CN108389177A - 一种车辆保险杠破损检测方法及交通安全预警方法 - Google Patents

一种车辆保险杠破损检测方法及交通安全预警方法 Download PDF

Info

Publication number
CN108389177A
CN108389177A CN201711364075.8A CN201711364075A CN108389177A CN 108389177 A CN108389177 A CN 108389177A CN 201711364075 A CN201711364075 A CN 201711364075A CN 108389177 A CN108389177 A CN 108389177A
Authority
CN
China
Prior art keywords
vehicle bumper
vehicle
testing method
damage testing
coordinate
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
CN201711364075.8A
Other languages
English (en)
Other versions
CN108389177B (zh
Inventor
陈洪
张仁辉
张景
郑翔
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.)
Guangzhou Fiberhome Zhongzhi Digital Technology Co Ltd
Original Assignee
Guangzhou Fiberhome Zhongzhi Digital 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 Guangzhou Fiberhome Zhongzhi Digital Technology Co Ltd filed Critical Guangzhou Fiberhome Zhongzhi Digital Technology Co Ltd
Priority to CN201711364075.8A priority Critical patent/CN108389177B/zh
Publication of CN108389177A publication Critical patent/CN108389177A/zh
Application granted granted Critical
Publication of CN108389177B publication Critical patent/CN108389177B/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
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • G06T7/0008—Industrial image inspection checking presence/absence
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • 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
    • G06T7/136—Segmentation; Edge detection involving thresholding
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G01N2021/8887—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges based on image processing techniques
    • 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
    • G06T2207/10004—Still image; Photographic image
    • 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
    • G06T2207/30248—Vehicle exterior or interior
    • G06T2207/30252—Vehicle exterior; Vicinity of vehicle

Abstract

本发明公开了一种车辆保险杠破损检测方法及交通安全预警方法，其中破损检测方法包括以下步骤：采用前端设备抓拍过车图像，对车辆保险杠区域坐标进行检测，截取车辆保险杠子图片，检测车辆左、右边缘，然后进行中轴线定位；对中轴线左右两边的对称区域进行特征比对，比对结果为一幅二值图；根据二值图判断车辆保险杠是否破损。本发明通过抓拍道路上行进车辆的图片，通过对车辆左右对称区域的特征对比实现对车辆保险杠是否存在破损进行检测，对抓拍图片清晰度的依赖性较低，检测速度快、准确度高，可用于为交通案件提供有效线索，利于交通案件的侦破。本发明作为一种车辆保险杠破损检测方法及交通安全预警方法可广泛应用于智能交通领域。

Description

一种车辆保险杠破损检测方法及交通安全预警方法
技术领域
本发明涉及智能交通领域，尤其是一种车辆保险杠破损检测方法及交通安全预警方法。
背景技术
在道路交通中，车辆相撞的交通事故时有发生，一般都会造成车辆不同程度的破损，而车辆保险杠破损是常见的，因此需要重点关注，检测道路交通中保险杠破损的车辆，可以为交通案件提供有效线索，有利于该类案件的侦破。
现有技术中的破损检测方法通常用于生产线上的质量检测，不存在复杂的环境因素干扰，图像背景单一，容易控制调整，获取的图像也清晰，通过简单的算法即可实现精确的破损检测。
发明内容
为了解决上述技术问题，本发明的目的是：提供一种在交通道路中实现实时精确检测的车辆保险杠破损检测方法。
为了解决上述技术问题，本发明的另一目的是：提供一种通过车辆保险杠破损检测实现的交通安全预警方法。
本发明所采用的技术方案是：一种车辆保险杠破损检测方法，包括有以下步骤：
A、采用前端设备对过车的正面图像进行抓拍，对抓拍图像中的车辆保险杠区域坐标进行检测；
B、根据车辆保险杠区域坐标检测的结果截取车辆保险杠子图片，对车辆保险杠子图片进行车辆左、右边缘检测，然后进行中轴线定位；
C、以中轴线为对称轴，对该对称轴左右两边的对称区域进行特征比对，比对结果为一幅二值图；
D、根据二值图判断车辆保险杠是否破损。
进一步，所述步骤A中对抓拍图像中的车辆保险杠区域坐标进行检测之前，还包括有对抓拍图像进行纠偏处理的步骤。
进一步，所述步骤A中对抓拍图像中的车辆保险杠区域坐标进行检测的具体方法为：
根据抓拍图像提取车牌区域坐标，计算车牌中心坐标；
以车牌中心坐标为基准，设定一个矩形内的区域坐标为车辆保险杠区域坐标。
进一步，所述步骤A中对抓拍图像中的车辆保险杠区域坐标进行检测的具体方法为：
根据抓拍图像识别车辆型号，并提取车牌区域坐标，计算车牌中心坐标；
以车牌中心坐标为基准，根据车辆型号设定一个矩形内的区域坐标为车辆保险杠区域坐标。
进一步，所述步骤B中对车辆保险杠子图片进行车辆左、右边缘检测的具体步骤为：
对车辆保险杠子图片进行sobel算子检测，得到的图片进行垂直方向的投影处理，形成列像素值和数组C；
从左向右遍历列像素值和数组C的左半部份，若
C(i+1)+C(i+2)+C(i+3)-C(i-1)-C(i-2)-C(i-3)>边缘检测阈值
则判定第i列为车辆左边缘；
从右向左遍历列像素值和数组C的右半部份，若
C(i-1)+C(i-2)+C(i-3)-C(i+1)-C(i+2)-C(i+3)>边缘检测阈值
则判定第i列为车辆右边缘。
进一步，所述步骤B中对车辆保险杠子图片进行中轴线定位的具体步骤为：取车辆左边缘和车辆右边缘的对称轴为中轴线。
进一步，所述步骤C中以中轴线为对称轴，对该对称轴左右两边的对称区域进行特征比对的具体步骤为：
以中轴线为对称轴，将对车辆保险杠子图片进行sobel算子检测后得到的图像分为左右两个区域；
将左右两个区域分为m×n个矩形的子区域，创建尺寸为m×n的二值图D；
判断左右两个区域中关于中轴线对称的子区域是否相似，若相似则给二值图中的对应点赋值D(j,k)＝0，否则赋值D(j,k)＝1，其中j＝1,…,m，k＝1,…,n。
进一步，所述判断左右两个区域中关于中轴线对称的子区域是否相似这一步骤，具体为：比对左右两个区域中关于中轴线对称的子区域，若左右两个子区域中关于中轴线对称的坐标点的像素值差值小于设定阈值，则判断该位置的像素值相同，若该子区域内像素值相同的像素个数与子区域像素总数的之比大于比例阈值，则判断两个区域中关于中轴线对称的子区域相似。
进一步，所述步骤D具体包括有以下子步骤：
对二值图进行8邻域连通区域标记；
对于标记的目标，计算目标的像素个数为pixelCount；占空比为AreaRatio；
如果pixelCount<像素个数阈值，且AreadRatio<占空比阈值，则判定该车辆保险杠正常，否则判定该车辆保险杠破损。
本发明所采用的另一技术方案是：一种基于上述车辆保险杠破损检测方法的交通安全预警方法，包括有以下步骤：若判定车辆保险杠破损，则提取抓拍图像中的车辆信息，并将车辆信息以及车辆保险杠破损的信息上传至终端服务器；所述车辆信息包括有车辆型号、车牌号和车辆颜色。
本发明的有益效果是：通过抓拍道路上行进车辆的图片，通过对车辆左右对称区域的特征对比实现对车辆保险杠是否存在破损进行检测，对抓拍图片清晰度的依赖性较低，检测速度快、准确度高，可用于为交通案件提供有效线索，利于交通案件的侦破。
附图说明
图1为本发明方法的步骤流程图。
具体实施方式
下面结合附图对本发明的具体实施方式作进一步说明：
参照图1，一种车辆保险杠破损检测方法，包括有以下步骤：
A、采用前端设备对过车的正面图像进行抓拍，对抓拍图像中的车辆保险杠区域坐标进行检测；
B、根据车辆保险杠区域坐标检测的结果截取车辆保险杠子图片，对车辆保险杠子图片进行车辆左、右边缘检测，然后进行中轴线定位；
C、以中轴线为对称轴，对该对称轴左右两边的对称区域进行特征比对，比对结果为一幅二值图；
D、根据二值图判断车辆保险杠是否破损。
进一步作为优选的实施方式，所述步骤A中对抓拍图像中的车辆保险杠区域坐标进行检测之前，还包括有对抓拍图像进行纠偏处理的步骤。
对抓拍图像中的车辆保险杠区域坐标进行检测的方法有多种，例如对图片先进行边缘检测获取车辆轮廓，再基于车辆轮廓提取车辆保险杠区域。本发明中，进一步作为优选的实施方式，所述步骤A中对抓拍图像中的车辆保险杠区域坐标进行检测的具体方法为：
根据抓拍图像提取车牌区域坐标，计算车牌中心坐标；
以车牌中心坐标为基准，设定一个矩形内的区域坐标为车辆保险杠区域坐标。
进一步作为优选的实施方式，所述步骤A中对抓拍图像中的车辆保险杠区域坐标进行检测的具体方法为：
根据抓拍图像识别车辆型号，并提取车牌区域坐标，计算车牌中心坐标；
以车牌中心坐标为基准，根据车辆型号设定一个矩形内的区域坐标为车辆保险杠区域坐标；
假设车牌中心坐标(x,y)，车牌宽度为width,车牌高度为height；
根据车辆型号判断为大型车时，车牌保险杠坐标为：
宽度方向(x-4*width,x+4*width)，高度方向(y-5*height,y+5*height)；
根据车辆型号判断为小型车时，车牌保险杠坐标为：
宽度方向(x-3*width,x+3*width)，高度方向(y-4*height,y+4*height)。
进一步作为优选的实施方式，所述步骤B中对车辆保险杠子图片进行车辆左、右边缘检测的具体步骤为：
对车辆保险杠子图片进行sobel算子检测，得到的图片进行垂直方向的投影处理，形成列像素值和数组C，即数组C的每一个元素对应相应图片的垂直方向每一列的像素值的和；
从左向右遍历列像素值和数组C的左半部份，若
C(i+1)+C(i+2)+C(i+3)-C(i-1)-C(i-2)-C(i-3)>边缘检测阈值
则判定第i列为车辆左边缘；
从右向左遍历列像素值和数组C的右半部份，若
C(i-1)+C(i-2)+C(i-3)-C(i+1)-C(i+2)-C(i+3)>边缘检测阈值
则判定第i列为车辆右边缘。
进一步作为优选的实施方式，所述步骤B中对车辆保险杠子图片进行中轴线定位的具体步骤为：取车辆左边缘Lleft和车辆右边缘Lright的对称轴为中轴线Lcenter：
Lcenter＝(Lleft+Lright)/2。
进一步作为优选的实施方式，所述步骤C中以中轴线为对称轴，对该对称轴左右两边的对称区域进行特征比对的具体步骤为：
以中轴线为对称轴，将对车辆保险杠子图片进行sobel算子检测后得到的图像分为左右两个区域；
将左右两个区域分为m×n个矩形的子区域，创建尺寸为m×n的二值图D；
判断左右两个区域中关于中轴线对称的子区域是否相似，若相似则给二值图中的对应点赋值D(j,k)＝0，否则赋值D(j,k)＝1，其中j＝1,…,m，k＝1,…,n。若采用现有技术中生产线上的破损检测方法，通常需要进行像素点级别精度的检测，而在道路交通获取的过路车辆图片通常无法做到如此精度，因此本发明实施例中通过划分子区域进行对比判断相似度，在图片清晰度有限的情况下提高了检测的准确性。
进一步作为优选的实施方式，所述判断左右两个区域中关于中轴线对称的子区域是否相似这一步骤，具体为：比对左右两个区域中关于中轴线对称的子区域，若左右两个子区域中关于中轴线对称的坐标点的像素值差值小于设定阈值，即|left(x,y)-right(x,y)|<设定阈值，则判断该位置的像素值相同，其中left(x,y)与right(x,y)为相对于中轴线的对称点，例如left(x,y)表示从中轴线向左数第x列第y行的像素点，相应的，right(x,y)表示从中轴线向右数第x列第y行的像素点；若该子区域内像素值相同的像素个数TotalSamePixels与子区域像素总数的之比大于比例阈值，则判断两个区域中关于中轴线对称的子区域相似，给二值图中的对应点赋值D(j,k)＝0，否则赋值D(j,k)＝1，其中j＝1,…,m，k＝1,…,n。比例阈值可根据具体情况设置，通常可设定为0.6。
进一步作为另一优选的实施方式，所述判断左右两个区域中关于中轴线对称的子区域是否相似这一步骤，具体为：比对左右两个区域中关于中轴线对称的子区域，若左右两个子区域中所有关于中轴线对称的坐标点的像素值差值平方的和∑[left(x,y)-right(x,y)]2小于某个设定阈值，则判断左右两个区域中关于中轴线对称的子区域相似，给二值图中的对应点赋值D(j,k)＝0，否则赋值D(j,k)＝1，其中j＝1,…,m，k＝1,…,n。
进一步作为优选的实施方式，所述步骤D具体包括有以下子步骤：
对二值图进行8邻域连通区域标记；
对于标记的目标，计算目标的像素个数为pixelCount；占空比为AreaRatio；
如果pixelCount<像素个数阈值，且AreadRatio<占空比阈值，则判定该车辆保险杠正常，否则判定该车辆保险杠破损。
一种基于上述车辆保险杠破损检测方法的交通安全预警方法，包括有以下步骤：若判定车辆保险杠破损，则提取抓拍图像中的车辆信息，并将车辆信息以及车辆保险杠破损的信息上传至终端服务器；所述车辆信息包括有车辆型号、车牌号和车辆颜色。
以上是对本发明的较佳实施进行了具体说明，但本发明创造并不限于所述实施例，熟悉本领域的技术人员在不违背本发明精神的前提下还可以作出种种的等同变换或替换，这些等同的变形或替换均包含在本申请权利要求所限定的范围内。

Claims (10)

1.一种车辆保险杠破损检测方法，其特征在于，包括有以下步骤：
A、采用前端设备对过车的正面图像进行抓拍，对抓拍图像中的车辆保险杠区域坐标进行检测；
B、根据车辆保险杠区域坐标检测的结果截取车辆保险杠子图片，对车辆保险杠子图片进行车辆左、右边缘检测，然后进行中轴线定位；
C、以中轴线为对称轴，对该对称轴左右两边的对称区域进行特征比对，比对结果为一幅二值图；
D、根据二值图判断车辆保险杠是否破损。
2.根据权利要求1所述的一种车辆保险杠破损检测方法，其特征在于：所述步骤A中对抓拍图像中的车辆保险杠区域坐标进行检测之前，还包括有对抓拍图像进行纠偏处理的步骤。
3.根据权利要求1所述的一种车辆保险杠破损检测方法，其特征在于：所述步骤A中对抓拍图像中的车辆保险杠区域坐标进行检测的具体方法为：
根据抓拍图像提取车牌区域坐标，计算车牌中心坐标；
以车牌中心坐标为基准，设定一个矩形内的区域坐标为车辆保险杠区域坐标。
4.根据权利要求1所述的一种车辆保险杠破损检测方法，其特征在于：所述步骤A中对抓拍图像中的车辆保险杠区域坐标进行检测的具体方法为：
根据抓拍图像识别车辆型号，并提取车牌区域坐标，计算车牌中心坐标；
以车牌中心坐标为基准，根据车辆型号设定一个矩形内的区域坐标为车辆保险杠区域坐标。
5.根据权利要求1所述的一种车辆保险杠破损检测方法，其特征在于：所述步骤B中对车辆保险杠子图片进行车辆左、右边缘检测的具体步骤为：
对车辆保险杠子图片进行sobel算子检测，得到的图片进行垂直方向的投影处理，形成列像素值和数组C；
从左向右遍历列像素值和数组C的左半部份，若C(i+1)+C(i+2)+C(i+3)-C(i-1)-C(i-2)-C(i-3)>边缘检测阈值则判定第i列为车辆左边缘；
从右向左遍历列像素值和数组C的右半部份，若C(i-1)+C(i-2)+C(i-3)-C(i+1)-C(i+2)-C(i+3)>边缘检测阈值则判定第i列为车辆右边缘。
6.根据权利要求1所述的一种车辆保险杠破损检测方法，其特征在于：所述步骤B中对车辆保险杠子图片进行中轴线定位的具体步骤为：取车辆左边缘和车辆右边缘的对称轴为中轴线。
7.根据权利要求5所述的一种车辆保险杠破损检测方法，其特征在于：所述步骤C中以中轴线为对称轴，对该对称轴左右两边的对称区域进行特征比对的具体步骤为：
以中轴线为对称轴，将对车辆保险杠子图片进行sobel算子检测后得到的图像分为左右两个区域；
将左右两个区域分为m×n个矩形的子区域，创建尺寸为m×n的二值图D；
判断左右两个区域中关于中轴线对称的子区域是否相似，若相似则给二值图中的对应点赋值D(j,k)＝0，否则赋值D(j,k)＝1，其中j＝1,…,m，k＝1,…,n。
8.根据权利要求7所述的一种车辆保险杠破损检测方法，其特征在于：所述判断左右两个区域中关于中轴线对称的子区域是否相似这一步骤，具体为：比对左右两个区域中关于中轴线对称的子区域，若左右两个子区域中关于中轴线对称的坐标点的像素值差值小于设定阈值，则判断该位置的像素值相同，若该子区域内像素值相同的像素个数与子区域像素总数的之比大于比例阈值，则判断两个区域中关于中轴线对称的子区域相似。
9.根据权利要求1所述的一种车辆保险杠破损检测方法，其特征在于，所述步骤D具体包括有以下子步骤：
对二值图进行8邻域连通区域标记；
对于标记的目标，计算目标的像素个数为pixelCount；占空比为AreaRatio；
如果pixelCount<像素个数阈值，且AreadRatio<占空比阈值，则判定该车辆保险杠正常，否则判定该车辆保险杠破损。
10.一种基于权利要求1-9中任一权利要求所述车辆保险杠破损检测方法的交通安全预警方法，其特征在于，包括有以下步骤：若判定车辆保险杠破损，则提取抓拍图像中的车辆信息，并将车辆信息以及车辆保险杠破损的信息上传至终端服务器；所述车辆信息包括有车辆型号、车牌号和车辆颜色。
CN201711364075.8A 2017-12-18 2017-12-18 一种车辆保险杠破损检测方法及交通安全预警方法 Active CN108389177B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711364075.8A CN108389177B (zh) 2017-12-18 2017-12-18 一种车辆保险杠破损检测方法及交通安全预警方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711364075.8A CN108389177B (zh) 2017-12-18 2017-12-18 一种车辆保险杠破损检测方法及交通安全预警方法

Publications (2)

Publication Number Publication Date
CN108389177A true CN108389177A (zh) 2018-08-10
CN108389177B CN108389177B (zh) 2021-10-08

Family

ID=63076199

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711364075.8A Active CN108389177B (zh) 2017-12-18 2017-12-18 一种车辆保险杠破损检测方法及交通安全预警方法

Country Status (1)

Country Link
CN (1) CN108389177B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110611816A (zh) * 2019-03-04 2019-12-24 朱桂娟 大数据压缩编码方法
CN114120629A (zh) * 2021-10-13 2022-03-01 中国铁建电气化局集团有限公司 基于交通控制设备的车辆控制方法、装置、设备及介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101178367A (zh) * 2007-09-21 2008-05-14 天津大学 一种陶瓷加工表面损伤检测系统
CN102254152A (zh) * 2011-06-17 2011-11-23 东南大学 基于彩色跳变点和颜色密度的车牌定位方法
CN102663744A (zh) * 2012-03-22 2012-09-12 杭州电子科技大学 梯度点对约束下的复杂道路检测方法
US20150042787A1 (en) * 2013-08-09 2015-02-12 Hunter Engineering Company Method and Apparatus For Utilizing Wheel Profile Data During Wheel Assembly Service Procedures

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101178367A (zh) * 2007-09-21 2008-05-14 天津大学 一种陶瓷加工表面损伤检测系统
CN102254152A (zh) * 2011-06-17 2011-11-23 东南大学 基于彩色跳变点和颜色密度的车牌定位方法
CN102663744A (zh) * 2012-03-22 2012-09-12 杭州电子科技大学 梯度点对约束下的复杂道路检测方法
US20150042787A1 (en) * 2013-08-09 2015-02-12 Hunter Engineering Company Method and Apparatus For Utilizing Wheel Profile Data During Wheel Assembly Service Procedures

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110611816A (zh) * 2019-03-04 2019-12-24 朱桂娟 大数据压缩编码方法
CN114120629A (zh) * 2021-10-13 2022-03-01 中国铁建电气化局集团有限公司 基于交通控制设备的车辆控制方法、装置、设备及介质

Also Published As

Publication number Publication date
CN108389177B (zh) 2021-10-08

Similar Documents

Publication Publication Date Title
Bilal et al. Real-time lane detection and tracking for advanced driver assistance systems
CN107392103B (zh) 路面车道线的检测方法及装置、电子设备
CN107590470B (zh) 一种车道线检测方法及装置
CN103996053B (zh) 基于机器视觉的车道偏离报警方法
CN105206109B (zh) 一种基于红外ccd的车辆雾天识别预警系统及方法
CN109299674B (zh) 一种基于车灯的隧道违章变道检测方法
CN104700072B (zh) 基于车道线历史帧的识别方法
CN107891808B (zh) 行车提醒方法、装置及车辆
CN108528336A (zh) 一种车辆压线提前预警系统
CN104966049B (zh) 基于图像的货车检测方法
CN109635737B (zh) 基于道路标记线视觉识别辅助车辆导航定位方法
WO2013129361A1 (ja) 立体物検出装置
CN104376297A (zh) 道路上的线型指示标志的检测方法和装置
CN107392139A (zh) 一种基于霍夫变换的车道线检测方法及终端设备
CN105678287B (zh) 一种基于脊度量的车道线检测方法
CN108198417B (zh) 一种基于无人机的道路巡检系统
CN106951898B (zh) 一种车辆候选区域推荐方法及系统、电子设备
CN109753841B (zh) 车道线识别方法和装置
CN103021179A (zh) 基于实时监控视频中的安全带检测方法
CN108304749A (zh) 道路减速线识别方法、装置及车辆
CN106778480A (zh) 一种基于车牌的高精度近距离车距测量方法
CN102169583B (zh) 基于车窗定位的车辆遮挡检测与分割方法
CN108389177A (zh) 一种车辆保险杠破损检测方法及交通安全预警方法
CN111046741A (zh) 车道线识别的方法和装置
CN104463170A (zh) 一种卡口系统下基于多重检测的无牌车辆检测方法

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