CN111507287A - 一种航空影像中道路斑马线角点提取方法及系统 - Google Patents

一种航空影像中道路斑马线角点提取方法及系统 Download PDF

Info

Publication number
CN111507287A
CN111507287A CN202010320732.4A CN202010320732A CN111507287A CN 111507287 A CN111507287 A CN 111507287A CN 202010320732 A CN202010320732 A CN 202010320732A CN 111507287 A CN111507287 A CN 111507287A
Authority
CN
China
Prior art keywords
zebra crossing
road
zebra
template
image
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
CN202010320732.4A
Other languages
English (en)
Other versions
CN111507287B (zh
Inventor
朱二巧
翟成森
王超
唐佑辉
王福杰
刘斌
王骞颍
王琴
商建伟
董诚
曹新国
许�鹏
王丽
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.)
Shandong Provincial Institute of Land Surveying and Mapping
Original Assignee
Shandong Provincial Institute of Land Surveying and Mapping
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 Shandong Provincial Institute of Land Surveying and Mapping filed Critical Shandong Provincial Institute of Land Surveying and Mapping
Priority to CN202010320732.4A priority Critical patent/CN111507287B/zh
Publication of CN111507287A publication Critical patent/CN111507287A/zh
Application granted granted Critical
Publication of CN111507287B publication Critical patent/CN111507287B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/10—Terrestrial scenes
    • G06V20/176—Urban or other man-made structures
    • 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
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection
    • 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
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
    • G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Traffic Control Systems (AREA)
  • Image Analysis (AREA)

Abstract

本公开提供了一种航空影像中道路斑马线角点提取方法及系统，通过获取航空摄影影像，初选存在斑马线的区域；基于灰度统计特征的自适应阈值法对道路区域进行图像分割，将道路背景与道路标线分割开；用局部区域生长的方法对图像进行聚类，提取出交通斑马线集合；对每一个交通斑马线进行方向约束的腐蚀膨胀；根据斑马线初始形状确定初始模板，依据斑马线形状约束，更新模板形状，反复迭代直至模板符合斑马线形状，此时模板的端点即为该斑马线的角点。本公开能从大范围航摄影像上快速、自动提取道路斑马线角点坐标。

Description

一种航空影像中道路斑马线角点提取方法及系统
技术领域
本公开属于道路数据处理技术领域，具体涉及一种航空影像中道路斑马线角点提取方法及系统。
背景技术
本部分的陈述仅仅是提供了与本公开相关的背景技术信息，不必然构成在先技术。
道路交通斑马线的识别与定位是智能驾驶、智慧交通、道路管理等领域的重要一环。交通斑马线的角点提供了斑马线坐标、形状等信息，如何自动/半自动的提取交通斑马线的角点成为亟待解决的问题。目前的研究主要集中在视频图像中检测识别交通斑马线，并在此基础上提取角点。但是这种从视频中提取角点的方法受限于相机视角、道路状况以及车流状况，可能不能完整的获取全部斑马线。此外，从视频数据中提取的斑马线角点没有空间坐标，无法满足智能车辆辅助驾驶和交通管理等方面的需要。
航空摄影测量作为一种先进的测量手段，具有快速、不与测量物接触、实时、主动及高精度等特点。航空摄影测量在不影响交通情况下能快速获取道路地物的光谱反射数据以及空间坐标数据，为大范围、高精度提取交通斑马线角点提供了一种可靠的数据源。但据发明人了解，目前，对航摄影像的处理与研究主要集中于大尺度的地物分类上，对于交通斑马线角点的提取研究较少，而已有研究未考虑交通斑马线角点残缺的情况。
发明内容
本公开为了解决上述问题，提出了一种航空影像中道路斑马线角点提取方法及系统，本公开能从大范围航摄影像上快速、自动提取道路斑马线角点坐标。
根据一些实施例，本公开采用如下技术方案：
一种航空影像中道路斑马线角点提取方法，包括以下步骤：
获取航空摄影影像，初选存在斑马线的区域；
基于灰度统计特征的自适应阈值法对道路区域进行图像分割，将道路背景与道路标线分割开；
用局部区域生长的方法对图像进行聚类，提取出交通斑马线集合；
对每一个交通斑马线进行方向约束的腐蚀膨胀；
根据斑马线初始形状确定初始模板，依据斑马线形状约束，更新模板形状，反复迭代直至模板符合斑马线形状，此时模板的端点即为该斑马线的角点。
作为可选择的实施方式，初选存在斑马线的区域为利用选择框框选影像中斑马线的大致所在位置。
作为可选择的实施方式，框选大小大于斑马线的整体大小。
作为可选择的实施方式，基于灰度统计特征的自适应阈值法对航摄图像进行二值化处理：首先将获得的图像转化为灰度图像并统计灰度图像中灰度级分布，根据灰度级分布，找寻道路背景、道路斑马线两个峰值之间的谷值，并将谷值作为二值化阈值。
作为可选择的实施方式，对每一个交通斑马线进行方向约束的腐蚀膨胀的具体过程包括：
通过聚类后的单个斑马线，粗略检测出道路方向，然后构造与道路方向一致的膨胀腐蚀算子；
对图像整体做膨胀操作，把目标像素边界向外扩大一像素，使得斑马线两个像素以内的噪声灰度值与斑马线一致；
对图像整体做腐蚀操作，把目标像素边界向内缩小一像素，使得道路斑马线还原，且去除了斑马线周围噪声。
作为可选择的实施方式，提取斑马线角点的具体过程包括：
将斑马线的外接矩形作为初始模板，根据斑马线的形状与长宽比作为约束条件跟新模板，更新策略如下：记录下当前模板T的长宽比a；将模板顺时针旋转一定角度得到当前模板T’与其长宽比a’；当a’大于a时继续更新，直至a’小于等于a时停止更新，此时模板的端点即为斑马线角点。
作为进一步的限定，一定角度为1°。
一种航空影像中道路斑马线角点提取系统，包括：
选择模块，被配置为获取航空摄影影像，初选存在斑马线的区域；
分割模块，被配置为基于灰度统计特征的自适应阈值法对道路区域进行图像分割，将道路背景与道路标线分割开；
聚类模块，被配置为用局部区域生长的方法对图像进行聚类，提取出交通斑马线集合；
腐蚀膨胀处理模块，被配置为对每一个交通斑马线进行方向约束的腐蚀膨胀；
更新迭代模块，被配置为根据斑马线初始形状确定初始模板，依据斑马线形状约束，更新模板形状，反复迭代直至模板符合斑马线形状，此时模板的端点即为该斑马线的角点。
作为可选择的实施方式，所述选择模块为人机交互模块。
一种计算机可读存储介质，其中存储有多条指令，所述指令适于由终端设备的处理器加载并执行所述的一种航空影像中道路斑马线角点提取方法。
一种终端设备，包括处理器和计算机可读存储介质，处理器用于实现各指令；计算机可读存储介质用于存储多条指令，所述指令适于由处理器加载并执行所述的一种航空影像中道路斑马线角点提取方法。
与现有技术相比，本公开的有益效果为：
本公开基于航空影像数据，结合交通斑马线的光谱特征与几何特征，能从大范围航摄影像上快速、自动提取道路斑马线角点坐标；在处理过程中，如果待处理区域内有多条斑马线，只需框选一次，有效的提高效率，且利用方向约束膨胀腐蚀去除了斑马线周围噪声影响因素，保证提取结果的准确性。
附图说明
构成本公开的一部分的说明书附图用来提供对本公开的进一步理解，本公开的示意性实施例及其说明用于解释本公开，并不构成对本公开的不当限定。
图1是本公开的工作流程图。
具体实施方式：
下面结合附图与实施例对本公开作进一步说明。
应该指出，以下详细说明都是例示性的，旨在对本公开提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本公开所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本公开的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
在本公开中，术语如“上”、“下”、“左”、“右”、“前”、“后”、“竖直”、“水平”、“侧”、“底”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，只是为了便于叙述本公开各部件或元件结构关系而确定的关系词，并非特指本公开中任一部件或元件，不能理解为对本公开的限制。
本公开中，术语如“固接”、“相连”、“连接”等应做广义理解，表示可以是固定连接，也可以是一体地连接或可拆卸连接；可以是直接相连，也可以通过中间媒介间接相连。对于本领域的相关科研或技术人员，可以根据具体情况确定上述术语在本公开中的具体含义，不能理解为对本公开的限制。
一种航摄影像中道路斑马线角点自动提取方法，基于航空影像数据，结合交通斑马线的光谱特征与几何特征，能从大范围航摄影像上快速、自动提取道路斑马线角点坐标，具体包括以下步骤：
a、根据航空摄影影像，利用人工交互方法选择存在斑马线的区域；
b、用一种基于灰度统计特征的自适应阈值法对道路区域进行图像分割，将道路背景与道路标线分割开；
c、用局部区域生长的方法对图像进行聚类，提取出交通斑马线集合；
d、对每一个交通斑马线进行方向约束的腐蚀膨胀，去除斑马线周围细小噪点的影响；
f、根据斑马线初始形状确定初始模板，依旧斑马线形状约束，更新模板形状，反复迭代直至模板符合斑马线形状。此时该模板的端点即为该斑马线的角点。
在本实施例中，步骤a中的选择斑马线区域即框选一次。如果区域内有多条斑马线，也只需框选一次，提高效率。
在其他实施例中，也可以利用人工RTK实地采点方式；也可以利用相关软件如ENVI、ArcGIS手工选点的方式。
在本实施例中，步骤b包括如下子步骤：
在本实施例中，步骤c中用一种基于灰度统计特征的自适应阈值法对航摄图像进行二值化处理。首先将人工交互获得的图像转化为灰度图像并统计灰度图像中灰度级分布。根据灰度级分布，找寻道路背景、道路斑马线两个峰值之间的谷值，并将谷值作为二值化阈值。
在本实施例中，上述步骤d包括如下子步骤：
方向约束膨胀腐蚀去除噪声：
通过聚类后的单个斑马线，先粗略检测出道路方向，然后构造与道路方向一致的膨胀腐蚀算子。
首先对图像整体做膨胀操作，把目标像素边界向外扩大一像素，使得斑马线两个像素以内的噪声灰度值与斑马线一致；
然后对图像整体做腐蚀操作，把目标像素边界向内缩小一像素，使得道路斑马线还原，且去除了斑马线周围噪声。
进一步，上述步骤f包括提取斑马线角点：
将斑马线的外接矩形作为初始模板，根据斑马线的形状与长宽比作为约束条件跟新模板，更新策略如下：记录下当前模板T的长宽比a；将模板顺时针旋转1°得到当前模板T’与长宽比a’；当a’大于a时继续更新，直至a’小于等于a时停止更新。此时模板的端点即为斑马线角点。
还提供以下产品实施例：
一种航空影像中道路斑马线角点提取系统，包括：
选择模块，被配置为获取航空摄影影像，初选存在斑马线的区域；
分割模块，被配置为基于灰度统计特征的自适应阈值法对道路区域进行图像分割，将道路背景与道路标线分割开；
聚类模块，被配置为用局部区域生长的方法对图像进行聚类，提取出交通斑马线集合；
腐蚀膨胀处理模块，被配置为对每一个交通斑马线进行方向约束的腐蚀膨胀；
更新迭代模块，被配置为根据斑马线初始形状确定初始模板，依据斑马线形状约束，更新模板形状，反复迭代直至模板符合斑马线形状，此时模板的端点即为该斑马线的角点。
作为可选择的实施方式，所述选择模块为人机交互模块。
一种计算机可读存储介质，其中存储有多条指令，所述指令适于由终端设备的处理器加载并执行所述的一种航空影像中道路斑马线角点提取方法。
一种终端设备，包括处理器和计算机可读存储介质，处理器用于实现各指令；计算机可读存储介质用于存储多条指令，所述指令适于由处理器加载并执行所述的一种航空影像中道路斑马线角点提取方法。
以上所述仅为本公开的优选实施例而已，并不用于限制本公开，对于本领域的技术人员来说，本公开可以有各种更改和变化。凡在本公开的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本公开的保护范围之内。
上述虽然结合附图对本公开的具体实施方式进行了描述，但并非对本公开保护范围的限制，所属领域技术人员应该明白，在本公开的技术方案的基础上，本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本公开的保护范围以内。

Claims (10)

1.一种航空影像中道路斑马线角点提取方法，其特征是：包括以下步骤：
获取航空摄影影像，初选存在斑马线的区域；
基于灰度统计特征的自适应阈值法对道路区域进行图像分割，将道路背景与道路标线分割开；
用局部区域生长的方法对图像进行聚类，提取出交通斑马线集合；
对每一个交通斑马线进行方向约束的腐蚀膨胀；
根据斑马线初始形状确定初始模板，依据斑马线形状约束，更新模板形状，反复迭代直至模板符合斑马线形状，此时模板的端点即为该斑马线的角点。
2.如权利要求1所述的一种航空影像中道路斑马线角点提取方法，其特征是：初选存在斑马线的区域为利用选择框框选影像中斑马线的大致所在位置。
3.如权利要求1所述的一种航空影像中道路斑马线角点提取方法，其特征是：框选大小大于斑马线的整体大小。
4.如权利要求1所述的一种航空影像中道路斑马线角点提取方法，其特征是：基于灰度统计特征的自适应阈值法对航摄图像进行二值化处理：首先将获得的图像转化为灰度图像并统计灰度图像中灰度级分布，根据灰度级分布，找寻道路背景、道路斑马线两个峰值之间的谷值，并将谷值作为二值化阈值。
5.如权利要求1所述的一种航空影像中道路斑马线角点提取方法，其特征是：对每一个交通斑马线进行方向约束的腐蚀膨胀的具体过程包括：
通过聚类后的单个斑马线，粗略检测出道路方向，然后构造与道路方向一致的膨胀腐蚀算子；
对图像整体做膨胀操作，把目标像素边界向外扩大一像素，使得斑马线两个像素以内的噪声灰度值与斑马线一致；
对图像整体做腐蚀操作，把目标像素边界向内缩小一像素，使得道路斑马线还原，且去除了斑马线周围噪声。
6.如权利要求1所述的一种航空影像中道路斑马线角点提取方法，其特征是：提取斑马线角点的具体过程包括：
将斑马线的外接矩形作为初始模板，根据斑马线的形状与长宽比作为约束条件跟新模板，更新策略如下：记录下当前模板T的长宽比a；将模板顺时针旋转一定角度得到当前模板T’与其长宽比a’；当a’大于a时继续更新，直至a’小于等于a时停止更新，此时模板的端点即为斑马线角点。
7.如权利要求6所述的一种航空影像中道路斑马线角点提取方法，其特征是：一定角度为1°。
8.一种航空影像中道路斑马线角点提取系统，其特征是：包括：
选择模块，被配置为获取航空摄影影像，初选存在斑马线的区域；
分割模块，被配置为基于灰度统计特征的自适应阈值法对道路区域进行图像分割，将道路背景与道路标线分割开；
聚类模块，被配置为用局部区域生长的方法对图像进行聚类，提取出交通斑马线集合；
腐蚀膨胀处理模块，被配置为对每一个交通斑马线进行方向约束的腐蚀膨胀；
更新迭代模块，被配置为根据斑马线初始形状确定初始模板，依据斑马线形状约束，更新模板形状，反复迭代直至模板符合斑马线形状，此时模板的端点即为该斑马线的角点。
9.一种计算机可读存储介质，其特征是：其中存储有多条指令，所述指令适于由终端设备的处理器加载并执行权利要求1-7中任一项所述的一种航空影像中道路斑马线角点提取方法。
10.一种终端设备，其特征是：包括处理器和计算机可读存储介质，处理器用于实现各指令；计算机可读存储介质用于存储多条指令，所述指令适于由处理器加载并执行权利要求1-7中任一项所述的一种航空影像中道路斑马线角点提取方法。
CN202010320732.4A 2020-04-22 2020-04-22 一种航空影像中道路斑马线角点提取方法及系统 Active CN111507287B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010320732.4A CN111507287B (zh) 2020-04-22 2020-04-22 一种航空影像中道路斑马线角点提取方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010320732.4A CN111507287B (zh) 2020-04-22 2020-04-22 一种航空影像中道路斑马线角点提取方法及系统

Publications (2)

Publication Number Publication Date
CN111507287A true CN111507287A (zh) 2020-08-07
CN111507287B CN111507287B (zh) 2023-10-24

Family

ID=71876297

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010320732.4A Active CN111507287B (zh) 2020-04-22 2020-04-22 一种航空影像中道路斑马线角点提取方法及系统

Country Status (1)

Country Link
CN (1) CN111507287B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113822804A (zh) * 2021-09-23 2021-12-21 深圳万兴软件有限公司 灰度图的优化方法、装置、计算机设备及存储介质

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050100220A1 (en) * 2002-11-06 2005-05-12 Keaton Patricia A. Method and apparatus for automatically extracting geospatial features from multispectral imagery suitable for fast and robust extraction of landmarks
US20090214080A1 (en) * 2008-02-27 2009-08-27 Honeywell International Inc. Methods and apparatus for runway segmentation using sensor analysis
CN102567963A (zh) * 2011-11-10 2012-07-11 西安电子科技大学 基于量子多目标聚类的遥感图像分割方法
CN102592268A (zh) * 2012-01-06 2012-07-18 清华大学深圳研究生院 一种分割前景图像的方法
CN103593855A (zh) * 2013-12-04 2014-02-19 西安电子科技大学 基于粒子群优化和空间距离测度聚类的图像分割方法
CN104156968A (zh) * 2014-08-19 2014-11-19 山东临沂烟草有限公司 大面积地形复杂区域无人机序列影像快速无缝拼接方法
CN105718870A (zh) * 2016-01-15 2016-06-29 武汉光庭科技有限公司 自动驾驶中基于前向摄像头的道路标线提取方法
CN105761266A (zh) * 2016-02-26 2016-07-13 民政部国家减灾中心 从遥感图像中提取矩形建筑物的方法
CN105930848A (zh) * 2016-04-08 2016-09-07 西安电子科技大学 基于sar-sift特征的sar图像目标识别方法
CN107944407A (zh) * 2017-11-30 2018-04-20 中山大学 一种基于无人机的路口斑马线识别方法
CN110210451A (zh) * 2019-06-13 2019-09-06 重庆邮电大学 一种斑马线检测方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103822616B (zh) * 2014-03-18 2016-01-20 武汉大学 一种图分割与地形起伏约束相结合的遥感影像匹配方法
CN106067003B (zh) * 2016-05-27 2020-05-19 山东科技大学 一种车载激光扫描点云中道路矢量标识线自动提取方法

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050100220A1 (en) * 2002-11-06 2005-05-12 Keaton Patricia A. Method and apparatus for automatically extracting geospatial features from multispectral imagery suitable for fast and robust extraction of landmarks
US20090214080A1 (en) * 2008-02-27 2009-08-27 Honeywell International Inc. Methods and apparatus for runway segmentation using sensor analysis
CN102567963A (zh) * 2011-11-10 2012-07-11 西安电子科技大学 基于量子多目标聚类的遥感图像分割方法
CN102592268A (zh) * 2012-01-06 2012-07-18 清华大学深圳研究生院 一种分割前景图像的方法
CN103593855A (zh) * 2013-12-04 2014-02-19 西安电子科技大学 基于粒子群优化和空间距离测度聚类的图像分割方法
CN104156968A (zh) * 2014-08-19 2014-11-19 山东临沂烟草有限公司 大面积地形复杂区域无人机序列影像快速无缝拼接方法
CN105718870A (zh) * 2016-01-15 2016-06-29 武汉光庭科技有限公司 自动驾驶中基于前向摄像头的道路标线提取方法
CN105761266A (zh) * 2016-02-26 2016-07-13 民政部国家减灾中心 从遥感图像中提取矩形建筑物的方法
CN105930848A (zh) * 2016-04-08 2016-09-07 西安电子科技大学 基于sar-sift特征的sar图像目标识别方法
CN107944407A (zh) * 2017-11-30 2018-04-20 中山大学 一种基于无人机的路口斑马线识别方法
CN110210451A (zh) * 2019-06-13 2019-09-06 重庆邮电大学 一种斑马线检测方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
戴激光等: "光学遥感影像道路提取的方法综述" *
李艳荻;徐熙平;: "基于空-时域特征决策级融合的人体行为识别算法" *
王光磊;王鹏宇;王中阳;刘秀玲;卢倩;杨磊;: "基于自动随机游走的DSA图像分割算法" *
陈震;张紫涵;曾希萌;: "复杂背景下的视频前景检测方法研究" *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113822804A (zh) * 2021-09-23 2021-12-21 深圳万兴软件有限公司 灰度图的优化方法、装置、计算机设备及存储介质

Also Published As

Publication number Publication date
CN111507287B (zh) 2023-10-24

Similar Documents

Publication Publication Date Title
CN109165549B (zh) 基于三维点云数据的道路标识获取方法、终端设备及装置
CN107507167B (zh) 一种基于点云平面轮廓匹配的货物托盘检测方法及系统
CN110148196B (zh) 一种图像处理方法、装置以及相关设备
CN111179152B (zh) 一种道路标识识别方法及装置、介质、终端
CN108564874B (zh) 地面标志提取的方法、模型训练的方法、设备及存储介质
CN106067003B (zh) 一种车载激光扫描点云中道路矢量标识线自动提取方法
CN111598916A (zh) 一种基于rgb-d信息的室内占据栅格地图的制备方法
Yan et al. A method of lane edge detection based on Canny algorithm
CN110349260B (zh) 一种路面标线自动提取方法及装置
WO2021195697A1 (en) Feature extraction from mobile lidar and imagery data
CN108052904B (zh) 车道线的获取方法及装置
JP2014056572A (ja) 勾配方位のヒストグラムによるテンプレート・マッチング
CN115049700A (zh) 一种目标检测方法及装置
CN113920134B (zh) 一种基于多线激光雷达的斜坡地面点云分割方法及系统
CN111783721B (zh) 一种激光点云的车道线提取方法及电子设备
CN113362385A (zh) 一种基于深度图像的货物体积测量方法及设备
CN114331986A (zh) 一种基于无人机视觉的坝体裂纹识别与测量方法
CN114492619A (zh) 一种基于统计和凹凸性的点云数据集构建方法及装置
CN111783722B (zh) 一种激光点云的车道线提取方法和电子设备
CN107463939B (zh) 一种图像关键直线检测方法
CN112052777A (zh) 一种基于高分辨率遥感影像的跨水桥梁提取方法和装置
Husain et al. Detection and thinning of street trees for calculation of morphological parameters using mobile laser scanner data
CN111414907A (zh) 数据集标注方法、数据集标注装置和计算机可读存储介质
CN109766850B (zh) 基于特征融合的指纹图像匹配方法
CN111507287A (zh) 一种航空影像中道路斑马线角点提取方法及系统

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