CN108345884B - 一种基于三维激光扫描的车牌识别装置及其方法 - Google Patents
一种基于三维激光扫描的车牌识别装置及其方法 Download PDFInfo
- Publication number
- CN108345884B CN108345884B CN201810044325.8A CN201810044325A CN108345884B CN 108345884 B CN108345884 B CN 108345884B CN 201810044325 A CN201810044325 A CN 201810044325A CN 108345884 B CN108345884 B CN 108345884B
- Authority
- CN
- China
- Prior art keywords
- license plate
- character
- data
- module
- dimensional laser
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/62—Text, e.g. of license plates, overlay texts or captions on TV images
- G06V20/63—Scene text, e.g. street names
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/02—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness
- G01B11/04—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness specially adapted for measuring length or width of objects while moving
- G01B11/046—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness specially adapted for measuring length or width of objects while moving for measuring width
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/02—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness
- G01B11/06—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness for measuring thickness ; e.g. of sheet material
- G01B11/0608—Height gauges
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/02—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness
- G01B11/06—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness for measuring thickness ; e.g. of sheet material
- G01B11/0691—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness for measuring thickness ; e.g. of sheet material of objects while moving
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/24—Measuring arrangements characterised by the use of optical techniques for measuring contours or curvatures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
- G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/62—Text, e.g. of license plates, overlay texts or captions on TV images
- G06V20/625—License plates
-
- 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
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Traffic Control Systems (AREA)
- Image Input (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
一种基于三维激光扫描的车牌识别装置及其方法,包括三维激光扫描仪、计算机系统、龙门。计算机系统包括数据预处理模块、字符分割模块、数据存储模块、字符识别模块。计算机系统内各模块的工作步骤为:数据预处理模块接收并过滤非车牌范围内的数据点和周围的噪声数据点,从三维激光点云数据中提取出属于车牌点云数据,完成车牌的定位;字符分割模块从提取出的车牌点云数据中分割出车牌字符的点簇;数据存储模块将从车牌中分割出的字符点簇存入到车牌字符数据库,并将字符点簇数据传送给字符识别模块;字符识别模块将待识别的字符点簇数据输入给训练好的神经网络,最终完成对车牌字符的识别。
Description
技术领域
本发明专利涉及一种基于三维激光扫描的车牌识别装置及其方法,涉及到一种车牌识别方法。
背景技术
随着城市化进程加快,汽车的价格不断下降,使用量逐年上升,使得公共场所管理和交通管理均需要车牌识别装置进行监控。汽车拍照就像是机动车的身份证,其重要程度不言而喻,车牌识别技术作为能够自动、实时地检测汽车牌照的一种智能交通管理手段。以图像处理和模式识别为技术基础的车牌自动识别技术,能够对发送过来的汽车图像完成自动识别,然后生成结果是仅仅为几个比特的车牌字符串。
现有的车牌识别装置为了获得清楚的车牌字符需要调节摄像头装置的参数和光照。但是在不同环境下,某些车牌照片会变得不够清晰,无法满足监控的需求。有的车牌漆面被车主故意污损,导致基于图像很难辨认车牌号码。
近年来,有不少针对这些缺点而研发的方法和新装置。发明专利“车牌识别方法”(申请公布号CN105320953A)通过照相机对监控范围内的过往车辆进行拍摄,然而它对安装条件和光照条件要求很高。
发明内容
为了解决上述的问题,本发明的目的在于提供一种基于三维激光扫描的车牌识别装置,能够基于车牌上凹凸的字符的三维表面点云数据实现车牌识别。
为实现本发明所述的内容,本发明提供一种基于三维激光扫描的车牌识别装置及其方法,包括三维激光扫描仪、计算机系统、龙门,所述三维激光扫描仪与计算机通过电气连接,所述计算机系统包括数据预处理模块、字符分割模块、数据存储模块、字符识别模块,所述三维激光扫描仪安装在龙门端的顶部。
一种基于三维激光扫描的车牌识别装置及其方法,其工作步骤是:
步骤1)三维激光扫描仪以低分辨对检测区域进行持续扫描;
步骤2)当车辆触碰虚拟触发线时,三维激光扫描仪对检测区域以高分辨进行持续扫描;
步骤3)当步骤2)没有进行时,重复步骤1),否则执行步骤4);
步骤4)三维激光扫描仪对车辆的高度和宽度、三维表面形貌进行检测,并把车辆检测信息发送给计算机的数据预处理模块,每个点的信息包括三维空间坐标数据和灰度数据;
步骤5)计算机系统的数据预处理模块接收并过滤非车牌范围内的数据点和周围的噪声数据点,从三维激光点云数据中提取出属于车牌点云数据,完成车牌的定位;
步骤6)计算机系统的字符分割模块从提取出的车牌点云数据中分割出车牌字符的点簇;
步骤7)计算机系统的数据存储模块将从车牌中分割出的字符点簇存入到车牌字符数据库,并将字符点簇数据传送给字符识别模块;
步骤8)计算机系统的字符识别模块将待识别的字符点簇数据输入给训练好的神经网络,最终完成对车牌字符的识别。
本发明的计算机系统是便携式计算机、台式机、工业控制计算机、DSP处理器其中一种及其软件系统组成。
本发明是一种基于三维激光扫描的车牌识别装置及其方法,该装置不易受光照的影响,能够基于车牌上凹凸的字符的三维表面点云数据实现车牌识别。
附图说明
图1是本发明的结构框图;
图2是本发明各模块和子模块之间的连接示意图;
图中1是三维激光扫描仪,2是计算机系统,3是龙门,4是虚拟触发线,5是数据预处理模块,6是字符分割模块,7是数据存储模块,8是字符识别模块。
具体实施方式
如图1所示,本具体实施例包括三维激光扫描仪1、计算机系统2、龙门3、虚拟触发线4。该装置中的三维激光扫描仪1与计算机系统2通过电气连接,所述计算机系统2包括数据预处理模块5、字符分割模块6、数据存储模块7、字符识别模块8。
本具体实施例的三维激光扫描仪1安装在龙门3的顶部。车辆的检测区域在三维激光扫描仪1的工作范围内。
本具体实施例的三维激光扫描仪1是徕卡三维激光扫描仪HDS7000。本具体实施例的计算机系统2为一台工业控制计算机,具体型号为研华IPC-610L。
本具体实施例的汽车车牌长度为440mm,高度为140mm;从三维激光扫描仪分辨率考虑,要求车牌字符突出车牌背景2mm以上。
本具体实施例中,在VC6.0开发平台上用C++语言开发得到计算机系统软件。三维激光扫描仪1由SOPAS_ET软件通过以太网和计算机系统2连接。三维激光扫描仪1以高分辨率工作时,三维激光扫描仪1的扫描速度是1016000点/秒。三维激光扫描仪1以低分辨率工作时,此时三维激光扫描仪1的扫描速度是50000点/秒。
本具体实施例为实现识别车牌的目标,包含如下工作步骤:
步骤1)三维激光扫描仪1以低分辨对检测区域进行持续扫描;
步骤2)当车辆触碰虚拟触发线4时,三维激光扫描仪1对检测区域以高分辨进行持续扫描;
步骤3)当步骤2)没有进行时,重复步骤1),否则执行步骤4);
步骤4)三维激光扫描仪1对车辆的高度和宽度、三维表面形貌进行检测,并把车辆检测信息发送给计算机的数据预处理模块5,每个点的信息包括三维空间坐标数据和灰度信息;
步骤5)计算机系统2的数据预处理模块5接收并过滤非车牌范围内的数据点和周围的噪声数据点,从三维激光点云数据中提取出属于车牌点云数据,完成车牌的定位;
步骤6)计算机系统2的字符分割模块6从提取出的车牌点云数据中分割出车牌字符的点簇;
步骤7)计算机系统2的数据存储模块7将从车牌中分割出的字符点簇存入到车牌字符数据库,并将字符点簇数据传送给字符识别模块8;
步骤8)计算机系统2的字符识别模块8将待识别的字符点簇数据输入给训练好的神经网络,最终完成对车牌字符的识别。
本具体实施例中为了实现步骤4)的车辆的三维数据采集,所述三维激光扫描仪的扫描范围设置为180°,选择0.25分度进行扫描,以便于分割出车牌背景和车牌字符的点簇。
本具体实施例中,先将字符的点簇进行提取及归一化,并将其作为输入,将深层卷积神经网络和soft-max分类器相结合,设计出字符点簇的特征提取神经网络。
本具体实施例中,所建立的字符识别神经网络所包含的n路soft-max回归层的输出个数为n,代表车牌字符的种类数为n,每个值代表了属于该类别的概率值,预测标签值y∈{1,2,...,n},即:
αi=P(y=i|α) (1)
表示属于第i个种类的概率值,i∈n,显然有:
对于第n类的预测值有:
最终可以推导出:
其中soft-max回归层的参数集为θj={Wj-bj},j∈{1,2,...,n}。
本具体实施例中,由于车牌中的数字与字母一共有36类。在神经网络训练时,其中每类都使用了500个训练样本点簇。通过不断的参数调整,确定神经网络有三个隐层,它们包含的神经元个数分别为300、150、50。将建立的神经网络模型利用训练样本数据进行迭代训练,迭代次数设置为5000次,并保存训练得到的权值矩阵,得到训练好的神经网络模型。
本具体实施例中,三维激光扫描仪1获取的数据点通过数据分割处理将点云分组,每组表示一个物体,分类后的组称为聚类。聚类将一帧激光雷达数据分割为几个点簇,其中包含了车牌和非车牌的点簇。聚类的判断规则如下:
本具体实施例中:
本具体实施例中,rmin={rk,rk+1},rk,k+1=|rk-rk+1|为相邻2个激光雷达的距离。φ为激光雷达角分辨率,本文设φ=0.25°,C0用来调节激光雷达的纵向误差。由经验值给定,这里设C0=0.001。式(5)的物理含义为:当相邻2个激光雷达距离小于某个阀值时,可以视为同一个物体。
本具体实施例中,长度为D的车牌,宽度为K的车牌,接收到激光点的数目n与s的关系为:
θ取值为0.25度,随着d的增加,n减小。
由于车牌距离激光雷达远近不同时对应的采集点的数量不同,因此提供一种根据车牌高度和宽度信息的聚类算法。车牌长度和宽度的计算分别如下:
w=(r2 up+r2 under-2ruprundercos θ1)1/2 (9)
w=(r2 left+r2 right-2rleftrrightcos θ2)1/2 (10)
本具体实施例中,rleft、rright分别为某一点集左、右边界上的距离,rup、runder分别为某一点集上、下边界上的距离;θ2为从左边界到右边界的角度。θ1为从上边界到下边界的角度。本具体实施例中的标准车牌的长度是440mm,宽度为140mm,这里将此长度和宽度作为阈值,通过该聚类算法可以分割出车牌的点簇。
本具体实施例中,字符要求突出车牌背景2mm以上,车牌点簇信息包括了车牌背景和车牌字符的灰度信息,以2mm为阀值并根据不同的颜色信息可以分割出字符点簇。
本具体实施例中,将车牌中分割出的字符点簇存入到车牌字符数据库,并将字符点簇数据传送给字符识别模块8,字符识别模块8将待识别的字符点簇数据输入给训练好的神经网络,最终完成对车牌字符的识别。
应当说明的是,以上所述仅为本发明的示例性描述,并非对本发明任何形式上的限制。在不脱离本发明设计构思的前提下,本领域普通技术人员对本发明的技术方案做出的各种变型和改进,均应属于本发明所附权利要求的保护范围。
Claims (2)
1.一种基于三维激光扫描的车牌识别装置,包括三维激光扫描仪、计算机系统、龙门,其特征在于,所述三维激光扫描仪与计算机系统通过电气连接,所述计算机系统包括数据预处理模块、字符分割模块、数据存储模块、字符识别模块,所述三维激光扫描仪安装在龙门端的顶部,本装置为识别出车牌字符,执行以下步骤:
步骤1)三维激光扫描仪以低分辨对检测区域进行持续扫描;
步骤2)当车辆触碰虚拟触发线时,三维激光扫描仪对检测区域以高分辨进行持续扫描;
步骤3)当步骤2)没有进行时,重复步骤1),否则执行步骤4);
步骤4)三维激光扫描仪对车辆的高度和宽度、三维表面形貌进行检测,并把车辆检测信息发送给计算机的数据预处理模块,每个点的信息包括三维空间坐标数据和灰度数据;
步骤5)计算机系统的数据预处理模块接收并过滤非车牌范围内的数据点和周围的噪声数据点,提取出属于车牌的点云数据,完成车牌的定位,其中车牌长度D和宽度K的计算分别如下:
K=(r2 up+r2 under-2ruprundercosθ1)1/2 (9)
D=(r2 left+r2 right-2rleftrrightcosθ2)1/2 (10)
其中,rleft、rright分别为某一点集左、右边界上的距离,rup、runder分别为某一点集上、下边界上的距离;θ2为从左边界到右边界的角度;θ1为从上边界到下边界的角度;以车牌的长度D和宽度K作为阈值,分割出车牌的点簇;
步骤6)计算机系统的字符分割模块,根据车牌表面字符相对于车牌背景的凸起高度设定为凸起阈值,基于该凸起阈值和字符的灰度信息从提取出的车牌点云数据中分割出车牌字符的点簇;其中,聚类将一帧激光雷达数据分割为几个点簇,其中包含了车牌和非车牌的点簇;聚类的判断规则如下:
其中rk和rk+1分别为相邻2个激光雷达扫描点与激光雷达的距离,rmin=min{rk,rk+1},rk,k+1=|rk-rk+1|为相邻2个激光雷达扫描点距离差的绝对值,φ为激光雷达角分辨率,C0用来调节激光雷达的纵向误差;当相邻2个激光雷达距离设定距离阀值时,视为同一个物体;
步骤7)计算机系统的数据存储模块将从车牌中分割出的字符点簇存入到车牌字符数据库,并将字符点簇数据传送给字符识别模块;
步骤8)计算机系统的字符识别模块将待识别的字符点簇数据输入给训练好的神经网络,最终完成对车牌字符的识别。
2.按照权利要求1所述的一种基于三维激光扫描的车牌识别装置,其特征在于,所述计算机系统是便携式计算机、台式机、工业控制计算机、DSP处理器其中一种及其软件系统组成。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810044325.8A CN108345884B (zh) | 2018-01-11 | 2018-01-11 | 一种基于三维激光扫描的车牌识别装置及其方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810044325.8A CN108345884B (zh) | 2018-01-11 | 2018-01-11 | 一种基于三维激光扫描的车牌识别装置及其方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108345884A CN108345884A (zh) | 2018-07-31 |
CN108345884B true CN108345884B (zh) | 2023-07-28 |
Family
ID=62961497
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810044325.8A Active CN108345884B (zh) | 2018-01-11 | 2018-01-11 | 一种基于三维激光扫描的车牌识别装置及其方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108345884B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109709564B (zh) * | 2018-12-05 | 2020-08-28 | 交控科技股份有限公司 | 一种基于激光雷达单线检测的屏蔽门防夹系统和方法 |
CN110046561A (zh) * | 2019-03-29 | 2019-07-23 | 贵阳铝镁设计研究院有限公司 | 一种基于三维视觉的电解铝阳极炭块表面钢印识别方法 |
CN111915901B (zh) * | 2020-08-12 | 2021-10-08 | 上海电科市政工程有限公司 | 用于电子治超的多维度车辆特征精确实时判定系统 |
CN114999051B (zh) * | 2022-06-16 | 2024-07-05 | 广州晟烨信息科技股份有限公司 | 一种智慧社区平台安防监控系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102375982A (zh) * | 2011-10-18 | 2012-03-14 | 华中科技大学 | 一种融合多字符特征的车牌定位方法 |
CN103279996A (zh) * | 2013-05-06 | 2013-09-04 | 华南理工大学 | 一种多车道情况下的车辆信息检测与识别系统 |
CN204043621U (zh) * | 2014-08-15 | 2014-12-24 | 青岛市光电工程技术研究院 | 基于物扫描光学系统的双激光器不停车超宽超高检测装置 |
CN105787524A (zh) * | 2014-12-26 | 2016-07-20 | 中国科学院沈阳自动化研究所 | 基于OpenCV的车牌识别方法及系统 |
CN105809668A (zh) * | 2016-01-15 | 2016-07-27 | 武汉武大卓越科技有限责任公司 | 基于线扫描三维点云的物体表面变形特征提取方法 |
CN106127153A (zh) * | 2016-06-24 | 2016-11-16 | 南京林业大学 | 车载激光扫描点云数据的交通标牌识别方法 |
-
2018
- 2018-01-11 CN CN201810044325.8A patent/CN108345884B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102375982A (zh) * | 2011-10-18 | 2012-03-14 | 华中科技大学 | 一种融合多字符特征的车牌定位方法 |
CN103279996A (zh) * | 2013-05-06 | 2013-09-04 | 华南理工大学 | 一种多车道情况下的车辆信息检测与识别系统 |
CN204043621U (zh) * | 2014-08-15 | 2014-12-24 | 青岛市光电工程技术研究院 | 基于物扫描光学系统的双激光器不停车超宽超高检测装置 |
CN105787524A (zh) * | 2014-12-26 | 2016-07-20 | 中国科学院沈阳自动化研究所 | 基于OpenCV的车牌识别方法及系统 |
CN105809668A (zh) * | 2016-01-15 | 2016-07-27 | 武汉武大卓越科技有限责任公司 | 基于线扫描三维点云的物体表面变形特征提取方法 |
CN106127153A (zh) * | 2016-06-24 | 2016-11-16 | 南京林业大学 | 车载激光扫描点云数据的交通标牌识别方法 |
Also Published As
Publication number | Publication date |
---|---|
CN108345884A (zh) | 2018-07-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108345884B (zh) | 一种基于三维激光扫描的车牌识别装置及其方法 | |
CN109101924B (zh) | 一种基于机器学习的路面交通标志识别方法 | |
CN107292291B (zh) | 一种车辆识别方法和系统 | |
CN107563372B (zh) | 一种基于深度学习ssd框架的车牌定位方法 | |
CN109711264B (zh) | 一种公交车道占道检测方法及装置 | |
CN107153817B (zh) | 行人重识别数据标注方法和装置 | |
CN104036241B (zh) | 一种车牌识别方法 | |
JP2016062610A (ja) | 特徴モデル生成方法及び特徴モデル生成装置 | |
US11587327B2 (en) | Methods and systems for accurately recognizing vehicle license plates | |
CN108830246B (zh) | 一种交通环境行人多维运动特征视觉提取方法 | |
CN105825212A (zh) | 一种基于Hadoop的分布式车牌识别方法 | |
CN108334881A (zh) | 一种基于深度学习的车牌识别方法 | |
CN110222572A (zh) | 跟踪方法、装置、电子设备及存储介质 | |
CN109886086B (zh) | 基于hog特征和线性svm级联分类器的行人检测方法 | |
Abidin et al. | A systematic review of machine-vision-based smart parking systems | |
CN109948433A (zh) | 一种嵌入式人脸跟踪方法及装置 | |
CN104156701A (zh) | 一种基于决策树和svm的车牌相似字符识别方法 | |
CN114120150B (zh) | 一种基于无人机成像技术的道路目标检测方法 | |
CN102043963A (zh) | 一种图像人数识别统计方法 | |
CN104751197A (zh) | 基于视频分析的车辆行驶中驾驶员人脸识别装置及其识别方法 | |
CN113673527A (zh) | 一种车牌识别方法及系统 | |
CN110727269B (zh) | 车辆控制方法及相关产品 | |
CN112861682A (zh) | 基于朴素贝叶斯云计算路面图像采集分类方法及其装置 | |
Huang et al. | Chinese license plate detection based on deep neural network | |
Chen et al. | Lane detection algorithm based on inverse perspective mapping |
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 |