CN106447697A - 一种基于动平台的特定动目标快速跟踪方法 - Google Patents

一种基于动平台的特定动目标快速跟踪方法 Download PDF

Info

Publication number
CN106447697A
CN106447697A CN201610878524.XA CN201610878524A CN106447697A CN 106447697 A CN106447697 A CN 106447697A CN 201610878524 A CN201610878524 A CN 201610878524A CN 106447697 A CN106447697 A CN 106447697A
Authority
CN
China
Prior art keywords
target
moving
tracking
laser radar
specific moving
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
CN201610878524.XA
Other languages
English (en)
Other versions
CN106447697B (zh
Inventor
谢昌颐
李健夫
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.)
Hunan Rich Eye Electronic Technology Co Ltd
Original Assignee
Hunan Rich Eye Electronic Technology 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 Hunan Rich Eye Electronic Technology Co Ltd filed Critical Hunan Rich Eye Electronic Technology Co Ltd
Priority to CN201610878524.XA priority Critical patent/CN106447697B/zh
Publication of CN106447697A publication Critical patent/CN106447697A/zh
Application granted granted Critical
Publication of CN106447697B publication Critical patent/CN106447697B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • 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
    • G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
    • G06V10/462—Salient features, e.g. scale invariant feature transforms [SIFT]
    • 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
    • G06T2207/10016—Video; Image sequence
    • 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
    • G06T2207/10032—Satellite or aerial image; Remote sensing
    • G06T2207/10044—Radar image

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Closed-Circuit Television Systems (AREA)
  • Optical Radar Systems And Details Thereof (AREA)

Abstract

本发明涉及一种基于动平台的特定动目标快速跟踪方法。融合激光雷达和视觉摄像机两种传感器的数据进行目标跟踪，首先依据激光雷达获取的运动目标速度、位置和尺寸等信息进行目标粗筛选，得到候选目标集合；然后裁剪候选目标对应的图像区域，基于SIFT匹配方法辨别特定动目标；最后在目标跟踪阶段，依据激光雷达获取的目标位置、速度和方向信息估计特定动目标位置，进行目标跟踪，如果跟踪失败再扩大跟踪范围，结合SIFT匹配辨别特定动目标进行跟踪。通过融合两类传感器数据进行动平台下的特定动目标跟踪，可以不仅提高跟踪准确率，而且提高跟踪效率。

Description

一种基于动平台的特定动目标快速跟踪方法
技术领域
本发明具体涉及一种基于动平台的特定动目标快速跟踪方法。
背景技术
近些年，无人车和无人机的需求旺盛，研究火热。基于动平台的目标跟踪是无人车、无人机领域亟待解决的技术难题。
依据传感器的不同，动目标的跟踪方法也不相同。雷达传感器常用于动目标跟踪领域，依据雷达传感器数据进行动目标跟踪常采用最近邻法、广义相关法、经典分配法和交互多模型法等跟踪方法。文献“一种基于径向加速度的Singer-EKF机动目标跟踪方法”(2014，海军航空工程学院学报)针对雷达传感器无法提供目标加速度的问题，在信号处理阶段利用RadonAmbiguity变换估计目标的径向加速度，并通过坐标系转换引入到量测向量中，然后采用基于Singer模型的扩展卡尔曼滤波算法实现动目标的跟踪。但是对于特定动目标的跟踪，雷达数据难以辨别哪一个目标是需要跟踪的特定动目标。尽管基于特定动目标的先验运动信息可以区分部分运动目标，但是当特定动目标与其他目标运动属性相似(如多台运动车辆中的某一台为特定动目标)时，依据雷达数据难以辨别特定动目标。针对目标在图像中呈现的亮度分布和形状特征，如尺度不变特征变换(SIFT)、方向梯度直方图(HOG)等特征，可以很好地识别图像中的目标。因此，可以基于计算机视觉技术进行特定动目标的跟踪。然而，在全图上搜索特定动目标往往需要进行多尺度运算，耗时非常大，跟踪效率极低。通常采用的解决方法是：先采用运动侦测技术快速检测候选的运动目标集合，然后再对候选运动目标进行特征提取与分类识别，确认是特定动目标后再利用卡尔曼滤波技术进行跟踪，这样可以大幅提高跟踪效率。然而，当摄像机的载体(平台)在运动时，难以通过运动侦测技术检测到运动目标的精确位置。而在无人车、无人机应用领域，摄像机平台都是运动的。如何在动平台下实现特定动目标的快速跟踪是当前的研究难点。
发明内容
本发明提出一种基于动平台的特定动目标快速跟踪方法，融合激光雷达和视觉摄像机两种传感器的数据进行目标跟踪，首先依据激光雷达获取的运动目标速度、位置和尺寸等信息进行目标粗筛选，得到候选目标集合；然后裁剪候选目标对应的图像区域，基于SIFT匹配方法辨别特定动目标；最后在目标跟踪阶段，依据激光雷达获取的目标位置、速度和方向信息估计特定动目标位置，进行目标跟踪，如果跟踪失败再扩大跟踪范围，结合SIFT匹配辨别特定动目标进行跟踪。通过融合两类传感器数据进行动平台下的特定动目标跟踪，可以不仅提高跟踪准确率，而且提高跟踪效率。
一种基于动平台的特定动目标快速跟踪方法，具体步骤如下：
1、基于激光雷达和视觉摄像机的多传感器数据获取
本发明所述的动平台上安装了两类目标感知传感器，分别是激光雷达和视觉摄像机。
(1)激光雷达
激光雷达用于测量动平台周围的障碍物的分布及运动情况，包括获取障碍物的尺寸、位置、速度和运动方向等信息。
(2)视觉摄像机
视觉摄像机用于获取动平台前方的自然场景视频。
激光雷达和视觉摄像机两个传感器的位置是经过人工校正的，这样激光雷达测量的数据和视觉摄像机获取的数据可以在图像平面中进行对应，如图2所示。其中，图像左侧为视觉摄像机获取的当前时刻动平台前方的自然场景图像，图像右侧为当前时刻激光雷达获取的目标分布与运动信息。其中，右侧的白色矩形区域A展示了动平台的位置和尺寸，该示例中的动平台是一台车辆。A两侧的线条B为道路两旁的护栏(遮挡物)。A前方的白色虚线椭圆内的带线段的点C为运动的目标，对应的是视觉摄像机图像中骑电动车的人体目标，C的尺寸代表目标的尺寸，与C相连接的线段的方向(以上述点C的中心为起点)代表目标的运动方向，线段的长度代表目标的运动速度。
2、基于激光雷达数据的目标粗筛选
本发明依据激光雷达数据进行目标粗筛选，得到候选目标集。筛选条件如下：
(1)空间位置筛选条件
仅选取动平台前方的目标作为候选目标。
(2)目标属性筛选条件
候选目标的速度要大于零(即候选目标为运动目标)。目标的其他属性筛选条件根据实际采用的特定动目标的先验信息来确定。如图2所示的示例中，特定动目标为电动车，则速度筛选条件为5～30km/h，尺寸为50～200cm(多次实验得到)。
本发明将激光雷达数据中满足以上两类筛选条件的目标作为候选目标，进行后续的处理。如果目标粗筛选失败，则标记跟踪失败，重新获取数据进行目标粗筛选。
3、基于视觉摄像机图像的目标细匹配
对于每个候选目标，裁剪该候选目标在视觉摄像机当前帧图像中对应的目标区域图像。然后对每个候选目标区域图像进行目标细匹配处理，具体思路是：将每个候选目标区域图像与特定动目标模块图像进行SIFT特征匹配，匹配步骤为：
Step1：生成尺度空间；
Step2：检测空间极值点；
Step3：寻找关键点并计算其方向；
Step4：生成特征描述子；
Step5：匹配关键点；
详细实现过程见文献“Object recognition from local scale-invariantfeatures，ICCV1999”。
本发明依据匹配率指标来判别目标匹配是否成功，匹配率的计算方法为：
其中，Nm是指Step5中匹配的关键点数量，N是指特定动目标模块图像中检测到的SIFT关键点数量。
当匹配率r大于50％时(多次实验得到)，认为目标匹配成功，该目标即为待跟踪的特定动目标。
需要说明的是，本发明中的特定动目标模板图像是事先拍摄的，为了适应跟踪过程中特定动目标的姿态变化，本发明以无人车平台下跟踪骑电动车人体目标为例，说明多姿态特定动目标模板图像的制作步骤，为：
Step1：令特定动目标在摄像机的正前方10米处静止，拍摄一张图像；
Step2：摄像机分别水平向左旋转10°、15°、20°、25°、30°(多次实验得到)，拍摄五张图像；
Step3：令摄像机回到初始位置，再分别水平向右旋转10°、15°、20°、25°、30°，拍摄五张图像；
Step4：对拍摄的11张图像进行人工裁剪，裁出仅包含特定动目标的最大外接矩形区域的图像块；
Step5：将11个图像块的尺寸归一化到相同尺寸(本发明中为120×120，多次实验得到)，再保存为256级(即8位)灰度图像作为模板图像。
Step6：提取11幅模板图像的SIFT特征，并存储。
在目标细匹配时，将候选目标区域图像的SIFT特征分别与11幅不同姿态的特定动目标模板图像的SIFT特征进行匹配，只要有一组匹配率大于50％(多次实验得到)，即认为匹配成功。如果所有候选目标区域图像与所有特定动目标模板图像都不匹配，则认为图像中不包含特定动目标，此时标记跟踪失败，重新获取数据进行目标粗筛选。
4、基于多传感器融合的目标跟踪策略
当检测到特定动目标之后，本发明制定以下跟踪策略进行目标跟踪。
Step1：从激光雷达图像数据中获取检测到的特定动目标的当前位置、速度和方向信息；
Step2：假定目标做匀速运动，计算下一时刻t目标的估计位置p；
Step3：获取时刻t的激光雷达数据，查找位置p处是否存在运动目标。如果存在，认为该目标为跟踪的目标，标记跟踪成功，并记录目标位置，然后转到Step1；否则进入下一步；
Step4：从激光雷达数据中查找目标估算位置p周围10m范围内的运动目标，如果只有一个运动目标，则认为该目标为跟踪目标，标记跟踪成功，并记录目标位置，然后转到Step1；否则进入下一步；
Step5：获取时刻t的摄像机图像，从中裁剪上一步得到的运动目标区域的图像块，进行图像细匹配，如果匹配成功，则认为该图像块对应的运动目标为跟踪目标，标记跟踪成功，并记录目标位置，然后转到Step1；如果所有图像块都不满足图像细匹配条件，则认为跟踪失败，此时标记跟踪失败，重新获取数据进行目标粗筛选。
本发明的优点在于，依据激光雷达数据进行目标的粗筛选和跟踪，提高目标跟踪效率；依据摄像机视频进行目标的细匹配，辨识特定动目标，提高跟踪的正确率。通过融合两类传感器的数据，实现动平台下特定动目标的快速可靠跟踪。
附图说明
图1是目标跟踪流程图；
图2是传感器数据获取示例。
具体实施方式
一种基于动平台的特定动目标快速跟踪方法，融合激光雷达和视觉摄像机两种传感器的数据进行目标跟踪，首先依据激光雷达获取的运动目标速度、位置和尺寸等信息进行目标粗筛选，得到候选目标集合；然后裁剪候选目标对应的图像区域，基于SIFT匹配方法辨别特定动目标；最后在目标跟踪阶段，依据激光雷达获取的目标位置、速度和方向信息估计特定动目标位置，进行目标跟踪，如果跟踪失败再扩大跟踪范围，结合SIFT匹配辨别特定动目标进行跟踪。

Claims (3)

1.一种基于动平台的特定动目标快速跟踪方法，融合激光雷达和视觉摄像机两种传感器的数据进行目标跟踪，其特征在于，首先依据激光雷达获取的运动目标速度、位置和尺寸信息进行目标粗筛选，得到候选目标集合；然后裁剪候选目标对应的图像区域，基于SIFT匹配方法辨别特定动目标；最后在目标跟踪阶段，依据激光雷达获取的目标位置、速度和方向信息估计特定动目标位置，进行目标跟踪，如果跟踪失败再扩大跟踪范围，结合SIFT匹配辨别特定动目标进行跟踪，具体步骤如下：
步骤1、基于激光雷达和视觉摄像机的多传感器数据获取
在动平台上安装两类目标感知传感器，分别是激光雷达和视觉摄像机，
步骤2、基于激光雷达数据的目标粗筛选
依据激光雷达数据进行目标粗筛选，得到候选目标集，筛选条件如下：
(2.1)空间位置筛选条件
仅选取动平台前方的目标作为候选目标，
(2.2)目标属性筛选条件
候选目标的速度要大于零，即候选目标为运动目标，目标的其他属性筛选条件根据实际采用的特定动目标的先验信息来确定；
如果目标粗筛选失败，则标记跟踪失败，重新获取数据进行目标粗筛选；
步骤3、基于视觉摄像机图像的目标细匹配
对于每个候选目标，裁剪该候选目标在视觉摄像机当前帧图像中对应的目标区域图像，然后对每个候选目标区域图像进行目标细匹配处理，具体是：将每个候选目标区域图像与特定动目标模块图像进行SIFT特征匹配，匹配步骤为：
Step3.1：生成尺度空间；
Step3.2：检测空间极值点；
Step3.3：寻找关键点并计算其方向；
Step3.4：生成特征描述子；
Step3.5：匹配关键点；
依据匹配率指标来判别目标匹配是否成功，匹配率的计算方法为：
r = N m N × 100 %
其中，Nm是指Step5中匹配的关键点数量，N是指特定动目标模块图像中检测到的SIFT关键点数量；
当匹配率r大于50％时，认为目标匹配成功，该目标即为待跟踪的特定动目标；
步骤4、基于多传感器融合的目标跟踪策略
当检测到特定动目标之后，制定以下跟踪策略进行目标跟踪，
Step4.1：从激光雷达图像数据中获取检测到的特定动目标的当前位置、速度和方向信息；
Step4.2：假定目标做匀速运动，计算下一时刻t目标的估计位置p；
Step4.3：获取时刻t的激光雷达数据，查找位置p处是否存在运动目标，如果存在，认为该目标为跟踪的目标，标记跟踪成功，并记录目标位置，然后转到Step4.1；否则进入下一步；
Step4.4：从激光雷达数据中查找目标估算位置p周围10m范围内的运动目标，如果只有一个运动目标，则认为该目标为跟踪目标，标记跟踪成功，并记录目标位置，然后转到Step4.1，否则进入下一步；
Step4.5：获取时刻t的摄像机图像，从中裁剪上一步得到的运动目标区域的图像块，进行图像细匹配，如果匹配成功，则认为该图像块对应的运动目标为跟踪目标，标记跟踪成功，并记录目标位置，然后转到Step4.1；如果所有图像块都不满足图像细匹配条件，则认为跟踪失败，此时标记跟踪失败，重新获取数据进行目标粗筛选。
2.根据权利要求1所述的一种基于动平台的特定动目标快速跟踪方法，其特征在于，所述激光雷达的位置是经过人工校正的，用于测量动平台周围的障碍物的分布及运动情况，包括获取障碍物的尺寸、位置、速度和运动方向信息。
3.根据权利要求1所述的一种基于动平台的特定动目标快速跟踪方法，其特征在于，所述视觉摄像机的位置是经过人工校正的，用于获取动平台前方的自然场景视频。
CN201610878524.XA 2016-10-09 2016-10-09 一种基于动平台的特定动目标快速跟踪方法 Active CN106447697B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610878524.XA CN106447697B (zh) 2016-10-09 2016-10-09 一种基于动平台的特定动目标快速跟踪方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610878524.XA CN106447697B (zh) 2016-10-09 2016-10-09 一种基于动平台的特定动目标快速跟踪方法

Publications (2)

Publication Number Publication Date
CN106447697A true CN106447697A (zh) 2017-02-22
CN106447697B CN106447697B (zh) 2018-10-26

Family

ID=58171793

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610878524.XA Active CN106447697B (zh) 2016-10-09 2016-10-09 一种基于动平台的特定动目标快速跟踪方法

Country Status (1)

Country Link
CN (1) CN106447697B (zh)

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108958296A (zh) * 2018-06-05 2018-12-07 西安工业大学 一种无人机自主跟踪方法
CN110163885A (zh) * 2018-02-12 2019-08-23 杭州海康威视数字技术股份有限公司 一种目标跟踪方法及装置
CN111010590A (zh) * 2018-10-08 2020-04-14 传线网络科技（上海）有限公司 一种视频裁剪方法及装置
WO2020258187A1 (zh) * 2019-06-27 2020-12-30 深圳市大疆创新科技有限公司 一种状态检测方法、装置及可移动平台
CN113281735A (zh) * 2021-05-19 2021-08-20 南京慧尔视智能科技有限公司 一种提升毫米波雷达跟踪目标性能的方法、装置、系统及存储介质
WO2022088072A1 (zh) * 2020-10-30 2022-05-05 深圳市大疆创新科技有限公司 视觉跟踪方法、装置、可移动平台及计算机可读存储介质
CN115220005A (zh) * 2022-07-20 2022-10-21 中国科学院长春光学精密机械与物理研究所 基于多源信息融合的光电跟踪设备自动目标识别方法
CN115235485A (zh) * 2022-07-08 2022-10-25 松灵机器人(深圳)有限公司 作业地图构建方法、装置、割草机器人以及存储介质
WO2023109716A1 (zh) * 2021-12-13 2023-06-22 深圳先进技术研究院 车机协同目标丢失跟踪方法、装置、设备及其存储介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1940591A (zh) * 2005-09-26 2007-04-04 通用汽车环球科技运作公司 使用传感器融合进行目标跟踪的系统和方法
JP3985615B2 (ja) * 2002-07-16 2007-10-03 日産自動車株式会社 前方車両追跡システムおよび前方車両追跡方法
CN101706576A (zh) * 2009-11-13 2010-05-12 山东大学 基于雷达图像的运动目标形态检测及跟踪方法
CN101975951A (zh) * 2010-06-09 2011-02-16 北京理工大学 一种融合距离和图像信息的野外环境障碍检测方法
US20140320666A1 (en) * 2013-04-29 2014-10-30 Intelliview Technologies, Inc. Object detection

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3985615B2 (ja) * 2002-07-16 2007-10-03 日産自動車株式会社 前方車両追跡システムおよび前方車両追跡方法
CN1940591A (zh) * 2005-09-26 2007-04-04 通用汽车环球科技运作公司 使用传感器融合进行目标跟踪的系统和方法
CN101706576A (zh) * 2009-11-13 2010-05-12 山东大学 基于雷达图像的运动目标形态检测及跟踪方法
CN101975951A (zh) * 2010-06-09 2011-02-16 北京理工大学 一种融合距离和图像信息的野外环境障碍检测方法
US20140320666A1 (en) * 2013-04-29 2014-10-30 Intelliview Technologies, Inc. Object detection

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110163885A (zh) * 2018-02-12 2019-08-23 杭州海康威视数字技术股份有限公司 一种目标跟踪方法及装置
CN110163885B (zh) * 2018-02-12 2022-06-03 杭州海康威视数字技术股份有限公司 一种目标跟踪方法及装置
CN108958296A (zh) * 2018-06-05 2018-12-07 西安工业大学 一种无人机自主跟踪方法
CN111010590A (zh) * 2018-10-08 2020-04-14 传线网络科技（上海）有限公司 一种视频裁剪方法及装置
WO2020258187A1 (zh) * 2019-06-27 2020-12-30 深圳市大疆创新科技有限公司 一种状态检测方法、装置及可移动平台
WO2022088072A1 (zh) * 2020-10-30 2022-05-05 深圳市大疆创新科技有限公司 视觉跟踪方法、装置、可移动平台及计算机可读存储介质
CN113281735A (zh) * 2021-05-19 2021-08-20 南京慧尔视智能科技有限公司 一种提升毫米波雷达跟踪目标性能的方法、装置、系统及存储介质
CN113281735B (zh) * 2021-05-19 2024-03-22 南京慧尔视智能科技有限公司 一种提升毫米波雷达跟踪目标性能的方法、装置、系统及存储介质
WO2023109716A1 (zh) * 2021-12-13 2023-06-22 深圳先进技术研究院 车机协同目标丢失跟踪方法、装置、设备及其存储介质
CN115235485A (zh) * 2022-07-08 2022-10-25 松灵机器人(深圳)有限公司 作业地图构建方法、装置、割草机器人以及存储介质
WO2024008016A1 (zh) * 2022-07-08 2024-01-11 松灵机器人(深圳)有限公司 作业地图构建方法、装置、割草机器人以及存储介质
CN115220005A (zh) * 2022-07-20 2022-10-21 中国科学院长春光学精密机械与物理研究所 基于多源信息融合的光电跟踪设备自动目标识别方法

Also Published As

Publication number Publication date
CN106447697B (zh) 2018-10-26

Similar Documents

Publication Publication Date Title
CN106447697A (zh) 一种基于动平台的特定动目标快速跟踪方法
Gurghian et al. Deeplanes: End-to-end lane position estimation using deep neural networksa
Toulminet et al. Vehicle detection by means of stereo vision-based obstacles features extraction and monocular pattern analysis
Li et al. Springrobot: A prototype autonomous vehicle and its algorithms for lane detection
Keller et al. The benefits of dense stereo for pedestrian detection
Wu et al. A practical system for road marking detection and recognition
CN108230254B (zh) 一种自适应场景切换的高速交通全车道线自动检测方法
CN105260712B (zh) 一种车辆前方行人检测方法及系统
CN107463890B (zh) 一种基于单目前视相机的前车检测与跟踪方法
CN110222667B (zh) 一种基于计算机视觉的开放道路交通参与者数据采集方法
KR101569919B1 (ko) 차량의 위치 추정 장치 및 방법
CN104700414A (zh) 一种基于车载双目相机的前方道路行人快速测距方法
CN115049700A (zh) 一种目标检测方法及装置
CN104134209A (zh) 一种视觉导航中的特征提取与匹配方法及系统
CN104036523A (zh) 一种基于SURF特征的改进Mean Shift的目标跟踪方法
CN102034355A (zh) 一种基于特征点匹配的车辆检测及跟踪方法
CN106446785A (zh) 基于双目视觉的可行道路检测方法
CN104574993A (zh) 一种道路监控的方法及装置
Morita et al. Panoramic view-based navigation in outdoor environments based on support vector learning
Lee et al. A cumulative distribution function of edge direction for road-lane detection
Prinet et al. 3D road curb extraction from image sequence for automobile parking assist system
CN111539278A (zh) 一种用于目标车辆的检测方法及系统
CN103559492A (zh) 一种车标识别装置及方法
Imad et al. Navigation system for autonomous vehicle: A survey
Yang et al. Method for building recognition from FLIR images

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