CN113223031A - 基于霍夫变换的目标边缘线检测方法及装置 - Google Patents
基于霍夫变换的目标边缘线检测方法及装置 Download PDFInfo
- Publication number
- CN113223031A CN113223031A CN202110426074.1A CN202110426074A CN113223031A CN 113223031 A CN113223031 A CN 113223031A CN 202110426074 A CN202110426074 A CN 202110426074A CN 113223031 A CN113223031 A CN 113223031A
- Authority
- CN
- China
- Prior art keywords
- angle
- area
- edge line
- region
- edge
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 54
- 238000004458 analytical method Methods 0.000 claims abstract description 35
- 238000000034 method Methods 0.000 claims abstract description 23
- 230000009466 transformation Effects 0.000 claims abstract description 17
- 238000007781 pre-processing Methods 0.000 claims abstract description 14
- 238000000605 extraction Methods 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 abstract description 21
- 238000010586 diagram Methods 0.000 description 4
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 238000003708 edge detection Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000012163 sequencing technique Methods 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
- G06T7/10—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
- G06T2207/20—Special algorithmic details
- G06T2207/20048—Transform domain processing
- G06T2207/20061—Hough transform
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明实施方式提供一种基于霍夫变换的目标检测方法及装置,涉及图像处理技术领域。方法包括:确定原始图像中包括待检测目标的分析区域;对分析区域进行预处理,以提取分析区域中的边缘点;依据预确定的有效角度区域对提取到的边缘点进行霍夫变换,以确定待检测目标的边缘线。本发明上述技术方案通过预确定的有效角度区域对边缘点进行霍夫变换的计算以确定待检测目标的边缘线,能有效的减少边缘点进行霍夫变换时的计算量,从而减少目标检测所花费的时间。
Description
技术领域
本发明涉及图像处理技术领域,具体地涉及一种基于霍夫变换的目标边缘线检测方法及一种基于霍夫变换的目标边缘线检测装置。
背景技术
目前,具有AD(autonomobile driving,自动驾驶)功能或ADAS(AdvancedDriverAssistance System,高级驾驶辅助系统)的车辆已经开始投入市场,例如,2016年日产Serena可以在高速公路的单车道上行驶而无需驾驶员操纵。
现有技术中,支持AD/ADAS的传感器有雷达、激光雷达和视觉摄像机。其中,视觉摄像机具有像人一样获取二维图像的特点,因此它有望成为AD/ADAS中的主要传感器,其典型应用包括车道检测、物体检测、行人检测等,视觉摄像机利用图像处理从捕获的图像中进行对象检测等处理,从而实现对捕获到的图像中的物体和环境信息的提取。在对象检测过程中,通常使用霍夫变换进行对象的边缘线检测,但目前霍夫变换过程中,往往通过常规角度(0°-360°)选择来进行边缘点的计算及分组,导致计算量大,花费的时间长。
发明内容
本发明实施方式的目的是提供一种基于霍夫变换的目标边缘线检测方法及装置,以解决现有边缘线检测计算量大,花费的时间长的问题。
为了实现上述目的,在本发明的第一方面,提供一种基于霍夫变换的目标边缘线检测方法,所述目标边缘线检测方法包括:
确定原始图像中包括待检测目标的分析区域;
对所述分析区域进行预处理,以提取所述分析区域中的边缘点;
依据预确定的有效角度区域对提取到的边缘点进行霍夫变换,以确定所述待检测目标的边缘线。
可选地,所述对所述分析区域进行预处理,以提取所述分析区域中的边缘点,包括:
对所述分析区域进行差分处理以得到对应的差分图像;
基于预设阈值提取所述差分图像中的边缘点。
可选地,所述目标检测方法还包括:所述依据预确定的有效角度区域对提取到的边缘点进行霍夫变换,以确定所述待检测目标的边缘线,包括:
对提取到的所有边缘点中的每一个边缘点,在所述有效角度区域内进行霍夫变换,以确定所述待检测目标的边缘线。
可选地,所述目标检测方法还包括:确定有效角度区域,所述确定有效角度区域,包括:
S100、确定初始基本角度集,所述初始基本角度集包括多个按恒定步长递增排列的角度;将所述初始基本角度集中的所有角度划分为至少一个已使用角度区域及至少一个未使用角度区域;
S200、删除所有的未使用角度区域,将已使用角度区域合并生成新的已使用角度区域并以所述新的已使用角度区域作为有效角度区域。
可选地,所述至少一个已使用角度区域包括第一已使用角度区域及第二已使用角度区域,所述步骤S200,还包括:
若所述第一已使用角度区域包括所述初始基本角度集中的起点角度,所述第二已使用角度区域包括所述初始基本角度集中的终点角度,则将所述第一已使用角度区域移动至所述第二已使用角度区域之后,生成新的已使用角度区域;
所述起点角度为0度,所述终点角度为360度。
在本发明的第二方面,提供一种基于霍夫变换的目标边缘线检测装置,所述目标检测装置包括:
区域划分模块,被配置为确定原始图像中包括待检测目标的分析区域;
预处理模块,被配置为对所述分析区域进行预处理,以提取所述分析区域中的边缘点;
边缘线检测模块,被配置为依据预确定的有效角度区域对提取到的边缘点进行霍夫变换,以确定所述待检测目标的边缘线。
可选地,所述预处理模块,还包括:
差分处理单元,被配置为对所述分析区域进行差分处理以得到对应的差分图像;
边缘点提取单元,被配置为基于预设阈值提取所述差分图像中的边缘点。
可选地,所述目标检测模块,还被配置为:
对提取到的所有边缘点中的每一个边缘点,在所述有效角度区域内进行霍夫变换,以确定所述待检测目标的边缘线。
可选地,所述目标检测装置还包括:有效角度区域确定模块,被配置为确定有效角度区域,所述有效角度区域确定模块,包括:
划分单元,被配置为确定初始基本角度集,所述初始基本角度集包括多个按恒定步长递增排列的角度;将所述初始基本角度集中的所有角度划分为至少一个已使用角度区域及至少一个未使用角度区域;
生成单元,被配置为删除所有的未使用角度区域,将已使用角度区域合并生成新的已使用角度区域并以所述新的已使用角度区域作为有效角度区域。
可选地,所述至少一个已使用角度区域包括第一已使用角度区域及第二已使用角度区域,所述生成单元,还被配置为:
若所述第一已使用角度区域包括所述初始基本角度集中的起点角度,所述第二已使用角度区域包括所述初始基本角度集中的终点角度,则将所述第一已使用角度区域移动至所述第二已使用角度区域之后,生成新的以使用角度区域;
所述起点角度为0度,所述终点角度为360度。
本发明上述技术方案通过预确定的有效角度区域对边缘点进行霍夫变换的计算以确定待检测目标的边缘线,能有效的减少边缘点进行霍夫变换时的计算量,从而减少目标检测所花费的时间。
本发明实施方式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
附图是用来提供对本发明实施方式的进一步理解,并且构成说明书的一部分,与下面的具体实施方式一起用于解释本发明实施方式,但并不构成对本发明实施方式的限制。在附图中:
图1是本发明优选实施方式提供的一种基于霍夫变换的目标边缘线检测方法的方法流程图;
图2是本发明优选实施方式提供的待使用的角度区域划分示意图;
图3是本发明优选实施方式提供的现有技术中霍夫平面分组示意图;
图4是本发明优选实施方式提供的待使用的角度区域移动示意图;
图5是本发明优选实施方式提供的有效角度区域示意图;
图6是本发明优选实施方式提供的采用有效角度区域进行霍夫变换后的霍夫平面分组示意图;
图7为本发明优选实施方式提供的一种基于霍夫变换的目标边缘线检测装置的装置示意图。
具体实施方式
以下结合附图对本发明的具体实施方式进行详细说明。应当理解的是,此处所描述的具体实施方式仅用于说明和解释本发明,并不用于限制本发明。
如图1所示,在本发明的第一方面,提供一种基于霍夫变换的目标边缘线检测方法,目标边缘线检测方法包括:
确定原始图像中包括待检测目标的分析区域;
对分析区域进行预处理,以提取分析区域中的边缘点;
依据预确定的有效角度区域对提取到的边缘点进行霍夫变换,以确定待检测目标的边缘线。
如此,本实施方式基于霍夫变换进行待检测目标的边缘线提取,从而实现目标检测,在霍夫变换计算过程中,通过预先确定用于霍夫变换计算的有效角度区域对边缘点进行霍夫变换计算以确定待检测目标的边缘线,无需在对每个边缘点进行霍夫变换时均对0°-360°的常规角度进行计算,从而能有效的减少边缘点进行霍夫变换时的计算量,进而减少目标检测所花费的时间。
具体的,霍夫变换过程中,需要将提取到的边缘点由笛卡尔平面转换到霍夫平面,即笛卡尔平面中的一条直线对应于霍夫平面中的一个点。为了检测到边缘点在笛卡尔平面中构成的直线,在转换过程中,需要计算笛卡尔平面中每个边缘点(x,y)在常规角度区间内每个角度下映射到霍夫平面的坐标(ρ,θ),其中,霍夫变换等式为ρ=xcosθ+ysinθ,ρ表示笛卡尔坐标系原点到经过边缘点(x,y)的直线的垂直线的长度,θ表示该垂直线与笛卡尔坐标系的x轴的夹角。例如,可以将霍夫平面量化成若干小格,根据笛卡尔坐标系中每个边缘点的坐标(x,y),在θ=0-360°内以小格的步长计算各个ρ值,所得值落入某个小格内,便使该小格的累加计数器加1,当笛卡尔坐标系中全部的边缘点都变换后,对小格进行检验,计数值最大的小格,其值(ρ,θ)对应于笛卡尔坐标系中所求的直线。但是,在实际计算过程中,常规角度区域通过包括使用的角度区域和未使用的角度区域,即在实际检测过程中,存在某些角度区域,在检测到目标边缘线的计算中无法被使用到,因此,若在每次霍夫变换过程中都对常规角度区域进行计算,将浪费大量的计算量及时间。目前,为了解决该问题常用的方法包括随机霍夫变换法,但是该方法精确度较低,并且每次的结果都不相同。本实施方式通过车载摄像头捕获原始图像,分别对原始图像进行分析区域选取,预处理并提取边缘点,对于每个边缘点,根据预确定的有效角度区域进行霍夫变换计算,从而确定待检测目标的边缘线,其中,有效角度区域可以为根据实验得到的主要检测目标的边缘线检测霍夫变换计算中常用的角度区域。例如,可以以如石块、人、车道线及锥形桶等为主要检测目标,分别对不同的上述主要检测目标的样本进行边缘线检测,获取成功检测到目标物体所用到的角度区间,并以此作为有效的角度区间,剔除未使用的角度区间,从而在进行霍夫变换的计算时,能有效的减少计算量。
其中,对分析区域进行预处理,以提取分析区域中的边缘点,包括:对分析区域进行差分处理以得到对应的差分图像;基于预设阈值提取差分图像中的边缘点。进行霍夫变换之前,需要对原始图像进行预处理,在确定分析区域后,对该图像进行平滑、差分处理,其中差分图像可以为二值化差分图像或三元差分图像,对差分图像应用常规边缘处理技术,例如阈值法,基于预设阈值得到差分图像中的边缘点。
为了准确的对待检测目标进行边缘线提取,本实施方式的目标检测方法还包括:依据预确定的有效角度区域对提取到的边缘点进行霍夫变换,以确定待检测目标的边缘线,包括:对提取到的所有边缘点中的每一个边缘点,在有效角度区域内进行霍夫变换,以确定待检测目标的边缘线。对于提取到的边缘点,现有算法需要对每个边缘点的所有角度,即0-360°均进行计算以检测目标的边缘线,但是,在实际的边缘线检测中,对于大多数被检测目标,在通过霍夫变换进行边缘线检测时,对某些角度区域的计算实际上无法准确检测到边缘线,例如,在对边缘为垂直的被检测目标进行边缘检测时,其有效角度区域就在0°或180°附近,而对于车道检测,有效角度区域通常位于45°和135°附近,有效角度区域的确定取决于被检测目标的形状,可以根据被检测目标的形状预先设定有效角度区域。这样,在对特定被检测目标例如车道进行边缘线检测时,无需对所有边缘点在0-360°的所有角度进行计算,只需对预先确定的有效角度区域进行计算即可有效检测到车道的边缘线,从而大大减少了霍夫变换的计算量,提高了计算效率。
在本实施方式中,目标检测方法还包括:确定有效角度区域,确定有效角度区域,包括:
S100、确定初始基本角度集,初始基本角度集包括多个按恒定步长递增排列的角度;将初始基本角度集中的所有角度划分为至少一个已使用角度区域及至少一个未使用角度区域;
S200、删除所有的未使用角度区域,将已使用角度区域合并生成新的已使用角度区域并以新的已使用角度区域作为有效角度区域;
其中,至少一个已使用角度区域包括第一已使用角度区域及第二已使用角度区域;若第一已使用角度区域包括初始基本角度集中的起点角度,第二已使用角度区域包括初始基本角度集中的终点角度,则将第一已使用角度区域移动至第二已使用角度区域之后,生成新的已使用角度区域;所述起点角度为0度,所述终点角度为360度。
如图2所示,首先确定初始基本角度集,初始基本角度集中的角度按照固定步长递增排列,在本实施方式中,初始基本角度集包括0-360°的所有角度,所有角度按照0°、1°2°…359°、360°的顺序排列,在此基础上进一步根据被检测目标确定已使用角度区域为A1:0-65°,A2:115-245°及A3:295-360°,未使用角度区域分别为65-115°,245-295°,将所有已使用角度区域及未使用角度区域按照0-360°由小到大的顺序依次排列,其中,已使用角度区域根据被检测目标确定,此处不作限定。如图3所示,现有的霍夫变换中,通过常规角度选择来分离组,往往会造成在霍夫平面中的值分组不连续,若第一已使用角度区域包括初始基本角度集中的起点角度0°,第二已使用角度区域包括初始基本角度集中的终点角度360°,则在预先确定的已使用角度区域0-65°及295-360°中,0°与360°相邻,即已使用角度区域0-65°与已使用角度区域295-360°可以分为连续的组,因此,本实施方式中,如图4所示,将已使用角度区域0-65°移动到已使用角度区域295-360°的末端,即将已使用角度区域0-65°与已使用角度区域295-360°合并为新的已使用角度区域,如图5所示,使得所有使用的角度变为连续的,同时删除所有未使用角度区域,将所有已使用角度区域合并生成新的已使用角度区域,以得到的新的已使用角度区域作为最终的有效角度区域。如图6所示,采用本实施方式的方法得到的有效角度区域进行霍夫变换后得到的分组是连续的,在0°处没有间隔。
如图7所示,在本发明的第二方面,提供一种基于霍夫变换的目标边缘线检测装置,目标检测装置包括:
区域划分模块,被配置为确定原始图像中包括待检测目标的分析区域;
预处理模块,被配置为对分析区域进行预处理,以提取分析区域中的边缘点;
边缘线检测模块,被配置为依据预确定的有效角度区域对提取到的边缘点进行霍夫变换,以确定待检测目标的边缘线。
可选地,预处理模块,还包括:
差分处理单元,被配置为对分析区域进行差分处理以得到对应的差分图像;
边缘点提取单元,被配置为基于预设阈值提取差分图像中的边缘点。
可选地,目标检测装置还包括:目标边缘线检测模块,还被配置为:
对提取到的所有边缘点中的每一个边缘点,在所述有效角度区域内进行霍夫变换,以确定待检测目标的边缘线。
可选地,目标检测装置还包括:有效角度区域确定模块,被配置为确定有效角度区域,有效角度区域确定模块,包括:
划分单元,被配置为确定初始基本角度集,所述初始基本角度集包括多个按恒定步长递增排列的角度;将所述初始基本角度集中的所有角度划分为至少一个已使用角度区域及至少一个未使用角度区域;
生成单元,被配置为删除所有的未使用角度区域,将已使用角度区域合并生成新的已使用角度区域并以所述新的已使用角度区域作为有效角度区域。
可选地,至少一个已使用角度区域包括第一已使用角度区域及第二已使用角度区域,排序单元,还被配置为:
若第一已使用角度区域包括初始基本角度集中的起点角度,第二已使用角度区域包括初始基本角度集中的终点角度,则将第一已使用角度区域移动至第二已使用角度区域之后,生成新的以使用角度区域;
所述起点角度为0度,所述终点角度为360度。
综上所述,本实施方式基于霍夫变换进行待检测目标的边缘线提取,从而实现目标检测,在霍夫变换计算过程中,通过将未使用的角度区域删除,将使用的角度区域按照角度排序进行移动,从而无需在对每个边缘点进行霍夫变换时对未使用的角度进行计算,有效的减少边缘点进行霍夫变换时的计算量,进而减少目标检测所花费的时间,同时,通过使用的角度区域的移动保证了相邻的角度区域在霍夫平面中的值的分组是连续的,进而提高边缘线检测的准确率。
以上结合附图详细描述了本发明的可选实施方式,但是,本发明实施方式并不限于上述实施方式中的具体细节,在本发明实施方式的技术构思范围内,可以对本发明实施方式的技术方案进行多种简单变型,这些简单变型均属于本发明实施方式的保护范围。
另外需要说明的是,在上述具体实施方式中所描述的各个具体技术特征,在不矛盾的情况下,可以通过任何合适的方式进行组合。为了避免不必要的重复,本发明实施方式对各种可能的组合方式不再另行说明。
此外,本发明的各种不同的实施方式之间也可以进行任意组合,只要其不违背本发明实施方式的思想,同样应当视为本发明实施方式所公开的内容。
Claims (10)
1.一种基于霍夫变换的目标边缘线检测方法,其特征在于,所述目标边缘线检测方法包括:
确定原始图像中包括待检测目标的分析区域;
对所述分析区域进行预处理,以提取所述分析区域中的边缘点;
依据预确定的有效角度区域对提取到的边缘点进行霍夫变换,以确定所述待检测目标的边缘线。
2.根据权利要求1所述的基于霍夫变换的目标边缘线检测方法,其特征在于,所述对所述分析区域进行预处理,以提取所述分析区域中的边缘点,包括:
对所述分析区域进行差分处理以得到对应的差分图像;
基于预设阈值提取所述差分图像中的边缘点。
3.根据权利要求2所述的基于霍夫变换的目标边缘线检测方法,其特征在于,所述目标检测方法还包括:所述依据预确定的有效角度区域对提取到的边缘点进行霍夫变换,以确定所述待检测目标的边缘线,包括:
对提取到的所有边缘点中的每一个边缘点,在所述有效角度区域内进行霍夫变换,以确定所述待检测目标的边缘线。
4.根据权利要求1所述的基于霍夫变换的目标边缘线检测方法,其特征在于,所述目标检测方法还包括:确定有效角度区域,所述确定有效角度区域,包括:
S100、确定初始基本角度集,所述初始基本角度集包括多个按恒定步长递增排列的角度;将所述初始基本角度集中的所有角度划分为至少一个已使用角度区域及至少一个未使用角度区域;
S200、删除所有的未使用角度区域,将已使用角度区域合并生成新的已使用角度区域并以所述新的已使用角度区域作为有效角度区域。
5.根据权利要求4所述的基于霍夫变换的目标边缘线检测方法,其特征在于,所述至少一个已使用角度区域包括第一已使用角度区域及第二已使用角度区域,所述步骤S200,还包括:
若所述第一已使用角度区域包括所述初始基本角度集中的起点角度,所述第二已使用角度区域包括所述初始基本角度集中的终点角度,则将所述第一已使用角度区域移动至所述第二已使用角度区域之后,生成新的已使用角度区域;
所述起点角度为0度,所述终点角度为360度。
6.一种基于霍夫变换的目标边缘线检测装置,其特征在于,所述目标检测装置包括:
区域划分模块,被配置为确定原始图像中包括待检测目标的分析区域;
预处理模块,被配置为对所述分析区域进行预处理,以提取所述分析区域中的边缘点;
边缘线检测模块,被配置为依据预确定的有效角度区域对提取到的边缘点进行霍夫变换,以确定所述待检测目标的边缘线。
7.根据权利要求6所述的基于霍夫变换的目标边缘线检测装置,其特征在于,所述预处理模块,还包括:
差分处理单元,被配置为对所述分析区域进行差分处理以得到对应的差分图像;
边缘点提取单元,被配置为基于预设阈值提取所述差分图像中的边缘点。
8.根据权利要求7所述的基于霍夫变换的目标边缘线检测装置,其特征在于,所述边缘线检测模块,还被配置为:
对提取到的所有边缘点中的每一个边缘点,在所述有效角度区域内进行霍夫变换,以确定所述待检测目标的边缘线。
9.根据权利要求6所述的基于霍夫变换的目标边缘线检测装置,其特征在于,所述目标检测装置还包括:有效角度区域确定模块,被配置为确定有效角度区域,所述有效角度区域确定模块,包括:
划分单元,被配置为确定初始基本角度集,所述初始基本角度集包括多个按恒定步长递增排列的角度;将所述初始基本角度集中的所有角度划分为至少一个已使用角度区域及至少一个未使用角度区域;
生成单元,被配置为删除所有的未使用角度区域,将已使用角度区域合并生成新的已使用角度区域并以所述新的已使用角度区域作为有效角度区域。
10.根据权利要求9所述的基于霍夫变换的目标边缘线检测装置,其特征在于,所述至少一个已使用角度区域包括第一已使用角度区域及第二已使用角度区域,所述生成单元,还被配置为:
若所述第一已使用角度区域包括所述初始基本角度集中的起点角度,所述第二已使用角度区域包括所述初始基本角度集中的终点角度,则将所述第一已使用角度区域移动至所述第二已使用角度区域之后,生成新的以使用角度区域;
所述起点角度为0度,所述终点角度为360度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110426074.1A CN113223031A (zh) | 2021-04-20 | 2021-04-20 | 基于霍夫变换的目标边缘线检测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110426074.1A CN113223031A (zh) | 2021-04-20 | 2021-04-20 | 基于霍夫变换的目标边缘线检测方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113223031A true CN113223031A (zh) | 2021-08-06 |
Family
ID=77088027
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110426074.1A Pending CN113223031A (zh) | 2021-04-20 | 2021-04-20 | 基于霍夫变换的目标边缘线检测方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113223031A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113935996A (zh) * | 2021-12-16 | 2022-01-14 | 武汉市菲利纸业有限责任公司 | 基于图像处理的瓦楞纸透楞现象检测方法及系统 |
CN114092475A (zh) * | 2022-01-19 | 2022-02-25 | 浙江太美医疗科技股份有限公司 | 病灶长径确定方法、图像标注方法、装置及计算机设备 |
CN114266719A (zh) * | 2021-10-22 | 2022-04-01 | 广州辰创科技发展有限公司 | 一种基于霍夫变换的产品检测方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104517111A (zh) * | 2013-09-27 | 2015-04-15 | 比亚迪股份有限公司 | 车道线检测方法、系统、车道偏离预警方法及系统 |
KR101584907B1 (ko) * | 2014-07-29 | 2016-01-22 | 울산대학교 산학협력단 | 관심 영역을 이용한 차선 인식 방법 및 그 장치 |
CN108416787A (zh) * | 2018-03-06 | 2018-08-17 | 昆山海克易邦光电科技有限公司 | 应用于机器视觉检测的工件直线边缘定位方法 |
CN109993099A (zh) * | 2019-03-27 | 2019-07-09 | 西安航空职业技术学院 | 一种基于机器视觉的车道线提取识别方法 |
CN112146593A (zh) * | 2020-09-25 | 2020-12-29 | 上海红马饲料有限公司 | 一种基于机器视觉的外螺纹检测方法及实时检测系统 |
CN112395927A (zh) * | 2019-08-19 | 2021-02-23 | 长城汽车股份有限公司 | 基于霍夫变换的图像处理方法和装置 |
-
2021
- 2021-04-20 CN CN202110426074.1A patent/CN113223031A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104517111A (zh) * | 2013-09-27 | 2015-04-15 | 比亚迪股份有限公司 | 车道线检测方法、系统、车道偏离预警方法及系统 |
KR101584907B1 (ko) * | 2014-07-29 | 2016-01-22 | 울산대학교 산학협력단 | 관심 영역을 이용한 차선 인식 방법 및 그 장치 |
CN108416787A (zh) * | 2018-03-06 | 2018-08-17 | 昆山海克易邦光电科技有限公司 | 应用于机器视觉检测的工件直线边缘定位方法 |
CN109993099A (zh) * | 2019-03-27 | 2019-07-09 | 西安航空职业技术学院 | 一种基于机器视觉的车道线提取识别方法 |
CN112395927A (zh) * | 2019-08-19 | 2021-02-23 | 长城汽车股份有限公司 | 基于霍夫变换的图像处理方法和装置 |
CN112146593A (zh) * | 2020-09-25 | 2020-12-29 | 上海红马饲料有限公司 | 一种基于机器视觉的外螺纹检测方法及实时检测系统 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114266719A (zh) * | 2021-10-22 | 2022-04-01 | 广州辰创科技发展有限公司 | 一种基于霍夫变换的产品检测方法 |
CN113935996A (zh) * | 2021-12-16 | 2022-01-14 | 武汉市菲利纸业有限责任公司 | 基于图像处理的瓦楞纸透楞现象检测方法及系统 |
CN113935996B (zh) * | 2021-12-16 | 2022-03-15 | 武汉市菲利纸业有限责任公司 | 基于图像处理的瓦楞纸透楞现象检测方法及系统 |
CN114092475A (zh) * | 2022-01-19 | 2022-02-25 | 浙江太美医疗科技股份有限公司 | 病灶长径确定方法、图像标注方法、装置及计算机设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113223031A (zh) | 基于霍夫变换的目标边缘线检测方法及装置 | |
KR102109941B1 (ko) | 라이다 센서 및 카메라를 이용한 객체 검출 방법 및 그를 위한 장치 | |
US20230014874A1 (en) | Obstacle detection method and apparatus, computer device, and storage medium | |
CN109711264B (zh) | 一种公交车道占道检测方法及装置 | |
CN110378297B (zh) | 基于深度学习的遥感图像目标检测方法、装置、及存储介质 | |
CN109948413B (zh) | 基于高精度地图融合的车道线检测方法 | |
CN112200884B (zh) | 一种车道线的生成方法及装置 | |
CN104880160A (zh) | 一种工件表面轮廓的二维激光实时探测方法 | |
CN109886122B (zh) | 车道线检测方法、装置、计算机设备和存储介质 | |
Suhr et al. | Fast symbolic road marking and stop-line detection for vehicle localization | |
CN104915642A (zh) | 前方车辆测距方法及装置 | |
CN104102909A (zh) | 基于多重视觉信息的车辆特征定位及匹配方法 | |
CN112668374A (zh) | 图像处理方法、装置、重识别网络的训练方法及电子设备 | |
Shin et al. | Lane detection algorithm based on top-view image using random sample consensus algorithm and curve road model | |
CN109313708B (zh) | 图像匹配方法和视觉系统 | |
CN109389024B (zh) | 基于影像识别路锥的方法、装置、存储介质以及车辆 | |
CN116824516B (zh) | 一种涉路施工安全监测及管理系统 | |
KR101733288B1 (ko) | 방향정보를 이용한 객체 검출기 생성 방법, 이를 이용한 객체 검출 장치 및 방법 | |
CN115205825B (zh) | 基于改进yolov5的行车视频序列图像检测识别交通标志方法 | |
CN115830555A (zh) | 基于雷达点云的目标识别方法、存储介质及设备 | |
CN107392209B (zh) | 一种提取线段的装置及方法 | |
CN112016514B (zh) | 一种交通标志识别方法、装置、设备及储存介质 | |
CN114858134A (zh) | 基于目标位置信息的单目摄像头测距方法及可读存储介质 | |
CN115063760A (zh) | 车辆可行驶区域检测方法、装置、设备及存储介质 | |
JP2007114057A (ja) | 物体認識装置 |
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 |