CN109472742B - 自动调整融合区域的算法及其实现方法 - Google Patents
自动调整融合区域的算法及其实现方法 Download PDFInfo
- Publication number
- CN109472742B CN109472742B CN201811171734.0A CN201811171734A CN109472742B CN 109472742 B CN109472742 B CN 109472742B CN 201811171734 A CN201811171734 A CN 201811171734A CN 109472742 B CN109472742 B CN 109472742B
- Authority
- CN
- China
- Prior art keywords
- ground
- image
- fusion area
- panoramic
- area
- 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
- 230000004927 fusion Effects 0.000 title claims abstract description 62
- 238000000034 method Methods 0.000 title claims abstract description 25
- 238000000605 extraction Methods 0.000 claims abstract description 15
- 230000011218 segmentation Effects 0.000 claims abstract description 11
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 8
- 238000011161 development Methods 0.000 claims description 7
- 230000018109 developmental process Effects 0.000 claims description 7
- 238000003708 edge detection Methods 0.000 claims description 4
- 238000007654 immersion Methods 0.000 claims description 4
- 230000000694 effects Effects 0.000 abstract description 6
- 230000007547 defect Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 238000007526 fusion splicing Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000005096 rolling process Methods 0.000 description 1
- 238000006748 scratching Methods 0.000 description 1
- 230000002393 scratching effect Effects 0.000 description 1
- 230000026676 system process Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4038—Image mosaicing, e.g. composing plane images from plane sub-images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/12—Edge-based segmentation
-
- 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
- G06T2207/10032—Satellite or aerial image; Remote sensing
- G06T2207/10044—Radar 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
- G06T2207/20—Special algorithmic details
- G06T2207/20112—Image segmentation details
- G06T2207/20152—Watershed segmentation
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20212—Image combination
- G06T2207/20221—Image fusion; Image merging
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明提供的自动调整融合区域的算法及其实现方法,实现方法包括步骤S100雷达扫描车体周围物体,形成360全景俯视图,获取车体周围高于地面物体的位置信息;S200判断高于地面物体的位置信息是否在融合区域内,如果在融合区域内,在全景图上候选融合区域运行分水岭算法,对图像进行目标分割和轮廓提取;S300结合雷达信息判断高于地面的轮廓,标识分割提取后的物体轮廓;以及S400根据标识的物体轮廓,调整全景俯视图中的融合区域拼接位置。从而通过上述实现方法得以提高360全景俯视图无缝拼接的融合效果,增强了用户的体验。
Description
技术领域
本发明涉及汽车影像技术领域,具体地说,是一种适于实时显示车体周围环视影像的自动调整融合区域的算法及其实现方法。
背景技术
近年来,随着经济的发展和人民生活水平的提高,越来越多的家庭选择汽车作为日常出行工具。然而,由于车窗及后视镜等辅助观测设备可提供的视野范围有限,经常导致一些剐蹭、碾压等悲剧的发生。
车载环视全景影像系统,对同一时刻采集到的多路视频图像处理成一幅车辆周边360度的车身俯视图,最后在中控台的屏幕上显示,让驾驶员清楚查看车辆周边是否存在障碍物并了解障碍物的相对方位与距离,帮助驾驶员轻松停泊车辆。不仅非常直观,而且不存在任何盲点,可以提高驾驶员从容操控车辆泊车入位或通过复杂路面,有效减少刮蹭、碰撞、陷落等事故的发生。
随着汽车影像的发展,用户对传统的360全景环视影像要求越来越高。传统360全景影像根据安装在车身上的4个摄像头,能实时地显示车身周围的信息,但是传统的360环视只能对地面上的区域进行拼接。
由于单目相机无法获得景深信息,所以当车体周围存在高于地面物体的时候,只能将这些物体当作是地面上的点,无法准确获得高于地面物体的高度信息,因而会在俯视图上导致拉伸畸变效果,而地面上的点则能够比较真实的还原出来,进而在理论上无法直接将高于地面的物体实现无缝拼接。
传统的自动调节融合区域方法大多是依靠雷达扫描的方式,即通过雷达扫描获取车身周围高于地面的物体。然而直接通过雷达信息调整融合区域范围会存在一定的缺陷,存在如下不足:(1)雷达很难精确地提取出物体与地面交界处的轮廓;(2)通过雷达扫描出的轮廓坐标映射回全景俯视图上会存在较大的误差。
发明内容
本发明的主要目的在于提供一种自动调整融合区域的算法及其实现方法,其克服现有技术的不足,在360全景俯视图融合区域内进行图像分割,提取物体轮廓,将轮廓信息与雷达相结合,分辨出全景图上的地面与高于地面的物体部分,调整融合区域拼接位置。
本发明的另一目的在于提供一种自动调整融合区域的算法及其实现方法,其将雷达与分水岭算法相结合的方式,弥补了雷达的不足,有效地提取出高于地面物体的轮廓,进而调整融合区域范围,改善融合拼接效果。
为达到以上目的,本发明采用的技术方案为一种自动调整融合区域的算法,包括步骤:
S210读入图片,灰度化;
S220用索贝尔算子获得梯度幅值图像;
S230找出梯度图像像素的局部极小值;以及
S240用模拟浸水法提取边界。
根据本发明的一实施例,所述步骤S240具体包括步骤:在局部极小值附近进行扫描,构造出集水盆地区和防水堤坝区,防水堤坝区构造于不同标记的集水盆地区的边缘,对图像划分处理,对俯视展开图进行轮廓提取和各个目标的划分。
根据本发明的一实施例,在所述步骤S220中的索贝尔算子是一种离散性差分算子,如果以A代表原始图像,Gx及Gy分别代表经横向及纵向边缘检测的图像,其公式如下:
根据本发明的一实施例,图像的每一个像素的横向及纵向梯度近似值用下列公式计算其大小,
一种自动调整融合区域的实现方法,其包括步骤:
S100雷达扫描车体周围物体,形成360全景俯视图,获取车体周围高于地面物体的位置信息;
S200判断高于地面物体的位置信息是否在融合区域内,如果在融合区域内,在全景图上候选融合区域运行分水岭算法,对图像进行目标分割和轮廓提取;
S300结合雷达信息判断高于地面的轮廓,标识分割提取后的物体轮廓;以及
S400根据标识的物体轮廓,调整全景俯视图中的融合区域拼接位置。
根据本发明的一实施例,在所述步骤S100中,通过安装在车体上的多个雷达实时扫描车体周围,实时判断在融合区域内是否有高于地面物体的存在,如果不存在高于地面的物体则不启动融合区域调整程序。
根据本发明的一实施例,在所述步骤S200中,所述分水岭算法包括步骤:
S210读入图片,灰度化;
S220用索贝尔算子获得梯度幅值图像;
S230找出梯度图像像素的局部极小值;以及
S240用模拟浸水法提取边界。
根据本发明的一实施例,所述步骤S240具体包括步骤:在局部极小值附近进行扫描,构造出集水盆地区和防水堤坝区,防水堤坝区构造于不同标记的集水盆地区的边缘,对图像划分处理,对俯视展开图进行轮廓提取和各个目标的划分。
根据本发明的一实施例,在所述步骤S220中的索贝尔算子是一种离散性差分算子,如果以A代表原始图像,Gx及Gy分别代表经横向及纵向边缘检测的图像,其公式如下:
根据本发明的一实施例,图像的每一个像素的横向及纵向梯度近似值用下列公式计算其大小,
根据本发明的一实施例,在所述步骤S300中,将雷达返回的坐标信息转换到全景俯视图中的图像坐标,通过转换后的图像坐标信息标识出哪个轮廓属于地面,哪个轮廓属于高于地面的物体,分辨各个目标轮廓。
根据本发明的一实施例,在所述步骤S400中,根据S300中标识的物体轮廓,调整全景俯视图中的融合区域,对汽车360全景俯视图的四个拼接区域进行在线调整,使拼接融合区域避开高于地面物体轮廓的区域。
与现有技术相比,本发明的有益效果是:
(1)利用车体上的雷达扫描当前融合区域内是否存在高于地面的物体,如果存在则在全景图上候选融合区域运行分水岭算法,对图像进行目标分割与轮廓提取,然后结合雷达信息标志出高于地面物体的轮廓,改善直接通过雷达信息调整融合区域范围存在的缺陷;
(2)根据360全景俯视图的展开理论,高于地面的物体与地面的点在全景俯视图上有显著的区别,通过分水岭算法将全景图进行分割与轮廓提取,进而将地面与高于地面的物体分割清楚,其后将轮廓信息与雷达相结合,标志出分割提取后的轮廓,分辨出全景图上的地面与高于地面的物体部分,进而调整融合区域拼接位置,将融合区域避开高于地面的物体,改善融合拼接效果。
附图说明
图1是车身摄像头安装平面图。
图2是根据本发明实施例的处理流程图。
图3是根据本发明实施例的分水岭算法流程图。
图4是根据本发明实施例的融合区域示意图。
具体实施方式
以下描述用于揭露本发明以使本领域技术人员能够实现本发明。以下描述中的优选实施例只作为举例,本领域技术人员可以想到其他显而易见的变型。
如图1所示的汽车四周的硬件装置安装,在汽车的四周安装4个广角鱼眼摄像头,图1中的F、B、L、R分别表示前摄像头、后摄像头、左摄像头、右摄像头。前摄像头安装在汽车车标处,后摄像头安装在汽车后备箱按钮处,左、右摄像头分别安装在汽车后视镜处。
在汽车车体的四周安装若干雷达传感器。
车体上安装有中央处理器CPU,中央处理器CPU以用于负责采集和处理摄像头数据,包括运算融合区域与权重。
一种自动调整融合区域的实现方法,如图2所示,其包括步骤:
S100雷达扫描车体周围物体,形成360全景俯视图,获取车体周围高于地面物体的位置信息;
S200判断高于地面物体的位置信息是否在融合区域内,如果在融合区域内,在全景图上候选融合区域运行分水岭算法,对图像进行目标分割和轮廓提取;
S300结合雷达信息判断高于地面的轮廓,标识分割提取后的物体轮廓;以及
S400根据标识的物体轮廓,调整全景俯视图中的融合区域拼接位置。
从而通过上述实现方法得以提高360全景俯视图无缝拼接的融合效果,增强了用户的体验。
其中,在所述步骤S100中,通过雷达判断车体左前,左后,右前,右后是否在融合区域内有高于地面的物体存在。通过安装在车体上的多个雷达实时扫描车体周围,实时判断在融合区域内是否有高于地面物体的存在,如果不存在高于地面的物体则不启动融合区域调整程序,得以提高实时性。也就说,如果车体周围的融合区域不存在高于地面物体,则不启动分水岭算法,因为分水岭算法计算比较耗时,得以有效提高程序运算效率,达到实时性的要求。
雷达利用发射脉冲与接收脉冲之间的时间差乘以电磁波的传播速度(光速),从而得到雷达与目标之间的精确距离。目标角的位置测量原理是利用天线的方向性,雷达天线将电磁能量汇集在窄波束内,当天线波束对准目标时,回波信号最强,根据接收回波最强时的天线波束指向,就可确定目标的方向。
测量速度原理是雷达根据自身和目标之间有相对运动产生的频率多普勒效应。雷达接收到的目标回波频率与雷达发射频率不同,两者的差值称为多普勒频率。从多普勒频率中可提取的主要信息之一是雷达与目标之间的距离变化率。当目标与干扰杂波同时存在于雷达的同一空间分辨单元内时,雷达利用它们之间多普勒频率的不同能从干扰杂波中检测和跟踪目标。
其中,在所述步骤S200中,利用车体上的雷达扫描当前融合区域内是否存在高于地面的物体,如果存在则在全景图上候选融合区域运行分水岭算法,对图像进行目标分割与轮廓提取,提取全景图中融合区域内目标轮廓。
在所述步骤S200中,自动调整融合区域的算法即分水岭算法,如图3所示,包括步骤:
S210读入图片,灰度化;
S220用索贝尔算子(Sobel算子)获得梯度幅值图像;
S230找出梯度图像像素的局部极小值;以及
S240用模拟浸水法提取边界。
其中,所述步骤S240具体包括步骤:在局部极小值附近进行扫描,构造出集水盆地区和防水堤坝区,防水堤坝区构造于不同标记的集水盆地区的边缘,对图像划分处理,对俯视展开图进行轮廓提取和各个目标的划分。由于高于地面的物体在展开图上有很大的畸变与地面上的图像有较大的区别,因此通过分水岭方法得以快速提取出轮廓。
如果融合区域内存在高于地面的物体,则启动分水岭算法,对汽车360全景俯视图的候选融合区域运行分水岭算法进行目标分割与轮廓提取。为了提高实时性,并不对整个全景俯视图运行分水岭算法,而仅仅是对全景图的候选融合区域运行分水岭算法,得以提高运行效率,达到实时性的要求。
索贝尔算子是一种离散性差分算子,该算子分为两部分,一部分检测水平部分,一部分检测垂直。如果以A代表原始图像,Gx及Gy分别代表经横向及纵向边缘检测的图像,其公式如下:
图像的每一个像素的横向及纵向梯度近似值用下列公式计算其大小,
其中,在所述步骤S300中,根据雷达返回的物体位置信息标识出S200中提取出的轮廓哪一部分属于地面轮廓,哪一部分属于高于地面的物体轮廓,分辨各个目标轮廓。
由于分水岭算法只能分割出图像中的目标轮廓,但是无法分辨出目标轮廓哪个属于地面,哪个属于高于地面的物体,而雷达扫描返回的坐标是高于地面物体的坐标,从而将雷达返回的坐标信息转换到全景俯视图中的图像坐标,通过转换后的图像坐标信息标识出哪个轮廓属于地面,哪个轮廓属于高于地面的物体。
其中,在所述步骤S400中,根据S300中标识的物体轮廓,调整全景俯视图中的融合区域,对汽车360全景俯视图的四个拼接区域进行在线调整,使拼接融合区域避开高于地面物体轮廓的区域,以便改善拼接不齐的现象。
如图4所示,当右上角融合区域存在高于地面物体A时,调整融合区域C,使融合区域避开物体A的轮廓,将融合区域从C区域调整到区域B,从而在最终的汽车360全景俯视图中融合区域避开了高于地面的物体,使拼接区域调整到地面的区域内,使得融合区域有更好的视觉体验。
以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解,本发明不受上述实施例的限制,上述实施例和说明书中描述的只是本发明的原理,在不脱离本发明精神和范围的前提下本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明的范围内。本发明要求的保护范围由所附的权利要求书及其等同物界定。
Claims (6)
1.一种自动调整融合区域的实现方法,其特征在于,包括步骤:
S100雷达扫描车体周围物体,形成全景图,获取车体周围高于地面物体的位置信息;
S200判断高于地面物体的位置信息是否在融合区域内,如果在融合区域内,在全景图上候选融合区域运行分水岭算法,对图像进行目标分割和轮廓提取;
S300结合雷达信息判断高于地面的轮廓,标识分割提取后的物体轮廓;以及
S400根据标识的物体轮廓,调整全景俯视图中的融合区域拼接位置;
在所述步骤S300中,将雷达返回的坐标信息转换到全景俯视图中的图像坐标,通过转换后的图像坐标信息标识出哪个轮廓属于地面,哪个轮廓属于高于地面的物体,分辨各个目标轮廓;
在所述步骤S400中,根据S300中标识的物体轮廓,调整全景俯视图中的融合区域,对汽车360全景俯视图的四个拼接区域进行在线调整,使拼接融合区域避开高于地面物体轮廓的区域。
2.根据权利要求1所述的实现方法,其特征在于,在所述步骤S100中,通过安装在车体上的多个雷达实时扫描车体周围,实时判断在融合区域内是否有高于地面物体的存在,如果不存在高于地面的物体则不启动融合区域调整程序。
3.根据权利要求1所述的实现方法,其特征在于,在所述步骤S200中,所述分水岭算法包括步骤:
S210读入图片,灰度化;
S220用索贝尔算子获得梯度幅值图像;
S230找出梯度图像像素的局部极小值;以及
S240用模拟浸水法提取边界。
4.根据权利要求3所述的实现方法,其特征在于,所述步骤S240具体包括步骤:在局部极小值附近进行扫描,构造出集水盆地区和防水堤坝区,防水堤坝区构造于不同标记的集水盆地区的边缘,对图像划分处理,对俯视展开图进行轮廓提取和各个目标的划分。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811171734.0A CN109472742B (zh) | 2018-10-09 | 2018-10-09 | 自动调整融合区域的算法及其实现方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811171734.0A CN109472742B (zh) | 2018-10-09 | 2018-10-09 | 自动调整融合区域的算法及其实现方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109472742A CN109472742A (zh) | 2019-03-15 |
CN109472742B true CN109472742B (zh) | 2023-05-23 |
Family
ID=65664527
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811171734.0A Active CN109472742B (zh) | 2018-10-09 | 2018-10-09 | 自动调整融合区域的算法及其实现方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109472742B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113905176B (zh) * | 2021-09-29 | 2024-04-26 | 中科创达软件股份有限公司 | 全景图像的拼接方法、辅助驾驶方法及装置和车辆 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101286239A (zh) * | 2008-04-22 | 2008-10-15 | 北京航空航天大学 | 航拍交通视频车辆快速检测方法 |
CN102442311A (zh) * | 2010-10-06 | 2012-05-09 | 罗伯特·博世有限公司 | 确定与车辆周边环境有关的编辑的图像数据的方法和设备 |
CN105844225A (zh) * | 2016-03-18 | 2016-08-10 | 乐卡汽车智能科技(北京)有限公司 | 一种基于车辆的图像处理方法和装置 |
-
2018
- 2018-10-09 CN CN201811171734.0A patent/CN109472742B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101286239A (zh) * | 2008-04-22 | 2008-10-15 | 北京航空航天大学 | 航拍交通视频车辆快速检测方法 |
CN102442311A (zh) * | 2010-10-06 | 2012-05-09 | 罗伯特·博世有限公司 | 确定与车辆周边环境有关的编辑的图像数据的方法和设备 |
CN105844225A (zh) * | 2016-03-18 | 2016-08-10 | 乐卡汽车智能科技(北京)有限公司 | 一种基于车辆的图像处理方法和装置 |
Non-Patent Citations (2)
Title |
---|
基于分水岭算法的图像分割方法研究;王国权 等;《计算机仿真》;20090531;第26卷(第5期);第255页-第258页 * |
王国权 等.基于分水岭算法的图像分割方法研究.《计算机仿真》.2009,第26卷(第5期),第255页-第258页. * |
Also Published As
Publication number | Publication date |
---|---|
CN109472742A (zh) | 2019-03-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111352112B (zh) | 基于视觉、激光雷达和毫米波雷达的目标检测方法 | |
CN107738612B (zh) | 基于全景视觉辅助系统的自动泊车停车位检测与识别系统 | |
US10445928B2 (en) | Method and system for generating multidimensional maps of a scene using a plurality of sensors of various types | |
Hautière et al. | Towards fog-free in-vehicle vision systems through contrast restoration | |
JP4861574B2 (ja) | 運転支援装置 | |
EP3792660B1 (en) | Method, apparatus and system for measuring distance | |
CN112419385B (zh) | 一种3d深度信息估计方法、装置及计算机设备 | |
US20130286205A1 (en) | Approaching object detection device and method for detecting approaching objects | |
US20110169957A1 (en) | Vehicle Image Processing Method | |
JP2002352225A (ja) | 障害物検出装置及びその方法 | |
JP4872769B2 (ja) | 路面判別装置および路面判別方法 | |
CN110826512B (zh) | 地面障碍物检测方法、设备及计算机可读存储介质 | |
JPWO2019202628A1 (ja) | 路面検出装置、路面検出装置を利用した画像表示装置、路面検出装置を利用した障害物検知装置、路面検出方法、路面検出方法を利用した画像表示方法、および路面検出方法を利用した障害物検知方法 | |
JP4344860B2 (ja) | ステレオ画像を用いた道路平面領域並びに障害物検出方法 | |
CN114118252A (zh) | 一种基于传感器多元信息融合的车辆检测方法及检测装置 | |
CN114299146A (zh) | 辅助停车方法、装置、计算机设备和计算机可读存储介质 | |
CN109063632B (zh) | 一种基于双目视觉的泊车位特征筛选方法 | |
JP2012019552A (ja) | 運転支援装置 | |
CN115346368A (zh) | 一种基于远、近景多传感器一体融合的交通路侧感知系统及方法 | |
CN109472742B (zh) | 自动调整融合区域的算法及其实现方法 | |
JP3254464B2 (ja) | 車輌認識装置と移動体認識方法 | |
Hwang et al. | Vision-based vehicle detection and tracking algorithm design | |
Barua et al. | An Efficient Method of Lane Detection and Tracking for Highway Safety | |
JP2008286648A (ja) | 距離計測装置、距離計測システム、距離計測方法 | |
CN111339840B (zh) | 人脸检测方法和监控系统 |
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 | ||
TA01 | Transfer of patent application right | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20220818 Address after: Room 1606, Youte Headquarters Building, No. 88, Xingye Road, Xiangzhou District, Zhuhai City, Guangdong Province, 519000 Applicant after: Zhuhai Daxuan Information Technology Co., Ltd. Address before: Room 108, Management Committee of Yizheng Automobile Industrial Park, Yangzhou City, Jiangsu Province Applicant before: JIANGSU YULAN INFORMATION TECHNOLOGY CO.,LTD. |
|
GR01 | Patent grant | ||
GR01 | Patent grant |