CN113450380A - 一种基于机场跑道刻线的轨迹校准方法 - Google Patents
一种基于机场跑道刻线的轨迹校准方法 Download PDFInfo
- Publication number
- CN113450380A CN113450380A CN202110809721.7A CN202110809721A CN113450380A CN 113450380 A CN113450380 A CN 113450380A CN 202110809721 A CN202110809721 A CN 202110809721A CN 113450380 A CN113450380 A CN 113450380A
- Authority
- CN
- China
- Prior art keywords
- image
- gray
- vehicle
- point
- inner 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
- 238000000034 method Methods 0.000 title claims abstract description 53
- 230000009466 transformation Effects 0.000 claims description 19
- 238000001914 filtration Methods 0.000 claims description 15
- 238000009827 uniform distribution Methods 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 5
- 230000008859 change Effects 0.000 claims description 4
- 238000009826 distribution Methods 0.000 claims description 4
- 238000003708 edge detection Methods 0.000 claims description 3
- 230000011218 segmentation Effects 0.000 claims description 3
- 238000005070 sampling Methods 0.000 description 13
- 230000006872 improvement Effects 0.000 description 8
- 230000008569 process Effects 0.000 description 8
- 230000009471 action Effects 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 3
- 230000000052 comparative effect Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 241001270131 Agaricus moelleri Species 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000012886 linear function Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000003071 parasitic effect Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 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
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration using local operators
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/40—Image enhancement or restoration using histogram techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
-
- 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
- G06T2207/20024—Filtering details
- G06T2207/20032—Median filtering
-
- 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
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30241—Trajectory
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30248—Vehicle exterior or interior
- G06T2207/30252—Vehicle exterior; Vicinity of vehicle
- G06T2207/30256—Lane; Road marking
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Processing (AREA)
Abstract
本发明提供一种基于机场跑道刻线的轨迹校准方法,包括获取摄像头采集的原始图像;将原始图像转化为灰度图像;对灰度图像进行车道线内边缘点提取得到车道线内边缘;对车道线内边缘进行拟合得到车道线内边缘坐标位置;根据车道线内边缘坐标位置,确定基准线;在基线上确定近点和远点,近点到车辆的距离小于远点到车辆的距离;根据近点、远点及车辆中轴线,确定车辆在车体世界坐标系中的车辆偏航角,及时对车辆轨迹偏离航线进行纠正,避免发生事故。
Description
技术领域
本发明涉及轨迹校准方法技术领域,具体为一种基于机场跑道刻线的轨迹校准方法。
背景技术
随着航空运量的增长和机场规模的扩大,机场跑道刻线容易影响机场安全和运行效率,因此对机场跑道刻线进行轨迹校准十分重要;但在现有技术中惯性导航设备价格较昂贵,每次使用之前需要较长的初始对准时间,降低了工作效率。
发明内容
本发明的目的在于提供一种基于机场跑道刻线的轨迹校准方法,及时对车辆轨迹偏离航线进行纠正,避免发生事故的问题。
为实现上述目的,本发明提供如下技术方案一种基于机场跑道刻线的轨迹校准方法,包括以下步骤,
S1:获取摄像头采集的原始图像;
S2:将原始图像转化为灰度图像;
S3:对灰度图像进行车道线内边缘点提取得到车道线内边缘;
S4:对车道线内边缘进行拟合得到车道线内边缘坐标位置;
S5:根据车道线内边缘坐标位置,确定基准线;
S6:在基线上确定近点和远点,近点到车辆的距离小于远点到车辆的距离;
S7:根据近点、远点及车辆中轴线,确定车辆在车体世界坐标系中的车辆偏航角。
作为上述技术方案的进一步改进,在步骤S1中,原始图像进行图像去噪和图像增强;图像去噪采用中值滤波;图像增强采用灰度变换和直方图均衡化。
作为上述技术方案的进一步改进,中值滤波设置一个滤波窗口,然后用窗口逐行逐列扫描图像序列上的点,同时用窗口内各原始值的中值代替窗口中心点的值,直到扫描完毕。
作为上述技术方案的进一步改进,中值滤波用某数字序列点邻域内各值的中间值来代替原序列该点的值,定义n个数,x1,x2,x3,......,xn
把这n个数按值的大小顺序如下:
x1≤x2≤x3≤...≤xn
y=Med{x1,x2,x3,...,xn}
此时,y就称为序列x1,x2,..xn的中值;
假设一个表示各点灰度值的数组如下:
{xij,(i,j)∈I2}
那么,中值滤波定义如下:
yij=Med{x(i+r),(j+s),r,s∈A,(i,j)∈I2}
其中,A表示滤波窗口,Yij就是A内的数组中值。
作为上述技术方案的进一步改进,灰度变换为灰度变换基础
首先引入一个灰度变换函数的概念:
S=T(r)
r和s分别代表了灰度变换前后的像素值,T是把像素r映射到像素s的一种变换。
作为上述技术方案的进一步改进,直方图均衡化通过调整图像的灰度直方图分布范围来调整图像对比度,可以将原始灰度图像的直方图从某个比较集中的灰度范围内变成在全部灰度范围内的均匀分布。
作为上述技术方案的进一步改进,在步骤S2中,灰度图像亮度丢失处理采用灰度插值法,灰度插值法包括最近邻域插值法、双线性插值法和双三次插值法。
作为上述技术方案的进一步改进,在步骤S3中,首先利用模糊增强的方法对获取到的图像进行预处理;接着对图像进行阈值分割获得二值图像;然后通过设定图像感兴趣区域,减少计算机运算量;最后在感兴趣区域内,对图像进行Canny边缘检测。
作为上述技术方案的进一步改进,在步骤S4中,用霍夫变换提取出直线段;并在原图对应区域用红线描出机场跑道刻线。
与现有技术相比,本发明的有益效果是:通过相机对地面刻线进行图像采集,根据图像中刻线的角度来判断车辆行驶的轨迹方向,及时对车辆轨迹偏离航线进行纠正,避免发生事故。
附图说明
图1所示为本发明的基于机场跑道刻线的轨迹校准方法示意图;
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、完整地描述,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。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明公开一种基于机场跑道刻线的轨迹校准方法,包括以下步骤,
S1:获取摄像头采集的原始图像;
S2:将原始图像转化为灰度图像;
S3:对灰度图像进行车道线内边缘点提取得到车道线内边缘;
S4:对车道线内边缘进行拟合得到车道线内边缘坐标位置;
S5:根据车道线内边缘坐标位置,确定基准线;
S6:在基线上确定近点和远点,近点到车辆的距离小于远点到车辆的距离;
S7:根据近点、远点及车辆中轴线,确定车辆在车体世界坐标系中的车辆偏航角。
在S1中,摄像头采集的原始图像,由于机场跑道刻线情况的随机性使得采集到的机场跑道图像会存在着各种噪声,例如,阴影、随机噪声、油污、水渍干扰等。并且不间断的图像信息在取样、量化等过程中会有寄生效应和干扰噪声,图片质量会因此而降低,尤其是在牵引车搭载相机采集图像时本身就带有难以克服的抖动性,因此有必要对机场跑道刻线图像去噪和图像增强。因此,需要对这些噪声进行处理以便更好的对机场跑道刻线图像进行识别。
本方案中图像去噪采用中值滤波。去除噪声的有效处理手段,需要借助数组的定义来完成。它的原理核心是用某数字序列点邻域内各值的中间值来代替原序列该点的值。为展示其运算过程,首先,定义n个数,如下所示:
x1,x2,x3,......,xn
把这n个数按值的大小顺序如下:
x1≤x2≤x3≤...≤xn
y=Med{x1,x2,x3,...,xn}
此时,y就称为序列x1,x2,..xn的中值。
同理,假设一个表示各点灰度值的数组如下:
{xij,(i,j)∈I2}
那么,中值滤波定义如下:
yij=Med{x(i+r),(j+s),r,s∈A,(i,j)∈I2}
其中,A表示滤波窗口,Yij就是A内的数组中值。
通过中值滤波的计算公式,可以对中值滤波器在道路表面缺陷图像上的应用进行一个展示,中值滤波的滤波过程为:首先,设置一个滤波窗口,然后用窗口逐行逐列扫描图像序列上的点,同时用窗口内各原始值的中值代替窗口中心点的值,直到扫描完毕。
去噪效果主要依赖于滤波窗口扫描时邻域范围的大小和中值计算的精度,通过中值滤波,既节省了运算量也可以得到很好的平滑效果。
在上述图像增强过程中,由于路面背景的复杂性、多样性以及路面图像采集设备的不稳定性等使得机场跑道刻线破损图像往往会存在光照不均、模糊、对比度低等问题,为了解决这些问题,需要对图像进行预处理,以便更好的对图像进行后续处理,图像增强采用灰度变换和直方图均衡化。
灰度变换:对于机场跑道刻线图像而言,以像素操作为基础的处理方法都是在空间域进行的,空间域处理包括灰度变换和空间滤波。
灰度变换基础
灰度变换和空间滤波都有相当宽的应用范围,在机场跑道刻线缺陷图像的处理中这两项处理过程会表现出图像增强的效果,尤其是分段线性灰度增强,本检测方法中将分段线性灰度增强。
首先引入一个灰度变换函数的概念:
S=T(r)
r和s分别代表了灰度变换前后的像素值,T是把像素r映射到像素s的一种变换。由于很多情况下灰度变换的表现结果是图像增强,结合图像增强的三种基本类型函数来理解灰度变换的基本变换函数。其中图像增强变换的三类基本函数有线性函数、对数函数和幂律函数,通常情况下这三类函数会包含图像反转、对数变换、伽马变换和分段线性变换等基本的灰度变换函数。
直方图均衡化
直方图均衡化是通过调整图像的灰度直方图分布范围来调整图像对比度的方法,可以将原始灰度图像的直方图从某个比较集中的灰度范围内变成在全部灰度范围内的均匀分布。经过直方图均衡化处理的灰度图像,像素灰度级较多并且符合均匀分布。
在步骤S2中,灰度图像灰度化后的灰度图经常出现亮度丢失的现象,不利于接下来的处理的。因此为了弥补这种遗憾的方法,本方案采用灰度插值法。
灰度插值法包括最近邻域插值法、双线性插值法和双三次插值法;
a.最近邻域插值法
最近邻域插值法,如果一个采样点对应的灰度图信息丢失了,就把这个采样点对应的原图中的最近一个采样点当做这个采样点进行二次采样,填补缺失的灰度信息。最近邻域插值法对于平滑连续、图像强度波动小的图像进行差值是很有效的,该方法的算法可以表示为:
f(x)=f(xk)
其中xk是x的最近采样点。
b.双线性插值法
双线性插值法与最近邻域插值法类似,也是找寻相似的采样点的信息来替代原来采样点的信息,不同的是,这里是取原图像中采样点的2×2邻域采样点的平均值作为原采样点的信息的。
c.双三次插值法
双三次插值法是双线性插值法的升级版本,这里取的是原图像中采样点的4×4邻域采样点的平均值作为原图像信息进行插补的。基于双三次插值法的良好性能,使得灰度图像更能表征原图像信息。
直方图均衡化
直方图均衡化是通过调整图像的灰度直方图分布范围来调整图像对比度的方法,可以将原始灰度图像的直方图从某个比较集中的灰度范围内变成在全部灰度范围内的均匀分布。经过直方图均衡化处理的灰度图像,像素灰度级较多并且符合均匀分布。
在S3中,首先利用模糊增强的方法对获取到的图像进行预处理;接着对图像进行阈值分割获得二值图像;然后通过设定图像感兴趣区域,减少计算机运算量;最后在感兴趣区域内,对图像进行Canny边缘检测。
在S4中,用霍夫变换提取出直线段;并在原图对应区域用红线描出机场跑道刻线。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。
尽管已经示出和描述了本发明的实施例,对于本领域的普通技术人员而言,可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由所附权利要求及其等同物限定。
Claims (9)
1.一种基于机场跑道刻线的轨迹校准方法,其特征在于,包括以下步骤,
S1:获取摄像头采集的原始图像;
S2:将原始图像转化为灰度图像;
S3:对灰度图像进行车道线内边缘点提取得到车道线内边缘;
S4:对车道线内边缘进行拟合得到车道线内边缘坐标位置;
S5:根据车道线内边缘坐标位置,确定基准线;
S6:在基线上确定近点和远点,近点到车辆的距离小于远点到车辆的距离;
S7:根据近点、远点及车辆中轴线,确定车辆在车体世界坐标系中的车辆偏航角。
2.根据权利要求1所述的一种基于机场跑道刻线的轨迹校准方法,其特征在于,在步骤S1中,原始图像进行图像去噪和图像增强;图像去噪采用中值滤波;图像增强采用灰度变换和直方图均衡化。
3.根据权利要求2所述的一种基于机场跑道刻线的轨迹校准方法,其特征在于,中值滤波设置一个滤波窗口,然后用窗口逐行逐列扫描图像序列上的点,同时用窗口内各原始值的中值代替窗口中心点的值,直到扫描完毕。
4.根据权利要求3所述的一种基于机场跑道刻线的轨迹校准方法,其特征在于,中值滤波用某数字序列点邻域内各值的中间值来代替原序列该点的值,定义n个数,x1,x2,x3,......,xn
把这n个数按值的大小顺序如下:
x1≤x2≤x3≤...≤xn
y=Med{x1,x2,x3,...,xn}
此时,y就称为序列x1,x2,..xn的中值;
假设一个表示各点灰度值的数组如下:
{xij,(i,j)∈I2}
那么,中值滤波定义如下:
yij=Med{x(i+r),(j+s),r,s∈A,(i,j)∈I2}
其中,A表示滤波窗口,Yij就是A内的数组中值。
5.根据权利要求2所述的一种基于机场跑道刻线的轨迹校准方法,其特征在于,灰度变换为灰度变换基础
首先引入一个灰度变换函数的概念:
S=T(r)
r和s分别代表了灰度变换前后的像素值,T是把像素r映射到像素s的一种变换。
6.根据权利要求2所述的一种基于机场跑道刻线的轨迹校准方法,其特征在于,直方图均衡化通过调整图像的灰度直方图分布范围来调整图像对比度,可以将原始灰度图像的直方图从某个比较集中的灰度范围内变成在全部灰度范围内的均匀分布。
7.根据权利要求1所述的一种基于机场跑道刻线的轨迹校准方法,其特征在于,在步骤S2中,灰度图像亮度丢失处理采用灰度插值法,灰度插值法包括最近邻域插值法、双线性插值法和双三次插值法。
8.根据权利要求1所述的一种基于机场跑道刻线的轨迹校准方法,其特征在于,在步骤S3中,首先利用模糊增强的方法对获取到的图像进行预处理;接着对图像进行阈值分割获得二值图像;然后通过设定图像感兴趣区域,减少计算机运算量;最后在感兴趣区域内,对图像进行Canny边缘检测。
9.根据权利要求1所述的一种基于机场跑道刻线的轨迹校准方法,其特征在于,在步骤S4中,用霍夫变换提取出直线段;并在原图对应区域用红线描出机场跑道刻线。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110809721.7A CN113450380A (zh) | 2021-07-17 | 2021-07-17 | 一种基于机场跑道刻线的轨迹校准方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110809721.7A CN113450380A (zh) | 2021-07-17 | 2021-07-17 | 一种基于机场跑道刻线的轨迹校准方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113450380A true CN113450380A (zh) | 2021-09-28 |
Family
ID=77816628
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110809721.7A Pending CN113450380A (zh) | 2021-07-17 | 2021-07-17 | 一种基于机场跑道刻线的轨迹校准方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113450380A (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105447892A (zh) * | 2015-11-05 | 2016-03-30 | 奇瑞汽车股份有限公司 | 车辆偏航角的确定方法及装置 |
CN106384085A (zh) * | 2016-08-31 | 2017-02-08 | 浙江众泰汽车制造有限公司 | 一种无人车偏航角计算方法 |
CN106887004A (zh) * | 2017-02-24 | 2017-06-23 | 电子科技大学 | 一种基于块匹配的车道线检测方法 |
CN109583365A (zh) * | 2018-11-27 | 2019-04-05 | 长安大学 | 基于成像模型约束非均匀b样条曲线拟合车道线检测方法 |
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 |
-
2021
- 2021-07-17 CN CN202110809721.7A patent/CN113450380A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105447892A (zh) * | 2015-11-05 | 2016-03-30 | 奇瑞汽车股份有限公司 | 车辆偏航角的确定方法及装置 |
CN106384085A (zh) * | 2016-08-31 | 2017-02-08 | 浙江众泰汽车制造有限公司 | 一种无人车偏航角计算方法 |
CN106887004A (zh) * | 2017-02-24 | 2017-06-23 | 电子科技大学 | 一种基于块匹配的车道线检测方法 |
CN109583365A (zh) * | 2018-11-27 | 2019-04-05 | 长安大学 | 基于成像模型约束非均匀b样条曲线拟合车道线检测方法 |
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 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107507173B (zh) | 一种全切片图像的无参考清晰度评估方法及系统 | |
CN110866924B (zh) | 一种线结构光中心线提取方法及存储介质 | |
CN109785291B (zh) | 一种车道线自适应检测方法 | |
CN109242791B (zh) | 一种针对破损植物叶片的批量修复方法 | |
CN108765325B (zh) | 一种小型无人机模糊图像复原方法 | |
CN108280450B (zh) | 一种基于车道线的高速公路路面检测方法 | |
CN109785245B (zh) | 一种光斑图像修整方法 | |
CN109741356B (zh) | 一种亚像素边缘检测方法及系统 | |
CN109377450B (zh) | 一种边缘保护的去噪方法 | |
CN108921813B (zh) | 一种基于机器视觉的无人机检测桥梁结构裂缝识别方法 | |
CN108564597B (zh) | 一种融合高斯混合模型和h-s光流法的视频前景目标提取方法 | |
CN109961416B (zh) | 一种基于形态学梯度多尺度融合的营业执照信息提取方法 | |
CN109064411B (zh) | 一种基于光照补偿的路面图像去阴影方法 | |
CN107066952A (zh) | 一种车道线检测方法 | |
CN108830808B (zh) | 基于相似线窗口均值补偿的星上红外图像条纹噪声去除方法 | |
CN111354047B (zh) | 一种基于计算机视觉的摄像模组定位方法及系统 | |
CN113327206B (zh) | 基于人工智能的输电线智能巡检系统的图像模糊处理方法 | |
CN113780110A (zh) | 一种图像序列中弱小目标实时检测方法及设备 | |
CN110969656A (zh) | 一种基于机载设备激光光束光斑大小的检测方法 | |
CN115272306B (zh) | 利用梯度运算的太阳能电池板栅线增强方法 | |
CN107330891B (zh) | 一种有效的图像质量评价系统 | |
CN116630813A (zh) | 一种公路路面施工质量智能检测系统 | |
CN112053302A (zh) | 高光谱图像的去噪方法、装置及存储介质 | |
CN111489389A (zh) | 一种光斑中心检测方法 | |
CN111652033A (zh) | 基于OpenCV的车道线检测方法 |
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 |