CN113011388A - 一种基于车牌及车道线的车辆外轮廓尺寸检测方法 - Google Patents
一种基于车牌及车道线的车辆外轮廓尺寸检测方法 Download PDFInfo
- Publication number
- CN113011388A CN113011388A CN202110439598.4A CN202110439598A CN113011388A CN 113011388 A CN113011388 A CN 113011388A CN 202110439598 A CN202110439598 A CN 202110439598A CN 113011388 A CN113011388 A CN 113011388A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- license plate
- image
- width
- coordinate system
- 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
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 17
- 238000005259 measurement Methods 0.000 claims abstract description 41
- 238000000034 method Methods 0.000 claims abstract description 24
- 239000011159 matrix material Substances 0.000 claims abstract description 20
- 230000009466 transformation Effects 0.000 claims abstract description 10
- 238000006243 chemical reaction Methods 0.000 claims abstract description 5
- 101100295738 Gallus gallus COR3 gene Proteins 0.000 claims description 8
- 238000012545 processing Methods 0.000 claims description 7
- 101100496169 Arabidopsis thaliana CLH1 gene Proteins 0.000 claims description 6
- 101100295741 Gallus gallus COR4 gene Proteins 0.000 claims description 6
- 101100044057 Mesocricetus auratus SYCP3 gene Proteins 0.000 claims description 6
- 101100080600 Schizosaccharomyces pombe (strain 972 / ATCC 24843) nse6 gene Proteins 0.000 claims description 6
- 101150111293 cor-1 gene Proteins 0.000 claims description 6
- 238000005516 engineering process Methods 0.000 claims description 6
- 101150047265 COR2 gene Proteins 0.000 claims description 5
- 101100467189 Saccharomyces cerevisiae (strain ATCC 204508 / S288c) QCR2 gene Proteins 0.000 claims description 5
- 238000012937 correction Methods 0.000 claims description 5
- 239000012535 impurity Substances 0.000 claims description 5
- 238000003709 image segmentation Methods 0.000 claims description 4
- 230000000877 morphologic effect Effects 0.000 claims description 3
- 238000000605 extraction Methods 0.000 claims description 2
- 238000003708 edge detection Methods 0.000 abstract 1
- 238000009434 installation Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
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
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
- G06V20/54—Surveillance or monitoring of activities, e.g. for recognising suspicious objects of traffic, e.g. cars on the road, trains or boats
-
- 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
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/017—Detecting movement of traffic to be counted or controlled identifying vehicles
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/62—Text, e.g. of license plates, overlay texts or captions on TV images
- G06V20/625—License plates
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/08—Detecting or categorising vehicles
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明提出一种基于车牌及车道线的车辆外廓尺寸检测方法,属于车辆检测技术领域,通过操控无人机平台,在车辆行驶过程中采集图片;以车牌左上角为原点建立世界坐标系和图像坐标系,利用车牌标准尺寸作为参照系得到车牌各个顶点的世界坐标,在图像中求得对应顶点的图像坐标,计算世界坐标系和图像坐标系的转换矩阵P;提取车辆轮廓边缘,寻找边缘和车牌所在平面交点作为宽高测量基准点,计算宽高测量点的图像坐标;然后利用转换矩阵求交点的世界坐标得出车辆宽度和高度;计算可跨越车道分界线实线段的长度所占像素,得出车道线标准长度和像素数量的比值r;边缘检测后计算车辆长度方向上所占最大像素数量,根据r求得车辆长度。
Description
技术领域
本发明属于车辆检测技术领域,特别是涉及到一种基于车牌及车道线的车辆外轮廓尺寸检测方法。
背景技术
随着高速收费站的逐步取消,人工式的超限车辆尺寸测量受到一定影响,研究新的易于使用且符合当下实际情况的车辆三维尺寸测量装置愈发重要。目前超限车辆外廓尺寸测量方法主要有:人工测量法、雷达传感法、激光扫描法。但是这些方法存在着如测量耗时、安装成本高以及不利于推广等问题。
近年来,计算机及图像处理技术正在迅速发展,为基于图像处理的非接触式尺寸测量提供了机遇。利用图像处理技术进行尺寸测量可以大大降低测量设备的成本,但是目前相关的研究成果还比较少。
因此,现有技术亟需一种新的技术方案来解决上述问题。
发明内容
本发明所要解决的技术问题是:提供一种基于车牌及车道线的车辆外轮廓尺寸检测方法,利用图像检测技术、以车牌和车道线为参照物的车辆外廓尺寸测量方法,此方法的实现对于降低测量设备的成本和推动车辆尺寸测量的发展有重要作用。
一种基于车牌及车道线的车辆外轮廓尺寸检测方法,其特征是:包括以下步骤,且以下步骤顺次进行,
步骤一、通过无人机平台,采集车辆行驶过程中的原始图片并存储图片,图片包括测长度图片和测宽高图片;
步骤二、调用步骤一采集测宽高图片,建立图像坐标系,并选取车牌绘制 ROI感兴趣区域,以车牌左上角为原点建立世界坐标系,车牌平面和世界坐标系xoy平面重合,世界坐标系X轴正方向为车牌长度方向,Y轴正方向为车牌宽度方向,Z轴正方向为车牌垂线方向;
步骤三、利用中华人民共和国公共安全行业标准《GA36-2014》中对车牌的尺寸规定,获得车牌四个角点的世界坐标,在图像坐标系中获得车牌四个角点的图像坐标;
步骤四、计算所述步骤三获得的车牌角点世界坐标与图像坐标的转换矩阵;
步骤五、提取图片中车辆边缘,确定车辆最高点所在水平面与车辆侧面最突出点所在铅垂面,所述水平面和铅锤面与车牌所在平面交点为宽高测量的目标点;
步骤六、在图像坐标系中计算宽高测量目标点的图像坐标;通过转换矩阵 P计算宽高测量目标点的世界坐标,宽高测量目标点世界坐标的X坐标之差的绝对值为车辆宽度;
步骤七、将两个宽高测量目标点世界坐标的Y坐标的算数平均数加上车牌左上角顶点到地面的高度修正值Δh,计算得到车辆高度;
步骤八、调用步骤一采集测长度图片,选取可跨越车道分界线实线段部分绘制ROI感兴趣区域,求得图像坐标系下车道线长度方向像素数量,计算车道线标准长度和像素数量的比值ratio=车道线标准长度/像素数量;
步骤九、提取车辆边缘,得到车辆俯视图或侧视图中车道线方向最长线段的前后端点,计算所述线段在图像中所占像素数量,根据比值ratio求得车辆长度,Length=像素数量×ratio;
至此,一种基于车牌及车道线的车辆外轮廓尺寸检测完成。
所述步骤一的测长度图片无人机平台采集角度为车辆俯视或侧视方向,且要包含可跨越车道分界线的一段完整实线段,过长车辆采用多次拍摄图像拼接技术以保证图片中车辆的完整;测宽高图片无人机采集范围为完整的车牌和车牌所在车辆前侧面或后侧面。
所述步骤三中华人民共和国公共安全行业标准《GA36-2014》中对车牌的尺寸规定车牌尺寸为a×bmm,以车牌左上角为世界坐标的坐标原点,可得车牌四个角点的世界坐标(0,0,0)、(0,b,0)、(a,0,0)、(a,b,0)由于Z坐标为0,可将世界坐标简化为COR1=(a,0),COR2=(0,b),COR3=(0,0),COR4=(a,b),并在图像坐标系中求得四个角点的图像坐标cor1,cor2,cor3,cor4,其中令 cor3=(0,0)。
所述步骤四中转换矩阵P的求解方法为,
所述车辆边缘提取通过图像分割、图像灰度处理、形态学去杂质进行边缘提取。
所述步骤七中高度修正值Δh根据检测车型进行修改。
所述步骤八可跨越车道分界线实线段部分长度根据路段和此路段的车道线尺寸标准选取。
通过上述设计方案,本发明可以带来如下有益本发明提出一种效果:一种基于车牌及车道线的车辆外轮廓尺寸检测方法,用以解决目前车辆尺寸测量设备成本高、推广性差、安装不便的问题。
本发明的进一步有益效果在于,
1、硬件仅基于一台较高清晰度相机和无人机,购置和维护成本低,安装简单,操作容易,推广性强,使用相机可完成车辆不停车情况下的轮廓尺寸测量;
2、基于无人机平台的测量装置可随意移动,灵活性很强;
3、提供了一种以车牌和车道线为参照的车辆轮廓尺寸图像测量的方法;
4、本发明测量宽高时将车牌和车的前侧面或后侧面放在同一平面内,可很大程度降低图像畸变对测量结果的影响。
附图说明
以下结合附图和具体实施方式对本发明作进一步的说明:
图1为本发明一种基于车牌及车道线的车辆外轮廓尺寸检测方法流程示意图。
图2为本发明一种基于车牌及车道线的车辆外轮廓尺寸检测方法宽高测量 3D模型-2D图像转换示意图。
图3为本发明一种基于车牌及车道线的车辆外轮廓尺寸检测方法长度测量的拍摄角度示意图。
图中1-无人机、2-车道线。
具体实施方式
一种基于车牌及车道线的车辆外轮廓尺寸检测方法,如图2所示,本发明需建立两个坐标系,以车牌左上角顶点为坐标原点的世界坐标系以及以车牌左上角顶点为原点的图像坐标系,基于这两个坐标系进行转换,由此测出车辆宽度和高度;如图3所示为测长度图片的俯视拍摄角度,包含完整的可跨越车道线和完整的车身,根据比例关系测得车辆长度。如图1所示,本发明一种基于车牌及车道线的车辆外轮廓尺寸检测方法的具体步骤如下:
步骤1:通过无人机采集并保存图片:
具体的,通过无人机平台在车辆不同角度采集测长度图片和测宽高图片。测长度图片由无人机1在车辆正上方或侧面拍摄,拍摄图片包含可跨越车道线2 的一段完整实线段(如图3所示),若车辆过长,采用多次拍摄图像拼接技术以保证图片中车辆的完整性。测宽高图片应采集到完整的车牌及车牌所在的完整车辆前侧面或后侧面。
步骤2,建立图像坐标系和世界坐标系:
具体的,调用测宽高图片,进行二值化处理,分割车牌完整区域,提取车牌,去除小连通域,填充字母,以车牌左上角为原点建立世界坐标系,世界坐标系X轴轴向为车牌长度方向,Y轴轴向为车牌宽度方向,Z轴轴向为垂直车牌方向。
步骤3,提取车牌角点的图像坐标:
根据中华人民共和国公共安全行业标准《GA36-2014》中对车牌的尺寸规定, 以车牌尺寸为440×140mm为例,以车牌左上角为世界坐标的坐标原点,可得车牌四个角点的世界坐标(0,0,0)、(0,140,0)、(440,0,0)、(440,140,0)由于Z坐标为0,可将世界坐标简化为COR1=(440,0),COR2=(0,140),COR3=(0,0), COR4=(440,140),并在图像坐标系中求得四个角点的图像坐标cor1,cor2, cor3,cor4,其中令cor3=(0,0)。
步骤4,求得世界坐标系与图像坐标系之间的转换矩阵P:
步骤5,确定宽高测量的目标点:
具体的,使用图像分割,灰度处理,形态学去杂质,提取到车辆边缘,确定车辆最高点所在水平面与侧面最突出点所在铅垂面,所述两平面与车牌所在平面交点为宽高测量的目标点。
步骤6,计算两个宽高测量目标点的图像坐标:
具体的,在图像坐标系中计算宽高测量目标点的图像坐标 (u1,v1)=(u01-cor3(2),v01-cor3(1),
(u2,v2)=(u02-cor3(2),v02-cor3(1)。其中,(u01,v01)和(u02,v02)为以图片左上角为原点的图像坐标系中宽高测量目标点的图像坐标。
步骤7,计算车辆宽度:
具体的,由转换矩阵P计算宽高测量目标点的世界坐标: (U1,V1)=P×(u1,v1),(U2,V2)=P×(u2,v2)。两点X坐标之差的绝对值为车辆宽度:Width=abs(U1-U2)。
步骤8,计算车辆高度:
步骤9,车道线定位及角点检测,求长度测量转换矩阵:
具体的,调用测长度图片,从图片中选取可跨越车道分界线实线段部分绘制ROI区域,形态学去杂质,提取车道线的四个顶点,求得图像坐标系下车道线长度方向像素数量,已知可跨越车道线的实际长度,计算得出车道线标准长度和像素数量的比值:ratio=车道线标准长度/像素数量。
步骤10,计算车辆长度:
具体的,使用图像分割,形态学去杂质,提取车辆边缘,得到车辆俯视图或侧视图中车道线方向最长线段的前后端点,计算图像坐标系中该线段像素数量,根据比值ratio求得车辆长度,Length=像素数量×ratio。
以上所述仅为本发明优选的实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。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 (7)
1.一种基于车牌及车道线的车辆外轮廓尺寸检测方法,其特征是:包括以下步骤,且以下步骤顺次进行,
步骤一、通过无人机平台,采集车辆行驶过程中的原始图片并存储图片,图片包括测长度图片和测宽高图片;
步骤二、调用步骤一采集测宽高图片,建立图像坐标系,并选取车牌绘制ROI感兴趣区域,以车牌左上角为原点建立世界坐标系,车牌平面和世界坐标系xoy平面重合,世界坐标系X轴正方向为车牌长度方向,Y轴正方向为车牌宽度方向,Z轴正方向为车牌垂线方向;
步骤三、利用中华人民共和国公共安全行业标准《GA36-2014》中对车牌的尺寸规定,获得车牌四个角点的世界坐标,在图像坐标系中获得车牌四个角点的图像坐标;
步骤四、计算所述步骤三获得的车牌角点世界坐标与图像坐标的转换矩阵;
步骤五、提取图片中车辆边缘,确定车辆最高点所在水平面与车辆侧面最突出点所在铅垂面,所述水平面和铅锤面与车牌所在平面交点为宽高测量的目标点;
步骤六、在图像坐标系中计算宽高测量目标点的图像坐标;通过转换矩阵P计算宽高测量目标点的世界坐标,宽高测量目标点世界坐标的X坐标之差的绝对值为车辆宽度;
步骤七、将两个宽高测量目标点世界坐标的Y坐标的算数平均数加上车牌左上角顶点到地面的高度修正值Δh,计算得到车辆高度;
步骤八、调用步骤一采集测长度图片,选取可跨越车道分界线实线段部分绘制ROI感兴趣区域,求得图像坐标系下车道线长度方向像素数量,计算车道线标准长度和像素数量的比值ratio=车道线标准长度/像素数量;
步骤九、提取车辆边缘,得到车辆俯视图或侧视图中车道线方向最长线段的前后端点,计算所述线段在图像中所占像素数量,根据比值ratio求得车辆长度,Length=像素数量×ratio;
至此,一种基于车牌及车道线的车辆外轮廓尺寸检测完成。
2.根据权利要求1所述的一种基于车牌及车道线的车辆外轮廓尺寸检测方法,其特征是:所述步骤一的测长度图片无人机平台采集角度为车辆俯视或侧视方向,且要包含可跨越车道分界线的一段完整实线段,过长车辆采用多次拍摄图像拼接技术以保证图片中车辆的完整;测宽高图片无人机采集范围为完整的车牌和车牌所在车辆前侧面或后侧面。
3.根据权利要求1所述的一种基于车牌及车道线的车辆外轮廓尺寸检测方法,其特征是:所述步骤三中华人民共和国公共安全行业标准《GA36-2014》中对车牌的尺寸规定车牌尺寸为a×bmm,以车牌左上角为世界坐标的坐标原点,可得车牌四个角点的世界坐标(0,0,0)、(0,b,0)、(a,0,0)、(a,b,0)由于Z坐标为0,可将世界坐标简化为COR1=(a,0),COR2=(0,b),COR3=(0,0),COR4=(a,b),并在图像坐标系中求得四个角点的图像坐标cor1,cor2,cor3,cor4,其中令cor3=(0,0)。
5.根据权利要求1所述的一种基于车牌及车道线的车辆外轮廓尺寸检测方法,其特征是:所述车辆边缘提取通过图像分割、图像灰度处理、形态学去杂质进行边缘提取。
6.根据权利要求1所述的一种基于车牌及车道线的车辆外轮廓尺寸检测方法,其特征是:所述步骤七中高度修正值Δh根据检测车型进行修改。
7.根据权利要求1所述的一种基于车牌及车道线的车辆外轮廓尺寸检测方法,其特征是:所述步骤八可跨越车道分界线实线段部分长度根据路段和此路段的车道线尺寸标准选取。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110439598.4A CN113011388B (zh) | 2021-04-23 | 2021-04-23 | 一种基于车牌及车道线的车辆外轮廓尺寸检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110439598.4A CN113011388B (zh) | 2021-04-23 | 2021-04-23 | 一种基于车牌及车道线的车辆外轮廓尺寸检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113011388A true CN113011388A (zh) | 2021-06-22 |
CN113011388B CN113011388B (zh) | 2022-05-06 |
Family
ID=76389060
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110439598.4A Expired - Fee Related CN113011388B (zh) | 2021-04-23 | 2021-04-23 | 一种基于车牌及车道线的车辆外轮廓尺寸检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113011388B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112991433A (zh) * | 2021-04-26 | 2021-06-18 | 吉林大学 | 基于双目深度感知和车辆位置的货车外廓尺寸测量方法 |
CN113689732A (zh) * | 2021-08-27 | 2021-11-23 | 深圳供电局有限公司 | 一种基于大数据的车辆停车管理方法及系统 |
CN113990078A (zh) * | 2021-10-22 | 2022-01-28 | 四川遂广遂西高速公路有限责任公司 | 一种基于多源信息判断的高速路车辆超限检测方法、系统及存储介质 |
CN114648576A (zh) * | 2022-05-24 | 2022-06-21 | 苏州魔视智能科技有限公司 | 一种目标车辆的定位方法、装置以及系统 |
Citations (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101050962A (zh) * | 2007-05-18 | 2007-10-10 | 成都君悦图像技术有限公司 | 汽车物理特征参数的测量方法 |
CN101294801A (zh) * | 2007-07-13 | 2008-10-29 | 东南大学 | 基于双目视觉的车距测量方法 |
CN101750049A (zh) * | 2008-12-05 | 2010-06-23 | 南京理工大学 | 基于道路和车辆自身信息的单目视觉车距测量方法 |
JP2010236891A (ja) * | 2009-03-30 | 2010-10-21 | Nec Corp | カメラ座標系と世界座標系との位置座標変換方法、車載装置、路側撮影装置及び位置座標変換システム |
CN102410815A (zh) * | 2011-11-30 | 2012-04-11 | 杨茂君 | 机动车外廓尺寸测距仪及其所采用的测量方法 |
CN102679873A (zh) * | 2012-05-29 | 2012-09-19 | 吉林大学 | 营运车辆整车尺寸全景立体视觉测量系统 |
JP2013024662A (ja) * | 2011-07-19 | 2013-02-04 | Toyota Infotechnology Center Co Ltd | 3次元範囲計測システム、3次元範囲計測プログラムおよび記録媒体 |
CN104501928A (zh) * | 2014-12-17 | 2015-04-08 | 北京工业职业技术学院 | 基于车牌照的车辆精确定位的汽车衡称重方法及系统 |
CN106064587A (zh) * | 2016-07-06 | 2016-11-02 | 北方工业大学 | 一种基于车牌识别的多车道车间距识别方法及装置 |
CN107705331A (zh) * | 2017-10-30 | 2018-02-16 | 中原工学院 | 一种基于多视点摄像机的车辆视频测速方法 |
CN108550143A (zh) * | 2018-04-03 | 2018-09-18 | 长安大学 | 一种基于rgb-d相机的车辆长宽高尺寸的测量方法 |
WO2019094843A1 (en) * | 2017-11-10 | 2019-05-16 | Nvidia Corporation | Systems and methods for safe and reliable autonomous vehicles |
CN109822754A (zh) * | 2019-02-25 | 2019-05-31 | 长安大学 | 用于沥青混凝土搅拌站的自卸车货厢尺寸检测系统及方法 |
CN110307791A (zh) * | 2019-06-13 | 2019-10-08 | 东南大学 | 基于三维车辆边界框的车辆长度及速度计算方法 |
CN111272139A (zh) * | 2020-02-17 | 2020-06-12 | 浙江工业大学 | 一种基于单目视觉的车辆长度测量方法 |
CN111519560A (zh) * | 2020-05-28 | 2020-08-11 | 吉林大学 | 一种可调式车辆限高警示装置 |
CN112325794A (zh) * | 2020-10-12 | 2021-02-05 | 武汉万集信息技术有限公司 | 一种车辆外廓尺寸确定方法、装置及系统 |
CN112489106A (zh) * | 2020-12-08 | 2021-03-12 | 深圳市哈工交通电子有限公司 | 基于视频的车辆尺寸测量方法、装置、终端及存储介质 |
-
2021
- 2021-04-23 CN CN202110439598.4A patent/CN113011388B/zh not_active Expired - Fee Related
Patent Citations (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101050962A (zh) * | 2007-05-18 | 2007-10-10 | 成都君悦图像技术有限公司 | 汽车物理特征参数的测量方法 |
CN101294801A (zh) * | 2007-07-13 | 2008-10-29 | 东南大学 | 基于双目视觉的车距测量方法 |
CN101750049A (zh) * | 2008-12-05 | 2010-06-23 | 南京理工大学 | 基于道路和车辆自身信息的单目视觉车距测量方法 |
JP2010236891A (ja) * | 2009-03-30 | 2010-10-21 | Nec Corp | カメラ座標系と世界座標系との位置座標変換方法、車載装置、路側撮影装置及び位置座標変換システム |
JP2013024662A (ja) * | 2011-07-19 | 2013-02-04 | Toyota Infotechnology Center Co Ltd | 3次元範囲計測システム、3次元範囲計測プログラムおよび記録媒体 |
CN102410815A (zh) * | 2011-11-30 | 2012-04-11 | 杨茂君 | 机动车外廓尺寸测距仪及其所采用的测量方法 |
CN102679873A (zh) * | 2012-05-29 | 2012-09-19 | 吉林大学 | 营运车辆整车尺寸全景立体视觉测量系统 |
CN104501928A (zh) * | 2014-12-17 | 2015-04-08 | 北京工业职业技术学院 | 基于车牌照的车辆精确定位的汽车衡称重方法及系统 |
CN106064587A (zh) * | 2016-07-06 | 2016-11-02 | 北方工业大学 | 一种基于车牌识别的多车道车间距识别方法及装置 |
CN107705331A (zh) * | 2017-10-30 | 2018-02-16 | 中原工学院 | 一种基于多视点摄像机的车辆视频测速方法 |
WO2019094843A1 (en) * | 2017-11-10 | 2019-05-16 | Nvidia Corporation | Systems and methods for safe and reliable autonomous vehicles |
CN108550143A (zh) * | 2018-04-03 | 2018-09-18 | 长安大学 | 一种基于rgb-d相机的车辆长宽高尺寸的测量方法 |
CN109822754A (zh) * | 2019-02-25 | 2019-05-31 | 长安大学 | 用于沥青混凝土搅拌站的自卸车货厢尺寸检测系统及方法 |
CN110307791A (zh) * | 2019-06-13 | 2019-10-08 | 东南大学 | 基于三维车辆边界框的车辆长度及速度计算方法 |
CN111272139A (zh) * | 2020-02-17 | 2020-06-12 | 浙江工业大学 | 一种基于单目视觉的车辆长度测量方法 |
CN111519560A (zh) * | 2020-05-28 | 2020-08-11 | 吉林大学 | 一种可调式车辆限高警示装置 |
CN112325794A (zh) * | 2020-10-12 | 2021-02-05 | 武汉万集信息技术有限公司 | 一种车辆外廓尺寸确定方法、装置及系统 |
CN112489106A (zh) * | 2020-12-08 | 2021-03-12 | 深圳市哈工交通电子有限公司 | 基于视频的车辆尺寸测量方法、装置、终端及存储介质 |
Non-Patent Citations (3)
Title |
---|
XU ZEWEI; PENG JIERU: "A method for vehicle three-dimensional size measurement based on laser ranging", 《2015 INTERNATIONAL CONFERENCE ON TRANSPORTATION INFORMATION AND SAFETY (ICTIS)》 * |
时尧: "机动车外廓尺寸智能测量系统设计", 《中国优秀博硕士学位论文全文数据库(硕士)工程科技Ⅱ辑》 * |
程磊: "车辆轮廓自动测量系统的研究与设计", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112991433A (zh) * | 2021-04-26 | 2021-06-18 | 吉林大学 | 基于双目深度感知和车辆位置的货车外廓尺寸测量方法 |
CN112991433B (zh) * | 2021-04-26 | 2022-08-02 | 吉林大学 | 基于双目深度感知和车辆位置的货车外廓尺寸测量方法 |
CN113689732A (zh) * | 2021-08-27 | 2021-11-23 | 深圳供电局有限公司 | 一种基于大数据的车辆停车管理方法及系统 |
CN113990078A (zh) * | 2021-10-22 | 2022-01-28 | 四川遂广遂西高速公路有限责任公司 | 一种基于多源信息判断的高速路车辆超限检测方法、系统及存储介质 |
CN114648576A (zh) * | 2022-05-24 | 2022-06-21 | 苏州魔视智能科技有限公司 | 一种目标车辆的定位方法、装置以及系统 |
CN114648576B (zh) * | 2022-05-24 | 2022-08-23 | 苏州魔视智能科技有限公司 | 一种目标车辆的定位方法、装置以及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN113011388B (zh) | 2022-05-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113011388B (zh) | 一种基于车牌及车道线的车辆外轮廓尺寸检测方法 | |
CN107292927B (zh) | 一种基于双目视觉的对称运动平台位姿测量方法 | |
CN109752701A (zh) | 一种基于激光点云的道路边沿检测方法 | |
CN109801333B (zh) | 体积测量方法、装置、系统及计算设备 | |
CN107610176A (zh) | 一种基于Kinect的栈板动态识别与定位方法、系统及介质 | |
CN107767456A (zh) | 一种基于rgb‑d相机的物体三维重建方法 | |
CN106249881A (zh) | 增强现实视场空间和虚拟三维目标动态配准方法 | |
CN113436260A (zh) | 基于多传感器紧耦合的移动机器人位姿估计方法和系统 | |
CN111046776A (zh) | 基于深度相机的移动机器人行进路径障碍物检测的方法 | |
Li et al. | A system of the shadow detection and shadow removal for high resolution city aerial photo | |
CN112308916A (zh) | 一种基于图像靶标的目标位姿识别方法 | |
CN107564046A (zh) | 一种基于点云与uav影像二次配准的建筑物轮廓精确提取方法 | |
CN116452852A (zh) | 一种高精度矢量地图的自动生成方法 | |
CN107274673B (zh) | 基于修正局部方差的车辆排队长度测量方法及测量系统 | |
CN115330684A (zh) | 基于双目视觉与线结构光的水下构筑物表观缺陷检测方法 | |
CN113658144B (zh) | 路面病害几何信息的确定方法、装置、设备及介质 | |
CN114820474A (zh) | 一种基于三维信息的列车车轮缺陷检测方法 | |
CN111524193B (zh) | 一种物体二维尺寸的测量方法及测量装置 | |
CN112767459A (zh) | 基于2d-3d转换的无人机激光点云与序列影像配准方法 | |
CN113409242A (zh) | 一种轨交弓网点云智能监测方法 | |
CN117611525A (zh) | 一种受电弓滑板磨耗视觉检测方法和系统 | |
CN102967277A (zh) | 定向管平行度测量方法 | |
CN116563377A (zh) | 一种基于半球投影模型的火星岩石测量方法 | |
Boerner et al. | Brute force matching between camera shots and synthetic images from point clouds | |
CN107784666B (zh) | 基于立体影像的地形地物三维变化检测和更新方法 |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20220506 |