CN108010012B - 隧道入口黑洞效应评价方法 - Google Patents
隧道入口黑洞效应评价方法 Download PDFInfo
- Publication number
- CN108010012B CN108010012B CN201711021967.8A CN201711021967A CN108010012B CN 108010012 B CN108010012 B CN 108010012B CN 201711021967 A CN201711021967 A CN 201711021967A CN 108010012 B CN108010012 B CN 108010012B
- Authority
- CN
- China
- Prior art keywords
- target
- black hole
- hole effect
- sight distance
- targets
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/155—Segmentation; Edge detection involving morphological operators
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
- G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
- G06T7/337—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods involving reference images or patches
-
- H—ELECTRICITY
- H05—ELECTRIC TECHNIQUES NOT OTHERWISE PROVIDED FOR
- H05B—ELECTRIC HEATING; ELECTRIC LIGHT SOURCES NOT OTHERWISE PROVIDED FOR; CIRCUIT ARRANGEMENTS FOR ELECTRIC LIGHT SOURCES, IN GENERAL
- H05B47/00—Circuit arrangements for operating light sources in general, i.e. where the type of light source is not relevant
- H05B47/10—Controlling the light source
- H05B47/105—Controlling the light source in response to determined parameters
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
- Y02B20/00—Energy efficient lighting technologies, e.g. halogen lamps or gas discharge lamps
- Y02B20/40—Control techniques providing energy savings, e.g. smart controller or presence detection
Abstract
本发明公开了一种隧道入口黑洞效应评价方法、系统及智能照明控制系统,其在隧道入口的内部按照预设间隔进行布置预定数量的标靶,并在隧道入口的外部通过工业相机对所述标靶进行实时监测,根据采集的标靶图像中的标靶可见数进行计算隧道入口的行车视距;以及根据隧道入口的限速值进行计算停车视距;然后将所述行车视距与所述停车视距进行比对分析:当行车视距<停车视距时,则判断为存在黑洞效应,并进一步根据标靶可见数进行划分黑洞效应的等级;当行车视距≥停车视距时,则判断为不存在黑洞效应,并进一步根据标靶可见数进行划分照明亮度的等级;从而定量地给出“黑洞效应”评估结果,以根据评估结果对隧道入口照明制定对应的调光策略。
Description
技术领域
本发明涉及智能交通技术领域,特别是一种隧道入口黑洞效应评价方法、评价系统及对应的智能照明控制系统。
背景技术
近些年,随着我国高速公路的迅速发展,大量以桥隧为主的高速公路里程也逐年增加。由于白天隧道内、外的亮度差别极大,人眼对亮度差的感知会适应滞后,就会让人突然产生“黑洞”的感觉,如果车速过快,极易发生交通事故。为消除高速公路隧道"黑洞效应",缓解驾驶员进出隧道洞口的心里负荷,需对公路隧道入口照明进行合理设计以使隧道内亮度与隧道外自然光亮度之间在满足最小亮度的前提下进行平稳过渡。
目前,隧道照明设计者依据规范通常把隧道分为入口段、过渡段、中间段和出口段等四个段来设计照明。各段的长度和照度是从全年行车安全要求出发,对洞内最大照度的设计是以全年洞外最大亮度和最高行车时速来确定隧道内各段的灯具功率和灯具分布密度。能够实现照明自动控制的非常有限,通常因线路布线回路的限制,只能做到2、3级人工或自动控制,对于如天气、车速、车流量等参数只是在设计阶段给予以最大值考虑,最终各段照明的长度和照度也始终是处于最大值状态。对于天气、车速、车流量等时变参数无法从宏观上对整个隧道的照明进行自适应方式调制。
为了能够实现隧道入口照明的既节能又有效的自适应调整,需要建立在对所述“黑洞效应”的准确评价的基础上,因此,如何进行隧道入口的“黑洞效应”的准确的可行的评价,是一个关键的问题。
发明内容
本发明为解决上述问题,提供了一种隧道入口黑洞效应评价方法、系统及智能照明控制系统,其通过对隧道入口的“黑洞效应”进行定量评估,从而定量地给出“黑洞效应”评估结果,以便根据评估结果对隧道入口照明的亮度值进行合理的调整。
为实现上述目的,本发明采用的技术方案为:
一种隧道入口黑洞效应评价方法,其包括以下步骤:
a.在隧道入口的内部按照预设间隔进行布置预定数量的标靶,并在隧道入口的外部通过工业相机对所述标靶进行实时监测,采集所述标靶图像,并根据所述标靶图像中的标靶可见数进行计算隧道入口的行车视距;
b.根据隧道入口的限速值进行计算停车视距;
c.将所述行车视距与所述停车视距进行比对分析:
当行车视距<停车视距时,则判断为存在黑洞效应,并进一步根据标靶可见数进行划分黑洞效应的等级;
当行车视距≥停车视距时,则判断为不存在黑洞效应,并进一步根据标靶可见数进行划分照明亮度的等级。
优选的,所述的步骤a中,所述行车视距的计算公式如下:
L=L1+L2+(n-1)*L3;
其中,L代表所述行车视距,L1代表工业相机与隧道入口之间的水平距离,L2代表第一个标靶与隧道入口之间的水平距离,L3代表相邻两个标靶之间的间距,n代表标靶的数量。
进一步的,所述的步骤a中,所述标靶沿隧道纵向间隔布置并固定设置在隧道的顶部,所述标靶的总数量为6个,且工业相机与隧道入口之间的水平距离L1为40米,第一个标靶与隧道入口之间的水平距离L2为50米,相邻两个标靶之间的间距L3为10米。
优选的,所述的步骤a中,所述标靶图像中的标靶可见数的获取方法,进一步包括:
a1.拍摄大视角图像,通过对所述大视角图像进行灰度计算得到图像灰度值,并根据该图像灰度值进行映射计算得到对应的视场亮度;
a2.拍摄远焦图像,提取每个标靶及邻近区域的图像特征;所述图像特征包括以下任一种或两种以上的组合:灰度均值、灰度方差、边缘强度、边缘长度、颜色分布、颜色偏差;
a3.采用模糊推理与支持向量机相结合的分类算法,对每个靶标,以所述远焦图像的图像特征和所述大视角图像的对应位置的视场亮度为输入,以靶标是否人眼可见为输出,自动判断所述靶标可见性;
a4.对人眼可见的标靶进行数量统计。
优选的,所述的步骤b中,所述停车视距的计算公式如下:
St=S1+S2+S0;
S1=u1t/3.6;
其中,St代表所述停车视距,S1代表驾驶员反应时间内行驶的距离,S2代表开始制动汽车到汽车完全停止所行驶距离,S0代表安全距离;u1代表隧道入口的限速值,t代表驾驶员反应时间,代表路面与轮胎之间的纵向摩阻系数。
优选的,所述的步骤c中,所述标靶总数量为6个,所述的等级的分析方法进一步包括:
-1级,所述标靶可见数为0个,表示黑洞效应很严重;
-2级,所述标靶可见数为1个,表示黑洞效应较严重;
-3级,所述标靶可见数为2个,表示黑洞效应较轻微;
0级,所述标靶可见数为3个,表示不存在黑洞效应,且照明亮度最节能;
1级,所述标靶可见数为4个,表示不存在黑洞效应,但照明亮度较高;
2级,所述标靶可见数为5个,表示不存在黑洞效应,但照明亮度过高;
3级,所述标靶可见数为6个,表示不存在黑洞效应,且照明亮度最高。
对应的,本发明还提供一种隧道入口黑洞效应评价系统,其包括:
行车视距测量模块,其通过在隧道入口的内部按照预设间隔进行布置预定数量的标靶,并在隧道入口的外部通过工业相机对所述标靶进行实时监测,采集所述标靶图像,并根据所述标靶图像中的标靶可见数进行计算隧道入口的行车视距;
停车视距计算模块,其根据隧道入口的限速值进行计算停车视距;
等级分析模块,其将所述行车视距与所述停车视距进行比对分析:
当行车视距<停车视距时,则判断为存在黑洞效应,并进一步根据标靶可见数进行划分黑洞效应的等级;
当行车视距≥停车视距时,则判断为不存在黑洞效应,并进一步根据标靶可见数进行划分照明亮度的等级。
另外,本发明进一步提供了一种隧道入口智能照明控制系统,其包括上述的隧道入口黑洞效应评价系统,还包括调光控制器,用于根据所述黑洞效应评价系统的评价等级进行对应的调光程度的控制。
本发明的有益效果是:
(1)本发明通过对隧道入口的“黑洞效应”进行定量评估,从而定量地给出“黑洞效应”评估结果,以便根据评估结果对隧道入口照明的亮度值进行合理的调整;
(2)本发明通过安装在隧道入口的外部的工业相机进行实时监测靶标可见数和计算行车视距,以及将行车视距与停车视距进行比对分析来评估黑洞效应的等级,从而便于对隧道照明进行实时调控,更加智能化;
(3)本发明通过大视角图像和远焦图像和相结合进行识别标靶可见数,将工业相机的视角转换为人眼视角,从而更符合实际情况,使得评价结果更可靠更准确;
(4)本发明将标靶的总数量设置为6个,并且相应的将评价结果的等级划分为6个,算法更简单、更直观;
(5)本发明的隧道入口智能照明控制系统,其根据所述黑洞效应评价系统的评价等级进行控制对应的调光程度,不仅能够解决黑洞效应问题,而且更加省电节能、调节更方便。
附图说明
此处所说明的附图用来提供对本发明的进一步理解,构成本发明的一部分,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1为本发明一种隧道入口黑洞效应评价方法的流程简图;
图2为本发明一种隧道入口黑洞效应评价系统的结构示意图;
图3为本发明一种隧道入口智能照明控制系统的结构示意图。
具体实施方式
为了使本发明所要解决的技术问题、技术方案及有益效果更加清楚、明白,以下结合附图及具体实施例对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。
第一实施例(评价方法):
如图1所示,本发明的一种隧道入口黑洞效应评价方法,其包括以下步骤:
a.在隧道入口的内部按照预设间隔进行布置预定数量的标靶,并在隧道入口的外部通过工业相机对所述标靶进行实时监测,采集所述标靶图像,并根据所述标靶图像中的标靶可见数进行计算隧道入口的行车视距;
b.根据隧道入口的限速值进行计算停车视距;
c.将所述行车视距与所述停车视距进行比对分析:
当行车视距<停车视距时,则判断为存在黑洞效应,并进一步根据标靶可见数进行划分黑洞效应的等级;
当行车视距≥停车视距时,则判断为不存在黑洞效应,并进一步根据标靶可见数进行划分照明亮度的等级。
所述的步骤a中,所述行车视距的计算公式如下:
L=L1+L2+(n-1)*L3;
其中,L代表所述行车视距,L1代表工业相机与隧道入口之间的水平距离,L2代表第一个标靶与隧道入口之间的水平距离,L3代表相邻两个标靶之间的间距,n代表标靶的数量。
本实施例中,工业相机和标靶的安装尺寸主要是模拟汽车进入隧道洞口的过程中的人眼视觉。所述标靶沿隧道纵向间隔布置并固定设置在隧道的顶部,本实施例中,所述工业相机的安装高度为距离地面2.5米。所述标靶的总数量为6个,每个标靶的安装高度为距离地面1.2米,所述标靶的靶面直径为0.2米;且工业相机与隧道入口之间的水平距离 L1为40米,第一个标靶与隧道入口之间的水平距离L2为50米,相邻两个标靶之间的间距L3为10米。如果检测得到第一个标靶,则表示行车视距为90米(40米+50米)以上,如检测得到第二个标靶,则表示行车视距为100米以上,以此类推,如果一个都检测不到,则行车视距小于90米。所述标靶的数量可根据不同的测量精度要求进行调整,不以此为限。
所述的步骤a中,所述标靶图像中的标靶可见数的获取方法,进一步包括:
a1.拍摄大视角图像,通过对所述大视角图像进行灰度计算得到图像灰度值,并根据该图像灰度值进行映射计算得到对应的视场亮度;
a2.拍摄远焦图像,提取每个标靶及邻近区域的图像特征;所述图像特征包括以下任一种或两种以上的组合:灰度均值、灰度方差、边缘强度、边缘长度、颜色分布、颜色偏差;其中,对所述远焦图像进行图像特征提取,是指对所述远焦图像进行边缘检测得到图像中所有边缘,并通过形态学滤波算法对所述边缘进行过滤,最后通过目标匹配算法提取与所述标靶相匹配的图像特征;
a3.采用模糊推理与支持向量机相结合的分类算法,对每个靶标,以所述远焦图像的图像特征和所述大视角图像的对应位置的视场亮度为输入,以靶标是否人眼可见为输出,自动判断所述靶标可见性;
a4.对人眼可见的标靶进行数量统计。
本实施例中,所述工业相机包括两台,其中一台工业相机用于拍摄大视角图像以获取视场亮度,其中另一台工业相机用于拍摄远焦图像以获取图像中的标靶的数量;根据所述大视角图像中的视场亮度进行判断所述远焦图像中人眼可见的标靶的数量n,从而使得工作效率和图像精度都更高,并能够保证监测的实时性和准确性。优选的,所述大视角图像和所述远焦图像,在确认图像中不存在通行车辆遮挡情况后作为有效图像。
所述的步骤b中,所述停车视距的计算公式如下:
St=S1+S2+S0;
S1=u1t/3.6;
其中,St代表所述停车视距,S1代表驾驶员反应时间内行驶的距离,S2代表开始制动汽车到汽车完全停止所行驶距离,S0代表安全距离;u1代表隧道入口的限速值,t代表驾驶员反应时间,代表路面与轮胎之间的纵向摩阻系数。
所述的步骤c中,所述标靶总数量为6个,所述的等级的分析方法进一步包括:
-1级,所述标靶可见数为0个,表示黑洞效应很严重;
-2级,所述标靶可见数为1个,表示黑洞效应较严重;
-3级,所述标靶可见数为2个,表示黑洞效应较轻微;
0级,所述标靶可见数为3个,表示不存在黑洞效应,且照明亮度最节能;
1级,所述标靶可见数为4个,表示不存在黑洞效应,但照明亮度较高;
2级,所述标靶可见数为5个,表示不存在黑洞效应,但照明亮度过高;
3级,所述标靶可见数为6个,表示不存在黑洞效应,且照明亮度最高。
具体如表1所示:
表1-黑洞效应评级表
第二实施例(评价系统):
如图2所示,本发明还提供一种隧道入口黑洞效应评价系统,其包括:
行车视距测量模块,其通过在隧道入口的内部按照预设间隔进行布置预定数量的标靶,并在隧道入口的外部通过工业相机对所述标靶进行实时监测,采集所述标靶图像,并根据所述标靶图像中的标靶可见数进行计算隧道入口的行车视距;
停车视距计算模块,其根据隧道入口的限速值进行计算停车视距;
等级分析模块,其将所述行车视距与所述停车视距进行比对分析:
当行车视距<停车视距时,则判断为存在黑洞效应,并进一步根据标靶可见数进行划分黑洞效应的等级;
当行车视距≥停车视距时,则判断为不存在黑洞效应,并进一步根据标靶可见数进行划分照明亮度的等级。
第三实施例(智能照明控制系统):
如图3所示,本发明进一步提供了一种隧道入口智能照明控制系统,其包括上述的隧道入口黑洞效应评价系统,还包括调光控制器,用于根据所述黑洞效应评价系统的评价等级进行对应的调光程度的控制。
具体调光策略如表2所示:
表2-“黑洞效应”评级对应的调光策略
黑洞效应评级 | -3 | -2 | -1 | 0 | +1 | +2 | +3 |
调光程度 | +10% | +6% | +3% | 不调光 | -3% | -6% | -10% |
即,“黑洞效应”的定量评估等级中:评级结果为0,表示当前照明条件下隧道入口行车视距刚好满足规范要求;评级结果<0表明隧道入口照明亮度不能保证行车视觉安全,需要提高照明亮度;评级结果>0则反映隧道照明亮度过高,具备节能降耗潜力。对应的,智能照明控制系统的调光策略是将“黑洞效应”评级控制在0级为目标,在评级<时增大灯具亮度,评级>时减小灯具亮度。具体地,不同“黑洞效应”评级下,隧道内照明灯具无极调光的程度可根据实际运行中的需要进行适当调整,不以此为限。
需要说明的是,本说明书中的各个实施例均采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似的部分互相参见即可。对于评价系统实施例和智能照明控制系统实施例,由于其与方法实施例基本相似,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
上述说明示出并描述了本发明的优选实施例,应当理解本发明并非局限于本文所披露的形式,不应看作是对其他实施例的排除,而可用于各种其他组合、修改和环境,并能够在本文发明构想范围内,通过上述教导或相关领域的技术或知识进行改动。而本领域人员所进行的改动和变化不脱离本发明的精神和范围,则都应在本发明所附权利要求的保护范围内。
Claims (5)
1.一种隧道入口黑洞效应评价方法,其特征在于,包括以下步骤:
a.在隧道入口的内部按照预设间隔进行布置预定数量的标靶,并在隧道入口的外部通过工业相机对所述标靶进行实时监测,采集所述标靶图像,并根据所述标靶图像中的标靶可见数进行计算隧道入口的行车视距;
b.根据隧道入口的限速值进行计算停车视距;
c.将所述行车视距与所述停车视距进行比对分析;
当行车视距<停车视距时,则判断为存在黑洞效应,并进一步根据标靶可见数进行划分黑洞效应的等级;
当行车视距≥停车视距时,则判断为不存在黑洞效应,并进一步根据标靶可见数进行划分照明亮度的等级;
所述的步骤a中,所述标靶图像中的标靶可见数的获取方法,进一步包括:
a1.拍摄大视角图像,通过对所述大视角图像进行灰度计算得到图像灰度值,并根据该图像灰度值进行映射计算得到对应的视场亮度;
a2.拍摄远焦图像,提取每个标靶及邻近区域的图像特征:所述图像特征包括以下任一种或两种以上的组合:灰度均值、灰度方差、边缘强度、边缘长度、颜色分布、颜色偏差;
a3.采用模糊推理与支持向量机相结合的分类算法,对每个靶标,以所述远焦图像的图像特征和所述大视角图像的对应位置的视场亮度为输入,以靶标是否人眼可见为输出,自动判断所述靶标可见性;
a4.对人眼可见的标靶进行数量统计。
2.根据权利要求1所述的一种隧道入口黑洞效应评价方法,其特征在于:所述的步骤a
中,所述行车视距的计算公式如下:
L=L1+L2+(n-1)*L3;
其中,L代表所述行车视距,L1代表工业相机与隧道入口之间的水平距离,L2代表第一个标靶与隧道入口之间的水平距离,L3代表相邻两个标靶之间的问距,n代表标靶的数量。
3.根据权利要求2所述的一种隧道入口黑洞效应评价方法,其特征在于:所述的步骤a中,所述标靶沿隧道纵向间隔布置并固定设置在隧道的顶部,所述标靶的总数量为6个,且工业相机与隧道入口之间的水平距离L1为40米,第一个标靶与隧道入口之间的水平距离L2为50米,相邻两个标靶之间的间距L3为10米。
5.根据权利要求1所述的一种隧道入口黑洞效应评价方法,其特征在于:所述的步骤c中,所述标靶总数量为6个,所述的等级的分析方法进一步包括:
-1级,所述标靶可见数为0个,表示黑洞效应很严重;
-2级,所述标靶可见数为1个,表示黑洞效应较严重;
-3级,所述标靶可见数为2个,表示黑洞效应较轻微;
0级,所述标靶可见数为3个,表示不存在黑洞效应,且照明亮度最节能;
1级,所述标靶可见数为4个,表示不存在黑洞效应,但照明亮度较高;
2级,所述标靶可见数为5个,表示不存在黑洞效应,但照明亮度过高;
3级,所述标靶可见数为6个,表示不存在黑洞效应,且照明亮度最高。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711021967.8A CN108010012B (zh) | 2017-10-26 | 2017-10-26 | 隧道入口黑洞效应评价方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711021967.8A CN108010012B (zh) | 2017-10-26 | 2017-10-26 | 隧道入口黑洞效应评价方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108010012A CN108010012A (zh) | 2018-05-08 |
CN108010012B true CN108010012B (zh) | 2020-11-24 |
Family
ID=62052025
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711021967.8A Active CN108010012B (zh) | 2017-10-26 | 2017-10-26 | 隧道入口黑洞效应评价方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108010012B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109300160A (zh) * | 2018-09-18 | 2019-02-01 | 上海市建筑科学研究院 | 一种智能的隧道黑洞效应的快捷检测方法 |
CN114258175B (zh) * | 2021-11-30 | 2023-03-24 | 山东大卫国际建筑设计有限公司 | 一种车库照明控制方法及设备 |
CN115484712A (zh) * | 2022-11-14 | 2022-12-16 | 江西方兴科技股份有限公司 | 一种隧道入口处照明系统的控制方法、装置及其存储介质 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20050119874A (ko) * | 2004-06-17 | 2005-12-22 | 현대자동차주식회사 | 차선 이탈 경보장치의 영상 전처리 장치 및 방법 |
CN101655910A (zh) * | 2008-08-21 | 2010-02-24 | 索尼(中国)有限公司 | 训练系统、训练方法及检测方法 |
CN101957309B (zh) * | 2010-08-17 | 2012-11-07 | 招商局重庆交通科研设计院有限公司 | 一种能见度的全天候视频测量方法 |
CN102685990B (zh) * | 2012-05-23 | 2014-04-30 | 沈阳新一代信息技术有限公司 | 一种可调光隧道led照明节能控制方法 |
CN105046223B (zh) * | 2015-07-10 | 2018-09-18 | 招商局重庆交通科研设计院有限公司 | 一种隧道入口“黑洞效应”严重程度的检测装置及方法 |
-
2017
- 2017-10-26 CN CN201711021967.8A patent/CN108010012B/zh active Active
Non-Patent Citations (1)
Title |
---|
基于"黑洞效应"的公路驾驶员视错觉改善方法实验研究;黄发明;《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》;20150415(第 04 期);C034-568 * |
Also Published As
Publication number | Publication date |
---|---|
CN108010012A (zh) | 2018-05-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10452929B2 (en) | Illumination standard calculation method and system for a tunnel entrance section in daytime based on safe visual recognition | |
CN108010012B (zh) | 隧道入口黑洞效应评价方法 | |
CN101783076B (zh) | 一种视频监控模式下的快速车型识别方法 | |
Gallen et al. | Nighttime visibility analysis and estimation method in the presence of dense fog | |
US10872419B2 (en) | Method and apparatus for evaluating a vehicle travel surface | |
CN109002024B (zh) | 一种基于大数据共建共享的智慧隧道系统 | |
CN104533441B (zh) | 基于安全视认的夜间隧道入口段照明标准测算方法及其系统 | |
CN204630714U (zh) | 隧道运行照明质量成套检测系统 | |
CN105654073A (zh) | 一种基于视觉检测的速度自动控制方法 | |
WO2016091041A1 (zh) | 一种利用成像亮度计对道路照明眩光进行动态评估的方法 | |
CN105466556A (zh) | 一种隧道亮度检测系统 | |
KR20180126199A (ko) | 도로 조명 제어 시스템 및 그 제어 방법 | |
DE112018007715B4 (de) | Fahrzeug-bordanzeigesteuervorrichtung | |
CN112750170A (zh) | 一种雾特征识别方法、装置及相关设备 | |
CN103218484A (zh) | 高速公路长隧道出口段昼间照明优化方法 | |
CN110979156B (zh) | 一种基于环境光检测的汽车前照灯亮度自适应调节装置及方法 | |
CN108986476A (zh) | 机动车未按规定使用远光灯识别方法、系统及存储介质 | |
KR101458396B1 (ko) | 터널조명 시스템 및 그 제어방법 | |
CN111688568B (zh) | 亮度检测方法、车灯控制方法及其系统及存储介质 | |
CN105046223A (zh) | 一种隧道入口“黑洞效应”严重程度的检测装置及方法 | |
CN107328777A (zh) | 一种在夜间测量大气能见度的方法及装置 | |
CN114872617B (zh) | 一种车辆的灯照光源智能调控方法及系统 | |
KR100660561B1 (ko) | 비전기반 지능형 스마트 와이퍼 시스템 및 그 제어방법 | |
CN113747636B (zh) | 一种基于无线传感器技术的智慧路灯智能调控方法及云调控系统 | |
CN107816974B (zh) | 隧道入口行车视距测量装置及测量方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |