CN112435225A - 一种绿化带防眩效果评估方法及装置 - Google Patents
一种绿化带防眩效果评估方法及装置 Download PDFInfo
- Publication number
- CN112435225A CN112435225A CN202011271798.5A CN202011271798A CN112435225A CN 112435225 A CN112435225 A CN 112435225A CN 202011271798 A CN202011271798 A CN 202011271798A CN 112435225 A CN112435225 A CN 112435225A
- Authority
- CN
- China
- Prior art keywords
- green belt
- road section
- target road
- dazzle
- dimensional
- 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.)
- Pending
Links
- 230000000694 effects Effects 0.000 title claims abstract description 81
- 238000011156 evaluation Methods 0.000 title claims abstract description 57
- 238000000034 method Methods 0.000 claims abstract description 19
- 238000012545 processing Methods 0.000 claims abstract description 19
- 238000004590 computer program Methods 0.000 claims description 15
- 230000002265 prevention Effects 0.000 claims description 13
- 230000011218 segmentation Effects 0.000 claims description 11
- 238000012854 evaluation process Methods 0.000 abstract description 4
- 238000010586 diagram Methods 0.000 description 9
- 230000006870 function Effects 0.000 description 6
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 238000010276 construction Methods 0.000 description 3
- 230000012010 growth Effects 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000002457 bidirectional effect Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 206010039203 Road traffic accident Diseases 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000005094 computer simulation Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000004313 glare Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000008635 plant growth Effects 0.000 description 1
- 230000004083 survival effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
- G06T17/05—Geographic models
-
- 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
- G06T5/77—Retouching; Inpainting; Scratch removal
-
- 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)
- Geometry (AREA)
- Software Systems (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Remote Sensing (AREA)
- Computer Graphics (AREA)
- Image Analysis (AREA)
Abstract
本发明公开一种绿化带防眩效果评估方法及装置,用于对高速公路中央的绿化带防眩效果进行评估,所述方法包括:对目标路段的图像集进行处理,得到所述目标路段的三维和二维重建数据;基于所述重建数据构建所述目标路段的三维结构模型;结合所述三维结构模型及车辆特征数据,确定所述目标路段的绿化带防眩效果评估参数;以及基于所述绿化带防眩效果评估参数判断所述目标路段的绿化带防眩效果。本发明评估准确度高、效率高、评估过程安全、且不会妨碍公路交通的正常运行。
Description
技术领域
本发明涉及图像数据及信号处理算法技术领域,具体涉及一种基于无人机的高速公路中央绿化带防眩效果评估方法及装置。
背景技术
随着公路建设的发展和人们对道路景观、安全的需求提升,对于高速公路中央绿化带这一特殊区域,相较于具有统一规格的防眩板,兼具功能和景观功能的植物已经成为未来美丽公路建设的首选。中央绿化带植物防眩的高度和间距都有很大的不确定性,防眩效果和稳定性均低于防眩板,但是植物的环境和景观效应却是防眩板不能给与的。一般在公路绿化工程竣工之初,植物均可达到间距和高度的要求,但由于成活率、生长过程中的个体差异、交通事故碰撞等都会改变植物原有的结构特征。行业内传统的公路绿化工程监测技术主要还是以抽样直尺测量为主,配合搭载多源传感器的车辆排检为主。
对于高速公路中央绿化带这个特殊的区域,传统的人工测量存在测量结果准确度不高、效率低等问题,同时,高速公路上的人工作业会对工人的人身安全带来威胁。由于植物生长周期带来的冠层形态结构变化,需要对中央绿化带进行周期性的排检,这时车辆携带传感器的技术,会对运营中的高速公路带来不便,在一定程度上妨碍公路交通的正常运行。
发明内容
针对上述问题,有必要提供一种绿化带防眩效果评估方法及装置,其评估准确度高、效率高、评估过程安全、且不会妨碍公路交通的正常运行。
本发明实施例提供了以下方案:
第一方面,本发明实施例提供一种绿化带防眩效果评估方法,用于对高速公路中央的绿化带防眩效果进行评估,所述方法包括:
对目标路段的图像集进行处理,得到所述目标路段的三维和二维重建数据;
基于所述重建数据构建所述目标路段的三维结构模型;
结合所述三维结构模型及车辆特征数据,确定所述目标路段的绿化带防眩效果评估参数;以及
基于所述绿化带防眩效果评估参数判断所述目标路段的绿化带防眩效果。
优选地,所述基于所述三维和二维重建数据构建所述目标路段的三维结构模型包括构建植被结构模型,所述构建植被结构模型包括:
将所述目标路段的三维点云进行像素分割,得到目标像素位置的三维点云;
根据植被类型将所述目标像素位置的三维点云进行单元分割,得到子单元的三维点云;以及提取所述子单元的的三维点云内植物的冠层结构参数。
优选地,当所述植被类型为单株植物,按照预设株数进行单元分割,所述冠层结构参数包括株高、单株体积、株距。
优选地,当所述植被为簇生植物,按照等距分割方式进行单元分割,所述冠层结构参数包括层高、层宽、缺苗率。
优选地,所述结合所述三维结构模型及车辆特征数据,确定所述目标路段的绿化带防眩效果评估参数包括:
基于所述三维结构模型确定行驶于所述目标路段的所述车辆特征数据,所述车辆特征数据包括对向车辆前灯高度h1、对向车辆驾驶员视线高度h2、车行道上对向车辆分别距中央绿化带中心线的垂直距离b1、b2;以及所述绿化带防眩效果评估参数包括防眩高度h,根据公式(1)确定所述防眩高度h,所述公式(1)为:
优选地,所述车辆特征参数还包括中央绿化带防眩设施的宽度b,相邻中央绿化带防眩设施之间的距离L,所述绿化带防眩效果评估参数还包括第一遮光角β1,当所述高速公路为直线路段时,所述“结合所述三维结构模型及车辆特征数据,确定所述目标路段的绿化带防眩效果评估参数”还包括:
根据公式(2)确定所述第一遮光角β1,所述公式(2)为:
优选地,所述车辆特征参数还包括平曲线半径R及驾驶员与中央绿化带的横向距离b3,所述绿化带防眩效果评估参数还包括第二遮光角β2,当所述高速公路为直线路段时,所述结合所述三维结构模型及车辆特征数据,确定所述目标路段的绿化带防眩效果评估参数还包括:根据公式(3)确定所述第二遮光角β2,所述公式(3)为:
优选地,所述对目标路段的图像集进行处理,得到所述目标路段的三维和二重建数据包括:
采用无人机航拍获取所述目标路段的图像;
对所述图像数据进行修复得到无损的图像序列,所述图像序列包括地理数据及像素数据;
提取相邻的图像序列中的关键特征点,重复执行关键特征点匹配生成所述目标路段的三维点云;以及
将所述图像序列正交拼接生成所述目标路段的二维拼接图像。
第二方面,本发明实施例提供一种绿化带防眩效果评估的装置,用于对高速公路中央的绿化带防眩效果进行评估,包括:
处理模块,用于对目标路段的图像集进行处理,得到所述目标路段的三维和二维重建数据;
构建模块,用于基于所述重建数据构建所述目标路段的三维结构模型;
确定模块,用于结合所述三维结构模型及车辆特征数据,确定所述目标路段的绿化带防眩效果评估参数;以及
判断模块,用于基于所述绿化带防眩效果评估参数判断所述目标路段的绿化带防眩效果。
第三方面,本发明实施例提供一种绿化带防眩效果评估的设备,包括:
存储器,用于存储计算机程序;
处理器,用于执行所述计算机程序以实现第一方面中任一所述的绿化带防眩效果评估方法的步骤。
第四方面,本发明实施例提供一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时以实现第一方面中任一所述的绿化带防眩效果评估方法的步骤。
本发明与现有技术相比,具有如下的优点和有益效果:
本发明所述绿化带防眩效果评估方法及装置将所述目标路段的三维结构模型与车辆特征数据结合,确定所述目标路段的绿化带防眩效果评估参数评估准确度高、效率高;通过对所述目标路段的图像进行处理,得到所述目标路段的三维点云,基于所述三维点云构建所述目标路段的三维结构模型,使得评估过程安全、且不会妨碍公路交通的正常运行。
附图说明
为了更清楚地说明本说明书实施例或现有技术中的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本说明书的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的一种绿化带防眩效果评估方法的工作流程图。
图2是本发明实施例提供的一种绿化带防眩效果评估方法的结构示意图。
具体实施方式
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、完整的描述,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,基于本发明实施例,本领域普通技术人员所获得的所有其他实施例,都属于本发明实施例保护的范围。
请参阅图1,图1为本发明实施例提供的一种绿化带防眩效果评估方法的流程图。所述绿化带防眩效果评估方法用于对高速公路的中央绿化带的防眩效果进行评估,所述中央绿化带的防眩效果定义为位于高速公路中央的绿化带,对夜间行驶于所述高速公路上的对向车辆的车灯的产生眩光的阻挡效果,所述方法包括以下步骤:
步骤S1,对目标路段的图像集进行处理,得到所述目标路段的三维和二维重建数据。在本较佳实施例中,所述目标路段重建数据包括三维点云和二维拼接图像。
在本较佳实施中,所述对目标路段的图像集进行处理,得到所述目标路段的三维和二维重建数据包括:
步骤a1,采用无人机航拍获取所述目标路段的图像集。
步骤a2,对所述图像数据进行修复得到无损的图像序列,所述图像序列包括地理数据及像素数据。
步骤a3,提取相邻的图像序列中的关键特征点,重复执行关键特征点匹配生成所述三维点云。所述关键特征点包括图像序列中植被、地面、路标等。
当所述重建数据为二维拼接图像时,所述二维拼接图像可用于预览所述目标路段的全景,所述对目标路段的图像集进行处理,得到所述目标路段的三维和二维重建数据还包括:
步骤a4,将所述图像序列正交拼接生成所述目标路段的二维拼接图像。所述二维拼接图像包括DSM(digital surface mode,数字表面模型)以及RGB拼接图像,其中,所述DSM基于GSD(ground sample distance,地面采样距离)插值生成,所述DSM携带所述目标路段的高程值,其中,高程指的是某点沿铅垂线方向到绝对基面的距离。所述RGB拼接图像由RGB相机获取图像序列拼接而成,所述RGB拼接图像的每个像素点携带颜色数据。
步骤S2,基于所述三维点云构建所述目标路段的三维结构模型。所述三维结构模型基于无人机航拍图像构建,因此,相较于仿真建模,可以以较高精确度还原所述目标路段的中央绿化带的真实生长状态。所述基于所述三维点云构建所述目标路段的三维结构模型包括构建植被结构模型、构建地面高程模及构建植被结构模型。其中,可以通过所述地理数据构建植被结构模型植被高程模型、所述地面高程模。所述构建所述植被结构模型包括以下步骤:
步骤b1,将所述目标路段的三维点云进行像素分割,得到目标像素的三维点云。具体地,所述目标像素可为绿色像素,所述目标像素的三维点云为绿化带的三维点云,也就是说,通过步骤b1可以得到中央绿化带内植被的三维点云。
步骤b2,根据植被类型将目标像素的三维点云进行单元分割,得到子单元的三维点云。当所述植被类型为单株植物,按照预设株数进行单元分割,例如,以单株为单位进行单元分割,可以得到单株植被的三维点云。当所述植被为簇生植物,按照等距分割方式进行单元分割,例如,以每簇植物为单位进行单元分割,可以得到每簇植被的三维点云。
步骤b3,提取所述子单元的的三维点云内植物的冠层结构参数。当所述植被类型为单株植物,所述冠层结构参数包括株高、单株体积、株距,具体地,可以通过所述单株植被的三维图像数据提取单株植被的株高、单株体积、株距。当所述植被为簇生植物,所述冠层结构参数包括层高、层宽、缺苗率,具体地,可以通过所述单簇植被的三维点云提取每簇植被的层高、层宽、缺苗率、株距。因此,通过所述冠层结构参数可以对所述中央绿化带的植被进行监测,对所述植被的实际生长情况、丰富度、观赏度进行定量化分析。
步骤S3,结合所述三维结构模型及车辆特征数据,确定所述目标路段的防眩效果评估参数,具体包括以下步骤:
步骤c1,基于所述三维结构模型确定行驶于所述目标路段的所述车辆特征数据。具体地,可以构建所述车辆行驶于所述目标路段的场景,并获取所述车辆特征数据,在本较佳实施例中,所述车辆特征数据包括对向车辆前灯高度h1、对向车辆驾驶员视线高度h2、车行道上对向车辆分别距中央绿化带中心线的垂直距离b1、b2。
步骤c2,所述绿化带防眩效果评估参数包括防眩高度h,根据公式(1)确定所述防眩高度h,所述公式(1)为:
在另一较佳实施例中,所述车辆特征参数还包括中央绿化带防眩设施的宽度b,相邻中央绿化带防眩设施之间的距离L,所述评估参数还包括第一遮光角β1,其中,所述防眩设施可为设置为绿化带的防眩板,当所述高速公路为直线路段时,所述“结合所述三维结构模型及车辆特征数据,确定所述目标路段的绿化带防眩效果评估参数”还包括:
步骤c3,根据公式(2)确定所述第一遮光角β1,其中所述公式(2)为:
在另一较佳实施例中,所述车辆特征参数还包括平曲线半径R及驾驶员与中央绿化带的横向距离b3,所述防眩效果评估参数还包括第二遮光角β2,当所述高速公路为直线路段时,所述结合所述三维结构模型及车辆特征数据,确定所述目标路段的绿化带防眩效果评估参数,还包括:
步骤c4,根据公式(3)确定所述第二遮光角β2,其中所述公式(3)为:
通过所述步骤S3,可以得到具有所述车辆特征参数的车辆行驶在所述目标路段时,所述目标路段的绿化带防眩高度和第一遮光角或第二遮光角。
步骤S4,基于所述防眩效果评估参数判断所述目标路段的防眩效果。
具体地,将所述防眩高度及第一遮光角、第二遮光角与预设参考值进行比较,根据比较结果判断所述目标路段实际防眩效果,所述预设参考值可为行业规定的理论防眩参数值,具体地,当所述防眩高度和/或者所述第一遮光角、第二遮光角等于所述预设参考值,例如,对于双向4车道的高速公路而言,所述防眩高度一般为1.7m,对于双向6车道的高速公路而言,所述防眩高度是1.6m,则判断所述目标路段的防眩效果符合要求,当所述防眩高度和/或者所述第一遮光角、第二遮光角小于或者大于所述预设参考值,则判断所述目标路段的防眩效果不符合要求。
基于与方法同样的发明构思,本发明实施例还提供了一种绿化带防眩效果评估装置,如图2所示为所述绿化带防眩效果评估装置实施例的结构示意图,所述绿化带防眩效果评估的装置装置100包括:
处理模块10,用于对目标路段的图像集进行处理,得到所述目标路段的三维和二维重建数据。
构建模块20,用于基于所述重建数据构建所述目标路段的三维结构模型。
确定模块30,用于结合所述三维结构模型及车辆特征数据,确定所述目标路段的绿化带防眩效果评估参数。
判断模块40,用于基于所述绿化带防眩效果评估参数判断所述目标路段的绿化带防眩效果。
基于与前述实施例中同样的发明构思,本发明实施例还提供一种绿化带防眩效果评估的设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现前文任一所述方法的步骤。
基于与前述实施例中同样的发明构思,本发明实施例还提供一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现前文任一所述方法的步骤。
本发明实施例中提供的技术方案,至少具有如下技术效果或优点:
本发明所述绿化带防眩效果评估方法及装置通过将所述目标路段的三维结构模型与车辆特征数据结合,确定所述目标路段的绿化带防眩效果评估参数,评估准确度高、效率高;通过对所述目标路段的图像进行处理,得到所述目标路段的三维点云,基于所述三维点云构建所述目标路段的三维结构模型,使得评估过程安全、且不会妨碍公路交通的正常运行。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、装置(模块、系统)、和计算机程序产品的流程图和/或方框图来描述。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式计算机或者其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本发明的优选实施例,但本领域内的技术人员一旦得知了基本创造概念,则可对这些实施例做出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包括这些改动和变型在内。
Claims (10)
1.一种绿化带防眩效果评估方法,用于对高速公路中央的绿化带防眩效果进行评估,其特征在于,所述方法包括:
对目标路段的图像集进行处理,得到所述目标路段的三维和二维重建数据;
基于所述重建数据构建所述目标路段的三维结构模型;
结合所述三维结构模型及车辆特征数据,确定所述目标路段的绿化带防眩效果评估参数;以及
基于所述绿化带防眩效果评估参数判断所述目标路段的绿化带防眩效果。
2.根据权利要求1所述的绿化带防眩效果评估方法,其特征在于,所述基于所述三维和二维重建数据构建所述目标路段的三维结构模型包括构建植被结构模型,所述构建植被结构模型包括:
将所述目标路段的三维点云进行像素分割,得到目标像素位置的三维点云;
根据植被类型将所述目标像素位置的三维点云进行单元分割,得到子单元的三维点云;以及提取所述子单元的的三维点云内植物的冠层结构参数。
3.根据权利要求2所述的绿化带防眩效果评估方法,其特征在于,当所述植被类型为单株植物,按照预设株数进行单元分割,所述冠层结构参数包括株高、单株体积、株距。
4.根据权利要求2所述的绿化带防眩效果评估方法,其特征在于,当所述植被为簇生植物,按照等距分割方式进行单元分割,所述冠层结构参数包括层高、层宽、缺苗率。
8.一种绿化带防眩效果评估的装置,用于对高速公路中央的绿化带防眩效果进行评估,其特征在于,所述装置包括:
处理模块,用于对目标路段的图像集进行处理,得到所述目标路段的三维和二维重建数据;
构建模块,用于基于所述重建数据构建所述目标路段的三维结构模型;
确定模块,用于结合所述三维结构模型及车辆特征数据,确定所述目标路段的绿化带防眩效果评估参数;以及
判断模块,用于基于所述绿化带防眩效果评估参数判断所述目标路段的绿化带防眩效果。
9.一种绿化带防眩效果评估的设备,其特征在于,包括:
存储器,用于存储计算机程序;
处理器,用于执行所述计算机程序以实现权利要求1至7任一所述的方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时以实现权利要求1至7任一所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011271798.5A CN112435225A (zh) | 2020-11-13 | 2020-11-13 | 一种绿化带防眩效果评估方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011271798.5A CN112435225A (zh) | 2020-11-13 | 2020-11-13 | 一种绿化带防眩效果评估方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112435225A true CN112435225A (zh) | 2021-03-02 |
Family
ID=74700043
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011271798.5A Pending CN112435225A (zh) | 2020-11-13 | 2020-11-13 | 一种绿化带防眩效果评估方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112435225A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113159635A (zh) * | 2021-05-14 | 2021-07-23 | 隆升量化(武汉)大数据科技有限公司 | 一种基于特征识别的市政工程建造项目质量监理方法、系统、终端和存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107424209A (zh) * | 2016-12-14 | 2017-12-01 | 广东科诺勘测工程有限公司 | 一种公路三维模型数据的转换方法及系统 |
CN109902571A (zh) * | 2019-01-23 | 2019-06-18 | 中交信息技术国家工程实验室有限公司 | 一种基于无人机的公路绿化工程养护方法和系统 |
CN110910493A (zh) * | 2019-11-29 | 2020-03-24 | 广州极飞科技有限公司 | 三维重建方法、装置及电子设备 |
-
2020
- 2020-11-13 CN CN202011271798.5A patent/CN112435225A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107424209A (zh) * | 2016-12-14 | 2017-12-01 | 广东科诺勘测工程有限公司 | 一种公路三维模型数据的转换方法及系统 |
CN109902571A (zh) * | 2019-01-23 | 2019-06-18 | 中交信息技术国家工程实验室有限公司 | 一种基于无人机的公路绿化工程养护方法和系统 |
CN110910493A (zh) * | 2019-11-29 | 2020-03-24 | 广州极飞科技有限公司 | 三维重建方法、装置及电子设备 |
Non-Patent Citations (3)
Title |
---|
刘广波 等: "高速公路防眩设施选取及设置分析", 公路交通科技(应用技术版), no. 05, 15 May 2018 (2018-05-15) * |
唐强;薛志杰;石平;闫宏伟;: "高速公路中央分隔带树木种植设计与行驶车辆防眩原理及其公式构建", 沈阳农业大学学报, no. 04, 25 August 2005 (2005-08-25) * |
肖代全 等: "不同应用环境对中央分隔带绿化的防眩要求", 公路交通科技, no. 10, 15 October 2010 (2010-10-15), pages 134 - 137 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113159635A (zh) * | 2021-05-14 | 2021-07-23 | 隆升量化(武汉)大数据科技有限公司 | 一种基于特征识别的市政工程建造项目质量监理方法、系统、终端和存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7009716B2 (ja) | 自律車両ナビゲーションのための疎な地図 | |
CN111462275B (zh) | 一种基于激光点云的地图生产方法和装置 | |
JP4746137B2 (ja) | カメラからのカメラ画像に基づいて位置を判定する装置、方法およびコンピュータ・プログラム | |
KR20190094405A (ko) | 비디오 기반 위치결정 및 매핑을 위한 방법 및 시스템 | |
DE112021002001T5 (de) | Navigieren eines fahrzeugs unter verwendung eines elektronischen horizonts | |
JP5500388B2 (ja) | 撮影位置特定システム、撮影位置特定プログラム、及び撮影位置特定方法 | |
CN112016463A (zh) | 一种基于深度学习的车道线检测方法 | |
CN112819895A (zh) | 一种摄像机标定方法及装置 | |
CN115690773B (zh) | Dem分区及重建方法、计算设备和存储介质 | |
CN112435225A (zh) | 一种绿化带防眩效果评估方法及装置 | |
CN114359494A (zh) | 一种矿区三维地图采集更新方法及系统 | |
CN108932749A (zh) | 基于cg生成目标物样本的方法 | |
CN111337039A (zh) | 拥堵路段的地图数据采集方法、装置、系统及存储介质 | |
US11189082B2 (en) | Simulated overhead perspective images with removal of obstructions | |
CN115628720A (zh) | 一种智能三维地形图测绘方法及系统 | |
CN115775272A (zh) | 基于深度学习的道路宽度信息提取方法、系统及介质 | |
CN109166341A (zh) | 一种基于空间规划的车位占用状态监测方法 | |
CN111192366B (zh) | 用于建筑高度三维控制的方法及装置、服务器 | |
CN111238524B (zh) | 视觉定位方法以及装置 | |
Lee et al. | Semi-automatic framework for traffic landmark annotation | |
CN113343817A (zh) | 一种面向目标区域的无人车路径检测方法、装置及介质 | |
CN116977581A (zh) | 交通数据展示方法、装置、计算机设备及存储介质 | |
Lee et al. | Augmented Road Line Detection And Display System | |
Yılmaz et al. | Original Research Article Overview of large scale map production with UAV based photogrammetric technique: A case study in Izmir-Cesme territory of Turkey | |
KR20230087112A (ko) | 정밀지도의 도로정보와 실제 도로정보 간의 유사도 산출 방법 및 장치 |
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 |