CN110223263B - 成像方向检测方法及装置、可读存储介质 - Google Patents

成像方向检测方法及装置、可读存储介质 Download PDF

Info

Publication number
CN110223263B
CN110223263B CN201910330777.7A CN201910330777A CN110223263B CN 110223263 B CN110223263 B CN 110223263B CN 201910330777 A CN201910330777 A CN 201910330777A CN 110223263 B CN110223263 B CN 110223263B
Authority
CN
China
Prior art keywords
image
detected
training
filtering
imaging
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
Application number
CN201910330777.7A
Other languages
English (en)
Other versions
CN110223263A (zh
Inventor
吴圣健
宗博文
温舒
张俊
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai Shanghu Information Technology Co ltd
Original Assignee
Shanghai Shanghu Information Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shanghai Shanghu Information Technology Co ltd filed Critical Shanghai Shanghu Information Technology Co ltd
Priority to CN201910330777.7A priority Critical patent/CN110223263B/zh
Publication of CN110223263A publication Critical patent/CN110223263A/zh
Application granted granted Critical
Publication of CN110223263B publication Critical patent/CN110223263B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • 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 by the use of more than one image, e.g. averaging, 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
    • G06T7/13—Edge detection

Abstract

一种成像方向检测方法及装置、可读存储介质，所述成像方向检测方法包括：将获取到的待检测图像进行灰度化处理，对灰度化处理后的待检测图像进行滤波，得到四个不同方向上一一对应的滤波图像；将所述四个不同方向一一对应的滤波图像拼接为一个待判断图像；将所述待判断图像输入至预设的方向判断模型，得到所述待检测图像的成像检测结果。采用上述方案，可以准确检测出图像采集设备成像方向是否出现错误的情况。

Description

成像方向检测方法及装置、可读存储介质
技术领域
本发明属于智能设备技术领域，特别涉及一种成像方向检测方法及装置、可读存储介质。
背景技术
如今各种智能终端设备一般都具有图像采集功能，而图像采集功能往往由摄像头实现。
由于摄像头本身质量问题、工厂批量组装错误等原因，在摄像头安装过程中，难免出现摄像头安装方向错误的问题，使得摄像头在进行图像采集时成像方向错误。
发明内容
本发明实施例解决的是无法检测出图像采集设备的成像方向错误的技术问题。
为解决上述技术问题，本发明实施例提供一种成像方向检测方法，包括：将获取到的待检测图像进行灰度化处理，对灰度化处理后的待检测图像进行滤波，得到四个不同方向上一一对应的滤波图像；将所述四个不同方向一一对应的滤波图像拼接为一个待判断图像；将所述待判断图像输入至预设的方向判断模型，得到所述待检测图像的成像检测结果。
可选的，在将获取到的待检测图像进行灰度化处理之前，还包括：判断所述待检测图像是否为灰度图像；当判定所述待检测图像是灰度图像时，不再将所述待检测图像进行灰度化处理，对所述待检测图像进行滤波，得到四个不同方向上一一对应的滤波图像。
可选的，所述方向判断模型采用以下方式训练得到：获取彩色的训练图像；将所述彩色的训练图像进行灰度化处理，得到灰度化的训练图像；将所述灰度化的训练图像进行滤波，得到四个不同方向一一对应的训练滤波图像；将所述四个不同方向一一对应的训练滤波图像拼接为一个拼接训练图像；将所述拼接训练图像作为训练数据，将所述训练图像的偏转角度作为数据标签，训练得到所述方向判断模型。
可选的，所述对灰度化处理后的待检测图像进行滤波，包括：采用边缘检测滤波器对所述灰度化处理后的待检测图像进行滤波。
可选的，所述将获取到的待检测图像进行灰度化处理之前，还包括：获取终端设备采集到的待检测图像。
可选的，所述方向判断模型为CNN深度学习模型。
可选的，在得到所述待检测图像的成像检测结果之后，还包括：将所述待检测图像的成像检测结果上传至后端服务器。
为解决上述技术问题，本发明实施例还公开了一种成像方向检测装置，包括：处理单元，用于将获取到的待检测图像进行灰度化处理，对灰度化处理后的待检测图像进行滤波，得到四个不同方向上一一对应的滤波图像；拼接单元，用于将所述四个不同方向一一对应的滤波图像拼接为一个待判断图像；检测单元，用于将所述待判断图像输入至预设的方向判断模型，得到所述待检测图像的成像检测结果。
可选的，所述处理单元，用于将获取到的待检测图像进行灰度化处理，在将获取到的待检测图像进行灰度化处理之前，还用于：判断所述待检测图像是否为灰度图像；当判定所述待检测图像是灰度图像时，不再将所述待检测图像进行灰度化处理，对所述待检测图像进行滤波，得到四个不同方向上一一对应的滤波图像。
可选的，所述方向判断模型采用以下方式训练得到：获取彩色的训练图像；将所述彩色的训练图像进行灰度化处理，得到灰度化的训练图像；将所述灰度化的训练图像进行滤波，得到四个不同方向一一对应的训练滤波图像；将所述四个不同方向一一对应的训练滤波图像拼接为一个拼接训练图像；将所述拼接训练图像作为训练数据，将所述训练图像的偏转角度作为数据标签，训练得到所述方向判断模型。
可选的，所述处理单元，用于对灰度化处理后的待检测图像进行滤波，采用边缘检测滤波器对所述灰度化处理后的待检测图像进行滤波。
可选的，所述处理单元，用于将获取到的待检测图像进行灰度化处理，将获取到的待检测图像进行灰度化处理之前，还包括：获取终端设备采集到的待检测图像。
可选的，所述方向判断模型为CNN深度学习模型。
可选的，所述检测单元，还用于：将所述待检测图像的成像检测结果上传至后端服务器。
本发明实施例还公开了一种计算机可读存储介质，所述计算机可读存储介质为非易失性存储介质或非瞬态存储介质，其上存储有计算机指令，所述计算机指令运行时执行上述任一种所述的成像方向检测方法的步骤。
本发明实施例还提供了一种成像方向检测装置，包括存储器和处理器，所述存储器上存储有可在所述处理器上运行的计算机指令，所述处理器运行所述计算机指令时执行上述任一种所述的成像方向检测方法的步骤。
与现有技术相比，本发明实施例的技术方案具有以下有益效果：
将获取到的待检测图像进行灰度化处理，对灰度化处理后的待检测图像进行滤波，得到四个不同方向上一一对应的滤波图像；将所述四个不同方向一一对应的滤波图像拼接为一个待判断图像；将所述待判断图像输入至预设的方向判断模型，得到所述待检测图像的成像检测结果。根据摄像头的安装方向特点，将待检测图像进行四个方向滤波处理以及再拼接，与方向判断模型结合，可以准确地判断摄像头的成像角度，使得成像方向错误的摄像头被检测出来，以进行成像方向纠正。
附图说明
图1是本发明实施例中的一种成像方向检测方法的流程图；
图2是本发明实施例中的四个不同方向一一对应的滤波图像拼接示意图；
图3是本发明实施例中的四个不同方向的滤波器的滤波模板；
图4是本发明实施例中的一种成像方向检测装置的结构示意图。
具体实施方式
现有技术中，由于摄像头本身质量问题、工厂批量组装错误等原因，在摄像头安装过程中，难免出现摄像头安装方向错误的问题，使得摄像头在进行图像采集时成像方向错误。
本发明实施例中，根据摄像头的安装方向特点，将待检测图像进行四个方向滤波处理以及再拼接，与方向判断模型结合，可以准确地判断摄像头的成像角度，使得成像方向错误的摄像头被检测出来，以进行成像方向纠正。
为使本发明的上述目的、特征和有益效果能够更为明显易懂，下面结合附图对本发明的具体实施例做详细的说明。
本发明实施例提供了一种成像方向检测方法，参照图1，以下通过具体步骤进行详细说明。
步骤S101，将获取到的待检测图像进行灰度化处理，对灰度化处理后的待检测图像进行滤波，得到四个不同方向上一一对应的滤波图像。
在具体实施中，可以获取终端设备采集到的待检测图像，再进行成像方向检测。对于计算能力比较强的终端设备，可以自行对其采集到的待检测图像进行成像方向检测；对于计算能力较弱的终端设备，可以由远端服务器接收终端设备所采集的待检测图像，通过远端服务器对各个终端设备上传的待检测图像进行批量成像方向检测。
在具体实施中，在将获取到的待检测图像进行灰度化处理之前，还可以先判断所述待检测图像是否为灰度图像；当判定所述待检测图像是灰度图像时，可以不再将所述待检测图像进行灰度化处理，直接对所述待检测图像进行滤波，得到四个不同方向上一一对应的滤波图像。
在具体实施中，可以采用边缘检测滤波器对所述灰度化处理后的待检测图像进行滤波。边缘检测滤波器是非线性滤波器的一种，边缘检测滤波器对待检测图像的灰度图像进行四个方向的滤波处理，可以提高成像方向检测的准确度。
步骤S102，将所述四个不同方向一一对应的滤波图像拼接为一个待判断图像。
参照图2给出了本发明实施例中的四个不同方向一一对应的滤波图像拼接示意图。图3是本发明实施例中的四个不同方向的滤波器的滤波模板。
在本发明一实施例中，采用图2所示的滤波器1、滤波器2、滤波器3、滤波器4的滤波模板对待检测图像的灰度图像进行滤波，再对四个滤波图像拼接，得到图3所示的四个不同方向一一对应的滤波图像拼接图。其中，滤波器1与滤波器2的滤波方向相反，滤波器3与滤波器4的滤波方向相反，四个滤波方向分别为0度、90度、180度以及270度。由此得到的滤波器1输出结果、滤波器2输出结果、滤波器3输出结果以及滤波器4输出结果拼成如3所示的待判断图像。
步骤S103，将所述待判断图像输入至预设的方向判断模型，得到所述待检测图像的成像检测结果。
在具体实施中，方向判断模型可以采用以下方式训练得到：获取彩色的训练图像；将所述彩色的训练图像进行灰度化处理，得到灰度化的训练图像；将所述灰度化的训练图像进行滤波，得到四个不同方向一一对应的训练滤波图像；将所述四个不同方向一一对应的训练滤波图像拼接为一个拼接训练图像；将所述拼接训练图像作为训练数据，将所述训练图像的偏转角度(四个方向)作为数据标签，训练得到所述方向判断模型。
在实际应用中，根据摄像头的安装特性，对成像方向错误的四个方向分别进行滤波，然后将四个滤波图像拼接后输入方向判断模型，方向判断模型输出成像的四个方向的偏转角度，得到成像方向检测结果。由于设置的成像检测的四个方向在滤波处理阶段、拼接阶段以及方向判断模型判断阶段均具有对应关系，可以大大提高成像方向检测的准确度。
在具体实施中，方向判断模型可以为卷积神经网络(Convolutional NeuralNetworks，CNN)深度学习模型。
在具体实施中，对于计算能力较强的终端设备，可以由终端设备自行进行成像方向检测。在终端设备得到所述待检测图像的成像检测结果之后，还可以将所述待检测图像的成像检测结果上传至后端服务器。
综上所述，根据摄像头的安装方向特点，将待检测图像进行四个方向滤波处理以及再拼接，与方向判断模型结合，可以准确地判断摄像头的成像角度，使得成像方向错误的摄像头被检测出来，以进行成像方向纠正。
参照图4，本发明实施例还提供了一种成像方向检测装置40，包括：处理单元401、拼接单元402以及检测单元403，其中：
所述处理单元401，用于将获取到的待检测图像进行灰度化处理，对灰度化处理后的待检测图像进行滤波，得到四个不同方向上一一对应的滤波图像；
所述拼接单元402，用于将所述四个不同方向一一对应的滤波图像拼接为一个待判断图像；
所述检测单元403，用于将所述待判断图像输入至预设的方向判断模型，得到所述待检测图像的成像检测结果。
在具体实施中，处理单元401可以用于将获取到的待检测图像进行灰度化处理，在将获取到的待检测图像进行灰度化处理之前，还用于：判断所述待检测图像是否为灰度图像；当判定所述待检测图像是灰度图像时，不再将所述待检测图像进行灰度化处理，对所述待检测图像进行滤波，得到四个不同方向上一一对应的滤波图像。
在具体实施中，方向判断模型可以采用以下方式训练得到：获取彩色的训练图像；将所述彩色的训练图像进行灰度化处理，得到灰度化的训练图像；将所述灰度化的训练图像进行滤波，得到四个不同方向一一对应的训练滤波图像；将所述四个不同方向一一对应的训练滤波图像拼接为一个拼接训练图像；将所述拼接训练图像作为训练数据，将所述训练图像的偏转角度作为数据标签，训练得到所述方向判断模型。
在具体实施中，处理单元401可以用于对灰度化处理后的待检测图像进行滤波，采用边缘检测滤波器对所述灰度化处理后的待检测图像进行滤波。
在具体实施中，处理单元401用于将获取到的待检测图像进行灰度化处理，将获取到的待检测图像进行灰度化处理之前，还可以先获取终端设备采集到的待检测图像。
在具体实施中，方向判断模型可以为CNN深度学习模型。
在具体实施中，检测单元403还可以用于：将所述待检测图像的成像检测结果上传至后端服务器。
本发明实施例还提供了一种计算机可读存储介质，计算机可读存储介质为非易失性存储介质或非瞬态存储介质，其上存储有计算机指令，所述计算机指令运行时执行本发明上述实施例中提供的任一种所述的成像方向检测方法的步骤。
本发明实施例还提供了一种成像方向检测装置，包括存储器和处理器，所述存储器上存储有可在所述处理器上运行的计算机指令，所述处理器运行所示计算机指令时，执行本发明上述实施例中提供的任一种所述的成像方向检测方法的步骤。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序可以存储于任一计算机可读存储介质中，存储介质可以包括：ROM、RAM、磁盘或光盘等。
虽然本发明披露如上，但本发明并非限定于此。任何本领域技术人员，在不脱离本发明的精神和范围内，均可作各种更动与修改，因此本发明的保护范围应当以权利要求所限定的范围为准。

Claims (14)

1.一种成像方向检测方法，其特征在于，包括：
将获取到的待检测图像进行灰度化处理，对灰度化处理后的待检测图像进行滤波，得到四个不同方向上一一对应的滤波图像；
将所述四个不同方向一一对应的滤波图像拼接为一个待判断图像；
将所述待判断图像输入至预设的方向判断模型，得到所述待检测图像的成像检测结果；
其中，所述方向判断模型采用以下方式训练得到：
获取彩色的训练图像；
将所述彩色的训练图像进行灰度化处理，得到灰度化的训练图像；
将所述灰度化的训练图像进行滤波，得到四个不同方向一一对应的训练滤波图像；
将所述四个不同方向一一对应的训练滤波图像拼接为一个拼接训练图像；
将所述拼接训练图像作为训练数据，将所述训练图像的偏转角度作为数据标签，训练得到所述方向判断模型。
2.如权利要求1所述的成像方向检测方法，其特征在于，在将获取到的待检测图像进行灰度化处理之前，还包括：
判断所述待检测图像是否为灰度图像；
当判定所述待检测图像是灰度图像时，不再将所述待检测图像进行灰度化处理，对所述待检测图像进行滤波，得到四个不同方向上一一对应的滤波图像。
3.如权利要求1所述的成像方向检测方法，其特征在于，所述对灰度化处理后的待检测图像进行滤波，包括：采用边缘检测滤波器对所述灰度化处理后的待检测图像进行滤波。
4.如权利要求1所述的成像方向检测方法，其特征在于，所述将获取到的待检测图像进行灰度化处理之前，还包括：获取终端设备采集到的待检测图像。
5.如权利要求1所述的成像方向检测方法，其特征在于，所述方向判断模型为CNN深度学习模型。
6.如权利要求1所述的成像方向检测方法，其特征在于，在得到所述待检测图像的成像检测结果之后，还包括：将所述待检测图像的成像检测结果上传至后端服务器。
7.一种成像方向检测装置，其特征在于，包括：
处理单元，用于将获取到的待检测图像进行灰度化处理，对灰度化处理后的待检测图像进行滤波，得到四个不同方向上一一对应的滤波图像；
拼接单元，用于将所述四个不同方向一一对应的滤波图像拼接为一个待判断图像；
检测单元，用于将所述待判断图像输入至预设的方向判断模型，得到所述待检测图像的成像检测结果；
其中，所述方向判断模型采用以下方式训练得到：获取彩色的训练图像；将所述彩色的训练图像进行灰度化处理，得到灰度化的训练图像；将所述灰度化的训练图像进行滤波，得到四个不同方向一一对应的训练滤波图像；将所述四个不同方向一一对应的训练滤波图像拼接为一个拼接训练图像；将所述拼接训练图像作为训练数据，将所述训练图像的偏转角度作为数据标签，训练得到所述方向判断模型。
8.如权利要求7所述的成像方向检测装置，其特征在于，所述处理单元，用于将获取到的待检测图像进行灰度化处理，在将获取到的待检测图像进行灰度化处理之前，还用于：判断所述待检测图像是否为灰度图像；当判定所述待检测图像是灰度图像时，不再将所述待检测图像进行灰度化处理，对所述待检测图像进行滤波，得到四个不同方向上一一对应的滤波图像。
9.如权利要求7所述的成像方向检测装置，其特征在于，所述处理单元，用于对灰度化处理后的待检测图像进行滤波，采用边缘检测滤波器对所述灰度化处理后的待检测图像进行滤波。
10.如权利要求7所述的成像方向检测装置，其特征在于，所述处理单元，用于将获取到的待检测图像进行灰度化处理，将获取到的待检测图像进行灰度化处理之前，还包括：获取终端设备采集到的待检测图像。
11.如权利要求7所述的成像方向检测装置，其特征在于，所述方向判断模型为CNN深度学习模型。
12.如权利要求7所述的成像方向检测装置，其特征在于，所述检测单元，还用于：将所述待检测图像的成像检测结果上传至后端服务器。
13.一种计算机可读存储介质，所述计算机可读存储介质为非易失性存储介质或非瞬态存储介质，其上存储有计算机指令，其特征在于，所述计算机指令运行时执行权利要求1至6中任一项所述的成像方向检测方法的步骤。
14.一种成像方向检测装置，包括存储器和处理器，所述存储器上存储有可在所述处理器上运行的计算机指令，其特征在于，所述处理器运行所述计算机指令时执行权利要求1至6任一项所述的成像方向检测方法的步骤。
CN201910330777.7A 2019-04-23 2019-04-23 成像方向检测方法及装置、可读存储介质 Active CN110223263B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910330777.7A CN110223263B (zh) 2019-04-23 2019-04-23 成像方向检测方法及装置、可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910330777.7A CN110223263B (zh) 2019-04-23 2019-04-23 成像方向检测方法及装置、可读存储介质

Publications (2)

Publication Number Publication Date
CN110223263A CN110223263A (zh) 2019-09-10
CN110223263B true CN110223263B (zh) 2021-07-13

Family

ID=67820099

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910330777.7A Active CN110223263B (zh) 2019-04-23 2019-04-23 成像方向检测方法及装置、可读存储介质

Country Status (1)

Country Link
CN (1) CN110223263B (zh)

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101625760A (zh) * 2009-07-28 2010-01-13 谭洪舟 一种证件图像倾斜校正的办法
CN102509112A (zh) * 2011-11-02 2012-06-20 珠海逸迩科技有限公司 车牌识别方法及其识别系统
CN102855501A (zh) * 2012-07-26 2013-01-02 北京锐安科技有限公司 一种多方向物体图像识别方法
CN103729649A (zh) * 2014-01-14 2014-04-16 三星电子（中国）研发中心 一种图像旋转角度检测方法和装置
CN104732225A (zh) * 2013-12-24 2015-06-24 中国科学院深圳先进技术研究院 图像旋转处理方法
CN106845541A (zh) * 2017-01-17 2017-06-13 杭州电子科技大学 一种基于生物视觉与精确脉冲驱动神经网络的图像识别方法
CN109409387A (zh) * 2018-11-06 2019-03-01 深圳增强现实技术有限公司 图像采集设备的采集方向确定方法、装置及电子设备
CN109583445A (zh) * 2018-11-26 2019-04-05 平安科技（深圳）有限公司 文字图像校正处理方法、装置、设备及存储介质

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101625760A (zh) * 2009-07-28 2010-01-13 谭洪舟 一种证件图像倾斜校正的办法
CN102509112A (zh) * 2011-11-02 2012-06-20 珠海逸迩科技有限公司 车牌识别方法及其识别系统
CN102855501A (zh) * 2012-07-26 2013-01-02 北京锐安科技有限公司 一种多方向物体图像识别方法
CN104732225A (zh) * 2013-12-24 2015-06-24 中国科学院深圳先进技术研究院 图像旋转处理方法
CN103729649A (zh) * 2014-01-14 2014-04-16 三星电子（中国）研发中心 一种图像旋转角度检测方法和装置
CN106845541A (zh) * 2017-01-17 2017-06-13 杭州电子科技大学 一种基于生物视觉与精确脉冲驱动神经网络的图像识别方法
CN109409387A (zh) * 2018-11-06 2019-03-01 深圳增强现实技术有限公司 图像采集设备的采集方向确定方法、装置及电子设备
CN109583445A (zh) * 2018-11-26 2019-04-05 平安科技（深圳）有限公司 文字图像校正处理方法、装置、设备及存储介质

Also Published As

Publication number Publication date
CN110223263A (zh) 2019-09-10

Similar Documents

Publication Publication Date Title
CN107481292B (zh) 车载摄像头的姿态误差估计方法和装置
US11645735B2 (en) Method and apparatus for processing image, device and computer readable storage medium
CN111640088B (zh) 基于深度学习的电子元件极性检测方法、系统及电子装置
CN115661161B (zh) 零件的缺陷检测方法、装置、存储介质、设备及程序产品
CN109685847B (zh) 一种视觉目标检测模型的训练方法和装置
EP3822830A1 (en) Feature processing method and device for motion trajectory, and computer storage medium
CN111179233B (zh) 基于激光切割二维零部件的自适应纠偏方法
US20220051373A1 (en) Optical correction via machine learning
CN108399609B (zh) 一种三维点云数据的修补方法、装置和机器人
CN113066088A (zh) 工业检测中的检测方法、检测装置和存储介质
CN117078677B (zh) 一种用于始极片的缺陷检测方法及系统
CN113172636B (zh) 一种自动手眼标定方法、装置及存储介质
CN110223263B (zh) 成像方向检测方法及装置、可读存储介质
CN114227717A (zh) 基于巡检机器人的智能巡检方法、装置、设备及存储介质
CN111652242A (zh) 图像处理方法、装置、电子设备及存储介质
CN112686851B (zh) 一种图像检测方法、装置及存储介质
CN115170489A (zh) 一种钢筋识别、测量方法及装置
CN114926803A (zh) 车道线检测模型建立方法、车道线检测方法、装置和设备
CN114841980A (zh) 基于巡线航拍图像的绝缘子缺陷检测方法及系统
CN115116039A (zh) 一种车辆座舱外视线追踪方法、装置、车辆和存储介质
CN110188601B (zh) 一种基于学习的机场遥感图像检测方法
CN114140429A (zh) 一种车端实时停车位检测方法和装置
CN110211092B (zh) 成像方向模型训练方法及装置、检测方法及装置、介质
CN113570566B (zh) 一种产品外观缺陷发展性认知检测方法及相关装置
CN116930192B (zh) 一种高精度铜管缺陷检测方法及系统

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
GR01 Patent grant
GR01 Patent grant