CN112597666A - 一种基于表面材质建模的路面状态分析方法及装置 - Google Patents

一种基于表面材质建模的路面状态分析方法及装置 Download PDF

Info

Publication number
CN112597666A
CN112597666A CN202110022373.9A CN202110022373A CN112597666A CN 112597666 A CN112597666 A CN 112597666A CN 202110022373 A CN202110022373 A CN 202110022373A CN 112597666 A CN112597666 A CN 112597666A
Authority
CN
China
Prior art keywords
image
road surface
reflection
road
scene
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
Application number
CN202110022373.9A
Other languages
English (en)
Other versions
CN112597666B (zh
Inventor
熊晓亮
俞益洲
李一鸣
乔昕
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Shenrui Bolian Technology Co Ltd
Shenzhen Deepwise Bolian Technology Co Ltd
Original Assignee
Beijing Shenrui Bolian Technology Co Ltd
Shenzhen Deepwise Bolian Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Shenrui Bolian Technology Co Ltd, Shenzhen Deepwise Bolian Technology Co Ltd filed Critical Beijing Shenrui Bolian Technology Co Ltd
Priority to CN202110022373.9A priority Critical patent/CN112597666B/zh
Publication of CN112597666A publication Critical patent/CN112597666A/zh
Application granted granted Critical
Publication of CN112597666B publication Critical patent/CN112597666B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/10—Geometric CAD
    • G06F30/13—Architectural design, e.g. computer-aided architectural design [CAAD] related to design of buildings, bridges, landscapes, production plants or roads
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations

Abstract

本发明提供了一种基于表面材质建模的路面状态分析方法及装置，其中方法包括：获取道路参与者提供的图像；利用表面材质建模算法计算图像中路面的材质属性参数，其中，材质属性参数包括：场景中物体表面材质对光照的反射属性；利用路面状态分析算法根据反射属性得到路面状态评估结果和下一步行动方案。

Description

一种基于表面材质建模的路面状态分析方法及装置
技术领域
本发明涉及计算机领域，尤其涉及一种基于表面材质建模的路面状态分析方法及装置。
背景技术
路面状态分析是指通过接触式和非接触式等不同方式采集道路信息，分析道路的不同状态如湿滑程度、坚硬程度、不同材质等，为道路参与者提供合理的行动速度和行为决策建议，对减少交通安全事故、增加通行效率具有重要的意义。对于公路交通和人行通道等不同场景，由于天气原因如降雨、降雪等引起的结冰、积雪、积水等不同路况，以及路面不同材质(如水泥路面、沥青路面、大理石地砖等)导致的不同光滑程度，这些因素下各种复杂的路面状态会对汽车和行人尤其是视觉障碍人群出行造成极大的困难。
现有的方法主要针对公路交通场景，通过图像分割和分类等视觉算法，对道路不同路况进行粗粒度的分析，得到路面是否干燥、潮湿、积水、结冰、积雪、泥泞等状态，而对各种状态下路面的湿滑程度不能给出定量的评估。或者通过图像的亮度差异和梯度信息计算道路图像的反光度和锐度对湿滑程度进行评估，图像的亮度信息容易受光照影像，简单采用图像特征不能真实反映路面的湿滑情况。对道路表面进行材质建模可以对光照射在路面上的物理过程进行建模，通过求解光照模型参数来得到路面材质的反射属性，从而得到真实的路面材质情况。
然而现有的方法根据视觉特征通过分类和分割算法对道路情况粗分类，不提供定量评价；图像受光照强度、天气等因素影响变化较大，完全基于视觉特征可靠性低；道路状态简单分类不能为行人尤其是视觉障碍人群提供可靠的行走方案。
发明内容
本发明旨在提供一种克服上述问题或者至少部分地解决上述问题的基于表面材质建模的路面状态分析方法及装置。
为达到上述目的，本发明的技术方案具体是这样实现的：
本发明的一个方面提供了一种基于表面材质建模的路面状态分析方法，包括：获取道路参与者提供的图像；利用表面材质建模算法计算图像中路面的材质属性参数，其中，材质属性参数包括：场景中物体表面材质对光照的反射属性；利用路面状态分析算法根据反射属性得到路面状态评估结果和下一步行动方案。
其中，利用表面材质建模算法计算图像中路面的材质属性参数包括：采用双向反射分布函数建模计算场景中物体表面材质对光照的反射属性。
其中，采用双向反射分布函数建模计算场景中物体表面材质对光照的反射属性包括：对于某一光照条件下拍摄的图像，采用图像分解算法将图像分为漫反射图像和高光图像，结合高光图像和道路的几何结构，计算道路的BRDF参数。
其中，采用双向反射分布函数建模计算场景中物体表面材质对光照的反射属性包括：根据行走过程中拍摄的图像，采用图像分解算法将图像分为漫反射图像和高光图像，根据漫反射图像在材质集合中预设算法查找近似场景，并利用其BRDF参数插值计算得到当前场景的BRDF参数。
其中，利用路面状态分析算法根据反射属性得到路面状态评估结果和下一步行动方案包括：根据BRDF参数，判断路面的不同状态及等级，根据状态及等级，提供行走方案。
本发明另一方面提供了一种基于表面材质建模的路面状态分析装置，包括：获取模块，用于获取道路参与者提供的图像；计算模块，用于利用表面材质建模算法计算图像中路面的材质属性参数，其中，材质属性参数包括：场景中物体表面材质对光照的反射属性；评估模块，用于利用路面状态分析算法根据反射属性得到路面状态评估结果和下一步行动方案。
其中，计算模块通过如下方式利用表面材质建模算法计算图像中路面的材质属性参数：计算模块，具体用于采用双向反射分布函数建模计算场景中物体表面材质对光照的反射属性。
其中，计算模块通过如下方式采用双向反射分布函数建模计算场景中物体表面材质对光照的反射属性：计算模块，具体用于对于某一光照条件下拍摄的图像，采用图像分解算法将图像分为漫反射图像和高光图像，结合高光图像和道路的几何结构，计算道路的BRDF参数。
其中，计算模块通过如下方式采用双向反射分布函数建模计算场景中物体表面材质对光照的反射属性：计算模块，具体用于根据行走过程中拍摄的图像，采用图像分解算法将图像分为漫反射图像和高光图像，根据漫反射图像在材质集合中预设算法查找近似场景，并利用其BRDF参数插值计算得到当前场景的BRDF参数。
其中，评估模块通过如下方式利用路面状态分析算法根据反射属性得到路面状态评估结果和下一步行动方案：评估模块，具体用于根据BRDF参数，判断路面的不同状态及等级，根据状态及等级，提供行走方案。
由此可见，通过本发明提供的基于表面材质建模的路面状态分析方法及装置，通过拍摄路面状态的图像，采用图形学算法对道路表面材质进行建模，根据材质得到路面状态的定量分析，分析结果可用于指导道路参与者(车辆或行人)的下一步行动。特别的，可以为视觉障碍人群提供路面状态的风险提示。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述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发明的一些实施例，对于本领域的普通技术人员来讲，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附图。
图1为本发明实施例提供的基于表面材质建模的路面状态分析方法的流程图；
图2为本发明实施例提供的另一种基于表面材质建模的路面状态分析方法的流程图；
图3为本发明实施例提供的建立路面材质集合示意图；
图4为本发明实施例提供的任意路面材质属性计算示意图；
图5为本发明实施例提供的某一光照条件下拍摄的图像的BRDF参数计算示意图；
图6为本发明实施例提供的基于表面材质建模的路面状态分析装置的结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。
本发明基于图像的表面材质建模是计算机图形学领域经典的方法，主要用来对三维场景进行高真实感的绘制。将其用于道路表面建模，可以对复杂的道路场景进行更为精确的状态评估，给道路参与者提供更为精确的行动指导。
本发明的核心在于：为道路参与者提供了一种路面状态分析方法，通过道路参与者(人或汽车)提供的图像，表面材质建模算法分析路面的材质属性参数，路面状态分析算法根据反射属性得到定量评估结果和下一步行动方案提供给道路参与者。
图1和图2示出了本发明实施例提供的基于表面材质建模的路面状态分析方法的流程图，结合图1和图2，对本发明实施例提供的基于表面材质建模的路面状态分析方法进行说明，本发明实施例提供的基于表面材质建模的路面状态分析方法，包括：
S1，获取道路参与者提供的图像。
具体地，道路参与者(人或汽车)可以提供图像。
S2，利用表面材质建模算法计算图像中路面的材质属性参数，其中，材质属性参数包括：场景中物体表面材质对光照的反射属性。
具体地，表面材质建模可以采用传统方法或者深度学习方法实现。计算机图形学领域的表面材质建模主要通过对场景中物体表面材质表面的对光照的反射属性建模，实现虚拟场景的真实感绘制。
作为本发明实施例的一个可选实施方式，利用表面材质建模算法计算图像中路面的材质属性参数包括：采用双向反射分布函数建模计算场景中物体表面材质对光照的反射属性。
具体地，一般场景表面材质的反射属性可以用双向反射分布函数(BRDF,Bidirectional Reflectance Distribution Function)来建模：
Figure BDA0002889047370000041
其中λ为光线波长，θi,θr分别为入射光线和出射光线的辐照度，它描述了入射光线经过某个表面反射后在不同反射方向上的分布情况。
目前，很多方法可以从多张图像甚至单张图像实现表面材质的BRDF测量以进行材质建模。本发明考虑对同一种材质的路面采集多张不同光照条件下的图像，采用传统方法或者深度学习方法完成路面材质建模。参照图3，对几种典型的不同材质路面，重复前述方法，建立路面材质集合。参照图4，其他不在材质集合的数据可以通过插值、基于图像的绘制、或者学习的方式得到。当道路参与者拍摄到路面的图像，本发明可以基于已知的路面材质集合推算出当前路面的材质属性。
作为本发明实施例的一个可选实施方式，采用双向反射分布函数建模计算场景中物体表面材质对光照的反射属性包括：对于某一光照条件下拍摄的图像，采用图像分解算法将图像分为漫反射图像和高光图像，结合高光图像和道路的几何结构，计算道路的BRDF参数。
具体地，参见图5，对于某一光照条件下拍摄的图像，首先采用图像分解算法将其分为漫反射图像和高光图像两个部分，然后结合高光图像和道路的几何结构，计算道路的BRDF参数。
作为本发明实施例的一个可选实施方式，采用双向反射分布函数建模计算场景中物体表面材质对光照的反射属性包括：根据行走过程中拍摄的图像，采用图像分解算法将图像分为漫反射图像和高光图像，根据漫反射图像在材质集合中预设算法查找近似场景，并利用其BRDF参数插值计算得到当前场景的BRDF参数。
具体地，根据行走过程中拍摄的图像，首先同样采用图像分解算法将其分为漫反射图像和高光图像两个部分。根据漫反射图像在材质集合中采用图像相速度计算或其他算法查找近似场景，并利用其BRDF参数插值得到当前场景的BRDF参数。
S3，利用路面状态分析算法根据反射属性得到路面状态评估结果和下一步行动方案。
具体地，路面状态分析根据材质建模得到的表面材质属性对路面进行定量评估，并将其转化为行动方案传达给路面参与者。
作为本发明实施例的一个可选实施方式，利用路面状态分析算法根据反射属性得到路面状态评估结果和下一步行动方案包括：根据BRDF参数，判断路面的不同状态及等级，根据状态及等级，提供行走方案。
具体地，根据当前路面BRDF参数，判断路面是湿滑、泥泞、积水等不同状态及等级，提供行走方案。
由此可见，本发明实施例提供您的基于表面材质建模的路面状态分析方法，通过分析光线照射在路面上的反射情况，得到路面的材质信息，对路面的状态进行定量评价。不同天气和光照强度条件下，路面的光线反射情况会发生变化，通过光线反射计算可以得到可靠的表面材质信息。基于视野范围内不同位置的路面材质建模，可以为行人提供可靠的行走方案。
图6示出了本发明实施例提供的基于表面材质建模的路面状态分析装置的结构示意图，该基于表面材质建模的路面状态分析装置应用上述方法，以下仅对基于表面材质建模的路面状态分析装置的结构进行简单说明，其他未尽事宜，请参照上述基于表面材质建模的路面状态分析方法中的相关描述，参见图6，本发明实施例提供的基于表面材质建模的路面状态分析装置，包括：
获取模块，用于获取道路参与者提供的图像；
计算模块，用于利用表面材质建模算法计算图像中路面的材质属性参数，其中，材质属性参数包括：场景中物体表面材质对光照的反射属性；
评估模块，用于利用路面状态分析算法根据反射属性得到路面状态评估结果和下一步行动方案。
作为本发明实施例的一个可选实施方式，计算模块通过如下方式利用表面材质建模算法计算图像中路面的材质属性参数：计算模块，具体用于采用双向反射分布函数建模计算场景中物体表面材质对光照的反射属性。
作为本发明实施例的一个可选实施方式，计算模块通过如下方式采用双向反射分布函数建模计算场景中物体表面材质对光照的反射属性：计算模块，具体用于对于某一光照条件下拍摄的图像，采用图像分解算法将图像分为漫反射图像和高光图像，结合高光图像和道路的几何结构，计算道路的BRDF参数。
作为本发明实施例的一个可选实施方式，计算模块通过如下方式采用双向反射分布函数建模计算场景中物体表面材质对光照的反射属性：计算模块，具体用于根据行走过程中拍摄的图像，采用图像分解算法将图像分为漫反射图像和高光图像，根据漫反射图像在材质集合中预设算法查找近似场景，并利用其BRDF参数插值计算得到当前场景的BRDF参数。
作为本发明实施例的一个可选实施方式，评估模块通过如下方式利用路面状态分析算法根据反射属性得到路面状态评估结果和下一步行动方案：评估模块，具体用于根据BRDF参数，判断路面的不同状态及等级，根据状态及等级，提供行走方案。
由此可见，本发明实施例提供您的基于表面材质建模的路面状态分析装置，通过分析光线照射在路面上的反射情况，得到路面的材质信息，对路面的状态进行定量评价。不同天气和光照强度条件下，路面的光线反射情况会发生变化，通过光线反射计算可以得到可靠的表面材质信息。基于视野范围内不同位置的路面材质建模，可以为行人提供可靠的行走方案。
以上仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。

Claims (10)

1.一种基于表面材质建模的路面状态分析方法，其特征在于，包括：
获取道路参与者提供的图像；
利用表面材质建模算法计算所述图像中路面的材质属性参数，其中，所述材质属性参数包括：场景中物体表面材质对光照的反射属性；
利用路面状态分析算法根据所述反射属性得到路面状态评估结果和下一步行动方案。
2.根据权利要求1所述的方法，其特征在于，所述利用表面材质建模算法计算所述图像中路面的材质属性参数包括：
采用双向反射分布函数建模计算所述场景中物体表面材质对光照的反射属性。
3.根据权利要求2所述的方法，其特征在于，所述采用双向反射分布函数建模计算所述场景中物体表面材质对光照的反射属性包括：
对于某一光照条件下拍摄的图像，采用图像分解算法将所述图像分为漫反射图像和高光图像，结合所述高光图像和道路的几何结构，计算道路的BRDF参数。
4.根据权利要求2所述的方法，其特征在于，所述采用双向反射分布函数建模计算所述场景中物体表面材质对光照的反射属性包括：
根据行走过程中拍摄的图像，采用图像分解算法将所述图像分为漫反射图像和高光图像，根据漫反射图像在材质集合中预设算法查找近似场景，并利用其BRDF参数插值计算得到当前场景的BRDF参数。
5.根据权利要求3或4所述的方法，其特征在于，所述利用路面状态分析算法根据所述反射属性得到路面状态评估结果和下一步行动方案包括：
根据所述BRDF参数，判断路面的不同状态及等级，根据状态及等级，提供行走方案。
6.一种基于表面材质建模的路面状态分析装置，其特征在于，包括：
获取模块，用于获取道路参与者提供的图像；
计算模块，用于利用表面材质建模算法计算所述图像中路面的材质属性参数，其中，所述材质属性参数包括：场景中物体表面材质对光照的反射属性；
评估模块，用于利用路面状态分析算法根据所述反射属性得到路面状态评估结果和下一步行动方案。
7.根据权利要求6所述的装置，其特征在于，所述计算模块通过如下方式利用表面材质建模算法计算所述图像中路面的材质属性参数：
所述计算模块，具体用于采用双向反射分布函数建模计算所述场景中物体表面材质对光照的反射属性。
8.根据权利要求7所述的装置，其特征在于，所述计算模块通过如下方式采用双向反射分布函数建模计算所述场景中物体表面材质对光照的反射属性：
所述计算模块，具体用于对于某一光照条件下拍摄的图像，采用图像分解算法将所述图像分为漫反射图像和高光图像，结合所述高光图像和道路的几何结构，计算道路的BRDF参数。
9.根据权利要求7所述的装置，其特征在于，所述计算模块通过如下方式采用双向反射分布函数建模计算所述场景中物体表面材质对光照的反射属性：
所述计算模块，具体用于根据行走过程中拍摄的图像，采用图像分解算法将所述图像分为漫反射图像和高光图像，根据漫反射图像在材质集合中预设算法查找近似场景，并利用其BRDF参数插值计算得到当前场景的BRDF参数。
10.根据权利要求8或9所述的装置，其特征在于，所述评估模块通过如下方式利用路面状态分析算法根据所述反射属性得到路面状态评估结果和下一步行动方案：
所述评估模块，具体用于根据所述BRDF参数，判断路面的不同状态及等级，根据状态及等级，提供行走方案。
CN202110022373.9A 2021-01-08 2021-01-08 一种基于表面材质建模的路面状态分析方法及装置 Active CN112597666B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110022373.9A CN112597666B (zh) 2021-01-08 2021-01-08 一种基于表面材质建模的路面状态分析方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110022373.9A CN112597666B (zh) 2021-01-08 2021-01-08 一种基于表面材质建模的路面状态分析方法及装置

Publications (2)

Publication Number Publication Date
CN112597666A true CN112597666A (zh) 2021-04-02
CN112597666B CN112597666B (zh) 2022-05-24

Family

ID=75206975

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110022373.9A Active CN112597666B (zh) 2021-01-08 2021-01-08 一种基于表面材质建模的路面状态分析方法及装置

Country Status (1)

Country Link
CN (1) CN112597666B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2011158306A1 (ja) * 2010-06-18 2011-12-22 本田技研工業株式会社 路面反射率分類のためのシステム
CN105844695A (zh) * 2016-03-18 2016-08-10 山东大学 一种基于真实材质测量数据的光照建模方法
CN107505289A (zh) * 2017-06-20 2017-12-22 北京师范大学 一种基于地形沙盘的山地方向性反射率的测量方法
CN107667378A (zh) * 2015-05-06 2018-02-06 大陆-特韦斯贸易合伙股份公司及两合公司 用于识别和评估路面反射的方法和装置
CN109671274A (zh) * 2019-01-24 2019-04-23 交通运输部公路科学研究所 一种基于特征构造和融合的公路风险自动评估方法
WO2020121594A1 (ja) * 2018-12-14 2020-06-18 株式会社堀場製作所 表面特性検査装置及び表面特性検査用の機械学習装置

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2011158306A1 (ja) * 2010-06-18 2011-12-22 本田技研工業株式会社 路面反射率分類のためのシステム
CN107667378A (zh) * 2015-05-06 2018-02-06 大陆-特韦斯贸易合伙股份公司及两合公司 用于识别和评估路面反射的方法和装置
CN105844695A (zh) * 2016-03-18 2016-08-10 山东大学 一种基于真实材质测量数据的光照建模方法
CN107505289A (zh) * 2017-06-20 2017-12-22 北京师范大学 一种基于地形沙盘的山地方向性反射率的测量方法
WO2020121594A1 (ja) * 2018-12-14 2020-06-18 株式会社堀場製作所 表面特性検査装置及び表面特性検査用の機械学習装置
CN109671274A (zh) * 2019-01-24 2019-04-23 交通运输部公路科学研究所 一种基于特征构造和融合的公路风险自动评估方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
MALTE LENOCH等: "Reflectance-based 3D shape refinement of surfaces with spatially varying BRDF properties", 《 2016 9TH IAPR WORKSHOP ON PATTERN RECOGNITON IN REMOTE SENSING (PRRS)》 *
胡勇等: "不透明材质反射属性采集及建模技术综述", 《计算机辅助设计与图形学学报》 *
马宗泉等: "一种真实物体表面反射属性采集与建模方法", 《计算机辅助设计与图形学学报》 *

Also Published As

Publication number Publication date
CN112597666B (zh) 2022-05-24

Similar Documents

Publication Publication Date Title
CN102044151B (zh) 基于光照可见度辨识的夜间车辆视频检测方法
WO2018122589A1 (zh) 一种基于红外热像图分析的沥青路面裂缝发育程度检测方法
Bossu et al. Rain or snow detection in image sequences through use of a histogram of orientation of streaks
CN102270301B (zh) 一种svm与激光雷达结合检测非结构化道路边界的方法
CN103500338A (zh) 基于车载激光扫描点云的道路斑马线自动提取方法
CN101976504B (zh) 一种基于颜色空间信息的多车辆视频跟踪方法
Zhu et al. Weakly supervised network based intelligent identification of cracks in asphalt concrete bridge deck
CN111666805A (zh) 用于自动驾驶的类别标记系统
CN111027430A (zh) 一种面向无人车智能评估的交通场景复杂度计算方法
CN105426868A (zh) 一种基于自适应感兴趣区域的车道检测方法
Wang et al. Road edge detection in all weather and illumination via driving video mining
Cheng et al. Modeling weather and illuminations in driving views based on big-video mining
CN111651712A (zh) 一种智能汽车测试场景复杂度的评估方法及系统
CN112926556A (zh) 一种基于语义分割的航拍输电线路散断股识别方法及系统
Juneja et al. A systematic review on foggy datasets: Applications and challenges
Ayman et al. Recent computer vision applications for pavement distress and condition assessment
CN112597666B (zh) 一种基于表面材质建模的路面状态分析方法及装置
CN110399664A (zh) 一种驾驶速度的确定方法及装置
Guo et al. A domain‐adaptive method with cycle perceptual consistency adversarial networks for vehicle target detection in foggy weather
Sun et al. Objects detection with 3-d roadside lidar under snowy weather
Wang et al. All weather road edge identification based on driving video mining
Owechko et al. Automatic recognition of diverse 3-D objects and analysis of large urban scenes using ground and aerial LIDAR sensors
Chen et al. A review on computer vision and machine learning techniques for automated road surface defect and distress detection
Yang et al. Learn to Model and Filter Point Cloud Noise for a Near-Infrared ToF LiDAR in Adverse Weather
Yuan et al. 3D traffic scenes construction and simulation based on scene stages

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