CN109741391A - 路面积水深度的检测方法、装置和存储介质 - Google Patents
路面积水深度的检测方法、装置和存储介质 Download PDFInfo
- Publication number
- CN109741391A CN109741391A CN201811596689.3A CN201811596689A CN109741391A CN 109741391 A CN109741391 A CN 109741391A CN 201811596689 A CN201811596689 A CN 201811596689A CN 109741391 A CN109741391 A CN 109741391A
- Authority
- CN
- China
- Prior art keywords
- wheel
- depth
- accumulated water
- image
- edge
- 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
Landscapes
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明提供一种路面积水深度的检测方法、装置和存储介质,该方法包括:获取车轮的图像;从所述图像中提取所述车轮的边缘信息;根据所述车轮的边缘信息,判断所述车轮是否存在直线边缘,所述直线边缘用于表征所述车轮所在路面存在积水;若是,则根据所述车轮的边缘信息,获取积水深度,并推送所述积水深度。本发明从车轮的图像中获取车轮的边缘信息,根据边缘信息判断是否存在积水和积水深度,可以为用户提供准确的积水深度,使得用户可以根据积水深度安全驾驶。
Description
技术领域
本发明涉及图像处理技术领域,尤其涉及一种路面积水深度的检测方法、装置和存储介质。
背景技术
随着经济的发展,汽车保有量逐步增加,用户行驶安全至关重要。在遇到大雨或者暴雨等恶劣天气,在路面不平整或者低洼区域容易形成积水,一旦积水水位超过车辆的最大涉水深度,可能会导致车辆电控系统短路等故障,甚至造成发动机损坏,用户的人身安全得不到保障。
现有技术中,用户往往通过自身经验判断积水深度,很难准确的获取积水信息,对用户的安全造成很大的影响。
发明内容
本发明提供一种路面积水深度的检测方法、装置和存储介质,从车轮的图像中获取车轮的边缘信息,根据边缘信息判断是否存在积水和积水深度,可以准确为用户提供积水深度,使得用户可以根据积水深度安全驾驶。。
本发明的第一方面提供一种路面积水深度的检测方法,包括:
获取车轮的图像;
从所述图像中提取所述车轮的边缘信息;
根据所述车轮的边缘信息,判断所述车轮对应的边缘中是否存在直线边缘,所述直线边缘用于表征所述车轮所在路面存在积水;
若是,则根据所述车轮的边缘信息,获取积水深度,并推送所述积水深度。
可选的,所述从所述图像中提取所述车轮的边缘信息之前,还包括:
在所述图像中选取多个感兴趣区域,所述多个感兴趣区域包括所述图像中的所有的区域;
提取每个所述感兴趣区域的图像特征;
根据每个所述感兴趣区域的图像特征和预设的车轮的图像特征的相似度,获取属于车轮的感兴趣区域;
所述从所述图像中提取所述车轮的边缘信息,包括:
对所述属于车轮的感兴趣区域进行边缘提取,获取所述车轮的边缘信息。
可选的,所述车轮的边缘信息包括所述车轮的边缘形状,所述根据所述车轮的边缘信息,获取积水深度,包括:
根据所述车轮的边缘形状,对所述车轮的边缘形状进行曲线拟合,获取所述车轮对应的椭圆;
根据所述车轮对应的椭圆在图像上的像素坐标、预设的车轮的尺寸和所述车轮的边缘形状,获取所述积水深度。
可选的,所述根据所述车轮对应的椭圆在图像上的像素坐标、预设的车轮的尺寸和所述车轮的边缘形状,获取所述积水深度,包括:
若所述车轮的边缘形状中不包括直线边缘,则所述积水深度为0;
若所述车轮的边缘形状中包括直线边缘,则根据所述车轮对应的椭圆在图像上的像素坐标、预设的车轮的尺寸和所述直线边缘,获取所述积水深度。
可选的,所述根据所述车轮对应的椭圆在图像上的像素坐标、预设的车轮的尺寸和所述直线边缘,获取所述积水深度,包括:
根据所述车轮对应的椭圆在图像上的像素坐标,获取最大纵坐标对应的第一像素坐标,以及,最小纵坐标对应的第二像素坐标;
获取所述第一像素坐标所述第二像素坐标之间的第一像素块个数;
根据所述预设的车轮的尺寸和所述第一像素块个数,获取每个所述第一像素块个数对应的尺寸;
根据每个所述第一像素块个数对应的尺寸和所述直线边缘,获取所述积水深度。
可选的,根据每个所述第一像素块个数对应的尺寸和所述直线边缘,获取所述积水深度,包括:
沿着所述第一像素坐标至所述第二像素坐标的方向,获取所述第一像素坐标至所述直线边缘中包含的第二像素块个数;
根据所述第二像素块个数和每个所述像素块个数对应的尺寸,获取所述积水深度。
可选的,所述方法还包括:
若所述积水深度大于预设积水深度,则推送积水警告信息。
可选的,所述方法还包括:
向服务器发送所述积水深度和所述积水深度对应的位置信息。
本发明的第二方面提供一种路面积水深度的检测装置,包括:
图像获取模块,用于获取车轮的图像;
边缘信息提取模块,用于从所述图像中提取所述车轮的边缘信息;
判断模块,用于根据所述车轮的边缘信息,判断所述车轮对应的边缘中是否存在直线边缘,所述直线边缘用于表征所述车轮所在路面存在积水;
积水深度获取模块,用于在所述车轮对应的边缘中存在直线边缘时,则根据所述车轮的边缘信息,获取积水深度,并推送所述积水深度。
可选的,所述方法还包括:车轮区域获取模块;
所述车轮区域获取模块,用于在所述图像中选取多个感兴趣区域,所述多个感兴趣区域包括所述图像中的所有的区域;提取每个所述感兴趣区域的图像特征;根据每个所述感兴趣区域的图像特征和预设的车轮的图像特征的相似度,获取属于车轮的感兴趣区域;
可选的,所述边缘信息提取模块,具体用于对所述属于车轮的感兴趣区域进行边缘提取,获取所述车轮的边缘信息。
可选的,所述积水深度获取模块,具体用于根据所述车轮的边缘形状,对所述车轮的边缘形状进行曲线拟合,获取所述车轮对应的椭圆;根据所述车轮对应的椭圆在图像上的像素坐标、预设的车轮的尺寸和所述车轮的边缘形状,获取所述积水深度。
可选的,所述积水深度获取模块,具体用于若所述车轮的边缘形状中不包括直线边缘,则所述积水深度为0;若所述车轮的边缘形状中包括直线边缘,则根据所述车轮对应的椭圆在图像上的像素坐标、预设的车轮的尺寸和所述直线边缘,获取所述积水深度。
可选的,所述积水深度获取模块,具体用于根据所述车轮对应的椭圆在图像上的像素坐标,获取最大纵坐标对应的第一像素坐标,以及,最小纵坐标对应的第二像素坐标;获取所述第一像素坐标所述第二像素坐标之间的第一像素块个数;根据所述预设的车轮的尺寸和所述第一像素块个数,获取每个所述第一像素块个数对应的尺寸;根据每个所述第一像素块个数对应的尺寸和所述直线边缘,获取所述积水深度。
可选的,所述积水深度获取模块,具体用于沿着所述第一像素坐标至所述第二像素坐标的方向,获取所述第一像素坐标至所述直线边缘中包含的第二像素块个数;根据所述第二像素块个数和每个所述像素块个数对应的尺寸,获取所述积水深度。
可选的,所述方法还包括:推送模块;
所述推送模块,用于若所述积水深度大于预设积水深度,则推送积水警告信息。
可选的,所述方法还包括:信息发送模块;
所述信息发送模块,向服务器发送所述积水深度和所述积水深度对应的位置信息。
本发明的第三方面提供一种路面积水深度的检测装置,包括:至少一个处理器和存储器;
所述存储器存储计算机执行指令;
所述至少一个处理器执行所述存储器存储的计算机执行指令,使得所述路面积水深度的检测装置执行上述路面积水深度的检测方法。
本发明的第四方面提供一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机执行指令,当所述计算机执行指令被处理器执行时,实现上述路面积水深度的检测方法。
本发明提供一种路面积水深度的检测方法、装置和存储介质,该方法包括:获取车轮的图像;从所述图像中提取所述车轮的边缘信息;根据所述车轮的边缘信息,判断所述车轮是否存在直线边缘,所述直线边缘用于表征所述车轮所在路面存在积水;若是,则根据所述车轮的边缘信息,获取积水深度,并推送所述积水深度。本发明从车轮的图像中获取车轮的边缘信息,根据边缘信息判断是否存在积水和积水深度,可以准确为用户提供积水深度,使得用户可以根据积水深度安全驾驶。
附图说明
图1为本发明提供的车辆上设置拍摄装置的示意图;
图2为本发明提供的路面积水深度的检测方法的流程示意图一;
图3为本发明提供的不存在直线边缘的车轮边缘示意图;
图4为本发明提供的存在直线边缘的车轮边缘示意图;
图5为本发明提供的路面积水深度的检测方法的流程示意图二;
图6为本发明提供的路面积水深度的检测方法的流程示意图三;
图7为本发明提供的路面积水深度的检测装置的结构示意图一;
图8为本发明提供的路面积水深度的检测装置的结构示意图二;
图9为本发明提供的路面积水深度的检测装置的结构示意图三。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合本发明的实施例,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
图1为本发明提供的车辆上设置拍摄装置的示意图,如图1所示,拍摄装置设置在车辆上,具体的,图1中示例性的示出了将拍摄装置设置在后视镜朝向车头位置的一侧,该拍摄装置可以获取车辆前轮的图像,图1中后视镜上的黑色圆形表示拍摄装置。
可以想到的是,本发明也可以在车辆上设置多个拍摄装置,拍摄装置能够获取车轮的图像即可,本发明中的拍摄装置可以获取车辆前轮或者后轮的图像;在车辆行驶过程中,可以控制拍摄装置获取车辆前轮的图像,在车辆倒车的过程中,可以控制拍摄装置获取车辆后轮的图像。本发明对拍摄装置的设置位置和设置个数不做限制,下述实施例中以获取一个拍摄装置拍摄的车轮的图像进行示例说明。
图2为本发明提供的路面积水深度的检测方法的流程示意图一,图2所示方法流程的执行主体可以为路面积水深度的检测装置,该路面积水深度的检测装置可由任意的软件和/或硬件实现。如图2所示,本实施例提供的路面积水深度的检测方法可以包括:
S201,获取车轮的图像。
本实施例中的车辆上安装有拍摄装置,该拍摄装置可以为车载摄像头,拍摄装置可以获取车辆行驶过程中包含有车轮的视频数据,并将该获取的视频数据发送给路面积水深度的检测装置;视频数据由多帧图像组成,路面积水深度的检测装置可以从拍摄装置实时发送的视频数据中,提取对应的包含有车轮的图像。
可以想到的是,该拍摄装置也可以为车载相机,车载相机可以实时获取车辆在行驶过程中包含有车轮的图像,且将实时获取的图像发送给路面积水深度的检测装置。
值得注意的是,在车辆前向行驶过程中,路面积水深度的检测装置可以根据车辆的行驶方向控制拍摄装置拍摄前轮的图像,路面积水深度的检测装置获取的也为车辆前轮的图像;在车辆倒车的过程中,路面积水深度的检测装置可以根据车辆的行驶方向控制拍摄装置拍摄后轮的图像,路面积水深度的检测装置获取的也为车辆后轮的图像。
S202,从图像中提取车轮的边缘信息。
本实施例中,路面积水深度的检测装置中预先存储有车轮的图像特征,路面积水深度的检测装置根据获取的车轮的图像,可以将该图像划分为多个区域;依照现有技术中的图像特征的提取方式在车轮的图像中,提取每个区域的图像特征;获取每个区域的图像特征与预先存储有车轮的图像特征的相似度,将大于预设相似度的相似度对应的区域作为车轮所在的区域,即该区域所包含的像素块为车轮对应的像素块。
在获取车轮对应的区域后,获取车轮对应的区域的边缘信息,即车轮的边缘信息;具体的,可采用边缘检测canny算子对车轮对应的区域进行边缘检测,获取车轮在图像中的边缘信息;其中,边缘信息可以包括车轮的边缘形状和车轮边缘对应的像素块。
S203,根据车轮的边缘信息,判断车轮对应的边缘中是否存在直线边缘,直线边缘用于表征车轮所在路面存在积水;若是,执行S204,若否,继续执行S201。
本实施例中,路面积水深度的检测装置根据获取的车轮的边缘信息,判断车轮是否存在直线边缘;其中,车轮的边缘信息包括车轮的边缘形状,可以根据车轮的边缘形状中是否包括直线判断车轮是否存在直线边缘,具体的,在判断车轮的边缘形状中是否包括直线前,需要对获取的车轮的边缘形状进行直线拟合;或者,路面积水深度的检测装置预先存储有直线边缘的边缘特征,根据车轮的边缘信息中包含的边缘特征是否与预先存储有直线边缘的边缘特征相同,判断车轮是否存在直线边缘。
具体的,直线边缘用于表征车轮所在路面存在积水,若路面积水深度的检测装置判断车轮存在直线边缘时,确定车轮所在的路面存在积水;若路面积水深度的检测装置判断车轮不存在直线边缘时,确定车轮所在的路面不存在积水。
图3为本发明提供的不存在直线边缘的车轮边缘示意图,如图3所示,路面积水深度的检测装置获取的车轮的边缘信息中的边缘形状为椭圆形,不包括直线边缘,因此路面积水深度的检测装置确定车轮所在的路面不存在积水,图3中示出的直线为车辆所在的路面对应的直线;图4为本发明提供的存在直线边缘的车轮边缘示意图,如图4所示,路面积水深度的检测装置获取的车轮的边缘信息中的边缘形状为不规则形状,该边缘形状的上方为圆弧形,下方为直线形,该边缘形状中包括直线边缘,因此路面积水深度的检测装置确定车轮所在的路面存在积水,具体的,直线边缘为积水所在的水平面。
S204,根据车轮的边缘信息,获取积水深度,并推送积水深度。
本实施例中,在路面积水深度的检测装置确定车轮所在的路面存在积水后,可以根据车轮的边缘信息,获取积水深度。
具体的,获取积水深度的一种可行的方式可以为:路面积水深度的检测装置中预先存储有拍摄装置拍摄的车轮在多个积水深度下的图像,以及在每个积水深度下图像中的车轮的最高点至积水平面的像素距离,具体的,该像素距离由像素块的个数和像素块的乘积获取。本实施例中,可以根据路面积水深度的检测装置获取的车轮的图像中,车轮的最高点至积水平面的像素距离,以及,预先存储的每个积水深度下图像中的车轮的最高点至积水平面的像素距离,获取积水深度。
具体的,获取积水深度的一种可行的方式可以为:根据获取的车轮的边缘信息,对车轮的边缘进行曲线拟合,获取图像中整个车轮的图像尺寸;路面积水深度的检测装置中预先存储有车轮的实际尺寸,根据车轮的实际尺寸与图像中车轮的图像尺寸,获取实际尺寸与图像尺寸的比例关系;进一步的,获取图像中车轮的最高点至积水平面的图像尺寸,再根据上述获取的比例关系,获取车轮的最高点至积水平面的实际尺寸,进而根据车轮的实际尺寸与车轮的最高点至积水平面的实际尺寸,获取积水深度。
本实施例中,路面积水深度的检测装置在获取积水深度后,推送获取的积水深度;具体的,路面积水深度的检测装置可以将该积水深度推送给车辆对应的车机端,车机端可以显示该积水深度。用户在获取积水深度后,可以判断当前积水是否对车辆行驶存在影响,具体的,路面积水深度的检测装置中可以预先存储有预设深度,路面积水深度的检测装置可以将该预设深度发送给车机端,车机端也可以显示该预设深度;进一步,用户可以根据该积水深度和预设深度,判断当前积水是否对车辆行驶存在影响。
值得注意的是,本实施例中的路面积水深度的检测装置与车机端集成为一体设置,其可以显示积水深度,可以向用户的其他终端,如手机等推送积水深度。
本实施例中,在路面积水深度的检测装置确定车轮所在的路面不存在积水时,不做任何处理,根据获取的下一时刻的车轮的图像,继续进行车辆所在的路面是否存在积水的判断。
本发明提供一种路面积水深度的检测方法,该方法包括:获取车轮的图像;从图像中提取车轮的边缘信息;根据车轮的边缘信息,判断车轮是否存在直线边缘,直线边缘用于表征车轮所在路面存在积水;若是,则根据车轮的边缘信息,获取积水深度,并推送积水深度。本发明从车轮的图像中获取车轮的边缘信息,根据边缘信息判断是否存在积水和积水深度,可以准确为用户提供积水深度,使得用户可以根据积水深度安全驾驶。
下面结合图4和图5对本发明提供的路面积水深度的检测方法中如何获取积水深度进行详细说明,图5为本发明提供的路面积水深度的检测方法的流程示意图二,如图5所示,本实施例提供的路面积水深度的检测方法可以包括:
S501,获取车轮的图像。
S502,在图像中选取多个感兴趣区域,多个感兴趣区域包括图像中的所有的区域。
在图像处理领域,感兴趣区域(region of interest,ROI)是从图像中选择的一个图像区域,这个区域是图像分析所关注的重点。圈定该感兴趣区域可以便于进一步处理。且进一步的,圈定感兴趣区域,可以减少处理时间,增加精度。
本实施例中采用现有技术中的圈定方式获取图像中的多个感兴趣区域,为了使得获取的属于车轮的区域更为准确和完整,本实施例中圈定的多个感兴趣区域包括图像中的所有的区域。
S503,提取每个感兴趣区域的图像特征,根据每个感兴趣区域的图像特征和预设的车轮的图像特征的相似度,获取属于车轮的感兴趣区域。
本实施例中的路面积水深度的检测装置中预先存储有预设的车轮的图像特征,对每个感兴趣区域进行图像特征的提取;具体的,本实施例中预设的车轮的图像特征为方向梯度直方图(Histogram of Oriented Gradient,HOG)特征;该特征是一种在计算机视觉和图像处理中用来进行物体检测的特征描述子,通过计算和统计图像局部区域的梯度方向直方图来构成特征。
具体的,可以采用HOG提取技术提取每个感兴趣区域的HOG特征,每个感兴趣区域的图像特征和预设的车轮的图像特征的相似度,即获取每个感兴趣区域的HOG特征和预设的车轮的HOG特征的相似度。
其中,在路面积水深度的检测装置中预先存储有相似度阈值,将大于相似度阈值的感兴趣区域的HOG特征对应的感兴趣区域作为属于车轮的感兴趣区域。
S504,对属于车轮的感兴趣区域进行边缘提取,获取车轮的边缘信息。
本实施例中,在车轮的图像中获取车轮对应的感兴趣区域后,对属于车轮的感兴趣区域进行边缘提取,获取车轮的边缘信息;具体的,可以采用canny算子对于车轮的感兴趣区域进行边缘提取;本实施例中的车轮的边缘信息具体包括车轮的边缘形状和车轮的边缘所对应的像素块。
S505,根据车轮的边缘信息,判断车轮对应的边缘中是否存在直线边缘,直线边缘用于表征车轮所在路面存在积水;若是,执行S506,若否,继续执行S501。
S506,根据车轮的边缘形状,对车轮的边缘形状进行曲线拟合,获取车轮对应的椭圆。
本实施例中的车轮的边缘信息包括车轮的边缘形状,路面积水深度的检测装置可以对获取的车轮的边缘形状进行曲线拟合,获取车轮对应的椭圆为图像中的车轮对应的完整的椭圆。具体的,本实施例中采用霍夫(Hough)变换对车轮的边缘形状进行曲线拟合。
值得注意的是,在曲线拟合的过程中,若拟合出的椭圆小于车轮对应的感兴趣区域面积的60%,则确定拟合失败,再次对车轮的边缘形状进行曲线拟合,直至椭圆拟合成功,获取车轮对应的椭圆,如图4中获取的实线椭圆即为曲线拟合后的车轮对应的椭圆。
S507,根据车轮对应的椭圆在图像上的像素坐标、预设的车轮的尺寸和车轮的边缘形状,获取积水深度。
本实施例中,在车轮的图像中可以获取属于车轮的感兴趣区域,该感兴趣区域包括有属于车轮的像素块,每个像素块在图像中具有对应的图像坐标;进一步的,路面积水深度的检测装置中存储有预设的车轮的尺寸,该预设的车轮的尺寸为车轮的直径。
具体的,若车轮的边缘形状中不包括直线边缘,路面积水深度的检测装置确定车辆所在的路面不存在积水,则积水深度为0;若车轮的边缘形状中包括直线边缘,则具体可以根据车轮对应的椭圆在图像上的像素坐标、预设的车轮的尺寸和直线边缘,获取积水深度。
其中,结合图4对本实施例中如何获取积水深度进行相似说明。
路面积水深度的检测装置根据车轮对应的椭圆在图像上的像素坐标,获取最大纵坐标对应的第一像素坐标,以及,最小纵坐标对应的第二像素坐标;获取第一像素坐标第二像素坐标之间的第一像素块个数。
其中,如图4所示,根据车轮对应的椭圆在图像上的像素坐标,获取的最大纵坐标对应的第一像素坐标所在的位置为P1,最小纵坐标对应的第二像素坐标所在的位置为P2,直线L所在的位置为积水平面所在的位置,其中虚线表示为积水平面下的积水。本实施例中,路面积水深度的检测装置在获取P1和P2后,可以在图像中获取P1和P2之间的第一像素块个数。
其中,路面积水深度的检测装置根据预设的车轮的尺寸和第一像素块个数,获取每个第一像素块个数对应的尺寸,根据每个第一像素块个数对应的尺寸和直线边缘,获取积水深度。示例性的,如P1和P2之间的第一像素块个数为10个,预设的车轮的尺寸为D1,D1为40cm,则每个第一像素块个数对应的尺寸为4cm。
其中,路面积水深度的检测装置根据每个第一像素块个数对应的尺寸和直线边缘,获取积水深度的如下示:
沿着第一像素坐标至第二像素坐标的方向,获取第一像素坐标至直线边缘中包含的第二像素块个数;根据第二像素块个数和每个像素块个数对应的尺寸,获取积水深度。具体的,获取第二像素块个数和每个像素块个数对应的尺寸的乘积,将预设的车轮的尺寸与该乘积的差值作为积水深度。
示例性的,在图4中,沿着P1至P2的方向,获取P1至直线边缘L中所包含的第二像素块个数,示例性的,如6个像素块;则第二像素块个数和每个像素块个数对应的尺寸为6个像素块与每个第一像素块个数对应的尺寸为4cm的乘积D2,D2为24cm,则获取预设的车轮的尺寸与该乘积的差值为16cm,为积水深度。
本实施例中的S501和S505中的具体实施方式可参照上述实施例中的S201和S203中的相关描述,在此不做赘述。
本实施例中,根据车轮对应的椭圆在图像上的像素坐标,获取最大纵坐标对应的第一像素坐标,以及,最小纵坐标对应的第二像素坐标;获取第一像素坐标第二像素坐标之间的第一像素块个数;根据预设的车轮的尺寸和第一像素块个数,获取每个第一像素块个数对应的尺寸,沿着第一像素坐标至第二像素坐标的方向,获取第一像素坐标至直线边缘中包含的第二像素块个数;根据第二像素块个数和每个像素块个数对应的尺寸,获取积水深度。本实施例中根据车轮对应的像素块的特征和个数,获取第一像素坐标至直线边缘的尺寸,将预设的车轮的尺寸和该尺寸的差值作为积水深度,本实施例提供的方法可以准确为用户提供积水深度,使得用户可以根据积水深度安全驾驶。
下面结合图6对本发明提供的路面积水深度的检测方法度进行进一步说明,图6为本发明提供的路面积水深度的检测方法的流程示意图三,如图6所示,本实施例提供的路面积水深度的检测方法可以包括:
S601,获取车轮的图像。
S602,在图像中选取多个感兴趣区域,多个感兴趣区域包括图像中的所有的区域。
S603,提取每个感兴趣区域的图像特征,根据每个感兴趣区域的图像特征和预设的车轮的图像特征的相似度,获取属于车轮的感兴趣区域。
S604,对属于车轮的感兴趣区域进行边缘提取,获取车轮的边缘信息。
S605,根据车轮的边缘信息,判断车轮对应的边缘中是否存在直线边缘,直线边缘用于表征车轮所在路面存在积水;若是,执行S606,若否,继续执行S601。
S606,根据车轮的边缘形状,对车轮的边缘形状进行曲线拟合,获取车轮对应的椭圆。
S607,根据车轮对应的椭圆在图像上的像素坐标、预设的车轮的尺寸和车轮的边缘形状,获取积水深度。
S608,若积水深度大于预设积水深度,则推送积水警告信息。
路面积水深度的检测装置中预先存储有预设积水深度,当获取的车辆所在的路面的积水深度大于该预设积水深度时,确定积水深度过深,车辆继续行驶会存在危险,则路面积水深度的检测装置可以向车机端推送积水警告信息;具体的车机端在接收到积水警告信息后,播放或显示该积水警告信息,具体的,该积水警告信息可以为预设音频或者预设文字信息。
当积水警告信息为预设音频时,车机端接收到该预设音频后播放该预设音频;当积水警告信息为预设文字信息时,车机端接收到该预设音频后显示该预设文字信息。
S609,向服务器发送积水深度和积水深度对应的位置信息。
本实施例中,路面积水深度的检测装置在获取车辆所在的路面的积水深度后,可以获取积水深度对应的车辆所在的位置;具体的,路面积水深度的检测装置中设置有定位功能,其在获取车辆所在路面的积水深度的同时,获取车辆所在的位置,并将积水深度和该积水深度对应的位置信息发送给服务器,以使服务器对该积水深度和该积水深度对应的位置信息进行存储。
可以想到的是,本实施例中的服务器可以获取多个车辆对应的路面积水深度的检测装置发送的积水深度和积水深度对应的位置信息,进而在车辆所在的路面的积水深度大于预设积水深度时,获取积水深度小于预设积水深度的位置信息,并将该位置信息发送给路面积水深度的检测装置,以使车辆按照该位置信息进行行驶,保证了在行驶过程中的安全性。
其中,S608和S609之间不存在先后顺序,二者可以同时执行。
本实施例中的S601和S607中的具体实施方式可参照上述实施例中的S501和S507中的相关描述,在此不做赘述。
本实施例中,若积水深度大于预设积水深度,则推送积水警告信息,用户根据积水警告信息可以及时进行停车等操作,防止危险的发生;进一步的,还向服务器发送积水深度和积水深度对应的位置信息,以使车辆所在的路面的积水深度大于预设积水深度时,从服务器获取安全的行驶线路,进一步提高行驶安全性。
图7为本发明提供的路面积水深度的检测装置的结构示意图一,如图7所示,该路面积水深度的检测装置700包括:图像获取模块701、边缘信息提取模块702、判断模块703和积水深度获取模块704。
图像获取模块701,用于获取车轮的图像。
边缘信息提取模块702,用于从图像中提取车轮的边缘信息。
判断模块703,用于根据车轮的边缘信息,判断车轮对应的边缘中是否存在直线边缘,直线边缘用于表征车轮所在路面存在积水。
积水深度获取模块704,用于在车轮对应的边缘中存在直线边缘时,则根据车轮的边缘信息,获取积水深度,并推送积水深度。
本实施例提供的路面积水深度的检测装置与上述路面积水深度的检测方法实现的原理和技术效果类似,在此不作赘述。
可选的,图8为本发明提供的路面积水深度的检测装置的结构示意图二,如图8所示,路面积水深度的检测装置700还包括:车轮区域获取模块705、推送模块706和信息发送模块707。
车轮区域获取模块705,用于在图像中选取多个感兴趣区域,多个感兴趣区域包括图像中的所有的区域;提取每个感兴趣区域的图像特征;根据每个感兴趣区域的图像特征和预设的车轮的图像特征的相似度,获取属于车轮的感兴趣区域;
推送模块706,用于若积水深度大于预设积水深度,则推送积水警告信息。
信息发送模块707,向服务器发送积水深度和积水深度对应的位置信息。
可选的,边缘信息提取模块702,具体用于对属于车轮的感兴趣区域进行边缘提取,获取车轮的边缘信息。
可选的,积水深度获取模块704,具体用于根据车轮的边缘形状,对车轮的边缘形状进行曲线拟合,获取车轮对应的椭圆;根据车轮对应的椭圆在图像上的像素坐标、预设的车轮的尺寸和车轮的边缘形状,获取积水深度。
可选的,积水深度获取模块704,具体用于若车轮的边缘形状中不包括直线边缘,则积水深度为0;若车轮的边缘形状中包括直线边缘,则根据车轮对应的椭圆在图像上的像素坐标、预设的车轮的尺寸和直线边缘,获取积水深度。
可选的,积水深度获取模块704,具体用于根据车轮对应的椭圆在图像上的像素坐标,获取最大纵坐标对应的第一像素坐标,以及,最小纵坐标对应的第二像素坐标;获取第一像素坐标第二像素坐标之间的第一像素块个数;根据预设的车轮的尺寸和第一像素块个数,获取每个第一像素块个数对应的尺寸;根据每个第一像素块个数对应的尺寸和直线边缘,获取积水深度。
可选的,积水深度获取模块704,具体用于沿着第一像素坐标至第二像素坐标的方向,获取第一像素坐标至直线边缘中包含的第二像素块个数;根据第二像素块个数和每个像素块个数对应的尺寸,获取积水深度。
图9为本发明提供的路面积水深度的检测装置的结构示意图三,该路面积水深度的检测装置例如可以是终端设备,比如智能手机、平板电脑、计算机等。如图9所示,该路面积水深度的检测装置900包括:存储器901和至少一个处理器902。
存储器901,用于存储程序指令。
处理器902,用于在程序指令被执行时实现本实施例中的路面积水深度的检测方法,具体实现原理可参见上述实施例,本实施例此处不再赘述。
该路面积水深度的检测装置900还可以包括及输入/输出接口903。
输入/输出接口903可以包括独立的输出接口和输入接口,也可以为集成输入和输出的集成接口。其中,输出接口用于输出数据,输入接口用于获取输入的数据,上述输出的数据为上述方法实施例中输出的统称,输入的数据为上述方法实施例中输入的统称。
本发明还提供一种可读存储介质,可读存储介质中存储有执行指令,当路面积水深度的检测装置的至少一个处理器执行该执行指令时,当计算机执行指令被处理器执行时,实现上述实施例中的路面积水深度的检测方法。
本发明还提供一种程序产品,该程序产品包括执行指令,该执行指令存储在可读存储介质中。路面积水深度的检测装置的至少一个处理器可以从可读存储介质读取该执行指令,至少一个处理器执行该执行指令使得路面积水深度的检测装置实施上述的各种实施方式提供的路面积水深度的检测方法。
在本发明所提供的几个实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能单元的形式实现。
上述以软件功能单元的形式实现的集成的单元,可以存储在一个计算机可读取存储介质中。上述软件功能单元存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)或处理器(英文:processor)执行本发明各个实施例所述方法的部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(英文:Read-Only Memory,简称:ROM)、随机存取存储器(英文:Random Access Memory,简称:RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
在上述网络设备或者终端设备的实施例中,应理解,处理器可以是中央处理单元(英文:Central Processing Unit,简称:CPU),还可以是其他通用处理器、数字信号处理器(英文:Digital Signal Processor,简称:DSP)、专用集成电路(英文:ApplicationSpecific Integrated Circuit,简称:ASIC)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。结合本申请所公开的方法的步骤可以直接体现为硬件处理器执行完成,或者用处理器中的硬件及软件模块组合执行完成。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (10)
1.一种路面积水深度的检测方法,其特征在于,包括:
获取车轮的图像;
从所述图像中提取所述车轮的边缘信息;
根据所述车轮的边缘信息,判断所述车轮对应的边缘中是否存在直线边缘,所述直线边缘用于表征所述车轮所在路面存在积水;
若是,则根据所述车轮的边缘信息,获取积水深度,并推送所述积水深度。
2.根据权利要求1所述的方法,其特征在于,所述从所述图像中提取所述车轮的边缘信息之前,还包括:
在所述图像中选取多个感兴趣区域,所述多个感兴趣区域包括所述图像中的所有的区域;
提取每个所述感兴趣区域的图像特征;
根据每个所述感兴趣区域的图像特征和预设的车轮的图像特征的相似度,获取属于车轮的感兴趣区域;
所述从所述图像中提取所述车轮的边缘信息,包括:
对所述属于车轮的感兴趣区域进行边缘提取,获取所述车轮的边缘信息。
3.根据权利要求2所述的方法,其特征在于,所述车轮的边缘信息包括所述车轮的边缘形状,所述根据所述车轮的边缘信息,获取积水深度,包括:
根据所述车轮的边缘形状,对所述车轮的边缘形状进行曲线拟合,获取所述车轮对应的椭圆;
根据所述车轮对应的椭圆在图像上的像素坐标、预设的车轮的尺寸和所述车轮的边缘形状,获取所述积水深度。
4.根据权利要求3所述的方法,其特征在于,所述根据所述车轮对应的椭圆在图像上的像素坐标、预设的车轮的尺寸和所述车轮的边缘形状,获取所述积水深度,包括:
若所述车轮的边缘形状中不包括直线边缘,则所述积水深度为0;
若所述车轮的边缘形状中包括直线边缘,则根据所述车轮对应的椭圆在图像上的像素坐标、预设的车轮的尺寸和所述直线边缘,获取所述积水深度。
5.根据权利要求4所述的方法,其特征在于,所述根据所述车轮对应的椭圆在图像上的像素坐标、预设的车轮的尺寸和所述直线边缘,获取所述积水深度,包括:
根据所述车轮对应的椭圆在图像上的像素坐标,获取最大纵坐标对应的第一像素坐标,以及,最小纵坐标对应的第二像素坐标;
获取所述第一像素坐标所述第二像素坐标之间的第一像素块个数;
根据所述预设的车轮的尺寸和所述第一像素块个数,获取每个所述第一像素块个数对应的尺寸;
根据每个所述第一像素块个数对应的尺寸和所述直线边缘,获取所述积水深度。
6.根据权利要求5所述的方法,其特征在于,根据每个所述第一像素块个数对应的尺寸和所述直线边缘,获取所述积水深度,包括:
沿着所述第一像素坐标至所述第二像素坐标的方向,获取所述第一像素坐标至所述直线边缘中包含的第二像素块个数;
根据所述第二像素块个数和每个所述像素块个数对应的尺寸,获取所述积水深度。
7.根据权利要求1所述的方法,其特征在于,所述方法还包括:
若所述积水深度大于预设积水深度,则推送积水警告信息。
8.根据权利要求1所述的方法,其特征在于,所述方法还包括:
向服务器发送所述积水深度和所述积水深度对应的位置信息。
9.一种路面积水深度的检测装置,其特征在于,包括:至少一个处理器和存储器;
所述存储器存储计算机执行指令;
所述至少一个处理器执行所述存储器存储的计算机执行指令,使得所述路面积水深度的检测装置执行权利要求1-8任一项所述的方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机执行指令,当所述计算机执行指令被处理器执行时,实现权利要求1-8任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811596689.3A CN109741391A (zh) | 2018-12-26 | 2018-12-26 | 路面积水深度的检测方法、装置和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811596689.3A CN109741391A (zh) | 2018-12-26 | 2018-12-26 | 路面积水深度的检测方法、装置和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109741391A true CN109741391A (zh) | 2019-05-10 |
Family
ID=66361218
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811596689.3A Pending CN109741391A (zh) | 2018-12-26 | 2018-12-26 | 路面积水深度的检测方法、装置和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109741391A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112356826A (zh) * | 2020-10-28 | 2021-02-12 | 惠州华阳通用电子有限公司 | 一种辅助泊车方法及存储介质 |
CN112966782A (zh) * | 2021-04-09 | 2021-06-15 | 深圳市豪恩汽车电子装备股份有限公司 | 一种多视角特征融合的路面积水检测识别方法 |
CN113044023A (zh) * | 2020-09-30 | 2021-06-29 | 惠州华阳通用电子有限公司 | 一种停车位积水识别方法及装置 |
WO2021231355A1 (en) * | 2020-05-12 | 2021-11-18 | Waymo Llc | Determining puddle severity for autonomous vehicles |
TWI749770B (zh) * | 2020-09-16 | 2021-12-11 | 英業達股份有限公司 | 淹水警示方法 |
CN117636662A (zh) * | 2023-12-10 | 2024-03-01 | 广东东软学院 | 一种涉水路段的防浸水交通控制方法及系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106568403A (zh) * | 2016-09-28 | 2017-04-19 | 深圳市元征科技股份有限公司 | 路面积水检测方法及装置 |
CN106841195A (zh) * | 2015-12-03 | 2017-06-13 | 通用汽车环球科技运作有限责任公司 | 湿路面状况检测 |
CN107464249A (zh) * | 2017-06-13 | 2017-12-12 | 内蒙古农业大学 | 一种羊只无接触体尺测量方法 |
CN107687878A (zh) * | 2016-09-14 | 2018-02-13 | 宝沃汽车(中国)有限公司 | 用于车辆的估算积水深度的方法、装置以及车辆 |
CN108506710A (zh) * | 2018-04-04 | 2018-09-07 | 中冶长天国际工程有限责任公司 | 一种烧结机台车车轮加脂轨迹控制方法及控制系统 |
-
2018
- 2018-12-26 CN CN201811596689.3A patent/CN109741391A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106841195A (zh) * | 2015-12-03 | 2017-06-13 | 通用汽车环球科技运作有限责任公司 | 湿路面状况检测 |
CN107687878A (zh) * | 2016-09-14 | 2018-02-13 | 宝沃汽车(中国)有限公司 | 用于车辆的估算积水深度的方法、装置以及车辆 |
CN106568403A (zh) * | 2016-09-28 | 2017-04-19 | 深圳市元征科技股份有限公司 | 路面积水检测方法及装置 |
CN107464249A (zh) * | 2017-06-13 | 2017-12-12 | 内蒙古农业大学 | 一种羊只无接触体尺测量方法 |
CN108506710A (zh) * | 2018-04-04 | 2018-09-07 | 中冶长天国际工程有限责任公司 | 一种烧结机台车车轮加脂轨迹控制方法及控制系统 |
Non-Patent Citations (2)
Title |
---|
徐志康等: "道路积水深度测量研究综述", 《电子测量技术》 * |
郑丽丽: "基于图像识别的零件几何尺寸检测问题的研究", 《中国优秀博硕士学位论文全文数据库(硕士) 信息科技辑》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2021231355A1 (en) * | 2020-05-12 | 2021-11-18 | Waymo Llc | Determining puddle severity for autonomous vehicles |
TWI749770B (zh) * | 2020-09-16 | 2021-12-11 | 英業達股份有限公司 | 淹水警示方法 |
CN113044023A (zh) * | 2020-09-30 | 2021-06-29 | 惠州华阳通用电子有限公司 | 一种停车位积水识别方法及装置 |
CN113044023B (zh) * | 2020-09-30 | 2022-04-01 | 惠州华阳通用电子有限公司 | 一种停车位积水识别方法及装置 |
CN112356826A (zh) * | 2020-10-28 | 2021-02-12 | 惠州华阳通用电子有限公司 | 一种辅助泊车方法及存储介质 |
CN112966782A (zh) * | 2021-04-09 | 2021-06-15 | 深圳市豪恩汽车电子装备股份有限公司 | 一种多视角特征融合的路面积水检测识别方法 |
CN117636662A (zh) * | 2023-12-10 | 2024-03-01 | 广东东软学院 | 一种涉水路段的防浸水交通控制方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109741391A (zh) | 路面积水深度的检测方法、装置和存储介质 | |
CN108985343B (zh) | 基于深度神经网络的汽车损伤检测方法和系统 | |
CN109635656A (zh) | 基于神经网络的车辆属性识别方法、装置、设备及介质 | |
CN105320923B (zh) | 车型识别方法及装置 | |
CN107636727A (zh) | 一种目标检测的方法及装置 | |
TW200846218A (en) | Device and method for detecting obstacle by stereo computer vision | |
CN108268867A (zh) | 一种车牌定位方法及装置 | |
CN112967283A (zh) | 基于双目摄像头的目标识别方法、系统、设备及存储介质 | |
CN111080670A (zh) | 图像提取方法、装置、设备及存储介质 | |
CN110956081A (zh) | 车辆与交通标线位置关系的识别方法、装置及存储介质 | |
CN105354856A (zh) | 一种基于mser与orb相结合的人体匹配与定位方法及系统 | |
CN110458855A (zh) | 图像提取方法及相关产品 | |
CN110781770A (zh) | 基于人脸识别的活体检测方法、装置及设备 | |
CN111325107A (zh) | 检测模型训练方法、装置、电子设备和可读存储介质 | |
Gunawan et al. | Design of automatic number plate recognition on android smartphone platform | |
CN113537047A (zh) | 障碍物检测方法、装置、交通工具及存储介质 | |
CN111079626B (zh) | 一种活体指纹识别方法、电子设备及计算机可读存储介质 | |
CN112446241A (zh) | 用于获得目标对象的特征信息的方法、装置及电子设备 | |
CN109089102A (zh) | 一种基于双目视觉的机器人物品识别分类方法及系统 | |
US10410067B2 (en) | Systems and methods for detecting vehicle attributes | |
CN116958795A (zh) | 翻拍图像的识别方法、装置、电子设备及存储介质 | |
EP2930687A2 (en) | Image segmentation using blur and color | |
CN115496775A (zh) | 车门被夹物检测方法、装置、设备及存储介质 | |
Onkarappa et al. | On-board monocular vision system pose estimation through a dense optical flow | |
KR101910256B1 (ko) | 카메라 기반 도로 곡률 추정을 위한 차선 검출 방법 및 시스템 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190510 |
|
RJ01 | Rejection of invention patent application after publication |