CN109407080A - 一种基于双目摄像头的车辆测距系统及其测距方法 - Google Patents
一种基于双目摄像头的车辆测距系统及其测距方法 Download PDFInfo
- Publication number
- CN109407080A CN109407080A CN201811427621.2A CN201811427621A CN109407080A CN 109407080 A CN109407080 A CN 109407080A CN 201811427621 A CN201811427621 A CN 201811427621A CN 109407080 A CN109407080 A CN 109407080A
- Authority
- CN
- China
- Prior art keywords
- license plate
- module
- vehicle
- matching
- image 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims description 17
- 238000001514 detection method Methods 0.000 claims abstract description 71
- 238000001914 filtration Methods 0.000 claims abstract description 8
- 238000012545 processing Methods 0.000 claims description 13
- 230000002708 enhancing effect Effects 0.000 claims description 7
- 238000013459 approach Methods 0.000 claims description 4
- 230000001360 synchronised effect Effects 0.000 claims description 4
- 238000012795 verification Methods 0.000 claims description 3
- 238000007689 inspection Methods 0.000 claims description 2
- 235000013399 edible fruits Nutrition 0.000 claims 1
- 238000004364 calculation method Methods 0.000 abstract description 3
- 238000005259 measurement Methods 0.000 abstract description 2
- 230000000875 corresponding effect Effects 0.000 description 10
- 206010039203 Road traffic accident Diseases 0.000 description 3
- 230000002596 correlated effect Effects 0.000 description 3
- 241000288105 Grus Species 0.000 description 2
- 208000027418 Wounds and injury Diseases 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 208000010877 cognitive disease Diseases 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 210000003128 head Anatomy 0.000 description 1
- 208000014674 injury Diseases 0.000 description 1
- 238000011897 real-time detection Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S11/00—Systems for determining distance or velocity not using reflection or reradiation
- G01S11/12—Systems for determining distance or velocity not using reflection or reradiation using electromagnetic waves other than radio waves
Landscapes
- Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Image Processing (AREA)
- Measurement Of Optical Distance (AREA)
- Image Analysis (AREA)
Abstract
一种基于双目摄像头的车辆测距系统，包括控制处理器、一号摄像头和二号摄像头，控制处理器包括图像数据采集模块、车辆目标检测模块、车牌粗定位模块、车牌细定位模块、车牌区域匹配模块和视差计算和测距模块，测距时，车辆目标检测模块先对采集的一号摄像头、二号摄像头的图像数据进行车辆目标检测，再通过车牌粗定位模块的车牌检测与对齐、车牌细定位模块的SVM过滤得到精确的车牌区域，随后车牌区域匹配模块对图像间精确的车牌区域进行相同区域的匹配，得到车牌匹配信息，最后视差计算和测距模块利用标定的双目摄像头内外参数、通过车牌匹配信息计算车距。该设计有效提高了车距检测的精度。
Description
技术领域
本发明属于汽车电子技术领域，具体涉及一种基于双目摄像头的车辆测距系统及其测距方法，适用于提高测距的精度。
背景技术
相关统计数据表明，由于驾驶员的主观因素导致的交通事故占比最高，若在交通事故发生前的1.5s给驾驶员发出预警，可避免90%的碰撞事故，大大减少交通事故的伤害。而汽车防碰撞安全控制系统就是通过各种传感器，比如摄像头、雷达等，实时检测车辆周围的物体，并检测目标车辆距离本车的距离。当安全距离小于阈值时，则发出警报提示驾驶员，有效降低了交通事故的发生。
车距测量是FCW系统的重要组成部分，超声波、毫米波、激光雷达、视觉摄像头都可以实现。超声波测距原理简单、成本最低，但其测距精准性受室外温度影响大，衰减快，因此目前只适合短距离测距，主要用在倒车雷达上。实际应用中，常用的是毫米波雷达和视觉方案，但毫米波雷达相比视觉方案硬件成本较高。
目前，视觉方案主要采用单目摄像头或双目摄像头来实现测距，这两种方式在原理上完全不同。单目摄像头需要对目标进行识别，也就是说在测距前先识别障碍物是车、人还是别的什么。在此基础上再进行测距。而双目摄像头则更加像人类的双眼，主要通过两幅图像的视差计算来确定距离。也就是说，双目摄像头不需要知道障碍物是什么，只要通过计算就可以测距。双目摄像头则更加像人类的双眼，主要通过两幅图像的视差计算来确定距离。两者的缺点在于需要靠大量的计算来进行测距，无法有效保证检测的精度。
发明内容
本发明的目的是克服现有技术存在的检测精度不足的问题，提供一种能够提高检测精度的基于双目摄像头的车辆测距系统及其测距方法。
为实现以上目的，本发明的技术方案如下：
一种基于双目摄像头的车辆测距系统，包括控制处理器、固定于车辆前方的一号摄像头和二号摄像头，所述一号摄像头、二号摄像头均与控制处理器信号连接；
所述控制处理器包括图像数据采集模块、车辆目标检测模块、车牌粗定位模块、车牌细定位模块、车牌区域匹配模块以及视差计算和测距模块，所述图像数据采集模块的信号输入端与一号摄像头、二号摄像头相连接，图像数据采集模块的信号输出端依次通过车辆目标检测模块、车牌粗定位模块、车牌细定位模块、车牌区域匹配模块与视差计算和测距模块相连接；
所述车辆目标检测模块用于对采集的来自一号摄像头、二号摄像头的图像数据进行车辆目标检测；
所述车牌粗定位模块用于利用MTCNN算法对接收的图像数据进行车牌检测与对齐，得到候选目标框；
所述车牌细定位模块用于对候选目标框进行SVM过滤，得到精确的车牌区域；
所述车牌区域匹配模块用于对一号摄像头、二号摄像头采集的图像中精确的车牌区域进行相同区域的匹配，得到车牌匹配信息；
所述视差计算和测距模块用于利用标定的双目摄像头内外参数、通过车牌匹配信息计算视觉视差，得到本车与目标车牌对应的真实空间距离即车距信息。
所述车牌区域匹配模块用于对精确的车牌区域进行字符串识别，利用字符串识别结果和车牌检测框对应关系匹配两幅图像的相同车牌区域，并校验匹配车牌区域，得到车牌匹配信息。
所述控制处理器还包括Retinex图像增强模块，该Retinex图像增强模块的信号输入、输出端分别与图像数据采集模块、车辆目标检测模块相连接；
所述Retinex图像增强模块用于在雾天、阴天、雨雪天、夜晚场景下采用Retinex算法对采集的图像进行增强处理。
所述摄像头对称设置在车身前端。
一种基于双目摄像头的车辆测距系统的测距方法，依次包括以下步骤：
步骤1、所述一号摄像头、二号摄像头同步获取当前场景的图像数据并将其发送至图像数据采集模块；
步骤2、所述车辆目标检测模块对接收的图像数据进行车辆目标检测，并将相关结果发送至车牌粗定位模块；
步骤3、首先，所述车牌粗定位模块利用MTCNN算法对接收的图像数据进行车牌检测与对齐，得到候选目标框，然后车牌细定位模块对候选目标框进行SVM过滤以清除所有非车牌区域，得到精确的车牌区域，该车牌区域包括车牌检测框和车牌对齐点；
步骤4、所述车牌区域匹配模块对一号摄像头、二号摄像头采集的图像中精确的车牌区域进行相同区域的匹配，得到车牌匹配信息；
步骤5、所述视差计算和测距模块以步骤4得到的车牌匹配信息作为输入，利用标定的双目摄像头内外参数计算视觉视差，从而计算出车牌的三维信息，得到本车与目标车牌对应的真实空间距离即车距信息。
步骤4具体为：所述车牌区域匹配模块以步骤3得到的车牌区域信息作为输入，先利用crnn算法对车牌检测框进行字符串识别，再通过字符串识别结果和车牌检测框对应关系、两幅图像中字符串识别结果的匹配关系匹配两幅图像的相同车牌区域，最后利用车牌对齐点校验匹配车牌区域。
所述控制处理器还包括Retinex图像增强模块，该Retinex图像增强模块的信号输入、输出端分别与图像数据采集模块、车辆目标检测模块相连接；
所述测距方法还包括图像处理步骤，该步骤位于步骤1之后、步骤2之前；
所述图像处理步骤为：在雾天、阴天、雨雪天、夜晚场景下，Retinex图像增强模块采用Retinex算法对采集的来自图像数据采集模块11的图像数据进行增强处理。
步骤2中，所述车辆目标检测模块利用深度学习法进行车辆目标检测。
与现有技术相比，本发明的有益效果为：
1、本发明一种基于双目摄像头的车辆测距系统包括依次信号连接的车辆目标检测模块、车牌粗定位模块和车牌细定位模块，且车牌粗定位模块用于利用MTCNN算法对接收的图像数据进行车牌检测与对齐，得到候选目标框，车牌细定位模块用于对候选目标框进行SVM模型过滤，得到精确的车牌区域，即基于车辆检测区域采用粗、细结合的方式进行车牌检测与对齐，该设计在提高车距检测精度的同时保证了检测的鲁棒性，为后续的车距预警类辅助驾驶提供基础。因此，本发明不仅提高了车距检测的精度，而且保证了检测的鲁棒性。
2、本发明一种基于双目摄像头的车辆测距系统中车牌区域匹配模块用于对精确的车牌区域进行字符串识别，利用字符串识别结果和车牌检测框对应关系匹配两幅图像的相同车牌区域，并校验匹配车牌区域，得到车牌匹配信息，该设计可有效提高图像匹配的精度，从而进一步提高车距检测的精度。因此，本发明进一步提高了车距检测的精度。
附图说明
图1为本发明的结构原理图。
图中：控制处理器1、图像数据采集模块11、车辆目标检测模块12、车牌粗定位模块13、车牌细定位模块14、车牌区域匹配模块15、视差计算和测距模块16、Retinex图像增强模块17、一号摄像头2、二号摄像头3。
具体实施方式
下面结合附图说明和具体实施方式对本发明作进一步详细的说明。
参见图1，一种基于双目摄像头的车辆测距系统，包括控制处理器1、固定于车辆前方的一号摄像头2和二号摄像头3，所述一号摄像头2、二号摄像头3均与控制处理器1信号连接；
所述控制处理器1包括图像数据采集模块11、车辆目标检测模块12、车牌粗定位模块13、车牌细定位模块14、车牌区域匹配模块15以及视差计算和测距模块16，所述图像数据采集模块11的信号输入端与一号摄像头2、二号摄像头3相连接，图像数据采集模块11的信号输出端依次通过车辆目标检测模块12、车牌粗定位模块13、车牌细定位模块14、车牌区域匹配模块15与视差计算和测距模块16相连接；
所述车辆目标检测模块12用于对采集的来自一号摄像头2、二号摄像头3的图像数据进行车辆目标检测；
所述车牌粗定位模块13用于利用MTCNN算法对接收的图像数据进行车牌检测与对齐，得到候选目标框；
所述车牌细定位模块14用于对候选目标框进行SVM过滤，得到精确的车牌区域；
所述车牌区域匹配模块15用于对一号摄像头2、二号摄像头3采集的图像中精确的车牌区域进行相同区域的匹配，得到车牌匹配信息；
所述视差计算和测距模块16用于利用标定的双目摄像头内外参数、通过车牌匹配信息计算视觉视差，得到本车与目标车牌对应的真实空间距离即车距信息。
所述车牌区域匹配模块15用于对精确的车牌区域进行字符串识别，利用字符串识别结果和车牌检测框对应关系匹配两幅图像的相同车牌区域，并校验匹配车牌区域，得到车牌匹配信息。
所述控制处理器1还包括Retinex图像增强模块17，该Retinex图像增强模块17的信号输入、输出端分别与图像数据采集模块11、车辆目标检测模块12相连接；
所述Retinex图像增强模块17用于在雾天、阴天、雨雪天、夜晚场景下采用Retinex算法对采集的图像进行增强处理。
所述摄像头2对称设置在车身前端。
一种基于双目摄像头的车辆测距系统的测距方法，依次包括以下步骤：
步骤1、所述一号摄像头2、二号摄像头3同步获取当前场景的图像数据并将其发送至图像数据采集模块11；
步骤2、所述车辆目标检测模块12对接收的图像数据进行车辆目标检测，并将相关结果发送至车牌粗定位模块13；
步骤3、首先，所述车牌粗定位模块13利用MTCNN算法对接收的图像数据进行车牌检测与对齐，得到候选目标框，然后车牌细定位模块14对候选目标框进行SVM过滤以清除所有非车牌区域，得到精确的车牌区域，该车牌区域包括车牌检测框和车牌对齐点；
步骤4、所述车牌区域匹配模块15对一号摄像头2、二号摄像头3采集的图像中精确的车牌区域进行相同区域的匹配，得到车牌匹配信息；
步骤5、所述视差计算和测距模块16以步骤4得到的车牌匹配信息作为输入，利用标定的双目摄像头内外参数计算视觉视差，从而计算出车牌的三维信息，得到本车与目标车牌对应的真实空间距离即车距信息。
步骤4具体为：所述车牌区域匹配模块15以步骤3得到的车牌区域信息作为输入，先利用crnn算法对车牌检测框进行字符串识别，再通过字符串识别结果和车牌检测框对应关系、两幅图像中字符串识别结果的匹配关系匹配两幅图像的相同车牌区域，最后利用车牌对齐点校验匹配车牌区域。
所述控制处理器1还包括Retinex图像增强模块17，该Retinex图像增强模块17的信号输入、输出端分别与图像数据采集模块11、车辆目标检测模块12相连接；
所述测距方法还包括图像处理步骤，该步骤位于步骤1之后、步骤2之前；
所述图像处理步骤为：在雾天、阴天、雨雪天、夜晚场景下，Retinex图像增强模块17采用Retinex算法对采集的来自图像数据采集模块11的图像数据进行增强处理。
步骤2中，所述车辆目标检测模块12利用深度学习法进行车辆目标检测。
本发明的原理说明如下：
图像数据采集模块11：本发明所述图像数据采集模块11采集的图像数据为车辆作为显著目标的图像数据。
车牌对齐点：本发明所述车牌对齐点为车牌矩形框的4个角点。
实施例1：
参见图1，一种基于双目摄像头的车辆测距系统，包括控制处理器1、对称布置在车身前端的一号摄像头2和二号摄像头3， 所述控制处理器1包括图像数据采集模块11、车辆目标检测模块12、车牌粗定位模块13、车牌细定位模块14、车牌区域匹配模块15以及视差计算和测距模块16、Retinex图像增强模块17，所述图像数据采集模块11的信号输入端与一号摄像头2、二号摄像头3相连接，图像数据采集模块11的信号输出端依次通过Retinex图像增强模块17、车辆目标检测模块12、车牌粗定位模块13、车牌细定位模块14、车牌区域匹配模块15与视差计算和测距模块16相连接。
上述基于双目摄像头的车辆测距系统的测距方法，依次按照以下步骤进行：
步骤1、所述一号摄像头2、二号摄像头3同步获取当前场景的图像数据并将其发送至图像数据采集模块11，若所述当前场景为雾天、阴天、雨雪天或夜晚，进入步骤2，若当前场景无需进行图像增强，进入步骤3；
步骤2、所述Retinex图像增强模块17采用Retinex算法对采集的来自图像数据采集模块11的图像数据进行增强处理。
步骤3、所述车辆目标检测模块12利用深度学习法对接收的图像数据进行车辆目标检测，并将相关结果发送至车牌粗定位模块13；
步骤4、首先，所述车牌粗定位模块13利用MTCNN算法对接收的图像数据进行车牌检测与对齐，得到候选目标框，然后车牌细定位模块14对候选目标框进行SVM过滤以清除所有非车牌区域，得到精确的车牌区域，该车牌区域包括车牌检测框和车牌对齐点；
步骤5、所述车牌区域匹配模块15以步骤4得到的车牌区域信息作为输入，先利用crnn算法对车牌检测框进行字符串识别，再通过字符串识别结果和车牌检测框对应关系、两幅图像中字符串识别结果的匹配关系匹配两幅图像的相同车牌区域，最后利用车牌对齐点校验匹配车牌区域；
步骤6、所述视差计算和测距模块16以步骤5得到的车牌匹配信息作为输入，利用标定的双目摄像头内外参数计算视觉视差，从而计算出车牌的三维信息，得到本车与目标车牌对应的真实空间距离即车距信息。
Claims (8)
1.一种基于双目摄像头的车辆测距系统，包括控制处理器(1)、固定于车辆前方的一号摄像头(2)和二号摄像头(3)，所述一号摄像头(2)、二号摄像头(3)均与控制处理器(1)信号连接，其特征在于：
所述控制处理器(1)包括图像数据采集模块(11)、车辆目标检测模块(12)、车牌粗定位模块(13)、车牌细定位模块(14)、车牌区域匹配模块(15)以及视差计算和测距模块(16)，所述图像数据采集模块(11)的信号输入端与一号摄像头(2)、二号摄像头(3)相连接，图像数据采集模块(11)的信号输出端依次通过车辆目标检测模块(12)、车牌粗定位模块(13)、车牌细定位模块(14)、车牌区域匹配模块(15)与视差计算和测距模块(16)相连接；
所述车辆目标检测模块(12)用于对采集的来自一号摄像头(2)、二号摄像头(3)的图像数据进行车辆目标检测；
所述车牌粗定位模块(13)用于利用MTCNN算法对接收的图像数据进行车牌检测与对齐，得到候选目标框；
所述车牌细定位模块(14)用于对候选目标框进行SVM过滤，得到精确的车牌区域；
所述车牌区域匹配模块(15)用于对一号摄像头(2)、二号摄像头(3)采集的图像中精确的车牌区域进行相同区域的匹配，得到车牌匹配信息；
所述视差计算和测距模块(16)用于利用标定的双目摄像头内外参数、通过车牌匹配信息计算视觉视差，得到本车与目标车牌对应的真实空间距离即车距信息。
2.根据权利要求1所述的一种基于双目摄像头的车辆测距系统，其特征在于：所述车牌区域匹配模块(15)用于对精确的车牌区域进行字符串识别，利用字符串识别结果和车牌检测框对应关系匹配两幅图像的相同车牌区域，并校验匹配车牌区域，得到车牌匹配信息。
3.根据权利要求1或2所述的一种基于双目摄像头的车辆测距系统，其特征在于：
所述控制处理器(1)还包括Retinex图像增强模块(17)，该Retinex图像增强模块(17)的信号输入、输出端分别与图像数据采集模块(11)、车辆目标检测模块(12)相连接；
所述Retinex图像增强模块(17)用于在雾天、阴天、雨雪天、夜晚场景下采用Retinex算法对采集的图像进行增强处理。
4.根据权利要求1所述的一种基于双目摄像头的车辆测距系统，其特征在于：所述摄像头(2)对称设置在车身前端。
5.一种权利要求1所述的基于双目摄像头的车辆测距系统的测距方法，其特征在于：
所述测距方法依次包括以下步骤：
步骤1、所述一号摄像头(2)、二号摄像头(3)同步获取当前场景的图像数据并将其发送至图像数据采集模块(11)；
步骤2、所述车辆目标检测模块(12)对接收的图像数据进行车辆目标检测，并将相关结果发送至车牌粗定位模块(13)；
步骤3、首先，所述车牌粗定位模块(13)利用MTCNN算法对接收的图像数据进行车牌检测与对齐，得到候选目标框，然后车牌细定位模块(14)对候选目标框进行SVM过滤以清除所有非车牌区域，得到精确的车牌区域，该车牌区域包括车牌检测框和车牌对齐点；
步骤4、所述车牌区域匹配模块(15)对一号摄像头(2)、二号摄像头(3)采集的图像中精确的车牌区域进行相同区域的匹配，得到车牌匹配信息；
步骤5、所述视差计算和测距模块(16)以步骤4得到的车牌匹配信息作为输入，利用标定的双目摄像头内外参数计算视觉视差，从而计算出车牌的三维信息，得到本车与目标车牌对应的真实空间距离即车距信息。
6.根据权利要求5所述的一种基于双目摄像头的车辆测距系统的测距方法，其特征在于：
步骤4具体为：所述车牌区域匹配模块(15)以步骤3得到的车牌区域信息作为输入，先利用crnn算法对车牌检测框进行字符串识别，再通过字符串识别结果和车牌检测框对应关系、两幅图像中字符串识别结果的匹配关系匹配两幅图像的相同车牌区域，最后利用车牌对齐点校验匹配车牌区域。
7.根据权利要求5或6所述的一种基于双目摄像头的车辆测距系统的测距方法，其特征在于：所述控制处理器(1)还包括Retinex图像增强模块(17)，该Retinex图像增强模块(17)的信号输入、输出端分别与图像数据采集模块(11)、车辆目标检测模块(12)相连接；
所述测距方法还包括图像处理步骤，该步骤位于步骤1之后、步骤2之前；
所述图像处理步骤为：在雾天、阴天、雨雪天、夜晚场景下，Retinex图像增强模块(17)采用Retinex算法对采集的来自图像数据采集模块(11)的图像数据进行增强处理。
8.根据权利要求5或6所述的一种基于双目摄像头的车辆测距系统的测距方法，其特征在于：步骤2中，所述车辆目标检测模块(12)利用深度学习法进行车辆目标检测。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811427621.2A CN109407080A (zh) | 2018-11-27 | 2018-11-27 | 一种基于双目摄像头的车辆测距系统及其测距方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811427621.2A CN109407080A (zh) | 2018-11-27 | 2018-11-27 | 一种基于双目摄像头的车辆测距系统及其测距方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109407080A true CN109407080A (zh) | 2019-03-01 |
Family
ID=65455862
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811427621.2A Pending CN109407080A (zh) | 2018-11-27 | 2018-11-27 | 一种基于双目摄像头的车辆测距系统及其测距方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109407080A (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110321969A (zh) * | 2019-07-11 | 2019-10-11 | 山东领能电子科技有限公司 | 一种基于mtcnn的车脸对齐方法 |
| CN110334676A (zh) * | 2019-07-11 | 2019-10-15 | 山东领能电子科技有限公司 | 一种在局部复原的模糊图片上基于特征描述子比对的小目标检测方法 |
| CN110674817A (zh) * | 2019-11-21 | 2020-01-10 | 深圳市芊熠智能硬件有限公司 | 一种基于双目摄像头的车牌防伪的方法及装置 |
| CN113053124A (zh) * | 2021-03-25 | 2021-06-29 | 英博超算(南京)科技有限公司 | 一种智能车辆的测距系统 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101937508A (zh) * | 2010-09-30 | 2011-01-05 | 湖南大学 | 一种基于高清图像的车牌定位与识别方法 |
| CN104778687A (zh) * | 2015-03-26 | 2015-07-15 | 北京奇虎科技有限公司 | 一种图像匹配方法和装置 |
| CN104966047A (zh) * | 2015-05-22 | 2015-10-07 | 浪潮电子信息产业股份有限公司 | 一种车牌识别的方法及装置 |
| JP2015197780A (ja) * | 2014-04-01 | 2015-11-09 | 三菱プレシジョン株式会社 | 車両検知及び車両番号認識装置 |
| CN105716568A (zh) * | 2016-01-28 | 2016-06-29 | 武汉光庭信息技术股份有限公司 | 自动驾驶系统中双目摄像头测距方法 |
| CN107393311A (zh) * | 2017-09-13 | 2017-11-24 | 京东方科技集团股份有限公司 | 一种车牌篡改识别装置及方法 |
| CN209400694U (zh) * | 2018-11-27 | 2019-09-17 | 东风商用车有限公司 | 一种基于双目摄像头的车辆测距系统 |
-
2018
- 2018-11-27 CN CN201811427621.2A patent/CN109407080A/zh active Pending
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101937508A (zh) * | 2010-09-30 | 2011-01-05 | 湖南大学 | 一种基于高清图像的车牌定位与识别方法 |
| JP2015197780A (ja) * | 2014-04-01 | 2015-11-09 | 三菱プレシジョン株式会社 | 車両検知及び車両番号認識装置 |
| CN104778687A (zh) * | 2015-03-26 | 2015-07-15 | 北京奇虎科技有限公司 | 一种图像匹配方法和装置 |
| CN104966047A (zh) * | 2015-05-22 | 2015-10-07 | 浪潮电子信息产业股份有限公司 | 一种车牌识别的方法及装置 |
| CN105716568A (zh) * | 2016-01-28 | 2016-06-29 | 武汉光庭信息技术股份有限公司 | 自动驾驶系统中双目摄像头测距方法 |
| CN107393311A (zh) * | 2017-09-13 | 2017-11-24 | 京东方科技集团股份有限公司 | 一种车牌篡改识别装置及方法 |
| CN209400694U (zh) * | 2018-11-27 | 2019-09-17 | 东风商用车有限公司 | 一种基于双目摄像头的车辆测距系统 |
Non-Patent Citations (2)
| Title |
|---|
| 刘嵩 等: "数字图像处理原理、实现方法及实践探究", 31 October 2017, 哈尔滨工业大学出版社, pages: 203 * |
| 皱峰 等: "一种快速的台标识别算法", 福建电脑, no. 7, 31 July 2017 (2017-07-31), pages 7 - 8 * |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110321969A (zh) * | 2019-07-11 | 2019-10-11 | 山东领能电子科技有限公司 | 一种基于mtcnn的车脸对齐方法 |
| CN110334676A (zh) * | 2019-07-11 | 2019-10-15 | 山东领能电子科技有限公司 | 一种在局部复原的模糊图片上基于特征描述子比对的小目标检测方法 |
| CN110321969B (zh) * | 2019-07-11 | 2023-06-30 | 山东领能电子科技有限公司 | 一种基于mtcnn的车脸对齐方法 |
| CN110334676B (zh) * | 2019-07-11 | 2023-06-30 | 山东领能电子科技有限公司 | 一种在局部复原的模糊图片上基于特征描述子比对的小目标检测方法 |
| CN110674817A (zh) * | 2019-11-21 | 2020-01-10 | 深圳市芊熠智能硬件有限公司 | 一种基于双目摄像头的车牌防伪的方法及装置 |
| CN110674817B (zh) * | 2019-11-21 | 2020-11-20 | 深圳市芊熠智能硬件有限公司 | 一种基于双目摄像头的车牌防伪的方法及装置 |
| CN113053124A (zh) * | 2021-03-25 | 2021-06-29 | 英博超算(南京)科技有限公司 | 一种智能车辆的测距系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110322702B (zh) | 一种基于双目立体视觉系统的车辆智能测速方法 | |
| US11900619B2 (en) | Intelligent vehicle trajectory measurement method based on binocular stereo vision system | |
| Zaarane et al. | Distance measurement system for autonomous vehicles using stereo camera | |
| CA3028653C (en) | Methods and systems for color point cloud generation | |
| CN106370884B (zh) | 基于双目相机计算机视觉技术的车辆测速方法 | |
| CN107272021B (zh) | 使用雷达和视觉定义的图像检测区域的对象检测 | |
| CN109407080A (zh) | 一种基于双目摄像头的车辆测距系统及其测距方法 | |
| US10909395B2 (en) | Object detection apparatus | |
| CN102765365B (zh) | 基于机器视觉的行人检测方法及行人防撞预警系统 | |
| EP3792660B1 (en) | Method, apparatus and system for measuring distance | |
| CN105574552A (zh) | 一种基于单目视觉的车辆测距与碰撞预警方法 | |
| CN109583416B (zh) | 伪车道线识别方法及系统 | |
| JP6782433B2 (ja) | 画像認識装置 | |
| CN102176243A (zh) | 一种基于可见光和红外摄像机的目标测距方法 | |
| CN108645375B (zh) | 一种用于车载双目系统快速车辆测距优化方法 | |
| EP2589218A2 (en) | Automatic detection of moving object by using stereo vision technique | |
| Shunsuke et al. | GNSS/INS/on-board camera integration for vehicle self-localization in urban canyon | |
| TW201514524A (zh) | 角度估計檢測方法及電子裝置 | |
| CN114495064A (zh) | 一种基于单目深度估计的车辆周围障碍物预警方法 | |
| KR20170039465A (ko) | 실시간 목표 탐지에 의한 교통 정보 수집 시스템 및 방법 | |
| KR20170080481A (ko) | 다차선 차량 속도 측정 시스템 | |
| Chen et al. | Vision-based distance estimation for multiple vehicles using single optical camera | |
| Wu et al. | Design and implementation of vehicle speed estimation using road marking-based perspective transformation | |
| KR100962329B1 (ko) | 스테레오 카메라 영상으로부터의 지면 추출 방법과 장치 및이와 같은 방법을 구현하는 프로그램이 기록된 기록매체 | |
| CN209400694U (zh) | 一种基于双目摄像头的车辆测距系统 |
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 |