CN111353979A - 一种移动式计算机视觉光斑探测定位方法 - Google Patents
一种移动式计算机视觉光斑探测定位方法 Download PDFInfo
- Publication number
- CN111353979A CN111353979A CN202010124175.9A CN202010124175A CN111353979A CN 111353979 A CN111353979 A CN 111353979A CN 202010124175 A CN202010124175 A CN 202010124175A CN 111353979 A CN111353979 A CN 111353979A
- Authority
- CN
- China
- Prior art keywords
- picture
- light spot
- spot
- computer vision
- mobile computer
- 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
- 238000000034 method Methods 0.000 title claims abstract description 49
- 238000001514 detection method Methods 0.000 title claims abstract description 30
- 238000004458 analytical method Methods 0.000 claims abstract description 20
- 238000009499 grossing Methods 0.000 claims abstract description 6
- 238000004140 cleaning Methods 0.000 claims abstract description 5
- 238000001914 filtration Methods 0.000 claims abstract description 4
- 230000000712 assembly Effects 0.000 claims description 6
- 238000000429 assembly Methods 0.000 claims description 6
- 238000005260 corrosion Methods 0.000 claims description 5
- 230000007797 corrosion Effects 0.000 claims description 5
- 238000012163 sequencing technique Methods 0.000 claims description 3
- 238000007689 inspection Methods 0.000 description 10
- 238000007726 management method Methods 0.000 description 7
- 238000013473 artificial intelligence Methods 0.000 description 5
- 230000010339 dilation Effects 0.000 description 4
- 230000003628 erosive effect Effects 0.000 description 4
- 238000007405 data analysis Methods 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000010223 real-time analysis Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration using local operators
- G06T5/30—Erosion or dilatation, e.g. thinning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
-
- 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
- G06T2207/30108—Industrial image inspection
-
- 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
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
- Position Fixing By Use Of Radio Waves (AREA)
Abstract
本发明公开了一种移动式计算机视觉光斑探测定位方法，涉及光斑探测定位领域，包括以下步骤：将图片转换为灰度并平滑；使用阈值函数显示图片中的最亮区域；清理图片中的噪音点；标记出光斑区域，并且进一步过滤掉遗留斑点；在图像上绘制标记的斑点；经过以上步骤的图片分析，如果在该图片中发现并标注出来有效光斑，该图片将被视为有效图片，该图片的对应的GPS信息将被记录，图片分析线程将开始寻找下一副有效图片；根据操作员输入的光斑间距和测速仪读取的当前移速计算出下一幅有效图片的时间间隔，该时间间隔之内的图片将会被忽略，当时间间隔结束分析软件重复前述操作，分析缓存图片并继续找到有效图片。
Description
技术领域
本发明涉及光斑探测定位领域，特别涉及一种移动式计算机视觉光斑探测定位方法。
背景技术
路灯在城市中有着举足轻重的作用，中国城市的日新月异也使得路灯的建设和改造成为了常态。不断的路灯建设给城市管理部门对路灯的管理带来很多的新课题和挑战。精确确定路灯的位置，以便后续的监管是这些课题中比较棘手的一个。
城市管理部门现在并没有现代化的移动式监察设备，现有的处理方法是管理人员通过驾车巡视，肉眼观察，拍照，使用手持设备进行测量，电话通知指挥中心等手段来发现城市设施和智能设备的各种问题。这种方式不具备准确的路灯定位能力，以及问题分析，管理辅助和故障预测等人工智能和大数据分析功能。
现有的三遥、单灯控制等智能控制系统虽然部分具有GPS功能，但经常出现故障，路灯监管部门无法对系统的准确性进行评估。另外，由于路灯经常性的改建，智能控制系统的覆盖也经常会出现问题，所以路灯监管部门需要一套独立的，可靠的，可视的，能够对定位结果进行实时评估的定位系统。
发明内容
本发明的目的在于：提供了一种移动式计算机视觉光斑探测定位方法，可装载于路灯巡检车辆顶部，在车辆的快速移动过程中，在夜间利用系统的仰视高清摄像头，实时抓取路灯形成的光斑，通过训练好的人工智能网络，对光斑进行识别和实时分析，通过测速仪和光斑间距计算每个路灯光斑出现的大概时间，结合双频GPS系统，对路灯实现快速精确的定位，解决了现有人工测量方式不具备准确的路灯定位能力、问题分析、管理辅助等人工智能和大数据分析功能的问题。
本发明采用的技术方案如下：
一种移动式计算机视觉光斑探测定位方法，包括依次进行的以下步骤：
步骤1：将图片转换为灰度并平滑以减少高频噪声；
步骤2：使用阈值函数显示图片中的最亮的区域，该操作正对图片中的所有像素值，当门限值大于等于预设阈值时，将对应像素值设置为255；当门限值小于预设阈值时，将对应的像素值设置为0；处理以后，图片明亮区域都为白色，而其余部分被设置为黑色；
步骤3：使用腐蚀和膨胀函数清理图片中的噪音点；
步骤4：使用连接组件分析算法标记出光斑区域，并且进一步过滤掉遗留斑点；
步骤5：在图像上绘制标记的斑点；
步骤6：经过以上步骤的图片分析，如果在该图片中发现并标注出来有效光斑，该图片将被视为有效图片，该图片的对应的GPS信息将被记录，图片分析线程将开始寻找下一副有效图片；
步骤7：根据操作员输入的光斑间距和测速仪读取的当前移速计算出下一幅有效图片的时间间隔，该时间间隔之内的图片将会被忽略，当时间间隔结束，分析软件将重复步骤1-步骤6操作，分析缓存图片并找到有效图片。
本发明在接收到硬件系统拍摄的图片后，对图片进行处理，所述的预设阈值根据不同的摄像头设置，一般来说预设阈值为200，当使用阈值函数显示图片中的最亮的区域，门限值大于等于预设阈值时，将对应像素值设置为255，即设置为白色；当门限值小于预设阈值时，将对应的像素值设置为0，即设置为黑色；处理以后，图片明亮区域都为白色，而其余部分被设置为黑色；
进一步地，所述步骤1中将图片转换为灰度并平滑使用OpenCV中的cvtColor和GaussianBlur函数。
进一步地，所述步骤3中使用腐蚀和膨胀函数清理图片中的噪音点时，至少两次使用腐蚀和膨胀函数。
进一步地，所述步骤4中使用连接组件分析算法标记出光斑区域的方法主要为依次进行的以下步骤：
步骤4-1：对图片执行连接的分量分析，然后初始化掩码以仅存储大图像组件；
步骤4-2：遍历所有独特的组件，对于以上所有图像组件中的标签，如果是背景标签，则忽略它，否则，构造标签遮罩并计算像素数；
步骤4-3：如果组件中的像素数numPixels大于等于预设阈值，则将其归于大斑点之中。
进一步地，所述步骤5中在图像上绘制标记的斑点的方法主要为依次进行的以下步骤：
步骤5-1：使用findContours函数中找到光斑轮廓，然后从左到右对其进行排序；
步骤5-2：在所找到的光斑轮廓上循环绘制亮点；
步骤5-3：显示输出图像。
本发明所述的一种移动式计算机视觉光斑探测定位方法，是基于城市路灯检测的背景下开发的，但是其可以应用于同类光斑探测定位的其他领域，因此不限于城市路灯光斑检测，光斑探测定位的其他领域，也纳入本发明的保护范围。
本发明所述的一种移动式计算机视觉光斑探测定位方法在检测光斑时配合硬件系统使用，硬件系统安装在巡检车上或由人工手持，所述硬件系统主要包括摄像头、GPS、CPU、测速仪，所述摄像头、GPS、测速仪均单独电性连接到CPU；
摄像头：在巡检车的移动过程中，对光斑进行录像或拍摄；
GPS：记录图片拍摄的GPS信息，在记录图片截取时间时，同时读取GPS位置信息，并将此位置信息与图片关联；
测速仪：检测并记录巡检车的移动速度；
CPU：运行本发明所述的一种移动式计算机视觉光斑探测定位方法
硬件系统还包括GPU，所述GPU用于辅助CPU运行本发明所述的一种移动式计算机视觉光斑探测定位方法。
一般来说本发明配合硬件新装载于路灯巡检车辆顶部，在车辆的快速移动过程中，在夜间系利用系统的仰视高清摄像头，实时抓拍以抓取路灯形成的光斑，通过训练好的人工智能网络，对光斑进行识别和实时分析，通过测速仪和光斑间距计算每个路灯光斑出现的大概时间，结合双频GPS系统，对于抓拍的照片中光斑有问题的做记录，由于每张光斑的照片对应了GPS信息，可以对路灯实现快速精确的定位。
本发明的硬件部分还可以加装4G/5G模块，配合实现远程数据传输。
对于经常改建的光斑，由于本发明结合对应的硬件系统，配合巡检车辆移动检测或者配合人工手持等，不论其如何改建，均不影响本发明方法的实施，具有较广泛的应用前景。
综上所述，由于采用了上述技术方案，本发明的有益效果是：
1.本发明一种移动式计算机视觉光斑探测定位方法，可装载于路灯巡检车辆顶部，在车辆的快速移动过程中，在夜间利用系统的仰视高清摄像头，实时抓取路灯形成的光斑，通过训练好的人工智能网络，对光斑进行识别和实时分析，通过测速仪和光斑间距计算每个路灯光斑出现的大概时间，结合双频GPS系统，对路灯实现快速精确的定位，解决了现有人工测量方式不具备准确的路灯定位能力、问题分析、管理辅助等人工智能和大数据分析功能的问题；
2.本发明一种移动式计算机视觉光斑探测定位方法，配合巡检车辆移动检测或者配合人工手持等，对于经常改建的路灯，不论其如何改建，均不影响本发明方法的实施，具有较广泛的应用前景。
附图说明
本发明将通过例子并参照附图的方式说明，其中：
图1是本发明的硬件结构框图；
图2是本发明的流程图；
具体实施方式
本说明书中公开的所有特征，或公开的所有方法或过程中的步骤，除了互相排斥的特征和/或步骤以外，均可以以任何方式组合。
需要说明的是，术语“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
下面结合图1、图2对本发明作详细说明。
实施例1
一种移动式计算机视觉光斑探测定位方法，如图2，包括依次进行的以下步骤：
步骤1：将图片转换为灰度并平滑以减少高频噪声；
步骤2：使用阈值函数显示图片中的最亮的区域，该操作正对图片中的所有像素值，当门限值大于等于预设阈值时，将对应像素值设置为255；当门限值小于预设阈值时，将对应的像素值设置为0；处理以后，图片明亮区域都为白色，而其余部分被设置为黑色；
步骤3：使用腐蚀和膨胀函数清理图片中的噪音点；
步骤4：使用连接组件分析算法标记出光斑区域，并且进一步过滤掉遗留斑点；
步骤5：在图像上绘制标记的斑点；
步骤6：经过以上步骤的图片分析，如果在该图片中发现并标注出来有效光斑，该图片将被视为有效图片，该图片的对应的GPS信息将被记录，图片分析线程将开始寻找下一副有效图片；
步骤7：根据操作员输入的光斑间距和测速仪读取的当前移速计算出下一幅有效图片的时间间隔，该时间间隔之内的图片将会被忽略，当时间间隔结束，分析软件将重复步骤1-步骤6操作，分析缓存图片并找到有效图片。
本发明所述的一种移动式计算机视觉光斑探测定位方法配合硬件系统使用，如图1，硬件系统安装在巡检车上或由人工手持，所述硬件系统主要包括摄像头、GPS、CPU、测速仪，所述摄像头、GPS、测速仪均单独电性连接到CPU；
摄像头：在巡检车的移动过程中，对光斑进行录像或拍摄；
GPS：记录图片拍摄的GPS信息，在记录图片截取时间时，同时读取GPS位置信息，并将此位置信息与图片关联；
测速仪：检测并记录巡检车的移动速度；
CPU：运行本发明所述的一种移动式计算机视觉光斑探测定位方法
硬件系统还包括GPU，所述GPU用于辅助CPU运行本发明所述的一种移动式计算机视觉光斑探测定位方法。
本发明的硬件部分还可以加装4G/5G模块，配合实现远程数据传输。
一般来说本发明配合硬件新装载于路灯巡检车辆顶部，在车辆的快速移动过程中，在夜间系利用系统的仰视高清摄像头，实时抓拍以抓取路灯形成的光斑，通过训练好的人工智能网络，对光斑进行识别和实时分析，通过测速仪和光斑间距计算每个路灯光斑出现的大概时间，结合双频GPS系统，对于抓拍的照片中光斑有问题的做记录，由于每张光斑的照片对应了GPS信息，可以对路灯实现快速精确的定位。
对于经常改建的路灯，由于本发明结合对应的硬件系统，配合巡检车辆移动检测或者配合人工手持等，不论其如何改建，均不影响本发明方法的实施，具有较广泛的应用前景。
本发明在接收到硬件系统拍摄的图片后，对图片进行处理，所述的预设阈值根据不同的摄像头设置，一般来说预设阈值为200，当使用阈值函数显示图片中的最亮的区域，门限值大于等于预设阈值时，将对应像素值设置为255，即设置为白色；当门限值小于预设阈值时，将对应的像素值设置为0，即设置为黑色；处理以后，图片明亮区域都为白色，而其余部分被设置为黑色；
实施例2
本实施例与实施例1的区别仅在于，所述步骤1中将图片转换为灰度并平滑使用OpenCV中的cvtColor和GaussianBlur函数。
实施例3
本实施例与实施例1的区别仅在于，所述步骤3中使用腐蚀和膨胀函数清理图片中的噪音点时，至少两次使用腐蚀和膨胀函数。
实施例4
本实施例与实施例1的区别仅在于，所述步骤4中使用连接组件分析算法标记出光斑区域的方法主要为依次进行的以下步骤：
步骤4-1：对图片执行连接的分量分析，然后初始化掩码以仅存储大图像组件；
步骤4-2：遍历所有独特的组件，对于以上所有图像组件中的标签，如果是背景标签，则忽略它，否则，构造标签遮罩并计算像素数；
步骤4-3：如果组件中的像素数numPixels大于等于预设阈值，则将其归于大斑点之中。
实施例5
本实施例与实施例1的区别仅在于，所述步骤5中在图像上绘制标记的斑点的方法主要为依次进行的以下步骤：
步骤5-1：使用findContours函数中找到光斑轮廓，然后从左到右对其进行排序；
步骤5-2：在所找到的光斑轮廓上循环绘制亮点；
步骤5-3：显示输出图像。
以上所述，仅为本发明的优选实施方式，但本发明的保护范围并不局限于此，任何熟悉本领域的技术人员在本发明所揭露的技术范围内，可不经过创造性劳动想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求书所限定的保护范围为准。
Claims (5)
1.一种移动式计算机视觉光斑探测定位方法，其特征在于：包括依次进行的以下步骤：
步骤1：将图片转换为灰度并平滑以减少高频噪声；
步骤2：使用阈值函数显示图片中的最亮的区域，该操作正对图片中的所有像素值，当门限值大于等于预设阈值时，将对应像素值设置为255；当门限值小于预设阈值时，将对应的像素值设置为0；处理以后，图片明亮区域都为白色，而其余部分被设置为黑色；
步骤3：使用腐蚀和膨胀函数清理图片中的噪音点；
步骤4：使用连接组件分析算法标记出光斑区域，并且进一步过滤掉遗留斑点；
步骤5：在图像上绘制标记的斑点；
步骤6：经过以上步骤的图片分析，如果在该图片中发现并标注出来有效光斑，该图片将被视为有效图片，该图片的对应的GPS信息将被记录，图片分析线程将开始寻找下一副有效图片；
步骤7：根据操作员输入的光斑间距和测速仪读取的当前移速计算出下一幅有效图片的时间间隔，该时间间隔之内的图片将会被忽略，当时间间隔结束，分析软件将重复步骤1-步骤6操作，分析缓存图片并找到有效图片。
2.根据权利要求1所述的一种移动式计算机视觉光斑探测定位方法，其特征在于：所述步骤1中将图片转换为灰度并平滑使用OpenCV中的cvtColor和GaussianBlur函数。
3.根据权利要求1所述的一种移动式计算机视觉光斑探测定位方法，其特征在于：所述步骤3中使用腐蚀和膨胀函数清理图片中的噪音点时，至少两次使用腐蚀和膨胀函数。
4.根据权利要求1所述的一种移动式计算机视觉光斑探测定位方法，其特征在于：所述步骤4中使用连接组件分析算法标记出光斑区域的方法主要为依次进行的以下步骤：
步骤4-1：对图片执行连接的分量分析，然后初始化掩码以仅存储大图像组件；
步骤4-2：遍历所有独特的组件，对于以上所有图像组件中的标签，如果是背景标签，则忽略它，否则，构造标签遮罩并计算像素数；
步骤4-3：如果组件中的像素数numPixels大于等于预设阈值，则将其归于大斑点之中。
5.根据权利要求1所述的一种移动式计算机视觉光斑探测定位方法，其特征在于：所述步骤5中在图像上绘制标记的斑点的方法主要为依次进行的以下步骤：
步骤5-1：使用findContours函数中找到光斑轮廓，然后从左到右对其进行排序；
步骤5-2：在所找到的光斑轮廓上循环绘制亮点；
步骤5-3：显示输出图像。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010124175.9A CN111353979B (zh) | 2020-02-27 | 2020-02-27 | 一种移动式计算机视觉光斑探测定位方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010124175.9A CN111353979B (zh) | 2020-02-27 | 2020-02-27 | 一种移动式计算机视觉光斑探测定位方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111353979A true CN111353979A (zh) | 2020-06-30 |
| CN111353979B CN111353979B (zh) | 2023-10-17 |
Family
ID=71194153
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010124175.9A Active CN111353979B (zh) | 2020-02-27 | 2020-02-27 | 一种移动式计算机视觉光斑探测定位方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111353979B (zh) |
Citations (18)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH0334680A (ja) * | 1989-06-30 | 1991-02-14 | Canon Inc | 画像処理装置 |
| JPH08106534A (ja) * | 1994-10-06 | 1996-04-23 | Hitachi Ltd | 移動物体検出装置 |
| DE19717814A1 (de) * | 1997-04-26 | 1998-10-29 | Klaus Prof Dr Wevelsiep | Verfahren zur Segmentierung von Schriftzeichen und Symbolen auf Kfz-Kennzeichenschildern und formatierten Datenträgern sowie zur Segmentierung von Mustern in komplexen Szenen |
| WO2000047943A1 (de) * | 1999-02-13 | 2000-08-17 | Dynamit Nobel Gmbh Explosivstoff- Und Systemtechnik | Zielerfassungsverfahren und vorrichtung |
| EP2887266A1 (en) * | 2013-12-23 | 2015-06-24 | Koninklijke Philips N.V. | Automatic extraction of a region of interest based on speculum detection |
| US20150269733A1 (en) * | 2014-03-24 | 2015-09-24 | Toshiba Alpine Automotive Technology Corporation | Image processing apparatus and image processing method |
| CN105103192A (zh) * | 2013-01-10 | 2015-11-25 | 汤姆逊许可公司 | 用于顶点误差校正的方法和装置 |
| US9213904B1 (en) * | 2013-03-15 | 2015-12-15 | PureTech Systems Inc. | Autonomous lock-on target tracking with geospatial-aware PTZ cameras |
| CN105373732A (zh) * | 2015-11-27 | 2016-03-02 | 四川长虹电器股份有限公司 | 防止人行横道危险事故发生的系统及方法 |
| WO2017031886A1 (zh) * | 2015-08-26 | 2017-03-02 | 北京奇虎科技有限公司 | 通过远程控制获取图片的方法及服务器 |
| US20180293453A1 (en) * | 2017-04-05 | 2018-10-11 | Here Global B.V. | Unsupervised approach to environment mapping at night using monocular vision |
| CN109034185A (zh) * | 2018-06-08 | 2018-12-18 | 汪俊 | 一种街景图像差异对比方法及装置 |
| CN109087356A (zh) * | 2018-06-29 | 2018-12-25 | 齐鲁工业大学 | 基于机器视觉的医学载玻片的识别定位方法、系统及装置 |
| CN109345586A (zh) * | 2018-11-02 | 2019-02-15 | 国网湖南省电力有限公司 | 基于紫外成像技术的电气设备放电特征提取方法 |
| CN109508713A (zh) * | 2018-12-12 | 2019-03-22 | 平安科技（深圳）有限公司 | 图片获取方法、装置、终端和存储介质 |
| CN110069284A (zh) * | 2019-03-14 | 2019-07-30 | 成都恒创新星科技有限公司 | 一种基于opu指令集的编译方法及编译器 |
| CN110111386A (zh) * | 2019-05-10 | 2019-08-09 | 深圳大学 | 一种肌肉组织中结构性角度的自动测量方法及系统 |
| CN110135343A (zh) * | 2019-05-15 | 2019-08-16 | 南通大学 | 一种路灯智能检测与夜间状态判断方法 |
-
2020
- 2020-02-27 CN CN202010124175.9A patent/CN111353979B/zh active Active
Patent Citations (18)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH0334680A (ja) * | 1989-06-30 | 1991-02-14 | Canon Inc | 画像処理装置 |
| JPH08106534A (ja) * | 1994-10-06 | 1996-04-23 | Hitachi Ltd | 移動物体検出装置 |
| DE19717814A1 (de) * | 1997-04-26 | 1998-10-29 | Klaus Prof Dr Wevelsiep | Verfahren zur Segmentierung von Schriftzeichen und Symbolen auf Kfz-Kennzeichenschildern und formatierten Datenträgern sowie zur Segmentierung von Mustern in komplexen Szenen |
| WO2000047943A1 (de) * | 1999-02-13 | 2000-08-17 | Dynamit Nobel Gmbh Explosivstoff- Und Systemtechnik | Zielerfassungsverfahren und vorrichtung |
| CN105103192A (zh) * | 2013-01-10 | 2015-11-25 | 汤姆逊许可公司 | 用于顶点误差校正的方法和装置 |
| US9213904B1 (en) * | 2013-03-15 | 2015-12-15 | PureTech Systems Inc. | Autonomous lock-on target tracking with geospatial-aware PTZ cameras |
| EP2887266A1 (en) * | 2013-12-23 | 2015-06-24 | Koninklijke Philips N.V. | Automatic extraction of a region of interest based on speculum detection |
| US20150269733A1 (en) * | 2014-03-24 | 2015-09-24 | Toshiba Alpine Automotive Technology Corporation | Image processing apparatus and image processing method |
| WO2017031886A1 (zh) * | 2015-08-26 | 2017-03-02 | 北京奇虎科技有限公司 | 通过远程控制获取图片的方法及服务器 |
| CN105373732A (zh) * | 2015-11-27 | 2016-03-02 | 四川长虹电器股份有限公司 | 防止人行横道危险事故发生的系统及方法 |
| US20180293453A1 (en) * | 2017-04-05 | 2018-10-11 | Here Global B.V. | Unsupervised approach to environment mapping at night using monocular vision |
| CN109034185A (zh) * | 2018-06-08 | 2018-12-18 | 汪俊 | 一种街景图像差异对比方法及装置 |
| CN109087356A (zh) * | 2018-06-29 | 2018-12-25 | 齐鲁工业大学 | 基于机器视觉的医学载玻片的识别定位方法、系统及装置 |
| CN109345586A (zh) * | 2018-11-02 | 2019-02-15 | 国网湖南省电力有限公司 | 基于紫外成像技术的电气设备放电特征提取方法 |
| CN109508713A (zh) * | 2018-12-12 | 2019-03-22 | 平安科技（深圳）有限公司 | 图片获取方法、装置、终端和存储介质 |
| CN110069284A (zh) * | 2019-03-14 | 2019-07-30 | 成都恒创新星科技有限公司 | 一种基于opu指令集的编译方法及编译器 |
| CN110111386A (zh) * | 2019-05-10 | 2019-08-09 | 深圳大学 | 一种肌肉组织中结构性角度的自动测量方法及系统 |
| CN110135343A (zh) * | 2019-05-15 | 2019-08-16 | 南通大学 | 一种路灯智能检测与夜间状态判断方法 |
Non-Patent Citations (8)
| Title |
|---|
| LING QIN等: "Indoor visible light high precision three-dimensional positioning algorithm based on single LED lamp", vol. 207 * |
| 刘斌;刘亚明;周绍祥;王秋平;: "光束线光斑位置监测系统", no. 03 * |
| 刘盛鹏;方勇;: "基于数学形态学的Contourlet变换域图像降噪方法", no. 01 * |
| 向景睿;吴维德;刘明杰;周林;龙海莲;周承辉;: "基于图像处理的手持终端光斑检测方法", no. 07 * |
| 孟晓辉等: "柱面透镜准直 LD 光场的计算建模方法研究", vol. 38, no. 02 * |
| 王宇;: "激光制导武器目标光斑检测系统设计与实现", no. 04 * |
| 赵静;: "一体化LED光源角分布测量平台设计", no. 02 * |
| 韩健: "低信噪比下点源目标哈特曼传感器的子光斑定位算法研究", no. 2018 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111353979B (zh) | 2023-10-17 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110910341B (zh) | 一种输电线路锈蚀区缺陷检测方法及装置 | |
| CN111383429A (zh) | 建筑工地工人着装检测方法、系统、装置、存储介质 | |
| CN108332927A (zh) | 一种桥梁表面裂缝检测装置 | |
| JP2020126359A (ja) | 情報処理装置、サーバ、及び交通管理システム | |
| WO2023179697A1 (zh) | 目标跟踪方法、装置、设备及存储介质 | |
| CN113903008A (zh) | 基于深度学习和轨迹跟踪的匝道出口车辆违法识别方法 | |
| CN114812403A (zh) | 基于无人机及机器视觉的大跨度钢结构吊装变形监测方法 | |
| CN111680610A (zh) | 一种施工场景异常监测方法和装置 | |
| CN112084892B (zh) | 一种道路异常事件检测管理装置及其方法 | |
| Kurniawan et al. | Speed monitoring for multiple vehicle using closed circuit television (CCTV) camera | |
| CN113299073A (zh) | 识别车辆违章停车的方法、装置、设备和存储介质 | |
| JP2002357557A (ja) | 道路や周辺施設等の管理システム | |
| CN113788051A (zh) | 列车在站运行状态监测分析系统 | |
| CN111561967A (zh) | 弓网运行状态实时在线检测方法及系统 | |
| Liu et al. | An approach for auto bridge inspection based on climbing robot | |
| CN113191239A (zh) | 一种基于计算机视觉的车辆外廓尺寸动态检测系统 | |
| CN114708532A (zh) | 一种监控视频质量评估方法、系统及存储介质 | |
| CN115761668A (zh) | 摄像头的污渍识别方法、装置、车辆及存储介质 | |
| CN114120201A (zh) | 一种车站计算机联锁道岔状态信息检测系统及其方法 | |
| JP3500425B2 (ja) | 可視画像式路面状況把握装置における路面状況判定方法 | |
| CN111353979B (zh) | 一种移动式计算机视觉光斑探测定位方法 | |
| CN113505860B (zh) | 盲区检测训练集的筛选方法、装置、服务器及存储介质 | |
| CN113824880B (zh) | 一种基于目标检测和uwb定位的车辆跟踪方法 | |
| KR102492290B1 (ko) | 교통량 측정을 위한 딥러닝 기반의 드론 영상 분석 시스템 | |
| CN110969103A (zh) | 一种基于ptz相机的高速公路路面病害长度测量方法 |
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 |