CN107316006A - 一种道路障碍物检测的方法和系统 - Google Patents
一种道路障碍物检测的方法和系统 Download PDFInfo
- Publication number
- CN107316006A CN107316006A CN201710421857.4A CN201710421857A CN107316006A CN 107316006 A CN107316006 A CN 107316006A CN 201710421857 A CN201710421857 A CN 201710421857A CN 107316006 A CN107316006 A CN 107316006A
- Authority
- CN
- China
- Prior art keywords
- road
- vehicle
- barrier
- track
- image
- 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
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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明提供一种道路障碍物检测的方法和系统、电子设备以及计算机可读介质。该方法包括:获取检测区域的图像;对所述图像进行处理,以识别出道路;对所述道路上运行车辆的轨迹进行检测;根据所述运行车辆的轨迹判断出道路上是否存在障碍物。该方法能够实时提示道路上存在的障碍物,让驾驶员有预判时间,克服了只能了解道路的拥堵状况,不能探测到道路上的障碍物的技术问题。
Description
技术领域
本发明涉及计算机技术领域,尤其涉及一种道路障碍物检测的方法和系统、电子设备以及计算机可读介质。
背景技术
如果在可行驶的道路上出现障碍物,没有被车辆发现的话,则可能会导致车祸。尤其是在节假期日高峰期时段的高速公路上,本来就容易出现堵车的现行现象,若道路上出现障碍物,则不易被发现,进而可能会引起导致交通事故。对于这些情况,现有技术中一般是通过在路面上或者车辆上设置检测装置,对障碍物进行检测。又或者是通过车辆gps信息联网,来了解车流状况。
在实现本发明过程中,发明人发现现有技术中至少存在如下问题:设置检测装置的方式,其成本太高需要高速公路的每段都要进行安装检测装置,进而会消耗大量的人力以及时间,,并且检测装置的而且覆盖面积很小;车辆gps信息联网的方式,只能知道道路上车流状况和拥堵状况,并不能了解路面上具体的信息,检测不到道路上的障碍物。
发明内容
有鉴于此,本发明实施例提供一种道路障碍物检测的方法和系统,能够实时提示道路上存在的障碍物,让驾驶员有预判时间。
为实现上述目的,根据本发明实施例的一个方面,提供了一种道路障碍物检测的方法。
本发明实施例公开的道路障碍物检测的方法,包括:获取检测区域的图像;对所述图像进行处理,以识别出道路;对所述道路上运行车辆的轨迹进行检测;根据所述运行车辆的轨迹判断出道路上是否存在障碍物。
可选地,根据所述运行车辆的轨迹判断出道路上是否存在障碍物包括:根据所述运行车辆的轨迹与道路之间的偏度,在所述道路上查找出车辆绕行的可疑障碍物区域;记录连续对所述可疑障碍物区域绕行的车辆的数量;根据所述数量,判断是否将所述可疑障碍物区域标记为障碍物。
可选地,若记录的所述数量大于3,则将所述可疑障碍物区域标记为障碍物。
可选地,所述获取检测区域的图像包括:采用高空瞭望摄像机或者光学卫星摄像头获取检测区域的图像。
可选地,对所述图像进行处理,以识别出道路包括:对所述图像进行全局灰度值限定;计算所述图像中每个像素点的临近区域的局部灰度均值;过滤掉灰度低于所述局部灰度均值的像素点;根据过滤后剩余的像素点的临近灰度,判定所述像素点是否属于道路区域。
可选地,在判断出存在障碍物时,通过模板匹配法、视频帧间差分法、光流法、背景差分法中的一个或多个组合的方法,以及根据预设的时间间隔得到车辆的位置坐标;通过所述位置坐标,得到运行车辆的轨迹。
根据本发明实施例的另一方面,提供了一种道路障碍物检测的系统。
本发明实施例公开的道路障碍物检测的系统,包括:图像获取模块,用于获取检测区域的图像;道路识别模块,用于对所述图像进行处理,以识别出道路;车辆轨迹检测模块,用于对所述道路上运行车辆的轨迹进行检测;障碍物识别模块,用于根据所述运行车辆的轨迹判断出道路上是否存在障碍物。
可选地,障碍物识别模块包括:查找单元,用于根据所述运行车辆的轨迹与道路之间的偏度,在所述道路上查找出车辆绕行的可疑障碍物区域;数量记录单元,用于记录连续对所述可疑障碍物区域绕行的车辆的数量;判断单元,用于根据所述数量,判断是否将所述可疑障碍物区域标记为障碍物。
可选地,如果所述数量记录单元记录的连续对所述区域绕行的车辆的数量大于3,则所述判断单元将所述可疑障碍物区域标记为障碍物。
可选地,图像获取模块采用高空瞭望摄像机或者光学卫星摄像头获取检测区域的图像。
可选地,道路识别模块包括:限定单元,用于对所述图像进行全局灰度值限定;计算单元,用于计算所述图像中每个像素点的临近区域的局部灰度均值;过滤单元,用于过滤掉灰度低于所述局部灰度均值的像素点;判定单元,用于根据过滤后剩余的像素点的临近灰度,判定所述像素点是否属于道路区域。
可选地,车辆轨迹检测模块通过模板匹配法、视频帧间差分法、光流法、背景差分法中的一个或多个组合的方法,以及根据预设的时间间隔得到车辆的位置坐标;通过所述位置坐标,得到运行车辆的轨迹。
根据本发明实施例的再一方面,提供了一种道路障碍物检测的电子设备。
本发明实施例公开的道路障碍物检测的电子设备,包括一个或多个处理器;存储装置,用于存储一个或多个程序,当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现上述道路障碍物检测的方法中任一所述的方法。
根据本发明实施例的再一方面,提供了一种计算机可读介质,其上存储有计算机程序,其特征在于,所述程序被处理器执行时实现上述道路障碍物检测的方法中任一所述的方法。
上述发明中的一个实施例具有如下优点或有益效果:因为采用道路识别和运行车辆的轨迹的检测,以及通过运行车辆的轨迹判定道路上是否存在障碍物的技术手段,所以克服了只能了解道路的拥堵状况,不能探测到道路上的障碍物的技术问题,进而达到预测出障碍物或围挡区域的技术效果,则尽可能的避免了道路上车祸的发生。
上述的非惯用的可选方式所具有的进一步效果将在下文中结合具体实施方式加以说明。
附图说明
附图用于更好地理解本发明,不构成对本发明的不当限定。其中:
图1是根据本发明实施例的一种道路障碍物检测的方法主要步骤示意图;
图2-4是根据本发明实施例的对图像进行处理的过程中获得的图像的示意图;
图5是根据本发明实施例的一种道路障碍物检测的系统主要模块的示意图;
图6是适于用来实现本发明实施例的终端设备或服务器的计算机系统的结构示意图。
具体实施方式
以下结合附图对本发明的示范性实施例做出说明,其中包括本发明实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本发明的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
图1是根据本发明实施例的一种道路障碍物检测的方法主要步骤示意图。
如图1所示,本发明实施例的一种道路障碍物检测的方法主要包括:
S11:获取检测区域的图像。利用高空摄像头拍照,其中,可采用高空瞭望摄像机,或者采用50万米高空高分辨率光学卫星摄像头,或采用热气球并采用高空瞭望摄像机,不仅可以实时获取图像,还可以实现覆盖20km的视野,进而少数图像获取设备的安装就能实现本发明的技术方案。
S12:对图像进行处理,识别出道路。拍出的图像缩小后如图2所示,首先对图2中的图像进行全局灰度值限定;计算图像中每个像素点的临近区域的局部灰度均值;过滤掉灰度低于局部灰度均值的像素点;根据过滤后剩余的像素点的临近灰度,判定像素点是否属于道路区域。在上述步骤中,首先筛去图像中那些灰度低于一定值,即“全局灰度限值”的像素点,这样就已经排除了图像中灰度最深的那些区域,这些区域主要包括了树林,以及灰度较深的那部分田野。接下来,再对图像中的每个像素点的邻近区域进行地方性的局部灰度均值的计算,从而进一步筛去图像中那些灰度低于该局部灰度均值的像素点,做到局部性的灰度比较和地方过滤。进行完上述步骤之后,获得的如图3所示的图。
然后可以根据临近灰度计算是否属于道路区域。如果临近10个像素点(左右上下)都是白色,那么说明属于道路。如果不是,则说明不是道路。如果右边10个像素点都是白色,左边是黑色,那说明到了边缘地带。最终,得到如图4所示的图。对于识别道路的方法有很多种,本发明的技术方案不限于上述一种识别道路的方法。
S13:对道路上运行车辆的轨迹进行检测。通过模板匹配法、视频帧间差分法、光流法、背景差分法中的一个或多个组合的方法,以及根据预设的时间间隔得到车辆的位置坐标;通过位置坐标,得到运行车辆的轨迹。上述对于检查道路上运行车辆的轨迹的技术方法,都已经比较成熟,故不作详细陈述。
S14:根据运行车辆的轨迹判断出道路上是否存在障碍物。首先,根据运行车辆的轨迹与道路之间的偏度,在道路上查找出车辆绕行的可疑障碍物区域;记录连续对可疑障碍物区域绕行的车辆的数量;根据数量,判断是否将可疑障碍物区域标记为障碍物。若记录的数量大于3,则将可疑障碍物区域标记为障碍物。根据不同的交通状况或者道路车辆的流量,可设置绕行车辆的数量,例如交通不紧张的情况下(道路车辆的流量比较小),则可将绕行车辆的数目设置的大一些,进而可以保证预判的正确性。
判断出道路中存在障碍物后,获取障碍物的相关信息并输出,障碍物的信息包括:障碍物的宽度和长度信息、障碍物的位置信息。并通知实时导航系统,为道路中的行人播报,这样其他驾驶员就有个预判的时间。当然在播报之前,也可以有个人工筛选过程,也就是说对检测出的障碍物进行人工验证或筛选,使得判断出的信息更为精确。
上述根据运行车辆的轨迹与道路之间的偏度,判断车辆是否绕行的过程,是通过车辆轨迹的坐标与道路坐标之间的关系,判断运行车辆的轨迹相对道路是否发生偏离,如果发生从轨迹上看出发生了偏离,则判定车辆在道路上进行了绕行,则绕行的位置标记为可以障碍物。其中,车辆的轨迹与道路之间的偏度可能会因道路的弯曲程度等的不同而不同。
图5是根据本发明实施例的一种道路障碍物检测的系统主要模块的示意图。
如图5所示,本发明实施例的一种道路障碍物检测的系统500主要包括:图像获取模块501、道路识别模块502、车辆轨迹检测模块503和障碍物识别模块504。图像获取模块501用于获取检测区域的图像;道路识别模块502用于对图像进行处理,识别出道路;车辆轨迹检测模块503用于对道路上运行车辆的轨迹进行检测;障碍物识别模块504用于根据运行车辆的轨迹判断出道路上是否存在障碍物。其中,图像获取模块采用高空瞭望摄像机或者光学卫星摄像头获取检测区域的图像。障碍物识别模块504包括查找单元、数量记录单元和判断单元。查找单元用于根据运行车辆的轨迹与道路之间的偏度,在道路上查找出车辆绕行的可疑障碍物区域;数量记录单元用于记录连续对可疑障碍物区域绕行的车辆的数量;判断单元用于根据数量,判断是否将可疑障碍物区域标记为障碍物。如果数量记录单元记录的连续对区域绕行的车辆的数量大于3,则判断单元将可疑障碍物区域标记为障碍物。
道路识别模块502包括限定单元、计算单元、过滤单元和判定单元,限定单元用于对图像进行全局灰度值限定;计算单元用于计算图像中每个像素点的临近区域的局部灰度均值;过滤单元用于过滤掉灰度低于局部灰度均值的像素点;判定单元用于根据过滤后剩余的像素点的临近灰度,判定像素点是否属于道路区域。并且,车辆轨迹检测模块503通过模板匹配法、视频帧间差分法、光流法、背景差分法中的一个或多个组合的方法,以及根据预设的时间间隔得到车辆的位置坐标;通过所述位置坐标,得到运行车辆的轨迹。
本发明实施例的道路障碍物检测的系统的图像获取模块获取到检测区域的图像,然后道路识别模块对图像进行处理,进而识别出道路,则车辆轨迹检测模块检测出道路上运行车辆的轨迹。进而,障碍物识别模块就可根据检测出的运行车辆的轨迹判断道路中是否存在障碍物。如若判断出道路中存在障碍物,则将障碍物区域惊醒标记出,并且将障碍物区域的信息(位置、大小信息等)通过导航系统播报出,则行人可根据播报的信息,对道路上的障碍物做出预判,所以避免了因为不知道行驶的道路上存在障碍物,在临近障碍物时才做出反应操作,又因时间紧迫无法避开造成道路上车祸的问题。所以,本发明实施例的道路障碍物检测的系统为道路安全提供了更有力的保障。
图6是适于用来实现本发明实施例的终端设备或服务器的计算机系统的结构示意图。
下面参考图6,其示出了适于用来实现本发明实施例的终端设备的计算机系统600的结构示意图。图6示出的终端设备仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图6所示,计算机系统600包括中央处理单元(CPU)601,其可以根据存储在只读存储器(ROM)602中的程序或者从存储部分608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。在RAM 603中,还存储有系统600操作所需的各种程序和数据。CPU 601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。
以下部件连接至I/O接口605:包括键盘、鼠标等的输入部分606;包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分607;包括硬盘等的存储部分608;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分609。通信部分609经由诸如因特网的网络执行通信处理。驱动器610也根据需要连接至I/O接口605。可拆卸介质611,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器610上,以便于从其上读出的计算机程序根据需要被安装入存储部分608。
特别地,根据本发明公开的实施例,上文参考步骤图描述的过程可以被实现为计算机软件程序。例如,本发明公开的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行步骤图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信部分609从网络上被下载和安装,和/或从可拆卸介质611被安装。在该计算机程序被中央处理单元(CPU)601执行时,执行本发明的系统中限定的上述功能。
需要说明的是,本发明所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本发明中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本发明中,计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:无线、电线、光缆、RF等等,或者上述的任意合适的组合。
附图中的流程图和框图,图示了按照本发明各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图或流程图中的每个方框、以及框图或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本发明实施例中所涉及到的模块可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的模块也可以设置在处理器中,例如,可以描述为:一种处理器包括图像获取模块、道路识别模块、车辆轨迹检测模块和障碍物识别模块。其中,这些单元的名称在某种情况下并不构成对该单元本身的限定,例如,图像获取模块还可以被描述为“获取检测区域的图像的模块”。
作为另一方面,本发明还提供了一种计算机可读介质,该计算机可读介质可以是上述实施例中描述的设备中所包含的;也可以是单独存在,而未装配入该设备中。上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被一个该设备执行时,使得该设备包括:获取检测区域的图像;对所述图像进行处理,以识别出道路;对所述道路上运行车辆的轨迹进行检测;根据所述运行车辆的轨迹判断出道路上是否存在障碍物。
根据本发明实施例的技术方案,通过道路边缘识别、车辆实时轨迹识别,通过得到某个路段两边车辆绕过的次数,进而预测出障碍物或围挡区域,避免了道路中因没有了解到道路上障碍物的存在而发生的车祸等。
上述具体实施方式,并不构成对本发明保护范围的限制。本领域技术人员应该明白的是,取决于设计要求和其他因素,可以发生各种各样的修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等,均应包含在本发明保护范围之内。
Claims (14)
1.一种道路障碍物检测的方法,其特征在于,包括:
获取检测区域的图像;
对所述图像进行处理,以识别出道路;
对所述道路上运行车辆的轨迹进行检测;
根据所述运行车辆的轨迹判断出道路上是否存在障碍物。
2.根据权利要求1所述的方法,其特征在于,根据所述运行车辆的轨迹判断出道路上是否存在障碍物包括:
根据所述运行车辆的轨迹与道路之间的偏度,在所述道路上查找出车辆绕行的可疑障碍物区域;
记录连续对所述可疑障碍物区域绕行的车辆的数量;
根据所述数量,判断是否将所述可疑障碍物区域标记为障碍物。
3.根据权利要求2所述的方法,其特征在于,若记录的所述数量大于3,则将所述可疑障碍物区域标记为障碍物。
4.根据权利要求1所述的方法,其特征在于,所述获取检测区域的图像包括:
采用高空瞭望摄像机或者光学卫星摄像头获取检测区域的图像。
5.根据权利要求1所述的方法,其特征在于,对所述图像进行处理,以识别出道路包括:
对所述图像进行全局灰度值限定;
计算所述图像中每个像素点的临近区域的局部灰度均值;
过滤掉灰度低于所述局部灰度均值的像素点;
根据过滤后剩余的像素点的临近灰度,判定所述像素点是否属于道路区域。
6.根据权利要求1所述的方法,其特征在于,通过模板匹配法、视频帧间差分法、光流法、背景差分法中的一个或多个组合的方法,以及根据预设的时间间隔得到车辆的位置坐标;通过所述位置坐标,得到运行车辆的轨迹。
7.一种道路障碍物检测的系统,其特征在于,包括:
图像获取模块,用于获取检测区域的图像;
道路识别模块,用于对所述图像进行处理,以识别出道路;
车辆轨迹检测模块,用于对所述道路上运行车辆的轨迹进行检测;
障碍物识别模块,用于根据所述运行车辆的轨迹判断出道路上是否存在障碍物。
8.根据权利要求7所述的系统,其特征在于,障碍物识别模块包括:
查找单元,用于根据所述运行车辆的轨迹与道路之间的偏度,在所述道路上查找出车辆绕行的可疑障碍物区域;
数量记录单元,用于记录连续对所述可疑障碍物区域绕行的车辆的数量;
判断单元,用于根据所述数量,判断是否将所述可疑障碍物区域标记为障碍物。
9.根据权利要求8所述的系统,其特征在于,如果所述数量记录单元记录的连续对所述区域绕行的车辆的数量大于3,则所述判断单元将所述可疑障碍物区域标记为障碍物。
10.根据权利要求7所述的系统,其特征在于,图像获取模块采用高空瞭望摄像机或者光学卫星摄像头获取检测区域的图像。
11.根据权利要求7所述的系统,其特征在于,道路识别模块包括:
限定单元,用于对所述图像进行全局灰度值限定;
计算单元,用于计算所述图像中每个像素点的临近区域的局部灰度均值;
过滤单元,用于过滤掉灰度低于所述局部灰度均值的像素点;
判定单元,用于根据过滤后剩余的像素点的临近灰度,判定所述像素点是否属于道路区域。
12.根据权利要求7所述的系统,其特征在于,车辆轨迹检测模块通过模板匹配法、视频帧间差分法、光流法、背景差分法中的一个或多个组合的方法,以及根据预设的时间间隔得到车辆的位置坐标;通过所述位置坐标,得到运行车辆的轨迹。
13.一种道路障碍物检测的电子设备,其特征在于,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-6中任一所述的方法。
14.一种计算机可读介质,其上存储有计算机程序,其特征在于,所述程序被处理器执行时实现如权利要求1-6中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710421857.4A CN107316006A (zh) | 2017-06-07 | 2017-06-07 | 一种道路障碍物检测的方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710421857.4A CN107316006A (zh) | 2017-06-07 | 2017-06-07 | 一种道路障碍物检测的方法和系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107316006A true CN107316006A (zh) | 2017-11-03 |
Family
ID=60183934
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710421857.4A Pending CN107316006A (zh) | 2017-06-07 | 2017-06-07 | 一种道路障碍物检测的方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107316006A (zh) |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110197097A (zh) * | 2018-02-24 | 2019-09-03 | 北京图森未来科技有限公司 | 一种港区监控方法及系统、中控系统 |
CN110942668A (zh) * | 2018-09-21 | 2020-03-31 | 丰田自动车株式会社 | 图像处理系统、图像处理方法和图像处理设备 |
CN111158359A (zh) * | 2019-12-02 | 2020-05-15 | 北京京东乾石科技有限公司 | 障碍物处理方法和装置 |
CN111626189A (zh) * | 2020-05-26 | 2020-09-04 | 浙江大华技术股份有限公司 | 一种路面异常检测方法、装置、电子设备及存储介质 |
CN112749595A (zh) * | 2019-10-31 | 2021-05-04 | 北京沃东天骏信息技术有限公司 | 一种确定行驶路径的方法和装置 |
CN112784671A (zh) * | 2019-11-08 | 2021-05-11 | 三菱电机株式会社 | 障碍物检测装置及障碍物检测方法 |
CN113139410A (zh) * | 2020-01-19 | 2021-07-20 | 杭州海康威视系统技术有限公司 | 路面检测方法、装置、设备及存储介质 |
CN113158759A (zh) * | 2021-02-19 | 2021-07-23 | 合肥海赛信息科技有限公司 | 一种基于视频分析的出店经营智能检测方法 |
CN113221602A (zh) * | 2020-01-21 | 2021-08-06 | 百度在线网络技术(北京)有限公司 | 道路路面状况确定方法、装置、设备和介质 |
CN113569759A (zh) * | 2021-07-29 | 2021-10-29 | 沭阳新辰公路仪器有限公司 | 一种基于人工智能的道路掉落物识别方法及系统 |
CN113920728A (zh) * | 2021-10-11 | 2022-01-11 | 南京微达电子科技有限公司 | 高速公路抛洒障碍物检测与预警方法及系统 |
CN116311095A (zh) * | 2023-03-16 | 2023-06-23 | 广州市衡正工程质量检测有限公司 | 基于区域划分的路面检测方法、计算机设备及存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101187671A (zh) * | 2007-12-27 | 2008-05-28 | 北京中星微电子有限公司 | 一种确定汽车行驶速度的方法及装置 |
WO2010003714A1 (de) * | 2008-07-08 | 2010-01-14 | Robert Bosch Gmbh | Ausweichfunktion zur vermeidung von kollisionen |
CN103914688A (zh) * | 2014-03-27 | 2014-07-09 | 北京科技大学 | 一种城市道路障碍物识别系统 |
CN104484999A (zh) * | 2014-12-31 | 2015-04-01 | 百度在线网络技术(北京)有限公司 | 基于用户轨迹确定动态交通信息的方法及装置 |
CN104751665A (zh) * | 2013-12-26 | 2015-07-01 | 上海博泰悦臻网络技术服务有限公司 | 危险路段分析方法及装置 |
-
2017
- 2017-06-07 CN CN201710421857.4A patent/CN107316006A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101187671A (zh) * | 2007-12-27 | 2008-05-28 | 北京中星微电子有限公司 | 一种确定汽车行驶速度的方法及装置 |
WO2010003714A1 (de) * | 2008-07-08 | 2010-01-14 | Robert Bosch Gmbh | Ausweichfunktion zur vermeidung von kollisionen |
CN104751665A (zh) * | 2013-12-26 | 2015-07-01 | 上海博泰悦臻网络技术服务有限公司 | 危险路段分析方法及装置 |
CN103914688A (zh) * | 2014-03-27 | 2014-07-09 | 北京科技大学 | 一种城市道路障碍物识别系统 |
CN104484999A (zh) * | 2014-12-31 | 2015-04-01 | 百度在线网络技术(北京)有限公司 | 基于用户轨迹确定动态交通信息的方法及装置 |
Non-Patent Citations (1)
Title |
---|
屠敬: "基于局部特征的目标检测研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Cited By (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110197097B (zh) * | 2018-02-24 | 2024-04-19 | 北京图森智途科技有限公司 | 一种港区监控方法及系统、中控系统 |
CN110197097A (zh) * | 2018-02-24 | 2019-09-03 | 北京图森未来科技有限公司 | 一种港区监控方法及系统、中控系统 |
CN110942668A (zh) * | 2018-09-21 | 2020-03-31 | 丰田自动车株式会社 | 图像处理系统、图像处理方法和图像处理设备 |
CN112749595A (zh) * | 2019-10-31 | 2021-05-04 | 北京沃东天骏信息技术有限公司 | 一种确定行驶路径的方法和装置 |
CN112784671A (zh) * | 2019-11-08 | 2021-05-11 | 三菱电机株式会社 | 障碍物检测装置及障碍物检测方法 |
CN111158359B (zh) * | 2019-12-02 | 2023-08-04 | 北京京东乾石科技有限公司 | 障碍物处理方法和装置 |
CN111158359A (zh) * | 2019-12-02 | 2020-05-15 | 北京京东乾石科技有限公司 | 障碍物处理方法和装置 |
CN113139410A (zh) * | 2020-01-19 | 2021-07-20 | 杭州海康威视系统技术有限公司 | 路面检测方法、装置、设备及存储介质 |
CN113139410B (zh) * | 2020-01-19 | 2024-02-13 | 杭州海康威视系统技术有限公司 | 路面检测方法、装置、设备及存储介质 |
CN113221602A (zh) * | 2020-01-21 | 2021-08-06 | 百度在线网络技术(北京)有限公司 | 道路路面状况确定方法、装置、设备和介质 |
CN113221602B (zh) * | 2020-01-21 | 2023-09-29 | 百度在线网络技术(北京)有限公司 | 道路路面状况确定方法、装置、设备和介质 |
CN111626189A (zh) * | 2020-05-26 | 2020-09-04 | 浙江大华技术股份有限公司 | 一种路面异常检测方法、装置、电子设备及存储介质 |
CN111626189B (zh) * | 2020-05-26 | 2023-04-18 | 浙江大华技术股份有限公司 | 一种路面异常检测方法、装置、电子设备及存储介质 |
CN113158759A (zh) * | 2021-02-19 | 2021-07-23 | 合肥海赛信息科技有限公司 | 一种基于视频分析的出店经营智能检测方法 |
CN113569759A (zh) * | 2021-07-29 | 2021-10-29 | 沭阳新辰公路仪器有限公司 | 一种基于人工智能的道路掉落物识别方法及系统 |
CN113569759B (zh) * | 2021-07-29 | 2022-06-10 | 沭阳新辰公路仪器有限公司 | 一种基于人工智能的道路掉落物识别方法及系统 |
CN113920728B (zh) * | 2021-10-11 | 2022-08-12 | 南京微达电子科技有限公司 | 高速公路抛洒障碍物检测与预警方法及系统 |
CN113920728A (zh) * | 2021-10-11 | 2022-01-11 | 南京微达电子科技有限公司 | 高速公路抛洒障碍物检测与预警方法及系统 |
CN116311095A (zh) * | 2023-03-16 | 2023-06-23 | 广州市衡正工程质量检测有限公司 | 基于区域划分的路面检测方法、计算机设备及存储介质 |
CN116311095B (zh) * | 2023-03-16 | 2024-01-02 | 广州市衡正工程质量检测有限公司 | 基于区域划分的路面检测方法、计算机设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107316006A (zh) | 一种道路障碍物检测的方法和系统 | |
US10713490B2 (en) | Traffic monitoring and reporting system and method | |
US10467483B2 (en) | Image acquiring system, terminal, image acquiring method, and image acquiring program | |
US9336450B2 (en) | Methods and systems for selecting target vehicles for occupancy detection | |
US9704201B2 (en) | Method and system for detecting uninsured motor vehicles | |
CN105973245A (zh) | 利用无人驾驶车辆更新在线地图的方法和装置 | |
Hadjidemetriou et al. | Vision-and entropy-based detection of distressed areas for integrated pavement condition assessment | |
CN108766031A (zh) | 一种检测车道障碍物的方法和装置 | |
CN113409587A (zh) | 异常车辆的检测方法、装置、设备及存储介质 | |
CN112071084A (zh) | 一种利用深度学习判断违章停车的方法和系统 | |
KR20220146670A (ko) | 교통 비정상 탐지 방법, 장치, 기기, 저장 매체 및 프로그램 | |
CN110705452A (zh) | 一种高速公路无人值守收费站设施智能管控方法及系统 | |
US10037691B1 (en) | Behavioral based traffic infraction detection and analysis system | |
Charouh et al. | Video analysis and rule-based reasoning for driving maneuver classification at intersections | |
CN114693722B (zh) | 一种车辆行驶行为检测方法、检测装置及检测设备 | |
CN115471804A (zh) | 标注数据质检方法、装置、存储介质及电子设备 | |
CN112861701B (zh) | 违章停车识别方法、装置、电子设备以及计算机可读介质 | |
CN111627224A (zh) | 车辆速度异常检测方法、装置、设备及存储介质 | |
CN115019511A (zh) | 基于自动驾驶车辆的识别机动车违规变道的方法和装置 | |
Kedwan | Traffic light timer adjustment system using threshold edge detection for image processing: A software engineering approach | |
CN107084728A (zh) | 用于检测数字地图的方法和装置 | |
Nassereddine et al. | Framework for quantifying right-turn-on-red conflicts from existing radar-based vehicle detection infrastructure | |
KR101448696B1 (ko) | 프레임 변화량을 이용하여 연속 차량을 감지하는 방법 및 차량 인식 시스템 | |
CN112837528B (zh) | 一种检测闯红灯事件的方法、装置及存储介质 | |
Zhang et al. | SimLane: A Risk-Orientated Benchmark for Lane Detection |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
CB03 | Change of inventor or designer information | ||
CB03 | Change of inventor or designer information |
Inventor after: Li Shuqian Inventor after: Zhu Dewei Inventor before: Zhu Dewei |
|
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20171103 |