CN109241984B - 轨道垃圾检测方法、计算机装置和计算机可读存储介质 - Google Patents
轨道垃圾检测方法、计算机装置和计算机可读存储介质 Download PDFInfo
- Publication number
- CN109241984B CN109241984B CN201811083750.4A CN201811083750A CN109241984B CN 109241984 B CN109241984 B CN 109241984B CN 201811083750 A CN201811083750 A CN 201811083750A CN 109241984 B CN109241984 B CN 109241984B
- Authority
- CN
- China
- Prior art keywords
- image
- tramway
- garbage
- detection method
- data
- 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
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/48—Extraction of image or video features by mapping characteristic values of the pattern into a parameter space, e.g. Hough transformation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
- G06V10/443—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components by matching or filtering
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明提供一种电车轨道垃圾位置检测方法、计算机装置和计算机可读存储介质,电车轨道垃圾位置检测方法包括对初始图像进行预处理后获得预处理图像,所述预处理包括灰度化处理和二值化处理;建立与所述预处理图像的宽高比相同的掩模,所述掩模遍历所述预处理图像,判断每个图像结点中所述预处理图像中与所述掩模的像素值重合的像素数量是否超过预设值,若是,记录该结点的坐标数据;根据获取的多个所述坐标数据生成目标位置坐标数据。计算机装置执行计算机程序时能实现电车轨道垃圾位置检测方法,计算机可读存储介质被执行时能实现电车轨道垃圾位置检测方法。本发明可根据掩模及图像建立坐标计算出轨道垃圾的准确位置,检测计算量小且准确有效。
Description
技术领域
本发明涉及垃圾检测清理技术领域,具体地涉及一种电车轨道垃圾位置检测方法。
背景技术
目前,随着车辆保有量的提高,城市交通中的轨道交通任务更加繁重,对轨道车辆的自动化控制、清洁保障等工作都有了更高的要求,对于城市有轨电车来说,轨道垃圾不仅仅是清尘,而更有塑料袋,塑料瓶以及各种大型异物会堵塞轨道,而由于轨道的垃圾数量之多,工作量之大,并具有一定的危险性,采用人工处理的方法显然难以达到要求。
国内现有的轨道垃圾位置检测系统,仅仅只能显示目前轨道上的灰尘度,并且检测速度较慢。而对垃圾在轨道上的具体位置坐标,无法检测,若在轨道上存在垃圾,清洁车无法自动清洁,只能人工处理,此时自动清洁车无法胜任。由于垃圾无法准确定位的缘故,造成人力资源的严重浪费,自动清洁车由于大多数都采用机械臂或高压水枪的方式,因无法对垃圾位置准确判断,错误清扫的误差率大,对轨道也会造成次生危害,如部件生锈,零件松动等。
发明内容
本发明的第一目的在于提供一种准确有效的电车轨道垃圾位置检测方法。
本发明的第二目的在于提供一种具有电车轨道垃圾位置检测功能的计算机装置。
本发明的第三目的在于提供一种具有电车轨道垃圾位置检测功能的计算机可读存储介质。
本发明第一目的提供的电车轨道垃圾位置检测方法包括图像预处理步骤,对初始图像进行预处理后获得预处理图像,预处理包括灰度化处理和二值化处理;目标位置检测步骤,建立与预处理图像的宽高比相同的零矩阵掩模,零矩阵掩模遍历预处理图像,零矩阵掩模每移动一次则与预处理图像的结点中像素值重合的像素进行一次加运算,随后计算结点中的“1”的数量是否超过预设值,若是,则结点中与零矩阵掩模像素值重合的像素则均置为“1”,若否,则结点中与零矩阵掩模像素值重合的像素则均置为“0”,每次将结点内的像素置为“1”时,记录结点中掩模的中心像素坐标数据;目标位置计算步骤,根据公式生成目标位置坐标数据,其中(X0、Y0)为第一个中心像素坐标数据,n为记录的中心像素坐标数据的个数。
由上述方案可见,对进行预处理后的预处理图像采用掩模遍历,由于预处理图像为灰度化和二值化后的图像,利用掩模与图像的像素值重合度情况判断获取目标坐标,同时可根据掩模以及图像建立坐标系并通过比例尺计算出轨道垃圾的准确位置,检测方法计算量小且准确有效。
进一步的方案是,在目标位置计算步骤后,电车轨道垃圾位置检测方法还包括目标距离计算步骤,根据L=v(t1-t0)+YzN/a生成目标距离数据L;其中,v为检测车的车速数据、t0为起始时间数据、t1为目标位置检测时间数据、a为初始图像比例尺、YZ为目标位置纵向坐标数据、N为初始图像的纵向尺寸数据。
由上可见,获得目标位置坐标数据后可生成目标相对于检测车移动起始点的距离值。
进一步的方案是,在目标位置计算步骤后,电车轨道垃圾位置检测方法还包括根据目标距离数据L判断目标的归属站点。
由上可见,根据获取的目标距离数据L以及每个站点对应的距离阈值而判断该目标所述的归属站点,从而由该站点派出清洁,工作量最小化且工作效率最大化。
进一步的方案是,在判断目标的归属站点后,根据获取的目标位置坐标数据的数量向归属站点发送目标数量数据。
由上可见,归属站点能完整地获得需要处理的目标数量以及目标位置,清洁效率更高,清洁效果更好。
进一步的方案是,图像预处理步骤中,电车轨道垃圾位置检测方法还包括对初始图像依次进行灰度化处理、滤波处理、二值化处理、轮廓提取处理、边缘检测处理和图像分割处理后获取预处理图像。
由上可见,首先对初始图像进行灰度化处理以减少后续处理的计算量;然后滤波处理以降噪,防止后续对边缘检测的误判;随后二值化处理、轮廓提取处理以及边缘检测处理能获得边缘轮廓清晰且面积更小的预处理图像,目标位置检测步骤的计算量更少且判断准确率更高。
进一步的方案是,图像预处理步骤中,所述电车轨道垃圾位置检测方法还包括图像分割处理中根据霍夫变换获取关于轨道的边缘数据,并以轨道的边缘数据作为图像边缘进行图像分割。
由上可见,由于轨道具有很高的直线度,利用霍夫变换能将图像的处理面积控制在轨道的轮廓边以内,最大化地减少计算量。
进一步的方案是,图像预处理步骤中,电车轨道垃圾位置检测方法还包括滤波处理为高斯滤波处理,二值化处理的图像分割阈值设为128。
本发明第二目的提供的计算机装置包括处理器,处理器用于执行存储器中存储的计算机程序时实现上述的电车轨道垃圾位置检测方法。
由上述方案可见,由于对进行预处理后的预处理图像采用掩模遍历,而预处理图像为灰度化和二值化后的图像,利用掩模与图像的像素值重合度情况判断获取目标坐标,同时可根据掩模以及图像建立坐标系并通过比例尺计算出轨道垃圾的准确位置,检测方法计算量小且准确有效,清洁工作量最小化,工作效率最大化。
本发明第三目的提供的计算机可读存储介质上存储有计算机程序,计算机程序被处理器执行时实现上述的电车轨道垃圾位置检测方法。
由上述方案可见,由于对进行预处理后的预处理图像采用掩模遍历,而预处理图像为灰度化和二值化后的图像,利用掩模与图像的像素值重合度情况判断获取目标坐标,同时可根据掩模以及图像建立坐标系并通过比例尺计算出轨道垃圾的准确位置,检测方法计算量小且准确有效,清洁工作量最小化,工作效率最大化。
附图说明
图1为本发明电车轨道垃圾位置检测方法实施例的流程框图。
图2为本发明电车轨道垃圾位置检测方法实施例中掩模遍历预处理图像的工作原理图。
以下结合附图及实施例对本发明作进一步说明。
具体实施方式
电车轨道垃圾位置检测方法实施例
参见图1,图1为本发明电车轨道垃圾位置检测方法实施例的流程框图。本发明电车轨道垃圾位置检测方法通过电车轨道垃圾位置检测系统实现,电车轨道垃圾位置检测系统包括图像获取模块和图像处理模块,图像获取模块为高清摄像头,图像处理模块为具有数据处理能力的硬件终端,如计算机。图像获取模块将获取到的视频数据发送至图像处理模块,图像处理模块对视频中每一画面帧进行处理。
在图像处理模块获取到视频数据中的画面帧后,每一帧的画面作为初始图像,首先执行步骤S1,对初始图像进行图像预处理。图像预处理步骤包括依此对初始图像进行的灰度化处理、滤波处理、二值化处理、轮廓提取处理、边缘检测处理和图像分割处理。
从视频数据中得到的初始图像为RGB彩色图像,若以RGB彩色图像来进行后续处理,其计算量较大,且垃圾识别不需要使用到彩色图像,故先对初始图像进行灰度化处理;进行灰度化处理的图像采用高斯滤波进行滤波处理,高斯滤波采用3×3的掩模对图像进行遍历。
随后对图像进行图像二值化处理,通过阈值分割,使图像变为黑白二值图,使图像变得简单,而且数据量减小,能凸显出感兴趣的目标的轮廓,为轮廓提取做准备。所有灰度大于或等于阈值的像素灰度值用255表示,否则灰度值为0。本实施例中将图像分割阈值设为128。
随后依次进行轮廓提取处理、边缘检测处理和图像分割处理。图像轮廓提取以及边缘检测处理中采用Canny算子作为边缘检测算子,首先利用高斯平滑滤波器卷积降低噪声,然后根据一阶偏导的有限差分计算梯度幅值及方向,随后对梯度幅值进行非极大值抑制,最后利用双阈值算法检测图像内事物的边缘和连接边缘。进行图像边缘检测之后,即得到图像目标轮廓,将其用于随后的位置检测,能有效提高系统处理效率。
然后对图像进行图像分割处理。根据霍夫变换获取关于轨道的边缘数据,并以所述轨道的边缘数据作为图像边缘进行图像分割,从而获得最小的需处理图像,即预处理图像。
结合图2,图2为本发明电车轨道垃圾位置检测方法实施例中掩模遍历预处理图像的工作原理图。获得预处理图像后,图像处理模块执行步骤S2,设置掩模。掩模2为0矩阵掩模,掩模2的宽高比与所述预处理图像1的宽高比相同。随后执行步骤S3,掩模2遍历预处理图像1。遍历指掩模2沿着某条路线,依次对预处理图像1中每个结点11(图像单元)均做一次且仅做一次访问和运算判断。图2中,预处理图像1中被划分为36个结点11,掩模2每次向右或向下移动与掩模2自身横向宽度或纵向高度的距离即可到达另一个结点11处。本实施例中,掩模2为3×3掩模的0矩阵掩模,掩模中点21为掩模2的中心,掩模2每移动一次则与9个像素进行判断与计算。
掩模2每移动一次则与结点11中像素值重合的像素进行一次加运算且相加后原来的“0”变化为“1”,随后计算该结点11中的“1”的数量是否超过预设值,若是,则结点11中与掩模2像素值重合的像素则均置为“1”;若否,则结点11中与掩模2像素值重合的像素则均置为“0”。
随后执行步骤S4,步骤S4为目标位置计算步骤。每获得一个结点的中心像素坐标数据后则与前一个获得的中心像素坐标数据连线并取连线中点的坐标数据作为与下一个结点的中心像素坐标数据连线的起点,依此循环,最终获得的连线中点的坐标数据作为目标位置坐标数据。
每次将结点11内的像素置为“1”时,则记录该结点11中掩模中心像素的坐标数据。将第一次置为1时的中心像素坐标数据记为(X0,Y0),下一次出现的中心像素坐标数据记为(X1,Y1),根据中点坐标公式,得出两者中点坐标数据(Xa,Yb),并将该坐标作为下一次求中点坐标的起始点。依此类推,最终求出的坐标作为垃圾的坐标位置。具体地,根据公式生成目标位置坐标数据(Xz、Yz),其中(X0、Y0)为第一个结点的中心像素坐标数据,n为记录的结点的中心像素坐标数据的个数。
在获取了目标位置坐标数据后则执行步骤S5,建立关于目标的数据库。目标的数据库包括目标的数量、目标的位置坐标数据、目标的所属管理站点等。根据L=v(t1-t0)+YzN/a生成目标距离数据L;目标距离数据L为目标距离起始点的Y向实际距离,其中,v为车速数据、t0为起始时间数据、t1为目标位置检测时间数据、a为初始图像比例尺、YZ为目标位置纵向坐标数据、N为初始图像的纵向尺寸数据。计算出目标距离数据L后,可以目标距离数据L与不同站点的预设的距离阈值进行匹配对比,若目标距离数据L落入某一归属距离段,则判断目标的管理归属于该管理站点。在判断目标的归属站点后,根据获取的目标位置坐标数据的数量向归属站点发送目标数量数据和目标位置坐标数据。根据获取的目标距离数据L以及每个站点对应的距离阈值而判断该目标所述的归属站点,从而由该站点派出清洁,工作量最小化且工作效率最大化;归属站点能完整地获得需要处理的目标数量以及目标位置,清洁效率更高,清洁效果更好。
计算机装置实施例
本发明的计算机装置可以是包括有处理器以及存储器等装置,例如包含中央处理器的单片机等。并且,处理器用于执行存储器中存储的计算机程序时实现上述电车轨道垃圾位置检测方法的步骤,包括图像预处理步骤、目标位置检测步骤和目标位置计算步骤。
所称处理器可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等;存储数据区可存储根据手机的使用所创建的数据(比如音频数据、电话本等)等。此外,存储器可以包括高速随机存取存储器,还可以包括非易失性存储器,例如硬盘、内存、插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
计算机可读存储介质实施例
本发明的计算机可读存储介质可以是被计算机装置的处理器所读取的任何形式的存储介质,包括但不限于非易失性存储器、易失性存储器、铁电存储器等,计算机可读存储介质上存储有计算机程序,当计算机装置的处理器读取并执行存储器中所存储的计算机程序时,可以实现上述的电车轨道垃圾位置检测方法的步骤,包括图像预处理步骤、目标位置检测步骤和目标位置计算步骤。
所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random AccessMemory)、电载波信号、电信信号以及软件分发介质等。需要说明的是,所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如在某些司法管辖区,根据立法和专利实践,计算机可读介质不包括电载波信号和电信信号。
最后需要强调的是,以上所述仅为本发明的优选实施例,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种变化和更改,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (9)
1.电车轨道垃圾位置检测方法,其特征在于,包括:
图像预处理步骤,对初始图像进行预处理后获得预处理图像,所述预处理包括灰度化处理和二值化处理;
目标位置检测步骤,建立与所述预处理图像的宽高比相同的零矩阵掩模,所述零矩阵掩模遍历所述预处理图像,所述零矩阵掩模每移动一次则与所述预处理图像的结点中像素值重合的像素进行一次加运算,随后计算所述结点中的“1”的数量是否超过预设值,若是,则所述结点中与所述零矩阵掩模像素值重合的像素则均置为“1”,若否,则所述结点中与所述零矩阵掩模像素值重合的像素则均置为“0”,每次将所述结点内的像素置为“1”时,记录所述结点中掩模的中心像素坐标数据;
2.根据权利要求1所述的电车轨道垃圾位置检测方法,其特征在于:
在所述目标位置计算步骤后,所述电车轨道垃圾位置检测方法还包括:
目标距离计算步骤,根据L=v(t1-t0)+YzN/a生成目标距离数据L;
其中,v为检测车的车速数据、t0为起始时间数据、t1为目标位置检测时间数据、a为初始图像比例尺、YZ为目标位置纵向坐标数据、N为初始图像的纵向尺寸数据。
3.根据权利要求2所述的电车轨道垃圾位置检测方法,其特征在于:
在所述目标位置计算步骤后,所述电车轨道垃圾位置检测方法还包括:
根据所述目标距离数据L判断所述目标的归属站点。
4.根据权利要求3所述的电车轨道垃圾位置检测方法,其特征在于:
在所述判断所述目标的归属站点后,根据获取的目标位置坐标数据的数量向归属站点发送目标数量数据。
5.根据权利要求1至4任一项所述的电车轨道垃圾位置检测方法,其特征在于:
所述图像预处理步骤中,所述电车轨道垃圾位置检测方法还包括:
对初始图像依次进行灰度化处理、滤波处理、二值化处理、轮廓提取处理、边缘检测处理和图像分割处理后获取所述预处理图像。
6.根据权利要求5所述的电车轨道垃圾位置检测方法,其特征在于:
所述图像预处理步骤中,所述电车轨道垃圾位置检测方法还包括:
所述图像分割处理中根据霍夫变换获取关于轨道的边缘数据,并以所述轨道的边缘数据作为图像边缘进行图像分割。
7.根据权利要求5所述的电车轨道垃圾位置检测方法,其特征在于:
所述图像预处理步骤中,所述电车轨道垃圾位置检测方法还包括:
所述滤波处理为高斯滤波处理,所述二值化处理的图像分割阈值设为128。
8.一种计算机装置,其特征在于:所述计算机装置包括处理器,所述处理器用于执行存储器中存储的计算机程序时实现如权利要求1至7任一项所述的电车轨道垃圾位置检测方法。
9.一种计算机可读存储介质,其上存储有计算机程序,其特征在于:所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的电车轨道垃圾位置检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811083750.4A CN109241984B (zh) | 2018-09-17 | 2018-09-17 | 轨道垃圾检测方法、计算机装置和计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811083750.4A CN109241984B (zh) | 2018-09-17 | 2018-09-17 | 轨道垃圾检测方法、计算机装置和计算机可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109241984A CN109241984A (zh) | 2019-01-18 |
CN109241984B true CN109241984B (zh) | 2020-11-27 |
Family
ID=65058855
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811083750.4A Active CN109241984B (zh) | 2018-09-17 | 2018-09-17 | 轨道垃圾检测方法、计算机装置和计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109241984B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109919999B (zh) * | 2019-01-31 | 2021-06-11 | 深兰科技(上海)有限公司 | 一种目标位置检测的方法及装置 |
CN110781896B (zh) * | 2019-10-17 | 2022-07-19 | 暨南大学 | 一种轨道垃圾识别方法、清洁方法、系统、资源配置方法 |
CN113487688A (zh) * | 2021-05-18 | 2021-10-08 | 浙江大华技术股份有限公司 | 一种道路标志检测方法、装置以及计算机可读存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106264356A (zh) * | 2016-08-12 | 2017-01-04 | 湖南格兰博智能科技有限责任公司 | 一种智能垃圾清洁装置 |
CN106741683A (zh) * | 2017-03-08 | 2017-05-31 | 中国矿业大学 | 一种基于机器视觉的水域垃圾自动清洁船及自动清洁方法 |
CN108510124A (zh) * | 2018-04-09 | 2018-09-07 | 山东大学 | 基于机器学习的水面垃圾清理路径规划方法和装置 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050131645A1 (en) * | 2003-06-09 | 2005-06-16 | Panopoulos Peter J. | Machine having automatic transport with scanning and GPS functions |
US9580014B2 (en) * | 2013-08-08 | 2017-02-28 | Convoy Technologies Llc | System, apparatus, and method of detecting and displaying obstacles and data associated with the obstacles |
-
2018
- 2018-09-17 CN CN201811083750.4A patent/CN109241984B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106264356A (zh) * | 2016-08-12 | 2017-01-04 | 湖南格兰博智能科技有限责任公司 | 一种智能垃圾清洁装置 |
CN106741683A (zh) * | 2017-03-08 | 2017-05-31 | 中国矿业大学 | 一种基于机器视觉的水域垃圾自动清洁船及自动清洁方法 |
CN108510124A (zh) * | 2018-04-09 | 2018-09-07 | 山东大学 | 基于机器学习的水面垃圾清理路径规划方法和装置 |
Non-Patent Citations (2)
Title |
---|
An Autonomous Ship for Cleaning the Garbage Floating on a Lake;chen Su, et al.;《2009 Second International Conference on Intelligent Computation Technology and Automation》;20091011;1-4 * |
基于机器视觉的轨道异物侵限检测方法研究;朱正平 等;《甘肃高师学报》;20090228;第14卷(第2期);22-24 * |
Also Published As
Publication number | Publication date |
---|---|
CN109241984A (zh) | 2019-01-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109241984B (zh) | 轨道垃圾检测方法、计算机装置和计算机可读存储介质 | |
CN109330501B (zh) | 一种清洁地面的方法及扫地机器人 | |
CN111382704B (zh) | 基于深度学习的车辆压线违章判断方法、装置及存储介质 | |
CN107045634B (zh) | 一种基于最大稳定极值区域与笔画宽度的文本定位方法 | |
CN109325492B (zh) | 字符切割方法、装置、计算机设备及存储介质 | |
CN107678551B (zh) | 手势识别方法和装置、电子设备 | |
CN111582000B (zh) | 一种条形码定位方法、装置及相关设备 | |
KR20220028066A (ko) | 카메라 스트림용 마스크를 생성하기 위한 방법, 컴퓨터 프로그램 제품 및 컴퓨터 판독 가능 매체 | |
CN111063029B (zh) | 地图构建方法、装置、计算机可读存储介质及机器人 | |
CN113283439A (zh) | 基于图像识别的智能计数方法、装置及系统 | |
CN112036294B (zh) | 一种纸质表格结构自动识别的方法及装置 | |
CN117274999A (zh) | 印章弯曲文本识别方法、系统、电子设备及存储介质 | |
CN109299743B (zh) | 手势识别方法及装置、终端 | |
CN111242051A (zh) | 一种车辆识别优化方法、装置及存储介质 | |
CN111358359B (zh) | 机器人的避线方法、装置、芯片及扫地机器人 | |
JP4224328B2 (ja) | 車番認識装置 | |
CN115223031B (zh) | 一种单目边框测距方法、装置、介质及幕墙机器人 | |
JP2021050932A (ja) | 付着物検出装置、および付着物検出方法 | |
Zhang et al. | A rapid locating method of vehicle license plate based on characteristics of characters' connection and projection | |
WO2019237560A1 (zh) | 一种边框页码扫描系统 | |
CN114025089A (zh) | 一种视频图像采集抖动处理方法及系统 | |
CN110097583B (zh) | 图片筛选方法及装置 | |
CN113129634B (zh) | 一种停车位的获取方法、系统及通信设备 | |
JP3046652B2 (ja) | 文字原稿の傾き補正方法 | |
CN115578627B (zh) | 一种单目图像边界识别方法、装置、介质及幕墙机器人 |
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 |