CN110222557B - 路况的实时检测方法、装置、系统和存储介质 - Google Patents
路况的实时检测方法、装置、系统和存储介质 Download PDFInfo
- Publication number
- CN110222557B CN110222557B CN201910325155.5A CN201910325155A CN110222557B CN 110222557 B CN110222557 B CN 110222557B CN 201910325155 A CN201910325155 A CN 201910325155A CN 110222557 B CN110222557 B CN 110222557B
- Authority
- CN
- China
- Prior art keywords
- depth
- image
- difference image
- real
- road condition
- 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
- 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
- G06V20/588—Recognition of the road, e.g. of lane markings; Recognition of the vehicle driving pattern in relation to the road
Abstract
本发明提供一种路况的实时检测方法、装置、系统和存储介质。该方法包括:获取针对当前路况采集的深度图像,对相邻三帧深度图像中的第二帧深度图像与第一帧深度图像做差处理,得到第一差异图像,并对相邻三帧深度图像中的第三帧深度图像与第一帧深度图像做差处理,得到第二差异图像;基于预设深度容差阈值分别对第一差异图像和第二差异图像进行深度容差滤波,并对经滤波的第一差异图像和经滤波的第二差异图像进行与操作,得到深度差异图像;以及获取深度差异图像中的非零区域的位置坐标,并将非零区域的位置坐标转换为实际路面的位置坐标。本发明提供的路况的实时检测方案能够准确可靠地检测实时路况,确保出行安全。
Description
技术领域
本发明涉及路况检测技术领域,更具体地涉及一种路况的实时检测方法、装置、系统和存储介质。
背景技术
路况是指现有道路路基、路面、构造物及附属设施等的技术状况,一般也指路面及附属设施损坏情况。路况的好坏对于驾驶员的驾驶体验、安全问题等有着重要的影响。目前,对于路况的检测主要依靠驾驶员的肉眼观察,这样的方法不仅容易造成疲劳,更容易受环境因素干扰导致可靠性差,出行体验较差。尤其是在夜间驾车时,主要依靠开启车灯进行肉眼观察,更是存在巨大的安全隐患。
发明内容
为了解决上述问题而提出了本发明。本发明提出了一种路况的实时检测方案,其通过对当前路况实时采集深度图像获取当前路况的实时深度数据,并基于获取的实时深度数据实施路况检测,不仅能够显著提高用户的出行体验,更能够准确可靠地检测实时路况,确保出行安全。下面简要描述本发明提出的路况的实时检测方案,更多细节将在后续结合附图在具体实施方式中加以描述。
根据本发明一方面,提供了一种路况的实时检测方法,所述方法包括:获取针对当前路况采集的深度图像,对相邻三帧深度图像中的第二帧深度图像与第一帧深度图像做差处理,得到第一差异图像,并对所述相邻三帧深度图像中的第三帧深度图像与所述第一帧深度图像做差处理,得到第二差异图像;基于预设深度容差阈值分别对所述第一差异图像和所述第二差异图像进行深度容差滤波,分别得到经滤波的第一差异图像和经滤波的第二差异图像,并对所述经滤波的第一差异图像和所述经滤波的第二差异图像进行与操作,得到深度差异图像;以及获取所述深度差异图像中的非零区域的位置坐标,并将所述非零区域的位置坐标转换为实际路面的位置坐标。
在本发明的一个实施例中,所述深度图像是由飞行时间传感器针对当前路况采集的。
在本发明的一个实施例中,所述飞行时间传感器采集所述深度图像时采用的尺寸系数由用户设定,所采集的路面区域的大小取决于所述尺寸系数和所述飞行时间传感器的分辨率。
在本发明的一个实施例中,所述飞行时间传感器采集所述深度图像时的采集频率与当前车速有关,所述当前车速越快,所述采集频率越高。
在本发明的一个实施例中,所述飞行时间传感器采集所述深度图像时的采集频率f通过公式f=f0*v/v0确定,其中,f0为预设基础采集频率,v0为预设基础车速,v为当前车速。
在本发明的一个实施例中,所述基于预设深度容差阈值分别对所述第一差异图像和所述第二差异图像进行深度容差滤波包括:将所述第一差异图像中小于所述预设深度容差阈值的数据滤除,以及将所述第二差异图像中小于所述预设深度容差阈值的数据滤除。
在本发明的一个实施例中,所述方法还包括:将所述实际路面的位置坐标和/或所述实际路面的位置坐标表示的方位传送到用户终端。
根据本发明另一方面,提供了一种路况的实时检测装置,所述装置包括:计算模块,用于获取针对当前路况采集的深度图像,对相邻三帧深度图像中的第二帧深度图像与第一帧深度图像做差处理,得到第一差异图像,并对所述相邻三帧深度图像中的第三帧深度图像与所述第一帧深度图像做差处理,得到第二差异图像;滤波模块,用于基于预设深度容差阈值分别对所述第一差异图像和所述第二差异图像进行深度容差滤波,分别得到经滤波的第一差异图像和经滤波的第二差异图像,并对所述经滤波的第一差异图像和所述经滤波的第二差异图像进行与操作,得到深度差异图像;以及转换模块,用于获取所述深度差异图像中的非零区域的位置坐标,并将所述非零区域的位置坐标转换为实际路面的位置坐标。
根据本发明又一方面,提供了一种路况的实时检测系统,所述系统包括存储装置和处理器,所述存储装置上存储有由所述处理器运行的计算机程序,所述计算机程序在被所述处理器运行时执行上述任一项所述的路况的实时检测方法。
根据本发明再一方面,提供了一种存储介质,所述存储介质上存储有计算机程序,所述计算机程序在运行时执行上述任一项所述的路况的实时检测方法。
根据本发明又一方面,提供了一种计算机程序,所述计算机程序被计算机或处理器运行时用于执行上述任一项所述的路况的实时检测方法,所述计算机程序还用于实现上述任一项所述的路况的实时检测装置中的各模块。
根据本发明实施例的路况的实时检测方法、装置和系统通过对当前路况实时采集深度图像获取当前路况的实时深度数据,并基于获取的实时深度数据实施路况检测,不仅能够显著提高用户的出行体验,更能够准确可靠地检测实时路况,确保出行安全。
附图说明
通过结合附图对本发明实施例进行更详细的描述,本发明的上述以及其它目的、特征和优势将变得更加明显。附图用来提供对本发明实施例的进一步理解,并且构成说明书的一部分,与本发明实施例一起用于解释本发明,并不构成对本发明的限制。在附图中,相同的参考标号通常代表相同部件或步骤。
图1示出用于实现根据本发明实施例的路况的实时检测方法、装置和系统的示例电子设备的示意性框图;
图2示出根据本发明实施例的路况的实时检测方法的示意性流程图;
图3示出根据本发明实施例的路况的实时检测装置的示意性框图;以及
图4示出根据本发明实施例的路况的实时检测系统的示意性框图。
具体实施方式
为了使得本发明的目的、技术方案和优点更为明显,下面将参照附图详细描述根据本发明的示例实施例。显然,所描述的实施例仅仅是本发明的一部分实施例,而不是本发明的全部实施例,应理解,本发明不受这里描述的示例实施例的限制。基于本发明中描述的本发明实施例,本领域技术人员在没有付出创造性劳动的情况下所得到的所有其它实施例都应落入本发明的保护范围之内。
首先,参照图1来描述用于实现本发明实施例的路况的实时检测方法、装置和系统的示例电子设备100。
如图1所示,电子设备100包括一个或多个处理器102、一个或多个存储装置104、输入装置106、输出装置108以及图像采集装置110,这些组件通过总线系统112和/或其它形式的连接机构(未示出)互连。应当注意,图1所示的电子设备100的组件和结构只是示例性的,而非限制性的,根据需要,所述电子设备也可以具有其他组件和结构。
所述处理器102可以是中央处理单元(CPU)或者具有数据处理能力和/或指令执行能力的其它形式的处理单元,并且可以控制所述电子设备100中的其它组件以执行期望的功能。
所述存储装置104可以包括一个或多个计算机程序产品,所述计算机程序产品可以包括各种形式的计算机可读存储介质,例如易失性存储器和/或非易失性存储器。所述易失性存储器例如可以包括随机存取存储器(RAM)和/或高速缓冲存储器(cache)等。所述非易失性存储器例如可以包括只读存储器(ROM)、硬盘、闪存等。在所述计算机可读存储介质上可以存储一个或多个计算机程序指令,处理器102可以运行所述程序指令,以实现下文所述的本发明实施例中(由处理器实现)的路况的实时检测功能以及/或者其它期望的功能。在所述计算机可读存储介质中还可以存储各种应用程序和各种数据,例如所述应用程序使用和/或产生的各种数据等。
所述输入装置106可以是用户用来输入指令的装置,并且可以包括键盘、鼠标、麦克风和触摸屏等中的一个或多个。
所述输出装置108可以向外部(例如用户)输出各种信息(例如图像或声音),并且可以包括显示器、扬声器等中的一个或多个。
所述图像采集装置110可以采集用户期望的图像(例如照片、视频等),并且将所采集的图像存储在所述存储装置104中以供其它组件使用。应当理解,图像采集装置110仅是示例,电子设备100可以不包括图像采集装置110。在这种情况下,可以利用具有图像采集能力的部件采集图像,并将采集的图像发送给电子设备100。
示例性地,用于实现根据本发明实施例的路况的实时检测方法、装置和系统的示例电子设备可以被实现为诸如智能手机、平板电脑等终端或其他车载终端。
下面,将参考图2描述根据本发明实施例的路况的实时检测方法200。如图2所示,路况的实时检测方法200可以包括如下步骤:
在步骤S210,获取针对当前路况采集的深度图像,对相邻三帧深度图像中的第二帧深度图像与第一帧深度图像做差处理,得到第一差异图像,并对所述相邻三帧深度图像中的第三帧深度图像与所述第一帧深度图像做差处理,得到第二差异图像。
在一个实施例中,在步骤S210所获取的关于当前路况的深度图像可以是由图像采集设备采集的。在本发明的实施例中,在步骤S210中所获取的关于当前路况的深度图像可以是飞行时间(TOF)传感器针对当前路况所采集的。该TOF传感器例如可以包括在用户终端设备中,或包括在车载设备内等。
在一个示例中,可以由驾驶员在需要进行实时路况检测时开启图像采集设备(例如前述TOF传感器)进行关于当前路况的深度图像采集。在其他示例中,也可以由图像采集设备基于一些触发条件(比如车身连续振动等)自动开启对当前路况的深度图像采集。
进一步地,图像采集设备在针对当前路况采集深度图像时采用的参数可以是预先设定好的,也可以是能由用户根据情况手动调节的。例如,在一个示例中,可以由驾驶员依据当前情况设置图像采集设备针对当前路况采集图像的频率和/或采集图像时采用的尺寸系数。在其他示例中,图像采集设备采集图像的频率和/或采集图像时采用的尺寸系数也可以是默认的。
其中,图像采集设备的分辨率和图像采集设备采集图像时采用的尺寸系数决定了所采集路面的区域的大小(即实际拍摄区域的大小)。具体地,所述尺寸系数可以包括宽度系数Rw和高度系数Rh。其中,宽度系数Rw等于实际拍摄区域的宽度W0除以图像采集设备(例如TOF传感器)的宽度分辨率(也即深度图像的宽度Width);高度系数Rw等于实际拍摄区域的高度H0除以图像采集设备(例如TOF传感器)的高度分辨率(也即深度图像的高度height)。因此,可以基于当前路面的大致情况设置上述宽度系数Rw和高度系数Rh,以更好地针对当前路况采集深度图像。
在本发明的实施例中,图像采集设备(例如TOF传感器)采集当前路况的深度图像时的采集频率可以与当前车速有关,当前车速越快,采集频率可以越高。当前车速越快,越需要注意出行安全,且越需要高的采集频率才能准确地获取路况信息,因此将采集频率设置得较高,可以实施更精确的路况检测,确保出行安全。示例性地,图像采集设备(例如TOF传感器)采集当前路况的深度图像时的采集频率f可以通过公式f=f0*v/v0确定,其中,f0为预设基础采集频率(例如30帧/s),v0为预设基础车速(例如为60km/h),v为当前车速。
基于采集得到的深度图像,可以对相邻三帧深度图像中的第二帧深度图像与第一帧深度图像做差处理,得到第一差异图像,并对所述相邻三帧深度图像中的第三帧深度图像与所述第一帧深度图像做差处理,得到第二差异图像。具体地,可以将当前帧深度图像添加到队列列表mList,并判断列表mList中深度图像的数量size是否大于或等于3。如果列表mList中深度图像的数量size小于3,则回到向队列列表mList添加深度图像的步骤;如果是,如果列表mList中深度图像的数量size大于或等于3,则当前添加进去的深度图像(表示为mList[2])赋值给mCurrentFrame变量(该变量存储相邻三帧深度图像中的第三帧深度图像),队列中mList[2]之前的深度图像mList[1]赋值给mLastFrame变量(该变量存储相邻三帧深度图像中的第二帧深度图像),队列中mList[1]之前的深度图像mList[0]赋值给mPreFrame变量(该变量存储相邻三帧深度图像中的第一帧深度图像)。接着,基于mCurrentFrame变量、mLastFrame变量和mPreFrame变量进行图像处理。具体地,可以计算mLastFrame变量和mPreFrame变量之间的差异,得到第一差异图像mDiv1;接着,计算mCurrentFrame变量和mPreFrame变量之间的差异,得到第二差异图像mDiv2。
下面继续参考图2,描述根据本发明实施例的路况的实时检测方法200的后续步骤。
在步骤S220,基于预设深度容差阈值分别对所述第一差异图像和所述第二差异图像进行深度容差滤波,分别得到经滤波的第一差异图像和经滤波的第二差异图像,并对所述经滤波的第一差异图像和所述经滤波的第二差异图像进行与操作,得到深度差异图像。
在一个实施例中,深度容差阈值T0可以是预设的默认参数,也可以是用户预先设置的。在步骤S220中,可以基于预设深度容差阈值对步骤S210得到的第一差异图像和第二差异图像分别进行深度容差滤波,以定义怎样的差异才被视为是路况“有坑”或“不平”。具体地,所述基于预设深度容差阈值分别对所述第一差异图像和所述第二差异图像进行深度容差滤波包括:将所述第一差异图像中小于所述预设深度容差阈值的数据滤除,以及将所述第二差异图像中小于所述预设深度容差阈值的数据滤除。在得到经滤波的第一差异图像和经滤波的第二差异图像后,对经滤波的第一差异图像和经滤波的第二差异图像进行与操作,得到深度差异图像。也就是说,对相邻三帧深度图像连续两次做差处理并滤波后相与得到深度差异图像,当深度差异图像中存在非零区域,才确认当前路况“有坑”或“不平”。相对于基于对相邻两帧深度图像做差处理再滤波后得到的深度差异图像进行路况的检测,本发明的方法在两个差异图像均显示当前路况“有坑”或“不平”时才产生报警,能够有效减少误报。
在步骤S230,获取所述深度差异图像中的非零区域的位置坐标,并将所述非零区域的位置坐标转换为实际路面的位置坐标。
在一个实施例中,可以对步骤S220中得到的深度差异图像进行非零数据分析,获取所述深度差异图像中的非零区域的位置坐标(x,y),即获取路面中的有情况位置(例如坑洼位置等)在深度图像中的位置坐标(x,y)。然后,将该有情况位置在深度图像中的位置坐标(x,y)转换成现实世界中实际路面的位置坐标(X,Y),即可实现对当前实际路况的检测。其中,实际路面的位置坐标(X,Y)可以等于非零区域的位置坐标(x,y)乘以前述的尺寸系数。具体地,X=x×Rw,Y=y×Rh。
进一步地,路况的实时检测方法200还可以包括如下步骤(未在图2中示出):将步骤S230中得到的实际路面的位置坐标传送到用户终端或车载终端,以提醒用户当前的路况。示例性地,可以将当前有情况位置的坐标传送到用户终端或车载终端。进一步地,可以将当前有情况位置的坐标所表示的具体方位传送到用户终端或车载终端。用户终端或车载终端以可视和/或可听等方式对用户做出提醒,例如语音提示用户前方20米处有坑洼路面,或左前方处有坑洼路面等,和/或用显示界面显示上述内容。在其他示例中,也可以通过其他合适的方式提醒用户当前的路况。
此外,可以将当前帧深度图像赋值给mLastFrame变量,进入下一个处理循环,直到结束对路况的实时检测。
基于上面的描述,根据本发明实施例的路况的实时检测方法通过对当前路况实时采集深度图像获取当前路况的实时深度数据,并基于获取的实时深度数据实施路况检测,不仅能够显著提高用户的出行体验,更能够准确可靠地检测实时路况,确保出行安全。
以上示例性地描述了根据本发明实施例的路况的实时检测方法。示例性地,根据本发明实施例的路况的实时检测方法可以在具有存储器和处理器的设备、装置或者系统中实现。
此外,根据本发明实施例的路况的实时检测方法可以方便地部署到智能手机、平板电脑、个人计算机等移动设备上。替代地,根据本发明实施例的路况的实时检测方法还可以部署在服务器端(或云端)。替代地,根据本发明实施例的路况的实时检测方法还可以分布地部署在服务器端(或云端)和个人终端处。
下面结合图3描述本发明另一方面提供的路况的实时检测装置。图3示出了根据本发明实施例的路况的实时检测装置300的示意性框图。
如图3所示,根据本发明实施例的路况的实时检测装置300包括计算模块310、滤波模块320和转换模块330。其中,计算模块310用于获取针对当前路况采集的深度图像,对相邻三帧深度图像中的第二帧深度图像与第一帧深度图像做差处理,得到第一差异图像,并对所述相邻三帧深度图像中的第三帧深度图像与所述第一帧深度图像做差处理,得到第二差异图像。滤波模块320用于基于预设深度容差阈值分别对所述第一差异图像和所述第二差异图像进行深度容差滤波,分别得到经滤波的第一差异图像和经滤波的第二差异图像,并对所述经滤波的第一差异图像和所述经滤波的第二差异图像进行与操作,得到深度差异图像。转换模块330用于获取所述深度差异图像中的非零区域的位置坐标,并将所述非零区域的位置坐标转换为实际路面的位置坐标。所述各个模块可分别执行上文中结合图2描述的路况的实时检测方法的各个步骤/功能。以下仅对路况的实时检测装置300的各模块的主要功能进行描述,而省略以上已经描述过的细节内容。
在一个实施例中,计算模块310所获取的关于当前路况的深度图像可以是由图像采集设备采集的。在本发明的实施例中,计算模块310所获取的关于当前路况的深度图像可以是飞行时间(TOF)传感器针对当前路况所采集的。该TOF传感器例如可以包括在用户终端设备中,或包括在车载设备内等。
在一个示例中,可以由驾驶员在需要进行实时路况检测时开启图像采集设备(例如前述TOF传感器)进行关于当前路况的深度图像采集。在其他示例中,也可以由图像采集设备基于一些触发条件(比如车身连续振动等)自动开启对当前路况的深度图像采集。
进一步地,图像采集设备在针对当前路况采集深度图像时采用的参数可以是预先设定好的,也可以是能由用户根据情况手动调节的。例如,在一个示例中,可以由驾驶员依据当前情况设置图像采集设备针对当前路况采集图像的频率和/或采集图像时采用的尺寸系数。在其他示例中,图像采集设备采集图像的频率和/或采集图像时采用的尺寸系数也可以是默认的。
其中,图像采集设备的分辨率和图像采集设备采集图像时采用的尺寸系数决定了所采集路面的区域的大小(即实际拍摄区域的大小)。具体地,所述尺寸系数可以包括宽度系数Rw和高度系数Rh。其中,宽度系数Rw等于实际拍摄区域的宽度W0除以图像采集设备(例如TOF传感器)的宽度分辨率(也即深度图像的宽度Width);高度系数Rw等于实际拍摄区域的高度H0除以图像采集设备(例如TOF传感器)的高度分辨率(也即深度图像的高度height)。因此,可以基于当前路面的大致情况设置上述宽度系数Rw和高度系数Rh,以更好地针对当前路况采集深度图像。
在本发明的实施例中,图像采集设备(例如TOF传感器)采集当前路况的深度图像时的采集频率可以与当前车速有关,当前车速越快,采集频率可以越高。当前车速越快,越需要注意出行安全,且越需要高的采集频率才能准确地获取路况信息,因此将采集频率设置得较高,可以实施更精确的路况检测,确保出行安全。示例性地,图像采集设备(例如TOF传感器)采集当前路况的深度图像时的采集频率f可以通过公式f=f0*v/v0确定,其中,f0为预设基础采集频率(例如30帧/s),v0为预设基础车速(例如为60km/h),v为当前车速。
基于采集得到的深度图像,计算模块310可以对相邻三帧深度图像中的第二帧深度图像与第一帧深度图像做差处理,得到第一差异图像,并对所述相邻三帧深度图像中的第三帧深度图像与所述第一帧深度图像做差处理,得到第二差异图像。具体地,计算模块310可以将当前帧深度图像添加到队列列表mList,并判断列表mList中深度图像的数量size是否大于或等于3。如果列表mList中深度图像的数量size小于3,则回到向队列列表mList添加深度图像的步骤;如果是,如果列表mList中深度图像的数量size大于或等于3,则当前添加进去的深度图像(表示为mList[2])赋值给mCurrentFrame变量(该变量存储相邻三帧深度图像中的第三帧深度图像),队列中mList[2]之前的深度图像mList[1]赋值给mLastFrame变量(该变量存储相邻三帧深度图像中的第二帧深度图像),队列中mList[1]之前的深度图像mList[0]赋值给mPreFrame变量(该变量存储相邻三帧深度图像中的第一帧深度图像)。接着,计算模块310基于mCurrentFrame变量、mLastFrame变量和mPreFrame变量进行图像处理。具体地,计算模块310可以计算mLastFrame变量和mPreFrame变量之间的差异,得到第一差异图像mDiv1;接着,计算模块310计算mCurrentFrame变量和mPreFrame变量之间的差异,得到第二差异图像mDiv2。
滤波模块320基于预设深度容差阈值分别对所述第一差异图像和所述第二差异图像进行深度容差滤波,以定义怎样的差异才被视为是路况“有坑”或“不平”。在一个实施例中,深度容差阈值T0可以是预设的默认参数,也可以是用户预先设置的。具体地,滤波模块320基于预设深度容差阈值对第一差异图像和第二差异图像分别进行深度容差滤波可以包括:将所述第一差异图像中小于所述预设深度容差阈值的数据滤除,以及将所述第二差异图像中小于所述预设深度容差阈值的数据滤除。在得到经滤波的第一差异图像和经滤波的第二差异图像后,滤波模块320对经滤波的第一差异图像和经滤波的第二差异图像进行与操作,得到深度差异图像。
转换模块330获取所述深度差异图像中的非零区域的位置坐标,并将所述非零区域的位置坐标转换为实际路面的位置坐标。一个实施例中,转换模块330可以对滤波模块320得到的深度差异图像进行非零数据分析,获取所述深度差异图像中的非零区域的位置坐标(x,y),即获取路面中的有情况位置(例如坑洼位置等)在深度图像中的位置坐标(x,y)。然后,转换模块330将该有情况位置在深度图像中的位置坐标(x,y)转换成现实世界中实际路面的位置坐标(X,Y),即可实现对当前实际路况的检测。其中,实际路面的位置坐标(X,Y)可以等于非零区域的位置坐标(x,y)乘以前述的尺寸系数。具体地,X=x×Rw,Y=y×Rh。
进一步地,路况的实时检测装置300还可以包括传送模块(未在图3中示出),所述传送模块可以将转换模块330得到的实际路面的位置坐标传送到用户终端或车载终端,以提醒用户当前的路况。示例性地,传送模块可以将当前有情况位置的坐标传送到用户终端或车载终端。进一步地,传送模块可以将当前有情况位置的坐标所表示的具体方位传送到用户终端或车载终端。用户终端或车载终端以可视或可听等方式对用户做出提醒,例如语音提示用户前方20米处有坑洼路面,或左前方处有坑洼路面等,和/或用显示界面显示上述内容。在其他示例中,也可以通过其他合适的方式提醒用户当前的路况。
基于上面的描述,根据本发明实施例的路况的实时检测装置通过对当前路况实时采集深度图像获取当前路况的实时深度数据,并基于获取的实时深度数据实施路况检测,不仅能够显著提高用户的出行体验,更能够准确可靠地检测实时路况,确保出行安全。
图4示出了根据本发明实施例的路况的实时检测系统400的示意性框图。路况的实时检测系统400包括存储装置410以及处理器420。
其中,存储装置410存储用于实现根据本发明实施例的路况的实时检测方法中的相应步骤的程序。处理器420用于运行存储装置410中存储的程序,以执行根据本发明实施例的路况的实时检测方法的相应步骤,并且用于实现根据本发明实施例的路况的实时检测装置中的相应模块。此外,路况的实时检测系统400还可以包括图像采集装置(例如TOF传感器,未在图4中示出),其可以用于针对当前路况采集深度图像。当然,图像采集装置不是必需的,路况的实时检测系统400也可以从其他外部图像采集装置(例如TOF传感器)获取针对当前路况采集的深度图像。
在一个实施例中,在所述程序被处理器420运行时使得路况的实时检测系统400执行以下步骤:获取针对当前路况采集的深度图像,对相邻三帧深度图像中的第二帧深度图像与第一帧深度图像做差处理,得到第一差异图像,并对所述相邻三帧深度图像中的第三帧深度图像与所述第一帧深度图像做差处理,得到第二差异图像;基于预设深度容差阈值分别对所述第一差异图像和所述第二差异图像进行深度容差滤波,分别得到经滤波的第一差异图像和经滤波的第二差异图像,并对所述经滤波的第一差异图像和所述经滤波的第二差异图像进行与操作,得到深度差异图像;以及获取所述深度差异图像中的非零区域的位置坐标,并将所述非零区域的位置坐标转换为实际路面的位置坐标。
在本发明的一个实施例中,所述深度图像是由飞行时间传感器针对当前路况采集的。
在本发明的一个实施例中,所述飞行时间传感器采集所述深度图像时采用的尺寸系数由用户设定,所采集的路面区域的大小取决于所述尺寸系数和所述飞行时间传感器的分辨率。
在本发明的一个实施例中,所述飞行时间传感器采集所述深度图像时的采集频率与当前车速有关,所述当前车速越快,所述采集频率越高。
在本发明的一个实施例中,所述飞行时间传感器采集所述深度图像时的采集频率f通过公式f=f0*v/v0确定,其中,f0为预设基础采集频率,v0为预设基础车速,v为当前车速。
在本发明的一个实施例中,在所述程序被处理器420运行时使得路况的实时检测系统400执行的所述基于预设深度容差阈值分别对所述第一差异图像和所述第二差异图像进行深度容差滤波包括:将所述第一差异图像中小于所述预设深度容差阈值的数据滤除,以及将所述第二差异图像中小于所述预设深度容差阈值的数据滤除。
在本发明的一个实施例中,在所述程序被处理器420运行时还使得路况的实时检测系统400执行以下步骤:将所述实际路面的位置坐标和/或所述实际路面的位置坐标表示的方位传送到用户终端。
此外,根据本发明实施例,还提供了一种存储介质,在所述存储介质上存储了程序指令,在所述程序指令被计算机或处理器运行时用于执行本发明实施例的路况的实时检测方法的相应步骤,并且用于实现根据本发明实施例的路况的实时检测装置中的相应模块。所述存储介质例如可以包括智能电话的存储卡、平板电脑的存储部件、个人计算机的硬盘、只读存储器(ROM)、可擦除可编程只读存储器(EPROM)、便携式紧致盘只读存储器(CD-ROM)、USB存储器、或者上述存储介质的任意组合。所述计算机可读存储介质可以是一个或多个计算机可读存储介质的任意组合。
在一个实施例中,所述计算机程序指令在被计算机运行时可以实现根据本发明实施例的路况的实时检测装置的各个功能模块,并且/或者可以执行根据本发明实施例的路况的实时检测方法。
在一个实施例中,所述计算机程序指令在被计算机或处理器运行时使计算机或处理器执行以下步骤:获取针对当前路况采集的深度图像,对相邻三帧深度图像中的第二帧深度图像与第一帧深度图像做差处理,得到第一差异图像,并对所述相邻三帧深度图像中的第三帧深度图像与所述第一帧深度图像做差处理,得到第二差异图像;基于预设深度容差阈值分别对所述第一差异图像和所述第二差异图像进行深度容差滤波,分别得到经滤波的第一差异图像和经滤波的第二差异图像,并对所述经滤波的第一差异图像和所述经滤波的第二差异图像进行与操作,得到深度差异图像;以及获取所述深度差异图像中的非零区域的位置坐标,并将所述非零区域的位置坐标转换为实际路面的位置坐标。
在一个实施例中,所述深度图像是由飞行时间传感器针对当前路况采集的。
在一个实施例中,所述飞行时间传感器采集所述深度图像时采用的尺寸系数由用户设定,所采集的路面区域的大小取决于所述尺寸系数和所述飞行时间传感器的分辨率。
在本发明的一个实施例中,所述飞行时间传感器采集所述深度图像时的采集频率与当前车速有关,所述当前车速越快,所述采集频率越高。
在本发明的一个实施例中,所述飞行时间传感器采集所述深度图像时的采集频率f通过公式f=f0*v/v0确定,其中,f0为预设基础采集频率,v0为预设基础车速,v为当前车速。
在本发明的一个实施例中,所述计算机程序指令在被计算机或处理器运行时使计算机或处理器执行的所述基于预设深度容差阈值分别对所述第一差异图像和所述第二差异图像进行深度容差滤波包括:将所述第一差异图像中小于所述预设深度容差阈值的数据滤除,以及将所述第二差异图像中小于所述预设深度容差阈值的数据滤除。
在本发明的一个实施例中,所述计算机程序指令在被计算机或处理器运行时还使计算机或处理器执行以下步骤:将所述实际路面的位置坐标和/或所述实际路面的位置坐标表示的方位传送到用户终端。
根据本发明实施例的路况的实时检测装置中的各模块可以通过根据本发明实施例的路况的实时检测的电子设备的处理器运行在存储器中存储的计算机程序指令来实现,或者可以在根据本发明实施例的计算机程序产品的计算机可读存储介质中存储的计算机指令被计算机运行时实现。
此外,根据本发明实施例,还提供了一种计算机程序,该计算机程序可以存储在云端或本地的存储介质上。在该计算机程序被计算机或处理器运行时用于执行本发明实施例的路况的实时检测方法的相应步骤,并且用于实现根据本发明实施例的路况的实时检测装置中的相应模块。
基于上面的描述,根据本发明实施例的路况的实时检测方法、装置和系统通过对当前路况实时采集深度图像获取当前路况的实时深度数据,并基于获取的实时深度数据实施路况检测,不仅能够显著提高用户的出行体验,更能够准确可靠地检测实时路况,确保出行安全。
尽管这里已经参考附图描述了示例实施例,应理解上述示例实施例仅仅是示例性的,并且不意图将本发明的范围限制于此。本领域普通技术人员可以在其中进行各种改变和修改,而不偏离本发明的范围和精神。所有这些改变和修改意在被包括在所附权利要求所要求的本发明的范围之内。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
在本申请所提供的几个实施例中,应该理解到,所揭露的设备和方法,可以通过其它的方式实现。例如,以上所描述的设备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设备,或一些特征可以忽略,或不执行。
在此处所提供的说明书中,说明了大量具体细节。然而,能够理解,本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中,并未详细示出公知的方法、结构和技术,以便不模糊对本说明书的理解。
类似地,应当理解,为了精简本发明并帮助理解各个发明方面中的一个或多个,在对本发明的示例性实施例的描述中,本发明的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而,并不应将该本发明的方法解释成反映如下意图:即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说,如相应的权利要求书所反映的那样,其发明点在于可以用少于某个公开的单个实施例的所有特征的特征来解决相应的技术问题。因此,遵循具体实施方式的权利要求书由此明确地并入该具体实施方式,其中每个权利要求本身都作为本发明的单独实施例。
本领域的技术人员可以理解,除了特征之间相互排斥之外,可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述,本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。
此外,本领域的技术人员能够理解,尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征,但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如,在权利要求书中,所要求保护的实施例的任意之一都可以以任意的组合方式来使用。
本发明的各个部件实施例可以以硬件实现,或者以在一个或者多个处理器上运行的软件模块实现,或者以它们的组合实现。本领域的技术人员应当理解,可以在实践中使用微处理器或者数字信号处理器(DSP)来实现根据本发明实施例的一些模块的一些或者全部功能。本发明还可以实现为用于执行这里所描述的方法的一部分或者全部的装置程序(例如,计算机程序和计算机程序产品)。这样的实现本发明的程序可以存储在计算机可读介质上,或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到,或者在载体信号上提供,或者以任何其他形式提供。
应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制,并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中,不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中,这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。
以上所述,仅为本发明的具体实施方式或对具体实施方式的说明,本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。本发明的保护范围应以权利要求的保护范围为准。
Claims (10)
1.一种路况的实时检测方法,其特征在于,所述方法包括:
获取针对当前路况采集的深度图像,对相邻三帧深度图像中的第二帧深度图像与第一帧深度图像做差处理,得到第一差异图像,并对所述相邻三帧深度图像中的第三帧深度图像与所述第一帧深度图像做差处理,得到第二差异图像,其中,所述深度图像的采集频率与当前车速有关;
基于预设深度容差阈值分别对所述第一差异图像和所述第二差异图像进行深度容差滤波,分别得到经滤波的第一差异图像和经滤波的第二差异图像,并对所述经滤波的第一差异图像和所述经滤波的第二差异图像进行与操作,得到深度差异图像;以及
获取所述深度差异图像中的非零区域的位置坐标,并将所述非零区域的位置坐标转换为实际路面的位置坐标。
2.根据权利要求1所述的方法,其特征在于,所述深度图像是由飞行时间传感器针对当前路况采集的。
3.根据权利要求2所述的方法,其特征在于,所述飞行时间传感器采集所述深度图像时采用的尺寸系数由用户设定,所采集的路面区域的大小取决于所述尺寸系数和所述飞行时间传感器的分辨率。
4.根据权利要求2所述的方法,其特征在于,所述飞行时间传感器采集所述深度图像时的采集频率与当前车速有关,所述当前车速越快,所述采集频率越高。
5.根据权利要求4所述的方法,其特征在于,所述飞行时间传感器采集所述深度图像时的采集频率f通过公式f=f0*v/v0确定,其中,f0为预设基础采集频率,v0为预设基础车速,v为当前车速。
6.根据权利要求1所述的方法,其特征在于,所述基于预设深度容差阈值分别对所述第一差异图像和所述第二差异图像进行深度容差滤波包括:
将所述第一差异图像中小于所述预设深度容差阈值的数据滤除,以及将所述第二差异图像中小于所述预设深度容差阈值的数据滤除。
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:
将所述实际路面的位置坐标和/或所述实际路面的位置坐标表示的方位传送到用户终端。
8.一种路况的实时检测装置,其特征在于,所述装置包括:
计算模块,用于获取针对当前路况采集的深度图像,对相邻三帧深度图像中的第二帧深度图像与第一帧深度图像做差处理,得到第一差异图像,并对所述相邻三帧深度图像中的第三帧深度图像与所述第一帧深度图像做差处理,得到第二差异图像,其中,所述深度图像的采集频率与当前车速有关;
滤波模块,用于基于预设深度容差阈值分别对所述第一差异图像和所述第二差异图像进行深度容差滤波,分别得到经滤波的第一差异图像和经滤波的第二差异图像,并对所述经滤波的第一差异图像和所述经滤波的第二差异图像进行与操作,得到深度差异图像;以及
转换模块,用于获取所述深度差异图像中的非零区域的位置坐标,并将所述非零区域的位置坐标转换为实际路面的位置坐标。
9.一种路况的实时检测系统,其特征在于,所述系统包括存储装置和处理器,所述存储装置上存储有由所述处理器运行的计算机程序,所述计算机程序在被所述处理器运行时执行如权利要求1-7中的任一项所述的路况的实时检测方法。
10.一种存储介质,其特征在于,所述存储介质上存储有计算机程序,所述计算机程序在运行时执行如权利要求1-7中的任一项所述的路况的实时检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910325155.5A CN110222557B (zh) | 2019-04-22 | 2019-04-22 | 路况的实时检测方法、装置、系统和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910325155.5A CN110222557B (zh) | 2019-04-22 | 2019-04-22 | 路况的实时检测方法、装置、系统和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110222557A CN110222557A (zh) | 2019-09-10 |
CN110222557B true CN110222557B (zh) | 2021-09-21 |
Family
ID=67820064
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910325155.5A Active CN110222557B (zh) | 2019-04-22 | 2019-04-22 | 路况的实时检测方法、装置、系统和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110222557B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111161225B (zh) * | 2019-12-19 | 2023-05-12 | 浙江大华技术股份有限公司 | 一种图像差异检测方法、装置、电子设备和存储介质 |
CN112991737A (zh) * | 2021-03-10 | 2021-06-18 | 英博超算(南京)科技有限公司 | 一种汽车采集路况信息的方法 |
Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103310459A (zh) * | 2013-06-20 | 2013-09-18 | 长安大学 | 一种基于三维信息的水泥混凝土路面构造深度的检测算法 |
CN103679127A (zh) * | 2012-09-24 | 2014-03-26 | 株式会社理光 | 检测道路路面的可行驶区域的方法和装置 |
CN103679120A (zh) * | 2012-09-11 | 2014-03-26 | 株式会社理光 | 不平道路的检测方法和系统 |
CN106529495A (zh) * | 2016-11-24 | 2017-03-22 | 腾讯科技(深圳)有限公司 | 一种飞行器的障碍物检测方法和装置 |
CN106978774A (zh) * | 2017-03-22 | 2017-07-25 | 中公高科养护科技股份有限公司 | 一种路面坑槽自动检测方法 |
CN107636680A (zh) * | 2016-12-30 | 2018-01-26 | 深圳前海达闼云端智能科技有限公司 | 一种障碍物检测方法及装置 |
JP2018054296A (ja) * | 2016-09-26 | 2018-04-05 | 株式会社村田製作所 | 路面検査装置、路面検査方法及びプログラム |
JP2018123510A (ja) * | 2017-01-31 | 2018-08-09 | 鹿島道路株式会社 | 路面評価システム及び評価方法 |
CN108445874A (zh) * | 2017-12-11 | 2018-08-24 | 浙江捷尚人工智能研究发展有限公司 | 利用深度相机探测路面状态的方法、装置及系统 |
CN109002039A (zh) * | 2018-07-06 | 2018-12-14 | 达闼科技(北京)有限公司 | 避障提醒方法、相关装置及计算机可读存储介质 |
CN109035322A (zh) * | 2018-07-17 | 2018-12-18 | 重庆大学 | 一种基于双目视觉的障碍物检测与识别方法 |
CN109074490A (zh) * | 2018-07-06 | 2018-12-21 | 深圳前海达闼云端智能科技有限公司 | 通路检测方法、相关装置及计算机可读存储介质 |
CN109242824A (zh) * | 2018-07-25 | 2019-01-18 | 深圳市创艺工业技术有限公司 | 一种基于深度图像的路面智能检测系统 |
CN109239099A (zh) * | 2018-09-30 | 2019-01-18 | 张家港天筑基业仪器设备有限公司 | 多机协同环境下的路面破损实时检测系统及其检测方法 |
CN109409238A (zh) * | 2018-09-28 | 2019-03-01 | 深圳市中电数通智慧安全科技股份有限公司 | 一种障碍物检测方法、装置及终端设备 |
CN109543617A (zh) * | 2018-11-23 | 2019-03-29 | 于兴虎 | 基于yolo目标检测技术的智能车辆运动路况信息的检测方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108596128B (zh) * | 2018-04-28 | 2020-06-26 | 京东方科技集团股份有限公司 | 对象识别方法、装置及存储介质 |
-
2019
- 2019-04-22 CN CN201910325155.5A patent/CN110222557B/zh active Active
Patent Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103679120A (zh) * | 2012-09-11 | 2014-03-26 | 株式会社理光 | 不平道路的检测方法和系统 |
CN103679127A (zh) * | 2012-09-24 | 2014-03-26 | 株式会社理光 | 检测道路路面的可行驶区域的方法和装置 |
CN103310459A (zh) * | 2013-06-20 | 2013-09-18 | 长安大学 | 一种基于三维信息的水泥混凝土路面构造深度的检测算法 |
JP2018054296A (ja) * | 2016-09-26 | 2018-04-05 | 株式会社村田製作所 | 路面検査装置、路面検査方法及びプログラム |
CN106529495A (zh) * | 2016-11-24 | 2017-03-22 | 腾讯科技(深圳)有限公司 | 一种飞行器的障碍物检测方法和装置 |
CN107636680A (zh) * | 2016-12-30 | 2018-01-26 | 深圳前海达闼云端智能科技有限公司 | 一种障碍物检测方法及装置 |
JP2018123510A (ja) * | 2017-01-31 | 2018-08-09 | 鹿島道路株式会社 | 路面評価システム及び評価方法 |
CN106978774A (zh) * | 2017-03-22 | 2017-07-25 | 中公高科养护科技股份有限公司 | 一种路面坑槽自动检测方法 |
CN108445874A (zh) * | 2017-12-11 | 2018-08-24 | 浙江捷尚人工智能研究发展有限公司 | 利用深度相机探测路面状态的方法、装置及系统 |
CN109002039A (zh) * | 2018-07-06 | 2018-12-14 | 达闼科技(北京)有限公司 | 避障提醒方法、相关装置及计算机可读存储介质 |
CN109074490A (zh) * | 2018-07-06 | 2018-12-21 | 深圳前海达闼云端智能科技有限公司 | 通路检测方法、相关装置及计算机可读存储介质 |
CN109035322A (zh) * | 2018-07-17 | 2018-12-18 | 重庆大学 | 一种基于双目视觉的障碍物检测与识别方法 |
CN109242824A (zh) * | 2018-07-25 | 2019-01-18 | 深圳市创艺工业技术有限公司 | 一种基于深度图像的路面智能检测系统 |
CN109409238A (zh) * | 2018-09-28 | 2019-03-01 | 深圳市中电数通智慧安全科技股份有限公司 | 一种障碍物检测方法、装置及终端设备 |
CN109239099A (zh) * | 2018-09-30 | 2019-01-18 | 张家港天筑基业仪器设备有限公司 | 多机协同环境下的路面破损实时检测系统及其检测方法 |
CN109543617A (zh) * | 2018-11-23 | 2019-03-29 | 于兴虎 | 基于yolo目标检测技术的智能车辆运动路况信息的检测方法 |
Non-Patent Citations (5)
Title |
---|
Damage Detection of Bridges Using Response of Vehicle Considering Road Surface Roughness;Zhenhu Li et al.;《International Journal of Structural Stability and Dynamics》;20140910;第15卷(第3期);第1450057-1-1450057-28页 * |
DETECTION AND ANALYSIS OF HOLES AND BUMPS ON ROAD SURFACES;Müjdat Soytürk et al.;《2014 IEEE 22nd Signal Processing and Communications Applications Conference》;20140612;第1897-1901页 * |
Vehicle Behavior Analysis for Uneven Road Surface Detection;Shubhranshu Barnwal;《2015 IEEE 18th International Conference on Intelligent Transportation Systems》;20151102;第1719-1722页 * |
利用高精度三维测量技术进行路面破损检测;李清泉 等;《武汉大学学报 信息科学版》;20171130;第42卷(第11期);第1549-1564页 * |
基于机器视觉的高速宽幅铝箔针孔检测系统;廖声洋 等;《计测技术》;20131231;第33卷(第5期);第49-52页 * |
Also Published As
Publication number | Publication date |
---|---|
CN110222557A (zh) | 2019-09-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106952303B (zh) | 车距检测方法、装置和系统 | |
JP5576937B2 (ja) | 車両の周辺監視装置 | |
US9319860B2 (en) | Mobile terminal that determine whether the user is walking while watching the mobile terminal | |
JP7355151B2 (ja) | 情報処理装置、情報処理方法、プログラム | |
US10296816B2 (en) | Generating training data for automatic vehicle leak detection | |
JP5809751B2 (ja) | 対象物認識装置 | |
JP2016507736A (ja) | 車両加速度を判定するための方法および装置 | |
TWI595450B (zh) | 物件偵測系統 | |
CN110222557B (zh) | 路况的实时检测方法、装置、系统和存储介质 | |
WO2022142786A1 (zh) | 驾驶行为识别方法、设备和存储介质 | |
EP3706096A1 (en) | People-gathering analysis device, movement destination prediction creation device, people-gathering analysis system, vehicle, and people-gathering analysis program | |
CN116659376A (zh) | 动态目标外观尺寸的确定方法及装置 | |
CN107548466B (zh) | 一种检测道路障碍物的方法及装置 | |
CN106240454B (zh) | 提供车辆碰撞预警的系统及车载设备 | |
JP2014038441A (ja) | ドライブレコーダ | |
CN114219770A (zh) | 地面检测方法、装置、电子设备及存储介质 | |
CN110770540B (zh) | 用于构建环境模型的方法和装置 | |
CN112837384A (zh) | 车辆标记方法、装置和电子设备 | |
CN109740502B (zh) | 道路质量检测方法及装置 | |
CN115841660A (zh) | 距离预测方法、装置、设备、存储介质及车辆 | |
CN114973208A (zh) | 车辆盲区监测预警方法及相关设备 | |
Negru et al. | Fog assistance on smart mobile devices | |
CN112215033B (zh) | 车辆全景环视图像的生成方法、装置、系统及存储介质 | |
CN113721235B (zh) | 对象状态确定方法、装置、电子设备以及存储介质 | |
CN114820777B (zh) | 无人机三维数据前端处理方法、装置及无人机 |
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 | ||
TR01 | Transfer of patent right |
Effective date of registration: 20230307 Address after: 1201, China Vision Valley Building, 88 Ruixiang Road, Guandou Street, Jiujiang District, Wuhu City, Anhui Province, 241005 Patentee after: Wuhu Maichi Zhixing Technology Co.,Ltd. Address before: 100190 A block 2, South Road, Haidian District Academy of Sciences, Beijing 313 Patentee before: BEIJING KUANGSHI TECHNOLOGY Co.,Ltd. |
|
TR01 | Transfer of patent right |