CN110374045A - 一种智能化除冰方法 - Google Patents

一种智能化除冰方法 Download PDF

Info

Publication number
CN110374045A
CN110374045A CN201910689150.0A CN201910689150A CN110374045A CN 110374045 A CN110374045 A CN 110374045A CN 201910689150 A CN201910689150 A CN 201910689150A CN 110374045 A CN110374045 A CN 110374045A
Authority
CN
China
Prior art keywords
ice face
image
camera
deicing vehicle
coordinate
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.)
Granted
Application number
CN201910689150.0A
Other languages
English (en)
Other versions
CN110374045B (zh
Inventor
张天怡
方可
王昭为
胡振宇
顾暤
陈浩南
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.)
Harbin Institute of Technology
Original Assignee
Harbin Institute of Technology
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 Harbin Institute of Technology filed Critical Harbin Institute of Technology
Priority to CN201910689150.0A priority Critical patent/CN110374045B/zh
Publication of CN110374045A publication Critical patent/CN110374045A/zh
Application granted granted Critical
Publication of CN110374045B publication Critical patent/CN110374045B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • EFIXED CONSTRUCTIONS
    • E01CONSTRUCTION OF ROADS, RAILWAYS, OR BRIDGES
    • E01HSTREET CLEANING; CLEANING OF PERMANENT WAYS; CLEANING BEACHES; DISPERSING OR PREVENTING FOG IN GENERAL CLEANING STREET OR RAILWAY FURNITURE OR TUNNEL WALLS
    • E01H5/00Removing snow or ice from roads or like surfaces; Grading or roughening snow or ice
    • E01H5/12Apparatus or implements specially adapted for breaking, disintegrating, or loosening layers of ice or hard snow with or without clearing or removing ; Roughening ice or hard snow by means of tools
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00Image enhancement or restoration
    • G06T5/20Image enhancement or restoration using local operators
    • G06T5/30Erosion or dilatation, e.g. thinning

Landscapes

  • Engineering & Computer Science (AREA)
  • Architecture (AREA)
  • Civil Engineering (AREA)
  • Structural Engineering (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Image Processing (AREA)

Abstract

本发明提出一种智能化除冰方法,所述方法进行了冰面识别、冰面位置检测和冰面追踪步骤;所述方法采用双目相机检测环境信息并进行图像处理与坐标解算,得到冰面相对除冰车的位置坐标。同时在摄像头下方加装云台,利用PID控制方法,实现摄像头360度旋转检测冰面,并进行后续冰面的跟踪。所述方法具有识别冰面并计算冰面大小,确定冰面相对位置并实时追踪冰面效果,能够作用于除冰车辆等,解放人力进行冰面识别及追踪工作。

Description

一种智能化除冰方法
技术领域
本发明属于除冰技术领域,特别是涉及一种智能化除冰方法。
背景技术
北方地区冬季降雪,若不及时清除,会形成坚冰,极难清理,造成交通不便、形成安全隐患,对人们生活产生极大影响。对于大范围路面除冰,现多采用铺洒融雪剂方式进行除冰;而人行道等狭窄道路,目前采用的除冰技术多是锹铲镐刨,人力除冰。如何快速清除公路冰雪已经成为保证道路安全和畅通的重要任务,也是北方城市和道路的老大难问题。全自动除冰装置尚未开发,主要是困难在于冰面缺乏显著特征,难以有效识别。针对此问题,本发明旨在开发出智能化的除冰方法,将大大解放人力,改善交通出行,具有广阔的应用价值。
发明内容
本发明目的是为了解决现有技术中的问题,提出了一种智能化除冰方法。所述方法具有识别冰面并计算冰面大小,确定冰面相对位置并实时追踪冰面效果,能够作用于除冰车辆等,解放人力进行冰面识别及追踪工作。
本发明是通过以下技术方案实现的,本发明提出一种智能化除冰方法,所述方法包括以下步骤:
步骤一、利用摄像头采集每一帧彩色图像,将所述彩色图像转化为灰度图像并进行去噪和平滑处理,再利用阈值分割方法,将去噪和平滑处理后的灰度图像进行二值化处理,将冰面与地面分类;
步骤二、将步骤一处理后的图像进行形态学处理,去除相对面积小的冰面,设定一定大小的核,遍历图像并进行与操作,筛选出面积相对大的冰面,并标定符合条件的位置中心点;
步骤三、将双目相机左眼相机L和右眼相机R水平放置,对于同一时刻左右眼相机获取的图像,根据双目相机视差深度测量原理,测得步骤二中标定点的位置相对左眼相机L的坐标位置,利用像素坐标系、相机坐标系和除冰车坐标系的转换关系,计算出冰面位置相对除冰车的距离与方位角;
步骤四、确定距离最近的冰面区域作为除冰对象,并将该冰面区域存为模板,为后续冰面追踪匹配做准备,将最近的距离和方位角输出传输给除冰车,为实现除冰车向冰面的行进做准备;
步骤五、在行进过程中,不断循环计算冰面几何中心与像素中心的偏移,利用PID控制,将偏移角度传给云台,调整摄像头方位;将最近的距离和方位角输出传给除冰车驱动控制系统,调整除冰车行进方向;当除冰车相对位置小于设定误差范围内,判断到达目标位置,发送除冰信息给除冰车,等待除冰车返回除冰完成信号,进行后续冰面识别追踪从而清除地面冰面。
进一步地,所述阈值的选取具体为:对不同情况下的冰面进行图像采集,并选取部分作为样本图像;
步骤1.1、首先为全局阈值M选择初始估计值127;
步骤1.2、对图像中的每一点,若f(x,y)>M,则为对象点,置1;若f(x,y)<M,则为背景点,置0;其中x,y为点坐标,f(x,y)为点坐标函数,由此产生两种像素:G1由灰度值大于M的像素组成,G2由小于M的像素组成;
步骤1.3、对G1、G2的像素分别计算平均灰度值m1,m2;
步骤1.4、计算新的阈值:M=0.5(m1+m2);
步骤1.5、重复步骤1.1-1.4,直到连续迭代的M值小于预定区间;
步骤1.6、将样本中每幅图像进行上述步骤处理,并将最终各图像平均值作为最终阈值。
进一步地,所述形态学处理具体为:
首先对所得二值图像进行先腐蚀后膨胀的操作;在腐蚀操作中,通过结构元z的作用,求两区域的局部最小值,将高亮区域缩小,从而达到将相对面积小的白色区域清除的目的;再对腐蚀后的图像进行膨胀操作,与腐蚀相反,膨胀操作为求局部最大值,将高亮区域放大,以恢复腐蚀操作前的冰面面积大小,保证在后续计量面积时减小误差,并进一步平滑图像。
进一步地,所述步骤二具体为:设置大小为nxn,值全部为1的核;
步骤2.1、将该核遍历像素图像并进行与操作,并计算所得结果为1的像素个数占该核总像素个数的比例;
步骤2.2、若百分比超过90%,则标定该核所覆盖区域的中心并存储该中心位置坐标(u,v)于序列A中,同时存储该核覆盖的图像于序列B中后将该图像区域全部置0;其中u,v是像素坐标系点的坐标;
步骤2.3、将核遍历所有像素,执行步骤2.1-2.2,最终得到所有的标定点。
进一步地,利用像素坐标系、相机坐标系和物理坐标系的转换关系可得如下双目相机内参数矩阵:
其中u,v是像素坐标系点的坐标,dx,dy为每一个像素在x,y轴方向上的尺寸,f为焦距,u0,v0为初始坐标,XC,YC,ZC为相机坐标系点的位置;
采用相机标定法,拍摄不同方向角度的图像,对所用的双目相机进行内参数标定。
进一步地,双目相机由360°云台提供旋转,云台由舵机提供旋转,在控制相机位置时,记录相机水平转角θ和俯仰转角γ,相对除冰车质心x、y、z坐标为(a,b,c),则相机坐标相对除冰车坐标系的转换为:
其中表示在除冰车坐标系w下像素坐标系的坐标变换矩阵,
式中,cθ,sθ,cγ和sγ中的s和c分别是sin和cos的缩写;
根据双目相机内参数矩阵和相机坐标相对除冰车坐标系的转换关系可得像素坐标到除冰车坐标系的转换关系如下:设除冰车坐标系下点的位置为(XW,YW,ZW),则
则通过上式可得除冰车应转角度为行驶的距离为
进一步地,根据得到的对应的中心位置坐标序列A与序列B,依次检测计算各中心位置坐标A[i]的实际距离,选择距离最近的i点,找出序列B[i]图像作为模板进行匹配,采用平方差误差匹配算法进行匹配:
式中,E(i,j)表示总平方差误差,m表示横坐标,n表示纵坐标,Sij(m,n)表示A坐标序列对应距离,T(m,n)表示B坐标序列对应距离,M表示总共的横坐标数,N表示总共的纵坐标数;设定阈值E0,当E(i,j)小于E0即检测到匹配目标冰面;对于匹配到的区域,将该区域中心位置(u’,v’)记录并返回给除冰车驱动控制系统,为除冰车方位调节提供反馈;用该区域替换原B[i]中图像,并循环进行上述过程。
进一步地,根据所述返回的区域中心位置(u’,v’)到物理坐标系原点(0,0)的向量(u’,v’)进行方位解算,即输入偏差信号,输入PID控制中,进行方位调节,使目标冰面位于摄像头物理坐标系中心;同时,加入扰动观测器,去除除冰车带来的扰动误差信号干扰。
本发明的有益效果为:本发明在冰面识别效果上,该方法能够在路面中识别出符合要求的冰面,准确率达93.67%。在位置标定上,该方法能够进行标定并解算出相对距离及方位角,误差约为1%,主要由于相机特性所致,但相对路面尺度,误差较小。在追踪过程中,速度约为10fps,速度略慢但能够基本完成实时作业需求。
附图说明
图1为本发明所述智能化除冰方法流程图;
图2为像素坐标到除冰车坐标系的转换关系示意图。
具体实施方式
下面将结合本发明实施例中的附图对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅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。
结合图1,本发明提出一种智能化除冰方法,所述方法包括以下步骤:
步骤一、利用摄像头采集每一帧彩色图像,将所述彩色图像转化为灰度图像并进行去噪和平滑处理,再利用阈值分割方法,选取适当阈值,将去噪和平滑处理后的灰度图像进行二值化处理,将冰面与地面分类;
对图像进行去噪、平滑等处理,去掉图像中的噪声及细节纹理。
利用快速傅里叶变换FFT将图像转化到频率域。由于噪声与纹理多为高频信号,利用高斯低通滤波器GLPF进行滤波。其表达式为
其中,H(u,v)表示滤波器算子,D表示方均值,σ表示方差;方差是关于中心的拓展度度量,设D0为截止频率,则有
调节D0参数值,设置D0为10-20。
步骤二、将步骤一处理后的图像进行形态学处理,去除相对面积小的冰面,设定一定大小的核,遍历图像并进行与操作,筛选出面积相对大的冰面,并标定符合条件的位置中心点;若视野中有多块冰面,选择距离最近的冰面进行清除。
步骤三、将双目相机左眼相机L和右眼相机R水平放置,对于同一时刻左右眼相机获取的图像,根据双目相机视差深度测量原理,测得步骤二中标定点的位置相对左眼相机L的坐标位置,利用像素坐标系、相机坐标系和除冰车坐标系的转换关系,计算出冰面位置相对除冰车的距离与方位角;
步骤四、确定距离最近的冰面区域作为除冰对象,并将该冰面区域存为模板,为后续冰面追踪匹配做准备,将最近的距离和方位角输出传输给除冰车,为实现除冰车向冰面的行进做准备;
步骤五、在行进过程中,不断循环计算冰面几何中心与像素中心的偏移,利用PID控制,将偏移角度传给云台,调整摄像头方位;将最近的距离和方位角输出传给除冰车驱动控制系统,调整除冰车行进方向;当除冰车相对位置小于设定误差δ范围内,判断到达目标位置,发送除冰信息给除冰车,等待除冰车返回除冰完成信号,进行后续冰面识别追踪从而清除地面冰面。
所述阈值的选取具体为:对不同情况下的冰面进行图像采集,并选取部分作为样本图像;
步骤1.1、首先为全局阈值M选择初始估计值127;
步骤1.2、对图像中的每一点,若f(x,y)>M,则为对象点,置1;若f(x,y)<M,则为背景点,置0;其中x,y为点坐标,f(x,y)为点坐标函数,由此产生两种像素:G1由灰度值大于M的像素组成,G2由小于M的像素组成;
步骤1.3、对G1、G2的像素分别计算平均灰度值m1,m2;
步骤1.4、计算新的阈值:M=0.5(m1+m2);
步骤1.5、重复步骤1.1-1.4,直到连续迭代的M值小于预定区间;
步骤1.6、将样本中每幅图像进行上述步骤处理,并将最终各图像平均值作为最终阈值。
利用其他图像进行验证,观察在该阈值处理下的效果。最终得阈值为160,能够准确分辨冰面和地面。
所述形态学处理具体为:
首先对所得二值图像进行先腐蚀后膨胀的操作;在腐蚀操作中,通过结构元z的作用,求两区域的局部最小值,将高亮区域缩小,从而达到将相对面积小的白色区域清除的目的;再对腐蚀后的图像进行膨胀操作,与腐蚀相反,膨胀操作为求局部最大值,将高亮区域放大,以恢复腐蚀操作前的冰面面积大小,保证在后续计量面积时减小误差,并进一步平滑图像。
若视野中存在多个冰面,则在后续除冰过程中,要首先选择一个位置进行清除,因此需要对检测出的冰面进行标定,为后续计算距离做准备。设置大小为nxn,值全部为1的核;此处核的大小选择应当与冰面面积经坐标转换后在像素坐标系中的大小相当或略小。
步骤2.1、将该核遍历像素图像并进行与操作,并计算所得结果为1的像素个数占该核总像素个数的比例;
步骤2.2、若百分比超过90%,则标定该核所覆盖区域的中心并存储该中心位置坐标(u,v)于序列A中,同时存储该核覆盖的图像于序列B中后将该图像区域全部置0;其中u,v是像素坐标系点的坐标;
步骤2.3、将核遍历所有像素,执行步骤2.1-2.2,最终得到所有的标定点。即将所有冰面位置点进行了标定。
利用相机标定传统方法对相机进行标定,以求取相机内参数,利用像素坐标系、相机坐标系和物理坐标系的转换关系可得如下双目相机内参数矩阵:
其中u,v是像素坐标系点的坐标,dx,dy为每一个像素在x,y轴方向上的尺寸,f为焦距,u0,v0为初始坐标,XC,YC,ZC为相机坐标系点的位置;
采用相机标定法,拍摄不同方向角度的图像,对所用的双目相机进行内参数标定。
结合图2,双目相机由360°云台提供旋转,云台由舵机提供旋转,在控制相机位置时,记录相机水平转角θ和俯仰转角γ,相对除冰车质心x、y、z坐标为(a,b,c),则相机坐标相对除冰车坐标系的转换为:
其中表示在除冰车坐标系w下像素坐标系的坐标变换矩阵,
式中,cθ,sθ,cγ和sγ中的s和c分别是sin和cos的缩写;
根据双目相机内参数矩阵和相机坐标相对除冰车坐标系的转换关系可得像素坐标到除冰车坐标系的转换关系如下:设除冰车坐标系下点的位置为(XW,YW,ZW),则
则通过上式可得除冰车应转角度为行驶的距离为
根据得到的对应的中心位置坐标序列A与序列B,依次检测计算各中心位置坐标A[i]的实际距离,选择距离最近的i点,找出序列B[i]图像作为模板进行匹配,采用平方差误差匹配算法进行匹配:
式中,E(i,j)表示总平方差误差,m表示横坐标,n表示纵坐标,Sij(m,n)表示A坐标序列对应距离,T(m,n)表示B坐标序列对应距离,M表示总共的横坐标数,N表示总共的纵坐标数;设定阈值E0,当E(i,j)小于E0即检测到匹配目标冰面;在此算法中,由于使冰面位于相机中心,因此每次搜索从中心开始沿对角线方向移动模板进行遍历,可使匹配效率显著提高。对于匹配到的区域,将该区域中心位置(u’,v’)记录并返回给除冰车驱动控制系统,为除冰车方位调节提供反馈;用该区域替换原B[i]中图像,并循环进行上述过程。
根据所述返回的区域中心位置(u’,v’)到物理坐标系原点(0,0)的向量(u’,v’)进行方位解算,即输入偏差信号,输入PID控制中,进行方位调节,使目标冰面位于摄像头物理坐标系中心;同时,加入扰动观测器,去除除冰车带来的扰动误差信号干扰。扰动观测器应当根据实际情况进行参数调节。
以上对本发明所提供的一种智能化除冰方法,进行了详细介绍,本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。

Claims (8)

1.一种智能化除冰方法,其特征在于:所述方法包括以下步骤:
步骤一、利用摄像头采集每一帧彩色图像,将所述彩色图像转化为灰度图像并进行去噪和平滑处理,再利用阈值分割方法,将去噪和平滑处理后的灰度图像进行二值化处理,将冰面与地面分类;
步骤二、将步骤一处理后的图像进行形态学处理,去除相对面积小的冰面,设定一定大小的核,遍历图像并进行与操作,筛选出面积相对大的冰面,并标定符合条件的位置中心点;
步骤三、将双目相机左眼相机L和右眼相机R水平放置,对于同一时刻左右眼相机获取的图像,根据双目相机视差深度测量原理,测得步骤二中标定点的位置相对左眼相机L的坐标位置,利用像素坐标系、相机坐标系和除冰车坐标系的转换关系,计算出冰面位置相对除冰车的距离与方位角;
步骤四、确定距离最近的冰面区域作为除冰对象,并将该冰面区域存为模板,为后续冰面追踪匹配做准备,将最近的距离和方位角输出传输给除冰车,为实现除冰车向冰面的行进做准备;
步骤五、在行进过程中,不断循环计算冰面几何中心与像素中心的偏移,利用PID控制,将偏移角度传给云台,调整摄像头方位;将最近的距离和方位角输出传给除冰车驱动控制系统,调整除冰车行进方向;当除冰车相对位置小于设定误差范围内,判断到达目标位置,发送除冰信息给除冰车,等待除冰车返回除冰完成信号,进行后续冰面识别追踪从而清除地面冰面。
2.根据权利要求1所述的方法,其特征在于:所述阈值的选取具体为:对不同情况下的冰面进行图像采集,并选取部分作为样本图像;
步骤1.1、首先为全局阈值M选择初始估计值127;
步骤1.2、对图像中的每一点,若f(x,y)>M,则为对象点,置1;若f(x,y)<M,则为背景点,置0;其中x,y为点坐标,f(x,y)为点坐标函数,由此产生两种像素:G1由灰度值大于M的像素组成,G2由小于M的像素组成;
步骤1.3、对G1、G2的像素分别计算平均灰度值m1,m2;
步骤1.4、计算新的阈值:M=0.5(m1+m2);
步骤1.5、重复步骤1.1-1.4,直到连续迭代的M值小于预定区间;
步骤1.6、将样本中每幅图像进行上述步骤处理,并将最终各图像平均值作为最终阈值。
3.根据权利要求2所述的方法,其特征在于:所述形态学处理具体为:
首先对所得二值图像进行先腐蚀后膨胀的操作;在腐蚀操作中,通过结构元z的作用,求两区域的局部最小值,将高亮区域缩小,从而达到将相对面积小的白色区域清除的目的;再对腐蚀后的图像进行膨胀操作,与腐蚀相反,膨胀操作为求局部最大值,将高亮区域放大,以恢复腐蚀操作前的冰面面积大小,保证在后续计量面积时减小误差,并进一步平滑图像。
4.根据权利要求3所述的方法,其特征在于:所述步骤二具体为:设置大小为nxn,值全部为1的核;
步骤2.1、将该核遍历像素图像并进行与操作,并计算所得结果为1的像素个数占该核总像素个数的比例;
步骤2.2、若百分比超过90%,则标定该核所覆盖区域的中心并存储该中心位置坐标(u,v)于序列A中,同时存储该核覆盖的图像于序列B中后将该图像区域全部置0;其中u,v是像素坐标系点的坐标;
步骤2.3、将核遍历所有像素,执行步骤2.1-2.2,最终得到所有的标定点。
5.根据权利要求4所述的方法,其特征在于:利用像素坐标系、相机坐标系和物理坐标系的转换关系可得如下双目相机内参数矩阵:
其中u,v是像素坐标系点的坐标,dx,dy为每一个像素在x,y轴方向上的尺寸,f为焦距,u0,v0为初始坐标,XC,YC,ZC为相机坐标系点的位置;
采用相机标定法,拍摄不同方向角度的图像,对所用的双目相机进行内参数标定。
6.根据权利要求5所述的方法,其特征在于:
双目相机由360°云台提供旋转,云台由舵机提供旋转,在控制相机位置时,记录相机水平转角θ和俯仰转角γ,相对除冰车质心x、y、z坐标为(a,b,c),则相机坐标相对除冰车坐标系的转换为:
其中表示在除冰车坐标系w下像素坐标系的坐标变换矩阵,
式中,cθ,sθ,cγ和sγ中的s和c分别是sin和cos的缩写;
根据双目相机内参数矩阵和相机坐标相对除冰车坐标系的转换关系可得像素坐标到除冰车坐标系的转换关系如下:设除冰车坐标系下点的位置为(XW,YW,ZW),则
则通过上式可得除冰车应转角度为行驶的距离为
7.根据权利要求6所述的方法,其特征在于:
根据得到的对应的中心位置坐标序列A与序列B,依次检测计算各中心位置坐标A[i]的实际距离,选择距离最近的i点,找出序列B[i]图像作为模板进行匹配,采用平方差误差匹配算法进行匹配:
式中,E(i,j)表示总平方差误差,m表示横坐标,n表示纵坐标,Sij(m,n)表示A坐标序列对应距离,T(m,n)表示B坐标序列对应距离,M表示总共的横坐标数,N表示总共的纵坐标数;设定阈值E0,当E(i,j)小于E0即检测到匹配目标冰面;对于匹配到的区域,将该区域中心位置(u’,v’)记录并返回给除冰车驱动控制系统,为除冰车方位调节提供反馈;用该区域替换原B[i]中图像,并循环进行上述过程。
8.根据权利要求7所述的方法,其特征在于:
根据所述返回的区域中心位置(u’,v’)到物理坐标系原点(0,0)的向量(u’,v’)进行方位解算,即输入偏差信号,输入PID控制中,进行方位调节,使目标冰面位于摄像头物理坐标系中心;同时,加入扰动观测器,去除除冰车带来的扰动误差信号干扰。
CN201910689150.0A 2019-07-29 2019-07-29 一种智能化除冰方法 Expired - Fee Related CN110374045B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910689150.0A CN110374045B (zh) 2019-07-29 2019-07-29 一种智能化除冰方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910689150.0A CN110374045B (zh) 2019-07-29 2019-07-29 一种智能化除冰方法

Publications (2)

Publication Number Publication Date
CN110374045A true CN110374045A (zh) 2019-10-25
CN110374045B CN110374045B (zh) 2021-09-28

Family

ID=68256711

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910689150.0A Expired - Fee Related CN110374045B (zh) 2019-07-29 2019-07-29 一种智能化除冰方法

Country Status (1)

Country Link
CN (1) CN110374045B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113140131A (zh) * 2021-03-29 2021-07-20 成都理工大学工程技术学院 一种基于数字地球降低高速交通事故的系统
CN114164790A (zh) * 2021-12-27 2022-03-11 哈尔滨职业技术学院 一种智能化路面清压实冰雪设备及其使用方法
CN118262259A (zh) * 2024-05-31 2024-06-28 国网浙江省电力有限公司苍南县供电公司 基于大数据的无人机电力任务监测方法及装置

Citations (38)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20010009079A1 (en) * 2000-01-12 2001-07-26 Masakatsu Kono Snow removal machine
CN2546497Y (zh) * 2001-04-13 2003-04-23 赵瑞国 道路冰雪清除机
JP2003228791A (ja) * 2002-02-05 2003-08-15 Fujitsu Ltd 除排雪に関連する情報処理方法
US20060086009A1 (en) * 2004-10-27 2006-04-27 Honda Motor Co., Ltd. Snow removing machine
JP2012185591A (ja) * 2011-03-04 2012-09-27 Fuji Xerox Co Ltd 画像処理装置、情報提供システム及びプログラム
CN103088779A (zh) * 2013-01-15 2013-05-08 中联重科股份有限公司 用于吹雪车吹嘴的控制方法、控制器、控制系统及吹雪车
CN203498791U (zh) * 2013-09-30 2014-03-26 林建辉 一种高效节能型除雪车
CN104422439A (zh) * 2013-08-21 2015-03-18 希姆通信息技术(上海)有限公司 导航方法、装置、服务器、导航系统及其使用方法
CN104424638A (zh) * 2013-08-27 2015-03-18 深圳市安芯数字发展有限公司 一种基于遮挡情况下的目标跟踪方法
US20150220247A1 (en) * 2014-02-04 2015-08-06 Samsung Electronics Co., Ltd. Electronic device and method for providing information thereof
CN104915642A (zh) * 2015-05-26 2015-09-16 奇瑞汽车股份有限公司 前方车辆测距方法及装置
CN105002853A (zh) * 2015-08-19 2015-10-28 哈尔滨腾泰道路清雪机械装备制造有限公司 一种无线遥控清雪车
CN105205805A (zh) * 2015-08-19 2015-12-30 奇瑞汽车股份有限公司 基于视觉的智能车辆横向控制方法
CN105544440A (zh) * 2016-01-25 2016-05-04 上海市金山区青少年活动中心 具有测距功能的自动道路清扫车
CN106296663A (zh) * 2016-08-01 2017-01-04 辽宁工程技术大学 一种sar海冰图像分割方法及系统
CN106503605A (zh) * 2015-09-01 2017-03-15 南京理工大学 基于立体视觉技术的人体目标识别方法
CN106529587A (zh) * 2016-08-26 2017-03-22 北京航空航天大学 基于目标点识别的视觉航向识别方法
CN106530352A (zh) * 2016-10-26 2017-03-22 重庆大学 智能扫雪机器人定位系统及方法
CN106592499A (zh) * 2016-12-30 2017-04-26 深圳先进技术研究院 一种铲雪机器人及其铲雪方法
CN106651963A (zh) * 2016-12-29 2017-05-10 清华大学苏州汽车研究院(吴江) 一种用于驾驶辅助系统的车载摄像头的安装参数标定方法
CN107689060A (zh) * 2016-08-03 2018-02-13 北京三星通信技术研究有限公司 目标对象的视觉处理方法、装置及基于视觉处理的设备
CN107993233A (zh) * 2016-10-26 2018-05-04 中国科学院深圳先进技术研究院 一种坑区域的定位方法及装置
CN108030452A (zh) * 2017-11-30 2018-05-15 深圳市沃特沃德股份有限公司 视觉扫地机器人及建立场景地图的方法
CN108171753A (zh) * 2016-12-07 2018-06-15 广州映博智能科技有限公司 基于形心特征点与邻域灰度互相关性的立体视觉定位方法
WO2018115437A1 (de) * 2016-12-22 2018-06-28 Ivoclar Vivadent Ag Verfahren zur ausrichtung einer kamera oder scanvorrichtung mit einem dentalhilfselement
CN108360442A (zh) * 2018-02-26 2018-08-03 深圳市易成自动驾驶技术有限公司 智能除雪方法、智能除雪车及计算机可读存储介质
CN108460954A (zh) * 2018-04-07 2018-08-28 中南林业科技大学 一种冰冻灾害监测与预警预报方法
CN108470356A (zh) * 2018-03-15 2018-08-31 浙江工业大学 一种基于双目视觉的目标对象快速测距方法
CN108629812A (zh) * 2018-04-11 2018-10-09 深圳市逗映科技有限公司 一种基于双目相机的测距方法
CN108888187A (zh) * 2018-05-31 2018-11-27 四川斐讯信息技术有限公司 一种基于深度相机的扫地机器人
CN109059868A (zh) * 2018-06-29 2018-12-21 电子科技大学 一种基于自适应匹配窗口的双目测距方法
CN109146980A (zh) * 2018-08-12 2019-01-04 浙江农林大学 基于单目视觉的优化的深度提取和被动测距方法
CN109387187A (zh) * 2017-08-02 2019-02-26 珊口(上海)智能科技有限公司 基于视觉特征点的扫地机定位方法、系统以及扫地机器人
CN109448036A (zh) * 2019-01-23 2019-03-08 深兰人工智能芯片研究院(江苏)有限公司 一种基于双目图像确定视差图的方法及装置
CN109440699A (zh) * 2018-12-07 2019-03-08 长沙中联重科环境产业有限公司 环卫智能洁扫作业机器人控制系统及清扫机械
CN109614889A (zh) * 2018-11-23 2019-04-12 华为技术有限公司 对象检测方法、相关设备及计算机存储介质
CN109785381A (zh) * 2018-12-06 2019-05-21 苏州炫感信息科技有限公司 一种光学惯性融合空间定位方法、定位设备及定位系统
CN109958089A (zh) * 2017-12-26 2019-07-02 苏州宝时得电动工具有限公司 智能扫雪机及其控制方法

Patent Citations (38)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20010009079A1 (en) * 2000-01-12 2001-07-26 Masakatsu Kono Snow removal machine
CN2546497Y (zh) * 2001-04-13 2003-04-23 赵瑞国 道路冰雪清除机
JP2003228791A (ja) * 2002-02-05 2003-08-15 Fujitsu Ltd 除排雪に関連する情報処理方法
US20060086009A1 (en) * 2004-10-27 2006-04-27 Honda Motor Co., Ltd. Snow removing machine
JP2012185591A (ja) * 2011-03-04 2012-09-27 Fuji Xerox Co Ltd 画像処理装置、情報提供システム及びプログラム
CN103088779A (zh) * 2013-01-15 2013-05-08 中联重科股份有限公司 用于吹雪车吹嘴的控制方法、控制器、控制系统及吹雪车
CN104422439A (zh) * 2013-08-21 2015-03-18 希姆通信息技术(上海)有限公司 导航方法、装置、服务器、导航系统及其使用方法
CN104424638A (zh) * 2013-08-27 2015-03-18 深圳市安芯数字发展有限公司 一种基于遮挡情况下的目标跟踪方法
CN203498791U (zh) * 2013-09-30 2014-03-26 林建辉 一种高效节能型除雪车
US20150220247A1 (en) * 2014-02-04 2015-08-06 Samsung Electronics Co., Ltd. Electronic device and method for providing information thereof
CN104915642A (zh) * 2015-05-26 2015-09-16 奇瑞汽车股份有限公司 前方车辆测距方法及装置
CN105002853A (zh) * 2015-08-19 2015-10-28 哈尔滨腾泰道路清雪机械装备制造有限公司 一种无线遥控清雪车
CN105205805A (zh) * 2015-08-19 2015-12-30 奇瑞汽车股份有限公司 基于视觉的智能车辆横向控制方法
CN106503605A (zh) * 2015-09-01 2017-03-15 南京理工大学 基于立体视觉技术的人体目标识别方法
CN105544440A (zh) * 2016-01-25 2016-05-04 上海市金山区青少年活动中心 具有测距功能的自动道路清扫车
CN106296663A (zh) * 2016-08-01 2017-01-04 辽宁工程技术大学 一种sar海冰图像分割方法及系统
CN107689060A (zh) * 2016-08-03 2018-02-13 北京三星通信技术研究有限公司 目标对象的视觉处理方法、装置及基于视觉处理的设备
CN106529587A (zh) * 2016-08-26 2017-03-22 北京航空航天大学 基于目标点识别的视觉航向识别方法
CN106530352A (zh) * 2016-10-26 2017-03-22 重庆大学 智能扫雪机器人定位系统及方法
CN107993233A (zh) * 2016-10-26 2018-05-04 中国科学院深圳先进技术研究院 一种坑区域的定位方法及装置
CN108171753A (zh) * 2016-12-07 2018-06-15 广州映博智能科技有限公司 基于形心特征点与邻域灰度互相关性的立体视觉定位方法
WO2018115437A1 (de) * 2016-12-22 2018-06-28 Ivoclar Vivadent Ag Verfahren zur ausrichtung einer kamera oder scanvorrichtung mit einem dentalhilfselement
CN106651963A (zh) * 2016-12-29 2017-05-10 清华大学苏州汽车研究院(吴江) 一种用于驾驶辅助系统的车载摄像头的安装参数标定方法
CN106592499A (zh) * 2016-12-30 2017-04-26 深圳先进技术研究院 一种铲雪机器人及其铲雪方法
CN109387187A (zh) * 2017-08-02 2019-02-26 珊口(上海)智能科技有限公司 基于视觉特征点的扫地机定位方法、系统以及扫地机器人
CN108030452A (zh) * 2017-11-30 2018-05-15 深圳市沃特沃德股份有限公司 视觉扫地机器人及建立场景地图的方法
CN109958089A (zh) * 2017-12-26 2019-07-02 苏州宝时得电动工具有限公司 智能扫雪机及其控制方法
CN108360442A (zh) * 2018-02-26 2018-08-03 深圳市易成自动驾驶技术有限公司 智能除雪方法、智能除雪车及计算机可读存储介质
CN108470356A (zh) * 2018-03-15 2018-08-31 浙江工业大学 一种基于双目视觉的目标对象快速测距方法
CN108460954A (zh) * 2018-04-07 2018-08-28 中南林业科技大学 一种冰冻灾害监测与预警预报方法
CN108629812A (zh) * 2018-04-11 2018-10-09 深圳市逗映科技有限公司 一种基于双目相机的测距方法
CN108888187A (zh) * 2018-05-31 2018-11-27 四川斐讯信息技术有限公司 一种基于深度相机的扫地机器人
CN109059868A (zh) * 2018-06-29 2018-12-21 电子科技大学 一种基于自适应匹配窗口的双目测距方法
CN109146980A (zh) * 2018-08-12 2019-01-04 浙江农林大学 基于单目视觉的优化的深度提取和被动测距方法
CN109614889A (zh) * 2018-11-23 2019-04-12 华为技术有限公司 对象检测方法、相关设备及计算机存储介质
CN109785381A (zh) * 2018-12-06 2019-05-21 苏州炫感信息科技有限公司 一种光学惯性融合空间定位方法、定位设备及定位系统
CN109440699A (zh) * 2018-12-07 2019-03-08 长沙中联重科环境产业有限公司 环卫智能洁扫作业机器人控制系统及清扫机械
CN109448036A (zh) * 2019-01-23 2019-03-08 深兰人工智能芯片研究院(江苏)有限公司 一种基于双目图像确定视差图的方法及装置

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
刘传才等: "《图像理解与计算机视觉》", 30 September 2002, 厦门大学出版社 *
刘国华等: "《HALCON数字图像处理》", 31 May 2018, 西安电子科技大学出版社 *
朴松昊等: "《工业机器人技术基础》", 30 June 2018, 中国铁道出版社 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113140131A (zh) * 2021-03-29 2021-07-20 成都理工大学工程技术学院 一种基于数字地球降低高速交通事故的系统
CN114164790A (zh) * 2021-12-27 2022-03-11 哈尔滨职业技术学院 一种智能化路面清压实冰雪设备及其使用方法
CN118262259A (zh) * 2024-05-31 2024-06-28 国网浙江省电力有限公司苍南县供电公司 基于大数据的无人机电力任务监测方法及装置

Also Published As

Publication number Publication date
CN110374045B (zh) 2021-09-28

Similar Documents

Publication Publication Date Title
CN110298216B (zh) 基于车道线梯度图像自适应阈值分割的车辆偏离报警方法
CN109858460B (zh) 一种基于三维激光雷达的车道线检测方法
CN107330925B (zh) 一种基于激光雷达深度图像的多障碍物检测和跟踪方法
CN102682292B (zh) 基于单目视觉的道路边缘检测及粗定位方法
CN108805904B (zh) 一种基于卫星序列图像的运动舰船检测与跟踪方法
CN110374045A (zh) 一种智能化除冰方法
CN109241976B (zh) 一种基于图像处理和激光测距溢油面积估计的方法
Guo et al. Lane detection method based on improved RANSAC algorithm
CN104318258A (zh) 一种基于时域模糊和卡尔曼滤波器的车道线检测方法
CN108225319B (zh) 基于目标特征的单目视觉快速相对位姿估计系统及方法
CN111079611A (zh) 一种道路面及其标志线的自动提取方法
CN102982304B (zh) 利用偏光图像检测车辆位置的方法和系统
CN110021029B (zh) 一种适用于rgbd-slam的实时动态配准方法及存储介质
CN110428425B (zh) 一种基于海岸线矢量数据的sar图像海陆分离方法
CN105182350A (zh) 一种应用特征跟踪的多波束声呐目标探测方法
CN104680538A (zh) 基于超像素的sar图像cfar目标检测方法
CN103020967A (zh) 基于海岛边缘特征的无人机航拍图像精确匹配方法
Li et al. Road markings extraction based on threshold segmentation
CN103204104A (zh) 一种车辆全视角驾驶监控系统及方法
Sun Vision based lane detection for self-driving car
CN110456377A (zh) 一种基于三维激光雷达的卫星来袭异物检测方法和系统
CN107194896A (zh) 一种基于邻域结构的背景抑制方法和系统
CN102592290A (zh) 一种针对水下显微视频的运动目标区域检测方法
Jung et al. An improved linear-parabolic model for lane following and curve detection
CN108573280A (zh) 一种无人船自主通过桥梁的方法

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
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20210928

CF01 Termination of patent right due to non-payment of annual fee