CN112287731B - 目标的三元图像构建方法和装置及检测方法和装置 - Google Patents
目标的三元图像构建方法和装置及检测方法和装置 Download PDFInfo
- Publication number
- CN112287731B CN112287731B CN201910676294.2A CN201910676294A CN112287731B CN 112287731 B CN112287731 B CN 112287731B CN 201910676294 A CN201910676294 A CN 201910676294A CN 112287731 B CN112287731 B CN 112287731B
- Authority
- CN
- China
- Prior art keywords
- image
- target
- ternary
- edge
- ternary 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.)
- 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
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
- G06V20/588—Recognition of the road, e.g. of lane markings; Recognition of the vehicle driving pattern in relation to the road
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/12—Edge-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/10—Image acquisition
- G06V10/12—Details of acquisition arrangements; Constructional details thereof
- G06V10/14—Optical characteristics of the device performing the acquisition or on the illumination arrangements
- G06V10/143—Sensing or illuminating at different wavelengths
-
- 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
Abstract
本发明涉及智能交通及图像处理技术领域,公开了一种目标的三元图像构建方法和装置及检测方法和装置。所述三元图像构建方法包括:对包括目标的图像进行二值化处理,以获得包括目标的二值化图像;检测沿指定方向两两相邻的像素之间的二进值变化,若从0变为1,则将二值化图像中两个相邻像素之间的像素中的一者视为具有正边缘,若从1变为0,则将二值化图像中的两个相邻像素之间的像素中的一者视为具有负边缘;以及根据获取的正边缘和负边缘构建目标的三元图像。本发明无需差分处理,通过原始图像的二值化和开关基边检测即可获得三元图像,显著地减少了进行图像处理操作的计算时间。
Description
技术领域
本发明涉及智能交通及图像处理技术领域,特别涉及一种目标的三元图像构建方法和装置及检测方法和装置。
背景技术
目前,具有AD(Autonomous driving,自主驾驶)功能或ADAS(Advanced DriverAssistance System,高级驾驶辅助系统)的车辆已开始逐步推向市场,极大地促进了智能交通的发展。
现有技术中,支持AD/ADAS的传感器主要有雷达、视觉相机系统(以下也称为摄像头)、激光雷达、超声波传感器等,其中视觉相机系统因能够获得与人类视觉一样的二维图像信息而应用最为广泛,其使用图像处理从捕获的图像中提取特征(或对象)以用于车道检测和/或物体检测。通常,该图像处理包括两个步骤:
1)基本过程:首先将差分处理应用于图像数据,然后通过设置阈值来得到二值或三元图像。
2)根据二值或三元图像进行物体检测(或车道检测):根据基于模型的分析或模式匹配。
其中,在上述基本过程中,图像的差分处理通常需要花费很多时间,特别是对于大面积的图像处理,在某些情况下,甚至超过了总的图像处理时间的70%。目前没有经济有效的方法来抑制花费在差分处理上的时间,且差分处理通常在DSP(Digital SignalProcesser,数字信号处理器)或FPGA(Field-Programmable Gate Array,现场可编程门阵列)中进行,而这需要额外的硬件成本。
因此,需要考虑一种有效的方法来避免差分处理的计算时间和硬件成本。
发明内容
有鉴于此,本发明旨在提出一种目标的三元图像构建方法,以至少部分地解决上述技术问题。
为达到上述目的,本发明的技术方案是这样实现的:
一种目标的三元图像构建方法,包括:对由车辆上的摄像头捕获的包括目标的图像进行二值化处理,以获得包括所述目标的二值化图像;检测沿指定方向两两相邻的像素之间的二进值变化,若从0变为1,则将所述二值化图像中两个相邻像素之间的像素中的一者视为具有正边缘,若从1变为0,则将所述二值化图像中的两个相邻像素之间的所述像素中的一者视为具有负边缘;以及根据获取的正边缘和负边缘构建所述目标的三元图像。
进一步的,所述进行二值化处理包括:通过设置阈值来实现所述二值化处理,其中采用最大类间方差法Otsu来分析所述图像的强度分布以确定所述阈值。
进一步的,在所述构建所述目标的三元图像之后,所述三元图像构建方法还包括:控制具有所述正边缘和所述负边缘的像素沿所述指定方向扩展,以在所述二值化图像中形成扩展后的正边缘和负边缘。
进一步的,所述指定方向为水平方向。
相对于现有技术,本发明所述的目标的三元图像构建方法具有以下优势:本发明无需差分处理,通过原始图像的二值化和开关基边检测即可获得三元图像,显著地减少了进行图像处理操作的计算时间。
本发明的另一目的在于提出一种目标检测方法,以至少部分地解决上述技术问题。
为达到上述目的,本发明的技术方案是这样实现的:
一种目标检测方法,包括:采用上述的目标的三元图像构建方法,获得待识别目标的三元图像;以及基于所述三元图像检测所述待识别目标。
相对于现有技术,本发明所述的目标检测方法具有以下优势:本发明既能准确地识别出目标,又能显著地减少目标检测中由于差分处理带来的图像操作处理时间。
本发明的另一目的在于提出一种目标的三元图像构建装置,以至少部分地解决上述技术问题。
为达到上述目的,本发明的技术方案是这样实现的:
一种目标的三元图像构建装置,包括:二值化处理模块,用于对车辆上的摄像头捕获的包括所述目标的图像进行二值化处理,以获得包括所述目标的二值化图像;边缘检测模块,用于检测沿指定方向两两相邻的像素之间的二进值变化,若从0变为1,则将所述二值化图像中两个相邻像素之间的像素中的一者视为具有正边缘,若从1变为0,则将所述二值化图像中的两个相邻像素之间的所述像素中的一者视为具有负边缘;以及三元图像构建模块,用于根据获取的正边缘和负边缘构建所述目标的三元图像。
进一步的,所述二值化处理模块进行二值化处理包括:通过设置阈值来实现所述二值化处理,其中采用Otsu来分析所述图像的强度分布以确定所述阈值。
进一步的,在所述三元图像构建装置还包括:正负边缘扩展模块,用于控制具有所述正边缘和所述负边缘的像素沿所述指定方向扩展,以在所述二值化图像中形成扩展后的正边缘和负边缘。
进一步的,所述指定方向为水平方向。
所述三元图像构建装置与上述三元图像构建方法相对于现有技术所具有的优势相同,在此不再赘述。
本发明的另一目的在于提出一种目标检测装置,以至少部分地解决上述技术问题。
为达到上述目的,本发明的技术方案是这样实现的:
一种目标检测装置,包括:上述的目标的三元图像构建装置,用于获得待识别目标的三元图像;以及目标检测模块,用于基于所述三元图像检测所述待识别目标。
所述目标检测装置与上述目标检测方法相对于现有技术所具有的优势相同,在此不再赘述。
本发明的另一目的在于提出一种机器可读存储介质,以至少部分地解决上述技术问题。
为达到上述目的,本发明的技术方案是这样实现的:
一种机器可读存储介质,该机器可读存储介质上存储有指令,该指令用于使得机器执行上述的用于目标检测的图像处理方法或目标检测方法。
所述机器可读存储介质与上述三元图像构建方法及目标检测方法相对于现有技术所具有的优势相同,在此不再赘述。
本发明的其它特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
构成本发明的一部分的附图用来提供对本发明的进一步理解,本发明的示意性实施方式及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1是现有技术中的三元图像构建方法的流程示意图;
图2是本发明实施例的一种目标的三元图像构建方法的流程示意图;
图3(a)是本发明实施例的示例中的原始图像和分析区域的示意图,图3(b)是本发明实施例的示例中通过阈值得到的原始图像的二值化图像的示意图,图3(c)该示例中最终得到的三元图像的示意图;
图4是将图3(b)中选择的基边的边缘点沿水平方向扩展成三个边缘点的示意图;
图5是本发明实施例中车道检测的示例所得到的车道线的示意图;以及
图6是本发明实施例的目标的三元图像构建装置的结构示意图。
附图标记说明:
610、二值化处理模块;620、边缘检测模块;630、三元图像构建模块。
具体实施方式
需要说明的是,在不冲突的情况下,本发明中的实施方式及实施方式中的特征可以相互组合。
另外,在本发明的实施方式中所提到的目标包括车道线以及位于前车摄像头的摄像范围内的行人、车辆、道路标识、路障设备(如交通锥)等。
下面将参考附图并结合实施方式来详细说明本发明。
本发明实施例提供了一种目标的三元图像构建方法,但为了能够更为清楚地介绍本发明实施例方案,在此先对现有技术中的三元图像构建方法进行介绍。
图1是现有技术中的三元图像构建方法的流程示意图。如图1所示,该流程可以包括以下步骤:
S110,图像获取,即通过摄像捕获图像。
S120,颜色选择,选择红色、绿色和蓝色中的一种。
S130,分析区域确定,包括子采样过程。
其中,分析区域的大小应保证能覆盖目标。并且,进行子采样是因为当前图像具有许多像素,超过100万像素,而通过子采样可以减少计算点。在子采样之后,分析区域将具有大约100×250像素。
S140,缩小/子采样图像,其中缩小/子采样图像是分析区域和子采样的结果。
S150,平滑、差分(differential)处理、外围处理图像。
其中,平滑是差分的预处理过程,Sobel用作差分滤波器,外围处理对于外围像素是必要的,因为它们在矩阵运算中成为唯一的像素,且外围处理排除/处理外围像素以供后续计算。
举例而言,在进行差分处理之前,将以下的平滑滤波器应用于分析区域中的图像:
然后,再应用下面的Sobel滤波器:
其中,差分处理需要大量的计算时间,甚至有可能超过总计算时间的70%。
S160,设置阈值得到三元图像,其中针对正/负差分图像分别设置阈值。
举例而言,经步骤S150处理后的图像通过阈值threshold被截断以形成三元图像:
aaa(m,n)<-thresholdttt(m,n)=-1,对应三元图像的负边缘;
aaa(m,n)>+thresholdttt(m,n)=1,对应三元图像的正边缘
其他,ttt(m,n)=0
其中,aaa(m,n)和ttt(m,n)分别是差分图像和三元图像。
据此,得到了目标的三元图像。
在现有技术中的三元图像构建方法依赖于差分处理的情况下,本发明实施例提供了没有差分处理的目标的三元图像构建方法。图2是本发明实施例的一种目标的三元图像构建方法的流程示意图。如图2所示,该方法可以包括以下步骤:
步骤S210,对由车辆上的摄像头捕获的包括目标的图像进行二值化处理,以获得包括所述目标的二值化图像。
其中,二值化处理也采用设置阈值的方法来实现,例如步骤S160中涉及的阈值方案,以得到对应的二值化图像。另外,阈值可由图像中的强度分布确定,且可采用最大类间方差法(Otsu方法)来分析所述图像的强度分布以确定所述阈值。
举例而言,图3(a)是本发明实施例的示例中的原始图像和分析区域的示意图,其中车道为检测目标,图中的框表示分析区域。对应于图3(a)的分析区域,图3(b)是本发明实施例的示例中通过阈值得到的原始图像的二值化图像的示意图,其中Ostu方法的参数为:0.361,50.5,max=140。
步骤S220,检测沿指定方向两两相邻的像素之间的二进值变化。
其中,二进值变化是指二进制数值的变化。在优选的实施例中,对于该步骤S220,可以基于所述二值化图像的长度和方向,从所述二值化图像中选择任一基边,再从所述基边上检测沿指定方向两两相邻的像素之间的二进值变化。举例而言,可从图3(b)中选择合适的基边。
其中,若沿指定方向两两相邻的像素之间的二进值变化是从0变为1,则将所述二值化图像中两个相邻像素之间的像素中的一者视为具有正边缘,若从1变为0,则将所述二值化图像中的两个相邻像素之间的所述像素中的一者视为具有负边缘。另外,还需说明的是,若二进值没有从0变为1或从1变为0的二进值变化,则将所述二值化图像中的像素设置为0值,且在最终具有正边缘和负边缘的三元图像中这些没有变化的像素也是设置为0值。最后,针对二值化图像中的所有二进值变化重复这一基于二进值变化的像素设置过程。
具体地,可描述为如下的开关基边检测方程:
bbb(m,n)=0且bbb(m,n+1)=1,正边缘(+1);
bbb(m,n)=1且bbb(m,n+1)=0,负边缘(-1);
其他,记为0。
其中,bbb(m,n)表示二值化图像,m表示垂直像素,n表示水平像素,则m不变、n由n变为n+1,表明上述指定方向为水平方向。可以理解的是,水平方向为优选的指定方向,但在其他实施例中,指定方向也可以为垂直方向等。
步骤S230,根据获取的正边缘和负边缘构建所述目标的三元图像。
另外,上述步骤S220获得的边是水平方向上的单点,而单点在一些情况下容易变得不稳定,从而应考虑得到更为广泛的边缘点。对此,在优选的实施例中,在构建所述目标的三元图像之后,本发明实施例的三元图像构建方法还包括:控制具有所述正边缘和所述负边缘的像素沿所述指定方向扩展,以在所述二值化图像中形成扩展后的正边缘和负边缘。
举例而言,图4是将图3(b)中的像素沿水平方向扩展的示意图,从图4可知,像素向左右两边扩展形成了正边缘和负边缘。对应于上述图3(a)及图3(b)的示例,在采用图4的方法进行边扩展后,可最终基于相应的正、负边缘得到图3(c)所示出的三元图像。
综上所述,本发明实施例提出一种无需差分处理的新的三元图像构建方法,其通过原始图像的二值化和开关基边检测即可获得三元图像。并且,本发明实施例的方法应用于真实图像时,最终获得的三元图像与依赖差分处理的传统方法相同,但总操作的计算时间可减少到2/3。
本发明另一实施例还提供一种目标检测方法,该目标检测方法包括:采用上述实施例的目标的三元图像构建方法,获得待识别目标的三元图像;以及基于所述三元图像检测所述待识别目标。其中,在已知三元图像的基础上检测目标的方法是常规的,在此不进行赘述。
举例而言,当待识别目标为车道时,对应于图3(a)至图3(c)的示例,可得到如图5所述的车道线以及相应的车道线位置信息。
可知,在车道检测中应用本发明实施例的三元图像构建方法之后,仍可获得理想的目标模型,而时间上则明显会少于依赖于差分处理的目标检测方法。
本发明另一实施例还提出了一种机器可读存储介质,该机器可读存储介质上存储有指令,该指令用于使得机器执行上述的用于目标检测的图像处理方法或目标检测方法。其中,所述机器可读存储介质包括但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体(Flash Memory)或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁盘存储或其他磁性存储设备等各种可以存储程序代码的介质。
其中,应用于AD或ADAS时,该机器可读存储介质可以由车辆上的处理器执行,该处理器可以是车辆的ECU(Electronic Control Unit,电子控制单元),也可以是独立配置于摄像头的常规控制器,如CPU、单片机、DSP(Digital Signal Processor,数字信号处理器)、SOC(System On a Chip,片上系统)等,且可以理解,这些独立控制器也可以集成至ECU中。处理器优选采用运算速度较快且有着丰富的I/O口设备的控制器来进行配置,要求具有能与整车CAN通信的输入输出端口、开关信号的输入输出端口、网线接口等。
据此,上述目标的三元图像构建方法及目标检测方法可通过代码形式集成至车辆的处理器(例如摄像头处理器)中,通过实验,在利用本发明实施例的方法之后,处理器进行图像处理的计算时间明显减少。
基于与上述目标的三元图像构建方法相同的发明思路,本发明另一实施例还提供了一种目标的三元图像构建装置。图6是本发明实施例的目标的三元图像构建装置的结构示意图。如图6所示,该三元图像构建装置可以包括:二值化处理模块610,用于对车辆上的摄像头捕获的包括目标的图像进行二值化处理,以获得对应的包括所述目标的二值化图像;边缘检测模块620,用于检测沿指定方向两两相邻的像素之间的二进值变化,若从0变为1,则将所述二值化图像中两个相邻像素之间的像素中的一者视为具有正边缘,若从1变为0,则将所述二值化图像中的两个相邻像素之间的所述像素中的一者视为具有负边缘;以及三元图像构建模块630,用于根据获取的正边缘和负边缘构建所述目标的三元图像。
其中,所述二值化处理模块610进行二值化处理可以包括:通过设置阈值来实现所述二值化处理,其中采用Otsu来分析所述图像的强度分布以确定所述阈值。
在优选的实施例中,在所述三元图像构建装置还包括:正负边缘扩展模块(图中未示出),用于控制具有所述正边缘和所述负边缘的像素沿所述指定方向扩展,以在所述二值化图像中形成扩展后的正边缘和负边缘。
需说明的是,本发明实施例所述的三元图像构建装置与上述关于三元图像构建方法的实施例的实施细节及效果相同或相似,故在此不再赘述。
本发明另一实施例还提供一种目标检测装置,所述目标检测方法装置包括:上述的三元图像构建装置,用于获得待识别目标的三元图像;以及目标检测模块,用于基于所述三元图像检测所述待识别目标。
需说明的是,本发明实施例所述的目标检测装置与上述关于目标检测方法的实施例的实施细节及效果相同或相似,故在此不再赘述。
以上所述仅为本发明的较佳实施方式而已,并不用以限制本发明,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 (11)
1.一种目标的三元图像构建方法,其特征在于,所述目标的三元图像构建方法包括:
对由车辆上的摄像头捕获的包括目标的图像进行二值化处理,以获得包括所述目标的二值化图像;
基于所述二值化图像的长度和方向,从所述二值化图像中选择任一基边;
从所述基边上检测沿指定方向两两相邻的像素之间的二进值变化,并根据检测结果执行以下像素设置过程并针对所述二值化图像中的所有二进值变化重复该像素设置过程:若存在从0变为1的二进值变化,则将所述二值化图像中两个相邻像素之间的像素中的一者视为具有正边缘,若存在从1变为0的二进值变化,则将所述二值化图像中的两个相邻像素之间的所述像素中的一者视为具有负边缘,若不存在二进值变化,则将所述二值化图像中的像素设置为0值;以及
根据获取的正边缘和负边缘构建所述目标的三元图像。
2.根据权利要求1所述的目标的三元图像构建方法,其特征在于,所述进行二值化处理包括:
通过设置阈值来实现所述二值化处理,其中采用最大类间方差法Otsu来分析所述图像的强度分布以确定所述阈值。
3.根据权利要求1所述的目标的三元图像构建方法,其特征在于,在所述构建所述目标的三元图像之后,所述三元图像构建方法还包括:
控制具有所述正边缘和所述负边缘的像素沿所述指定方向扩展,以在所述二值化图像中形成扩展后的正边缘和负边缘。
4.根据权利要求3所述的目标的三元图像构建方法,其特征在于,所述指定方向为水平方向。
5.一种目标检测方法,其特征在于,所述目标检测方法包括:
采用权利要求1至4中任意一项所述的目标的三元图像构建方法,获得待识别目标的三元图像;以及
基于所述三元图像检测所述待识别目标。
6.一种目标的三元图像构建装置,其特征在于,所述目标的三元图像构建装置包括:
二值化处理模块,用于对车辆上的摄像头捕获的包括目标的图像进行二值化处理,以获得包括所述目标的二值化图像;
边缘检测模块,用于基于所述二值化图像的长度和方向,从所述二值化图像中选择任一基边,在所述基边上检测沿指定方向两两相邻的像素之间的二进值变化,并根据检测结果执行以下像素设置过程并针对所述二值化图像中的所有二进值变化重复该像素设置过程:若存在从0变为1的二进值变化,则将所述二值化图像中两个相邻像素之间的像素中的一者视为具有正边缘,若存在从1变为0的二进值变化,则将所述二值化图像中的两个相邻像素之间的所述像素中的一者视为具有负边缘,若不存在二进值变化,则将所述二值化图像中的像素设置为0值;以及
三元图像构建模块,用于根据获取的正边缘和负边缘构建所述目标的三元图像。
7.根据权利要求6所述的目标的三元图像构建装置,其特征在于,所述二值化处理模块进行二值化处理包括:
通过设置阈值来实现所述二值化处理,其中采用最大类间方差法Otsu来分析所述图像的强度分布以确定所述阈值。
8.根据权利要求6所述的目标的三元图像构建装置,其特征在于,在所述三元图像构建装置还包括:
正负边缘扩展模块,用于控制具有所述正边缘和所述负边缘的像素沿所述指定方向扩展,以在所述二值化图像中形成扩展后的正边缘和负边缘。
9.根据权利要求7所述的目标的三元图像构建装置,其特征在于,所述指定方向为水平方向。
10.一种目标检测装置,其特征在于,所述目标检测方法装置包括:
权利要求6至9中任意一项所述的目标的三元图像构建装置,用于获得待识别目标的三元图像;以及
目标检测模块,用于基于所述三元图像检测所述待识别目标。
11.一种机器可读存储介质,该机器可读存储介质上存储有指令,该指令用于使得机器执行权利要求1至4中任意一项所述的用于目标检测的图像处理方法或权利要求5所述的目标检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910676294.2A CN112287731B (zh) | 2019-07-25 | 2019-07-25 | 目标的三元图像构建方法和装置及检测方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910676294.2A CN112287731B (zh) | 2019-07-25 | 2019-07-25 | 目标的三元图像构建方法和装置及检测方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112287731A CN112287731A (zh) | 2021-01-29 |
CN112287731B true CN112287731B (zh) | 2023-02-17 |
Family
ID=74418753
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910676294.2A Active CN112287731B (zh) | 2019-07-25 | 2019-07-25 | 目标的三元图像构建方法和装置及检测方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112287731B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113393401B (zh) * | 2021-06-24 | 2023-09-05 | 上海科技大学 | 物体检测硬件加速器、系统、方法、设备和介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103996030A (zh) * | 2014-05-23 | 2014-08-20 | 奇瑞汽车股份有限公司 | 一种车道线检测方法 |
CN105260713A (zh) * | 2015-10-09 | 2016-01-20 | 东方网力科技股份有限公司 | 一种车道线检测方法和装置 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5781743B2 (ja) * | 2010-06-28 | 2015-09-24 | ソニー株式会社 | 画像処理装置、画像処理方法及び画像処理プログラム |
JP6307873B2 (ja) * | 2013-12-24 | 2018-04-11 | 富士通株式会社 | 対象線検出装置、方法、及びプログラム |
-
2019
- 2019-07-25 CN CN201910676294.2A patent/CN112287731B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103996030A (zh) * | 2014-05-23 | 2014-08-20 | 奇瑞汽车股份有限公司 | 一种车道线检测方法 |
CN105260713A (zh) * | 2015-10-09 | 2016-01-20 | 东方网力科技股份有限公司 | 一种车道线检测方法和装置 |
Also Published As
Publication number | Publication date |
---|---|
CN112287731A (zh) | 2021-01-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3036730B1 (en) | Traffic light detection | |
EP2811423B1 (en) | Method and apparatus for detecting target | |
CN107891808B (zh) | 行车提醒方法、装置及车辆 | |
CN111539907B (zh) | 用于目标检测的图像处理方法及装置 | |
CN107909007B (zh) | 车道线检测方法及装置 | |
Ten Kate et al. | Mid-range and distant vehicle detection with a mobile camera | |
CN110599453A (zh) | 一种基于图像融合的面板缺陷检测方法、装置及设备终端 | |
CN109102026B (zh) | 一种车辆图像检测方法、装置及系统 | |
CN106022268A (zh) | 一种限速标识的识别方法和装置 | |
CN112287731B (zh) | 目标的三元图像构建方法和装置及检测方法和装置 | |
CN111191482B (zh) | 一种刹车灯识别方法、装置及电子设备 | |
CN113792583A (zh) | 基于可行驶区域的障碍物检测方法、系统和智能终端 | |
KR20200133920A (ko) | 인공신경망 기반의 투사정보 인식 장치 및 그 방법 | |
EP3832531A1 (en) | Vehicles, systems, and methods for determining an entry of an occupancy map of a vicinity of a vehicle | |
US11200438B2 (en) | Sequential training method for heterogeneous convolutional neural network | |
Ying et al. | An illumination-robust approach for feature-based road detection | |
US9633283B1 (en) | Adaptive device and adaptive method for classifying objects with parallel architecture | |
CN108389177B (zh) | 一种车辆保险杠破损检测方法及交通安全预警方法 | |
JP2007058282A (ja) | 画像認識処理装置 | |
JP2020166758A (ja) | 画像処理装置および画像処理方法 | |
JP2020095631A (ja) | 画像処理装置および画像処理方法 | |
US11195032B2 (en) | Image processing device and image processing method detecting vehicle parking space | |
CN111753800A (zh) | 隧道入口的检测方法及检测装置、存储介质、设备 | |
CN107886102B (zh) | Adaboost分类器训练方法及系统 | |
CN115861624B (zh) | 摄像头被遮挡的检测方法、装置、设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20210513 Address after: 100055 1802, 18 / F, building 3, yard 9, Guang'an Road, Fengtai District, Beijing Applicant after: Momo Zhixing Technology Co.,Ltd. Address before: 071000 No. 2266 Chaoyang South Street, Hebei, Baoding Applicant before: Great Wall Motor Co.,Ltd. |
|
TA01 | Transfer of patent application right | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |