CN110310239B - 一种基于特性值拟合消除光照影响的图像处理方法 - Google Patents

一种基于特性值拟合消除光照影响的图像处理方法 Download PDF

Info

Publication number
CN110310239B
CN110310239B CN201910537586.8A CN201910537586A CN110310239B CN 110310239 B CN110310239 B CN 110310239B CN 201910537586 A CN201910537586 A CN 201910537586A CN 110310239 B CN110310239 B CN 110310239B
Authority
CN
China
Prior art keywords
image
value
mark line
navigation mark
navigation
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
CN201910537586.8A
Other languages
English (en)
Other versions
CN110310239A (zh
Inventor
彭倍
唐德树
葛森
杨耀明
邵继业
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.)
Sichuan Artigent Robotics Equipment Co ltd
Original Assignee
Sichuan Artigent Robotics Equipment 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 Sichuan Artigent Robotics Equipment Co ltd filed Critical Sichuan Artigent Robotics Equipment Co ltd
Priority to CN201910537586.8A priority Critical patent/CN110310239B/zh
Publication of CN110310239A publication Critical patent/CN110310239A/zh
Application granted granted Critical
Publication of CN110310239B publication Critical patent/CN110310239B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/20—Instruments for performing navigational calculations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/40—Image enhancement or restoration by the use of histogram techniques
    • G06T5/73—
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/90—Determination of colour characteristics

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Automation & Control Theory (AREA)
  • Image Analysis (AREA)

Abstract

本发明涉及图像识别技术领域，提供了一种基于特性值拟合消除光照影响的图像处理方法，包括：获取包括导航标志线的样本图像，通过样本图像的第一特性值及导航标志线区域的灰度真实阈值建立与导航标志线颜色对应的拟合函数；获取第一图像，通过调用对应的拟合函数得到第一图像的灰度预测阈值；根据预测阈值确定导航标志线区域的像素点灰度值范围，从而确定第一图像的导航标志线区域；本发明通过建立关于预测阈值与图像上四分值或下四分值关系的拟合函数，使得预测阈值与图像特性值关联，使得预测阈值能根据采集到的图像光照条件不同而自适应的变化，消除了光照对目标识别的影响，提高了目标识别的准确率。

Description

一种基于特性值拟合消除光照影响的图像处理方法
技术领域
本发明属于图像识别技术领域，具体地说，涉及一种基于特性值拟合消除光照影响的图像处理方法。
背景技术
目前，常用的巡检机器人主要以摄像头导航为主，摄像头导航主要以巡线为主，即通过采集图像，进行图像处理识别导航标志，在正常光照下，可以通过设定固定的灰度阈值找到导航标志，但实际情况下，光照是变化的，光照的变化会导致设定固定灰度阈值无法准确的在各种光照条件下识别导航标志。
公开号为CN201710007576.4的一种基于激光数据的导航标识图识别方法公开了通过激光对场景进行全景扫描可以获得激光测距数据及反射值数据，然后确定标识图的位置，对标识图的所在区域点云进行正投影，生成无畸变反射值图，并对反射值图进行滤波处理，最后可以获得标识图的信息的方法，能够在光照条件差时对导航标识图进行识别，但该方法依赖于激光全景扫描，成本高，算法复杂，占用的计算资源多，且无法适用于摄像头导航。
发明内容
针对现有技术中上述的不足，本发明的目的在于提供一种基于特性值拟合消除光照影响的图像处理方法，通过建立关于预测阈值与图像特性值的关系的拟合函数，使得得到的预测阈值能根据采集到的图像光照条件不同而变化，有效消除了光照对采集到的图像进行目标识别的影响，提高了目标识别的准确率。
为了达到上述目的，本发明采用的解决方案是：
具体的，一种基于特性值拟合消除光照影响的图像处理方法，应用于巡线导航，巡检装置通过识别预先设置的导航标志线确定巡检路径，所述方法包括：
获取包括导航标志线的样本图像，通过所述样本图像的第一特性值及导航标志线区域的像素点灰度真实阈值建立与导航标志线颜色对应的拟合函数；
获取第一图像，获取所述第一图像的第二特性值并通过调用与导航标志线颜色对应的拟合函数得到第一图像的导航标志线区域的像素点灰度预测阈值；
根据所述预测阈值确定导航标志线区域的像素点灰度值范围，根据得到的像素点灰度值范围确定所述第一图像的导航标志线区域。
进一步的，确定所述第一图像的导航标志线区域后还包括以下步骤：
获取所述第一图像的导航标志线区域的中心点坐标；
根据所述第一图像的导航标志线区域的中心点坐标生成导航点；
判断所述导航点的坐标是否满足第一阈值范围，若不满足，则判定偏离所述导航标志线指示方向并调整巡线方向，直至所述导航点的坐标满足所述第一阈值范围。
进一步的，所述拟合函数的建立过程如下：
获取若干不同光照下的所述样本图像，将每张样本图像转换为第一灰度图并进行标准化直方图运算，获取所述第一灰度图的第一直方图并通过第一直方图获取所述第一特性值；
获取所述样本图像中的导航标志线区域，计算所述导航标志线区域的像素点灰度值的平均值，并将得到的平均值作为所述真实阈值；
将所有所述样本图像的所述真实阈值与与其对应的所述第一特性值进行多项式拟合，得到关于所述真实阈值与所述第一特性值关系的多项式拟合函数。
进一步的，所述导航标志线颜色为白色或黑色；
当所述导航标志线为白色时，所述第一特性值为所述样本图像灰度图的像素点灰度值的上四分值，将所述真实阈值与所述上四分值进行多项式拟合，得到第一拟合函数：y＝-0.005x1 2+2.208x1-5.072；
当所述导航标志线为黑色时，所述第一特性值为所述样本图像灰度图的像素点灰度值的下四分值，将所述真实阈值与所述下四分值进行多项式拟合，得到第二拟合函数：y＝-0.003x2 2+1.314x2+23.24；
其中，y为所述预测阈值，x1为上四分值，x2为下四分值。
进一步的，获取所述预测阈值的具体方法如下：
将所述第一图像转化为第二灰度图并进行标准化直方图运算，获取所述第二灰度图的第二直方图并通过第二直方图获取所述第二特性值；
当所述导航标志线为白色时，所述第二特性值为所述第一图像灰度图的像素点灰度值的上四分值，并通过所述第一拟合函数得到所述预测阈值；
当所述导航标志线为黑色时，所述第二特性值为所述第一图像灰度图的像素点灰度值的下四分值，并通过所述第二拟合函数得到所述预测阈值。
进一步的，获取所述第一图像的导航标志线区域的中心点坐标的具体方法如下：
将所述第一图像沿导航标志线的轴线等分为N个矩形元组，并以第一图像的一个端点为原点，建立坐标系；
根据得到的导航标志线区域的像素点灰度值范围，在每个所述矩形元组中寻找满足像素点灰度值范围的矩形色块，比较每个所述矩形色块的像素点总数，选取像素点总数最大的所述矩形色块为目标色块，获取所述目标色块的长和宽的值，并计算每个矩形色块的中心点坐标；
对所有所述矩形色块的中心点横坐标求平均得到所述导航点的横坐标，判断导航点的横坐标是否满足所述第一阈值范围内，若不满足，则判定偏离所述导航标志线指示方向并进行巡线方向调整，直至所述导航点的坐标满足所述第一阈值范围。
本发明的有益效果是：
通过建立关于预测阈值与图像特性值的关系的拟合函数，使得预测阈值与图像特性值关联，从而消除了光照对目标识别的影响，使得得到的预测阈值能根据采集到的图像光照条件不同而变化，有效消除了光照对采集到的图像进行目标识别的影响，提高了目标识别的准确率，同时，本发明的方法成本低，占用的计算资源低，算法简单，适用于各种环境下的巡线导航。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
图1为本发明优选实施例提供的一种基于特性值拟合消除光照影响的图像处理方法流程图；
图2为本发明优选实施例的第一图像示意图；
图3为本发明优选实施例的上四分值与真实阈值的拟合关系图；
图4为本发明优选实施例的矩形元组及目标色块示意图；
图5为本发明优选实施例的目标色块中心点示意图。
图标：100-矩形元组，200-目标色块。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将对本发明实施例中的技术方案进行清楚、完整地描述。实施例中未注明具体条件者，按照常规条件或制造商建议的条件进行。所用试剂或仪器未注明生产厂商者，均为可以通过市售购买获得的常规产品。
下面对本发明实施例提供的一种基于特性值拟合消除光照影响的图像处理方法进行具体说明。
如图1及图2所示，一种基于特性值拟合消除光照影响的图像处理方法，应用于巡检机器人的巡线导航，通过预先设定导航标志线形成导航路径，巡检时，巡检机器人通过摄像头获取图像，识别导航标志线，从而确定巡检路径，实现导航，实际应用中，导航标志线往往为白色或黑色两种，根据背景色的不同选用不同颜色的导航标志线。本实施例中，摄像头采用openmv摄像头，同时，通过MicroPython函数库中提供的函数实现本发明的方法，具体步骤包括：
获取若干不同光照下的样本图像，将每张样本图像转换为第一灰度图并将第一灰度图进行标准化直方图运算，获取第一灰度图的第一直方图并通过第一直方图得到第一灰度图的像素点灰度值的平均值、中值、众值、标准差、最小值、最大值、下四分值与上四分值等特性值。
通过openmvIDE中的threshold Editor工具加载第一灰度图，观察第一灰度图中的导航标志线区域并选定该区域，通过threshold Editor工具计算得到选定的导航标志线区域的像素点灰度值的平均值，该平均值即为导航标志线区域的真实阈值。
重复上述过程，得到所有样本图像的真实阈值。
通过分别对若干样本图像的平均值、中值、众值、标准差、最小值、最大值、下四分值、上四分值与真实阈值进行拟合实验，得到当目标区域为白色色块时，上四分值与真实阈值的拟合关系最好，即导航标志线为白色时，第一特性值为像素点灰度值的上四分值，当目标区域为黑色色块时，下四分值与真实阈值的拟合关系最好，即导航标志线为黑色时，第一特性值为像素点灰度值的下四分值。
将所有样本图像的真实阈值与与其对应的第一特性值进行多项式拟合：
当导航标志线为白色时，即待确定的导航标志性区域像素点灰度值为(y，255)时，第一特性值为第一灰度图的像素点灰度值的上四分值，所有样本图像的上四分值与真实阈值的对应关系如下表所示：
Figure BDA0002101650220000061
Figure BDA0002101650220000071
如图3所示，将所有真实阈值与上四分值进行多项式拟合，得到第一拟合函数：y＝-0.005x1 2+2.208x1-5.072。
同理，当导航标志线为黑色时，即待确定的导航标志性区域像素点灰度值为(0，y)时，第一特性值为第一灰度图的像素点灰度值的下四分值，将所有真实阈值与下四分值进行多项式拟合，得到第二拟合函数：y＝-0.003x2 2+1.314x2+23.24。
其中，y为预测阈值，x1为上四分值，x2为下四分值。
巡检机器人工作前，根据工作环境中导航标志线的颜色，当导航标志线为白色时，调用第一拟合函数，当导航标志线为黑色时，调用第二拟合函数，巡检机器人开始工作时，通过openmv摄像头获取第一图像，将第一图像转化为第二灰度图并进行标准化直方图运算，获取第二灰度图的第二直方图并通过第二直方图获取第二特性值。其中，当导航标志线为白色时，第二特性值为第一灰度图的像素点灰度值的上四分值，并通过第一拟合函数得到预测阈值；当导航标志线为黑色时，第二特性值为第一灰度图的像素点灰度值的下四分值，并通过第二拟合函数得到预测阈值。
由于白色区域的像素点灰度值范围为(y，255)，通常为(140,255)，黑色区域像素点灰度值范围为(0，y)，通常为(0,100)，则可根据得到的预测阈值确定导航标志线区域的像素点灰度值范围，即可确定第一图像中导航标志线的区域。
通过将若干样本图像的灰度上四分值或下四分值与样本图像中确定导航标志线区域的真实阈值进行拟合，得到关于确定采样图像中导航标志线区域像素点灰度范围的预测阈值与采样图像的灰度上四分值或下四分值之间的拟合关系的拟合函数，巡检机器人导航过程中，需要实时采集图像，而采样图像的上四分值或下四分值可以通过对图像进行灰度转换及标准化直方图运算直接得到，从而可以通过将得到的上四分值或下四分值代入对应的拟合函数，得到预测阈值，从而通过预测阈值得到导航标志线区域。由于巡检机器人在工作中，工作环境存在正常光照、光照过暗或光照过亮的情况，且其光照条件可能处于变化的状态，当光照过暗或过亮时，会存在难以区分导航标志线及背景的情况，若采用固定阈值确定导航标志线区域的方法则会造成导航标志线识别不准确，导致导航精度低，本发明中，根据光照条件的不同，采样图像的上四分值或下四分值是随着光照变化的，通过预先得到的拟合函数将预测阈值与上四分值或下四分值关联，从而实现了根据光照的不同而调整获取导航标志线区域的预测阈值的目的，有效消除了光照对导航标志线识别的影响。
如图4及图5所示，确定第一图像的导航标志线区域后，将第一图像沿导航标志线的轴线等分为N个矩形元组100，本实施例中，将第一图像进行三等分，并以第一图像的左上角端点为原点，建立坐标系；
根据得到的导航标志线区域的像素点灰度值范围，在每个矩形元组100中寻找满足像素点灰度值范围的矩形色块，本实施例中，通过OpenMV Cam库内的find_blobs函数寻找目标色块200，将得到的预测阈值返回至find_blobs函数，即可通过find_blobs函数实现在每个矩形元组100(X,Y,W,H)中寻找目标色块200，其中，X，Y为矩形元组100的左上角坐标，W为矩形元组100的宽，H为矩形元组100的高，W及H均以像素为单位，通过find_blobs函数可获得每个矩形元组100区域内符合灰度值范围的色块信息，如，当导航标志线为白色时，需要寻找白色色块，灰度值范围为(y，255)，通常为(140,255)，同理，寻找黑色色块时，灰度值范围为(0，y)，通常为(0,100)，通过find_blobs函数得到每个矩形元组100区域内能圈住整个满足条件的色块的最小垂直矩形的坐标(X,Y,W,H)和选中的矩形色块内的像素点总数，比较每个找到的矩形色块的像素点总数，选取像素点总数最大的矩形色块为目标色块200，通过目标色块200的坐标值，即可计算出每个矩形元组100中的目标色块200的中心点坐标，find_blobs函数为色块追踪的常规技术手段，这里对该函数不再赘述。
将每个矩形元组100中的目标色块200的中心点横坐标求平均，本实施例中，令三个矩形元组100中的目标色块200的中心点分别为A(X1，Y1)，B(X2，Y2)及C(X3，Y3)，令X0＝(X1+X2+X3)/3，得到导航点的横坐标X0，判断导航点的横坐标X0是否满足第一阈值范围内，经过实验，得到当机器人正常沿白色线前进的时候，计算得到的X0的值在[75,85]的范围内，即第一阈值范围为[75,85]，若X0属于第一阈值范围，则继续获取第一图像，并重复上述过程，若X0不属于[75,85]，则判定巡检机器人偏离导航标志线指示方向并通过预置的PID算法对巡检机器人进行方向进行校准，直至导航点的横坐标X0满足第一阈值范围。
综上所述，通过建立关于预测阈值与图像上四分值或下四分值关系的拟合函数，使得预测阈值与图像特性值关联，从而消除了光照对目标识别的影响，使得得到的预测阈值能根据采集到的图像光照条件不同而自适应的变化，有效消除了光照对采集到的图像进行目标识别的影响，提高了目标识别的准确率，同时，本发明的方法成本低，占用的计算资源低，算法简单，适用于各种环境下的巡线导航，有效提高了导航的准确性。
在本申请所提供的实施例中，应该理解到，本发明如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品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)执行本发明各个实施例方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (3)

1.一种基于特性值拟合消除光照影响的图像处理方法，应用于巡线导航，巡检装置通过识别预先设置的导航标志线确定巡检路径，其特征在于，所述方法包括：
获取包括导航标志线的样本图像，通过所述样本图像的第一特性值及导航标志线区域的像素点灰度真实阈值建立与导航标志线颜色对应的拟合函数；
获取第一图像，获取所述第一图像的第二特性值并通过调用与导航标志线颜色对应的拟合函数得到第一图像的导航标志线区域的像素点灰度预测阈值；
根据所述预测阈值确定导航标志线区域的像素点灰度值范围，根据得到的像素点灰度值范围确定所述第一图像的导航标志线区域；
所述拟合函数的建立过程如下：
获取若干不同光照下的所述样本图像，将每张样本图像转换为第一灰度图并进行标准化直方图运算，获取所述第一灰度图的第一直方图并通过第一直方图获取所述第一特性值；
获取所述样本图像中的导航标志线区域，计算所述导航标志线区域的像素点灰度值的平均值，并将得到的平均值作为所述真实阈值；
将所有所述样本图像的所述真实阈值与与其对应的所述第一特性值进行多项式拟合，得到关于所述真实阈值与所述第一特性值关系的多项式拟合函数；
所述导航标志线颜色为白色或黑色；
当所述导航标志线为白色时，所述第一特性值为所述第一灰度图的像素点灰度值的上四分值，将所述真实阈值与所述上四分值进行多项式拟合，得到第一拟合函数：；
当所述导航标志线为黑色时，所述第一特性值为所述第一灰度图的像素点灰度值的下四分值，将所述真实阈值与所述下四分值进行多项式拟合，得到第二拟合函数：；
其中，为所述预测阈值，为上四分值，为下四分值；
获取所述预测阈值的具体方法如下：
将所述第一图像转化为第二灰度图并进行标准化直方图运算，获取所述第二灰度图的第二直方图并通过第二直方图获取所述第二特性值；
当所述导航标志线为白色时，所述第二特性值为所述第一图像灰度图的像素点灰度值的上四分值，并通过所述第一拟合函数得到所述预测阈值；
当所述导航标志线为黑色时，所述第二特性值为所述第一图像灰度图的像素点灰度值的下四分值，并通过所述第二拟合函数得到所述预测阈值。
2.根据权利要求1所述的一种基于特性值拟合消除光照影响的图像处理方法，其特征在于，确定所述第一图像的导航标志线区域后还包括以下步骤：
获取所述第一图像的导航标志线区域的中心点坐标；
根据所述第一图像的导航标志线区域的中心点坐标生成导航点；
判断所述导航点的坐标是否满足第一阈值范围，若不满足，则判定偏离所述导航标志线指示方向并调整巡线方向，直至所述导航点的坐标满足所述第一阈值范围。
3.根据权利要求2所述的一种基于特性值拟合消除光照影响的图像处理方法，其特征在于，获取所述第一图像的导航标志线区域的中心点坐标的具体方法如下：
将所述第一图像沿导航标志线的轴线等分为N个矩形元组，并以第一图像的一个端点为原点，建立坐标系；
根据得到的导航标志线区域的像素点灰度值范围，在每个所述矩形元组中寻找满足像素点灰度值范围的矩形色块，比较每个所述矩形色块的像素点总数，选取像素点总数最大的所述矩形色块为目标色块，获取所述目标色块的长和宽的值，并计算每个矩形色块的中心点坐标；
对所有所述矩形色块的中心点横坐标求平均得到所述导航点的横坐标，判断导航点的横坐标是否满足所述第一阈值范围内，若不满足，则判定偏离所述导航标志线指示方向并进行巡线方向调整，直至所述导航点的坐标满足所述第一阈值范围。
CN201910537586.8A 2019-06-20 2019-06-20 一种基于特性值拟合消除光照影响的图像处理方法 Active CN110310239B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910537586.8A CN110310239B (zh) 2019-06-20 2019-06-20 一种基于特性值拟合消除光照影响的图像处理方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910537586.8A CN110310239B (zh) 2019-06-20 2019-06-20 一种基于特性值拟合消除光照影响的图像处理方法

Publications (2)

Publication Number Publication Date
CN110310239A CN110310239A (zh) 2019-10-08
CN110310239B true CN110310239B (zh) 2023-05-05

Family

ID=68076630

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910537586.8A Active CN110310239B (zh) 2019-06-20 2019-06-20 一种基于特性值拟合消除光照影响的图像处理方法

Country Status (1)

Country Link
CN (1) CN110310239B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117011923B (zh) * 2023-10-07 2024-01-26 达文恒业科技（深圳）有限公司 一种嵌入式平板电脑数据安全保护方法及系统

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103646249A (zh) * 2013-12-12 2014-03-19 江苏大学 一种温室智能移动机器人视觉导航路径识别方法
CN103824081A (zh) * 2014-02-24 2014-05-28 北京工业大学 一种室外恶劣光照条件下的快速鲁棒交通标志检测方法
CN103971126A (zh) * 2014-05-12 2014-08-06 百度在线网络技术（北京）有限公司 一种交通标志识别方法和装置
CN103996031A (zh) * 2014-05-23 2014-08-20 奇瑞汽车股份有限公司 一种自适应阈值分割的车道线检测系统及其方法
CN105809721A (zh) * 2014-12-30 2016-07-27 阿里巴巴集团控股有限公司 一种应用图标的生成方法、装置及移动设备
WO2017059591A1 (zh) * 2015-10-10 2017-04-13 厦门中控生物识别信息技术有限公司 手指静脉识别方法及装置
CN107392103A (zh) * 2017-06-21 2017-11-24 海信集团有限公司 路面车道线的检测方法及装置、电子设备
CN107957264A (zh) * 2016-10-17 2018-04-24 南京农业大学 一种基于新旧土边界线的拖拉机旋耕视觉导航方法
CN108876745A (zh) * 2018-06-27 2018-11-23 厦门美图之家科技有限公司 图像处理方法及装置
CN109034145A (zh) * 2018-07-06 2018-12-18 西安电子科技大学 基于OpenCV的银行卡号识别方法
CN109583444A (zh) * 2018-11-22 2019-04-05 博志生物科技有限公司 空洞区域定位方法、装置及计算机可读存储介质
CN109726708A (zh) * 2019-03-13 2019-05-07 东软睿驰汽车技术（沈阳）有限公司 一种车道线识别方法及装置

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103646249A (zh) * 2013-12-12 2014-03-19 江苏大学 一种温室智能移动机器人视觉导航路径识别方法
CN103824081A (zh) * 2014-02-24 2014-05-28 北京工业大学 一种室外恶劣光照条件下的快速鲁棒交通标志检测方法
CN103971126A (zh) * 2014-05-12 2014-08-06 百度在线网络技术（北京）有限公司 一种交通标志识别方法和装置
CN103996031A (zh) * 2014-05-23 2014-08-20 奇瑞汽车股份有限公司 一种自适应阈值分割的车道线检测系统及其方法
CN105809721A (zh) * 2014-12-30 2016-07-27 阿里巴巴集团控股有限公司 一种应用图标的生成方法、装置及移动设备
WO2017059591A1 (zh) * 2015-10-10 2017-04-13 厦门中控生物识别信息技术有限公司 手指静脉识别方法及装置
CN107957264A (zh) * 2016-10-17 2018-04-24 南京农业大学 一种基于新旧土边界线的拖拉机旋耕视觉导航方法
CN107392103A (zh) * 2017-06-21 2017-11-24 海信集团有限公司 路面车道线的检测方法及装置、电子设备
CN108876745A (zh) * 2018-06-27 2018-11-23 厦门美图之家科技有限公司 图像处理方法及装置
CN109034145A (zh) * 2018-07-06 2018-12-18 西安电子科技大学 基于OpenCV的银行卡号识别方法
CN109583444A (zh) * 2018-11-22 2019-04-05 博志生物科技有限公司 空洞区域定位方法、装置及计算机可读存储介质
CN109726708A (zh) * 2019-03-13 2019-05-07 东软睿驰汽车技术（沈阳）有限公司 一种车道线识别方法及装置

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
基于图像的车道线检测与跟踪算法研究;刘国荣;《中国优秀硕士学位论文全文数据库信息科技辑》;20150415(第4期);全文 *
雾霾天气下的车牌图像识别;张旭;《中国优秀硕士学位论文全文数据库信息科技辑》;20150915(第9期);全文 *

Also Published As

Publication number Publication date
CN110310239A (zh) 2019-10-08

Similar Documents

Publication Publication Date Title
CN113109368B (zh) 玻璃裂纹检测方法、装置、设备及介质
KR102073468B1 (ko) 비전 시스템에서 컬러 이미지에 대해 컬러 후보 포즈들의 점수화를 위한 시스템 및 방법
CN110619333B (zh) 一种文本行分割方法、文本行分割装置及电子设备
JP5852919B2 (ja) ひび割れ検出方法
CN113160161B (zh) 目标边缘处缺陷的检测方法和装置
CN111310753B (zh) 一种表计对准方法及装置
CN114998328A (zh) 一种基于机器视觉的工件喷涂缺陷检测方法、系统及可读存储介质
CN112381765A (zh) 基于人工智能的设备检测方法、装置、设备及存储介质
CN110310239B (zh) 一种基于特性值拟合消除光照影响的图像处理方法
CN113176270B (zh) 一种调光方法、装置及设备
CN107909573B (zh) 金属工件环形表面刀纹检测方法及装置
CN116563298B (zh) 基于高斯拟合的十字线中心亚像素检测方法
CN115661131B (zh) 一种图像识别方法、装置、电子设备及存储介质
CN111563883B (zh) 屏幕视觉定位方法、定位设备及存储介质
CN114841943A (zh) 一种零件检测方法、装置、设备及存储介质
CN114283081A (zh) 基于金字塔加速的深度恢复方法、电子设备及存储介质
JP2021189238A (ja) ベルト検査システムおよびベルト検査プログラム
CN111630569A (zh) 双目匹配的方法、视觉成像装置及具有存储功能的装置
CN117649367B (zh) 一种图像方位的校正方法及系统
CN113382134B (zh) 一种线阵工业相机的聚焦调试方法
US20240020846A1 (en) Corner point detection method and apparatus
EP4276755A1 (en) Image segmentation method and apparatus, computer device, and readable storage medium
CN117078601A (zh) 一种兴趣区碎片化工业视觉检测方法及系统
CN115937273A (zh) 图像对位方法、系统、记录媒体、以及计算机程序产品
CN117115102A (zh) 一种基于机器视觉的钢线圈头部识别方法

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