CN108122243A - 用于机器人检测运动物体的方法 - Google Patents

用于机器人检测运动物体的方法 Download PDF

Info

Publication number
CN108122243A
CN108122243A CN201611061960.4A CN201611061960A CN108122243A CN 108122243 A CN108122243 A CN 108122243A CN 201611061960 A CN201611061960 A CN 201611061960A CN 108122243 A CN108122243 A CN 108122243A
Authority
CN
China
Prior art keywords
moving object
robot
image
movement velocity
frame
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
CN201611061960.4A
Other languages
English (en)
Other versions
CN108122243B (zh
Inventor
邹风山
徐方
李邦宇
姜楠
张涛
潘鑫
杨奇峰
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.)
Shenyang Siasun Robot and Automation Co Ltd
Original Assignee
Shenyang Siasun Robot and Automation 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 Shenyang Siasun Robot and Automation Co Ltd filed Critical Shenyang Siasun Robot and Automation Co Ltd
Priority to CN201611061960.4A priority Critical patent/CN108122243B/zh
Publication of CN108122243A publication Critical patent/CN108122243A/zh
Application granted granted Critical
Publication of CN108122243B publication Critical patent/CN108122243B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • 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
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30232—Surveillance

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
  • Manipulator (AREA)

Abstract

本发明涉及机器人视觉技术领域，具体公开一种用于机器人检测运动物体的方法，包括以下步骤，S1、所述三个视觉传感器获取场景的灰度图像；S2、通过图像的帧间差和特征点匹配算法估算所述运动物体的运动速度；S3、根据识别的快速移动物体位置，控制所述单点激光传感器精确测量所述运动物体的运动速度。本发明监控的运动物体移动速度可以达到1m/s，可快速检测移动的物体，并引导机器人避开障碍物，实现机器人的快速避障。

Description

用于机器人检测运动物体的方法
技术领域
本发明涉及机器人视觉技术领域，特别涉及用于机器人检测运动物体的方法。
背景技术
随着城市现代化发展，原来需要大量人在小区、园区或社区中巡逻，现在越来越多的被自动化设备、视觉设备所代替，室外监控移动机器人是未来的发展方向，其可替代保安实现小区、园区或社区中的巡逻与检查，实现24小时不间断监控，对突发事件可快速到现场并拍摄。
对于室外监控移动机器人来说，避障是非常重要的功能和技术。目前，对于机器人避障技术的研究，大多集中在对于固定障碍物或移动速度较慢障碍物的避障。
比如，孟廷豪的《基于模糊控制的机器人避障研究》论文中，使用超声传感器来检测机器人的环境信息，设计一个由模糊算法和行为控制相结合的自主避障控制系统，在该系统中将移动机器人自主避障行为分为自主避障行为、航向保持行为和紧急停车行为。
又如，陈奕君的《基于多传感器信息融合的机器人避障研究》论文中采用多个传感器共同测量的办法，选取超声波和红外开关作为测距系统的传感器，CCD摄像机作为视觉传感器，设计了一种两级信息融合的结构，能够充分利用传感器获取的外部信息并满足实时避障的要求，通过改进的BP神经网络对测距传感器采集的信息进行融合，并针对BP神经网络收敛速度慢、易陷入局部极值等缺陷，通过附加动量-自适应因子改进BP网络学习算法，实现机器人避障。
再如，徐玉华的《基于激光测距仪的移动机器人避障新方法》基于激光测距仪提出一种通过自适应调节阈值求可行方向的移动机器人实时避障算法，对于给定的一组阈值，用其中的每个阈值求可行方向，在获得的接近目标方向的所有可行方向中，选取最大阈值所对应的方向作为机器人的参考行驶方向，根据当前行驶方向与参考行驶方向之间的偏差和所选阈值的大小对线速度进行限制，实现机器人避障。
上述避障研究或方法主要针对静态物体，或者运动速度较慢的物体，当物体相对于机器人运动速度较快时，无法做到实时检测。室外监控移动机器人在监控时移动速度可以达到1m/s，如果机器人运动前方有移动汽车、快速移动人或动物时，需要有方法快速检测移动的物体，如何引导机器人避开障碍物，实现机器人的快速避障成为筮待解决的问题。
发明内容
本发明旨在克服现有机器人无法快速检测移动物体的技术缺陷，提供一种用于机器人检测运动物体的方法。
为实现上述目的，本发明采用以下技术方案：
本发明提供一种用于机器人检测运动物体的方法，在机器人上搭载三个视觉传感器和一个单点激光传感器，具体包括以下步骤：
S1、所述三个视觉传感器获取场景的灰度图像；
S2、通过图像的帧间差和特征点匹配算法估算所述运动物体的运动速度；
S3、根据识别的快速移动物体位置，控制所述单点激光传感器精确测量所述运动物体的运动速度。
一些实施例中，所述三个视觉传感器采用触发拍摄模式，通过触发器控制所述三个视觉传感器轮流拍摄。
一些实施例中，所述触发拍摄模式采用180帧频率。
一些实施例中，所述步骤S2中，通过图像的帧间差和特征点匹配算法估算的步骤，具体包括，S21、所述三个视觉传感器拍摄的图像按时间顺序排列，并对获取的相邻两帧图像做差，获得帧差图像；S22、所述三个视觉传感器拍摄的图像两帧之间做ICP匹配，获得特征点；S23、通过所述特征点计算两帧图像间的机器人姿态变化，并根据所述姿态变化估算所述运动物体的移动速度。
一些实施例中，所述步骤S21中还包括，计算图像的梯度，将像素的梯度值由大到小排列，保留梯度值小于最大梯度值1/2的区域，为变化较小区域。
一些实施例中，所述步骤S23中，所述特征点为位于所述变化较小区域的特征点。
一些实施例中，所述步骤S3中，根据识别的快速移动物体位置包括，对变化较小区域按照梯度值由小到大，判定面积大于图像1/10的区域为高梯度值区域；获取所述高梯度值区域的第一梯度值和所述通过所述特征点计算两帧图像间的机器人姿态变化的第二梯度值，计算所述第一梯度值和第二梯度值的比值，所述比值乘以所述机器人的运动速度获得运动物体的运动速度，当所述运动速度大于2m/s即为快速移动物体，并标记该位置。
一些实施例中，所述步骤S3中，控制所述单点激光传感器精确测量所述运动物体的运动速度，具体为，控制所述单点激光传感器，使所述单点激光传感器偏转到所述快速移动物体位置的方向，并精确测量所述运动物体的运动速度。
本发明的有益效果在于：本发明的用于机器人检测运动物体的方法，在机器人上搭载三个视觉传感器和一个单点激光传感器，通过图像的帧间差和特征点匹配算法估算所述运动物体的运动速度；并根据识别的快速移动物体位置，控制所述单点激光传感器精确测量所述运动物体的运动速度；监控的运动物体移动速度可以达到1m/s，可快速检测移动的物体，并引导机器人避开障碍物，实现机器人的快速避障。
附图说明
图1是本发明用于机器人检测运动物体的方法流程图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。
本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”“第四”等(如果存在)是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的实施例能够以除了在这里图示或描述的内容以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
图1是本发明用于机器人检测运动物体的方法流程图。本发明的用于机器人检测运动物体的方法，在机器人上搭载三个视觉传感器和一个单点激光传感器，包括以下步骤：
S1、通过三个视觉传感器获取机器人前方场景的灰度图像；
S2、通过图像的帧间差和特征点匹配算法估算所述运动物体的运动速度；
S3、根据识别的快速移动物体位置，控制所述单点激光传感器精确测量所述运动物体的运动速度。
本发明的用于机器人检测运动物体的方法，监控的运动物体移动速度可以达到1m/s，可快速检测移动的物体，并引导机器人避开障碍物，实现机器人的快速避障。
本发明的实施例中，三个视觉传感器可采用200万像素、60帧的CMOS灰度传感器；进一步地，该三个视觉传感器布置在机器人上，保证视场区域的最小宽度大于机器人前端的宽度。
该单点激光传感器安装在一二维移动平台上，用于实时测量激光发射头与不同方向物体之间的位移变化，从而精确测量运动物体的运动速度。
本发明的优选实施例中，所述三个视觉传感器采用触发拍摄模式，通过触发器控制所述三个视觉传感器轮流拍摄。具体地，三个视频传感器的信号线同时接在一个触发器上，三个视觉传感器分别有三个ID，通过ID选择控制三个视觉传感器轮流触发拍摄。
其中，该触发器为精确触发器，采用定时模式，以180帧频率控制三个视频传感器轮流触发拍摄，以保证机器人以180帧的速度获得机器人前方的高分辨率图像。
本发明一实施例的用于机器人检测运动物体的方法，在机器人上搭载三个视觉传感器和一个单点激光传感器，三个视觉传感器可采用200万像素、60帧的CMOS灰度传感器；该三个视觉传感器布置在机器人上，保证视场区域的最小宽度大于机器人前端的宽度。
该方法包括以下步骤：
S1、通过三个视觉传感器获取机器人前方场景的灰度图像；
S21、三个视觉传感器拍摄的图像按时间顺序排列，并对获取的相邻两帧图像做差，获得帧差图像；
S22、三个视觉传感器拍摄的图像两帧之间做ICP(Iterative Closest Point，迭代最近点法)匹配，获得特征点；
S23、通过所述特征点计算两帧图像间的机器人姿态变化，并根据所述姿态变化估算所述运动物体的移动速度；
S3、根据识别的快速移动物体位置，控制所述单点激光传感器精确测量所述运动物体的运动速度。
本发明另一实施例的用于机器人检测运动物体的方法，在机器人上搭载三个视觉传感器和一个单点激光传感器，包括以下步骤：
S100、通过三个视觉传感器获取机器人前方场景的灰度图像。
S200、三个视觉传感器采用触发拍摄模式，通过触发器控制所述三个视觉传感器轮流拍摄。
S21、三个视觉传感器拍摄的图像按时间顺序排列，并对获取的相邻两帧图像做差，获得帧差图像。以及，计算图像的梯度，将像素的梯度值由大到小排列，保留梯度值小于最大梯度值1/2的区域，为变化较小区域。其中，梯度值较大的区域被认为是场景变化较快的区域，相反，梯度值较小的区域被认为是场景变化较慢的区域。
S22、三个视觉传感器拍摄的图像两帧之间做ICP(Iterative Closest Point，迭代最近点法)匹配，获得特征点。对变化较小区域的特征点通过计算两帧图像间的机器人姿态变化，即旋转矩阵R和平移矩阵T，并根据所述姿态变化估算所述运动物体的移动速度。
其中，梯度值变化较小区域的匹配点，上述点是比较可靠和稳定的点，是一些固定物体的特征点；去掉梯度值变化较大区域的匹配点，这些点可能是运动物体的特征点。
S300、对变化较小区域按照梯度值由小到大，判定面积大于图像1/10的区域为高梯度值区域；上述区域被认为是快速移动的物体，而不是测量的噪声或者摄像机拍摄时现场的背景噪声。
获取所述高梯度值区域的第一梯度值和所述通过所述特征点计算两帧图像间的机器人姿态变化的第二梯度值，计算所述第一梯度值和第二梯度值的比值，所述比值乘以所述机器人的运动速度获得运动物体的运动速度，当所述运动速度大于2m/s即为快速移动物体，认为机器人前方有较快移动的物体，并标记该位置。
S400、控制所述单点激光传感器，使所述单点激光传感器偏转到所述快速移动物体位置的方向，并精确测量所述运动物体的运动速度。得到运动物体相对于机器人的运动速度，按照通用的机器人路径规划和避障方法，引导机器人实现快速避障。
本发明的用于机器人检测运动物体的方法，在机器人上搭载三个视觉传感器和一个单点激光传感器，通过图像的帧间差和特征点匹配算法估算所述运动物体的运动速度；并根据识别的快速移动物体位置，控制所述单点激光传感器精确测量所述运动物体的运动速度；监控的运动物体移动速度可以达到1m/s，可快速检测移动的物体，并引导机器人避开障碍物，实现机器人的快速避障。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在本申请所提供的几个实施例中，应该理解到，所揭露的系统，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序可以存储于一计算机可读存储介质中，存储介质可以包括：只读存储器(ROM，Read Only Memory)、随机存取存储器(RAM，RandomAccess Memory)、磁盘或光盘等。
以上对本发明所提供的用于机器人检测运动物体的方法进行了详细介绍，对于本领域的一般技术人员，依据本发明实施例的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。

Claims (8)

1.一种用于机器人检测运动物体的方法，其特征在于，在机器人上搭载三个视觉传感器和一个单点激光传感器，具体包括以下步骤：
S1、所述三个视觉传感器获取场景的灰度图像；
S2、通过图像的帧间差和特征点匹配算法估算所述运动物体的运动速度；
S3、根据识别的快速移动物体位置，控制所述单点激光传感器精确测量所述运动物体的运动速度。
2.如权利要求1所述的用于机器人检测运动物体的方法，其特征在于，所述三个视觉传感器采用触发拍摄模式，通过触发器控制所述三个视觉传感器轮流拍摄。
3.如权利要求2所述的用于机器人检测运动物体的方法，其特征在于，所述触发拍摄模式采用180帧频率。
4.如权利要求1所述的用于机器人检测运动物体的方法，其特征在于，所述步骤S2中，通过图像的帧间差和特征点匹配算法估算的步骤，具体包括，
S21、所述三个视觉传感器拍摄的图像按时间顺序排列，并对获取的相邻两帧图像做差，获得帧差图像；
S22、所述三个视觉传感器拍摄的图像两帧之间做ICP匹配，获得特征点；
S23、通过所述特征点计算两帧图像间的机器人姿态变化，并根据所述姿态变化估算所述运动物体的移动速度。
5.如权利要求4所述的用于机器人检测运动物体的方法，其特征在于，所述步骤S21中还包括，计算图像的梯度，将像素的梯度值由大到小排列，保留梯度值小于最大梯度值1/2的区域，为变化较小区域。
6.如权利要求5所述的用于机器人检测运动物体的方法，其特征在于，所述步骤S23中，所述特征点为位于所述变化较小区域的特征点。
7.如权利要求5所述的用于机器人检测运动物体的方法，其特征在于，所述步骤S3中，根据识别的快速移动物体位置包括，
对变化较小区域按照梯度值由小到大，判定面积大于图像1/10的区域为高梯度值区域；获取所述高梯度值区域的第一梯度值和所述通过所述特征点计算两帧图像间的机器人姿态变化的第二梯度值，计算所述第一梯度值和第二梯度值的比值，所述比值乘以所述机器人的运动速度获得运动物体的运动速度，当所述运动速度大于2m/s即为快速移动物体，并标记该位置。
8.如权利要求1所述的用于机器人检测运动物体的方法，其特征在于，所述步骤S3中，控制所述单点激光传感器精确测量所述运动物体的运动速度，具体为，控制所述单点激光传感器，使所述单点激光传感器偏转到所述快速移动物体位置的方向，并精确测量所述运动物体的运动速度。
CN201611061960.4A 2016-11-26 2016-11-26 用于机器人检测运动物体的方法 Active CN108122243B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201611061960.4A CN108122243B (zh) 2016-11-26 2016-11-26 用于机器人检测运动物体的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201611061960.4A CN108122243B (zh) 2016-11-26 2016-11-26 用于机器人检测运动物体的方法

Publications (2)

Publication Number Publication Date
CN108122243A true CN108122243A (zh) 2018-06-05
CN108122243B CN108122243B (zh) 2021-05-28

Family

ID=62225070

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201611061960.4A Active CN108122243B (zh) 2016-11-26 2016-11-26 用于机器人检测运动物体的方法

Country Status (1)

Country Link
CN (1) CN108122243B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110580708A (zh) * 2018-06-11 2019-12-17 杭州海康威视数字技术股份有限公司 一种快速移动检测方法、装置及电子设备
CN111673731A (zh) * 2019-03-11 2020-09-18 本田技研工业株式会社 路径决定方法
CN112904359A (zh) * 2019-11-19 2021-06-04 沃尔沃汽车公司 基于远程激光探测与测量的速度估计

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101263719A (zh) * 2005-09-09 2008-09-10 索尼株式会社 图像处理装置及方法、程序和记录介质
CN101738394A (zh) * 2009-02-11 2010-06-16 北京智安邦科技有限公司 室内烟雾检测方法及系统
US20110235868A1 (en) * 2010-03-26 2011-09-29 Kuo Cooper S K Inspection System
CN102629384A (zh) * 2012-02-28 2012-08-08 成都三泰电子实业股份有限公司 视频监控中异常行为的检测方法
CN103093204A (zh) * 2013-01-21 2013-05-08 信帧电子技术（北京）有限公司 行为监测方法及装置
CN103149603A (zh) * 2013-03-07 2013-06-12 安徽皖通科技股份有限公司 一种基于视频的道路气象检测方法
CN103617632A (zh) * 2013-11-19 2014-03-05 浙江工业大学 一种结合相邻帧差法和混合高斯模型的运动目标检测方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101263719A (zh) * 2005-09-09 2008-09-10 索尼株式会社 图像处理装置及方法、程序和记录介质
CN101738394A (zh) * 2009-02-11 2010-06-16 北京智安邦科技有限公司 室内烟雾检测方法及系统
US20110235868A1 (en) * 2010-03-26 2011-09-29 Kuo Cooper S K Inspection System
CN102629384A (zh) * 2012-02-28 2012-08-08 成都三泰电子实业股份有限公司 视频监控中异常行为的检测方法
CN103093204A (zh) * 2013-01-21 2013-05-08 信帧电子技术（北京）有限公司 行为监测方法及装置
CN103149603A (zh) * 2013-03-07 2013-06-12 安徽皖通科技股份有限公司 一种基于视频的道路气象检测方法
CN103617632A (zh) * 2013-11-19 2014-03-05 浙江工业大学 一种结合相邻帧差法和混合高斯模型的运动目标检测方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
丁莹等: ""复杂环境运动目标检测技术及应用"", 《国防工业出版社》 *
宋强等: ""传感器原理与应用技术"", 《西安交通大学出版社》 *
徐玉华等: ""基于激光测距仪的移动机器人避障新方法"", 《机器人 ROBOT》 *
马加庆等: ""一种基于信息融合的粒子滤波跟踪算法"", 《光电工程》 *

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110580708A (zh) * 2018-06-11 2019-12-17 杭州海康威视数字技术股份有限公司 一种快速移动检测方法、装置及电子设备
CN110580708B (zh) * 2018-06-11 2022-05-31 杭州海康威视数字技术股份有限公司 一种快速移动检测方法、装置及电子设备
CN111673731A (zh) * 2019-03-11 2020-09-18 本田技研工业株式会社 路径决定方法
US11693416B2 (en) 2019-03-11 2023-07-04 Honda Motor Co., Ltd. Route determination method
CN112904359A (zh) * 2019-11-19 2021-06-04 沃尔沃汽车公司 基于远程激光探测与测量的速度估计
CN112904359B (zh) * 2019-11-19 2024-04-09 沃尔沃汽车公司 基于远程激光探测与测量的速度估计

Also Published As

Publication number Publication date
CN108122243B (zh) 2021-05-28

Similar Documents

Publication Publication Date Title
US7796154B2 (en) Automatic multiscale image acquisition from a steerable camera
CN104282020B (zh) 一种基于目标运动轨迹的车辆速度检测方法
CN106808482B (zh) 一种巡检机器人多传感器系统及巡检方法
CN104680555B (zh) 基于视频监控的越界检测方法及越界监控系统
Fiore et al. Multi-camera human activity monitoring
CN100353749C (zh) 联合摄像机构成的监视装置
CN106527426A (zh) 一种室内多目轨迹规划系统及其方法
CN107306338A (zh) 用于对象检测和跟踪的全景摄像机系统
DE102014106211A1 (de) Sichtbasierte Mehrkamera-Fabriküberwachung mit dynamischer Integritätsbewertung
DE102014106210A1 (de) Probabilistische Personennachführung unter Verwendung der Mehr- Ansichts-Vereinigung
AU2004272178A1 (en) Method and apparatus for computerized image background analysis
CN106162144A (zh) 一种用于夜视环境的视觉图像处理设备、系统和智能机器
CN108122243A (zh) 用于机器人检测运动物体的方法
JP2011071932A (ja) 車両周辺監視装置
JP2011070593A (ja) 車両周辺監視装置
CN106228570A (zh) 一种真值数据确定方法和装置
US20020052708A1 (en) Optimal image capture
Zeng et al. Deep reinforcement learning for next-best-view planning in agricultural applications
WO2019043406A1 (en) DETECTION OF ANOMALY FROM VIDEO DATA FROM SURVEILLANCE CAMERAS
CN108122412A (zh) 用于监控机器人检测车辆乱停的方法
CN109886129A (zh) 提示信息生成方法和装置，存储介质及电子装置
JP2013093865A (ja) 車両周辺監視装置
Baris et al. Classification and tracking of traffic scene objects with hybrid camera systems
Kuzmic et al. Comparison between Filtered Canny Edge Detector and Convolutional Neural Network for Real Time Lane Detection in a Unity 3D Simulator.
Sikdar et al. Robust object tracking in the XZ domain

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