CN110310515B - 现场信息识别反馈系统 - Google Patents
现场信息识别反馈系统 Download PDFInfo
- Publication number
- CN110310515B CN110310515B CN201910326035.7A CN201910326035A CN110310515B CN 110310515 B CN110310515 B CN 110310515B CN 201910326035 A CN201910326035 A CN 201910326035A CN 110310515 B CN110310515 B CN 110310515B
- Authority
- CN
- China
- Prior art keywords
- image
- vehicle
- equipment
- road
- receiving
- 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
- 238000000605 extraction Methods 0.000 claims abstract description 15
- 238000003384 imaging method Methods 0.000 claims abstract description 8
- 238000000034 method Methods 0.000 claims description 17
- 238000012545 processing Methods 0.000 claims description 16
- 239000013307 optical fiber Substances 0.000 claims description 13
- 230000011218 segmentation Effects 0.000 claims description 11
- 238000004458 analytical method Methods 0.000 claims description 8
- 238000012544 monitoring process Methods 0.000 claims description 8
- 238000012163 sequencing technique Methods 0.000 claims description 6
- 238000004891 communication Methods 0.000 claims description 4
- 238000003707 image sharpening Methods 0.000 claims description 4
- 238000012806 monitoring device Methods 0.000 claims description 4
- 230000008569 process Effects 0.000 claims description 4
- 230000009471 action Effects 0.000 claims description 3
- 230000011664 signaling Effects 0.000 claims description 2
- 238000013461 design Methods 0.000 abstract description 2
- 239000010410 layer Substances 0.000 description 21
- 238000003709 image segmentation Methods 0.000 description 9
- 238000003909 pattern recognition Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000005253 cladding Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 238000003708 edge detection Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 239000011521 glass Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- VYPSYNLAJGMNEJ-UHFFFAOYSA-N Silicium dioxide Chemical compound O=[Si]=O VYPSYNLAJGMNEJ-UHFFFAOYSA-N 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 239000011248 coating agent Substances 0.000 description 1
- 238000000576 coating method Methods 0.000 description 1
- 230000008602 contraction Effects 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000011241 protective layer Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G06T5/70—
-
- G06T5/73—
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
- G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
-
- 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
- G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
- G06V20/584—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads of vehicle lights or traffic lights
-
- 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
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/16—Anti-collision systems
- G08G1/166—Anti-collision systems for active traffic, e.g. moving vehicles, pedestrians, bikes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10028—Range image; Depth image; 3D point clouds
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30248—Vehicle exterior or interior
- G06T2207/30252—Vehicle exterior; Vicinity of vehicle
-
- 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
本发明涉及一种现场信息识别反馈系统，系统包括：第一提取设备，用于基于车辆成像特征识别即时锐化图像中的各个车辆目标，将景深值最小的车辆目标的景深值作为参考景深输出；第二提取设备，用于基于道路成像特征识别在即时锐化图像中参考景深位置处的道路目标的最大横向宽度，并基于道路目标的最大横向宽度以及参考景深确定与道路目标的最大横向宽度对应的道路实际剩余宽度。本发明的现场信息识别反馈系统应用广泛，设计合理。由于利用前方车辆现向行驶时一般偏一侧行驶的特性，以基于前方车辆所在景深位置处的另一侧剩余的道路宽度和本车宽度确定车辆交会的可能性，从而帮助本车驾驶员早作应对措施。
Description
技术领域
本发明涉及信息识别领域，尤其涉及一种现场信息识别反馈系统。
背景技术
信息的功能是反映事物内部属性、状态、结构、相互联系以及与外部环境的互动关系，减少事物的不确定性。
信息识别指的是信息接收者从一定的目的出发，运用已有的知识和经验，对信息的真伪性、有用性进行辨认与甄别。并与服务目标相联系，分析信息的有用性，这是实现信息价值的前提。信息识别有三个主要相关因素：服务目标的正确认识及其深刻程度；信息识别者实事求是的科学态度；已有的知识和判断、推理能力。
发明内容
本发明至少具备以下两处重要的发明点：
(1)利用前方车辆现向行驶时一般偏一侧行驶的特性，基于前方车辆所在景深位置处的另一侧剩余的道路宽度和本车宽度确定车辆交会的可能性，从而帮助本车驾驶员早作应对措施；
(2)对待处理图像的输出码率进行检测，以基于检测到的码率调整进行图像色阶调整的色阶调整设备的运行档位，从而提升了图像处理系统整体的稳定性。
根据本发明的一方面，提供了一种现场信息识别反馈系统，所述系统包括：
第一提取设备，位于车辆的控制台内，与所述即时锐化设备连接，用于基于车辆成像特征识别所述即时锐化图像中的各个车辆目标，将景深值最小的车辆目标在所述即时锐化图像中的最大横向宽度作为参考宽度输出，以及将景深值最小的车辆目标的景深值作为参考景深输出；
第二提取设备，位于车辆的控制台内，分别与所述即时锐化设备和所述第一提取设备连接，用于基于道路成像特征识别在所述即时锐化图像中参考景深位置处的道路目标的最大横向宽度，并基于道路目标的最大横向宽度以及参考景深确定与道路目标的最大横向宽度对应的道路实际剩余宽度；
信号识别设备，位于车辆的控制台内，与所述第二提取设备连接，用于在道路实际剩余宽度大于等于本车宽度时，发出允许通行信号；
所述信号识别设备还用于在道路实际剩余宽度小于所述本车宽度时，发出无法通行信号；
蜂鸣警报设备，位于车辆的控制台内，与所述信号识别设备连接，用于在接收到无法通行信号时，执行预设频率的蜂鸣报警动作；
车前摄像头，位于车辆的前端，用于对车辆前方场景进行摄像操作，以获得并输出相应的前方场景图像；
实时监测设备，与所述车前摄像头连接，用于接收所述前方场景图像，对所述前方场景图像的输出码率进行检测，以获得实时输出码率；
信号解析设备，与所述实时监测设备连接，用于接收所述实时输出码率，并在所述实时输出码率超过预设码率阈值时，发出第一控制信号；
所述信号解析设备还用于在所述实时输出码率未超过预设码率阈值时，发出第二控制信号。
本发明的现场信息识别反馈系统应用广泛，设计合理。由于利用前方车辆现向行驶时一般偏一侧行驶的特性，以基于前方车辆所在景深位置处的另一侧剩余的道路宽度和本车宽度确定车辆交会的可能性，从而帮助本车驾驶员早作应对措施。
具体实施方式
下面将对本发明的现场信息识别反馈系统的实施方案进行详细说明。
图像识别问题的数学本质属于模式空间到类别空间的映射问题。目前，在图像识别的发展中，主要有三种识别方法：统计模式识别、结构模式识别、模糊模式识别。图像分割是图像处理中的一项关键技术，自20世纪70年代，其研究已经有几十年的历史，一直都受到人们的高度重视，至今借助于各种理论提出了数以千计的分割算法，而且这方面的研究仍然在积极地进行着。
现有的图像分割的方法有许多种，有阈值分割方法，边缘检测方法，区域提取方法，结合特定理论工具的分割方法等。从图像的类型来分有：灰度图像分割、彩色图像分割和纹理图像分割等。早在1965年就有人提出了检测边缘算子，使得边缘检测产生了不少经典算法。但在近二十年间，随着基于直方图和小波变换的图像分割方法的研究计算技术、VLSI技术的迅速发展，有关图像处理方面的研究取得了很大的进展。图像分割方法结合了一些特定理论、方法和工具，如基于数学形态学的图像分割、基于小波变换的分割、基于遗传算法的分割等。
现有技术中，双向允许交互的道路是驾驶员比较头疼的道路类型之一，由于此类道路中间没有栏杆，而且道路宽度不足，尽管双方车辆都偏一侧行驶，但由于车辆的宽度不同以及道路的宽度也会实时变化，与最近的前方车辆进行交会通行的成功性很难进行肉眼把握。
为了克服上述不足，本发明搭建了一种现场信息识别反馈系统，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现场信息识别反馈系统包括：
第一提取设备，位于车辆的控制台内，与所述即时锐化设备连接，用于基于车辆成像特征识别所述即时锐化图像中的各个车辆目标，将景深值最小的车辆目标在所述即时锐化图像中的最大横向宽度作为参考宽度输出，以及将景深值最小的车辆目标的景深值作为参考景深输出；
第二提取设备，位于车辆的控制台内，分别与所述即时锐化设备和所述第一提取设备连接，用于基于道路成像特征识别在所述即时锐化图像中参考景深位置处的道路目标的最大横向宽度，并基于道路目标的最大横向宽度以及参考景深确定与道路目标的最大横向宽度对应的道路实际剩余宽度；
信号识别设备，位于车辆的控制台内，与所述第二提取设备连接，用于在道路实际剩余宽度大于等于本车宽度时，发出允许通行信号；
所述信号识别设备还用于在道路实际剩余宽度小于所述本车宽度时，发出无法通行信号；
蜂鸣警报设备，位于车辆的控制台内，与所述信号识别设备连接，用于在接收到无法通行信号时，执行预设频率的蜂鸣报警动作；
车前摄像头，位于车辆的前端，用于对车辆前方场景进行摄像操作，以获得并输出相应的前方场景图像；
实时监测设备，与所述车前摄像头连接，用于接收所述前方场景图像，对所述前方场景图像的输出码率进行检测，以获得实时输出码率；
信号解析设备，与所述实时监测设备连接，用于接收所述实时输出码率，并在所述实时输出码率超过预设码率阈值时，发出第一控制信号；
所述信号解析设备还用于在所述实时输出码率未超过预设码率阈值时，发出第二控制信号；
模式切换设备，分别与所述实时监测设备和所述信号解析设备连接，用于在接收到所述第一控制信号时，控制色阶调整设备进入高档位运行模式，还用于在接收到所述第二控制信号时，控制色阶调整设备进入低档位运行模式；
色阶调整设备，分别与所述模式切换设备和所述实时监测设备连接，用于接收所述前方场景图像，并对所述前方场景图像执行色阶调整处理，以获得相应的色阶调整图像；
即时锐化设备，与所述色阶调整设备连接，用于接收所述色阶调整图像，对所述色阶调整图像执行基于Prewitt算子的图像锐化处理，以获得并输出相应的即时锐化图像。
接着，继续对本发明的现场信息识别反馈系统的具体结构进行进一步的说明。
所述现场信息识别反馈系统中还可以包括：
光纤通信接口，与所述即时锐化设备连接，用于接收所述即时锐化图像，并通过光纤通信链路发送所述即时锐化图像。
所述现场信息识别反馈系统中：
所述色阶调整设备还用于在所述高档位运行模式中，以高帧速执行对所述前方场景图像的色阶调整处理。
所述现场信息识别反馈系统中：
所述色阶调整设备还用于在所述低档位运行模式中，以低帧速执行对所述前方场景图像的色阶调整处理。
所述现场信息识别反馈系统中：
所述即时锐化设备包括图像接收单元、图像发送单元和图像处理单元，所述图像处理单元分别与所述图像接收单元和所述图像发送单元连接；
其中，所述图像处理单元用于对所述色阶调整图像执行基于Prewitt算子的图像锐化处理。
所述现场信息识别反馈系统中还可以包括：
噪声排序设备，与所述车前摄像头连接，用于接收所述前方场景图像，对所述前方场景图像中的各种噪声类型进行最大幅值的从大到小排序，将序号在前的预设数量的噪声类型的数量作为最大噪声数量输出；
数量统计设备，用于接收所述前方场景图像，获取所述前方场景图像中的各种噪声类型的数量，并将所述前方场景图像中的各种噪声类型的数量作为参考噪声数量输出。
所述现场信息识别反馈系统中还可以包括：
层数采集设备，与所述噪声排序设备连接，用于接收所述最大噪声数量，并基于所述最大噪声数量确定进行信号分割的层数，其中，所述最大噪声数量越多，进行信号分割的层数越多，所述层数采集设备将确定的进行信号分割的层数作为目标层数输出；
去噪参考设备，与所述数量统计设备连接，用于接收所述参考噪声数量，并基于所述参考噪声数量确定对小波系数进行缩小的百分比值，其中，所述参考噪声数量越多，确定的对小波系数进行缩小的百分比值越小，所述去噪参考设备将确定对小波系数进行缩小的百分比值作为目标百分比值输出。
所述现场信息识别反馈系统中还可以包括：
去噪执行设备，分别与所述噪声排序设备、所述去噪参考设备和所述去噪参考设备连接，用于接收所述前方场景图像、所述目标层数和所述目标百分比值，采用哈尔小波基基于所述目标层数对所述前方场景图像执行所述目标层数的信号分解，以获得从第一层到最高层的各个高频系数和最高层的各个低频系数，对从第一层到最高层的各个高频系数进行基于目标百分比值的数值收缩，以获得从第一层到最高层的各个收缩后高频系数，并基于所述第一层到最高层的各个收缩后高频系数和所述最高层的各个低频系数重构所述前方场景图像对应的已执行图像；
其中，所述去噪执行设备还与所述实时监测设备连接，用于将所述已执行图像替换所述前方场景图像发送给所述实时监测设备；
其中，所述去噪执行设备包括信号接收单元、信号收缩单元和信号输出单元；
其中，所述信号接收单元用于接收所述前方场景图像、所述目标层数和所述目标百分比值。
所述现场信息识别反馈系统中：
在所述去噪执行设备中，对所述最高层的各个低频系数进行数据保留处理；
其中，所述信号收缩单元分别与所述信号接收单元和所述信号输出单元连接；
其中，在所述噪声排序设备中，将序号在前的预设数量的噪声类型的数量作为最大噪声数量输出包括：所述预设数量与所述前方场景图像的解析度成正相关的关系。
另外，光纤是光导纤维的简写，是一种由玻璃或塑料制成的纤维，可作为光传导工具。传输原理是‘光的全反射’。微细的光纤封装在塑料护套中，使得它能够弯曲而不至于断裂。通常，光纤的一端的发射装置使用发光二极管(light emitting diode,LED)或一束激光将光脉冲传送至光纤，光纤的另一端的接收装置使用光敏元件检测脉冲。
在多模光纤中，芯的直径是50μm和62.5μm两种，大致与人的头发的粗细相当。而单模光纤芯的直径为8μm～10μm，常用的是9/125μm。芯外面包围着一层折射率比芯低的玻璃封套，俗称包层，包层使得光线保持在芯内。再外面的是一层薄的塑料外套，即涂覆层，用来保护包层。光纤通常被扎成束，外面有外壳保护。纤芯通常是由石英玻璃制成的横截面积很小的双层同心圆柱体，他质地脆，易断裂，因此需要外加一保护层。
应当理解，本发明的各部分可以用硬件、软件、固件或他们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。
上述提到的存储介质可以是只读存储器，磁盘或光盘等。尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (7)
1.一种现场信息识别反馈系统，其特征在于，包括：
第一提取设备，位于车辆的控制台内，与即时锐化设备连接，用于基于车辆成像特征识别所述即时锐化图像中的各个车辆目标，将景深值最小的车辆目标在所述即时锐化图像中的最大横向宽度作为参考宽度输出，以及将景深值最小的车辆目标的景深值作为参考景深输出；
第二提取设备，位于车辆的控制台内，分别与所述即时锐化设备和所述第一提取设备连接，用于基于道路成像特征识别在所述即时锐化图像中参考景深位置处的道路目标的最大横向宽度，并基于道路目标的最大横向宽度以及参考景深确定与道路目标的最大横向宽度对应的道路实际剩余宽度；
信号识别设备，位于车辆的控制台内，与所述第二提取设备连接，用于在道路实际剩余宽度大于等于本车宽度时，发出允许通行信号；
所述信号识别设备还用于在道路实际剩余宽度小于所述本车宽度时，发出无法通行信号；
蜂鸣警报设备，位于车辆的控制台内，与所述信号识别设备连接，用于在接收到无法通行信号时，执行预设频率的蜂鸣报警动作；
车前摄像头，位于车辆的前端，用于对车辆前方场景进行摄像操作，以获得并输出相应的前方场景图像；
实时监测设备，与所述车前摄像头连接，用于接收所述前方场景图像，对所述前方场景图像的输出码率进行检测，以获得实时输出码率；
信号解析设备，与所述实时监测设备连接，用于接收所述实时输出码率，并在所述实时输出码率超过预设码率阈值时，发出第一控制信号；
所述信号解析设备还用于在所述实时输出码率未超过预设码率阈值时，发出第二控制信号；
模式切换设备，分别与所述实时监测设备和所述信号解析设备连接，用于在接收到所述第一控制信号时，控制色阶调整设备进入高档位运行模式，还用于在接收到所述第二控制信号时，控制色阶调整设备进入低档位运行模式；
色阶调整设备，分别与所述模式切换设备和所述实时监测设备连接，用于接收所述前方场景图像，并对所述前方场景图像执行色阶调整处理，以获得相应的色阶调整图像；
即时锐化设备，与所述色阶调整设备连接，用于接收所述色阶调整图像，对所述色阶调整图像执行基于Prewitt算子的图像锐化处理，以获得并输出相应的即时锐化图像。
2.如权利要求1所述的现场信息识别反馈系统，其特征在于，所述系统还包括：
光纤通信接口，与所述即时锐化设备连接，用于接收所述即时锐化图像，并通过光纤通信链路发送所述即时锐化图像。
3.如权利要求2所述的现场信息识别反馈系统，其特征在于：
所述色阶调整设备还用于在所述高档位运行模式中，以高帧速执行对所述前方场景图像的色阶调整处理。
4.如权利要求3所述的现场信息识别反馈系统，其特征在于：
所述色阶调整设备还用于在所述低档位运行模式中，以低帧速执行对所述前方场景图像的色阶调整处理。
5.如权利要求4所述的现场信息识别反馈系统，其特征在于：
所述即时锐化设备包括图像接收单元、图像发送单元和图像处理单元，所述图像处理单元分别与所述图像接收单元和所述图像发送单元连接；
其中，所述图像处理单元用于对所述色阶调整图像执行基于Prewitt算子的图像锐化处理。
6.如权利要求5所述的现场信息识别反馈系统，其特征在于，所述系统还包括：
噪声排序设备，与所述车前摄像头连接，用于接收所述前方场景图像，对所述前方场景图像中的各种噪声类型进行最大幅值的从大到小排序，将序号在前的预设数量的噪声类型的数量作为最大噪声数量输出；
数量统计设备，用于接收所述前方场景图像，获取所述前方场景图像中的各种噪声类型的数量，并将所述前方场景图像中的各种噪声类型的数量作为参考噪声数量输出。
7.如权利要求6所述的现场信息识别反馈系统，其特征在于，所述系统还包括：
层数采集设备，与所述噪声排序设备连接，用于接收所述最大噪声数量，并基于所述最大噪声数量确定进行信号分割的层数，其中，所述最大噪声数量越多，进行信号分割的层数越多，所述层数采集设备将确定的进行信号分割的层数作为目标层数输出；
去噪参考设备，与所述数量统计设备连接，用于接收所述参考噪声数量，并基于所述参考噪声数量确定对小波系数进行缩小的百分比值，其中，所述参考噪声数量越多，确定的对小波系数进行缩小的百分比值越小，所述去噪参考设备将确定对小波系数进行缩小的百分比值作为目标百分比值输出。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910326035.7A CN110310515B (zh) | 2019-04-23 | 2019-04-23 | 现场信息识别反馈系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910326035.7A CN110310515B (zh) | 2019-04-23 | 2019-04-23 | 现场信息识别反馈系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110310515A CN110310515A (zh) | 2019-10-08 |
| CN110310515B true CN110310515B (zh) | 2020-11-03 |
Family
ID=68075357
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910326035.7A Active CN110310515B (zh) | 2019-04-23 | 2019-04-23 | 现场信息识别反馈系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110310515B (zh) |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113099295A (zh) * | 2020-01-09 | 2021-07-09 | 袁芬 | 配乐音量自适应调节平台 |
| CN112793527A (zh) * | 2021-01-07 | 2021-05-14 | 刘美红 | 车辆保险杠自适应调控系统 |
| CN113762174A (zh) * | 2021-09-08 | 2021-12-07 | 无锡天博电器制造有限公司 | 多器件协作操控平台及方法 |
| CN115527395B (zh) * | 2022-09-29 | 2023-12-22 | 招商局检测车辆技术研究院有限公司 | 用于辅助判断的智能交通安全鉴定装置 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103661365A (zh) * | 2013-11-15 | 2014-03-26 | 长安大学 | 一种提高车辆会车安全性的装置及方法 |
| CN104364673A (zh) * | 2012-05-29 | 2015-02-18 | 布莱特瓦维森有限公司 | 使用自适应景深的选通成像 |
| CN105584487A (zh) * | 2014-11-11 | 2016-05-18 | 现代摩比斯株式会社 | 用于车辆驾驶辅助的方法和装置 |
| CN206374737U (zh) * | 2017-01-22 | 2017-08-04 | 长城汽车股份有限公司 | 一种车辆避让辅助系统 |
| CN108053438A (zh) * | 2017-11-30 | 2018-05-18 | 广东欧珀移动通信有限公司 | 景深获取方法、装置及设备 |
| CN108734189A (zh) * | 2017-04-20 | 2018-11-02 | 天津工业大学 | 浓雾天气下基于大气散射模型和深度学习的车牌识别系统 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7720580B2 (en) * | 2004-12-23 | 2010-05-18 | Donnelly Corporation | Object detection system for vehicle |
-
2019
- 2019-04-23 CN CN201910326035.7A patent/CN110310515B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104364673A (zh) * | 2012-05-29 | 2015-02-18 | 布莱特瓦维森有限公司 | 使用自适应景深的选通成像 |
| CN103661365A (zh) * | 2013-11-15 | 2014-03-26 | 长安大学 | 一种提高车辆会车安全性的装置及方法 |
| CN105584487A (zh) * | 2014-11-11 | 2016-05-18 | 现代摩比斯株式会社 | 用于车辆驾驶辅助的方法和装置 |
| CN206374737U (zh) * | 2017-01-22 | 2017-08-04 | 长城汽车股份有限公司 | 一种车辆避让辅助系统 |
| CN108734189A (zh) * | 2017-04-20 | 2018-11-02 | 天津工业大学 | 浓雾天气下基于大气散射模型和深度学习的车牌识别系统 |
| CN108053438A (zh) * | 2017-11-30 | 2018-05-18 | 广东欧珀移动通信有限公司 | 景深获取方法、装置及设备 |
Non-Patent Citations (3)
| Title |
|---|
| 一种灰度图像基本处理方法及实现方案;胡智君 等;《仪器仪表用户》;20060608;第13卷(第3期);全文 * |
| 基于道路交通违法行为视频智能成像技术的研究与应用;吕豪杰;《中国优秀硕士学位论文全文数据库》;20140515;全文 * |
| 智能车辆视觉环境感知技术的研究;沈峘;《中国博士学位论文全文数据库》;20120115;全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110310515A (zh) | 2019-10-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110310515B (zh) | 现场信息识别反馈系统 | |
| US10642268B2 (en) | Method and apparatus for generating automatic driving strategy | |
| EA036070B1 (ru) | Способ распознавания сигнала о вторжении в пределы оптоволоконного периметра, устройство распознавания и система сигнализации о вторжении в пределы оптоволоконного периметра | |
| DE4435484A1 (de) | System zur Steuerung von Servicevorrichtungen für Kraftfahrzeuge | |
| CN114612866B (zh) | 一种建筑场地内安全性智能识别方法、装置及设备 | |
| CN107179942B (zh) | 一种基于多线程的实时数据分析任务分发处理方法 | |
| CA3110387A1 (en) | Method and device for classifying objects | |
| CN104269006A (zh) | 一种光纤预警系统及模式识别方法 | |
| CN104301037A (zh) | 一种实现无源光网络光纤故障自动告警的方法及系统 | |
| CN111327608A (zh) | 基于级联深度神经网络的应用层恶意请求检测方法及系统 | |
| CN111243331B (zh) | 现场信息识别反馈方法 | |
| CN109827652A (zh) | 一种针对光纤传感振动信号识别方法与系统 | |
| CN115546742A (zh) | 一种基于单目热红外摄像头的铁轨异物识别方法及系统 | |
| US20210271979A1 (en) | Method, a system, a storage portion and a vehicle adapting an initial model of a neural network | |
| CN104833378B (zh) | 光纤周界系统干扰信号识别方法 | |
| CN116388858A (zh) | 一种基于相位解调的断纤检测方法和装置 | |
| CN112364768A (zh) | 一种基于空域特征和机器学习的分布式光纤入侵识别方法 | |
| CN111409397A (zh) | 采用区块链的现场辨识平台及方法 | |
| CN114594464B (zh) | 一种基于毫米波传感技术的人体存在检测方法及系统 | |
| CN111951505B (zh) | 基于分布式光纤系统的围栏振动入侵定位和模式识别方法 | |
| CN114387535A (zh) | 一种多模式识别系统及盲人眼镜 | |
| DE102020115252A1 (de) | Verfahren und Vorrichtung zu einer Erkennung von Verunreinigungen auf einer Schutzscheibe eines Lidarsensors | |
| CN113033355A (zh) | 一种基于密集输电通道的异常目标识别方法和装置 | |
| CN106204993A (zh) | 一种居民周界入侵报警系统及其报警方法 | |
| CN117252897B (zh) | 塑形镜划痕前景图像提取方法、装置、设备及存储介质 |
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 | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20201015 Address after: 326-26, building 1, Fuquan science and Technology Innovation Park, Fuquan street, Keqiao District, Shaoxing City, Zhejiang Province Applicant after: Shaoxing Yueyuan Technology Co.,Ltd. Address before: 225300 Room 265, 2nd Floor, Main Building, No. 60 Chuangchuang Building, Fenghuang East Road, Hailing District, Taizhou City, Jiangsu Province Applicant before: Green Bridge (Taizhou) Ecological Restoration Co.,Ltd. |
|
| TA01 | Transfer of patent application right | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20231115 Address after: 312030 Qixian Village (Shantou), Qixian Street, Keqiao District, Shaoxing City, Zhejiang Province Patentee after: Shaoxing Lien Machinery Technology Co.,Ltd. Address before: 326-26, building 1, Fuquan science and Technology Innovation Park, Fuquan street, Keqiao District, Shaoxing City, Zhejiang Province Patentee before: Shaoxing Yueyuan Technology Co.,Ltd. |
|
| TR01 | Transfer of patent right | ||
| PE01 | Entry into force of the registration of the contract for pledge of patent right |
Denomination of invention: On site information recognition feedback system Effective date of registration: 20231127 Granted publication date: 20201103 Pledgee: Zhejiang Shaoxing Ruifeng Rural Commercial Bank Co.,Ltd. Binhai sub branch Pledgor: Shaoxing Lien Machinery Technology Co.,Ltd. Registration number: Y2023980067556 |
|
| PE01 | Entry into force of the registration of the contract for pledge of patent right |