CN112146584B - 一种精准测量路面水膜厚度的激光检测算法 - Google Patents
一种精准测量路面水膜厚度的激光检测算法 Download PDFInfo
- Publication number
- CN112146584B CN112146584B CN202011017546.XA CN202011017546A CN112146584B CN 112146584 B CN112146584 B CN 112146584B CN 202011017546 A CN202011017546 A CN 202011017546A CN 112146584 B CN112146584 B CN 112146584B
- Authority
- CN
- China
- Prior art keywords
- road surface
- water film
- thickness
- water
- dry
- 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
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/02—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness
- G01B11/06—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness for measuring thickness ; e.g. of sheet material
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
Description
技术领域
本发明涉及一种道路路面气象监测技术,具体涉及一种精准测量路面水膜厚度的激光检测算法。
背景技术
高速公路具有车速高、通行能力大的特点,在社会经济发展中可降低运输成本,提高运输效率,还可以带动周边经济发展,因此高速公路具有极高得经济效益。我国高速公路发展截至2018年底,总里程突破14万公里,位居世界第一。据统计,我国在公路运输、水运运输、铁路运输、民用空运、管道运输几大类型的运输中,公路运输占到了78.8%,水路运输运占10.94%,铁路运输占8.81%,民航空运占1.44%,管道运输占0.01%,可见我国运输主要集中在公路运输,其中高速路为公路运输的主要途径。
在高速公路带来巨大的经济效益时,由于高封闭性、高车速所带来的交通事故也一直高居不下。这些交通事故带来大量人员伤亡以及巨大的财产损失,研究发现路面气象环境对交通有着极大的关联,当高速公路路面出现冰雪,事故率急剧上升,直接威胁着出行人员的人身财产安全,同时也直接影响着交通运输效率。这是由于高速路上平均车速高达80km/h,在冰雪天气下,路面结冰会大大降低汽车轮胎与路面的摩擦,导致汽车制动距离延长以及转向打滑等,加上雪天能见度降低,从而使得交通事故发生率急剧增加。根据英国的气候条件与交通事故资料统计,降雪时高速公路事故发生率是干燥路面的5倍,结冰时事故发生率是干燥路面的8倍。
为了减少冰雪天气造成的交通事故损失,国内外都在加强对道路路面气象情况的监测,除了人工巡检外,也有部分采用更为先进的路面气象传感技术,目前市面上已有的路面气象传感器主要分为接触时与非接触式两种,接触传感式发展比较成熟,如电导率法、多普勒雷达法、电容法等,但此类传感器采取埋入式安装方式,不仅能够检测的区域比较小,还需要破坏路基,部署灵活性较差,而且对水膜厚度的检测量程一般小于5mm,尚未达到引用NASA模型计算滑水速度所要求的7.62mm量程;非接触式传感器主要利用路面反射的红外光谱特征进行气象检测,具备不破坏路面的特点,但多波长红外激光成像技术其无法得知路面水膜厚度,同时短波红外成像设备的成本相对较高,难以得到广泛应用;而采用单波长红外激光的非接触式气象传感器,虽然能够对干燥、积水、结冰状态进行判断,设备成本低,但对积水和结冰状态的分辨需要依赖外部温度检测装置,使得仪器结构非常复杂。因此急需要一种技术,并能对路面水膜厚度进行准确测量计算。
发明内容
本发明的目的在于提供一种激光检测算法,以精准测量路面水膜厚度,便于后续对道路路面气象情况进行准确的判断。
为解决上述问题,本发明提供一种精准测量路面水膜厚度的激光检测算法,包括并排放置的激光光源与光电探测器,光强为I0的光束以θ角照射积水路面,光束进入水面后的折射角为δ,光电探测器接收θ方向的路面漫反射光强为I1,水膜表面的漫反射光强为i,进入水膜后的入射光强为I0′=I0-i,水膜中的传播距离l,水膜吸收系数K;探测距离衰减因子为RL、水面漫反射衰减因子为Rθ、路面漫反射衰减因子为Rδ,干燥路面和待测路面的探测光强分别为Idry和I,水膜厚度为
作为优选方案,为了保证检测的精度,使其误差小于0.1mm,限定参数适用范围如下,探测距离L=3~5m、水膜厚度D=2~10mm、光束入射角度θ=20°~30°。
进一步的为了简化计算,因实际路面测量状况下,测量角度、距离不变,由于L>>l,可认为RL不变,仅水膜厚度发生变化,令j=IdryRθRL,则Idry、Q和j均为常数,三个常数通过干燥路面及2组不同水膜厚度的探测光强值标定获得,当Idry、Q和j确定之后,通过检测反射光强I,就可以得到水膜厚度为:
为方便实施上述激光检测算法,本申请提供一种激光检测算法的检测器,包括有激光器、激光驱动器、光束准直和聚焦系统、探测器以及数据采集系统,所述激光器为两个DFB激光器,激光波长分别为1310nm与1550nm,其中,1310nm波长主要用以探测水膜的厚度D,而1550nm波长主要用以进一步区分水膜为水和/或冰的状态,所述光束准直和聚焦系统的准直镜和聚焦镜采用红外消色差镜片制作,所述探测器为光电探测器,探测器将激光投射在路面的光斑直径大于500mm。
作为优选方案,记D为水膜厚度,R=(I/Idry)为相对反射率,Idry为干燥路面的探测光强、I为待测路面的探测光强,当R≈1且D≈0mm时为路面干燥状态,当R≤0.15且D<2mm时为路面潮湿状态,当R≤0.15且D≥2mm时为路面积水状态,当R≥0.3且D≠0mm时为路面结冰状态,当0.15<R<0.3且D≠0mm时为路面冰水混合状态。
作为优选方案,为了获得更高的探测灵敏度,同时减少探测光通过地面漫反射方式进入人眼造成可能的伤害,所述准直镜和聚焦镜的焦距均为35mm,直径均为40mm,准直镜距离光纤端面40mm,聚焦镜距离探测器50mm,所述激光器最大功率小于100mW。
与现有技术相比,本方案的优点在于:本申请通过激光检测装置和算法,有效将难以测量的参数分离独立成常数,通过一次测量标定即可,后续过程中只要不改变激光探测的角度和距离,即可以非接触的形式精准测量路面水膜厚度,而且不依赖外部温度检测装置对温度的检测和使用,极大方便了后续对道路路面气象情况进行准确的判断。
附图说明
图1为实施例1激光检测算法的检测器组成示意图;
图2为实施例1水膜厚度检测原理示意图;
图3实施例1水与冰的短波红外反射谱;
图4为实施例1仿真优化后不同探测距离下的成像效率,其中(a)(b)(c)地面光斑;(d)(e)(f)探测器光斑;
图5为实施例1在不同探测条件下水膜厚度的测量结果,其中(a)浅色路面;(b)深色路面;
图6为实施例1各状态的相对反射率测量值,测量参数选择为:λ=1550nm,L=3m,θ=20°
图7为实施例2各状态的相对反射率测量值,测量参数选择为:λ=1550nm,L=5m,θ=30°
具体实施方式
下面通过具体实施方式进一步详细的说明:
需要提前说明的是,在本发明中,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以根据具体情况理解上述术语在本发明中的具体含义。
本实施例提供一种精准测量路面水膜厚度的激光检测算法及其检测器,包括有激光器、激光驱动器、光束准直和聚焦系统、探测器以及数据采集系统,具体组成参数如图1所示,其中,激光器为两个DFB激光器,激光波长分别为1310nm与1550nm,光束准直和聚焦系统的准直镜和聚焦镜采用红外消色差镜片制作,直径为40mm;探测器采用光电探测器,其位于探测路面上方3-5m位置。激光器最大功率应<100mW,以获得足够高的探测灵敏度,同时保护人的眼睛,此外为避免环境光干扰和空气扰动,本实施例采用2KHz正弦信号对光功率进行调制,探测光强I均代表接收光强的正弦峰峰值。
如图2所示,激光光源(LD)与光电探测器(PD)并排放置,使用光强为I0的光束以θ角照射积水路面,令光束进入水面后的折射角为δ。
由于水膜表面及道路表面并非理想光滑面,两者均会产生漫反射。考虑到探测器仅能接收θ方向的反射光,定义θ方向上路面漫反射光强为I1,水膜表面的漫反射光强为i,则进入水膜后的入射光强可简化表示为I0′=I0-i。若只讨论水分子的光谱吸收作用,忽略传播路径上的其他光强衰减,则I0、I1与光束在水膜中的传播距离l满足朗伯比尔定律,表示为:
其中,K为水膜吸收系数。
那么,当进一步引入各类路径衰减后,令探测距离衰减因子为RL、水面漫反射衰减因子为Rθ、路面漫反射衰减因子为Rδ,干燥路面和待测路面的探测光强分别为Idry和I。由于干燥状态下不存在水面反射和光谱吸收,可得到关系式:
将式2代入式1并整理可得到式3:
当测量角度、距离不变,仅改变水膜厚度时,由于探测距离L>>l,可认为RL不变,则Idry、Q和j均为常数。这三个参数的取值可通过干燥路面及2组不同水膜厚度的探测光强值标定获得。因此,当Idry、Q和j确定之后,通过检测反射光强I,就可以计算得到水膜厚度。
本申请最优激光波长1310nm与1550nm通过以下方法获得,通过采用复享光学NIR2200短波红外光谱仪作为数据采集系统,通过对纯水及其结冰(无霜)状态进行了反射光谱测量,测量参数为L=50mm、D=2mm、θ=20°。光谱如图3所示,水膜的吸收峰(即最低反射率)出现在1500nm附近;水与冰的反射谱形几乎一致,但冰面较粗糙,表面反射率更高,因此光谱基线出现了向上漂移。
考虑到高反射率波段携带的厚度信息较少,低反射率波段的光强太弱不利于检测,本文选择反射率适中,且在光通信中大量使用的1310nm为作为水膜检测波长,这样既可有效提高检测精度又能大幅降低激光器成本;同理,选择光通信波长1550nm作为第二检测波长,从图3可知该波长具有易被冰、水大量吸收的特点,其反射光强主要取决于冰、水的表面反射率。而实际结冰路面存在结冰不均匀、覆盖杂质和表面结霜等情况,冰、水表面对1550nm光的反射率差异显著。因此,基于这种特征可实现对干燥、积水、结冰等路面气象状态的准确判别。
探测器将激光投射在路面的光斑直径大于500mm,以避免因路面局部起伏引起反射率突变,导致测量误差增大,从而实现路面反射信号的均匀化;通过利用TracePro对透镜的焦距和安装位置进行仿真优化,令路面光斑直径为d,定义成像效率E为探测器像元上的光强与像面总光强之比,仿真结果如图4所示,得出准直镜和聚焦镜的焦距均为35mm,准直镜距离光纤端面40mm,聚焦镜距离探测器50mm,光电探测器像元直径为5mm,探测距离L在3~5m范围内成像效率E均高于90%。
通过改变路面反射率、探测倾角和探测距离,本文进行了6组水膜测量实验,从而模拟实际检测中不同的测量环境。为了准确标定水膜厚度,以浅色、深色两种反射率的聚酯纤维仿真路面作为被测目标放置于平底盘状容器中,当容器直径已知时,通过测量注水体积的即可得到实际膜厚。实验中,首先根据干燥、2mm和6mm积水状态的1310nm反射信号幅值,结合式4计算各组的测量参数Idry、Q和j,得到膜厚检测的拟合方程。然后从2mm膜厚起以0.81mm为步进逐次增加膜厚并记录反射信号幅值。需要说明的是,对于膜厚小于2mm的情况,由于路面极为粗糙,实际厚度具有较大不确定性,参考国家《道路交通气象环境埋入式路面状况检测器标准》,可将其记录为潮湿状态而无需精细测量。最后,将信号幅值代入拟合方程得到膜厚测量值,实验结果如表1和图5所示,其中RMSE为均方根误差,EMAX为9mm量程下最大绝对误差,E′MAX为10mm量程下最大绝对误差。
表1不同探测条件下水膜厚度的测量结果(λ=1310nm)
从实验结果可知,测量值与标定值吻合度非常高,在积水厚度9mm以内的对水膜厚度的测量误差小于0.1mm,与“埋入式路面状况检测器标准”相比达到了同等精度,证明了该测量模型的正确性。
为了降低探测角度和距离对状态判别的影响,定义相对反射率R=(I/Idry)作为判别依据。如图6所示,实验首先测量了当L=3米、θ=20°时,干燥、积水、冰水混合(Mix)、无霜结冰、结霜五种路面状态在1550nm波长的相对反射率。其中,1~5组为浅色路面,6~10组为深色路面,积水、结冰状态的厚度分别从刚好覆盖表面(约0.1mm)均匀递增至10mm。冰水混合状态下的厚度由于实验控制难度较大,采用随机测量方式。
从图6可知,积水状态R均小于0.15,而结冰状态R大于0.3。因此,结合水膜厚度测量值D,可定义如表2所示的阈值参数用于判别干燥、潮湿、积水、冰水混合、结冰(含结霜)等五种路面状态。
表2路面气象状态判别阈值
即本申请非接触式双波长激光路面状态的判别方法是,当R≈1且D≈0mm为路面干燥,当R≤0.15且D<2mm为路面潮湿,当R≤0.15且D≥2mm为路面积水,当R≥0.3且D≠0mm为路面结冰,当0.15<R<0.3且D≠0mm为路面冰水混合,其中,D为水膜厚度,相对反射率R=(I/Idry),Idry和I分别为干燥路面和待测路面的探测光强。
实施例2
实施例2的检测器结构及检测步骤与实施例1相同,主要的差异是将实验中的测量参数为L=5m、θ=30°,其他过程保持不变,再次测得各组的相对反射率如图7所示。相比于实施例1的图6,虽然积水和冰水混合状态下R稍有减小,但它们仍适用于实施例1中表2定义的判别阈值。由此证明,该方法具有较好的环境适应性,在大多数情况下无需改变阈值定义即可对路面气象状态进行准确判别。
以上所述的仅是本发明的实施例,方案中公知的具体结构及特性等常识在此未作过多描述,所属领域普通技术人员知晓申请日或者优先权日之前发明所属技术领域所有的普通技术知识,能够获知该领域中所有的现有技术,并且具有应用该日期之前常规实验手段的能力,所属领域普通技术人员可以在本申请给出的启示下,结合自身能力完善并实施本方案,一些典型的公知结构或者公知方法不应当成为所属领域普通技术人员实施本申请的障碍。应当指出,对于本领域的技术人员来说,在不脱离本发明结构的前提下,还可以作出若干变形和改进,这些也应该视为本发明的保护范围,这些都不会影响本发明实施的效果和专利的实用性。本申请要求的保护范围应当以其权利要求的内容为准,说明书中的具体实施方式等记载可以用于解释权利要求的内容。
Claims (4)
1.一种精准测量路面水膜厚度的激光检测算法,其特征在于:包括并排放置的激光光源与光电探测器,光强为I0的光束以θ角照射积水路面,光束进入水面后的折射角为δ,光电探测器接收θ方向的路面漫反射光强为I1,水膜表面的漫反射光强为i,进入水膜后的入射光强为I0′=I0-i,水膜中的传播距离l,l满足朗伯比尔定律:水膜吸收系数K;探测距离衰减因子为RL、水面漫反射衰减因子为Rθ、路面漫反射衰减因子为Rδ,干燥路面和待测路面的探测光强分别为Idry和I,由于干燥状态下不存在水面反射和光谱吸收,可得:
L=3~5m、D=2~10mm、θ=20°~30°,
2.一种利用如权利要求1所述精准测量路面水膜厚度的激光检测算法的检测器,其特征在于;包括有激光器、激光驱动器、光束准直和聚焦系统、探测器以及数据采集系统,所述激光器为两个DFB激光器,激光波长分别为1310nm与1550nm,所述光束准直和聚焦系统的准直镜和聚焦镜采用红外消色差镜片制作,所述探测器为光电探测器,探测器将激光投射在路面的光斑直径大于500mm。
3.根据权利要求2所述精准测量路面水膜厚度的激光检测算法的检测器,其特征在于:所述准直镜和聚焦镜的直径均为40mm,焦距均为35mm,准直镜距离光纤端面40mm,聚焦镜距离探测器50mm,所述激光器最大功率小于100mW。
4.一种利用如权利要求1所述精准测量路面水膜厚度的激光检测算法的检测器的路面状态判别方法,其特征在于:
记D为水膜厚度,Idry为干燥路面的探测光强、I为待测路面的探测光强,R=(I/Idry)为相对反射率,当R≈1且D≈0mm时为路面干燥状态,当R≤0.15且D<2mm时为路面潮湿状态,当R≤0.15且D≥2mm时为路面积水状态,当R≥0.3且D≠0mm时为路面结冰状态,当0.15<R<0.3且D≠0mm时为路面冰水混合状态。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011017546.XA CN112146584B (zh) | 2020-09-24 | 2020-09-24 | 一种精准测量路面水膜厚度的激光检测算法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011017546.XA CN112146584B (zh) | 2020-09-24 | 2020-09-24 | 一种精准测量路面水膜厚度的激光检测算法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112146584A CN112146584A (zh) | 2020-12-29 |
CN112146584B true CN112146584B (zh) | 2022-07-01 |
Family
ID=73896690
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011017546.XA Active CN112146584B (zh) | 2020-09-24 | 2020-09-24 | 一种精准测量路面水膜厚度的激光检测算法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112146584B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113390796B (zh) * | 2021-06-03 | 2022-07-08 | 武汉致腾科技有限公司 | 一种基于多光谱的路面水冰雪识别分类方法 |
CN113252596B (zh) * | 2021-07-15 | 2021-09-28 | 四川九通智路科技有限公司 | 一种基于红外激光的新型公路路面状态监测方法 |
CN115164788A (zh) * | 2022-05-18 | 2022-10-11 | 中国人民解放军火箭军工程设计研究院 | 基于雷达技术的物体厚度检测方法、装置及系统 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5105157A (en) * | 1989-12-09 | 1992-04-14 | Tzn Forschungs- Und Entwicklungszentrum Unterluss Gmbh | Apparatus for determining the average water film thickness of road surfaces |
CN1077528A (zh) * | 1993-04-29 | 1993-10-20 | 清华大学 | 测量点、线之间的润滑油膜厚度的方法 |
JPH07198341A (ja) * | 1993-12-28 | 1995-08-01 | Nec Corp | 水膜測定装置 |
JPH10153551A (ja) * | 1996-11-25 | 1998-06-09 | Omron Corp | 光学式路面状態判別装置 |
CN104062268A (zh) * | 2014-06-24 | 2014-09-24 | 中国科学院西安光学精密机械研究所 | 一种非接触式路面气象状态传感器及其应用方法 |
CN106781230A (zh) * | 2017-01-13 | 2017-05-31 | 常州因特力交通科技有限公司 | 基于红外光谱技术的公路结冰检测与预警系统及其方法 |
CN108426531A (zh) * | 2018-04-13 | 2018-08-21 | 清华大学深圳研究生院 | 一种复合膜厚度在线测量系统 |
CN110470231A (zh) * | 2019-08-07 | 2019-11-19 | 上海交通大学 | 一种透明物体厚度激光测量方法和系统 |
CN113323824A (zh) * | 2021-07-08 | 2021-08-31 | 中国华能集团清洁能源技术研究院有限公司 | 一种基于激光强度测量的风机叶片结冰监测系统及方法 |
-
2020
- 2020-09-24 CN CN202011017546.XA patent/CN112146584B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5105157A (en) * | 1989-12-09 | 1992-04-14 | Tzn Forschungs- Und Entwicklungszentrum Unterluss Gmbh | Apparatus for determining the average water film thickness of road surfaces |
CN1077528A (zh) * | 1993-04-29 | 1993-10-20 | 清华大学 | 测量点、线之间的润滑油膜厚度的方法 |
JPH07198341A (ja) * | 1993-12-28 | 1995-08-01 | Nec Corp | 水膜測定装置 |
JPH10153551A (ja) * | 1996-11-25 | 1998-06-09 | Omron Corp | 光学式路面状態判別装置 |
CN104062268A (zh) * | 2014-06-24 | 2014-09-24 | 中国科学院西安光学精密机械研究所 | 一种非接触式路面气象状态传感器及其应用方法 |
CN106781230A (zh) * | 2017-01-13 | 2017-05-31 | 常州因特力交通科技有限公司 | 基于红外光谱技术的公路结冰检测与预警系统及其方法 |
CN108426531A (zh) * | 2018-04-13 | 2018-08-21 | 清华大学深圳研究生院 | 一种复合膜厚度在线测量系统 |
CN110470231A (zh) * | 2019-08-07 | 2019-11-19 | 上海交通大学 | 一种透明物体厚度激光测量方法和系统 |
CN113323824A (zh) * | 2021-07-08 | 2021-08-31 | 中国华能集团清洁能源技术研究院有限公司 | 一种基于激光强度测量的风机叶片结冰监测系统及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112146584A (zh) | 2020-12-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112146584B (zh) | 一种精准测量路面水膜厚度的激光检测算法 | |
US5218206A (en) | Method for determining the condition of a roadway surface | |
EP2486392B1 (en) | Measuring instrument and method for determination of the properties of an item and its surface | |
CN103293117B (zh) | 一种微脉冲差分吸收激光雷达水汽时空分布反演方法 | |
CN103630908B (zh) | 分子散射测风激光雷达中激光频谱测量校准方法 | |
CN106781230B (zh) | 基于红外光谱技术的公路结冰检测与预警系统及其方法 | |
CN112088299B (zh) | 道路状况监测系统 | |
CN108151799B (zh) | 一种多光谱多角度非接触式道面状态监测装置及方法 | |
CN103047937B (zh) | 一种路面气象状态探测方法以及路面气象状态传感器 | |
CA2712855A1 (en) | Non-contact freezing temperature determination | |
CN112113508B (zh) | 一种非接触式双波长激光路面状态检测及判别方法 | |
CN104062268A (zh) | 一种非接触式路面气象状态传感器及其应用方法 | |
Holzwarth et al. | Non-contact sensors for road conditions | |
CN113252596B (zh) | 一种基于红外激光的新型公路路面状态监测方法 | |
DE102004001046B4 (de) | Sensor für Verkehrswegsoberflächen | |
CN110095435B (zh) | 一种非接触式路面黑冰状态的检测方法 | |
Ruiz-Llata et al. | LiDAR design for road condition measurement ahead of a moving vehicle | |
RU2692822C1 (ru) | Способ определения метеорологической дальности видимости | |
CN212903321U (zh) | 一种公路气象检测装置 | |
ALIMASI et al. | Development of a mobile optical system to detect road-freezing conditions | |
Casselgren et al. | Classification of road conditions—to improve safety | |
Ruan et al. | Road meteorological condition sensor based on multi-wavelength light detection | |
Ruiz-Llata et al. | Remote ice detection system for on-board applications based on fiber optics | |
Fujimura et al. | Road surface sensor | |
Ciamberlini et al. | An optoelectronic prototype for the detection of road surface conditions |
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 |