CN111222521B - 汽车及用于其的车轮受困判断方法及装置 - Google Patents
汽车及用于其的车轮受困判断方法及装置 Download PDFInfo
- Publication number
- CN111222521B CN111222521B CN201811408295.0A CN201811408295A CN111222521B CN 111222521 B CN111222521 B CN 111222521B CN 201811408295 A CN201811408295 A CN 201811408295A CN 111222521 B CN111222521 B CN 111222521B
- Authority
- CN
- China
- Prior art keywords
- wheel
- trapped
- image
- vehicle information
- wheels
- 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
- 238000000034 method Methods 0.000 title claims abstract description 67
- 238000012545 processing Methods 0.000 claims abstract description 32
- 239000013598 vector Substances 0.000 claims description 49
- 239000011159 matrix material Substances 0.000 claims description 12
- 238000012549 training Methods 0.000 claims description 11
- 238000010801 machine learning Methods 0.000 claims description 4
- 238000010276 construction Methods 0.000 claims description 3
- 238000003709 image segmentation Methods 0.000 claims description 3
- 239000004576 sand Substances 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
Classifications
-
- 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
-
- 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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- 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
本发明提出一种汽车及用于其的车轮受困判断方法及装置。其中，车轮受困判断方法包括：获取车辆信息，对获取的所述车辆信息进行处理，识别车轮是否受困；获取车轮图像，对所获取的车轮图像进行处理，识别车轮是否受困；如果所述车辆信息识别过程和所述图像识别过程均识别为车轮受困，则判断车轮受困；如果其中至少一个识别过程识别车轮为没有受困，则判断车轮没有受困；本发明实施例的车轮受困判断方法，通过对获取的车辆信息和获取的车轮图像进行处理，识别车轮是否受困，对两次识别结果进行综合判断，够有效提高车轮受困判断的准确率，避免判断结果出错。
Description
技术领域
本发明涉及汽车领域，尤其涉及一种汽车及用于其的车轮受困判断方法及装置。
背景技术
随着汽车的普及，汽车已经走进千家万户，成为人们出行必不可少的交通工具，然而出行时由于各种路况原因有时会被困在各种地方。
目前，可以利用各种轮胎模型和车辆动力学方法识别车轮受困场景，但是其技术复杂、准确率不高。
发明内容
本发明旨在至少在一定程度上解决上述技术中的技术问题之一。为此，本发明的第一个目的在于提出一种车轮受困判断方法，该车轮受困判断能够有效提高车轮受困判断的准确率。
本发明的第二个目的在于提出一种车轮受困判断装置。
本发明的第三个目的在于提出一种汽车。
为达到上述目的，本发明第一方面实施例提出了一种车轮受困判断方法，所述车轮受困判断方法包括车辆信息识别过程、图像识别过程和车轮受困判断过程；所述车辆信息识别过程包括：获取车辆信息，对获取的所述车辆信息进行处理，识别车轮是否受困；所述图像识别过程包括：获取车轮图像，对所获取的车轮图像进行处理，识别车轮是否受困；所述车轮受困判断过程包括：如果所述车辆信息识别过程和所述图像识别过程均识别为车轮受困，则判断车轮受困；如果其中至少一个识别过程识别车轮为没有受困，则判断车轮没有受困。
本发明实施例的车轮受困判断方法，通过对获取的车辆信息进行处理，识别车轮是否受困；对获取的车轮图像进行处理，识别车轮是否受困；然后综合两次识别结果进行判断，如果两次均识别为车轮受困，则判断车轮受困，如果至少其中一个识别过程识别车轮为没有受困，则判断车轮没有受困，对两次识别结果进行综合判断，能够有效提高车轮受困判断的准确率，避免判断结果出错。
根据本发明一个实施例的车轮受困判断方法，所述对获取的车轮图像进行处理，识别车轮是否受困，具体为：获取所述车轮图像的特征向量，将所述特征向量与分类器进行对比，识别车轮是否受困；所述分类器由多个车轮图像所提取的特征向量组成特征向量库训练得到。
根据本发明一个实施例的车轮受困判断方法，获取所述车轮图像特征向量的方法为：对获取的图像采用直方图进行增强处理；将增强后的图像转换为灰度图像，提取灰度共生矩阵、灰度-梯度共生矩阵；对灰度图像进行二值图像分割，提取二值图像特征；将灰度共生矩阵、灰度-梯度共生矩阵和二值图像特征组合成一个特征向量；所述分类器的构建方法为：对不同受困场景下的车轮图像进行采集，获取不同受困场景下车轮图像的特征向量，一个所述车轮图像对应一个特征向量，多个所述车轮图像所对应多个特征向量组合成特征向量库；将所述特征向量库放入机器学习算法训练分类器中进行训练，得到所述分类器。
根据本发明一个实施例的车轮受困判断方法，所述车辆信息包括车速信息和轮速信息；所述对获取的所述车辆信息进行处理，识别车轮是否受困，具体为：当轮速为非零，车速为零时，则识别为车轮受困。
为达到上述目的，本发明第二方面实施例提出了一种车轮受困判断装置，所述车轮受困判断装置包括车辆信息识别装置、图像识别装置和判断装置；所述车辆信息识别装置用于：获取车辆信息，对获取的所述车辆信息进行处理，识别车轮是否受困；所述图像识别装置用于：获取车轮图像，对所获取的车轮图像进行处理，识别车轮是否受困；所述判断装置用于：如果所述车辆信息识别装置和所述图像识别装置均识别为车轮受困，则判断车轮受困；如果其中至少一个识别装置识别车轮为没有受困，则判断车轮没有受困。
根据本发明实施例的车轮受困判断装置，通过对获取的车辆信息进行处理，识别车轮是否受困；对获取的车轮图像进行处理，识别车轮是否受困；然后综合两次识别结果进行判断，如果两次均识别车轮为受困，则判断车轮受困，如果至少其中一个识别装置识别车轮为没有受困，则判断车轮没有受困，对两次识别结果进行综合判断，能够保证准确率，有效避免判断结果出错。
根据本发明一个实施例的车轮受困判断装置，所述图像识别装置包括图像获取装置，所述图像获取装置设置有夜间辅助拍摄装置。
根据本发明一个实施例的车轮受困判断装置，所述图像识别装置具体用于：获取车轮图像，根据车轮图像获取所述车轮图像的特征向量，将所述特征向量与分类器进行对比，识别车轮是否受困；其中所述分类器由多个车轮图像所提取的特征向量组成特征向量库训练得到。
根据本发明一个实施例的车轮受困判断装置，所述车辆信息包括车速信息和轮速信息；所述车辆信息识别装置具体用于：获取车速信息和轮速信息，当轮速为非零，车速为零时，则识别为车轮受困。
为达到上述目的，本发明第三方面实施例提出一种汽车，设置有本发明第二方面实施例所述的车轮受困判断装置。
根据本发明实施例的汽车，通过对获取的车辆信息进行处理，识别车轮是否受困；对获取的车轮图像进行处理，识别车轮是否受困；然后综合两次识别结果进行判断，如果两次均识别为车轮受困，则判断车轮受困，如果至少其中一个识别过程识别车轮为没有受困，则判断车轮没有受困，对两次识别结果进行综合判断，能够保证准确率，有效避免判断结果出错。
附图说明
图1是根据本发明实施例的车轮受困判断方法的流程图；
图2是根据本发明实施例的车轮受困判断装置的结构示意图；
图3是根据本发明实施例的汽车的结构示意图。
具体实施方式
下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本发明，而不能理解为对发明的限制。
下面参照附图来描述本发明实施例提出的车轮受困判断方法及装置和汽车。
图1是根据本发明实施例的车轮受困判断方法的流程图，如图1所示，车轮受困判断方法包括车辆信息识别过程、图像识别过程和车轮受困判断过程；所述车辆信息识别过程包括：获取车辆信息，对获取的所述车辆信息进行处理，识别车轮是否受困。
根据本发明的一个实施例，所述的车辆信息包括车速信息和轮速信息，通过车辆稳定控制器获取车辆的车速和轮速信息；识别车轮是否受困的过程具体为：当轮速为非零，车速为零时，就识别车轮受困。
所述图像识别过程包括：获取车轮图像，对所获取的车轮图像进行处理，识别车轮是否受困。
根据本发明的一个实施例，对获取的车轮信息进行处理，识别车轮是否受困，具体为：获取所述车轮图像的特征向量，将所述特征向量与分类器进行对比，识别车轮是否受困；所述分类器由多个车轮图像所提取的特征向量组成特征向量库训练得到。
根据本发明的一个实施例，获取所述车轮图像特征向量的方法为：对获取的图像采用直方图进行增强处理；将增强后的图像转换为灰度图像，提取灰度共生矩阵、灰度-梯度共生矩阵；对灰度图像进行二值图像分割，提取二值图像特征；将灰度共生矩阵、灰度-梯度共生矩阵和二值图像特征组合成一个特征向量。
根据本发明的一个实施例，所述分类器的构建方法为：对不同受困场景下的车轮图像进行采集，获取不同受困场景下车轮图像的特征向量，一个所述车轮图像对应一个特征向量，多个所述车轮图像所对应多个特征向量组合成特征向量库；将所述特征向量库放入机器学习算法训练分类器中进行训练，得到所述分类器。
具体地，至少采集沙地受困、泥地受困和雪地受困的多个车轮受困场景的车轮图像，然后对这些图像进行处理获取特征向量，不同场景下的车轮图像的特征向量组成一个特征向量库，将所述特征向量库放入机器学习算法分类器中进行训练，然后得到所述的分类器。
所述车轮受困判断过程包括：如果所述车辆信息识别过程和所述图像识别过程均识别为车轮受困，则判断车轮受困；如果其中至少一个识别过程识别车轮为没有受困，则判断车轮没有受困。
具体地，综合所述车辆信息识别过程的识别结果和所述图像识别过程的识别结果，如果两个识别过程的识别结果都是车轮受困，就判断车轮受困，但是如果其中一个识别过程或者两个识别过程识别车轮没有受困，就判断车轮没有受困。
本发明实施例的车轮受困判断方法，通过对获取的车辆信息和获取的车轮图像进行处理，识别车轮是否受困，对两次识别结果进行综合判断，够有效提高车轮受困判断的准确率，避免判断结果出错。
为了实现上述实施例，本发明还提出一种车轮受困判断装置10。
图2是本发明一个实施例的车轮受困判断装置10的结构示意图。
如图2所示，车轮受困判断装置10包括：图像识别装置1、车辆信息识别装置2和判断装置3。
具体地，车辆信息识别装置2获取车辆信息，对获取的所述车辆信息进行处理，识别车轮是否受困。其中所述的车辆信息包括车速信息和轮速信息，通过车辆稳定控制器获取车辆的车速信息和轮速信息；然后车辆信息识别装置2对获取的信息进行处理识别：当轮速为非零，车速为零时，就识别车轮受困。
所述图像识别装置1还包括图像获取装置，所述图像识别装置1用于车轮图像的获取，然后对所获取的车轮图像信息进行处理，识别车轮是否受困。
具体地，所述图像获取装置设置在车轮附近，便于获取车轮的具体图像，所述图像获取装置还设置有夜间辅助拍摄装置，例如：闪光灯、照明灯，这便于在夜间获取清晰的车轮图像，有助于提高夜间车轮受困判断的准确性。
根据本发明的一个实施例，所述图像识别装置用于：获取车轮图像，根据车轮图像获取所述车轮图像的特征向量，将所述特征向量与分类器进行对比，识别车轮是否受困；其中所述分类器由多个车轮图像所提取的特征向量组成特征向量库训练得到。
所述判断装置3的作用是判断车轮是否受困，如果所述车辆信息识别装置和所述图像识别装置均识别为车轮受困，则判断车轮受困；如果其中至少一个识别装置识别车轮为没有受困，则判断车轮没有受困。
具体地，综合所述车辆信息识别装置的识别结果和所述图像识别装置的识别结果，如果两个识别装置的识别结果都是车轮受困，就判断车轮受困，但是如果其中一个识别装置或者两个识别装置识别车轮没有受困，就判断车轮没有受困。
本发明实施例的车轮受困判断装置10，通过对获取的车辆信息和获取的车轮图像进行处理，识别车轮是否受困，对两次识别结果进行综合判断，能够保证准确率，有效避免判断结果出错。
如图3所示，为实现上述实施例，本发明还提出一种汽车20，包括本发明实施例的车轮受困判断装置10。
本发明实施例的汽车20，通过对获取的车辆信息进行处理，识别车轮是否受困；对获取的车轮图像进行处理，识别车轮是否受困；然后综合两次识别结果进行判断，如果两次均识别为车轮受困，则判断车轮受困，如果至少其中一个识别过程识别车轮为没有受困，则判断车轮没有受困，对两次识别结果进行综合判断，能够保证准确率，有效避免判断结果出错。
在发明的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”、“顺时针”、“逆时针”、“轴向”、“径向”、“周向”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。
此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本发明的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。
在本发明中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或成一体；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通或两个元件的相互作用关系，除非另有明确的限定。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。
在本发明中，除非另有明确的规定和限定，第一特征在第二特征“上”或“下”可以是第一和第二特征直接接触，或第一和第二特征通过中间媒介间接接触。而且，第一特征在第二特征“之上”、“上方”和“上面”可是第一特征在第二特征正上方或斜上方，或仅仅表示第一特征水平高度高于第二特征。第一特征在第二特征“之下”、“下方”和“下面”可以是第一特征在第二特征正下方或斜下方，或仅仅表示第一特征水平高度小于第二特征。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
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)
1.一种车轮受困判断方法，其特征在于：所述车轮受困判断方法包括车辆信息识别过程、图像识别过程和车轮受困判断过程；
所述车辆信息识别过程包括：获取车辆信息，对获取的所述车辆信息进行处理，识别车轮是否受困；
所述图像识别过程包括：获取车轮图像，对所获取的车轮图像进行处理，识别车轮是否受困，包括：获取所述车轮图像的特征向量，将所述特征向量与分类器进行对比，识别车轮是否受困，所述分类器由多个车轮图像所提取的特征向量组成特征向量库训练得到，所述车轮图像包括：沙地受困、泥地受困和雪地受困的多个车轮受困场景的车轮图像；
所述车轮受困判断过程包括：如果所述车辆信息识别过程和所述图像识别过程均识别为车轮受困，则判断车轮受困；如果其中至少一个识别过程识别车轮为没有受困，则判断车轮没有受困。
2.如权利要求1所述的车轮受困判断方法，其特征在于：获取所述车轮图像特征向量的方法为：
对获取的图像采用直方图进行增强处理；
将增强后的图像转换为灰度图像，提取灰度共生矩阵、灰度-梯度共生矩阵；
对灰度图像进行二值图像分割，提取二值图像特征；
将灰度共生矩阵、灰度-梯度共生矩阵和二值图像特征组合成一个特征向量；
所述分类器的构建方法为：
对不同受困场景下的车轮图像进行采集，获取不同受困场景下车轮图像的特征向量，一个所述车轮图像对应一个特征向量，多个所述车轮图像所对应多个特征向量组合成特征向量库；
将所述特征向量库放入机器学习算法训练分类器中进行训练，得到所述分类器。
3.如权利要求1所述的车轮受困判断方法，其特征在于：所述车辆信息包括车速信息和轮速信息；
所述对获取的所述车辆信息进行处理，识别车轮是否受困，具体为：
当轮速为非零，车速为零时，则识别为车轮受困。
4.一种车轮受困判断装置，其特征在于：所述车轮受困判断装置包括车辆信息识别装置、图像识别装置和判断装置；
所述车辆信息识别装置用于：获取车辆信息，对获取的所述车辆信息进行处理，识别车轮是否受困；
所述图像识别装置用于：获取车轮图像，对所获取的车轮图像进行处理，识别车轮是否受困，其中，所述图像识别装置还用于，获取所述车轮图像的特征向量，将所述特征向量与分类器进行对比，识别车轮是否受困，所述分类器由多个车轮图像所提取的特征向量组成特征向量库训练得到，所述车轮图像包括：沙地受困、泥地受困和雪地受困的多个车轮受困场景的车轮图像；
所述判断装置用于：如果所述车辆信息识别装置和所述图像识别装置均识别为车轮受困，则判断车轮受困；如果其中至少一个识别装置识别车轮为没有受困，则判断车轮没有受困。
5.如权利要求4所述的车轮受困判断装置，其特征在于：所述图像识别装置包括图像获取装置，所述图像获取装置设置有夜间辅助拍摄装置。
6.如权利要求4所述的车轮受困判断装置，其特征在于：所述车辆信息包括车速信息和轮速信息；
所述车辆信息识别装置具体作用于：
获取车速信息和轮速信息，当轮速为非零，车速为零时，则识别为车轮受困。
7.一种汽车，其特征在于：包括权利要求4-6中任意一项所述的车轮受困判断装置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811408295.0A CN111222521B (zh) | 2018-11-23 | 2018-11-23 | 汽车及用于其的车轮受困判断方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811408295.0A CN111222521B (zh) | 2018-11-23 | 2018-11-23 | 汽车及用于其的车轮受困判断方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111222521A CN111222521A (zh) | 2020-06-02 |
| CN111222521B true CN111222521B (zh) | 2023-12-22 |
Family
ID=70830364
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811408295.0A Active CN111222521B (zh) | 2018-11-23 | 2018-11-23 | 汽车及用于其的车轮受困判断方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111222521B (zh) |
Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105787431A (zh) * | 2015-01-13 | 2016-07-20 | 现代摩比斯株式会社 | 用于车辆安全驾驶的装置 |
| CN106250838A (zh) * | 2016-07-27 | 2016-12-21 | 乐视控股（北京）有限公司 | 车辆识别方法及系统 |
| CN106441411A (zh) * | 2016-08-31 | 2017-02-22 | 成都铁安科技有限责任公司 | 一种轨道机车及车辆走行部检测方法及检测系统 |
| CN106841196A (zh) * | 2015-12-03 | 2017-06-13 | 通用汽车环球科技运作有限责任公司 | 使用轮胎轨迹的基于视觉的潮湿路面状况检测 |
| CN106874858A (zh) * | 2017-01-19 | 2017-06-20 | 博康智能信息技术有限公司北京海淀分公司 | 一种车辆信息识别方法及装置和一种车辆 |
| CN106874840A (zh) * | 2016-12-30 | 2017-06-20 | 东软集团股份有限公司 | 车辆信息识别方法及装置 |
| CN107025459A (zh) * | 2016-01-29 | 2017-08-08 | 中兴通讯股份有限公司 | 一种车型识别方法及装置 |
| CN107093180A (zh) * | 2015-12-03 | 2017-08-25 | 通用汽车环球科技运作有限责任公司 | 使用轮胎向后飞溅的基于视觉的潮湿路面状况检测 |
| CN107431787A (zh) * | 2015-04-02 | 2017-12-01 | 爱信精机株式会社 | 周边监控装置 |
| CN107709929A (zh) * | 2015-06-26 | 2018-02-16 | 日产自动车株式会社 | 车辆位置判定装置及车辆位置判定方法 |
| CN107878327A (zh) * | 2016-09-29 | 2018-04-06 | 爱信精机株式会社 | 周边监视装置 |
| CN108319907A (zh) * | 2018-01-26 | 2018-07-24 | 腾讯科技（深圳）有限公司 | 一种车辆识别方法、装置和存储介质 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9704043B2 (en) * | 2014-12-16 | 2017-07-11 | Irobot Corporation | Systems and methods for capturing images and annotating the captured images with information |
-
2018
- 2018-11-23 CN CN201811408295.0A patent/CN111222521B/zh active Active
Patent Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105787431A (zh) * | 2015-01-13 | 2016-07-20 | 现代摩比斯株式会社 | 用于车辆安全驾驶的装置 |
| CN107431787A (zh) * | 2015-04-02 | 2017-12-01 | 爱信精机株式会社 | 周边监控装置 |
| CN107709929A (zh) * | 2015-06-26 | 2018-02-16 | 日产自动车株式会社 | 车辆位置判定装置及车辆位置判定方法 |
| CN106841196A (zh) * | 2015-12-03 | 2017-06-13 | 通用汽车环球科技运作有限责任公司 | 使用轮胎轨迹的基于视觉的潮湿路面状况检测 |
| CN107093180A (zh) * | 2015-12-03 | 2017-08-25 | 通用汽车环球科技运作有限责任公司 | 使用轮胎向后飞溅的基于视觉的潮湿路面状况检测 |
| CN107025459A (zh) * | 2016-01-29 | 2017-08-08 | 中兴通讯股份有限公司 | 一种车型识别方法及装置 |
| CN106250838A (zh) * | 2016-07-27 | 2016-12-21 | 乐视控股（北京）有限公司 | 车辆识别方法及系统 |
| CN106441411A (zh) * | 2016-08-31 | 2017-02-22 | 成都铁安科技有限责任公司 | 一种轨道机车及车辆走行部检测方法及检测系统 |
| CN107878327A (zh) * | 2016-09-29 | 2018-04-06 | 爱信精机株式会社 | 周边监视装置 |
| CN106874840A (zh) * | 2016-12-30 | 2017-06-20 | 东软集团股份有限公司 | 车辆信息识别方法及装置 |
| CN106874858A (zh) * | 2017-01-19 | 2017-06-20 | 博康智能信息技术有限公司北京海淀分公司 | 一种车辆信息识别方法及装置和一种车辆 |
| CN108319907A (zh) * | 2018-01-26 | 2018-07-24 | 腾讯科技（深圳）有限公司 | 一种车辆识别方法、装置和存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111222521A (zh) | 2020-06-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10467482B2 (en) | Method and arrangement for assessing the roadway surface being driven on by a vehicle | |
| JP6615933B2 (ja) | 知的地形特定のための方法及び装置、車両搭載端末、並びに車両 | |
| CN103824066B (zh) | 一种基于视频流的车牌识别方法 | |
| CN110008932B (zh) | 一种基于计算机视觉的车辆违章压线检测方法 | |
| CN108564814B (zh) | 一种基于图像的停车场车位检测方法及装置 | |
| CN109800752B (zh) | 一种基于机器视觉的汽车车牌字符分割识别算法 | |
| CN107016362B (zh) | 基于车辆前挡风玻璃粘贴标志的车辆重识别方法和系统 | |
| CN103116757B (zh) | 一种三维信息复原提取的道路遗洒物识别方法 | |
| CN104299008A (zh) | 基于多特征融合的车型分类方法 | |
| CN103279741A (zh) | 一种基于车载红外图像的行人预警系统及其工作方法 | |
| CN105718916A (zh) | 一种基于霍夫变换的车道线检测方法 | |
| CN106326822A (zh) | 车道线检测的方法及装置 | |
| CN110658539A (zh) | 车辆定位方法、装置、车辆和计算机可读存储介质 | |
| CN109858438B (zh) | 一种基于模型拟合的车道线检测方法 | |
| CN105139011A (zh) | 一种基于标识物图像的车辆识别方法及装置 | |
| CN101369312B (zh) | 检测图像中交叉口的方法和设备 | |
| CN106529488A (zh) | 一种基于orb特征提取的车道线检测方法 | |
| CN109376733B (zh) | 一种基于车牌定位的道路救援装备正方位拖牵诱导方法 | |
| CN109285169A (zh) | 一种基于车轮识别的道路救援装备侧方位拖牵诱导方法 | |
| CN107145824B (zh) | 一种基于显著性分析的车道线分割方法及系统、车载终端 | |
| CN111222521B (zh) | 汽车及用于其的车轮受困判断方法及装置 | |
| CN113657265B (zh) | 一种车辆距离探测方法、系统、设备及介质 | |
| Chiang et al. | Road speed sign recognition using edge-voting principle and learning vector quantization network | |
| CN111652033A (zh) | 基于OpenCV的车道线检测方法 | |
| CN105740796B (zh) | 一种基于灰度直方图的透视变换后车道线图像二值化方法 |
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 |