CN112461345B - 一种基于lsd直线检测算法的汽车衡轧线出界检测方法 - Google Patents
一种基于lsd直线检测算法的汽车衡轧线出界检测方法 Download PDFInfo
- Publication number
- CN112461345B CN112461345B CN202011275907.0A CN202011275907A CN112461345B CN 112461345 B CN112461345 B CN 112461345B CN 202011275907 A CN202011275907 A CN 202011275907A CN 112461345 B CN112461345 B CN 112461345B
- Authority
- CN
- China
- Prior art keywords
- line
- straight line
- truck scale
- lsd
- line segment
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 54
- 238000005096 rolling process Methods 0.000 title claims abstract description 42
- 238000000034 method Methods 0.000 claims abstract description 28
- 238000006243 chemical reaction Methods 0.000 claims abstract description 14
- 238000005303 weighing Methods 0.000 claims description 19
- 238000004364 calculation method Methods 0.000 claims description 9
- 230000000694 effects Effects 0.000 claims description 6
- 238000011156 evaluation Methods 0.000 claims description 4
- 230000000717 retained effect Effects 0.000 claims description 3
- 238000005070 sampling Methods 0.000 claims description 3
- 238000012795 verification Methods 0.000 claims description 3
- 230000009466 transformation Effects 0.000 claims 1
- 239000000284 extract Substances 0.000 abstract description 2
- 238000005286 illumination Methods 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 230000003068 static effect Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01G—WEIGHING
- G01G19/00—Weighing apparatus or methods adapted for special purposes not provided for in the preceding groups
- G01G19/02—Weighing apparatus or methods adapted for special purposes not provided for in the preceding groups for weighing wheeled or rolling bodies, e.g. vehicles
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01G—WEIGHING
- G01G23/00—Auxiliary devices for weighing apparatus
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- 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
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种基于LSD直线检测算法的汽车衡轧线出界检测方法，包括以下步骤：（a）搭建基于视觉的车辆轧线出界监管系统；（b）拍摄汽车衡图片，并手动标定出汽车衡的四条边界线；（c）待检测车辆在汽车衡上停稳后拍摄待检测车辆图片；（d）对待检测车辆图片进行伽马变换；（e）利用LSD直线检测算法检测出汽车衡边界线附近的直线段；（f）计算检测出的直线段长度与对应边界线长度的比值，低于规定阈值则判定为轧线出界。本发明方法利用LSD直线检测法提取汽车衡边界线，通过比对提取出的边界线长度与标定线长度来判断汽车是否轧线出界，无需考虑汽车的大小型号与运动情况，实现汽车衡轧线出界的全方位、高精度检测。
Description
技术领域
本发明属于计算机视觉技术领域，具体来说涉及一种基于LSD直线检测算法的汽车衡轧线出界检测方法。
背景技术
称重技术作为一种与人民生活息息相关的计量手段，在社会生活中扮演着重要角色。提高称重技术可以有效缩短工作时间、改善生产条件，提高产业质量。在货运物流产业链中，在地面上放置大的称台能够对卡车的载重进行准确计量，这种类型的地磅被称为汽车衡。车辆在称重过程中司机应严格保证车辆完全在汽车衡上且不轧线出界，然而近年来在计量过程中徇私舞弊现象增多，公平公正的交易准则被逐渐破坏，市场秩序被严重扰乱，因此与称重数据精确度同等重要的是一套严格的自动化称重监管系统。在先前的称重管理方法中，完全依靠人工记录货物的运输过程、车辆情况和资金情况等，过磅过程有多人参与，这种操作极易出现营私舞弊现象，给企业带来难以估算的损失，且在管理上也存在诸多不便。因此，在车辆称重过程中对车辆轧线出界的精准检测能够有效防止司机的称重作弊行为，减少对企业带来的损失，同时能够间接维护我国的道路交通运行安全。在自动化称重监管系统中，依托视觉监控的智能系统因其便利性、有效性和使用寿命长等特点被广泛应用。基于视觉的自动化称重监控系统，是指通过计算机视觉方法对相机获得的图像序列进行自动处理、自动分析和自动识别等步骤，从而实现对车辆出界轧线情况的自动检测。在车辆称重过程中，该监控系统能够向称重技术人员实时反馈车辆位置信息，并为自动化的车辆称重流程提供技术基础。在对车辆出界轧线情况进行检测时，我们会利用标定好的边界线作为检测标准。目前，如何解决检测精度较低、轻微轧线情况检测效果差、易受车辆阴影与光照变化影响等缺陷是一个亟待解决的问题。
发明内容
针对几何中心法存在无法精确定位静止车辆、阈值单一性导致检测范围小和车辆阴影干扰等情况，本发明开发了一种利用LSD直线检测法提取汽车衡边界线，通过比对提取出的边界线长度与标定线长度来判断汽车是否轧线出界的方法。
具体来说，本发明采用了以下技术方案：
一种基于LSD直线检测算法的汽车衡轧线出界检测方法，其特征在于，包括以下步骤：
（a）搭建基于视觉的车辆轧线出界监管系统；
（b）拍摄汽车衡图片，并手动标定或自动标定出汽车衡的四条边界线；
（c）拍摄待检测车辆在汽车衡上的图片；
（d）对待检测车辆图片进行伽马变换；
（e）利用LSD直线检测算法检测出汽车衡边界线附近的直线段；
其中利用LSD算法检测直线段时仅在以边界线为中心的小范围矩形候选区域内进行直线段检测；
（f）计算检测出的直线段长度与对应边界线长度的比值，低于规定阈值则判定为轧线出界；
其中将根据步骤（e）检测提取出的直线段投影在对应的边界线上，再求出投影得到的直线段长度与对应的边界线长度的比值，低于规定阈值则判定为轧线出界。
在以上方法中，所述步骤（a）搭建基于视觉的车辆轧线出界监管系统具体为在汽车衡对角点上架设两台相机进行拍摄，每台相机均能拍摄到汽车衡相邻的两边界线，使用如此架设的两台相机就能完整拍摄汽车衡的所有四条边界线。
在优选方案中，所述步骤（d）对待检测车辆图片进行伽马变换时伽马值取0.4，该伽马值既能待检测车辆图片中的阴影影响，也能完整地保留梯度信息。
在以上所述的步骤（d）中，对待检测车辆图片进行伽马变化具体包括以下步骤：
（d1）将原彩色图片转换成灰度图；
（d2）通过公式
对转换后的灰度图进行伽马变换，其中
是图像上每一点的灰度值。
在一个优选方案中，所述步骤（e）利用LSD算法检测直线段时仅在以边界线为中心的小范围矩形候选区域内进行直线段检测，以减少运算量和误检率。
其中所述步骤（e）中的LSD直线检测算法具体包括以下步骤：
（e1）图像缩放：对根据步骤（d）进行了伽马变换后的待检测车辆灰度图进行降采样，解决图像在边缘处呈锯齿状的阶梯效应；
（e2）计算梯度：利用四个相邻像素点计算梯度，用
表示像素点
的灰度值，其梯度计算公式为
行列线角度的计算公式为：
图像梯度的赋值计算公式为：
（e3）区域更新：对梯度进行计算后，将有效像素的方向组合成直线区域的方向，通过判断像素方向和直线区域的方向对像素进行筛选，选择一个未被使用的像素作为种子点，像素点对于LLA(Level line angle)和区域角度之间的差小于容忍值
的，会被加入到该线支持域中，每当在区域中加入一个新像素，更新整个直线区域的区域角度，其公式为：
其中
指每一个像素点的水平线角度；
（e4）矩形近似计算：构造一个包含区域中全部有效点的外接矩形，并对这个矩形的长度、宽度、主轴角以及中心点进行计算，使用主轴角度为待提取线段的角度；
（e5）线段验证：以亥姆霍兹原理为基础，通过设置阈值的方法计算每个线支持域内的选中点是否大于阈值，如果不满足于阈值要求，则进一步缩小线支持域：
其中，
和
是图像缩放后得列数和行数，
为二项式模型：
通过设置阈值
，当错误报警数
小于
，认为此时的矩形是有效的，在此矩形中提取得到的线段为有效直线段。
在步骤（e）中，在以边界线为中心的小范围矩形候选区域内进行直线段检测具体包括以下步骤：
（1）计算提取到的各直线段到边界线的距离
；
（2）计算提取到的各直线段与边界线所成角度
；
（3）当距离
不大于距离阈值
且角度
不大于角度阈值
时则将这一直线段保留为有效直线段，否则排除。
其中所述步骤（f）将提取出的直线段投影在对应的边界线上具体包括以下步骤：
（f1）利用公式
计算出直线段在边界线上投影的长度，其中
为直线段长度，
为直线段和边界线所成角度；
（f2）去除投影间存在的重叠部分；
（f3）计算去除重叠部分后的投影直线段的总长，计算该总长与边界线长度的比值来判断车辆是否轧线出界。
针对几何中心法存在无法精确定位静止车辆、阈值单一性导致检测范围小和车辆阴影干扰等情况，本发明利用LSD直线检测法提取汽车衡边界线，通过比对提取出的边界线长度与标定线长度来判断汽车是否轧线出界，该方法直接检测边界线长度无需考虑汽车的大小型号与运动情况，因此可以实现对静止车辆与各种尺寸车辆的检测；同时，利用伽马变换来进行图像增强预处理，对阴影部分进行亮度补偿，使LSD直线检测算法能够准确的检测出被车辆阴影覆盖住的边界线；最后，在汽车衡对角线方向上搭设两台相机实现对汽车衡四条边线的完全覆盖，最终实现汽车衡轧线出界的全方位、高精度检测。
附图说明
图1是本发明的检测方法的轧线出界监管系统的原理示意图。
具体实施方式
本发明对现有轧线检测算法中存在的检测精度较低、轻微轧线情况检测效果差、易受车辆阴影与光照变化影响等问题进行了改进。目前的轧线检测算法主要为几何中心法，几何中心法是通过计算检测到的车辆中心位置到边线的相对距离，对车辆是否轧线进行判别，此方法检测精度较低，并且容易受到光照变化、车辆阴影等影响。因此，本发明采用线结构检测法进行出界轧线检测，通过标定确定待检测的汽车衡区域，对汽车衡区域内的直线段进行检测，并对直线段检测结果进行量化进而实现边界线结构的完整性评价，由此解决了检测精度较低、轻微轧线情况检测效果差、易受车辆阴影与光照变化影响等问题，实现了车辆出界轧线的高精度判别；在硬件方面，本发明在汽车衡对角线方向上搭设两台相机，实现对汽车衡四条边界线的完全覆盖，从而实现对汽车衡轧线出界的全方位、高精度检测。
具体来说，本发明的方案包含如下步骤：
（a）搭建基于视觉的车辆轧线出界监管系统；
（b）拍摄汽车衡图片，并标定出汽车衡的四条边界线；
（c）拍摄待检测车辆在汽车衡上的图片；
（d）对待检测车辆图片进行伽马变换；
（e）利用LSD直线检测算法检测出汽车衡边界线附近的直线段；
其中利用LSD算法检测直线段时仅在以边界线为中心的小范围矩形候选区域内进行直线段检测；
（f）计算检测出的直线段长度与对应边界线长度的比值，低于规定阈值则判定为轧线出界；
其中将根据步骤（e）检测提取出的直线段投影在对应的边界线上，再求出投影得到的直线段长度与对应的边界线长度的比值，低于规定阈值则判定为轧线出界。
其中基于视觉的车辆轧线出界监管系统的搭建如图1所示，在汽车衡对角点上架设两台相机进行拍摄，每台相机均能拍摄到汽车衡相邻的两边界线，使用如此架设的两台相机就能完整拍摄汽车衡的所有四条边界线。
硬件系统搭建完成后即拍摄汽车衡图片，并标定出汽车衡的四条边界线。边界线的标定可以手动完成，也可以采用视觉算法自动完成，也可以将标定后的图片储存，在下次检测时或者摄像机或者汽车衡移位时与储存的图片对比完成新拍摄图片的标定。
当待检测车辆在汽车衡上时，拍摄图片并进行伽马变换。本发明的方法无需考虑车辆的运动状态，只需要考虑拍摄是否与称重同步即可。进行伽马变换时伽马值取0.4，该伽马值既能待检测车辆图片中的阴影影响，也能完整地保留梯度信息。
伽马变化的步骤具体包括：
（d1）将原彩色图片转换成灰度图；
（d2）通过公式
对转换后的灰度图进行伽马变换，其中
是图像上每一点的灰度值。
在一个优选方案中，所述步骤（e）利用LSD算法检测直线段时仅在以边界线为中心的小范围矩形候选区域内进行直线段检测，以减少运算量和误检率。
其中所述步骤（e）中的LSD直线检测算法具体包括以下步骤：
（e1）图像缩放：对根据步骤（d）进行了伽马变换后的待检测车辆灰度图进行降采样，解决图像在边缘处呈锯齿状的阶梯效应；
（e2）计算梯度：利用四个相邻像素点计算梯度，用
表示像素点
的灰度值，其梯度计算公式为
行列线角度的计算公式为：
图像梯度的赋值计算公式为：
（e3）区域更新：对梯度进行计算后，将有效像素的方向组合成直线区域的方向，通过判断像素方向和直线区域的方向对像素进行筛选，选择一个未被使用的像素作为种子点，像素点对于LLA(Level line angle)和区域角度之间的差小于容忍值
的，会被加入到该线支持域中，每当在区域中加入一个新像素，更新整个直线区域的区域角度，其公式为：
其中
指每一个像素点的水平线角度；
（e4）矩形近似计算：构造一个包含区域中全部有效点的外接矩形，并对这个矩形的长度、宽度、主轴角以及中心点进行计算，使用主轴角度为待提取线段的角度；
（e5）线段验证：以亥姆霍兹原理为基础，通过设置阈值的方法计算每个线支持域内的选中点是否大于阈值，如果不满足于阈值要求，则进一步缩小线支持域：
其中，
和
是图像缩放后得列数和行数，
为二项式模型：
阈值
是用来衡量LSD算法中近似矩形是否可以被转换成一条线段；NFA值越小，近似矩形越适合做一条直线；这个值越小，则对近似矩形中有效像素点的一致性要求越高。通过设置阈值
，当错误报警数
小于
，认为此时的矩形是有效的，在此矩形中提取得到的线段为有效直线段。
在步骤（e）中，在以边界线为中心的小范围矩形候选区域内进行直线段检测具体包括以下步骤：
（1）计算提取到的各直线段到边界线的距离
；
（2）计算提取到的各直线段与边界线所成角度
；
（3）当距离
不大于距离阈值
且角度
不大于角度阈值
时则将这一直线段保留为有效直线段，否则排除。
其中距离阈值
和角度阈值
：这两个阈值都是用来衡量LSD算法检测出的线段与边界线的相近程度；当检测出的直线段与边界线的距离
和角度
不超过这两个阈值时，则将其视为有效直线段；这两个值越小，则对检测出的直线段和边界线的相似程度要求越高。
在本发明的方法中，所述步骤（f）将根据步骤（e）在以边界线为中心的小范围矩形候选区域内检测提取出的直线段投影在对应的边界线上，再求出投影得到的直线段长度与边界线长度的比值，低于规定阈值则判定为轧线出界。其中所述的规定阈值用来判断车辆是否出界；若有效直线段投影在边界线上的长度与边界线长度之比小于该阈值，则判断车辆出界；这个值越小，则对车辆出界的容忍程度越小。
其中所述步骤（f）将提取出的直线段投影在对应的边界线上具体包括以下步骤：
（f1）利用公式
计算出直线段在边界线上投影的长度，其中
为直线段长度，
为直线段和边界线所成角度；
（f2）去除投影间存在的重叠部分；
（f3）计算去除重叠部分后的投影直线段的总长，计算该总长与边界线长度的比值来判断车辆是否轧线出界。
上面结合附图和具体实施例对本发明的实施方式作了详细的说明，但是本发明不限于上述实施方式，在所属技术领域普通技术人员所具备的知识范围内，还可以在不脱离本发明宗旨的前提下做出各种变化。
Claims (7)
1.一种基于LSD直线检测算法的汽车衡轧线出界检测方法，其特征在于，包括以下步骤：
（a）搭建基于视觉的车辆轧线出界监管系统；
（b）拍摄汽车衡图片，并手动标定或自动标定出汽车衡的四条边界线；
（c）拍摄待检测车辆在汽车衡上的图片；
（d）对待检测车辆图片进行伽马变换；
（e）利用LSD直线检测算法检测出汽车衡边界线附近的直线段；
其中利用LSD算法检测直线段时仅在以边界线为中心的小范围矩形候选区域内进行直线段检测；
（f）计算检测出的直线段长度与对应边界线长度的比值，低于规定阈值则判定为轧线出界；
其中将根据步骤（e）检测提取出的直线段投影在对应的边界线上，再求出投影得到的直线段长度与对应的边界线长度的比值，低于规定阈值则判定为轧线出界。
2.如权利要求1所述的基于LSD直线检测算法的汽车衡轧线出界检测方法，其特征在于，所述步骤（a）搭建基于视觉的车辆轧线出界监管系统具体为在汽车衡对角点上架设两台相机进行拍摄，每台相机均能拍摄到汽车衡相邻的两边界线，使用如此架设的两台相机就能完整拍摄汽车衡的所有四条边界线。
3.如权利要求1所述的基于LSD直线检测算法的汽车衡轧线出界检测方法，其特征在于，所述步骤（d）对待检测车辆图片进行伽马变换时伽马值取0.4，该伽马值既能待检测车辆图片中的阴影影响，也能完整地保留梯度信息。
4.如权利要求3所述的基于LSD直线检测算法的汽车衡轧线出界检测方法，其特征在于，所述步骤（d）中的待检测车辆图片进行伽马变化具体包括以下步骤：
（d1）将原彩色图片转换成灰度图；
（d2）通过公式
对转换后的灰度图进行伽马变换，其中
是图像上每一点的灰度值。
5.如权利要求1所述的基于LSD直线检测算法的汽车衡轧线出界检测方法，其特征在于，所述步骤（e）LSD直线检测算法具体包括以下步骤：
（e1）图像缩放：对根据步骤（d）进行了伽马变换后的待检测车辆灰度图进行降采样，解决图像在边缘处呈锯齿状的阶梯效应；
（e2）计算梯度：利用四个相邻像素点计算梯度，用
表示像素点
的灰度值，其梯度计算公式为
行列先角度的计算公式为：
图像梯度的赋值计算公式为：
（e3）区域更新：对梯度进行计算后，将有效像素的方向组合成直线区域的方向，通过判断像素方向和直线区域的方向对像素进行筛选，选择一个未被使用的像素作为种子点，像素点对于LLA和区域角度之间的差小于容忍值
的，会被加入到该线支持域中，每当在区域中加入一个新像素，更新整个直线区域的区域角度，其公式为：
其中
指每一个像素点的水平线角度；
（e4）矩形近似计算：构造一个包含区域中全部有效点的外接矩形，并对这个矩形的长度、宽度、主轴角以及中心点进行计算，使用主轴角度为待提取线段的角度；
（e5）线段验证：以亥姆霍兹原理为基础，通过设置阈值的方法计算每个线支持域内的选中点是否大于阈值，如果不满足于阈值要求，则进一步缩小线支持域：
其中，
和
是图像缩放后得列数和行数，
为二项式模型：
通过设置阈值
，当错误报警数
小于
，认为此时的矩形是有效的，在此矩形中提取得到的线段为有效直线段。
6.如权利要求1所述的基于LSD直线检测算法的汽车衡轧线出界检测方法，其特征在于，在以边界线为中心的小范围矩形候选区域内进行直线段检测具体包括以下步骤：
（1）计算提取到的各直线段到边界线的距离
；
（2）计算提取到的各直线段与边界线所成角度
；
（3）当距离
不大于距离阈值
且角度
不大于角度阈值
时则将这一直线段保留为有效直线段，否则排除。
7.如权利要求1所述的基于LSD直线检测算法的汽车衡轧线出界检测方法，其特征在于，所述步骤（f）将提取出的直线段投影在对应的边界线上具体包括以下步骤：
（f1）利用公式
计算出直线段在边界线上投影的长度，其中
为直线段长度，
为直线段和边界线所成角度；
（f2）去除投影间存在的重叠部分；
（f3）计算去除重叠部分后的投影直线段的总长，计算该总长与边界线长度的比值来判断车辆是否轧线出界。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011275907.0A CN112461345B (zh) | 2020-11-13 | 2020-11-13 | 一种基于lsd直线检测算法的汽车衡轧线出界检测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011275907.0A CN112461345B (zh) | 2020-11-13 | 2020-11-13 | 一种基于lsd直线检测算法的汽车衡轧线出界检测方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112461345A CN112461345A (zh) | 2021-03-09 |
| CN112461345B true CN112461345B (zh) | 2022-04-29 |
Family
ID=74836287
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011275907.0A Active CN112461345B (zh) | 2020-11-13 | 2020-11-13 | 一种基于lsd直线检测算法的汽车衡轧线出界检测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112461345B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113340391A (zh) * | 2021-07-07 | 2021-09-03 | 格力电器（武汉）有限公司 | 汽车衡称重方法、装置、存储介质及电子设备 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106548135A (zh) * | 2016-10-17 | 2017-03-29 | 北海益生源农贸有限责任公司 | 一种路面障碍检测方法 |
| CN106951879A (zh) * | 2017-03-29 | 2017-07-14 | 重庆大学 | 基于摄像头与毫米波雷达的多特征融合车辆检测方法 |
| CN107643049A (zh) * | 2017-09-26 | 2018-01-30 | 沈阳理工大学 | 基于单目结构光的地磅上车辆位置检测系统及方法 |
Family Cites Families (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR100996931B1 (ko) * | 2010-03-17 | 2010-11-29 | 이진국 | 교차로 시스템 |
| KR101604805B1 (ko) * | 2013-10-08 | 2016-03-25 | 엘지전자 주식회사 | 카메라 기반의 차량의 하중 추정 장치 및 차량의 하중 추정 방법 |
| CN204895461U (zh) * | 2015-08-28 | 2015-12-23 | 南京创来科技有限公司 | 一种车道偏离预警系统 |
| US10402995B2 (en) * | 2017-07-27 | 2019-09-03 | Here Global B.V. | Method, apparatus, and system for real-time object detection using a cursor recurrent neural network |
| CN109435842A (zh) * | 2018-10-19 | 2019-03-08 | 四川长虹电器股份有限公司 | 基于汽车倒车影像的车位车道偏离检测和辅助提醒方法 |
| JP2020095624A (ja) * | 2018-12-14 | 2020-06-18 | 株式会社デンソーテン | 画像処理装置、および画像処理方法 |
| CN109816639B (zh) * | 2019-01-05 | 2021-04-20 | 西安交通大学 | 一种基于lsd算法的实时直线段检测系统及方法 |
| CN110287779B (zh) * | 2019-05-17 | 2021-10-15 | 百度在线网络技术（北京）有限公司 | 车道线的检测方法、装置及设备 |
| CN111882882B (zh) * | 2020-07-31 | 2021-06-25 | 浙江东鼎电子股份有限公司 | 一种动态平板秤称重区域汽车跨车道行驶行为检测方法 |
-
2020
- 2020-11-13 CN CN202011275907.0A patent/CN112461345B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106548135A (zh) * | 2016-10-17 | 2017-03-29 | 北海益生源农贸有限责任公司 | 一种路面障碍检测方法 |
| CN106951879A (zh) * | 2017-03-29 | 2017-07-14 | 重庆大学 | 基于摄像头与毫米波雷达的多特征融合车辆检测方法 |
| CN107643049A (zh) * | 2017-09-26 | 2018-01-30 | 沈阳理工大学 | 基于单目结构光的地磅上车辆位置检测系统及方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112461345A (zh) | 2021-03-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US12094152B2 (en) | Method for fully automatically detecting chessboard corner points | |
| CN108759973B (zh) | 一种水位测量方法 | |
| CN109064495B (zh) | 一种基于Faster R-CNN与视频技术的桥面车辆时空信息获取方法 | |
| CN110097536A (zh) | 基于深度学习和霍夫变换的六边形螺栓松动检测方法 | |
| CN104978567B (zh) | 基于场景分类的车辆检测方法 | |
| CN113011283B (zh) | 一种基于视频的非接触式钢轨轨枕相对位移实时测量方法 | |
| CN114419616A (zh) | 一种异物识别方法、装置、设备及存储介质 | |
| CN114022537B (zh) | 一种用于动态称重区域车辆装载率和偏载率分析方法 | |
| CN101408937A (zh) | 一种字符行定位的方法及装置 | |
| CN101004860A (zh) | 实时采集道路车流量信息的视频方法 | |
| CN115482474B (zh) | 一种基于高空航拍图像的桥面车辆荷载识别方法和系统 | |
| CN115995056A (zh) | 一种基于深度学习的桥梁病害自动识别方法 | |
| CN113781537A (zh) | 一种轨道弹条扣件缺陷识别方法、装置和计算机设备 | |
| CN112461345B (zh) | 一种基于lsd直线检测算法的汽车衡轧线出界检测方法 | |
| CN117037132A (zh) | 一种基于机器视觉的船舶水尺读数检测和识别方法 | |
| CN116989679A (zh) | 一种基于图像处理的高速公路高边坡位移集成监测方法 | |
| CN111582270A (zh) | 基于高精度的桥梁区域视觉靶标特征点的识别追踪方法 | |
| CN113343782B (zh) | 一种基于无人机遥感的高速公路标志标牌检测方法 | |
| CN112017213B (zh) | 一种目标对象的位置更新方法及系统 | |
| Yin et al. | Promoting Automatic Detection of Road Damage: A High-Resolution Dataset, a New Approach, and a New Evaluation Criterion | |
| CN111784785B (zh) | 一种桥梁动态位移识别方法 | |
| CN109285187A (zh) | 一种基于道路监控视频图像的最远可见点检测方法 | |
| CN103473566A (zh) | 一种基于多尺度模型的车辆检测方法 | |
| CN103093204B (zh) | 行为监测方法及装置 | |
| CN108847035A (zh) | 车流量评估方法及装置 |
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 | ||
| TA01 | Transfer of patent application right | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20211224 Address after: 213125 No. 111 West Taihu Road, Xinbei District, Jiangsu, Changzhou Applicant after: Mettler-Toledo (Changzhou) Measurement Technology Co.,Ltd. Address before: No. 29, Qinhuai District, Qinhuai District, Nanjing, Jiangsu Applicant before: Nanjing University of Aeronautics and Astronautics |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant |