，处理完所述灰度图像中所有的像素行后获取第一图像；对所述第一图像的每一列的像素进行直方图均衡化，处理完所述第一图像中所有的像素列后获取第二图像；输出第二图像作为结果图像。
进一步地，所述获取待处理图像的灰度图像之后还包括：对所述灰度图像的每一列的像素进行直方图均衡化，处理完所述灰度图像中所有的像素列后获取第一图像；对所述第一图像的每一行的像素进行直方图均衡化，处理完所述第一图像中所有的像素行后获取第二图像。
进一步地，所述直方图均衡化包括：统计各个灰度值出现的像素的个数；计算各个灰度值的累积概率函数；根据累积概率函数，重新计算各个灰度值的对应的结果值。
进一步地，若灰度图像为具有n级灰度的图像，第i级灰度出现的概率为pi，则含的信息量为：整幅图含有的信息量为其中，pi相等的时候，具有均匀直方图分布的图像其信息量最大。
本发明还提供一种用于呈现图像细节的处理装置，包括：获取模块，用于获取待处理图像的灰度图像；第一处理模块，用于对所述灰度图像的每一行的像素进行直方图均衡化，处理完所述灰度图像中所有的像素行后获取第一图像；第二处理模块，用于对所述第一图像的每一列的像素进行直方图均衡化，处理完所述第一图像中所有的像素列后获取第二图像；输出模块，用于输出第二图像作为结果图像。
进一步地，第一处理模块还用于对所述灰度图像的每一列的像素进行直方图均衡化，处理完所述灰度图像中所有的像素列后获取第一图像；第二处理模块还用于对所述第一图像的每一行的像素进行直方图均衡化，处理完所述第一图像中所有的像素行后获取第二图像。
进一步地，该装置还包括：直方图均衡化模块，用于统计各个灰度值出现的像素的个数；计算各个灰度值的累积概率函数；根据累积概率函数，重新计算各个灰度值的对应的结果值。
进一步地，直方图均衡化模块用于若灰度图像为具有n级灰度的图像，第i级灰度出现的概率为pi，则含的信息量为：整幅图含有的信息量为其中，pi相等的时候，具有均匀直方图分布的图像其信息量最大。
本发明还提供一种车辆，包括如上所述的用于呈现图像细节的处理装置。
进一步地，所述车辆还包括摄像头，通过所述摄像头获取车辆途径路径的道路图像，并处理成灰度图像，通过所述用于呈现图像细节的处理装置获取所述道路的图像细节进行图像识别。
本发明提供用于呈现图像细节的处理方法、装置及车辆，对直方图均衡化方法进行了优化，适用于对图像细节呈现要求比较高的领域，能够最大程度上增强图像的细节，使得处理后图像的细节更明显。
附图说明
图1示出本发明一个实施例的车道识别场景下的待检测图像。
图2示出本发明一个实施例的利用现有各方法得到的待处理图像的处理结果灰度图和二值化结果图像组图。
图3示出本发明一个实施例的用于呈现图像细节的处理方法的流程图。
图4示出本发明另一个实施例的用于呈现图像细节的处理方法的流程图。
图5示出本发明一个实施例的通过用于呈现图像细节的处理方法得到的结果图像。
图6示出本发明一个实施例的原始图像直方图。
图7示出采用现有技术的方法得到的图像的直方图。
图8示出本发明一个实施例的采用用于呈现图像细节的处理方法得到的图像的直方图。
图9示出本发明一个实施例的用于呈现图像细节的处理装置的结构框图。
图10示出本发明一个实施例的用于呈现图像细节的处理装置的结构框图。
图11示出本发明一个实施例的包含屏幕保护解除装置的车辆的结构框图。
具体实施方式
下面参照附图对本发明进行更全面的描述，其中说明本发明的示例性实施例。
图1示出本发明一个实施例的车道识别场景下的待检测图像，该图像为车辆摄像头获取的图像的灰度图，在车辆行驶过程中需要对图像进行检测以获取车道线，或通过二值化获取待处理图像中的所有车道线。
目前有很多种局部直方图增强方法进行图像识别，如保持亮度特性的直方图均衡算法(BBHE)、等面积双元子图均衡算法(DSIHE)、最小均方误差双直方图均衡算法(MMBEBHE)、递归均值分层均衡处理算法(RMSHE)、子块部分重叠算法(POSHE)、对比度抑制局域自适应算法(CLAHE)等。
其中，保持亮度特性的直方图均衡算法(BBHE)首先将原图像以亮度均值划分为2个子图像，分别获得2个子图像的直方图；其次对2个子图像进行分别均衡，最后把两个均衡的结果合并成一张图；等面积双元子图均衡(DSIHE)方法取输入图像灰度中值对图像进行分割，将原图分割成2个子图像，其它步骤和BBHE一样；递归均值分层均衡处理方法(RMSHE)和BBHE类似，只不过对每个BBHE分开的层，继续进行BBHE处理，当递归的层数为1的时候就是BBHE方法；子块部分重叠方法(POSHE)是用一个窗口在图上进行移动，每到一个位置计算窗口内的直方图均衡结果，然后把结果累加起来，同时记录下来每个像素被计算的次数，最后用累积的值除以次数得到每个像素的均衡化结果。
但是上述这些算法只是部分地增强了图像的细节，无法获取待处理图像的尽可能多的细节，在对图像细节呈现要求比较高的领域例如车道识别领域，无法达到目标。
图2示出本发明一个实施例的利用现有各方法得到的待处理图像的处理结果灰度图和二值化结果图像组图。由图可见，现有各个算法CLAHE、BBHE、DSIHE、POSHE、RMSHE都不能获得清晰的增强显示图像的细节的结果。由于图像的对比度相差比较大，不管怎么调节参数阈值，都不能把边缘区域的车道线和中心区域的车道线同时呈现在一幅二值化的图中，现有的图像识别方法都不能达到理想的效果。
针对上述现有算法的缺点，本发明提出了一种尽量增强图像的细节尽可能将细节都呈现出来的方法，图3示出本发明一个实施例的用于呈现图像细节的处理方法的流程图，如图3所示，该方法包括：
步骤301，获取待处理图像的灰度图像。
步骤302，对所述灰度图像的每一行的像素进行直方图均衡化，处理完所述灰度图像中所有的像素行后获取第一图像。
步骤303，对所述第一图像的每一列的像素进行直方图均衡化，处理完所述第一图像中所有的像素列后获取第二图像。
步骤304，输出第二图像作为结果图像。
在一个具体地实施例中，发明提出的一种能够呈现全部图像细节的直方图均衡化算法，具体如下：从第一行开始，直到最后一行，每次取一行像素，对该行做直方图均衡化；对第一步执行的均衡结果，从第一列开始，直到最后一列，每次取一列像素，对该列做直方图均衡化，最后输出结果图像。本发明处理过的灰度图像，能够最大程度上增强图像的细节。
在一个实施例中，在步骤301之后还可以交换步骤302、步骤303的处理顺序，先对所述灰度图像的每一列的像素进行直方图均衡化，处理完所述灰度图像中所有的像素列后获取第一图像；然后对所述第一图像的每一行的像素进行直方图均衡化，处理完所述第一图像中所有的像素行后获取第二图像。
图4示出本发明另一个实施例的用于呈现图像细节的处理方法的流程图，如图4所示，所述直方图均衡化包括以下步骤：
步骤401，统计各个灰度值出现的像素的个数。
步骤402，计算各个灰度值的累积概率函数。
步骤403，根据累积概率函数，重新计算各个灰度值的对应的结果值。
在不确定分析中，当净现值期望值相对较低，需进一步了解项目经济效益发生在某一区间的可能性有多大，则应计算这个区间内所有可能取值的概率之和即累积概率。从信息论的角度看，直方图均衡化后，图像会有更多的信息量，若灰度图像为具有n级灰度的图像，第i级灰度出现的概率为pi，则含的信息量为：整幅图含有的信息量为其中，pi相等的时候，具有均匀直方图分布的图像其信息量最大。本发明处理过的图像，其直方图基本上达到了均匀分布的效果，最大程度上增强图像的细节。
针对本发明图1所示出的待检测图像，图5示出本发明一个实施例的通过用于呈现图像细节的处理方法得到的结果图像，明显可见，相对于图2中各个现有技术处理得到结果图像，本发明提供的方法得到的处理结果图像能够增强图像的细节，使得处理后图像的细节更明显。
图6示出本发明一个实施例的原始图像直方图，图7示出采用现有技术的方法得到的图像的直方图，如图所示，所述处理方法可以包括CLAHE、BBHE、DSIHE、POSHE、DSIHE方法。图8示出本发明一个实施例的采用用于呈现图像细节的处理方法得到的图像的直方图。通过对比分析可见，从直方图上来看，采用现有技术方法处理灰度图像得到的结果图像的直方图都未达到均匀分布、高度差别较大，因此细节呈现有限，另外从这些方法的设计角度考虑，他们太过于注重图像亮度的保持，导致了细节的呈现受到了限制，这样的话不能完全呈现图像的所有细节特征。相对于上述现有技术，本发明提供的方法处理灰度图像得到的结果图像的直方图，各个点的高度均匀，能够增强图像的细节，使得处理后图像的细节更明显。
图9示出本发明一个实施例的用于呈现图像细节的处理装置的结构框图，如图9所示，该装置包括：获取模块901，用于获取待处理图像的灰度图像；第一处理模块902，用于对所述灰度图像的每一行的像素进行直方图均衡化，处理完所述灰度图像中所有的像素行后获取第一图像；第二处理模块903，用于对所述第一图像的每一列的像素进行直方图均衡化，处理完所述第一图像中所有的像素列后获取第二图像；输出模块904，用于输出第二图像作为结果图像。
在一个实施例中，第一处理模块902还用于对所述灰度图像的每一列的像素进行直方图均衡化，处理完所述灰度图像中所有的像素列后获取第一图像；第二处理模块903还用于对所述第一图像的每一行的像素进行直方图均衡化，处理完所述第一图像中所有的像素行后获取第二图像。
图10示出本发明一个实施例的用于呈现图像细节的处理装置的结构框图，如图10所示，与图9的区别在于，该装置还包括直方图均衡化模块1005，其中，直方图均衡化模块用于统计各个灰度值出现的像素的个数；计算各个灰度值的累积概率函数；根据累积概率函数，重新计算各个灰度值的对应的结果值。
在一个实施例中，直方图均衡化模块1005用于若灰度图像为具有n级灰度的图像，第i级灰度出现的概率为pi，则含的信息量为：整幅图含有的信息量为其中，pi相等的时候，具有均匀直方图分布的图像其信息量最大。
本发明还提供一种车辆，该车辆包括如上所述的用于呈现图像细节的处理装置，该装置可以实施上述算法。该车辆还可以包括摄像头，通过所述摄像头获取车辆途径路径的道路图像，并处理成灰度图像，通过所述用于呈现图像细节的处理装置获取所述道路的图像细节进行图像识别，融合机器视觉，进而为车辆驾驶用户提供辅助驾驶功能。
图11示出本发明一个实施例的包含屏幕保护解除装置的车辆的结构框图，如图11所示，该车辆1100主要包括：中控装置、智能驾驶模块1113、仪表盘1110以及中控显示器1111、HUD(Head Up Display，平视显示器)抬头显示器1112。
仪表盘1110具有12.3寸LCD显示设备，该仪表盘可以采用TI的J6CPU；仪表盘的操作系统可以基于QNX嵌入式系统，仪表盘可以用于显示省电指数、平稳指数、技术指数、文明指数、爱车指数、综合指数以及天气路面导航信息和导航路径。HUD抬头显示器1112可以显示各个驾驶指数、GPS导航信息、天气路面导航信息、导航路径信息等。
智能驾驶模块1113可以用于处理与智能驾驶相关的操作，例如可以结合ADAS装置进行智能驾驶，该智能驾驶可以是完全无人的驾驶，也可以是驾驶员进行驾驶控制的辅助并线、车道偏移等功能。
中控装置可以由多个模块组成，主要可以包括：主板1101；SATA(Serial AdvancedTechnology Attachment，串行高级技术附件)模块1102，连接到如SSD1103的存储设备，可以用来存储数据信息；FM(Frequency Modulation，调频)模块1104，为车辆提供收音机的功能；功放模块1105，用于声音处理；WIFI(Wireless-Fidelity，无线保真)/Bluetooth模块1106，为车辆提供WIFI/Bluetooth的服务；LTE(Long Term Evolution，长期演进)通信模块1107，为车辆提供与电信运营商的通信功能；电源模块1108，电源模块1108为该中控装置提供电源；Switch转接模块1109，该Switch转接模块1109可以作为一种可扩展的接口连接多种传感器，例如如果需要添加夜视功能传感器、PM2.5功能传感器，可以通过该Switch转接模块1109连接到中控装置的主板，以便中控装置的处理器进行数据处理，并将数据传输给中控显示器。
具体地，可以将车内摄像头1115、雷达1114获取原始的待处理图像，主板1101的处理器执行用于呈现图像细节的处理方法，进行图像识别。在一个具体的实施例中，本发明上述实施例的车辆可以用于检测识别车道线，在检测车道线时，可以清晰的识别到所有车道线。
上述功能模块仅仅为本发明实施例的一种示例，用户或开发者可以根据实际需求，设置新的功能模块。
以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施例而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
本发明的描述是为了示例和描述起见而给出的，而并不是无遗漏的或者将本发明限于所公开的形式。很多修改和变化对于本领域的普通技术人员而言是显然的。选择和描述实施例是为了更好说明本发明的原理和实际应用，并且使本领域的普通技术人员能够理解本发明从而设计适于特定用途的带有各种修改的各种实施例。
Claims (10)
1.一种用于呈现图像细节的处理方法，其特征在于，包括：
获取待处理图像的灰度图像；
对所述灰度图像的每一行的像素进行直方图均衡化，处理完所述灰度图像中所有的像素行后获取第一图像；
对所述第一图像的每一列的像素进行直方图均衡化，处理完所述第一图像中所有的像素列后获取第二图像；
输出第二图像作为结果图像。
2.根据权利要求1所述的方法，其特征在于，所述获取待处理图像的灰度图像之后还包括：
对所述灰度图像的每一列的像素进行直方图均衡化，处理完所述灰度图像中所有的像素列后获取第一图像；
对所述第一图像的每一行的像素进行直方图均衡化，处理完所述第一图像中所有的像素行后获取第二图像。
3.根据权利要求1或2所述的方法，其特征在于，所述直方图均衡化包括：
统计各个灰度值出现的像素的个数；
计算各个灰度值的累积概率函数；
根据累积概率函数，重新计算各个灰度值的对应的结果值。
4.根据权利要求1所述的方法，其特征在于，
若灰度图像为具有n级灰度的图像，第i级灰度出现的概率为pi，则含的信息量为：整幅图含有的信息量为其中，pi相等的时候，具有均匀直方图分布的图像其信息量最大。
5.一种用于呈现图像细节的处理装置，其特征在于，包括：
获取模块，用于获取待处理图像的灰度图像；
第一处理模块，用于对所述灰度图像的每一行的像素进行直方图均衡化，处理完所述灰度图像中所有的像素行后获取第一图像；
第二处理模块，用于对所述第一图像的每一列的像素进行直方图均衡化，处理完所述第一图像中所有的像素列后获取第二图像；
输出模块，用于输出第二图像作为结果图像。
6.根据权利要求5所述的装置，其特征在于，还包括：
第一处理模块还用于对所述灰度图像的每一列的像素进行直方图均衡化，处理完所述灰度图像中所有的像素列后获取第一图像；
第二处理模块还用于对所述第一图像的每一行的像素进行直方图均衡化，处理完所述第一图像中所有的像素行后获取第二图像。
7.根据权利要求5或6所述的装置，其特征在于，还包括：
直方图均衡化模块，用于统计各个灰度值出现的像素的个数；计算各个灰度值的累积概率函数；根据累积概率函数，重新计算各个灰度值的对应的结果值。
8.根据权利要求7所述的装置，其特征在于，
直方图均衡化模块用于若灰度图像为具有n级灰度的图像，第i级灰度出现的概率为pi，则含的信息量为：整幅图含有的信息量为其中，pi相等的时候，具有均匀直方图分布的图像其信息量最大。
9.一种车辆，其特征在于，包括如权利要求5-8中任一所述的用于呈现图像细节的处理装置。
10.根据权利要求9所述的车辆，其特征在于，还包括摄像头，通过所述摄像头获取车辆途径路径的道路图像，并处理成灰度图像，通过所述用于呈现图像细节的处理装置获取所述道路的图像细节进行图像识别。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610207656.XA CN105913405B (zh) | 2016-04-05 | 2016-04-05 | 用于呈现图像细节的处理方法、装置及车辆 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610207656.XA CN105913405B (zh) | 2016-04-05 | 2016-04-05 | 用于呈现图像细节的处理方法、装置及车辆 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN105913405A true CN105913405A (zh) | 2016-08-31 |
| CN105913405B CN105913405B (zh) | 2019-03-29 |
Family
ID=56745235
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201610207656.XA Expired - Fee Related CN105913405B (zh) | 2016-04-05 | 2016-04-05 | 用于呈现图像细节的处理方法、装置及车辆 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN105913405B (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106778780A (zh) * | 2016-12-14 | 2017-05-31 | 江苏维普光电科技有限公司 | 一种基于gpu的边缘检测图像二值化方法 |
| CN106828460A (zh) * | 2017-03-02 | 2017-06-13 | 深圳明创自控技术有限公司 | 一种安全性高的汽车防撞全自动驾驶仪 |
| CN112101183A (zh) * | 2020-09-10 | 2020-12-18 | 深圳市商汤科技有限公司 | 车辆识别方法及装置、电子设备及存储介质 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101739672A (zh) * | 2009-12-02 | 2010-06-16 | 北京中星微电子有限公司 | 一种基于分区域插值的直方图均衡方法和装置 |
-
2016
- 2016-04-05 CN CN201610207656.XA patent/CN105913405B/zh not_active Expired - Fee Related
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101739672A (zh) * | 2009-12-02 | 2010-06-16 | 北京中星微电子有限公司 | 一种基于分区域插值的直方图均衡方法和装置 |
Non-Patent Citations (2)
| Title |
|---|
| M. VARALATCHOUMY等: "A Novel Approach Towards Detection and Identification of Stages of Breast Cancer", 《PROCEEDINGS OF 3RD INTERNATIONAL CONFERENCE ON ADV ANCED COMPUTING,NETWORKING AND INFORMATICS》 * |
| 王国权等: "灰度图像增强算法的改进与实现研究", 《计算机应用研究》 * |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106778780A (zh) * | 2016-12-14 | 2017-05-31 | 江苏维普光电科技有限公司 | 一种基于gpu的边缘检测图像二值化方法 |
| CN106778780B (zh) * | 2016-12-14 | 2020-05-01 | 江苏维普光电科技有限公司 | 一种基于gpu的边缘检测图像二值化方法 |
| CN106828460A (zh) * | 2017-03-02 | 2017-06-13 | 深圳明创自控技术有限公司 | 一种安全性高的汽车防撞全自动驾驶仪 |
| CN112101183A (zh) * | 2020-09-10 | 2020-12-18 | 深圳市商汤科技有限公司 | 车辆识别方法及装置、电子设备及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN105913405B (zh) | 2019-03-29 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105261020B (zh) | 一种快速车道线检测方法 | |
| US10429193B2 (en) | Method and apparatus for generating high precision map | |
| CN112417943A (zh) | 利用算法天际线检测的经改进高级驾驶员辅助系统(adas)操作 | |
| CN114004754B (zh) | 一种基于深度学习的场景深度补全系统及方法 | |
| CN111209780A (zh) | 车道线属性检测方法、装置、电子设备及可读存储介质 | |
| Tang et al. | Single image dehazing via lightweight multi-scale networks | |
| CN104751421B (zh) | 一种在fpga上实现的图像去雾方法 | |
| WO2020231401A1 (en) | A neural network for head pose and gaze estimation using photorealistic synthetic data | |
| CN110942071A (zh) | 一种基于车牌分类和lstm的车牌识别方法 | |
| CN107146239A (zh) | 卫星视频运动目标检测方法及系统 | |
| WO2017120796A1 (zh) | 路面病害的检测方法及其装置、电子设备 | |
| CN112767278B (zh) | 基于非均匀大气光先验的图像去雾方法及相关设备 | |
| KR20240127952A (ko) | 이미지 처리 방법 및 장치 | |
| CN113763438A (zh) | 一种点云配准方法、装置、设备及存储介质 | |
| CN105913405A (zh) | 用于呈现图像细节的处理方法、装置及车辆 | |
| US20240177499A1 (en) | Method for detecting lane lines and electronic device | |
| CN113496138B (zh) | 稠密点云数据的生成方法、装置、计算机设备及存储介质 | |
| CN113723382A (zh) | 车道线提点的方法、装置和计算机设备 | |
| CN108629750A (zh) | 一种夜间去雾方法、终端设备及存储介质 | |
| CN206217878U (zh) | 基于北斗高精度定位的车道保持系统 | |
| CN102254306B (zh) | 一种基于图像简化分层模型的实时图像去雾方法 | |
| CN112991249B (zh) | 一种基于深度可分离cnn模型的遥感图像融合方法 | |
| CN108898561B (zh) | 一种含天空区域雾天图像的去雾方法、服务器及系统 | |
| CN104504712A (zh) | 图片处理方法和装置 | |
| CN114861904A (zh) | 图像训练数据的生成方法、装置、终端设备及存储介质 |
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 | ||
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20220519 Address after: Room 3704, 868 Jinqi Road, Fengxian District, Shanghai, 201403 Patentee after: ZHICHE YOUXING TECHNOLOGY (SHANGHAI) Co.,Ltd. Address before: 100020 Floor 1 978, No. 73 Fucheng Road, Haidian District, Beijing Patentee before: ZHICHEAUTO TECHNOLOGY (BEIJING) Co.,Ltd. |
|
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20220608 Address after: 244002 695 north section of Taishan Avenue, Tongling economic and Technological Development Zone, Anhui Patentee after: Anhui Singularity Intelligent New Energy Automobile Co.,Ltd. Address before: Room 3704, 868 Jinqi Road, Fengxian District, Shanghai, 201403 Patentee before: ZHICHE YOUXING TECHNOLOGY (SHANGHAI) Co.,Ltd. |
|
| PP01 | Preservation of patent right | ||
| PP01 | Preservation of patent right |
Effective date of registration: 20230327 Granted publication date: 20190329 |
|
| PD01 | Discharge of preservation of patent | ||
| PD01 | Discharge of preservation of patent |
Date of cancellation: 20230627 Granted publication date: 20190329 |
|
| 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: 20190329 |