CN110688903B - 一种基于列车aeb系统摄像头数据的障碍物提取方法 - Google Patents
一种基于列车aeb系统摄像头数据的障碍物提取方法 Download PDFInfo
- Publication number
- CN110688903B CN110688903B CN201910811614.0A CN201910811614A CN110688903B CN 110688903 B CN110688903 B CN 110688903B CN 201910811614 A CN201910811614 A CN 201910811614A CN 110688903 B CN110688903 B CN 110688903B
- Authority
- CN
- China
- Prior art keywords
- image
- track
- obstacle
- rgb color
- train
- 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
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
- G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
-
- 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
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
Abstract
本发明公开了一种基于列车AEB系统摄像头数据的障碍物提取方法,包括以下步骤:S1、实时获取RGB彩色图像;S2、对RGB彩色图像进行灰度化、去噪及增强处理;S3、图像轨道定位与横越障碍物检测;S4、中置障碍物初次检测;S5、建立检测窗口;S6、中置障碍物二次检测;S7、障碍物实际距离标定。过安装在列车前方的单目摄像头获取列车行进路线前方轨道上的图像序列。利用简单搜索算法及图像形态学处理定位铁轨及检测横越障碍物。利用Canny边缘算子提取的方式对轨道中置障碍物进行初检测,建立检测窗口,采用灰度共生矩阵法对中置障碍物进行二次检测,最终利用IPM模型标定列车与障碍物之间的距离,从而实现对障碍物的数据提取,最终达成列车的自动紧急制动。
Description
技术领域
本发明属于列车运行安全保障体系技术领域,具体涉及一种基于列车AEB系统摄像头数据的障碍物提取方法。
背景技术
铁路运输是我国主要的运输方式,随着铁路客运货量的显著增长,车站接发列车数量及调车作业量也随之增多,对列车行驶的安全性与可靠性提出了更高层次的要求。区别于传统路面车辆制动范围的可视性,我国列车平均时速高达200km/h,最高时速可达480km/h,高速行驶对于突发性轨道侵入物的紧急制动提出了很高的要求。仅依靠传统的驾驶员视觉和一般的检测方法很难及时的发现前方的障碍物,因此为了保证列车的行驶安全,对于障碍物的识别尤为重要。从已有的国内外成熟技术来看,大多采用雷达探测、激光检测、超声波检测等方式,然而此类检测成本高昂,还具备一些显著性的缺点,如超声波检测距离有限,激光和雷达检测具有空间覆盖率有限以及分辨率不高的问题,此外这类检测增加了环境噪声,并且传感器之间还会产生相互干扰。我国发明专利,公开号为“CN103303338A”的“一种轨道车辆接触式障碍物检测装置”,提出一种轨道车辆接触式障碍物检测装置,通过检测装置接触到障碍物产生的形变,触动行程开关,实现对轨道范围内任意位置的障碍物检测。这种方案仅适用于列车低速行驶下的近距离障碍物探测,对于列车远距离障碍物识别以及采取紧急制动无法发挥突出性的作用。
发明内容
本发明针对现有技术的不足与缺点,提出一种基于列车AEB系统摄像头数据的障碍物提取方法,其具备较高的实时性,可以对远距离的障碍物实现图像获取,目标分割,目标识别及标定,对障碍物的检测准确度较高。
本发明采用的技术方案为:一种基于列车AEB系统摄像头数据的障碍物提取方法,包括以下步骤:
S1、实时获取RGB彩色图像
通过安装在列车前方的单目摄像头获取列车前方轨道上的RGB彩色图像;
S2、对RGB彩色图像进行灰度化、去噪及增强处理
S3、图像轨道定位与横越障碍物检测
通过简单搜索算法对图像轨道定位;
通过图像形态学处理法检测横越障碍物;
S4、中置障碍物初次检测
利用Canny边缘算子提取的方式对轨道中置障碍物进行初次检测;
S5、建立检测窗口
S6、中置障碍物二次检测
采用灰度共生矩阵对中置障碍物进行二次检测;
S7、障碍物实际距离标定
利用IPM模型标定列车与障碍物之间的实际距离。
优选的,在S2中,所述RGB彩色图像由红绿蓝三种颜色组合而成,采用公式:Pgray=0.30R+0.95G+0.11B对RGB彩色图像序列进行灰度化处理,其中R代表RGB彩色图像中的红色分量的像素值,G代表RGB彩色图像中的绿色分量的像素值,B代表RGB彩色图像中蓝色分量的像素值,Pgray代表通过转换后的灰度图像;采用高斯滤波进行去噪处理,对整幅RGB彩色图像进行加权平均,用一个模板扫描图像中的每一个像素,用模板中像素加权计算出的灰度值去替换模板中心的像素值,当均值为0时,有如下离散高斯滤波函数公式:
其中,H(i,j)为滤波函数,(i,j)为邻域内一点的坐标,δ为标准差;采用频域处理法,通过改变原图像的Fourier变换对图像进行增强,强调图像中的高频分量,进而让某些特征更加突出。
优选的,在S3中,基于轨道是周围RGB彩色图像中灰度的最大值或最小值,采用简单搜索算法,从RGB彩色图像底部铁轨的初始位置开始检测,自下而上扫描周围RGB彩色图像的最大值与最小值点,并进行标定,当两线相交或轨间距离被限制时,终止搜索轨道,由此确定可能的轨道区域,通过对可能的轨道区域进行图像形态学处理,使轨道区域进一步明晰化,若检测出的轨道未相交于点而相交于线,或两者的距离关系不符合左右轨道应有的位置关系时,则认为检测出横越障碍物,若在轨道上没有发现横越障碍物,将进一步检测两轨道之间的中置障碍物。
优选的,在S4中,采用基于Canny边缘提取的方式,通过降噪、查找图像的强度梯度、对梯度进行非极大值抑制、双阈化处理4个步骤确定轨道中置障碍物的可能性区域,在Canny边缘检测中,将高门限设为60,低门限设为30,高斯西格玛设为1.4,Canny边缘检测后,读取Canny处理后RGB彩色图像的每个像素,如果有边缘像素长度大于T(T为设置的阈值),则被认为是中置障碍物候选区域,对该区域进行标记。
优选的,在S5中,基于S4判别出的轨道区域及中置障碍物可能出现的最大公约候选区域,建立检测窗口,检测窗口的两个侧边沿着轨道边缘,上边线高度定在RGB彩色图像高度的1/3处,检测窗形状为梯形。
优选的,在S6中,采用灰度共生矩阵描述RGB彩色图像上两点像素的联合分布,提取统计分量,包括能量、混合熵、惯性矩、相关系数作为纹理特征,将中置障碍物的检测转化为特征向量之间的相似性计算,通过与标准铁轨背景图像的特征匹配,检测出铁轨上是否有障碍物。
优选的,在S7中,采用IPM模型,建立RGB彩色图像坐标系下的二维场景与世界坐标系下的真实三维场景的转换关系,消除摄像头视角拍摄造成的畸变,从而实现障碍物的定位。
本发明与现有技术相比具有下述有益效果:
1、整体算法相对简单、复杂度降低,缩短了处理时间,实现快速处理轨道图像。
2、通过安装在列车前方的单目摄像头即可获取列车行进路线前方轨道上的图像序列,并对获取的图像进行灰度化、去噪及增强处理。
3、采用高斯滤波对图像进行预处理,可以有效去除一切尺度远小于高斯分布空间常数的图像强度变化。
4、采用基于灰度差异的简单搜索算法定位铁轨,采用图像形态学处理检测横越障碍物,进一步提升了轨道图像处理的速度。
5、采用基于Canny边缘算子的提取方式进行中置障碍物初次检测,可以使得输出的信噪比最大,实现检测到的边缘点的位置与实际边缘点的位置最近。
6、采用灰度共生矩阵法进行图像纹理特征的匹配检测,鉴别能力强,稳定性好且计算量小;
7、采用经典的IPM模型进行距离的测算,可以有效消除摄像头视角拍摄造成的畸变,最终利用IPM模型标定列车与障碍物之间的距离,从而实现对障碍物的数据提取,最终达成列车的自动紧急制动。
附图说明
图1为本发明提取方法流程图;
图2为摄像头安装位置及摄像区域;
图3为障碍物检测窗口示意图;
图4为摄像头架设示意图。
具体实施方式
一种基于列车AEB系统摄像头数据的障碍物提取方法,参看图1、图2、图3以及图4,具体步骤如下:
S1、实时获取RGB彩色图像
选择具备光学防抖功能的单目摄像头,安装在列车前方,安装位置请参考图2以及图4,使摄像头A以较高的快门速度在列车行进过程中实时获取列车行进路线前方的场景RGB彩色图像序列,其摄像区域为B,在本实施例中,优选采用CCD摄像机,具备灵敏度高、抗强光、畸变小、体积小、寿命长、抗震动等优点。采集图像的存储装置为车载工业计算机:优选研华PPC-6150工业平板电脑。
S2、对RGB彩色图像进行灰度化、去噪及增强处理
基于获取的RGB彩色图像由红绿蓝三种颜色组合而成,采用公式:Pgray=0.30R+0.95G+0.11B对图像序列进行灰度化处理,其中R代表RGB彩色图像中的红色分量的像素值,G代表RGB彩色图像中的绿色分量的像素值,B代表RGB彩色图像中蓝色分量的像素值。Pgray代表通过转换后的灰度图像;接着,采用高斯滤波进行去噪处理,对整幅RGB图像进行加权平均,用一个模板扫描图像中的每一个像素,用模板中像素加权计算出的灰度值去替换模板中心的像素值,当均值为0时,有如下离散高斯滤波函数公式:
其中,H(i,j)为滤波函数,(i,j)为邻域内一点的坐标,δ为标准差;最后采用频域处理法,通过改变原图像的Fourier变换对图像进行增强,强调图像中的高频分量,进而让某些特征更加突出。需要说明的是,Fourier变换为傅里叶变换。
S3、图像轨道定位与横越障碍物检测
由于左右两轨在RGB彩色图像中的起始位置是相对固定的,且左右两轨是平行的,故两者在RGB彩色图像中的间距从底部到顶部是逐渐减小的。由于目标轨道区域主要位于RGB彩色图像的中部,因此忽略图像的畸变。基于铁轨是周围图像中灰度的最大值或最小值,采用简单搜索算法,从RGB彩色图像底部轨道的初始位置开始检测,自下而上扫描周围图像的最大值与最小值点,并进行标定。当两线相交或轨间距离被限制时,终止搜索轨道,由此确定可能的轨道区域,通过对可能的轨道区域进行图像形态学处理,使轨道区域进一步明晰化。若检测出的轨道未相交于点而相交于线,或两者的距离关系不符合左右轨道应有的位置关系时,则认为检测出横越障碍物。若在轨道上没有发现横越障碍物,将进一步检测两轨道之间的中置障碍物。
S4、中置障碍物初次检测
采用基于Canny边缘算子的提取的方式,通过降噪、查找图像的强度梯度、对梯度进行非极大值抑制、双阈化处理4个步骤确定轨道中置障碍物的可能性区域。在Canny边缘检测中,将高门限设为60,低门限设为30,高斯西格玛设为1.4。Canny边缘检测后,读取Canny处理后图像的每个像素。如果有边缘像素长度大于T(T为设置的阈值),则被认为是中置障碍物候选区域,对该区域进行标记。
S5、建立检测窗口
基于上述判别出的轨道的区域及中置障碍物可能出现的最大公约候选区域S',立检测窗口,请参看考图3。检测窗口的两个侧边沿着铁轨边缘,上边线高度定在图像高度的1/3处(依据经验)。由于拍摄角度导致远端铁轨线条间距离比近端铁轨线条间距离小,检测窗形状为梯形。
S6、中置障碍物二次检测
由于图像纹理特征在空间位置上的反复性,图像中相隔某距离的两个像素灰度值之间会存在某种对应关系,采用灰度共生矩阵描述图像上两点像素的联合分布,提取统计分量包括能量、混合熵、惯性矩、相关系数作为纹理特征,将中置障碍物的检测转化为特征向量之间的相似性计算。通过与标准铁轨背景图像(无前景的单纯铁轨背景图像)的特征匹配,检测出铁轨上是否有障碍物。
S7、障碍物实际距离标定
采用IPM模型,建立图像坐标系下的二维场景与世界坐标系下的真实三维场景的转换关系,消除摄像头视角拍摄造成的畸变,从而实现障碍物的定位。参看图2、图4,建立坐标系,IPM转换公式如下所示:
其中,
m,n分别为摄像头的拍摄图像宽和高,r,c分别为图像平面中像素点所在的行和列,h为摄像头距离地面的高度;α为摄像头视角的1/2;θ为摄像头安装的俯角。
本发明通过安装在列车前方的单目摄像头获取列车行进路线前方轨道上的图像序列,对获取的图像进行灰度化、去噪及增强处理。利用简单搜索算法及图像形态学处理定位铁轨及检测横越障碍物。利用Canny边缘算子对轨道中置障碍物进行初检测,建立检测窗,采用灰度共生矩阵法对中置障碍物进行二次检测,最终利用IPM模型标定列车与障碍物之间的距离,从而实现对障碍物的数据提取,最终达成列车的自动紧急制动。整体算法相对简单、复杂度降低,缩短了处理时间,实现快速处理轨道图像。
Claims (5)
1.一种基于列车AEB系统摄像头数据的障碍物提取方法,其特征在于,包括以下步骤:
S1、实时获取RGB彩色图像
通过安装在列车前方的单目摄像头获取列车前方轨道上的RGB彩色图像;
S2、对RGB彩色图像进行灰度化、去噪及增强处理
所述RGB彩色图像由红绿蓝三种颜色组合而成,采用公式:
Pgray=0.30R+0.95G+0.11B对RGB彩色图像序列进行灰度化处理,其中R代表RGB彩色图像中的红色分量的像素值,G代表RGB彩色图像中的绿色分量的像素值,B代表RGB彩色图像中蓝色分量的像素值,Pgray代表通过转换后的灰度图像;采用高斯滤波进行去噪处理,对整幅RGB彩色图像进行加权平均,用一个模板扫描图像中的每一个像素,用模板中像素加权计算出的灰度值去替换模板中心的像素值,当均值为0时,有如下离散高斯滤波函数公式:
其中,H(i,j)为滤波函数,(i,j)为邻域内一点的坐标,δ为标准差;采用频域处理法,通过改变原图像的Fourier变换对图像进行增强,强调图像中的高频分量,进而让某些特征更加突出;
S3、图像轨道定位与横越障碍物检测
通过简单搜索算法对图像轨道定位;
通过图像形态学处理法检测横越障碍物;
基于轨道是周围RGB彩色图像中灰度的最大值或最小值,采用简单搜索算法,从RGB彩色图像底部铁轨的初始位置开始检测,自下而上扫描周围RGB彩色图像的最大值与最小值点,并进行标定,当两线相交或轨间距离被限制时,终止搜索轨道,由此确定可能的轨道区域,通过对可能的轨道区域进行图像形态学处理,使轨道区域进一步明晰化,若检测出的轨道未相交于点而相交于线,或两者的距离关系不符合左右轨道应有的位置关系时,则认为检测出横越障碍物,若在轨道上没有发现横越障碍物,将进一步检测两轨道之间的中置障碍物;
S4、中置障碍物初次检测
利用Canny边缘提取的方式对轨道中置障碍物进行初次检测;
S5、建立检测窗口
S6、中置障碍物二次检测
采用灰度共生矩阵对中置障碍物进行二次检测;
S7、障碍物实际距离标定
利用IPM模型标定列车与障碍物之间的实际距离。
2.如权利要求1所述的一种基于列车AEB系统摄像头数据的障碍物提取方法,其特征在于,在S4中,采用基于Canny边缘提取的方式,通过降噪、查找图像的强度梯度、对梯度进行非极大值抑制、双阈化处理4个步骤确定轨道中置障碍物的可能性区域,在Canny边缘检测中,将高门限设为60,低门限设为30,高斯西格玛设为1.4,
Canny边缘检测后,读取Canny处理后RGB彩色图像的每个像素,如果有边缘像素长度大于T,则被认为是中置障碍物候选区域,对该区域进行标记。
3.如权利要求2所述的一种基于列车AEB系统摄像头数据的障碍物提取方法,其特征在于,在S5中,基于S4判别出的轨道区域及中置障碍物可能出现的最大公约候选区域,建立检测窗口,检测窗口的两个侧边沿着轨道边缘,上边线高度定在RGB彩色图像高度的1/3处,检测窗形状为梯形。
4.如权利要求3所述的一种基于列车AEB系统摄像头数据的障碍物提取方法,其特征在于,在S6中,采用灰度共生矩阵描述RGB彩色图像上两点像素的联合分布,提取统计分量,包括能量、混合熵、惯性矩、相关系数作为纹理特征,将中置障碍物的检测转化为特征向量之间的相似性计算,通过与标准铁轨背景图像的特征匹配,检测出铁轨上是否有障碍物。
5.如权利要求4所述的一种基于列车AEB系统摄像头数据的障碍物提取方法,其特征在于,在S7中,采用IPM模型,建立RGB彩色图像坐标系下的二维场景与世界坐标系下的真实三维场景的转换关系,消除摄像头视角拍摄造成的畸变,从而实现障碍物的定位。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910811614.0A CN110688903B (zh) | 2019-08-30 | 2019-08-30 | 一种基于列车aeb系统摄像头数据的障碍物提取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910811614.0A CN110688903B (zh) | 2019-08-30 | 2019-08-30 | 一种基于列车aeb系统摄像头数据的障碍物提取方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110688903A CN110688903A (zh) | 2020-01-14 |
CN110688903B true CN110688903B (zh) | 2023-09-26 |
Family
ID=69107686
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910811614.0A Active CN110688903B (zh) | 2019-08-30 | 2019-08-30 | 一种基于列车aeb系统摄像头数据的障碍物提取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110688903B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111524085B (zh) * | 2020-07-02 | 2020-10-23 | 北京大成国测科技有限公司 | 自适应图像处理方法、装置、电子设备和存储介质 |
CN113240742A (zh) * | 2021-05-18 | 2021-08-10 | 西南交通大学 | 一种基于视觉像素链接直线检测的火车倒车辅助检测方法 |
CN113486837B (zh) * | 2021-07-19 | 2023-07-18 | 安徽江淮汽车集团股份有限公司 | 针对低通度障碍物的自动驾驶控制方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101639858A (zh) * | 2009-08-21 | 2010-02-03 | 深圳创维数字技术股份有限公司 | 基于目标区域匹配的图像检索方法 |
CN103345840A (zh) * | 2013-05-28 | 2013-10-09 | 南京正保通信网络技术有限公司 | 一种交叉道路口横穿道路事件视频检测方法 |
CN107878450A (zh) * | 2017-10-20 | 2018-04-06 | 江苏大学 | 一种基于深度学习的车况智能监测方法 |
CN108163014A (zh) * | 2017-12-26 | 2018-06-15 | 郑州畅想高科股份有限公司 | 一种机车乘务员辅助瞭望预警方法及装置 |
CN109754422A (zh) * | 2018-10-30 | 2019-05-14 | 兰州交通大学 | 基于灰度突变的扣件区域定位方法 |
-
2019
- 2019-08-30 CN CN201910811614.0A patent/CN110688903B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101639858A (zh) * | 2009-08-21 | 2010-02-03 | 深圳创维数字技术股份有限公司 | 基于目标区域匹配的图像检索方法 |
CN103345840A (zh) * | 2013-05-28 | 2013-10-09 | 南京正保通信网络技术有限公司 | 一种交叉道路口横穿道路事件视频检测方法 |
CN107878450A (zh) * | 2017-10-20 | 2018-04-06 | 江苏大学 | 一种基于深度学习的车况智能监测方法 |
CN108163014A (zh) * | 2017-12-26 | 2018-06-15 | 郑州畅想高科股份有限公司 | 一种机车乘务员辅助瞭望预警方法及装置 |
CN109754422A (zh) * | 2018-10-30 | 2019-05-14 | 兰州交通大学 | 基于灰度突变的扣件区域定位方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110688903A (zh) | 2020-01-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110688903B (zh) | 一种基于列车aeb系统摄像头数据的障碍物提取方法 | |
CN110979321B (zh) | 一种用于无人驾驶车辆的障碍物躲避方法 | |
CN104331910B (zh) | 一种基于机器视觉的轨道障碍物检测系统 | |
EP1796043B1 (en) | Object detection | |
US20200041284A1 (en) | Map road marking and road quality collecting apparatus and method based on adas system | |
CN107462223B (zh) | 一种公路转弯前行车视距自动测量装置及测量方法 | |
US20090010482A1 (en) | Diagrammatizing Apparatus | |
WO2018058356A1 (zh) | 基于双目立体视觉的汽车防碰撞预警方法和系统 | |
US11064177B2 (en) | Image processing apparatus, imaging apparatus, mobile device control system, image processing method, and recording medium | |
CN105488454A (zh) | 基于单目视觉的前方车辆检测与测距 | |
CN104899554A (zh) | 一种基于单目视觉的车辆测距方法 | |
CN104916163A (zh) | 泊车位检测方法 | |
CN110659552B (zh) | 有轨电车障碍物检测及报警方法 | |
WO2017134936A1 (ja) | 物体検出装置、機器制御システム、撮像装置、物体検出方法、及びプログラム | |
CN113370977A (zh) | 一种基于视觉的智能车辆前向碰撞预警方法及系统 | |
CN109635737A (zh) | 基于道路标记线视觉识别辅助车辆导航定位方法 | |
CN111694011A (zh) | 一种摄像机和三维激光雷达数据融合的路沿检测方法 | |
CN105021126A (zh) | 基于机器视觉技术货车侧防护栏安装尺寸测量系统及方法 | |
CN110717445A (zh) | 一种用于自动驾驶的前车距离跟踪系统与方法 | |
CN105512641B (zh) | 一种标定雨雪状态下视频中的动态行人及车辆的方法 | |
CN111753749A (zh) | 一种基于特征匹配的车道线检测方法 | |
CN106803073B (zh) | 基于立体视觉目标的辅助驾驶系统及方法 | |
CN107578046A (zh) | 一种基于图像二值化处理的辅助车辆行驶方法 | |
CN111161308A (zh) | 一种基于关键点匹配的双波段融合目标提取方法 | |
CN106340031A (zh) | 一种检测运动物体的方法和装置 |
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 | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20230803 Address after: 412000 rooms 102, 202, 302, building a11, high tech xinmajingu, Majiahe street, Tianyuan District, Zhuzhou City, Hunan Province Applicant after: Hunan jiuyu Tongchuang polymer new material Co.,Ltd. Address before: 2205, building 1, Internet Industrial Park, No.1, Binhe South Road, Weibin District, Baoji City, Shaanxi Province Applicant before: Shaanxi Jiuyu Tongchuang Track System Technology Co.,Ltd. |
|
GR01 | Patent grant | ||
GR01 | Patent grant |