CN111652125B - Ai对象排列与间距自动识别系统 - Google Patents
Ai对象排列与间距自动识别系统 Download PDFInfo
- Publication number
- CN111652125B CN111652125B CN202010489847.6A CN202010489847A CN111652125B CN 111652125 B CN111652125 B CN 111652125B CN 202010489847 A CN202010489847 A CN 202010489847A CN 111652125 B CN111652125 B CN 111652125B
- Authority
- CN
- China
- Prior art keywords
- distance
- target
- unit
- spacing
- abnormal
- 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
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
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/587—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using geographical or spatial information, e.g. location
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Library & Information Science (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了AI对象排列与间距自动识别系统,包括扫描单元、数据分散单元、主动分析单元、处理器、特殊数据库、显示单元、存储单元、自分析单元和数据录入单元;所述扫描单元用于对矩阵排列的受监视对象进行扫描,受监视对象为LED导线架;获取到受监视对象的三张图片,得到图像信息组;所述扫描单元用于将图像信息组传输到数据分散单元;本发明通过扫描单元对目标对象进行扫描,之后借助数据录入单元录入标的单体的图像,借助图像比对技术进行识别和相应的标记;再之后借助主动分析单元将异常的标的单体识别出来,并标记;记录对应的数据以及每个标的单体之间的行距和列距;并将相关数据传输到特殊数据库内进行存储。
Description
技术领域
本发明属于间距识别领域,涉及一种间距自动识别技术,具体是AI对象排列与间距自动识别系统。
背景技术
当前,存在诸多矩阵排列设备,例如对LED导线架的检测,在需要使用时需要测量其排列间距,但是当前缺乏一种有效的间距识别系统;现有的间距识别技术基本都是应用于多车道的间距识别上;
公开号为CN106064587A的专利公开了一种基于车牌识别的多车道车间距识别方法及装置,用于智能辅助驾驶/车载信息检测领域。通过双目摄像机实时采集前方多车道图像信息,根据左右两张图像竖直拼接线上的像素点RGB信息近似一致的特性,默认使用装置安装后预设坐标点的方式进行图像拼接获取多车道全景图像。图像识别过程中采用以HOUGH变换为主的多种经典数字图像处理算法标定车道线与车牌,针对全景图像中不同车牌的位置和像素大小,根据相似性原理和数字成像原理自动计算多车道横纵向车距并将结果按照用户设置显示在屏幕上。可应用于辅助安全换道、主动避撞、ACC自适应巡航等交通领域;
但是针对具体的其他领域,缺乏一种有效技术;为了解决这一技术缺陷,现提供一种解决方案。
发明内容
本发明的目的在于提供AI对象排列与间距自动识别系统。
本发明的目的可以通过以下技术方案实现:
AI对象排列与间距自动识别系统,包括扫描单元、数据分散单元、主动分析单元、处理器、特殊数据库、显示单元、存储单元、自分析单元和数据录入单元;
其中,所述扫描单元用于对矩阵排列的受监视对象进行扫描,受监视对象为LED导线架或者其他一些矩阵排列的物体;获取到受监视对象的三张图片,得到图像信息组;所述扫描单元用于将图像信息组传输到数据分散单元;
所述数据录入单元用于录入受监视对象的矩阵排列的物体的单个物体照片,该物体即为标的单体,将标的单体的照片标记为标的照片;所述数据录入单元用于将标的照片传输到处理器,所述处理器用于将标的照片传输到数据分散单元,所述数据分散单元用于结合标的照片对图像信息组进行标的分散步骤,具体步骤为:
步骤一:获取到图像信息组;
步骤二:任选一图像信息组内的图片;
步骤三:获取到标的照片,将标的照片与图片进行比对,获取到图片内所有的标的单体;
步骤四:根据标的单体的排列对其进行标记,具体将标的单体标记为Hij,i=1...n,j=1...m;
步骤五:利用公式Z=n*m,得到单体总数Z;
步骤六:测量每个标的单体之间的距离,对应将该距离标记为单体距离Dij,i=1...n-1,j=1...m-1;其中Dij表示第i行第j个标的单体与第i行第j+1个标的单体之间的距离;Dn-1,m表示第n-1行与第n行之间的距离;
步骤七:对于每一行内所有单体之间的距离的处理:
计算每个单体之间距离的平均值,将所有单体距离Dij减去该平均值,将差值拆过预设范围的标的单体标记为异常单体;去除该异常单体,对剩余的标的单体求均值,将该均值标记为标的间距;
对于上下两行之间的距离,采取上述相同方法获取到上一行和下一行之间的距离,进行求均值之后,取每一个行间距与该均值的差值,将差值超过预设数值的标记为异常行距,去除异常行距之后求均值,将该均值标记为目标行距;
步骤八:任选下一图像信息组内的图片,重复步骤三-步骤八,直到对图像信息组内的图片处理完毕;得到三组异常单体、标的间距、异常行距和目标行距;
步骤九:获取到单体的横向距离和纵向距离;
所述数据分散单元用于将三组异常单体、标的间距、异常行距和目标行距传输到主动分析单元,所述主动分析单元接收数据分散单元传输的三组异常单体、标的间距、异常行距和目标行距,并进行判定分析,具体为:
对三组异常单体、标的间距、异常行距和目标行距进行比对,若至少存在两组一致的数据时,则对应将该两组数据中的异常单体和标的间距标记为准确数据信息;
否则,重新产生重新获取照片信号;
所述主动分析单元用于将准确数据信息以及单体的横向距离和纵向距离传输到处理器,所述处理器用于将准确数据信息以及单体的横向距离和纵向距离传输到特殊数据库;
所述数据录入单元还用于录入查询对象,查询对象包括起始点和终点,并将查询对象传输到处理器,所述处理器用于将查询对象传输到自分析单元,所述自分析单元用于结合特殊数据库对查询对象进行距离分析,得到间隔距离;
所述自分析单元用于将间隔距离返回到处理器,所述处理器用于将间隔距离传输到显示单元进行实时显示。
进一步地,所述距离分析的具体步骤为:
S01:获取到起始点和终点;
S02:若二者位于同一行,则自动获取间隔行数,根据起始点和终点判定是否存在异常单体,若存在异常单体,则先将异常单体的距离计算得到,否则不做处理;
之后根据标的间距和单体的横向距离,自动计算出起始点和终点之间的行间距;将计算到的距离标记为间隔距离;此处通过起始点和终点之间间隔多少个标的间距和单体,加上异常单体的距离能够直接计算得到,故此处不做赘述;
S03:若二者位于同一列,则自动获取间隔列数;
判定是否存在异常行距,若存在获取到异常行距,若不存在则将异常行距标记为零;
之后根据目标行距和单体的纵向距离以及异常行距,自动计算出起始点和终点之间的行间距;将计算到的距离标记为间隔距离;计算方法通过起始点和终点之间间隔多少个目标行距和单体的纵向距离,加上异常单体的距离能够直接计算得到;故此处不做具体赘述;
S04:若二者不处于同一行也不在同一列,则利用步骤S02和步骤S03的原理获取得到行向距离和列向距离,行向距离即为在行上的间隔距离,列向距离即为在竖直方向的距离,之后利用三角形原理可计算得到间隔距离。
进一步地,所述主动分析单元用于将重新获取照片信号传输到处理器,所述处理器接收主动分析单元传输的重新获取照片信号并将其传输到显示单元,所述显示单元接收处理器传输的重新获取照片信号,并自动显示“照片获取不准,请重新获取”;所述处理器用于将重新获取照片信号打上时间戳,形成报错记录,并将报错记录传输到存储单元进行存储。
本发明的有益效果:
本发明通过扫描单元对目标对象进行扫描,之后借助数据录入单元录入标的单体的图像,借助图像比对技术进行识别和相应的标记;再之后借助主动分析单元将异常的标的单体识别出来,并标记;记录对应的数据以及每个标的单体之间的行距和列距;并将相关数据传输到特殊数据库内进行存储;
之后需要进行查询时,会借助数据录入单元录入查询对象的起始点和终点,之后借助字分析单元内的相关算法,自动计算出查询对象的距离,完成数据计算之后,自动输出结果,本发明简单有效,且易于实用。
附图说明
为了便于本领域技术人员理解,下面结合附图对本发明作进一步的说明。
图1为本发明的系统框图。
具体实施方式
如图1所示,AI对象排列与间距自动识别系统,包括扫描单元、数据分散单元、主动分析单元、处理器、特殊数据库、显示单元、存储单元、自分析单元和数据录入单元;
其中,所述扫描单元用于对矩阵排列的受监视对象进行扫描,受监视对象为LED导线架或者其他一些矩阵排列的物体;获取到受监视对象的三张图片,得到图像信息组;所述扫描单元用于将图像信息组传输到数据分散单元;
所述数据录入单元用于录入受监视对象的矩阵排列的物体的单个物体照片,该物体即为标的单体,将标的单体的照片标记为标的照片;所述数据录入单元用于将标的照片传输到处理器,所述处理器用于将标的照片传输到数据分散单元,所述数据分散单元用于结合标的照片对图像信息组进行标的分散步骤,具体步骤为:
步骤一:获取到图像信息组;
步骤二:任选一图像信息组内的图片;
步骤三:获取到标的照片,将标的照片与图片进行比对,获取到图片内所有的标的单体;
步骤四:根据标的单体的排列对其进行标记,具体将标的单体标记为Hij,i=1...n,j=1...m;
步骤五:利用公式Z=n*m,得到单体总数Z;
步骤六:测量每个标的单体之间的距离,对应将该距离标记为单体距离Dij,i=1...n-1,j=1...m-1;其中Dij表示第i行第j个标的单体与第i行第j+1个标的单体之间的距离;Dn-1,m表示第n-1行与第n行之间的距离;
步骤七:对于每一行内所有单体之间的距离的处理:
计算每个单体之间距离的平均值,将所有单体距离Dij减去该平均值,将差值拆过预设范围的标的单体标记为异常单体;去除该异常单体,对剩余的标的单体求均值,将该均值标记为标的间距;
对于上下两行之间的距离,采取上述相同方法获取到上一行和下一行之间的距离,进行求均值之后,取每一个行间距与该均值的差值,将差值超过预设数值的标记为异常行距,去除异常行距之后求均值,将该均值标记为目标行距;
步骤八:任选下一图像信息组内的图片,重复步骤三-步骤八,直到对图像信息组内的图片处理完毕;得到三组异常单体、标的间距、异常行距和目标行距;
步骤九:获取到单体的横向距离和纵向距离;
所述数据分散单元用于将三组异常单体、标的间距、异常行距和目标行距传输到主动分析单元,所述主动分析单元接收数据分散单元传输的三组异常单体、标的间距、异常行距和目标行距,并进行判定分析,具体为:
对三组异常单体、标的间距、异常行距和目标行距进行比对,若至少存在两组一致的数据时,则对应将该两组数据中的异常单体和标的间距标记为准确数据信息;
否则,重新产生重新获取照片信号;
所述主动分析单元用于将准确数据信息以及单体的横向距离和纵向距离传输到处理器,所述处理器用于将准确数据信息以及单体的横向距离和纵向距离传输到特殊数据库;
所述数据录入单元还用于录入查询对象,查询对象包括起始点和终点,并将查询对象传输到处理器,所述处理器用于将查询对象传输到自分析单元,所述自分析单元用于结合特殊数据库对查询对象进行距离分析,具体距离分析步骤为:
S01:获取到起始点和终点;
S02:若二者位于同一行,则自动获取间隔行数,根据起始点和终点判定是否存在异常单体,若存在异常单体,则先将异常单体的距离计算得到,否则不做处理;
之后根据标的间距和单体的横向距离,自动计算出起始点和终点之间的行间距;将计算到的距离标记为间隔距离;此处通过起始点和终点之间间隔多少个标的间距和单体,加上异常单体的距离能够直接计算得到,故此处不做赘述;
S03:若二者位于同一列,则自动获取间隔列数;
判定是否存在异常行距,若存在获取到异常行距,若不存在则将异常行距标记为零;
之后根据目标行距和单体的纵向距离以及异常行距,自动计算出起始点和终点之间的行间距;将计算到的距离标记为间隔距离;计算方法通过起始点和终点之间间隔多少个目标行距和单体的纵向距离,加上异常单体的距离能够直接计算得到;故此处不做具体赘述;
S04:若二者不处于同一行也不在同一列,则利用步骤S02和步骤S03的原理获取得到行向距离和列向距离,行向距离即为在行上的间隔距离,列向距离即为在竖直方向的距离,之后利用三角形原理可计算得到间隔距离;
所述自分析单元用于将间隔距离返回到处理器,所述处理器用于将间隔距离传输到显示单元进行实时显示。
所述主动分析单元用于将重新获取照片信号传输到处理器,所述处理器接收主动分析单元传输的重新获取照片信号并将其传输到显示单元,所述显示单元接收处理器传输的重新获取照片信号,并自动显示“照片获取不准,请重新获取”;所述处理器用于将重新获取照片信号打上时间戳,形成报错记录,并将报错记录传输到存储单元进行存储。
AI对象排列与间距自动识别系统,在工作时,首先通过扫描单元对目标对象进行扫描,之后借助数据录入单元录入标的单体的图像,借助图像比对技术进行识别和相应的标记;再之后借助主动分析单元将异常的标的单体识别出来,并标记;记录对应的数据以及每个标的单体之间的行距和列距;并将相关数据传输到特殊数据库内进行存储;
之后需要进行查询时,会借助数据录入单元录入查询对象的起始点和终点,之后借助字分析单元内的相关算法,自动计算出查询对象的距离,完成数据计算之后,自动输出结果,本发明简单有效,且易于实用。
以上内容仅仅是对本发明结构所作的举例和说明,所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代,只要不偏离发明的结构或者超越本权利要求书所定义的范围,均应属于本发明的保护范围。
Claims (3)
1.AI对象排列与间距自动识别系统,其特征在于,包括扫描单元、数据分散单元、主动分析单元、处理器、特殊数据库、显示单元、存储单元、自分析单元和数据录入单元;
其中,所述扫描单元用于对矩阵排列的受监视对象进行扫描,受监视对象为LED导线架;获取到受监视对象的三张图片,得到图像信息组;所述扫描单元用于将图像信息组传输到数据分散单元;
所述数据录入单元用于录入受监视对象的矩阵排列的物体的单个物体照片,该物体即为标的单体,将标的单体的照片标记为标的照片;所述数据录入单元用于将标的照片传输到处理器,所述处理器用于将标的照片传输到数据分散单元,所述数据分散单元用于结合标的照片对图像信息组进行标的分散步骤,具体步骤为:
步骤一:获取到图像信息组;
步骤二:任选一图像信息组内的图片;
步骤三:获取到标的照片,将标的照片与图片进行比对,获取到图片内所有的标的单体;
步骤四:根据标的单体的排列对其进行标记,具体将标的单体标记为Hij,i=1...n,j=1...m;
步骤五:利用公式Z=n*m,得到单体总数Z;
步骤六:测量每个标的单体之间的距离,对应将该距离标记为单体距离Dij,i=1...n-1,j=1...m-1;其中Dij表示第i行第j个标的单体与第i行第j+1个标的单体之间的距离;Dn-1,m表示第n-1行与第n行之间的距离;
步骤七:对于每一行内所有单体之间的距离的处理:
计算每个单体之间距离的平均值,将所有单体距离Dij减去该平均值,将差值拆过预设范围的标的单体标记为异常单体;去除该异常单体,对剩余的标的单体求均值,将该均值标记为标的间距;
对于上下两行之间的距离,采取上述相同方法获取到上一行和下一行之间的距离,进行求均值之后,取每一个行间距与该均值的差值,将差值超过预设数值的标记为异常行距,去除异常行距之后求均值,将该均值标记为目标行距;
步骤八:任选下一图像信息组内的图片,重复步骤三-步骤八,直到对图像信息组内的图片处理完毕;得到三组异常单体、标的间距、异常行距和目标行距;
步骤九:获取到单体的横向距离和纵向距离;
所述数据分散单元用于将三组异常单体、标的间距、异常行距和目标行距传输到主动分析单元,所述主动分析单元接收数据分散单元传输的三组异常单体、标的间距、异常行距和目标行距,并进行判定分析,具体为:
对三组异常单体、标的间距、异常行距和目标行距进行比对,若至少存在两组一致的数据时,则对应将该两组数据中的异常单体和标的间距标记为准确数据信息;
否则,重新产生重新获取照片信号;
所述主动分析单元用于将准确数据信息以及单体的横向距离和纵向距离传输到处理器,所述处理器用于将准确数据信息以及单体的横向距离和纵向距离传输到特殊数据库;
所述数据录入单元还用于录入查询对象,查询对象包括起始点和终点,并将查询对象传输到处理器,所述处理器用于将查询对象传输到自分析单元,所述自分析单元用于结合特殊数据库对查询对象进行距离分析,得到间隔距离;
所述自分析单元用于将间隔距离返回到处理器,所述处理器用于将间隔距离传输到显示单元进行实时显示。
2.根据权利要求1所述的AI对象排列与间距自动识别系统,其特征在于,所述距离分析的具体步骤为:
S01:获取到起始点和终点;
S02:若二者位于同一行,则自动获取间隔行数,根据起始点和终点判定是否存在异常单体,若存在异常单体,则先将异常单体的距离计算得到,否则不做处理;
之后根据标的间距和单体的横向距离,自动计算出起始点和终点之间的行间距;将计算到的距离标记为间隔距离;此处通过起始点和终点之间间隔多少个标的间距和单体,加上异常单体的距离能够直接计算得到,故此处不做赘述;
S03:若二者位于同一列,则自动获取间隔列数;
判定是否存在异常行距,若存在获取到异常行距,若不存在则将异常行距标记为零;
之后根据目标行距和单体的纵向距离以及异常行距,自动计算出起始点和终点之间的行间距;将计算到的距离标记为间隔距离;计算方法通过起始点和终点之间间隔多少个目标行距和单体的纵向距离,加上异常单体的距离能够直接计算得到;故此处不做具体赘述;
S04:若二者不处于同一行也不在同一列,则利用步骤S02和步骤S03的原理获取得到行向距离和列向距离,行向距离即为在行上的间隔距离,列向距离即为在竖直方向的距离,之后利用三角形原理可计算得到间隔距离。
3.根据权利要求1所述的AI对象排列与间距自动识别系统,其特征在于,所述主动分析单元用于将重新获取照片信号传输到处理器,所述处理器接收主动分析单元传输的重新获取照片信号并将其传输到显示单元,所述显示单元接收处理器传输的重新获取照片信号,并自动显示“照片获取不准,请重新获取”;所述处理器用于将重新获取照片信号打上时间戳,形成报错记录,并将报错记录传输到存储单元进行存储。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010489847.6A CN111652125B (zh) | 2020-06-02 | 2020-06-02 | Ai对象排列与间距自动识别系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010489847.6A CN111652125B (zh) | 2020-06-02 | 2020-06-02 | Ai对象排列与间距自动识别系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111652125A CN111652125A (zh) | 2020-09-11 |
CN111652125B true CN111652125B (zh) | 2023-03-24 |
Family
ID=72346208
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010489847.6A Active CN111652125B (zh) | 2020-06-02 | 2020-06-02 | Ai对象排列与间距自动识别系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111652125B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH11225326A (ja) * | 1998-02-05 | 1999-08-17 | Toshiba Corp | 画像監視装置 |
US6259809B1 (en) * | 1997-08-29 | 2001-07-10 | Advantest Corporation | System and method for recognition of image information |
JP2006235921A (ja) * | 2005-02-24 | 2006-09-07 | Hitachi Ltd | 車番認識装置、および車番認識装置の電動レンズの調整方法 |
CN106064587A (zh) * | 2016-07-06 | 2016-11-02 | 北方工业大学 | 一种基于车牌识别的多车道车间距识别方法及装置 |
CN109299040A (zh) * | 2018-09-21 | 2019-02-01 | 重庆满集网络科技有限公司 | 一种基于大数据的文件存储空间智能分配方法 |
CN110223511A (zh) * | 2019-04-29 | 2019-09-10 | 合刃科技(武汉)有限公司 | 一种汽车路边违停智能监测方法及系统 |
CN110927767A (zh) * | 2019-11-28 | 2020-03-27 | 合肥工业大学 | 一种用于特殊人群的跟随系统 |
-
2020
- 2020-06-02 CN CN202010489847.6A patent/CN111652125B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6259809B1 (en) * | 1997-08-29 | 2001-07-10 | Advantest Corporation | System and method for recognition of image information |
JPH11225326A (ja) * | 1998-02-05 | 1999-08-17 | Toshiba Corp | 画像監視装置 |
JP2006235921A (ja) * | 2005-02-24 | 2006-09-07 | Hitachi Ltd | 車番認識装置、および車番認識装置の電動レンズの調整方法 |
CN106064587A (zh) * | 2016-07-06 | 2016-11-02 | 北方工业大学 | 一种基于车牌识别的多车道车间距识别方法及装置 |
CN109299040A (zh) * | 2018-09-21 | 2019-02-01 | 重庆满集网络科技有限公司 | 一种基于大数据的文件存储空间智能分配方法 |
CN110223511A (zh) * | 2019-04-29 | 2019-09-10 | 合刃科技(武汉)有限公司 | 一种汽车路边违停智能监测方法及系统 |
CN110927767A (zh) * | 2019-11-28 | 2020-03-27 | 合肥工业大学 | 一种用于特殊人群的跟随系统 |
Non-Patent Citations (2)
Title |
---|
亚成像系统中的实时图像分析提取方法;佟国旭,刘敬海;《光学技术》;19990520(第03期);全文 * |
基于多传感器信息的前方障碍物检测;赵一兵等;《计算机工程与应用》;20070911(第26期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN111652125A (zh) | 2020-09-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP5251927B2 (ja) | 移動距離検出装置及び移動距離検出方法 | |
CN112069944A (zh) | 一种道路拥堵等级确定方法 | |
CN112233076B (zh) | 基于红色圆标靶图像处理的结构振动位移测量方法及装置 | |
CN111898491B (zh) | 一种车辆逆向行驶的识别方法、装置及电子设备 | |
CN112200884B (zh) | 一种车道线的生成方法及装置 | |
CN112528807B (zh) | 行驶轨迹的预测方法、装置、电子设备及存储介质 | |
CN114964445A (zh) | 基于车辆识别的多模块动态称重方法 | |
CN114419143A (zh) | 深度测量方法、深度测量设备及存储介质 | |
CN112115939A (zh) | 车辆车牌的识别方法、装置 | |
CN114862929A (zh) | 三维目标检测方法、装置、计算机可读存储介质及机器人 | |
CN111222405A (zh) | 车道线的检测方法、装置、电子设备及可读存储介质 | |
CN111652125B (zh) | Ai对象排列与间距自动识别系统 | |
CN114926540A (zh) | 一种车道线标定的方法、装置、终端设备及可读存储介质 | |
CN104115201A (zh) | 立体物检测装置 | |
US11256929B2 (en) | Image-based road cone recognition method and apparatus, storage medium, and vehicle | |
CN111862208B (zh) | 一种基于屏幕光通信的车辆定位方法、装置及服务器 | |
CN113380038A (zh) | 一种车辆危险行为检测方法、装置及系统 | |
CN113903188A (zh) | 车位检测方法、电子设备及计算机可读存储介质 | |
EP1982890A1 (en) | Automotive environment monitoring device, vehicle with the automotive environment monitoring device | |
CN114067287A (zh) | 一种基于车侧路侧数据感知融合的异物识别及预警系统 | |
CN117333846A (zh) | 恶劣天气下基于传感器融合和增量学习的检测方法及系统 | |
CN111179452A (zh) | 一种基于etc通道客车扣费的系统和方法 | |
CN112183206A (zh) | 一种基于路侧单目摄像头的交通参与者定位方法和系统 | |
CN115457780B (zh) | 一种基于先验知识集合的车流量流速自动测算方法及系统 | |
CN116313012A (zh) | 一种基于急救调度的信息监控系统 |
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 |