CN110942010A - 基于车载摄像头确定路面起伏状态的检测方法及装置 - Google Patents
基于车载摄像头确定路面起伏状态的检测方法及装置 Download PDFInfo
- Publication number
- CN110942010A CN110942010A CN201911153994.XA CN201911153994A CN110942010A CN 110942010 A CN110942010 A CN 110942010A CN 201911153994 A CN201911153994 A CN 201911153994A CN 110942010 A CN110942010 A CN 110942010A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- road surface
- determining
- distance
- ground
- 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
Links
Images
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
- G06V20/588—Recognition of the road, e.g. of lane markings; Recognition of the vehicle driving pattern in relation to the road
-
- 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
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
- G06V20/41—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
- G06V20/49—Segmenting video sequences, i.e. computational techniques such as parsing or cutting the sequence, low-level clustering or determining units such as shots or scenes
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Abstract
本发明提供一种基于车载摄像头确定路面起伏状态的检测方法、装置、车载终端及服务器,其中,基于车载摄像头确定路面起伏状态的检测方法包括:通过所述车载摄像头获取道路图像流或视频;将所述道路图像流或视频分割为帧单位的图片;提取所述图片中的路面点;计算坐标点至所述路面点的距离;基于所述距离判断路面的起伏状态。根据本发明的基于车载摄像头确定路面起伏状态的检测方法,能够及时(高时效)且准确的发现路面的情况。
Description
技术领域
本发明涉及车辆领域,具体涉及一种基于车载摄像头确定路面起伏状态的检测方法、装置、车载终端及服务器。
背景技术
路面上新的凹坑或者凸起,数据提供商无法做到实时,准确的更新。
路面的凹坑或者凸起会导致车辆的颠簸,引起驾驶员的不适,特殊情形,对于行车还会有安全隐患。
发明内容
有鉴于此,本发明提供一种基于车载摄像头确定路面起伏状态的检测方法、装置、车载终端及服务器,以解决如何及时且准确的发现路面的情况,并快速的上传服务器更新数据的问题。
为解决上述技术问题,一方面,本发明提供基于车载摄像头确定路面起伏状态的检测方法,包括如下步骤:
过所述车载摄像头获取道路图像流或视频;
将所述道路图像流或视频分割为帧单位的图片;
提取所述图片中的路面点;
计算坐标点至所述路面点的距离;
基于所述距离判断路面的起伏状态。
进一步地,通过固定在车辆上的摄像头拍摄所述道路图像流或视频。
进一步地,所述提取所述图片中的路面点包括:
建立地面图像样本集;
从所述地面图像样本集中提取地面特征;
基于所述地面特征进行训练,形成地面识别器;
基于所述地面识别器从所述道路图像流或视频中确定地面;
在所述地面上确定地面点,其中所述地面点与所述摄像头的连线与所述车身呈一定角度。
进一步地,所述地面点在所述摄像头与车灯的延长线上。
进一步地,所述计算坐标点与所述路面点的距离包括:计算所述摄像头与所述地面点的距离,或计算所述车灯与所述地面点的距离。
进一步地,计算所述摄像头与所述地面点的距离具体包括:
确定所述摄像头距离地面的第一垂直高度;
确定所述摄像头与所述地面点之间的直线与铅垂线之间的第一夹角;
基于所述第一垂直高度与所述第一夹角,确定所述摄像头与所述地面点的距离。
进一步地,计算所述车灯与所述地面点的距离包括:
确定所述车灯距离地面的第二垂直高度;
确定所述车灯与地面点之间的直线与铅垂线之间的第二夹角;
基于所述第二垂直高度与所述第二夹角,确定所述车灯与所述地面点的距离。
进一步地,所述基于所述距离判断路面的起伏状态包括:
将所述距离与参考值进行比较,
当所述距离与所述参考值之间的差的绝对值在阈值范围内时,判断所述路面为平坦状态;
当所述距离大于所述参考值,且差值的绝对值高于所述阈值时,判断为路面出现凹坑,
当所述距离小于所述参考值,且差值的绝对值高于所述阈值时,判断为路面出现凸起。
进一步地,当判断为路面出现凹坑或凸起时,持续检测后续图片直至检测结果不同,根据车辆速度以及持续时间确定该凹坑或凸起的长度,当长度超过第一预定值时,判断此路段为上坡或下坡。
进一步地,当长度低于所述第一预定值但高于第二阈值,则根据具体长度判断所出现的凹坑或凸起的等级,并将所述等级与路面起伏状态同时上报。
第二方面,本发明提供一种确定路面起伏状态的检测装置,包括:
车载摄像头,所述车载摄像头固定在车身上,用于获取道路图像流或视频;
图像处理器,所述图像处理器对所述道路图像流或视频进行处理以确定路面的起伏状态,
所述图像处理器在确定路面的起伏状态时进行如下处理:
将所述道路图像流或视频分割为帧单位的图片;
提取所述图片中的路面点;
计算坐标点至所述路面点的距离;
基于所述距离判断路面的起伏状态。
第三方面,本发明提供一种车载终端,所述车载终端用于进行如下处理:
接收由车载摄像头获取的道路图像流或视频;
将所述道路图像流或视频分割为帧单位的图片;
提取所述图片中的路面点;
计算坐标点至所述路面点的距离;
基于所述距离判断路面的起伏状态;
将所述判断结果、以及位置上报给服务器。
进一步地,所述位置通过摄像头获取的图像通过大数据挖掘方法获得,或者通过GPS信号获得。
进一步地,所述车载终端还将判断为出现凹坑或凸起的相应的图片与所述判断结果一起发送给服务器。
第四方面,本发明提供一种服务器,用于从车载终端接收信息并对车载终端下发信息,其特征在于,当所述服务器接收到所述车载终端上传的路面出现凹坑或凸起的信息时,在系统中进行更新,对所有联机的车载终端下发该信息。
本发明的上述技术方案至少具有如下有益效果之一:
根据本发明的基于车载摄像头确定路面起伏状态的检测方法,能够及时(高时效)且准确的发现路面的情况,并快速的上传服务器更新数据。
附图说明
图1为根据本发明实施例的应用场景图;
图2为根据本发明实施例的基于车载摄像头确定路面起伏状态的检测方法的流程图;
图3为根据本发明实施例的确定路面起伏状态的检测装置的示意图。
具体实施方式
下面将结合附图和实施例,对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明,但不用来限制本发明的范围。
目前路面上凹坑或者凸起颠簸,数据提供商无法做到实时、准确的更新,当车辆经过路面的凹坑或者凸起的时候会出现颠簸,影响驾驶安全和舒适度。
通过本发明,如图1所示,当前方车辆通过检测到路面的凹坑或凸起,并快速的上传服务器更新数据,服务器通过网络给客户端,从而可以提醒驾驶人员避让或通知相关道路维修人员及时对凹坑或凸起进行维修。
下面,首先结合图2说明根据本发明实施例的车载摄像头确定路面起伏状态的检测方法。
如图2所示,本发明实施例的车载摄像头确定路面起伏状态的检测方法,包括:
步骤S1,通过车载摄像头获取道路图像流或视频。
可选地,通过固定在车辆上的摄像头拍摄道路图像流或视频,例如行车记录仪的摄像头等。由此,比较方便的拍摄道路图像流或视频。
步骤S2,将道路图像流或视频分割为帧单位的图片。
也就是说,对拍摄的图像流或视频进行处理,分割为帧为单位的图片。由此,更加全面的记录道路的情况。
步骤S3,提取所述中的路面点。
可选地,建立地面图像样本集,对图像样本集的路面进行标记,将拍摄的图像流或视频的图像与地面图像样本集的图像进行比对,识别并提取图片中的路面点。
根据本发明一些实施例,所述图片中的路面点的方法包括:
S31,建立地面图像样本集。
首先,通过采集各种地面的图像,对地面图像进行分类,建立地面样本集。
S32,从地面图像样本集中提取地面特征。
接着,从地面图像样本集中提取每个类别的地面的特征。
S33,基于所述地面特征进行训练,形成地面识别器。
接着,可选地,通过大数据算法训练各类地面,从而能够识别地面,以形成地面识别器。
S34,基于所述地面识别器从所述道路图像流或视频中确定地面。
接着,利用地面识别器,对道路图像流或视频的每一帧图片进行识别,识别并确定地面。
S35,在所述地面上确定地面点,其中地面点与摄像头的连线与车身呈一定角度。
最后,在已经识别的地面上,确定地面点,通过将摄像头可视范围的路面点进行处理,可以形成一个三维图像,其中,地面点与摄像头的连线与车身呈一定角度。
进一步地,地面点在摄像头与车灯的延长线上。由此,可以利用各种车型车灯与地面的距离相对稳定,后续对延长线上的点进行分析,从而可以得到更大众化的数据,以此来判断路面的凹坑或凸起,更加方便提供给其他车辆驾驶员参考。
步骤S4,计算坐标点至路面点的距离。
所谓坐标点可选地为与地面位置相对固定的点,例如车身上点或固定在车身上的摄像头等。
根据本发明一些实施例,计算摄像头(例如,设定摄像头的坐标原点)与地面点的距离。由此,可以计算摄像头可视范围内路面上所有的点,通过选择相应焦距的摄像头,获得更大范围的路面点,在判断出路面状况情况下,留有处理的时间,例如,识别出大的凹坑或凸起,提醒驾驶员进行避让。
优选地,计算摄像头可视范围的路面的矩形区域的点,便于行车过程中,即可视范围变化过程中,去除重复区域的点,从而得到更准确的路面情况。
1)确定摄像头距离地面的第一垂直高度。
例如,可以通过尺测量摄像头距离地面的第一垂直高度,或测试车顶距离地面的高度,再测试车顶距离摄像头的高度,从而得到摄像头距离地面的第一垂直高度。
2)确定摄像头与地面点之间的直线与铅垂线之间的第一夹角。
可选地,确定摄像头与需要测试区域的地面点之间的直线与铅垂线之间的第一夹角。例如,测量摄像头与路面点的直线与铅垂线之间的第一夹角,建立数据库,然后通过大数据系统进行学习和训练,自动识别出摄像头与需要测试区域的地面点之间的直线与铅垂线之间的第一夹角,或通过现有软件计算出摄像头与地面点之间的直线与铅垂线之间的第一夹角。
当然,以上只是可选的示例,任何确定摄像头与地面点之间的直线与铅垂线之间的第一夹角均可以被理解为在本发明的范围内。
3)所述第一垂直高度与第一夹角,确定摄像头与地面点的距离。
可选地,通过余弦定理,第一垂直高度除以第一夹角的余弦值,得到摄像头与地面点的距离。
根据本发明另一些实施例,计算车灯(例如,设定车灯为坐标原点)与地面点的距离。由此,可以计算每帧图像的摄像头与车灯的延长线范围的路面点,通常情况下,在车辆行进过程中,此范围没有重叠区域,更加便于与后续路面点的叠加。
1)确定车灯距离地面的第二垂直高度。
通常,该第二垂直高度也是固定的。
例如,可以通过尺测量车灯距离地面的第二垂直高度。
2)确定车灯与地面点之间的直线与铅垂线之间的第二夹角。
由于地面点为摄像头与车灯的延长线的点,车灯与地面点之间的直线(延长线)与铅垂线之间的第二夹角的角度与摄像头与地面点之间的直线(延长线)与铅垂线之间的第一夹角的角度一致,即可以计算出第一夹角的角度,从而得到相应的第二夹角的角度。
3)基于第二垂直高度与第二夹角,确定车灯与地面点的距离。
可选地,通过余弦定理,第二垂直高度除以第二夹角的余弦值,得到摄像头与地面点的距离。
步骤S5,基于距离判断路面的起伏状态。
根据本发明一些实施例,基于距离判断路面的起伏状态判定方法为:
将所述距离与参考值进行比较:
1)当所述距离与参考值之间的差的绝对值在阈值范围内时,判断路面为平坦状态。
2)当所述距离大于所述参考值,且差值的绝对值高于所述阈值时,判断为路面出现凹坑。
3)当所述距离小于所述参考值,且差值的绝对值高于所述阈值时,判断为路面出现凸起。
由此,可以实时且准确的判断出路面的凹坑或凸起。
进一步地,当判断为路面出现凹坑或凸起时,持续检测后续图片直至检测结果不同,根据车辆速度以及持续时间确定该凹坑或凸起的长度,当长度超过第一预定值时,判断此路段为上坡或下坡。
所谓第一预定值是判断为上坡或下坡的最低标准,当检测到凹坑或凸起时,车辆在某一速度下行驶一段时间会形成一定的距离,达到第一预定值后,仍然判断还是处于原先的凹坑或凸起的状态,则判定下坡或上坡,即常规常规的凹坑或凸起沿着车辆行驶方向的长度不会大于第一预定值。
以上的第一预定值,也可根据路段的常规速度与预定时间的乘积计算出第一预定值,例如,在常规速度下,设定预定时间10s,如果持续检测到路面处于凹坑或凸起状态,超过10秒,则判断出路面的上坡或下坡,如果10秒以内,则判断为路面的凹坑或凸起。
更进一步地,当长度低于第一预定值但高于第二阈值,则根据具体长度判断所出现的凹坑或凸起的等级,并将所述等级与路面起伏状态同时上报。
也就是说,将凹坑或凸起的长度划分不同等级,其中上报的最低等级的长度是第二阈值。当检测到凹坑或凸起的长度低于第一预定值但高于第二阈值,则进行上报。
可选地,根据凹坑或凸起的程度,对驾驶人员进行预警。例如,根据凹坑的深度或凸起的高度,与车身的底盘与地面做比较,当超过预定阈值,说明凹坑或凸起可能严重影响驾驶,则进行报警,提示驾驶人员避让。
下面,结合图3,说明根据本发明实施例的确定路面起伏状态的检测装置1000。
如图3所示,根据本发明实施例的确定路面起伏状态的检测装置1000包括车载摄像头1001和图像处理器1002。
车载摄像头1001固定在车身上,用于获取道路图像流或视频。
图像处理器1002对所述道路图像流或视频进行处理以确定路面的起伏状态。
所述图像处理器1002在确定路面的起伏状态时进行如下处理:
1)将所述道路图像流或视频分割为帧单位的图片。
2)提取所述图片中的路面点。
3)计算坐标点至所述路面点的距离。
4)基于所述距离判断路面的起伏状态。
此外,本发明实施例提供了一种车载终端(例如车机),车载终端用于进行如下处理:
1)接收由车载摄像头获取的道路图像流或视频;
2)将所述道路图像流或视频分割为帧单位的图片;
3)提取所述图片中的路面点;
4)计算坐标点至所述路面点的距离;
5)基于所述距离判断路面的起伏状态;
6)将所述判断结果、以及位置上报给服务器。
其中,位置通过摄像头获取的图像通过大数据挖掘方法获得,或者通过GPS信号获得。
进一步地,车载终端还将判断为出现凹坑或凸起的相应的图片与所述判断结果一起发送给服务器。
另外,本发明实施例提供了一种服务器,用于从车载终端接收信息并对车载终端下发信息,当服务器接收到车载终端上传的路面出现凹坑或凸起的信息时,在系统中进行更新,对所有联机的车载终端下发该信息。
以上所述是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明所述原理的前提下,还可以作出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (15)
1.一种基于车载摄像头确定路面起伏状态的检测方法,其中,所述车载摄像头固定在车身上,其特征在于,包括:
通过所述车载摄像头获取道路图像流或视频;
将所述道路图像流或视频分割为帧单位的图片;
提取所述图片中的路面点;
计算坐标点至所述路面点的距离;
基于所述距离判断路面的起伏状态。
2.根据权利要求1所述的基于车载摄像头确定路面起伏状态的检测方法,其特征在于,通过固定在车辆上的摄像头拍摄所述道路图像流或视频。
3.根据权利要求1所述的基于车载摄像头确定路面起伏状态的检测方法,其特征在于,所述提取所述图片中的路面点包括:
建立地面图像样本集;
从所述地面图像样本集中提取地面特征;
基于所述地面特征进行训练,形成地面识别器;
基于所述地面识别器从所述道路图像流或视频中确定地面;
在所述地面上确定地面点,其中所述地面点与所述摄像头的连线与所述车身呈一定角度。
4.根据权利要求3所述的基于车载摄像头确定路面起伏状态的检测方法,其特征在于,所述地面点在所述摄像头与车灯的延长线上。
5.根据权利要求4所述的基于车载摄像头确定路面起伏状态的检测方法,其特征在于,所述计算坐标点与所述路面点的距离包括:计算所述摄像头与所述地面点的距离,或计算所述车灯与所述地面点的距离。
6.根据权利要求5所述的基于车载摄像头确定路面起伏状态的检测方法,其特征在于,计算所述摄像头与所述地面点的距离具体包括:
确定所述摄像头距离地面的第一垂直高度;
确定所述摄像头与所述地面点之间的直线与铅垂线之间的第一夹角;
基于所述第一垂直高度与所述第一夹角,确定所述摄像头与所述地面点的距离。
7.根据权利要求5所述的基于车载摄像头确定路面起伏状态的检测方法,其特征在于,计算所述车灯与所述地面点的距离包括:
确定所述车灯距离地面的第二垂直高度;
确定所述车灯与地面点之间的直线与铅垂线之间的第二夹角;
基于所述第二垂直高度与所述第二夹角,确定所述车灯与所述地面点的距离。
8.根据权利要求5所述的基于车载摄像头确定路面起伏状态的检测方法,其特征在于,所述基于所述距离判断路面的起伏状态包括:
将所述距离与参考值进行比较,
当所述距离与所述参考值之间的差的绝对值在阈值范围内时,判断所述路面为平坦状态;
当所述距离大于所述参考值,且差值的绝对值高于所述阈值时,判断为路面出现凹坑,
当所述距离小于所述参考值,且差值的绝对值高于所述阈值时,判断为路面出现凸起。
9.根据权利要求8所述的基于车载摄像头确定路面起伏状态的检测方法,其特征在于,当判断为路面出现凹坑或凸起时,持续检测后续图片直至检测结果不同,根据车辆速度以及持续时间确定该凹坑或凸起的长度,当长度超过第一预定值时,判断此路段为上坡或下坡。
10.根据权利要求9所述的基于车载摄像头确定路面起伏状态的检测方法,其特征在于,当长度低于所述第一预定值但高于第二阈值,则根据具体长度判断所出现的凹坑或凸起的等级,并将所述等级与路面起伏状态同时上报。
11.一种确定路面起伏状态的检测装置,其特征在于,包括:
车载摄像头,所述车载摄像头固定在车身上,用于获取道路图像流或视频;
图像处理器,所述图像处理器对所述道路图像流或视频进行处理以确定路面的起伏状态,
所述图像处理器在确定路面的起伏状态时进行如下处理:
将所述道路图像流或视频分割为帧单位的图片;
提取所述图片中的路面点;
计算坐标点至所述路面点的距离;
基于所述距离判断路面的起伏状态。
12.一种车载终端,其特征在于,所述车载终端用于进行如下处理:
接收由车载摄像头获取的道路图像流或视频;
将所述道路图像流或视频分割为帧单位的图片;
提取所述图片中的路面点;
计算坐标点至所述路面点的距离;
基于所述距离判断路面的起伏状态;
将所述判断结果、以及位置上报给服务器。
13.根据权利要求12所述的车载终端,其中,所述位置通过摄像头获取的图像通过大数据挖掘方法获得,或者通过GPS信号获得。
14.根据权利要求12所述的车载终端,其中,所述车载终端还将判断为出现凹坑或凸起的相应的图片与所述判断结果一起发送给服务器。
15.一种服务器,用于从车载终端接收信息并对车载终端下发信息,其特征在于,当所述服务器接收到所述车载终端上传的路面出现凹坑或凸起的信息时,在系统中进行更新,对所有联机的车载终端下发该信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911153994.XA CN110942010B (zh) | 2019-11-22 | 2019-11-22 | 基于车载摄像头确定路面起伏状态的检测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911153994.XA CN110942010B (zh) | 2019-11-22 | 2019-11-22 | 基于车载摄像头确定路面起伏状态的检测方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110942010A true CN110942010A (zh) | 2020-03-31 |
CN110942010B CN110942010B (zh) | 2023-06-02 |
Family
ID=69908045
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911153994.XA Active CN110942010B (zh) | 2019-11-22 | 2019-11-22 | 基于车载摄像头确定路面起伏状态的检测方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110942010B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113096387A (zh) * | 2021-03-22 | 2021-07-09 | 中国第一汽车股份有限公司 | 一种车载路面监测预警方法、系统、终端及存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104392612A (zh) * | 2014-11-20 | 2015-03-04 | 东南大学 | 一种基于新型探测车的城市交通状态监控方法 |
CN104554273A (zh) * | 2014-12-23 | 2015-04-29 | 上海语知义信息技术有限公司 | 通过噪音识别路面信息的系统及方法 |
JP6138293B1 (ja) * | 2016-01-19 | 2017-05-31 | 三菱電機株式会社 | 路面起伏推定装置および路面起伏推定方法 |
CN108151681A (zh) * | 2017-11-23 | 2018-06-12 | 中国第汽车股份有限公司 | 一种基于双目相机的车载路面不平度识别系统及方法 |
CN109870456A (zh) * | 2019-02-01 | 2019-06-11 | 上海智能交通有限公司 | 一种路面健康状况快速检测系统及方法 |
-
2019
- 2019-11-22 CN CN201911153994.XA patent/CN110942010B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104392612A (zh) * | 2014-11-20 | 2015-03-04 | 东南大学 | 一种基于新型探测车的城市交通状态监控方法 |
CN104554273A (zh) * | 2014-12-23 | 2015-04-29 | 上海语知义信息技术有限公司 | 通过噪音识别路面信息的系统及方法 |
JP6138293B1 (ja) * | 2016-01-19 | 2017-05-31 | 三菱電機株式会社 | 路面起伏推定装置および路面起伏推定方法 |
CN108151681A (zh) * | 2017-11-23 | 2018-06-12 | 中国第汽车股份有限公司 | 一种基于双目相机的车载路面不平度识别系统及方法 |
CN109870456A (zh) * | 2019-02-01 | 2019-06-11 | 上海智能交通有限公司 | 一种路面健康状况快速检测系统及方法 |
Non-Patent Citations (1)
Title |
---|
吴学群;宁津生;杨芳;: "车载激光扫描数据分类支持下的路面数据提取" * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113096387A (zh) * | 2021-03-22 | 2021-07-09 | 中国第一汽车股份有限公司 | 一种车载路面监测预警方法、系统、终端及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN110942010B (zh) | 2023-06-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107782564B (zh) | 一种自动驾驶车辆测评系统及方法 | |
CN106919915B (zh) | 基于adas系统的地图道路标记及道路质量采集装置及方法 | |
CN102826093B (zh) | 车道脱离警报装置 | |
US20180060986A1 (en) | Information processing device, road structure management system, and road structure management method | |
US10755111B2 (en) | Identifying suspicious entities using autonomous vehicles | |
CN108375377B (zh) | 用于确定车辆在轨道上的位置的设备和方法 | |
US11361556B2 (en) | Deterioration diagnosis device, deterioration diagnosis system, deterioration diagnosis method, and storage medium for storing program | |
CN113256965A (zh) | 基于智慧城市的交通风险感知系统及方法 | |
CN106781520A (zh) | 一种基于车辆跟踪的交通违法检测方法及系统 | |
CN110942038A (zh) | 基于视觉的交通场景识别方法、装置、介质及电子设备 | |
CN103523013A (zh) | 车道偏离警报装置 | |
CN102663352A (zh) | 一种轨道识别方法 | |
JP2017223640A (ja) | 舗装面ひび割れ検査方法 | |
CN114419874A (zh) | 基于路侧感知设备数据融合的目标行车安全风险预警方法 | |
Hsu et al. | Design and implementation of an intelligent road detection system with multisensor integration | |
CN109887303B (zh) | 随意变更车道行为预警系统及方法 | |
CN110942010B (zh) | 基于车载摄像头确定路面起伏状态的检测方法及装置 | |
CN113313182B (zh) | 一种基于雷达和视频融合的目标识别方法及终端 | |
CN116631187B (zh) | 一种案件现场勘查信息智能采集分析系统 | |
CN117604859A (zh) | 一种基于激光雷达与视觉融合的智能3d路面病害检测系统及方法 | |
CN111815984A (zh) | 一种基于物联网的车辆限高预警方法及系统、车辆 | |
CN112990117B (zh) | 基于智能驾驶系统的安装数据处理方法及装置 | |
CN112883778B (zh) | 一种基于计算机视觉的道路井盖高差识别方法及设备 | |
CN107179088B (zh) | 一种基于高架路面的车辆导航方法及其装置 | |
CN113570877B (zh) | 一种非机动车逆行检测装置及检测方法 |
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 |