CN112132751A - 基于频域变换的视频流车身全景图像拼接装置和方法 - Google Patents
基于频域变换的视频流车身全景图像拼接装置和方法 Download PDFInfo
- Publication number
- CN112132751A CN112132751A CN202011040988.6A CN202011040988A CN112132751A CN 112132751 A CN112132751 A CN 112132751A CN 202011040988 A CN202011040988 A CN 202011040988A CN 112132751 A CN112132751 A CN 112132751A
- Authority
- CN
- China
- Prior art keywords
- image
- foreground
- frequency domain
- matching
- background
- 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
- 230000009466 transformation Effects 0.000 title claims abstract description 49
- 238000000034 method Methods 0.000 title claims abstract description 24
- 238000001914 filtration Methods 0.000 claims abstract description 14
- 238000007781 pre-processing Methods 0.000 claims abstract description 14
- 238000000926 separation method Methods 0.000 claims abstract description 11
- 230000008569 process Effects 0.000 claims description 9
- 238000003384 imaging method Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 230000006835 compression Effects 0.000 description 2
- 238000007906 compression Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000006073 displacement reaction Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 238000011426 transformation method Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4038—Image mosaicing, e.g. composing plane images from plane sub-images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/10—Image enhancement or restoration using non-spatial domain filtering
-
- 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
- G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10016—Video; Image sequence
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种基于频域变换的视频流车身全景图像拼接装置和方法,图像拼接装置中,图像采集单元以图像采集方向垂直于车道方向设置,图像采集单元对车侧图像进行采集;频域变换单元对车侧图像进行频域变换得到频谱图;预处理单元对频谱图进行频域滤波和频域逆变换,得到预处理图像;前景背景分离单元对预处理图像进行前景图像与背景图像的分离,得到前景图像;图像拼接单元确定前景图像相对于前景匹配模板的匹配信息,并根据匹配信息对前景图像中模板区域至图像末端进行拼接处理,形成拼接图像。通过本发明的技术方案,简化了成像物特征,减少了噪声干扰的同时保留纹理特征,且识别结果不受背景影响,提高了图像拼接的准确性。
Description
技术领域
本发明涉及车辆识别装置技术领域,尤其涉及一种基于频域变换的视频流车身全景图像拼接装置和一种基于频域变换的视频流车身全景图像拼接方法。
背景技术
目前,随着高速公路收费系统的改革,将传统的取卡收费模式,转换为ETC自动收费模式,并且高速公路行驶的大型车辆按其车型收费。这就要求高速公路收费站进行智能化改革,不能再依靠人工肉眼识别车辆车型,记录车型信息写入收费卡。
而现有技术中,针对车辆车型进行识别的系统,采集到的车辆图片噪声干扰大,成像物特征不明显,传统技术中,在原图直接空域滤波的做法无法有效保留主要纹理特征,且在识别过程中受到图像背景影响较大,识别的精确性和准确性受到影响。
发明内容
针对上述问题,本发明提供了一种基于频域变换的视频流车身全景图像拼接装置,通过引入频域变换的方法,简化了成像物特征,减少了噪声干扰,相对传统技术在减少噪声的情况下保留主要纹理特征,并压缩简化了前景复杂度,简化效果更鲁棒精确,通过前景与背景分离,使得识别结果不受背景影响,提高图像拼接的准确性,从而获得一辆车完整的车身侧面全景高清图像,且图像细节清晰无畸变。
为实现上述目的,本发明提供了一种基于频域变换的视频流车身全景图像拼接装置,包括:图像采集单元、频域变换单元、预处理单元、前景背景分离单元和图像拼接单元;所述图像采集单元以图像采集方向垂直于车道方向设置,所述图像采集单元对车道上行驶车辆的车侧图像进行采集;所述频域变换单元对所述图像采集单元采集的所述车侧图像进行频域变换得到频谱图;所述预处理单元对所述频谱图进行频域滤波和频域逆变换,得到预处理图像;所述前景背景分离单元对所述预处理图像利用背景模型进行前景图像与背景图像的分离,得到前景图像;所述图像拼接单元利用前景匹配模板确定所述前景图像相对于所述前景匹配模板的匹配信息,并根据匹配信息对所述前景图像中模板区域至图像末端进行拼接处理,形成拼接图像。
在上述技术方案中,优选地,所述预处理单元将所述频谱图的预设频域范围的频域分量进行过滤,并对所述频谱图进行傅里叶逆变换,得到预处理图像。
在上述技术方案中,优选地,所述前景背景分离单元判断存储单元中是否存在背景模型,若不存在,则根据多幅预处理图像分析背景区域,根据背景区域建立背景模型,若已存在所述背景模型,则根据所述背景模型,将所述预处理图像中对应所述背景模型的背景区域进行分离,得到所述前景图像。
在上述技术方案中,优选地,所述图像拼接单元判断存储单元中是否存在前景匹配模板,若不存在,则将当前帧的所述前景图像作为前景匹配模板,并将当前帧作为拼接图像的起始帧,若已存在所述前景匹配模板,则将所述前景图像与所述前景匹配模板进行匹配处理,计算得到当前帧的所述前景图像中相对于所述前景匹配模板区域的匹配坐标,作为匹配信息。
在上述技术方案中,优选地,所述图像拼接单元根据所述匹配信息,计算并截取当前帧的预处理图像与所述前景匹配模板的匹配坐标起至图像尾部图像,拷贝至所述拼接图像中所述前景匹配模板区域坐标的起始位置。
在上述技术方案中,优选地,所述图像拼接单元对当前帧的前景图像进行图像拼接后,以当前的拼接图像作为新的前景匹配模板,对下一帧的前景图像进行图像拼接处理,直至输出完整车身侧面全景图像。
本发明还提出一种基于频域变换的视频流车身全景图像拼接方法,应用于上述技术方案中任一项所述的基于频域变换的视频流车身全景图像拼接装置,包括:利用图像采集单元采集行驶车辆的车侧视频流图像,并获得当前帧图像的频谱图;对当前帧图像的频谱图进行频域滤波和频域逆变换,得到预处理图像;对所述预处理图像利用背景模型进行前景图像与背景图像的分离,得到当前帧的车辆前景图像;利用前景匹配模板确定所述前景图像相对于所述前景匹配模板的匹配信息,并根据匹配信息对所述前景图像中模板区域至图像末端进行拼接处理,形成拼接图像。
在上述技术方案中,优选地,基于频域变换的视频流车身全景图像拼接方法还包括:对当前帧的前景图像进行图像拼接后,以当前的拼接图像作为新的前景匹配模板,对下一帧的前景图像进行图像拼接处理,直至输出完整车身侧面全景图像。
在上述技术方案中,优选地,预处理过程包括将所述频谱图的预设频域范围的频域分量进行过滤,并对所述频谱图进行傅里叶逆变换;所述背景模型为根据多幅预处理图像的背景区域进行分析建模得到,若不存在背景模型,则根据预处理图像建模得到,若已存在所述背景模型,则根据所述背景模型,将所述预处理图像中对应所述背景模型的背景区域进行分离,得到所述前景图像。
在上述技术方案中,优选地,判断是否存在前景匹配模板,若不存在,则将当前帧的所述前景图像作为前景匹配模板,并将当前帧作为拼接图像的起始帧,若已存在所述前景匹配模板,则将所述前景图像与所述前景匹配模板进行匹配处理,计算得到当前帧的所述前景图像中相对于所述前景匹配模板区域的匹配坐标,作为匹配信息;根据所述匹配信息,计算并截取当前帧的预处理图像与所述前景匹配模板的匹配坐标起至图像尾部图像,拷贝至所述拼接图像中所述前景匹配模板区域坐标的起始位置,直至完成完整车身侧面的全景拼接图像。
与现有技术相比,本发明的有益效果为:通过引入频域变换的方法,简化了成像物特征,减少了噪声干扰,相对传统技术在减少噪声的情况下保留主要纹理特征,并压缩简化了前景复杂度,简化效果更鲁棒精确,通过前景与背景分离,使得识别结果不受背景影响,提高图像拼接的准确性,从而获得一辆车完整的车身侧面全景高清图像,且图像细节清晰无畸变。
附图说明
图1为本发明一种实施例公开的基于频域变换的视频流车身全景图像拼接装置的示意框图;
图2为本发明一种实施例公开的图像采集单元的安装示意图;
图3为本发明一种实施例公开的基于频域变换的视频流车身全景图像拼接装置的流程示意框图。
图中,各组件与附图标记之间的对应关系为:
11、图像采集单元;12、频域变换单元;13、预处理单元;14、前景背景分离单元;15、图像拼接单元。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,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,所描述的实施例是本发明的一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本发明保护的范围。
下面结合附图对本发明做进一步的详细描述:
如图1和图2所示,根据本发明提供的一种基于频域变换的视频流车身全景图像拼接装置,包括:图像采集单元11、频域变换单元12、预处理单元13、前景背景分离单元14和图像拼接单元15;图像采集单元11以图像采集方向垂直于车道方向设置,图像采集单元11对车道上行驶车辆的车侧图像进行采集;频域变换单元12对图像采集单元11采集的车侧图像进行频域变换得到频谱图;预处理单元13对频谱图进行频域滤波和频域逆变换,得到预处理图像;前景背景分离单元14对预处理图像利用背景模型进行前景图像与背景图像的分离,得到前景图像;图像拼接单元15利用前景匹配模板确定前景图像相对于前景匹配模板的匹配信息,并根据匹配信息对前景图像中模板区域至图像末端进行拼接处理,形成拼接图像。
在该实施例中,基于频域变换的视频流车身全景图像拼接装置主要应用于高速公路车型识别系统,图像采集单元11的相机视角与车道方向垂直,覆盖1-2车道、可采集到行驶车辆的车侧图像,通过对车辆侧面图像进行算法拼接,实现完整车侧图像的成像采集。
其中,针对高速路面表面粗糙,成像噪声偏大问题,通过引入频域变换的方法,将空域图像变为频域,并进行滤波及逆变换还原后,得到保留轮廓的更易于处理的压缩图像,再进行处理,简化了成像物特征,减少了噪声干扰,相对传统技术在减少噪声的情况下保留主要纹理特征,并压缩简化了前景复杂度,简化效果更鲁棒精确。
在匹配环节,通过引入背景模型,将前景与背景进行有效分离,得到准确的前景图像作为匹配图像与下一帧图像匹配过程中的前景匹配模板,使得识别结果不受背景影响,只针对车辆进行拼接。将前一帧前景作为匹配模板,用当前帧进行匹配,得到前景物的相对位移,以及前景匹配模板与当前图中对应的匹配区域坐标,并利用这些信息实现车侧图像拼接。
其中,该装置只针对车侧连续采集与连续拼接,如何将多个车辆在拼接图像上分离断开,不在本算法工作范畴内。
如图3所示,在上述实施例中,优选地,预处理单元13将频谱图的高频分量过滤,保留低频分量,并对频谱图进行傅里叶逆变换,得到预处理图像,能够简化成像物特征,减少噪声干扰的同时保留主要纹理特征,使得算法效果更鲁棒精确。
在上述实施例中,优选地,前景背景分离单元14判断存储单元中是否存在背景模型,若不存在,则根据多幅预处理图像分析背景区域,根据背景区域建立背景模型,若已存在背景模型,则对预处理图像进行前景图像与背景图像的分离。通过背景模型的建立,能够更准确地从预处理图像中去除背景区域,从而减少背景区域的无效部分对识别过程的影响。
在上述实施例中,优选地,根据背景模型,将预处理图像中识别对应背景模型的背景区域的边界,将边界之外的背景区域进行分离、删除,得到去除背景之后的前景图像,作为后续进行图像拼接处理的对象,以降低背景区域对图像拼接和后续图像识别的影响。
在上述实施例中,优选地,图像拼接单元15判断存储单元中是否存在前景匹配模板,若不存在,则将当前帧的前景图像作为前景匹配模板,并将当前帧作为拼接图像的起始帧,若已存在前景匹配模板,则将前景图像与前景匹配模板进行匹配处理以得到匹配信息。
在整个图像拼接装置的处理过程中,利用前景匹配模板对当前帧的图像进行匹配,是为了获得后一帧图像相对于前一帧图像中前景部分车辆的相对位移,从而将不同帧图像的车侧部分进行拼接。
在上述实施例中,优选地,图像拼接单元15根据前景匹配模板,确定当前帧的前景图像中相对于前景匹配模板区域的匹配坐标,作为匹配信息。
在上述实施例中,优选地,根据计算出的上述匹配信息,图像拼接单元15将当前帧的前景图像上由匹配坐标至图像尾部的部分,拷贝至前景匹配模板区域的坐标起始处,将前景图像与拷贝来的图像部分进行拼接形成拼接图像。
在上述实施例中,优选地,利用已有前景匹配模板对当前帧的前景图像进行图像拼接后,以当前帧的前景图像作为前景匹配模板对下一帧的前景图像进行图像拼接处理,循环操作实现对整个车身图像的拼接,以进一步实现对高速公路上高速行驶车辆的车型识别。
在上述实施例中,优选地,图像采集单元11的相机安装于公路龙门架上,距离地面5-6米高,相机朝向车道线的车侧方向,相机的俯视角度为30°~60°,优选俯视角度为45度左右,相机的视角覆盖至少两个车道范围。
在上述实施例中,优选地,图像采集单元11的相机帧率为每秒至少50帧,针对采集到车侧区域的车侧图像进行上述拼接处理。
本发明还提出一种基于频域变换的视频流车身全景图像拼接方法,应用于上述实施例中任一项的基于频域变换的视频流车身全景图像拼接装置,包括:利用图像采集单元采集行驶车辆的车侧视频流图像,并获得当前帧图像的频谱图;对当前帧图像的频谱图进行频域滤波和频域逆变换,得到预处理图像;对预处理图像利用背景模型进行前景图像与背景图像的分离,得到当前帧的车辆前景图像;利用前景匹配模板确定前景图像相对于前景匹配模板的匹配信息,并根据匹配信息对前景图像中模板区域至图像末端进行拼接处理,形成拼接图像。
在上述实施例中,优选地,基于频域变换的视频流车身全景图像拼接方法还包括:对当前帧的前景图像进行图像拼接后,以当前的拼接图像作为新的前景匹配模板,对下一帧的前景图像进行图像拼接处理,直至输出完整车身侧面全景图像。
在该实施例中,应用于高清相机,对图像进行频域变换得到图像频谱图,经过频域滤波与频域逆变换获得预处理图像,预处理图像具有低噪声、简化前景复杂度、保留车辆成像主要纹理等特征;使用预处理图像进行背景建模获得背景模型;完成背景模型后,使用背景模型与当前帧预处理图像进行前景分离获得前景匹配模板,待下一帧经过频域变换与频域滤波所得的前景图与匹配模板进行匹配,计算前景匹配信息,根据匹配信息将当前一帧图像裁剪并拷贝到拼接图像,直至完成一辆车的车身全景图像拼接,最终输出车辆车身全景图像。
在上述实施例中,优选地,预处理过程包括将频谱图的预设频域范围的频域分量进行过滤,并对频谱图进行傅里叶逆变换;背景模型为根据多幅预处理图像的背景区域进行分析建模得到,若不存在背景模型,则根据预处理图像建模得到,若已存在背景模型,则根据背景模型,将预处理图像中对应背景模型的背景区域进行分离,得到前景图像。通过背景模型的建立,将预处理图像中识别对应背景模型的背景区域的边界,将边界之外的背景区域进行分离、删除,能够更准确地从预处理图像中去除背景区域,得到去除背景之后的前景图像,作为后续进行图像拼接处理的对象,从而减少背景区域的无效部分对识别过程的影响。
在上述实施例中,优选地,判断是否存在前景匹配模板,若不存在,则将当前帧的前景图像作为前景匹配模板,并将当前帧作为拼接图像的起始帧,若已存在前景匹配模板,则将前景图像与前景匹配模板进行匹配处理,计算得到当前帧的前景图像中相对于前景匹配模板区域的匹配坐标,作为匹配信息;根据匹配信息,计算并截取当前帧的预处理图像与前景匹配模板的匹配坐标起至图像尾部图像,拷贝至拼接图像中前景匹配模板区域坐标的起始位置,直至完成完整车身侧面的全景拼接图像。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种基于频域变换的视频流车身全景图像拼接装置,其特征在于,包括:图像采集单元、频域变换单元、预处理单元、前景背景分离单元和图像拼接单元;
所述图像采集单元以图像采集方向垂直于车道方向设置,所述图像采集单元对车道上行驶车辆的车侧图像进行采集;
所述频域变换单元对所述图像采集单元采集的所述车侧图像进行频域变换得到频谱图;
所述预处理单元对所述频谱图进行频域滤波和频域逆变换,得到预处理图像;
所述前景背景分离单元对所述预处理图像利用背景模型进行前景图像与背景图像的分离,得到前景图像;
所述图像拼接单元利用前景匹配模板确定所述前景图像相对于所述前景匹配模板的匹配信息,并根据匹配信息对所述前景图像中模板区域至图像末端进行拼接处理,形成拼接图像。
2.根据权利要求1所述的基于频域变换的视频流车身全景图像拼接装置,其特征在于,所述预处理单元将所述频谱图的预设频域范围的频域分量进行过滤,并对所述频谱图进行傅里叶逆变换,得到预处理图像。
3.根据权利要求1所述的基于频域变换的视频流车身全景图像拼接装置,其特征在于,所述前景背景分离单元判断存储单元中是否存在背景模型,若不存在,则根据多幅预处理图像分析背景区域,根据背景区域建立背景模型,若已存在所述背景模型,则根据所述背景模型,将所述预处理图像中对应所述背景模型的背景区域进行分离,得到所述前景图像。
4.根据权利要求1所述的基于频域变换的视频流车身全景图像拼接装置,其特征在于,所述图像拼接单元判断存储单元中是否存在前景匹配模板,若不存在,则将当前帧的所述前景图像作为前景匹配模板,并将当前帧作为拼接图像的起始帧,若已存在所述前景匹配模板,则将所述前景图像与所述前景匹配模板进行匹配处理,计算得到当前帧的所述前景图像中相对于所述前景匹配模板区域的匹配坐标,作为匹配信息。
5.根据权利要求4所述的基于频域变换的视频流车身全景图像拼接装置,其特征在于,所述图像拼接单元根据所述匹配信息,计算并截取当前帧的预处理图像与所述前景匹配模板的匹配坐标起至图像尾部图像,拷贝至所述拼接图像中所述前景匹配模板区域坐标的起始位置。
6.根据权利要求5所述的基于频域变换的视频流车身全景图像拼接装置,其特征在于,所述图像拼接单元对当前帧的前景图像进行图像拼接后,以当前的拼接图像作为新的前景匹配模板,对下一帧的前景图像进行图像拼接处理,直至输出完整车身侧面全景图像。
7.一种基于频域变换的视频流车身全景图像拼接方法,应用于权利要求1至6中任一项所述的基于频域变换的视频流车身全景图像拼接装置,其特征在于,包括:
利用图像采集单元采集行驶车辆的车侧视频流图像,并获得当前帧图像的频谱图;
对当前帧图像的频谱图进行频域滤波和频域逆变换,得到预处理图像;
对所述预处理图像利用背景模型进行前景图像与背景图像的分离,得到当前帧的车辆前景图像;
利用前景匹配模板确定所述前景图像相对于所述前景匹配模板的匹配信息,并根据匹配信息对所述前景图像中模板区域至图像末端进行拼接处理,形成拼接图像。
8.根据权利要求7所述的基于频域变换的视频流车身全景图像拼接方法,其特征在于,还包括:
对当前帧的前景图像进行图像拼接后,以当前的拼接图像作为新的前景匹配模板,对下一帧的前景图像进行图像拼接处理,直至输出完整车身侧面全景图像。
9.根据权利要求7或8所述的基于频域变换的视频流车身全景图像拼接方法,其特征在于,预处理过程包括将所述频谱图的预设频域范围的频域分量进行过滤,并对所述频谱图进行傅里叶逆变换;
所述背景模型为根据多幅预处理图像的背景区域进行分析建模得到,若不存在背景模型,则根据预处理图像建模得到,若已存在所述背景模型,则根据所述背景模型,将所述预处理图像中对应所述背景模型的背景区域进行分离,得到所述前景图像。
10.根据权利要求8所述的基于频域变换的视频流车身全景图像拼接方法,其特征在于,判断是否存在前景匹配模板,若不存在,则将当前帧的所述前景图像作为前景匹配模板,并将当前帧作为拼接图像的起始帧,若已存在所述前景匹配模板,则将所述前景图像与所述前景匹配模板进行匹配处理,计算得到当前帧的所述前景图像中相对于所述前景匹配模板区域的匹配坐标,作为匹配信息;
根据所述匹配信息,计算并截取当前帧的预处理图像与所述前景匹配模板的匹配坐标起至图像尾部图像,拷贝至所述拼接图像中所述前景匹配模板区域坐标的起始位置,直至完成完整车身侧面的全景拼接图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011040988.6A CN112132751B (zh) | 2020-09-28 | 2020-09-28 | 基于频域变换的视频流车身全景图像拼接装置和方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011040988.6A CN112132751B (zh) | 2020-09-28 | 2020-09-28 | 基于频域变换的视频流车身全景图像拼接装置和方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112132751A true CN112132751A (zh) | 2020-12-25 |
CN112132751B CN112132751B (zh) | 2023-02-07 |
Family
ID=73843443
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011040988.6A Active CN112132751B (zh) | 2020-09-28 | 2020-09-28 | 基于频域变换的视频流车身全景图像拼接装置和方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112132751B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113012061A (zh) * | 2021-02-20 | 2021-06-22 | 百果园技术(新加坡)有限公司 | 降噪处理方法、装置及电子设备 |
CN116935278A (zh) * | 2023-07-25 | 2023-10-24 | 广东技术师范大学 | 基于同步信号的车型识别方法、装置、电子设备及介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103077387A (zh) * | 2013-02-07 | 2013-05-01 | 东莞中国科学院云计算产业技术创新与育成中心 | 视频中货运列车车厢自动检测方法 |
CN104700071A (zh) * | 2015-01-16 | 2015-06-10 | 北京工业大学 | 一种全景图道路轮廓的提取方法 |
CN105674910A (zh) * | 2016-01-14 | 2016-06-15 | 江苏大学 | 一种超大型剪板机板料剪切边缘曲线检测系统及方法 |
CN107197269A (zh) * | 2017-07-04 | 2017-09-22 | 广东工业大学 | 一种视频拼接的方法与装置 |
CN108566513A (zh) * | 2018-03-28 | 2018-09-21 | 深圳臻迪信息技术有限公司 | 一种无人机对运动目标的拍摄方法 |
EP3695374A1 (en) * | 2017-10-10 | 2020-08-19 | Connaught Electronics Ltd. | Method for generating an output image showing a motor vehicle and an environmental region of the motor vehicle in a predetermined target view, camera system as well as motor vehicle |
-
2020
- 2020-09-28 CN CN202011040988.6A patent/CN112132751B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103077387A (zh) * | 2013-02-07 | 2013-05-01 | 东莞中国科学院云计算产业技术创新与育成中心 | 视频中货运列车车厢自动检测方法 |
CN104700071A (zh) * | 2015-01-16 | 2015-06-10 | 北京工业大学 | 一种全景图道路轮廓的提取方法 |
CN105674910A (zh) * | 2016-01-14 | 2016-06-15 | 江苏大学 | 一种超大型剪板机板料剪切边缘曲线检测系统及方法 |
CN107197269A (zh) * | 2017-07-04 | 2017-09-22 | 广东工业大学 | 一种视频拼接的方法与装置 |
EP3695374A1 (en) * | 2017-10-10 | 2020-08-19 | Connaught Electronics Ltd. | Method for generating an output image showing a motor vehicle and an environmental region of the motor vehicle in a predetermined target view, camera system as well as motor vehicle |
CN108566513A (zh) * | 2018-03-28 | 2018-09-21 | 深圳臻迪信息技术有限公司 | 一种无人机对运动目标的拍摄方法 |
Non-Patent Citations (7)
Title |
---|
TIANYAZHANG等: ""A longitudinal scanline based vehicle trajectory reconstruction method for high-angle traffic video"", 《TRANSPORTATION RESEARCH PART C: EMERGING TECHNOLOGIES》 * |
李杰 等: "《无人系统设计与集成》", 30 September 2014, 国防工业出版社 * |
杨磊: "《数字媒体技术概论》", 31 July 2017, 中国铁道出版社 * |
汤庆阳等: "视频图像序列运动参数估计与动态拼接", 《计算机科学》 * |
王寒光等: "基于圆形感兴趣区域多路视频实时拼接", 《计算机应用》 * |
翟乃斌: ""基于计算机视觉的汽车整车尺寸测量系统的研究"", 《中国优秀博硕士学位论文全文数据库(博士) 工程科技Ⅱ辑》 * |
黄思明: ""交通视频图像中车辆提取分类方法研究"", 《中国优秀硕士学位论文全文数据库信息科技辑》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113012061A (zh) * | 2021-02-20 | 2021-06-22 | 百果园技术(新加坡)有限公司 | 降噪处理方法、装置及电子设备 |
CN116935278A (zh) * | 2023-07-25 | 2023-10-24 | 广东技术师范大学 | 基于同步信号的车型识别方法、装置、电子设备及介质 |
CN116935278B (zh) * | 2023-07-25 | 2024-02-13 | 广东技术师范大学 | 基于同步信号的车型识别方法、装置、电子设备及介质 |
Also Published As
Publication number | Publication date |
---|---|
CN112132751B (zh) | 2023-02-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2017028587A1 (zh) | 车辆监控的方法和装置、处理器、图像采集设备 | |
CN108038416B (zh) | 车道线检测方法及系统 | |
EP1796043B1 (en) | Object detection | |
CN112132751B (zh) | 基于频域变换的视频流车身全景图像拼接装置和方法 | |
CN110414385B (zh) | 一种基于单应性变换和特征窗口的车道线检测方法及系统 | |
CN103324958B (zh) | 一种复杂背景下基于投影法和svm的车牌定位方法 | |
CN109489724A (zh) | 一种隧道列车安全运行环境综合检测装置及检测方法 | |
JP2002074368A (ja) | 移動物体認識追跡装置 | |
CN106815583A (zh) | 一种基于mser和swt相结合的夜间车辆车牌定位方法 | |
KR20140132210A (ko) | 차선 인식 방법 및 그 시스템 | |
CN106702870A (zh) | 一种道路裂缝检测系统 | |
CN111652033A (zh) | 基于OpenCV的车道线检测方法 | |
CN112232286A (zh) | 一种道路巡检无人机图像识别系统及无人机 | |
CN106803073B (zh) | 基于立体视觉目标的辅助驾驶系统及方法 | |
CN106340031A (zh) | 一种检测运动物体的方法和装置 | |
CN109948618A (zh) | 一种远距离车牌识别的终端、系统和方法 | |
JP2002197588A (ja) | 走行車両のタイヤ種別判別方法,車種判別方法及び車種判別装置 | |
CN112954309A (zh) | 一种基于ar-hud增强现实在车载对目标跟踪效果的试验方法 | |
CN101216893B (zh) | 视频运动阴影检测方法 | |
CN110620874B (zh) | 一种用于平行驾驶的图像处理方法 | |
JP2008112349A (ja) | 移動物体検知装置 | |
CN116030430A (zh) | 铁轨识别方法、装置、设备及存储介质 | |
CN113487487B (zh) | 一种异构立体图像的超分辨率重建方法及系统 | |
CN208522852U (zh) | 人脸识别执法仪 | |
CN104077566B (zh) | 基于颜色差分的卡口图片人脸检测方法 |
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 |