CN111737510B - 一种面向道路交通场景图像算法的标签处理方法及应用 - Google Patents

一种面向道路交通场景图像算法的标签处理方法及应用 Download PDF

Info

Publication number
CN111737510B
CN111737510B CN202010464595.1A CN202010464595A CN111737510B CN 111737510 B CN111737510 B CN 111737510B CN 202010464595 A CN202010464595 A CN 202010464595A CN 111737510 B CN111737510 B CN 111737510B
Authority
CN
China
Prior art keywords
label
information
tag
road traffic
tags
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
Application number
CN202010464595.1A
Other languages
English (en)
Other versions
CN111737510A (zh
Inventor
吴晓晖
陈永恒
胡成龙
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.)
Hangzhou Shizai Shuke Information Technology Co ltd
Original Assignee
Hangzhou Shizai Shuke Information Technology Co ltd
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 Hangzhou Shizai Shuke Information Technology Co ltd filed Critical Hangzhou Shizai Shuke Information Technology Co ltd
Priority to CN202010464595.1A priority Critical patent/CN111737510B/zh
Publication of CN111737510A publication Critical patent/CN111737510A/zh
Application granted granted Critical
Publication of CN111737510B publication Critical patent/CN111737510B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • 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
    • G06F16/5866—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using information manually generated, e.g. tags, keywords, comments, manually generated location and time information
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/23—Updating
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/28—Databases characterised by their database models, e.g. relational or object models
    • G06F16/284—Relational databases
    • 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)
  • Theoretical Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Library & Information Science (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明提供一种面向道路交通场景图像算法的标签处理方法及应用，适用于深度学习算法相关领域中的训练数据集标注与算法参数配置。所述方法包含以下步骤：S1、配置标签库，标签库内具有多个标签，标签内具有多级标签识别位，且多级标签识别位组合用于标记道路交通场景；S2、基于WEB绘制标注并选择标签；S3、将标注标签的数据提交至服务端并存储至关系型数据库中，同时更新标签版本信息至关系型数据库中。本发明通过标签编码即可直观的解析出与其他标签的级联关系，在实际应用中，第三方系统只需要获取所有标签即可，无需同步大量标签间的关系数据，使得该应用方便，兼容性较高，且传输方便，所需算力和存储空间均较少。

Description

一种面向道路交通场景图像算法的标签处理方法及应用
技术领域
本发明涉及数据处理技术领域，尤其是涉及一种面向道路交通场景图像算法的标签处理方法及应用，适用于深度学习算法相关领域中的训练数据集标注与算法参数配置。
背景技术
目前在智慧交通领域中充分运用物联网、云计算、互联网、人工智能、自动控制、移动互联网等技术，通过高新技术汇集交通信息，对交通管理、交通运输、公众出行等等交通领域全方面以及交通建设管理全过程进行管控支撑，使交通系统在区域、城市甚至更大的时空范围具备感知、互联、分析、预测、控制等能力，以充分保障交通安全、发挥交通基础设施效能、提升交通系统运行效率和管理水平，为通畅的公众出行和可持续的经济发展服务。
然而，智慧交通的其中一个核心技术即是面向道路交通场景的图像视觉算法。然而交通场景的复杂性与特殊性需要算法针对场景配置对应的标签来帮助算法理解交通实际场景，从而能够完成复杂应用。但是目前存在的标签标注工具与方法无法满足实际需求，具体存在以下痛点。
传统的数据标注工具在标注图像数据时通常都是客户端工具，标注数据结果为一个图像对应一个XML文件或者一个JSON文件。标注所使用的标签需要在每个客户端配置，不能统一配置管理导致系统易用性不够，给大规模数据标注与标签管理工作带来效率问题。
传统标注工具标签库只有传统行业通用标签针对交通场景标签不能满足，自定义标签库仅为简单的单词标签标注，在实际标注工作中标注标签可能是晦涩难懂的专业词汇，无法在标注过程中设定通俗易懂的标签名，另外标注标签实际应用中存在属性关联，传统简单标签库无法自动关联标签，大量关联的重复标签需要手动选择带来标注效率问题。
针对道路交通场景的复杂性与道路标线的标注，需要不规则形状绘制，传统标签标注工具提供的矩形圆形等标签标注工具不能满足需求。并且由于道路交通场景会由天气变化(雨天路面会有反光水坑，下雪天气积雪覆盖道路标线)需要提供不同的标签标注以满足算法精准计算需求。传统标签标注方法工具无法满足。
在实际项目场景中，还存在需要将标签展示于道路交通监控视频画面之上以便于能更加直接的调试配置系统，但是传统标签标注工具无法做到这点。
在实际项目场景中，由于道路交通终端监控设备通常会存在偏移等问题，导致针对原来位置绘制的标签失效的问题。最终导致算法识别率降低，影响功能效果。传统标签标注系统无法及时发现偏移。
在实际项目场景中，由于道路交通场景会根据交通管制，道路维护等临时发生变更，传统标签标注工具无法满足临时变更后及时通知算法应用新的标签数据。
发明内容
本发明的第一个目的在于，针对现有技术中存在的不足，提供一种面向道路交通场景图像算法的标签处理方法。
为此，本发明的上述目的通过以下技术方案实现：
一种面向道路交通场景图像算法的标签处理方法，其特征在于：所述方法包含以下步骤：
S1、配置标签库，标签库内具有多个标签，标签内具有多级标签识别位，且多级标签识别位组合用于标记道路交通场景；
S2、基于WEB绘制标注并选择标签；
S3、将标注标签的数据提交至服务端并存储至关系型数据库中，同时更新标签版本信息至关系型数据库中。
在采用上述技术方案的同时，本发明还可以采用或者组合采用如下技术方案：
作为本发明的优选技术方案：所述步骤S2中，基于WEB浏览器，将需要绘制标注的图像以SVG图层叠加于场景图片上并绘制标注信息，标注信息绘制完毕后选择步骤S1中所配置的标签库中对应的标签信息。
作为本发明的优选技术方案：所提交的标注信息需将SVG信息转为JSON格式文本并添加选择的标签信息。
作为本发明的优选技术方案：所述步骤S1中可增加参数型标签，根据业务需求可配置参数值类型，数据类型支持整形、浮点型、布尔型、字符串、日期等基本数据类型，参数型标签选择使用时需要填写参数值。此标签设置可达到算法参数动态配置的功能。
本发明还有一个目的在于，针对现有技术中存在的不足，提供一种面向道路交通场景图像算法的标签处理方法在道路交通场景标记方面的应用。
为此，本发明的上述目的通过以下技术方案实现：
一种根据前文所述的面向道路交通场景图像算法的标签处理方法在道路交通场景标记方面的应用，其特征在于：将标签版本信息插入至视频码流SEI帧数据中，比较当前使用标签版本信息和视频码流SEI帧数据中的标签版本信息，若不相等，则获取新版本的标签版本信息。
在采用上述技术方案的同时，本发明还可以采用或者组合采用如下技术方案：
作为本发明的优选技术方案：获取标注和标签信息并转化为SVG图层添加到与之对应的场景视频画面上以得到直观的展示当前算法标注标签和参数配置信息的效果。
作为本发明的优选技术方案：当摄像头位置发生偏移，可获取当前场景的标注标签信息并对比当前视频实时画面，然后通过云台控制操作调整摄像头位置以重新适配标注和标签。
本发明提供一种面向道路交通场景图像算法的标签处理方法及应用，具有如下技术效果：
(1)本发明配置标签库，标签库内具有多个标签，标签内具有多级标签识别位，且多级标签识别位组合用于标记道路交通场景，通过标签编码即可直观的解析出与其他标签的级联关系，在实际应用中，第三方系统只需要获取所有标签即可，无需同步大量标签间的关系数据，使得该应用方便，兼容性较高，且传输方便，所需算力和存储空间均较少；
(2)标签库内可以增加参数型标签，根据业务需求可配置参数值类型，数据类型支持整形、浮点型、布尔型、字符串、日期等基本数据类型，参数型标签选择使用时需要填写参数值。此标签设置可达到算法参数动态配置的功能。
(3)应用可使用接口获取标注和标签信息并转化为SVG图层添加到与之对应的场景视频画面上，可以得到更为直观地展示当前算法标注标签与参数配置信息。
(4)本发明可以根据当前场景的标注标签信息对比当前视频截图，并快速调整摄像头位置以重新适配标注标签。
附图说明
图1为标签的关系结构示例。
图2为视频流SEI帧中数据示例。
图3为视频画面上层叠加标签示例。
图4为控制云台调整相机偏移适应标签示例。
具体的实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。
本发明实施例中提及的WEB浏览器端可以包括任何支持HTML5、JavaScript脚本与SVG的浏览器皆可。
参考图1，本发明提供了一种面向道路交通场景图像算法的标签处理方法，包括步骤：
S1、配置标签库，标签库内具有多个标签，标签内具有多级标签识别位，且多级标签识别位组合用于标记道路交通场景；配置标签库为一个系统前置步骤，为下一步绘制标注并打标签提供支持。标签库标签为了满足扩展性、灵活性与可辨识性，标签支持三级级联，设计包含一个10位长度正整数的编码与标签内容，标签编码第一位固定为1，第2到4位为第一级标签标识位，第5到7位为第二级标签标识位，第8到10位为第三级标签标识位。步骤S1中可增加参数型标签，如图3中功能部分所示，例如：拥堵时长等。面向道路交通场景的部分标签库配置如表1，其结构关系如图1：
表1
1001000000 城市道路
1001001000 机动车道
1001001001 普通机动车道
1001001002 公交专用车道
1001001003 可变机动车道
1001001004 单行机动车道
1001001005 潮汐机动车道
1001001006 网状线区域
1001001007 导游线区域
1001001008 路口区域
1001001009 待行区域
1001002000 非机动车道
1001002001 非机动车道
1001003000 人行道
1001003001 沿街人行道
1001003002 人行横道
1002000000 城市快速路
1002001000 机动车道
1002001001 普通车道
1002001002 匝道
1002001003 网状线区域
1002001004 导流线区域
1002001005 应急车道
S2、基于WEB绘制标注并选择标签，基于WEB浏览器，将需要绘制标注的图像以SVG图层叠加于场景图片上并绘制标注信息，标注信息绘制完毕后选择步骤S1中所配置的标签库中对应的标签信息。此处所提交的标注信息需要通过JavaScript转换SVG信息为JSON并添加选择的标签信息提交服务端保存；其中标注信息SVG对应的JSON数据结构设计如下：
矩形：对象定义名为rect其中包含属性x属性定义矩形的左侧位置(例如，x＝"0"定义矩形到浏览器窗口左侧的距离是0px)，y属性定义矩形的顶端位置(例如，y＝"0"定义矩形到浏览器窗口顶端的距离是0px)，width和height属性可定义矩形的高度和宽度；
圆形：对象定义名为circle其中包含属性cx和cy属性定义圆点的x和y坐标。r属性定义圆的半径；
线条：对象定义名为line其中x1属性在x轴定义线条的开始，y1属性在y轴定义线条的开始，x2属性在x轴定义线条的结束，y2属性在y轴定义线条的结束；
多边形：对象定义名为polygon其中points属性定义多边形每个角的x和y坐标；
折线：对象定义名为polyline其中points属性定义多边形每个角的x和y坐标；
通过上述设计对象，在浏览器中使用JavaScript可以方便的转换以SVG绘制的标注为结构化的JSON数据发送到服务端并解析为对应的数据库记录并存储，待需要展示时，再以JavaScript转换为SVG叠加与之关联的图像资源之上。
S3、提交数据并更新版本，将JSON格式标注标签信息提交服务端并存储到关系型数据库并更新当前场景标注标签版本信息到数据库。
一种面向道路交通场景图像算法的标签处理方法在道路交通场景标记方面的应用，包括：流媒体平台通过接口查询当前相机对应各场景标注标签版本信息并定时将标签版本信息插入至视频码流SEI帧数据中，其中插入SEI帧中的数据采用JSON格式，内容如图2，面向交通道路交通场景图像算法解析视频数据时抽取解析出SEI帧中存储的标注标签版本信息，算法模块对比当前使用标注标签版本信息和视频码流SEI帧数据中的标签版本信息，发现当前使用标注标签版本不等于视频码流中给定的版本时，通过访问标注标签获取接口拉取新版本标注标签并生效，若相等，则继续使用当前标注标签版本。
作为一个具体应用：获取标注和标签信息并转化为SVG图层添加到与之对应的场景视频画面上以得到直观的展示当前算法标注标签和参数配置信息的效果，如图3，左边为实时视频画面，画面上层叠加当前算法标注，标注如图中虚线框及虚线框所框部分所示，右侧展示当前选中标注对应的标签信息。
作为一个具体应用：当摄像头位置发生偏移，可获取当前场景的标注标签信息并对比当前视频实时画面，然后通过云台控制操作调整摄像头位置以重新适配标注和标签，主要是调整摄像头使得视频实时画面上的标注与路面的框线相匹配，如图4。
上述具体实施方式用来解释说明本发明，仅为本发明的优选实施例，而不是对本发明进行限制，在本发明的精神和权利要求的保护范围内，对本发明作出的任何修改、等同替换、改进等，都落入本发明的保护范围。

Claims (4)

1.一种面向道路交通场景图像算法的标签处理方法，其特征在于：所述方法包含以下步骤：
S1、配置标签库，标签库内具有多个标签，标签内具有多级标签识别位，且多级标签识别位组合用于标记道路交通场景；
S2、基于WEB浏览器，将需要绘制标注的图像以SVG图层叠加于场景图片上并绘制标注信息，标注信息绘制完毕后选择步骤S1中所配置的标签库中对应的标签信息；
S3、将标注标签的数据提交至服务端并存储至关系型数据库中，同时更新标签版本信息至关系型数据库中；
还包括：将标签版本信息插入至视频码流SEI帧数据中，比较当前使用标签版本信息和视频码流SEI帧数据中的标签版本信息，若不相等，则获取新版本的标签版本信息；
当摄像头位置发生偏移，可获取当前场景的标注标签信息并对比当前视频实时画面，然后通过云台控制操作调整摄像头位置以重新适配标注和标签。
2.根据权利要求1所述的面向道路交通场景图像算法的标签处理方法，其特征在于：所提交的标注信息需将SVG信息转为JSON格式文本并添加选择的标签信息。
3.根据权利要求1所述的面向道路交通场景图像算法的标签处理方法，其特征在于：所述步骤S1中可增加参数型标签。
4.根据权利要求1所述的面向道路交通场景图像算法的标签处理方法，其特征在于：获取标注和标签信息并转化为SVG图层添加到与之对应的场景视频画面上以得到直观的展示当前算法标注标签和参数配置信息的效果。
CN202010464595.1A 2020-05-28 2020-05-28 一种面向道路交通场景图像算法的标签处理方法及应用 Active CN111737510B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010464595.1A CN111737510B (zh) 2020-05-28 2020-05-28 一种面向道路交通场景图像算法的标签处理方法及应用

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010464595.1A CN111737510B (zh) 2020-05-28 2020-05-28 一种面向道路交通场景图像算法的标签处理方法及应用

Publications (2)

Publication Number Publication Date
CN111737510A CN111737510A (zh) 2020-10-02
CN111737510B true CN111737510B (zh) 2024-04-16

Family

ID=72646456

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010464595.1A Active CN111737510B (zh) 2020-05-28 2020-05-28 一种面向道路交通场景图像算法的标签处理方法及应用

Country Status (1)

Country Link
CN (1) CN111737510B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113178079B (zh) * 2021-04-06 2022-08-23 青岛以萨数据技术有限公司 一种用于信号灯和车道线的标注系统、方法及存储介质

Citations (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101010710A (zh) * 2005-07-07 2007-08-01 松下电器产业株式会社 地图信息校正装置、地图信息校正方法、程序、和使用地图信息校正装置的信息提供装置和信息获取装置
JP2009080742A (ja) * 2007-09-27 2009-04-16 Brother Ind Ltd タグラベル作成装置
CN102231795A (zh) * 2011-06-24 2011-11-02 北京汉王智通科技有限公司 道路监控相机的安装方法以及安装系统
CN103970859A (zh) * 2014-04-29 2014-08-06 杨立法 一种基于SVG的Google用户地图文本标注方法
CN105608209A (zh) * 2015-12-29 2016-05-25 南威软件股份有限公司 一种视频标注方法和视频标注装置
CN106530896A (zh) * 2016-11-30 2017-03-22 中国直升机设计研究所 一种用于无人机飞行演示的虚拟系统
CN106777811A (zh) * 2017-01-16 2017-05-31 昆明理工大学 一种交通渠化地图设计开发方法
CN106792157A (zh) * 2016-12-13 2017-05-31 广东中星电子有限公司 一种基于视频的信息标注与显示方法和系统
CN107481291A (zh) * 2017-08-16 2017-12-15 长安大学 基于标识虚线物理坐标的交通监控模型标定方法及系统
CN108897474A (zh) * 2018-05-29 2018-11-27 高新兴科技集团股份有限公司 一种增强现实摄像机的虚拟标签的管理方法及管理系统
CN108960566A (zh) * 2018-05-29 2018-12-07 高新兴科技集团股份有限公司 一种交通可视化监控系统
CN109063039A (zh) * 2018-07-17 2018-12-21 高新兴科技集团股份有限公司 一种基于移动端的视频地图动态标签显示方法及系统
CN109325438A (zh) * 2018-09-18 2019-02-12 桂林电子科技大学 实况全景交通标志的实时识别方法
CN109598689A (zh) * 2018-12-17 2019-04-09 网易（杭州）网络有限公司 实时图像处理方法及装置、电子设备、存储介质
CN109889785A (zh) * 2019-02-26 2019-06-14 高新兴科技集团股份有限公司 一种基于unity的POI标签显示的虚拟仿真方法
CN110009913A (zh) * 2019-03-27 2019-07-12 江苏智通交通科技有限公司 一种闯红灯车辆的非现场执法图片智能审核方法和系统
CN110377338A (zh) * 2019-07-23 2019-10-25 网易无尾熊（杭州）科技有限公司 信息标注方法、介质、装置和计算设备
CN110675627A (zh) * 2019-09-30 2020-01-10 山东科技大学 一种基于二维码识别的交通信息获取方法与系统
CN110737417A (zh) * 2019-09-30 2020-01-31 深圳市格上视点科技有限公司 一种演示设备及其标注线的显示控制方法和装置

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10674706B2 (en) * 2018-05-15 2020-06-09 Beijing Mjiang Technology Co., Ltd. Fast-wearing grade-positioning wound-exposed multifunctional animal ear tag

Patent Citations (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101010710A (zh) * 2005-07-07 2007-08-01 松下电器产业株式会社 地图信息校正装置、地图信息校正方法、程序、和使用地图信息校正装置的信息提供装置和信息获取装置
JP2009080742A (ja) * 2007-09-27 2009-04-16 Brother Ind Ltd タグラベル作成装置
CN102231795A (zh) * 2011-06-24 2011-11-02 北京汉王智通科技有限公司 道路监控相机的安装方法以及安装系统
CN103970859A (zh) * 2014-04-29 2014-08-06 杨立法 一种基于SVG的Google用户地图文本标注方法
CN105608209A (zh) * 2015-12-29 2016-05-25 南威软件股份有限公司 一种视频标注方法和视频标注装置
CN106530896A (zh) * 2016-11-30 2017-03-22 中国直升机设计研究所 一种用于无人机飞行演示的虚拟系统
CN106792157A (zh) * 2016-12-13 2017-05-31 广东中星电子有限公司 一种基于视频的信息标注与显示方法和系统
CN106777811A (zh) * 2017-01-16 2017-05-31 昆明理工大学 一种交通渠化地图设计开发方法
CN107481291A (zh) * 2017-08-16 2017-12-15 长安大学 基于标识虚线物理坐标的交通监控模型标定方法及系统
CN108897474A (zh) * 2018-05-29 2018-11-27 高新兴科技集团股份有限公司 一种增强现实摄像机的虚拟标签的管理方法及管理系统
CN108960566A (zh) * 2018-05-29 2018-12-07 高新兴科技集团股份有限公司 一种交通可视化监控系统
CN109063039A (zh) * 2018-07-17 2018-12-21 高新兴科技集团股份有限公司 一种基于移动端的视频地图动态标签显示方法及系统
CN109325438A (zh) * 2018-09-18 2019-02-12 桂林电子科技大学 实况全景交通标志的实时识别方法
CN109598689A (zh) * 2018-12-17 2019-04-09 网易（杭州）网络有限公司 实时图像处理方法及装置、电子设备、存储介质
CN109889785A (zh) * 2019-02-26 2019-06-14 高新兴科技集团股份有限公司 一种基于unity的POI标签显示的虚拟仿真方法
CN110009913A (zh) * 2019-03-27 2019-07-12 江苏智通交通科技有限公司 一种闯红灯车辆的非现场执法图片智能审核方法和系统
CN110377338A (zh) * 2019-07-23 2019-10-25 网易无尾熊（杭州）科技有限公司 信息标注方法、介质、装置和计算设备
CN110675627A (zh) * 2019-09-30 2020-01-10 山东科技大学 一种基于二维码识别的交通信息获取方法与系统
CN110737417A (zh) * 2019-09-30 2020-01-31 深圳市格上视点科技有限公司 一种演示设备及其标注线的显示控制方法和装置

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Enhancing Visualisation of Anatomical Presentation and Education Using Marker-based Augmented Reality Technology on Web-based Platform;I. Wang等;《2018 15th IEEE International Conference on Advanced Video and Signal Based Surveillance (AVSS)》;20190214;1-6 *
基于Web服务的图像情报整饰系统分析与设计;刘宇;全吉成;王宏伟;;情报科学;20090315(03);417-420 *

Also Published As

Publication number Publication date
CN111737510A (zh) 2020-10-02

Similar Documents

Publication Publication Date Title
US11087173B2 (en) Using image pre-processing to generate a machine learning model
US11023745B2 (en) System for automated lane marking
CN107229690B (zh) 基于路侧传感器的高精度动态地图数据处理系统及方法
US10990815B2 (en) Image pre-processing in a lane marking determination system
US11435193B2 (en) Dynamic map rendering
US11143516B2 (en) Task management system for high-definition maps
WO2020139355A1 (en) System for automated lane marking
WO2020139357A1 (en) Using image pre-processing to generate a machine learning model
US20210004021A1 (en) Generating training data for deep learning models for building high definition maps
WO2017020465A1 (zh) 道路三维模型的建模方法、装置和存储介质
CN111368757A (zh) 面向机器学习的柱大样建筑图纸图层分类方法及系统
CN112070049B (zh) 基于BiSeNet的自动驾驶场景下的语义分割方法
CN109657614B (zh) 航拍道路交通事故现场勘查中道路自动识别方法
CN111737510B (zh) 一种面向道路交通场景图像算法的标签处理方法及应用
WO2020139356A1 (en) Image pre-processing in a lane marking determination system
CN111190982A (zh) 一种基于大数据的共享单车管理方法及系统
CN115393745A (zh) 一种基于无人机与深度学习的桥梁形象进度自动识别方法
CN114970790A (zh) 交通标识及其制作方法、车辆位姿估计方法
Pan et al. Applying semantic segmentation to autonomous cars in the snowy environment
CN117011413B (zh) 道路图像重建方法、装置、计算机设备和存储介质
Tang et al. Thma: Tencent hd map ai system for creating hd map annotations
CN110909745A (zh) 列车消毒通道识别系统
CN115689946A (zh) 图像修复方法、电子设备及计算机程序产品
Inoue et al. Semantic Segmentation of River Video for Efficient River Surveillance System
CN112950749B (zh) 基于生成对抗网络的书法图片生成方法

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