CN108664841B - 一种基于激光点云的动静态目标物识别方法及装置 - Google Patents
一种基于激光点云的动静态目标物识别方法及装置 Download PDFInfo
- Publication number
- CN108664841B CN108664841B CN201710188951.XA CN201710188951A CN108664841B CN 108664841 B CN108664841 B CN 108664841B CN 201710188951 A CN201710188951 A CN 201710188951A CN 108664841 B CN108664841 B CN 108664841B
- Authority
- CN
- China
- Prior art keywords
- point cloud
- laser point
- frame
- cloud data
- dynamic
- 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
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
-
- 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
- G06T2207/10028—Range image; Depth image; 3D point clouds
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Optical Radar Systems And Details Thereof (AREA)
Abstract
本发明提供了一种基于激光点云的动静态目标物识别方法及装置,首先以设定的采样周期连续采集N个周期内的激光点云数据,对所述连续N帧激光点云数据进行聚类,并对连续N帧中的每一帧激光点云数据分别进行聚类。判断连续N帧激光点云数据的每一个聚类是否存在在当前帧的激光点云聚类中,如果存在,则判断存在在当前帧的激光点云聚类是否存在在第一帧的激光点云聚类中,如果不存在,则判断为当前点云聚类为动态目标物,如果存在,则根据连续N帧激光点云数据的分布情况判断当前点云聚类的动静态。通过本发明利用激光点云信息能够准确、快速地识别出目标物的动静态,识别准确率高。
Description
技术领域
本发明属于智能驾驶、辅助驾驶技术领域,特别涉及一种基于激光点云的动静态目标物识别方法及装置。
背景技术
智能驾驶及辅助驾驶领域通常使用激光雷达作为目标物检测的主要传感器,目标物检测是智能驾驶和辅助驾驶领域中感知环节的重要组成部分,通常使用的激光雷达目标物检测方法是在获取激光雷达点云后,对获取的激光雷达点云数据进行处理,完成对目标物的检测与识别,其中对于目标物动静态的识别尤为重要,并且对目标物动静态的识别的准确性直接影响到对于目标位置及速度识别和跟踪的准确性,目前对于目标物动静态识别的应用较少,由于激光点云在不同位置扫描后成像效果不同,主要利用采集的两帧激光点云数据之间目标物的位置变化来识别目标物的动静态。
但是如果前后两帧之间的采样时间间隔比较短,如果动态目标物的运动速度比较小,那么即使动态目标物运动了,可能会由于采样时间间隔比较短使前后两帧激光点云的成像效果基本一致,造成对动态目标物的误判,识别准确率低,因此仅仅依靠前后两帧的激光点云信息判断目标物的动静态是不够准确的。
发明内容
本发明的目的在于提供一种基于激光点云的动静态目标物识别方法及装置,用于解决现有技术中利用激光点云信息对目标物的动静态的识别准确率低的问题。
为实现上述目的,本发明的技术方案是:
一种基于激光点云的动静态目标物识别方法,,该方法包括如下步骤:
1)以设定的采样周期连续采集N个周期内的激光点云数据,得到连续N帧激光点云数据,其中,当前帧记为第N帧,当前帧的第前N-1帧记为第1帧,所述N大于2;
2)对所述连续N帧激光点云数据进行聚类,以确定N帧激光点云数据所包含的聚类;并对连续N帧中的每一帧激光点云数据分别进行聚类,以确定每一帧激光点云数据中所包含的聚类;
3)判断连续N帧激光点云数据的每一个聚类是否存在在当前帧的激光点云聚类中,如果存在,则判断存在在当前帧的激光点云聚类是否存在在第一帧的激光点云聚类中,如果不存在在第一帧的激光点云聚类中,则判断为当前点云聚类为动态目标物,如果存在在第一帧的激光点云聚类中,则根据连续N帧激光点云数据的分布情况判断当前点云聚类的动静态。
进一步地,所述聚类是将激光点云数据之间的距离小于设定阈值时定义为同一个目标物。
进一步地,步骤3)中激光点云数据的分布情况指的是点云数据所对应的目标物的运动轨迹。
进一步地,在聚类的过程中需将激光点云数据坐标转换成大地坐标。
本发明还提供了一种基于激光点云的动静态目标物识别装置,包括如下单元:
采集单元:用于以设定的采样周期连续采集N个周期内的激光点云数据,得到连续N帧激光点云数据,其中,当前帧记为第N帧,当前帧的第前N-1帧记为第1帧,所述N大于2;
聚类单元:用于对所述连续N帧激光点云数据进行聚类,以确定N帧激光点云数据所包含的聚类;并对连续N帧中的每一帧激光点云数据分别进行聚类,以确定每一帧激光点云数据中所包含的聚类;
判断单元:用于判断连续N帧激光点云数据的每一个聚类是否存在在当前帧的激光点云聚类中,如果存在,则判断存在在当前帧的激光点云聚类是否存在在第一帧的激光点云聚类中,如果不存在,则判断为当前点云聚类为动态目标物,如果存在,则根据连续N帧激光点云数据的分布情况判断当前点云聚类的动静态。
进一步地,所述聚类是将激光点云数据之间的距离小于设定阈值时定义为同一个目标物。
进一步地,激光点云数据的分布情况指的是点云数据所对应的目标物的运动轨迹。
进一步地,在聚类的过程中需将激光点云数据坐标转换成大地坐标。
本发明的有益效果是:
本发明以设定的采样周期连续采集N个周期内的激光点云数据,得到N帧激光点云数据,其中,当前帧记为第N帧,当前帧的第前N-1帧记为第1帧;对所述连续N帧激光点云数据进行聚类,得到不同种类的目标物;并对连续N帧中的每一帧激光点云数据分别进行聚类,判断连续N帧激光点云数据的每一个聚类是否存在在当前帧的激光点云聚类中,如果存在,则判断存在在当前帧的激光点云聚类是否存在在第一帧的激光点云聚类中,如果不存在,则判断为当前点云聚类为动态目标物,如果存在第一帧的激光点云聚类,则根据连续N帧激光点云数据的分布情况具体判断目标物的动静态。通过本发明利用激光点云信息能够准确、快速地识别出目标物的动静态,且识别准确率高。
附图说明
图1为本发明的基于激光点云的动静态目标物识别方法流程图。
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的说明:
本发明的一种基于激光点云的动静态目标物识别方法的实施例:
一种基于激光点云的动静态目标物识别方法,该方法包括如下步骤:
1、以设定的采样周期连续采集N个周期内的激光点云数据,得到连续N帧激光点云数据,其中,当前帧记为第N帧,当前帧的第前N-1帧记为第1帧;
2、对连续N帧激光点云数据进行聚类,以确定N帧激光点云数据所包含的聚类;并对连续N帧中的每一帧激光点云数据分别进行聚类,以确定每一帧激光点云数据中所包含的聚类;
3、判断连续N帧激光点云数据的每一个聚类是否存在在当前帧的激光点云聚类中,如果存在,则判断存在在当前帧的激光点云聚类是否存在在第一帧的激光点云聚类中,如果不存在在第一帧的激光点云聚类中,则判断为当前点云聚类为动态目标物,如果存在在第一帧的激光点云聚类中,则根据连续N帧激光点云数据的分布情况判断当前点云聚类的动静态。
本实施例中,聚类是指某一帧中激光点云数据之间的距离小于设定阈值的激光点云数据定义为同一个目标物,此距离已换算为大地坐标,为大地坐标系下的距离,换算为大地坐标系的过程为:原始激光点云数据为相对于激光雷达中心的位置,包括横向距离和纵向距离,结合此时惯导输出的激光雷达中心的经纬度坐标和航向角度,将点云数据相对于激光雷达的坐标转换为大地坐标。
本实施例中,连续N帧激光点云数据指包括当前帧在内的激光点云数据,以及前N-1个采样周期的激光点云数据,
本实施例中,激光点云数据的分布情况指通过分析动态和静态目标物多帧连续的激光点云数据及其时间戳分布情况。
下面以连续10帧激光点云数据为例来说明本发明的动静态目标物识别方法,如图1所示:
以设定的采样周期连续采集10个周期内的激光点云数据,得到10帧连续的激光点云数据,对连续10帧激光点云数据进行聚类,得到不同种类的目标物,该目标物包括动态目标物和静态目标物,连续10帧激光点云数据指包括当前帧在内的激光点云数据,以及前9个采集周期的激光点云,其中,当前帧记为第0帧,当前帧的前第9帧记为记为第-9帧,中间帧记为第-1~-8帧。
对连续10帧中的每一帧激光点云数据进行聚类,找到属于同一类目标物的物体,得到不同种类的目标物,每一帧数据中包括有几种不同种类的目标物。
判断连续N帧激光点云数据的每一个聚类是否存在在当前帧的激光点云聚类中,如果存在,则判断存在在当前帧的激光点云聚类是否存在在第一帧的激光点云聚类中,如果不存在,则判断为当前点云聚类为动态目标物,这种情况只有在目标物为动态,且目标物运动速度较大时出现。可以理解为若采集的第-9帧的激光点云的聚类中包括有某种目标物,但是在第0帧的激光点云聚类中不包括有该种目标物,则说明该目标物发生了移动,是动态目标物。
若存在在第-9帧的聚类中,不能直接的判断为此目标物一定是静态目标物,需要对连续10帧激光点云数据的分布情况具体判断目标物的动静态,通过分析动态和静态目标物的激光点云及其时间戳分布情况判断目标物的动静态,动态目标物的带时间戳的激光点云分布是按照目标物的运动轨迹来分布的,静态目标物的带时间戳的激光点云分布是按照在不同时间戳内的分布情况相同或相近来分布的。具体判断目标物的动静态的过程为:对每一帧点云数据选取固定参考点,记录该参考点的坐标,根据10帧参考点坐标的分布情况确定目标物的动静态,如果目标物为静态,则10帧的参考点坐标位置基本相同,如果目标物为动态,则10帧的参考点坐标基本可以呈现目标物轨迹的分布线路。
本发明还提供了一种基于激光点云的动静态目标物识别装置,该装置包括采集单元、聚类单元和判断单元,其中采集单元以设定的采样周期连续采集N个周期内的激光点云数据,得到连续N帧激光点云数据,其中,当前帧记为第N帧,当前帧的第前N-1帧记为第1帧;聚类单元用于对连续N帧激光点云数据进行聚类,得到不同种类的目标物;并对连续N帧中的每一帧激光点云数据分别进行聚类,得到不同种类的目标物;判断单元用于判断连续N帧激光点云数据的每一个聚类是否存在在当前帧的激光点云聚类中,如果存在,则判断存在在当前帧的激光点云聚类是否存在在第一帧的激光点云聚类中,如果不存在,则判断为当前点云聚类为动态目标物,如果存在第一帧的激光点云聚类,则根据连续N帧激光点云数据的分布情况具体判断目标物的动静态。
上述识别装置作为一种软件构架,其中的各单元是与上述识别方法的步骤1-步骤3相对应的进程或程序。因此,不再对该识别装置进行详细说明。
上述识别装置作为一种程序,在激光雷达系统中运行,利用激光点云信息能够准确、快速地识别出目标物的动静态,识别准确率高。
以上给出了具体的实施方式,但本发明不局限于以上所描述的实施方式。本发明的基本思路在于上述基本方案,对本领域普通技术人员而言,根据本发明的教导,设计出各种变形的模型、公式、参数并不需要花费创造性劳动。在不脱离本发明的原理和精神的情况下对实施方式进行的变化、修改、替换和变型仍落入本发明的保护范围内。
Claims (8)
1.一种基于激光点云的动静态目标物识别方法,其特征在于,该方法包括如下步骤:
1)以设定的采样周期连续采集N个周期内的激光点云数据,得到连续N帧激光点云数据,其中,当前帧记为第N帧,当前帧的第前N-1帧记为第1帧,所述N大于2;
2)对所述连续N帧激光点云数据进行聚类,以确定N帧激光点云数据所包含的聚类;并对连续N帧中的每一帧激光点云数据分别进行聚类,以确定每一帧激光点云数据中所包含的聚类;
3)判断连续N帧激光点云数据的每一个聚类是否存在在当前帧的激光点云聚类中,如果存在,则判断存在在当前帧的激光点云聚类是否存在在第一帧的激光点云聚类中,如果不存在在第一帧的激光点云聚类中,则判断为当前点云聚类为动态目标物,如果存在在第一帧的激光点云聚类中,则根据连续N帧激光点云数据的分布情况判断当前点云聚类的动静态。
2.根据权利要求1所述的基于激光点云的动静态目标物识别方法,其特征在于,所述聚类是将激光点云数据之间的距离小于设定阈值时定义为同一个目标物。
3.根据权利要求1所述的基于激光点云的动静态目标物识别方法,其特征在于,步骤3)中激光点云数据的分布情况指的是点云数据所对应的目标物的运动轨迹。
4.根据权利要求2所述的基于激光点云的动静态目标物识别方法,其特征在于,在聚类的过程中需将激光点云数据坐标转换成大地坐标。
5.一种基于激光点云的动静态目标物识别装置,其特征在于,包括如下单元:
采集单元:用于以设定的采样周期连续采集N个周期内的激光点云数据,得到连续N帧激光点云数据,其中,当前帧记为第N帧,当前帧的第前N-1帧记为第1帧,所述N大于2;
聚类单元:用于对所述连续N帧激光点云数据进行聚类,以确定N帧激光点云数据所包含的聚类;并对连续N帧中的每一帧激光点云数据分别进行聚类,以确定每一帧激光点云数据中所包含的聚类;
判断单元:用于判断连续N帧激光点云数据的每一个聚类是否存在在当前帧的激光点云聚类中,如果存在,则判断存在在当前帧的激光点云聚类是否存在在第一帧的激光点云聚类中,如果不存在,则判断为当前点云聚类为动态目标物,如果存在,则根据连续N帧激光点云数据的分布情况判断当前点云聚类的动静态。
6.根据权利要求5所述的基于激光点云的动静态目标物识别装置,其特征在于,所述聚类是将激光点云数据之间的距离小于设定阈值时定义为同一个目标物。
7.根据权利要求5所述的基于激光点云的动静态目标物识别装置,其特征在于,激光点云数据的分布情况指的是点云数据所对应的目标物的运动轨迹。
8.根据权利要求6所述的基于激光点云的动静态目标物识别装置,其特征在于,在聚类的过程中需将激光点云数据坐标转换成大地坐标。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710188951.XA CN108664841B (zh) | 2017-03-27 | 2017-03-27 | 一种基于激光点云的动静态目标物识别方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710188951.XA CN108664841B (zh) | 2017-03-27 | 2017-03-27 | 一种基于激光点云的动静态目标物识别方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108664841A CN108664841A (zh) | 2018-10-16 |
CN108664841B true CN108664841B (zh) | 2021-05-11 |
Family
ID=63786260
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710188951.XA Active CN108664841B (zh) | 2017-03-27 | 2017-03-27 | 一种基于激光点云的动静态目标物识别方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108664841B (zh) |
Families Citing this family (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109870680B (zh) * | 2018-10-26 | 2020-08-04 | 北京润科通用技术有限公司 | 一种目标分类方法及装置 |
CN109633676A (zh) * | 2018-11-22 | 2019-04-16 | 浙江中车电车有限公司 | 一种基于激光雷达侦测障碍物运动方向的方法及系统 |
CN109633685A (zh) * | 2018-11-22 | 2019-04-16 | 浙江中车电车有限公司 | 一种基于激光雷达侦测障碍物状态的方法及系统 |
CN109949347B (zh) * | 2019-03-15 | 2021-09-17 | 百度在线网络技术(北京)有限公司 | 人体跟踪方法、装置、系统、电子设备和存储介质 |
CN110018489B (zh) * | 2019-04-25 | 2022-11-08 | 上海蔚来汽车有限公司 | 基于激光雷达的目标追踪方法、装置及控制器和存储介质 |
CN112017202A (zh) * | 2019-05-28 | 2020-12-01 | 杭州海康威视数字技术股份有限公司 | 点云标注方法、装置及系统 |
CN111292369B (zh) * | 2020-03-10 | 2023-04-28 | 中车青岛四方车辆研究所有限公司 | 激光雷达的伪点云数据生成方法 |
CN111753623B (zh) * | 2020-03-12 | 2024-03-05 | 北京京东乾石科技有限公司 | 一种运动物体的检测方法、装置、设备及存储介质 |
CN111289967A (zh) * | 2020-03-31 | 2020-06-16 | 四川长虹电器股份有限公司 | 基于毫米波雷达的人员检测跟踪与计数算法 |
CN111813120A (zh) * | 2020-07-10 | 2020-10-23 | 北京林业大学 | 机器人的移动目标的识别方法、装置和电子设备 |
CN114518108B (zh) * | 2020-11-18 | 2023-09-08 | 宇通客车股份有限公司 | 一种定位地图构建方法及装置 |
CN112484738B (zh) * | 2020-11-24 | 2023-04-28 | 深圳市优必选科技股份有限公司 | 机器人建图方法、装置、计算机可读存储介质及机器人 |
CN113298950B (zh) * | 2021-05-13 | 2024-04-19 | 京东鲲鹏(江苏)科技有限公司 | 一种物体属性的确定方法、装置、电子设备和存储介质 |
CN115290104A (zh) * | 2022-07-14 | 2022-11-04 | 襄阳达安汽车检测中心有限公司 | 仿真地图生成方法、装置、设备及可读存储介质 |
CN115575923B (zh) * | 2022-12-08 | 2023-03-28 | 千巡科技(深圳)有限公司 | 一种地面机器人静止判断方法、系统、装置以及存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102142147A (zh) * | 2010-01-29 | 2011-08-03 | 索尼公司 | 场地内容分析装置和方法及目标检测与跟踪装置和方法 |
US8463006B2 (en) * | 2007-04-17 | 2013-06-11 | Francine J. Prokoski | System and method for using three dimensional infrared imaging to provide detailed anatomical structure maps |
CN105550670A (zh) * | 2016-01-27 | 2016-05-04 | 兰州理工大学 | 一种目标物体动态跟踪与测量定位方法 |
CN106056050A (zh) * | 2016-05-23 | 2016-10-26 | 武汉盈力科技有限公司 | 一种基于自适应三维人体运动统计模型的多视角步态识别方法 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9146317B2 (en) * | 2011-05-23 | 2015-09-29 | Massachusetts Institute Of Technology | Methods and apparatus for estimation of motion and size of non-line-of-sight objects |
US9602807B2 (en) * | 2012-12-19 | 2017-03-21 | Microsoft Technology Licensing, Llc | Single frequency time of flight de-aliasing |
RU2536082C1 (ru) * | 2013-07-03 | 2014-12-20 | Открытое акционерное общество "Научно-производственное предприятие "Геофизика-Космос" (ОАО "НПП "Геофизика-Космос") | Способ поиска и обнаружения малоразмерных слабоизлучающих подвижных источников излучения на пространственно-неоднородном фоне оптико-электронными приборами |
CN104374376B (zh) * | 2014-11-05 | 2016-06-15 | 北京大学 | 一种车载三维测量系统装置及其应用 |
US10126411B2 (en) * | 2015-03-13 | 2018-11-13 | Continental Advanced Lidar Solutions Us, Llc. | Beam steering LADAR sensor |
CN105866782B (zh) * | 2016-04-04 | 2018-08-17 | 上海大学 | 一种基于激光雷达的运动目标检测系统及方法 |
-
2017
- 2017-03-27 CN CN201710188951.XA patent/CN108664841B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8463006B2 (en) * | 2007-04-17 | 2013-06-11 | Francine J. Prokoski | System and method for using three dimensional infrared imaging to provide detailed anatomical structure maps |
CN102142147A (zh) * | 2010-01-29 | 2011-08-03 | 索尼公司 | 场地内容分析装置和方法及目标检测与跟踪装置和方法 |
CN105550670A (zh) * | 2016-01-27 | 2016-05-04 | 兰州理工大学 | 一种目标物体动态跟踪与测量定位方法 |
CN106056050A (zh) * | 2016-05-23 | 2016-10-26 | 武汉盈力科技有限公司 | 一种基于自适应三维人体运动统计模型的多视角步态识别方法 |
Non-Patent Citations (2)
Title |
---|
Removing Dynamic 3D Objects from Point Clouds of a Moving RGB-D Camera;Canben Yin 等;《2015 IEEE INTERNATIONAL CONFERENCE ON INFORMATION AND AUTOMATION》;20151001;全文 * |
基于三维激光雷达的智能车辆目标参数辨识;王肖 等;《汽车工程》;20161231;第38卷(第9期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN108664841A (zh) | 2018-10-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108664841B (zh) | 一种基于激光点云的动静态目标物识别方法及装置 | |
CN110263652B (zh) | 激光点云数据识别方法及装置 | |
US8818702B2 (en) | System and method for tracking objects | |
CN111179300A (zh) | 障碍物检测的方法、装置、系统、设备以及存储介质 | |
US20200334571A1 (en) | Method and apparatus for training trajectory classification model, and electronic device | |
CN109615862A (zh) | 道路车辆交通运动状态参数动态获取方法及装置 | |
CN111291697B (zh) | 用于识别障碍物的方法和装置 | |
CN110717918B (zh) | 行人检测方法和装置 | |
CN105513342A (zh) | 一种基于视频跟踪的车辆排队长度计算方法 | |
Li et al. | Recognition of insulator based on developed MPEG-7 texture feature | |
CN103679167A (zh) | 一种ccd图像处理的方法 | |
CN104615986A (zh) | 利用多检测器对场景变化的视频图像进行行人检测的方法 | |
Kumar et al. | Indoor localization of vehicles using deep learning | |
US10261515B2 (en) | System and method for controlling navigation of a vehicle | |
CN107516423B (zh) | 一种基于视频的车辆行驶方向检测方法 | |
CN113592905B (zh) | 基于单目摄像头的车辆行驶轨迹预测方法 | |
US11654828B2 (en) | Alert output apparatus | |
EP3879446A3 (en) | Method for detecting vehicle lane change, roadside device, cloud control platform and program product | |
CN112651266A (zh) | 行人检测方法和装置 | |
CN111009136A (zh) | 一种高速公路行驶速度异常车辆检测方法、装置及系统 | |
EP3961583A3 (en) | Method for detecting obstacle, electronic device, roadside device and cloud control platform | |
CN110736982A (zh) | 基于雷达监测的地下停车场车辆跟踪方法及装置 | |
CN115311617A (zh) | 城轨车站区域客流信息获取方法及系统 | |
CN114895274A (zh) | 一种护栏识别方法 | |
CN114241373A (zh) | 一种端到端的车辆行为检测方法、系统、设备及存储介质 |
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 | ||
CP03 | Change of name, title or address |
Address after: 450061 Yudao Road, Guancheng District, Zhengzhou City, Henan Province Patentee after: Yutong Bus Co., Ltd Address before: 450016 Yutong Industrial Zone, eighteen Li River, Henan, Zhengzhou Patentee before: Zhengzhou Yutong Bus Co., Ltd |
|
CP03 | Change of name, title or address |