CN109657621A - 大数据轨迹分析平台 - Google Patents
大数据轨迹分析平台 Download PDFInfo
- Publication number
- CN109657621A CN109657621A CN201811567422.1A CN201811567422A CN109657621A CN 109657621 A CN109657621 A CN 109657621A CN 201811567422 A CN201811567422 A CN 201811567422A CN 109657621 A CN109657621 A CN 109657621A
- Authority
- CN
- China
- Prior art keywords
- equipment
- data
- trajectory analysis
- curve
- humidity
- 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
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
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/3058—Monitoring arrangements for monitoring environmental properties or parameters of the computing system or of the computing system component, e.g. monitoring of power, currents, temperature, humidity, position, vibrations
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/08—Detecting or categorising vehicles
Abstract
本发明涉及一种大数据轨迹分析平台,包括:轨迹分析设备,位于大数据服务器端,用于接收对停车场内拍摄所获得的连续视频画面,并基于对停车场内拍摄所获得的连续视频画面进行车体轨迹分析,以获得停车场内各个车辆的各个行驶轨迹;在所述轨迹分析设备中,获得的停车场内各个车辆的各个行驶轨迹为各个平面曲线;曲线判断设备,设置在停车场内的竖杆上,与所述轨迹分析设备连接,用于接收所述各个平面曲线,对每一个平面曲线执行以下处理:对所述平面曲线的曲线特征进行识别,以基于识别到的曲线特征判断对应车辆是否为可疑车辆。通过本发明,在完善设备内部湿度测量机制的同时,提高了可疑车辆的判断速度和准确性。
Description
技术领域
本发明涉及大数据领域,尤其涉及一种大数据轨迹分析平台。
背景技术
随着云时代的来临,大数据(Big data)也吸引了越来越多的关注。分析师团队认为,大数据(Big data)通常用来形容一个公司创造的大量非结构化数据和半结构化数据,这些数据在下载到关系型数据库用于分析时会花费过多时间和金钱。大数据分析常和云计算联系到一起,因为实时的大型数据集分析需要像MapReduce一样的框架来向数十、数百或甚至数千的电脑分配工作。
发明内容
为了解决当前无法兼顾可疑车辆的判断速度和准确性的技术问题,本发明提供了一种大数据轨迹分析平台。
本发明至少具有以下三个重要发明点:(1)建立针对性的芯片结构的设备内部湿度测量机制,克服了芯片结构的设备结构过小无法进行传统湿度测量的缺陷;(2)基于轨迹分析设备的当前存在数据输出的各个引脚的数量调节轨迹分析设备与曲线判断设备之间的数据总线的传输速率,使得所述引脚数量与所述传输速率相匹配;(3)采用大数据的车辆轨迹分析机制,提高了可疑车辆的判断速度和准确性。
根据本发明的一方面,提供了一种大数据轨迹分析平台,所述平台包括:轨迹分析设备,位于大数据服务器端,用于接收对停车场内拍摄所获得的连续视频画面,并基于对停车场内拍摄所获得的连续视频画面进行车体轨迹分析,以获得停车场内各个车辆的各个行驶轨迹。
更具体地,在所述大数据轨迹分析平台中:在所述轨迹分析设备中,获得的停车场内各个车辆的各个行驶轨迹为各个平面曲线。
更具体地,在所述大数据轨迹分析平台中,还包括:
曲线判断设备,设置在停车场内的竖杆上,与所述轨迹分析设备连接用于接收所述各个平面曲线,对每一个平面曲线执行以下处理:对所述平面曲线的曲线特征进行识别,以基于识别到的曲线特征判断对应车辆是否为可疑车辆;
在所述曲线判断设备中,将所述平面曲线的曲线与各个可疑轨迹曲线进行分别匹配,在与某一个可疑轨迹曲线匹配成功时,判断对应车辆为可疑车辆;
现场警示设备,设置在停车场内的竖杆上,与所述曲线判断设备连接,用于基于所述曲线判断设备的判断结果执行相应的现场报警动作;
引脚分析设备,与轨迹分析设备连接,用于统计轨迹分析设备当前存在数据输出的各个引脚的数量,以作为即时引脚数量输出;
数量判断设备,与所述引脚分析设备连接,用于接收所述即时引脚数量,并在所述即时引脚数量是预设数量阈值的两倍以上时,发出第一控制指令,在所述即时引脚数量是预设数量阈值的一倍以上时,发出第二控制指令,在所述即时引脚数量小于预设数量阈值时,发出第三控制指令;
所述数量判断设备包括数据接收组件和指令解析组件,所述数据接收组件和所述指令解析组件连接;
总线调节设备,与所述数量判断设备连接,用于在接收到所述第一控制指令时,实现对轨迹分析设备和曲线判断设备之间的数据总线的传输速率的调节;
所述现场警示设备还与数据分析设备连接,用于接收内部湿度数据,并在内部湿度数据不在预设湿度范围内时,进行相应的语音报警操作;
所述现场警示设备包括信号解析单元和语音报警芯片,所述信号解析单元与所述语音报警芯片连接;
第一检测设备,设置在轨迹分析设备的外壳上,用于对轨迹分析设备的外壳上的湿度执行现场检测操作,以获得第一湿度数据;
第二检测设备,设置在曲线判断设备的外壳上,用于对曲线判断设备的外壳上的湿度执行现场检测操作,以获得第二湿度数据;
第三检测设备,设置在现场警示设备的外壳上,用于对现场警示设备的外壳上的湿度执行现场检测操作,以获得第三湿度数据;
数据分析设备,分别与所述第一检测设备、第二检测设备和第三检测设备连接,用于接收所述第一湿度数据、所述第二湿度数据和所述第三湿度数据,并对所述第一湿度数据、所述第二湿度数据和所述第三湿度数据执行加权估算操作,以获得所述轨迹分析设备的内部湿度数据;
其中,所述第一权重值大于所述第二权重值且大于所述第三权重值,所述第一权重值取值范围在0.5到2之间,所述第二权重值和所述第三权重值的取值范围在0.25到1之间;
其中,在所述总线调节设备中,实现对轨迹分析设备和曲线判断设备之间的数据总线的传输速率的调节包括:加快轨迹分析设备和曲线判断设备之间的数据总线的传输速率以使得所述传输速率与所述即时引脚数量成正比。
更具体地,在所述大数据轨迹分析平台中:在所述数据分析设备中,对所述第一湿度数据、所述第二湿度数据和所述第三湿度数据执行加权估算操作,以获得所述轨迹分析设备的内部湿度数据包括:将所述第一湿度数据和第一权重值相乘以获得第一乘积,将所述第二湿度数据和第二权重值相乘以获得第二乘积,将所述第三湿度数据和第三权重值相乘以获得第三乘积,将所述第一乘积、所述第二乘积和所述第三乘积相加以获得所述内部湿度数据。
更具体地,在所述大数据轨迹分析平台中:在所述总线调节设备中,在接收到所述第二控制指令时,维持轨迹分析设备和曲线判断设备之间的数据总线的传输速率。
更具体地,在所述大数据轨迹分析平台中:在所述总线调节设备中,在接收到所述第三控制指令时,降低轨迹分析设备和曲线判断设备之间的数据总线的传输速率;
更具体地,在所述大数据轨迹分析平台中:所述轨迹分析设备和所述曲线判断设备共用同一现场计时设备和共用同一供电输入设备。
更具体地,在所述大数据轨迹分析平台中,还包括:数据缓存设备,被设置在所述轨迹分析设备和所述曲线判断设备之间。
更具体地,在所述大数据轨迹分析平台中:所述数据缓存设备通过两个数据接口分别与所述轨迹分析设备和所述曲线判断设备连接。
附图说明
以下将结合附图对本发明的实施方案进行描述,其中:
图1为根据本发明实施方案示出的大数据轨迹分析平台所使用的大数据服务器的结构示意图。
具体实施方式
下面将参照附图对本发明的大数据轨迹分析平台的实施方案进行详细说明。
大数据需要特殊的技术,以有效地处理大量的容忍经过时间内的数据。适用于大数据的技术,包括大规模并行处理(MPP)数据库、数据挖掘、分布式文件系统、分布式数据库、云计算平台、互联网和可扩展的存储系统。
大数据最小的基本单位是bit,按顺序给出所有单位:bit、Byte、KB、MB、GB、TB、PB、EB、ZB、YB、BB、NB、DB。他们按照进率1024(2的十次方)来计算。
为了克服上述不足,本发明搭建了一种大数据轨迹分析平台,能够有效解决相应的技术问题。
根据本发明实施方案示出的大数据轨迹分析平台包括:
轨迹分析设备,位于大数据服务器端,大数据服务器的结构如图1所示,所述轨迹分析设备用于接收对停车场内拍摄所获得的连续视频画面,并基于对停车场内拍摄所获得的连续视频画面进行车体轨迹分析,以获得停车场内各个车辆的各个行驶轨迹。
接着,继续对本发明的大数据轨迹分析平台的具体结构进行进一步的说明。
在所述大数据轨迹分析平台中,还包括:
在所述轨迹分析设备中,获得的停车场内各个车辆的各个行驶轨迹为各个平面曲线。
在所述大数据轨迹分析平台中,还包括:
曲线判断设备,设置在停车场内的竖杆上,与所述轨迹分析设备连接,用于接收所述各个平面曲线,对每一个平面曲线执行以下处理:对所述平面曲线的曲线特征进行识别,以基于识别到的曲线特征判断对应车辆是否为可疑车辆;
在所述曲线判断设备中,将所述平面曲线的曲线与各个可疑轨迹曲线进行分别匹配,在与某一个可疑轨迹曲线匹配成功时,判断对应车辆为可疑车辆;
现场警示设备,设置在停车场内的竖杆上,与所述曲线判断设备连接,用于基于所述曲线判断设备的判断结果执行相应的现场报警动作;
引脚分析设备,与轨迹分析设备连接,用于统计轨迹分析设备当前存在数据输出的各个引脚的数量,以作为即时引脚数量输出;
数量判断设备,与所述引脚分析设备连接,用于接收所述即时引脚数量,并在所述即时引脚数量是预设数量阈值的两倍以上时,发出第一控制指令,在所述即时引脚数量是预设数量阈值的一倍以上时,发出第二控制指令,在所述即时引脚数量小于预设数量阈值时,发出第三控制指令;
所述数量判断设备包括数据接收组件和指令解析组件,所述数据接收组件和所述指令解析组件连接;
总线调节设备,与所述数量判断设备连接,用于在接收到所述第一控制指令时,实现对轨迹分析设备和曲线判断设备之间的数据总线的传输速率的调节;
所述现场警示设备还与数据分析设备连接,用于接收内部湿度数据,并在内部湿度数据不在预设湿度范围内时,进行相应的语音报警操作;
所述现场警示设备包括信号解析单元和语音报警芯片,所述信号解析单元与所述语音报警芯片连接;
第一检测设备,设置在轨迹分析设备的外壳上,用于对轨迹分析设备的外壳上的湿度执行现场检测操作,以获得第一湿度数据;
第二检测设备,设置在曲线判断设备的外壳上,用于对曲线判断设备的外壳上的湿度执行现场检测操作,以获得第二湿度数据;
第三检测设备,设置在现场警示设备的外壳上,用于对现场警示设备的外壳上的湿度执行现场检测操作,以获得第三湿度数据;
数据分析设备,分别与所述第一检测设备、第二检测设备和第三检测设备连接,用于接收所述第一湿度数据、所述第二湿度数据和所述第三湿度数据,并对所述第一湿度数据、所述第二湿度数据和所述第三湿度数据执行加权估算操作,以获得所述轨迹分析设备的内部湿度数据;
其中,所述第一权重值大于所述第二权重值且大于所述第三权重值,所述第一权重值取值范围在0.5到2之间,所述第二权重值和所述第三权重值的取值范围在0.25到1之间;
其中,在所述总线调节设备中,实现对轨迹分析设备和曲线判断设备之间的数据总线的传输速率的调节包括:加快轨迹分析设备和曲线判断设备之间的数据总线的传输速率以使得所述传输速率与所述即时引脚数量成正比。
在所述大数据轨迹分析平台中:
在所述数据分析设备中,对所述第一湿度数据、所述第二湿度数据和所述第三湿度数据执行加权估算操作,以获得所述轨迹分析设备的内部湿度数据包括:将所述第一湿度数据和第一权重值相乘以获得第一乘积,将所述第二湿度数据和第二权重值相乘以获得第二乘积,将所述第三湿度数据和第三权重值相乘以获得第三乘积,将所述第一乘积、所述第二乘积和所述第三乘积相加以获得所述内部湿度数据。
在所述大数据轨迹分析平台中:
在所述总线调节设备中,在接收到所述第二控制指令时,维持轨迹分析设备和曲线判断设备之间的数据总线的传输速率。
在所述大数据轨迹分析平台中:
在所述总线调节设备中,在接收到所述第三控制指令时,降低轨迹分析设备和曲线判断设备之间的数据总线的传输速率;
在所述大数据轨迹分析平台中:
所述轨迹分析设备和所述曲线判断设备共用同一现场计时设备和共用同一供电输入设备。
在所述大数据轨迹分析平台中,还包括:
数据缓存设备,被设置在所述轨迹分析设备和所述曲线判断设备之间。
在所述大数据轨迹分析平台中:
所述数据缓存设备通过两个数据接口分别与所述轨迹分析设备和所述曲线判断设备连接。
另外,采用GPU芯片来实现所述数据分析设备。GPU是能够从硬件上支持T&L(Transform and Lighting,多边形转换和光源处理)的显示芯片,由于T&L是3D渲染中的一个重要部分,其作用是计算多边形的3D位置与处理动态光线效果,也能称为″几何处理″。一个好的T&L单元,能提供细致的3D物体和高级的光线特效;只不过大多数PC中,T&L的大部分运算是交由CPU处理的(这就也就是所谓软件T&L),因为CPU的任务繁多,除了T&L之外,还要做内存管理和输入响应等非3D图形处理工作,所以在实际运算的时候性能会大打折扣,一般出现显卡等待CPU数据的情况,CPU运算速度远跟不上时下复杂三维游戏的要求。即使CPU的工作频率超出1GHz或更高,对它的帮助也不大,因为这是PC本身设计造成的问题,与CPU的速度无太大关系。
采用本发明的大数据轨迹分析平台,针对现有技术中无法兼顾可疑车辆的判断速度和准确性的技术问题,通过建立针对性的芯片结构的设备内部湿度测量机制,克服了芯片结构的设备结构过小无法进行传统湿度测量的缺陷;还基于轨迹分析设备的当前存在数据输出的各个引脚的数量调节轨迹分析设备与曲线判断设备之间的数据总线的传输速率,使得所述引脚数量与所述传输速率相匹配;尤为关键的是,采用了大数据的车辆轨迹分析机制,提高了可疑车辆的判断速度和准确性。
可以理解的是,虽然本发明已以较佳实施例披露如上,然而上述实施例并非用以限定本发明。对于任何熟悉本领域的技术人员而言,在不脱离本发明技术方案范围情况下,都可利用上述揭示的技术内容对本发明技术方案做出许多可能的变动和修饰,或修改为等同变化的等效实施例。因此,凡是未脱离本发明技术方案的内容,依据本发明的技术实质对以上实施例所做的任何简单修改、等同变化及修饰,均仍属于本发明技术方案保护的范围内。
Claims (9)
1.一种大数据轨迹分析平台,其特征在于,包括:
轨迹分析设备,位于大数据服务器端,用于接收对停车场内拍摄所获得的连续视频画面,并基于对停车场内拍摄所获得的连续视频画面进行车体轨迹分析,以获得停车场内各个车辆的各个行驶轨迹。
2.如权利要求1所述的大数据轨迹分析平台,其特征在于:
在所述轨迹分析设备中,获得的停车场内各个车辆的各个行驶轨迹为各个平面曲线。
3.如权利要求2所述的大数据轨迹分析平台,其特征在于,所述平台还包括:
曲线判断设备,设置在停车场内的竖杆上,与所述轨迹分析设备连接,用于接收所述各个平面曲线,对每一个平面曲线执行以下处理:对所述平面曲线的曲线特征进行识别,以基于识别到的曲线特征判断对应车辆是否为可疑车辆;
在所述曲线判断设备中,将所述平面曲线的曲线与各个可疑轨迹曲线进行分别匹配,在与某一个可疑轨迹曲线匹配成功时,判断对应车辆为可疑车辆;
现场警示设备,设置在停车场内的竖杆上,与所述曲线判断设备连接,用于基于所述曲线判断设备的判断结果执行相应的现场报警动作;
引脚分析设备,与轨迹分析设备连接,用于统计轨迹分析设备当前存在数据输出的各个引脚的数量,以作为即时引脚数量输出;
数量判断设备,与所述引脚分析设备连接,用于接收所述即时引脚数量,并在所述即时引脚数量是预设数量阈值的两倍以上时,发出第一控制指令,在所述即时引脚数量是预设数量阈值的一倍以上时,发出第二控制指令,在所述即时引脚数量小于预设数量阈值时,发出第三控制指令;
所述数量判断设备包括数据接收组件和指令解析组件,所述数据接收组件和所述指令解析组件连接;
总线调节设备,与所述数量判断设备连接,用于在接收到所述第一控制指令时,实现对轨迹分析设备和曲线判断设备之间的数据总线的传输速率的调节;
所述现场警示设备还与数据分析设备连接,用于接收内部湿度数据,并在内部湿度数据不在预设湿度范围内时,进行相应的语音报警操作;
所述现场警示设备包括信号解析单元和语音报警芯片,所述信号解析单元与所述语音报警芯片连接;
第一检测设备,设置在轨迹分析设备的外壳上,用于对轨迹分析设备的外壳上的湿度执行现场检测操作,以获得第一湿度数据;
第二检测设备,设置在曲线判断设备的外壳上,用于对曲线判断设备的外壳上的湿度执行现场检测操作,以获得第二湿度数据;
第三检测设备,设置在现场警示设备的外壳上,用于对现场警示设备的外壳上的湿度执行现场检测操作,以获得第三湿度数据;
数据分析设备,分别与所述第一检测设备、第二检测设备和第三检测设备连接,用于接收所述第一湿度数据、所述第二湿度数据和所述第三湿度数据,并对所述第一湿度数据、所述第二湿度数据和所述第三湿度数据执行加权估算操作,以获得所述轨迹分析设备的内部湿度数据;
其中,所述第一权重值大于所述第二权重值且大于所述第三权重值,所述第一权重值取值范围在0.5到2之间,所述第二权重值和所述第三权重值的取值范围在0.25到1之间;
其中,在所述总线调节设备中,实现对轨迹分析设备和曲线判断设备之间的数据总线的传输速率的调节包括:加快轨迹分析设备和曲线判断设备之间的数据总线的传输速率以使得所述传输速率与所述即时引脚数量成正比。
4.如权利要求3所述的大数据轨迹分析平台,其特征在于:
在所述数据分析设备中,对所述第一湿度数据、所述第二湿度数据和所述第三湿度数据执行加权估算操作,以获得所述轨迹分析设备的内部湿度数据包括:将所述第一湿度数据和第一权重值相乘以获得第一乘积,将所述第二湿度数据和第二权重值相乘以获得第二乘积,将所述第三湿度数据和第三权重值相乘以获得第三乘积,将所述第一乘积、所述第二乘积和所述第三乘积相加以获得所述内部湿度数据。
5.如权利要求4所述的大数据轨迹分析平台,其特征在于:
在所述总线调节设备中,在接收到所述第二控制指令时,维持轨迹分析设备和曲线判断设备之间的数据总线的传输速率。
6.如权利要求5所述的大数据轨迹分析平台,其特征在于:
在所述总线调节设备中,在接收到所述第三控制指令时,降低轨迹分析设备和曲线判断设备之间的数据总线的传输速率。
7.如权利要求6所述的大数据轨迹分析平台,其特征在于:
所述轨迹分析设备和所述曲线判断设备共用同一现场计时设备和共用同一供电输入设备。
8.如权利要求7所述的大数据轨迹分析平台,其特征在于,所述平台还包括:
数据缓存设备,被设置在所述轨迹分析设备和所述曲线判断设备之间。
9.如权利要求8所述的大数据轨迹分析平台,其特征在于:所述数据缓存设备通过两个数据接口分别与所述轨迹分析设备和所述曲线判断设备连接。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811567422.1A CN109657621A (zh) | 2018-12-21 | 2018-12-21 | 大数据轨迹分析平台 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811567422.1A CN109657621A (zh) | 2018-12-21 | 2018-12-21 | 大数据轨迹分析平台 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109657621A true CN109657621A (zh) | 2019-04-19 |
Family
ID=66116071
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811567422.1A Pending CN109657621A (zh) | 2018-12-21 | 2018-12-21 | 大数据轨迹分析平台 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109657621A (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1641520A (zh) * | 2004-01-09 | 2005-07-20 | 顺德市顺达电脑厂有限公司 | 电脑装置的湿度检测保护装置及方法 |
CN205408036U (zh) * | 2016-03-04 | 2016-07-27 | 南京信息工程大学 | 一种基于视觉跟踪的车辆监控系统 |
CN107204114A (zh) * | 2016-03-18 | 2017-09-26 | 中兴通讯股份有限公司 | 一种车辆异常行为的识别方法及装置 |
CN107316459A (zh) * | 2017-07-21 | 2017-11-03 | 武汉依迅北斗空间技术有限公司 | 一种车辆轨迹异常检测方法及系统 |
CN108242145A (zh) * | 2016-12-26 | 2018-07-03 | 高德软件有限公司 | 异常轨迹点检测方法和装置 |
-
2018
- 2018-12-21 CN CN201811567422.1A patent/CN109657621A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1641520A (zh) * | 2004-01-09 | 2005-07-20 | 顺德市顺达电脑厂有限公司 | 电脑装置的湿度检测保护装置及方法 |
CN205408036U (zh) * | 2016-03-04 | 2016-07-27 | 南京信息工程大学 | 一种基于视觉跟踪的车辆监控系统 |
CN107204114A (zh) * | 2016-03-18 | 2017-09-26 | 中兴通讯股份有限公司 | 一种车辆异常行为的识别方法及装置 |
CN108242145A (zh) * | 2016-12-26 | 2018-07-03 | 高德软件有限公司 | 异常轨迹点检测方法和装置 |
CN107316459A (zh) * | 2017-07-21 | 2017-11-03 | 武汉依迅北斗空间技术有限公司 | 一种车辆轨迹异常检测方法及系统 |
Non-Patent Citations (1)
Title |
---|
吕淑平 等: "《微型计算机原理与接口技术》", 28 February 2013, 《海尔滨工程大学》 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Duarte et al. | FPGA-accelerated machine learning inference as a service for particle physics computing | |
US7932905B2 (en) | Method, apparatus, and computer readable medium for light energy accounting in ray tracing | |
US20230062294A1 (en) | Distributed acceleration structures for ray tracing | |
US9716875B2 (en) | Facilitating quantization and compression of three-dimensional graphics data using screen space metrics at computing devices | |
US20150235410A1 (en) | Image processing apparatus and method | |
US10607404B2 (en) | Device and method for estimating a glossy part of radiation | |
US20220058854A1 (en) | System and method for accelerated ray tracing | |
Puchtler et al. | Evaluation of deep learning accelerators for object detection at the edge | |
KR101705072B1 (ko) | 영상 처리 장치 및 방법 | |
US20150010242A1 (en) | System and Method for Computer Vision Item Recognition and Target Tracking | |
CN115081195A (zh) | 一种激光雷达仿真的方法、装置、电子设备及存储介质 | |
Jian et al. | Cloud computing and visual attention based object detection for power substation surveillance robots | |
US11494969B2 (en) | System and method for accelerated ray tracing with asynchronous operation and ray transformation | |
CN109657621A (zh) | 大数据轨迹分析平台 | |
US20180225865A1 (en) | Method and apparatus for real-time rendering of images of specular surfaces | |
Majek et al. | Range sensors simulation using GPU ray tracing | |
Bruder et al. | Real-time performance prediction and tuning for interactive volume raycasting | |
Elteir et al. | Unleashing the hidden powers of low-cost IoT boards: GPU-based edutainment case study | |
CN109145774A (zh) | 计算机辅助应用方法 | |
Shalini et al. | Comparative analysis on Deep Convolution Neural Network models using Pytorch and OpenCV DNN frameworks for identifying optimum fruit detection solution on RISC-V architecture | |
CN109876473A (zh) | 计算机辅助应用平台 | |
Vargas et al. | Kinect sensor performance for Windows V2 through graphical processing | |
Xue et al. | Parallel Implementation and optimization of haze removal using dark channel prior based on CUDA | |
TW201635243A (zh) | 當複合物件在圖形影像中無法產生可見改變時促進圖形處理單元中此等物件之淘汰的技術 | |
Schuldt et al. | Stereo Vision on an ARM/DSP Multicore Platform based on Code Generation using the MATLAB Embedded Coder |
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 | ||
CB02 | Change of applicant information |
Address after: Room A201, zone a, Zhongguancun Development building, No. 12, Shangdi Information Road, Haidian District, Beijing 100084 Applicant after: Yang Wenxin Address before: 225300 Room 1602, Tower B, 163 Hailing South Road, Taizhou Medical High-tech Zone, Jiangsu Province Applicant before: Yang Wenxin |
|
CB02 | Change of applicant information | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190419 |
|
RJ01 | Rejection of invention patent application after publication |