CN113658226A - 一种限高装置高度检测方法和系统 - Google Patents
一种限高装置高度检测方法和系统 Download PDFInfo
- Publication number
- CN113658226A CN113658226A CN202110986662.0A CN202110986662A CN113658226A CN 113658226 A CN113658226 A CN 113658226A CN 202110986662 A CN202110986662 A CN 202110986662A CN 113658226 A CN113658226 A CN 113658226A
- Authority
- CN
- China
- Prior art keywords
- height
- limiting device
- points
- height limiting
- frame
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
-
- 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
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/269—Analysis of motion using gradient-based methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/277—Analysis of motion involving stochastic approaches, e.g. using Kalman filters
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- 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
-
- 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
- G06T2207/20081—Training; Learning
-
- 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
- G06T2207/20084—Artificial neural networks [ANN]
Abstract
本发明属于视频目标识别技术领域,涉及一种限高装置高度检测方法和系统,包括:将若干个双目视频采集装置设置在同一高度,通过双目视频采集装置采集视频图像;提取视频图像中限高装置的边界框;提取边界框中角点或边缘点,并将角点或边缘点定位到三维点云中;通过三维点云中的三维网格确定限高装置的最低平面,通过地面拟合,对限高装置的高度进行校正,从而确定限高装置的精确高度。其通过在同一高度排列的双目相机,借助深度学习目标检测方法对限高装置进行检测,提高了检测精度,避免了视差的影响,同时也能够对限高装置的边缘信息进行采集。
Description
技术领域
本发明涉及一种限高装置高度检测方法和系统,属于视频目标识别技术领域,特别涉及视频图像中限高装置识别技术领域。
背景技术
限高装置是一种常见的道路安全装置,在大多数隧道、桥梁上都需要设置限高装置,以限制超高超重的车辆通过,同时也避免了车辆与较低的悬空物发生碰撞,现有技术中的限高装置大多只是一根金属杆,金属杆上标识出限制高度,但由于限高装置设置的规范不同,有些限高装置可能并未标明限制高度,以及一些需要进行高度限制但可能未设立限高装置的情景,驾驶员若对路况不了解,就无法及时的判断其车辆是否超过限制高度,从而导致车辆不能正常通过,或者撞坏限高装置的问题,严重的可能会导致造成人员伤亡的交通事故。
针对上述问题,现有的基于双目视觉视差的限高装置检测方法需要将相机纵置以避免相机受视差影响较大,而将相机纵置会增加数据采集成本和采集难度,同时会导致无法采集到限高装置边缘信息的问题。
发明内容
针对上述问题,本发明的目的是提供了一种限高装置高度检测方法和系统,其通过在同一高度排列的双目相机,借助深度学习目标检测方法对限高装置进行检测,提高了检测精度,避免了视差的影响,同时也能够对限高装置的边缘信息进行采集。
为实现上述目的,本发明采取以下技术方案:一种限高装置高度检测方法,包括:将若干个双目视频采集装置设置在同一高度,通过双目视频采集装置采集视频图像;提取视频图像中限高装置的边界框;提取边界框中角点或边缘点,并将角点或边缘点定位到三维点云中;通过三维点云中的三维网格确定限高装置的最低平面,通过地面拟合,对限高装置的高度进行校正,从而确定限高装置的精确高度。
进一步,提取视频图像中限高装置的边界框时,视频图像为连续帧图像,若某一视频图像中未检测到限高装置,而其之前或之后的视频图像中具有限高装置时,通过光流或中值流法根据上一帧或下一帧的限高装置位置及前后两帧信息进行目标追踪。
进一步,视频图像为连续帧图像,但当前帧未检测到限高装置时,采用medianflow方法进行目标追踪,并在追踪时通过前后两帧边界框的IOU值进行追踪是否成功的判断,若IOU值大于预设值则认为追踪成功,反之则追踪失败。
进一步,角点通过将边界框作为其角点检测区域,采用goodFeaturesToTrack函数进行角点提取,将提取的角点根据深度分布绘制成直方图,保留角点集中的区域;通过将边界框作为其角点检测区域,采用sobel算子提取边界框边缘像素高于阈值的点作为边缘点。
进一步,将角点或边缘点定位到三维点云中,根据限高装置点云分布情况保留角点或边缘点四周的点分布集中的位置作为限高装置点云,并将限高装置点云投射到三维网格中,三维网格距相机横向距离为X,高度距离为Y,纵深距离为Z。
进一步,确定限高装置的最低平面的方法是:将X-Z平面根据三维网格分为若干单元,计算每个单元中Y值的最小值,以提取出限高装置最低平面上的点,从而获得限高装置的最低平面。
进一步,当存在多个限高装置或限高装置高度不相同时,在确定了最低平面的基础上,将Y-Z平面根据三维网格分为若干单元格,选取其中分布有若干点的单元格,将选取的单元格进行排序,获得其中Y值和X值均最小的单元格,获得单元格的最低平面高度,将高度作为预警高度。
进一步,在多帧信息不足时使用当前帧测得的限高装置最低平面的Y值及地面高度的Y值相减得到限高装置计算高度;在获得多帧视频图像后,使用融合了多帧视频图像的限高装置最低平面的Y值及地面高度的Y值相减作为限高装置的高度。
进一步,在获得多帧视频图像后,通过限高装置的高度和深度值判断连续两帧物体是否为同一限高装置,若两帧物体的高低或远近的差值超出预设范围,则认为两物体不是同一限高装置,不对另一帧中的物体高度进行融合。
本发明还公开了一种限高装置高度检测系统,包括:图像采集模块,用于将双目视频采集装置设置在同一高度,通过双目视频采集装置采集视频图像;边界框提取模块,用于提取视频图像中限高装置的边界框;三维定位模块,用于提取边界框中角点或边缘点,并将角点或边缘点定位到三维点云中;高度校正模块,用于通过三维点云中的三维网格确定限高装置的最低平面,通过地面拟合,对限高装置的高度进行校正,从而确定限高装置的精确高度。
本发明由于采取以上技术方案,其具有以下优点:
1、其通过在同一高度排列的双目相机,借助深度学习目标检测方法对限高装置进行检测,提高了检测精度,避免了视差的影响,同时也能够对限高装置的边缘信息进行采集。
2、本发明将边界框内的像素及视差信息作为主要研究对象,避免过多的图像信息和几何计算,检测效果有所提升的同时,计算速度也有所提升。
附图说明
图1是本发明一实施例中限高装置高度检测方法的流程图;
图2是本发明一实施例中限高装置高度检测方法中数据流向图。
具体实施方式
为了使本领域技术人员更好的理解本发明的技术方向,通过具体实施例子对本发明进行详细的描绘。然而应当理解,具体实施方式的提供仅为了更好地理解本发明,它们不应该理解成对本发明的限制。在本发明的描述中,需要理解的是,所用到的术语仅仅是用于描述的目的,而不能理解为指示或暗示相对重要性。
本发明提供了一种限高装置高度检测方法和系统,其通过2D目标检测在同一高度上的双目相机采集到的图像上进行限高装置检测,并通过目标追踪使检测效果尽可能连续平稳,在目标检测框中对限高装置进行特征点提取,再通过三维网格及几何计算进行限高装置最低平面的提取及计算,并通过地面拟合,进行限高杆高度校正,最后在多帧情景下通过平滑和滤波以得到平稳和较为可靠的高度值。下面结合附图,通过两个实施例对本发明的技术方案进行详细说明。
实施例一
本实施例公开了一种限高装置高度检测方法,如图1,2所示,包括:
1、将若干个双目视频采集装置设置在同一高度,通过双目视频采集装置通过采集视频图像。其中,视频双目视频采集装置可以是双目相机、双目摄像头等视频采集装置,本发明对具体采用何种视频采集装置不做具体限定,只要是现有的可以用于视频采集的装置据可用于本发明。
2、在视频图像中,通过2D目标检测方法提取视频图像中限高装置的边界框(bounding box)。通过目标检测的深度学习模型,对限高杆、电线、桥洞等限高装置进行标注,形成用于训练的边界框,并将该用于训练的边界框输入深度学习模型,得到最终的图像识别模型,将最终的图像识别模型用于新的视频图像的识别,标定其中的边界框。对于不同的深度学习模型其标注边界框的方式不同,深度学习模型可以是神经网络模型等现有的模型,在此处不做具体限定。
提取视频图像中限高装置的边界框时,视频图像为连续帧图像,若某一视频图像中受环境等因素影响未检测到限高装置,而其之前或之后的视频图像中具有限高装置时,通过光流或中值流法根据上一帧或下一帧的限高装置位置及前后两帧信息进行目标追踪。在本实施例中,视频图像为连续帧图像,但当前帧未检测到限高装置时,采用median flow方法进行目标追踪,并在追踪时通过前后两帧边界框的IOU(Intersection over Union)值判断追踪是否成功,若IOU值大于预设值则认为追踪成功,反之则追踪失败。IOU值是一种测量在特定数据集中检测相应物体准确度的一个标准。其通过将两个区域的交集除以两个区域的并集获得,通过设置阈值判断检测到的物体是否是相同物体,如IOU值大于阈值两个物体相同,若IOU值小于阈值则两个物体不相同。
3、在边界框中进行角点或边缘点检测,从而提取边界框中角点或边缘点,以得到限高装置上的点的范围,基于左右相机生成视差数据,计算角点或边缘点在三维点云中位置。通过统计信息、网格化方法等去掉视差生成过程中产生的干扰物。
角点通过将边界框作为其角点检测区域,采用goodFeaturesToTrack函数,将边界框作为Mask,对函数的参数进行调整,从而提取出若干角点,将提取的角点根据深度分布绘制成直方图,保留角点较多且较为集中的区域。
通过将边界框作为其角点检测区域,采用sobel算子提取边界框边缘像素高于阈值的点作为边缘点,即边界框边缘较深的点,使其在视频图像中呈现在限高装置的边缘处。
将角点或边缘点定位到三维点云中,根据限高装置点云分布情况保留角点或边缘点四周的点分布集中的位置作为限高装置点云,由于视频图像上呈现在限高装置上的点,在实际空间位置可能会与限高装置存在一定的偏差,所以在将视频图像中角点或边缘点投射到实际空间中的三维点云时,需要保留角点或边缘点附近的较为集中的点作为限高装置的点云。在限高并将限高装置点云投射到三维网格中,三维网格距相机横向距离为X,高度距离为Y,纵深距离为Z。
4、通过三维点云中的三维网格确定限高装置的最低平面,通过地面拟合,对限高装置的高度进行校正,从而确定限高装置的精确高度。
确定限高装置的最低平面的方法是:将X-Z平面根据三维网格分为若干单元,计算每个单元中Y值的最小值,以提取出限高装置最低平面上的点,从而获得限高装置的最低平面。
当存在多个限高装置或限高装置高度不相同时,在确定了最低平面的基础上,将Y-Z平面根据三维网格分为若干单元格,选取其中分布有若干点的单元格,将选取的单元格进行排序,获得其中Y值和X值均最小的单元格,获得单元格的最低平面高度,将高度作为预警高度。计算其中限高装置点高度的均值作为限高装置高度Y值。
本实施例中,V视差将地面进行平面拟合得到地面方程,以得到限高装置所在位置的地面高度。具体的通过统计每一高度视差值的情况得到V视差,将表示地面的直线检测出来,并通过反算到原视差数据中,将表示地面的点提取出来,通过最小二乘法或ransac方法对提取的表示地面的点进行平面拟合,得到地面方程。
分别对限高装置和地面高度进行中值平滑和卡尔曼滤波,在多帧信息不足时使用当前帧测得的限高装置最低平面的Y值及地面高度的Y值相减得到限高装置计算高度;在获得多帧视频图像后,使用融合了多帧视频图像的限高装置最低平面的Y值及地面高度的Y值相减作为限高装置的高度。在获得多帧视频图像后,通过限高装置的高度和深度值判断连续两帧物体是否为同一限高装置,若两帧物体的高低或远近的差值超出预设范围,则认为两物体不是同一限高装置,不对另一帧中的物体高度进行融合。
实施例二
基于相同的发明构思,本实施例公开了一种限高装置高度检测系统,包括:
图像采集模块,用于将双目视频采集装置设置在同一高度,通过双目视频采集装置采集视频图像;
边界框提取模块,用于提取视频图像中限高装置的边界框;
三维定位模块,用于提取边界框中角点或边缘点,并将角点或边缘点定位到三维点云中;
高度校正模块,用于通过三维点云中的三维网格确定限高装置的最低平面,通过地面拟合,对限高装置的高度进行校正,从而确定限高装置的精确高度。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
最后应当说明的是:以上实施例仅用以说明本发明的技术方案而非对其限制,尽管参照上述实施例对本发明进行了详细的说明,所属领域的普通技术人员应当理解:依然可以对本发明的具体实施方式进行修改或者等同替换,而未脱离本发明精神和范围的任何修改或者等同替换,其均应涵盖在本发明的权利要求保护范围之内。上述内容仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以权利要求的保护范围为准。
Claims (10)
1.一种限高装置高度检测方法,其特征在于,包括:
将若干个双目视频采集装置设置在同一高度,通过所述双目视频采集装置采集视频图像;
提取所述视频图像中限高装置的边界框;
提取所述边界框中角点或边缘点,并将所述角点或边缘点定位到三维点云中;
通过所述三维点云中的三维网格确定限高装置的最低平面,通过地面拟合,对限高装置的高度进行校正,从而确定限高装置的精确高度。
2.如权利要求1所述的限高装置高度检测方法,其特征在于,提取所述视频图像中限高装置的边界框时,所述视频图像为连续帧图像,若某一视频图像中未检测到限高装置,而其之前或之后的视频图像中具有限高装置时,通过光流或中值流法根据上一帧或下一帧的限高装置位置及前后两帧信息进行目标追踪。
3.如权利要求2所述的限高装置高度检测方法,其特征在于,所述视频图像为连续帧图像,但当前帧未检测到限高装置时,采用median flow方法进行目标追踪,并在追踪时通过前后两帧边界框的IOU值进行追踪是否成功的判断,若IOU值大于预设值则认为追踪成功,反之则追踪失败。
4.如权利要求1所述的限高装置高度检测方法,其特征在于,所述角点通过将边界框作为其角点检测区域,采用goodFeaturesToTrack函数进行角点提取,将提取的角点根据深度分布绘制成直方图,保留角点集中的区域;
通过将边界框作为其角点检测区域,采用sobel算子提取所述边界框边缘像素高于阈值的点作为边缘点。
5.如权利要求1所述的限高装置高度检测方法,其特征在于,将所述角点或边缘点定位到三维点云中,根据限高装置点云分布情况保留所述角点或边缘点四周的点分布集中的位置作为限高装置点云,并将所述限高装置点云投射到三维网格中,所述三维网格距相机横向距离为X,高度距离为Y,纵深距离为Z。
6.如权利要求5所述的限高装置高度检测方法,其特征在于,确定限高装置的最低平面的方法是:将X-Z平面根据三维网格分为若干单元,计算每个单元中Y值的最小值,以提取出限高装置最低平面上的点,从而获得限高装置的最低平面。
7.如权利要求6所述的限高装置高度检测方法,其特征在于,当存在多个限高装置或限高装置高度不相同时,在确定了最低平面的基础上,将Y-Z平面根据三维网格分为若干单元格,选取其中分布有若干点的单元格,将选取的单元格进行排序,获得其中Y值和X值均最小的单元格,获得所述单元格的最低平面高度,将所述高度作为预警高度。
8.如权利要求7所述的限高装置高度检测方法,其特征在于,在多帧信息不足时使用当前帧测得的限高装置最低平面的Y值及地面高度的Y值相减得到限高装置计算高度;在获得多帧视频图像后,使用融合了多帧视频图像的限高装置最低平面的Y值及地面高度的Y值相减作为限高装置的高度。
9.如权利要求8所述的限高装置高度检测方法,其特征在于,在获得多帧视频图像后,通过限高装置的高度和深度值判断连续两帧物体是否为同一限高装置,若两帧物体的高低或远近的差值超出预设范围,则认为两物体不是同一限高装置,不对另一帧中的物高度进行融合。
10.一种限高装置高度检测系统,其特征在于,包括:
图像采集模块,用于将若干个双目视频采集装置设置在同一高度,通过所述双目视频采集装置采集视频图像;
边界框提取模块,用于提取所述视频图像中限高装置的边界框;
三维定位模块,用于提取所述边界框中角点或边缘点,并将所述角点或边缘点定位到三维点云中;
高度校正模块,用于通过所述三维点云中的三维网格确定限高装置的最低平面,通过地面拟合,对限高装置的高度进行校正,从而确定限高装置的精确高度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110986662.0A CN113658226B (zh) | 2021-08-26 | 2021-08-26 | 一种限高装置高度检测方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110986662.0A CN113658226B (zh) | 2021-08-26 | 2021-08-26 | 一种限高装置高度检测方法和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113658226A true CN113658226A (zh) | 2021-11-16 |
CN113658226B CN113658226B (zh) | 2023-09-05 |
Family
ID=78482105
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110986662.0A Active CN113658226B (zh) | 2021-08-26 | 2021-08-26 | 一种限高装置高度检测方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113658226B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114312578A (zh) * | 2021-12-31 | 2022-04-12 | 优跑汽车技术(上海)有限公司 | 车辆及其控制方法、控制装置、存储介质 |
CN114429620A (zh) * | 2022-04-07 | 2022-05-03 | 北京中科慧眼科技有限公司 | 限高装置下边缘位置检测模型训练方法和系统 |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2014035597A (ja) * | 2012-08-07 | 2014-02-24 | Sharp Corp | 画像処理装置、コンピュータプログラム、記録媒体及び画像処理方法 |
US20180307922A1 (en) * | 2017-04-20 | 2018-10-25 | Hyundai Motor Company | Method of detecting obstacle around vehicle |
EP3460385A1 (en) * | 2016-05-16 | 2019-03-27 | Hangzhou Hikrobot Technology Co., Ltd | Method and apparatus for determining volume of object |
CN110207650A (zh) * | 2019-05-31 | 2019-09-06 | 重庆迪星天科技有限公司 | 基于双目视觉的车用公路限高架高度测量方法及装置 |
WO2020006765A1 (zh) * | 2018-07-06 | 2020-01-09 | 深圳前海达闼云端智能科技有限公司 | 地面检测方法、相关装置及计算机可读存储介质 |
CN110667474A (zh) * | 2018-07-02 | 2020-01-10 | 北京四维图新科技股份有限公司 | 通用障碍物检测方法、装置与自动驾驶系统 |
CN111192283A (zh) * | 2019-12-26 | 2020-05-22 | 昆山伟宇慧创智能科技有限公司 | 一种限高杆检测和高度计算方法 |
CN111243003A (zh) * | 2018-11-12 | 2020-06-05 | 海信集团有限公司 | 车载双目摄像机及其检测道路限高杆的方法、装置 |
CN111563911A (zh) * | 2020-05-27 | 2020-08-21 | 江苏金恒信息科技股份有限公司 | 一种基于多个钢捆的自动焊接标牌方法及装置 |
US20200304774A1 (en) * | 2019-03-18 | 2020-09-24 | Beijing Smarter Eye Technology Co. Ltd. | Method and device for detecting height-limiting rod, and automatic driving system |
CN111951609A (zh) * | 2020-07-24 | 2020-11-17 | 深圳市云洲创新科技有限公司 | 桥梁主动防撞预警方法、装置、设备及存储介质 |
CN112097732A (zh) * | 2020-08-04 | 2020-12-18 | 北京中科慧眼科技有限公司 | 一种基于双目相机的三维测距方法、系统、设备及可读存储介质 |
CN112329702A (zh) * | 2020-11-19 | 2021-02-05 | 上海点泽智能科技有限公司 | 一种快速人脸密度预测和人脸检测方法、装置、电子设备及存储介质 |
CN113177565A (zh) * | 2021-03-15 | 2021-07-27 | 北京理工大学 | 一种基于深度学习的双目视觉位置测量系统及方法 |
-
2021
- 2021-08-26 CN CN202110986662.0A patent/CN113658226B/zh active Active
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2014035597A (ja) * | 2012-08-07 | 2014-02-24 | Sharp Corp | 画像処理装置、コンピュータプログラム、記録媒体及び画像処理方法 |
EP3460385A1 (en) * | 2016-05-16 | 2019-03-27 | Hangzhou Hikrobot Technology Co., Ltd | Method and apparatus for determining volume of object |
US20180307922A1 (en) * | 2017-04-20 | 2018-10-25 | Hyundai Motor Company | Method of detecting obstacle around vehicle |
CN110667474A (zh) * | 2018-07-02 | 2020-01-10 | 北京四维图新科技股份有限公司 | 通用障碍物检测方法、装置与自动驾驶系统 |
WO2020006765A1 (zh) * | 2018-07-06 | 2020-01-09 | 深圳前海达闼云端智能科技有限公司 | 地面检测方法、相关装置及计算机可读存储介质 |
CN111243003A (zh) * | 2018-11-12 | 2020-06-05 | 海信集团有限公司 | 车载双目摄像机及其检测道路限高杆的方法、装置 |
US20200304774A1 (en) * | 2019-03-18 | 2020-09-24 | Beijing Smarter Eye Technology Co. Ltd. | Method and device for detecting height-limiting rod, and automatic driving system |
CN110207650A (zh) * | 2019-05-31 | 2019-09-06 | 重庆迪星天科技有限公司 | 基于双目视觉的车用公路限高架高度测量方法及装置 |
CN111192283A (zh) * | 2019-12-26 | 2020-05-22 | 昆山伟宇慧创智能科技有限公司 | 一种限高杆检测和高度计算方法 |
CN111563911A (zh) * | 2020-05-27 | 2020-08-21 | 江苏金恒信息科技股份有限公司 | 一种基于多个钢捆的自动焊接标牌方法及装置 |
CN111951609A (zh) * | 2020-07-24 | 2020-11-17 | 深圳市云洲创新科技有限公司 | 桥梁主动防撞预警方法、装置、设备及存储介质 |
CN112097732A (zh) * | 2020-08-04 | 2020-12-18 | 北京中科慧眼科技有限公司 | 一种基于双目相机的三维测距方法、系统、设备及可读存储介质 |
CN112329702A (zh) * | 2020-11-19 | 2021-02-05 | 上海点泽智能科技有限公司 | 一种快速人脸密度预测和人脸检测方法、装置、电子设备及存储介质 |
CN113177565A (zh) * | 2021-03-15 | 2021-07-27 | 北京理工大学 | 一种基于深度学习的双目视觉位置测量系统及方法 |
Non-Patent Citations (2)
Title |
---|
孟强: "车载激光扫描系统在井盖检测中的应用研究", 《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》, no. 5, pages 038 - 1173 * |
徐俊杰: "基于视觉的丘陵山区田间道路场景理解和障碍物检测研究", 《中国优秀硕士学位论文全文数据库 农业科技辑》, no. 1, pages 044 - 3 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114312578A (zh) * | 2021-12-31 | 2022-04-12 | 优跑汽车技术(上海)有限公司 | 车辆及其控制方法、控制装置、存储介质 |
CN114429620A (zh) * | 2022-04-07 | 2022-05-03 | 北京中科慧眼科技有限公司 | 限高装置下边缘位置检测模型训练方法和系统 |
Also Published As
Publication number | Publication date |
---|---|
CN113658226B (zh) | 2023-09-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6519262B2 (ja) | 立体物検出装置、立体物検出方法、立体物検出プログラム、及び移動体機器制御システム | |
WO2021134441A1 (zh) | 基于自动驾驶的车辆速度控制方法、装置和计算机设备 | |
JP6554169B2 (ja) | 物体認識装置及び物体認識システム | |
CN113658226B (zh) | 一种限高装置高度检测方法和系统 | |
CN110379168B (zh) | 一种基于Mask R-CNN的交通车辆信息获取方法 | |
CN110069990B (zh) | 一种限高杆检测方法、装置以及自动驾驶系统 | |
EP2958054A2 (en) | Hazard detection in a scene with moving shadows | |
EP3576007B1 (en) | Method for validation of obstacle candidate | |
CN103123687A (zh) | 快速障碍物检测 | |
JPH10285582A (ja) | 車外監視装置 | |
CN110667474B (zh) | 通用障碍物检测方法、装置与自动驾驶系统 | |
CN110023951A (zh) | 信息处理设备、成像设备、装置控制系统、信息处理方法和计算机程序产品 | |
CN112802092B (zh) | 一种障碍物感知方法、装置以及电子设备 | |
JP2013140515A (ja) | 立体物検出装置及びプログラム | |
Petrovai et al. | A stereovision based approach for detecting and tracking lane and forward obstacles on mobile devices | |
CN112561941A (zh) | 一种悬崖检测方法、装置和机器人 | |
CN113569812A (zh) | 未知障碍物的识别方法、装置和电子设备 | |
CN113989765A (zh) | 一种轨道障碍物的检测方法、检测装置及可读存储介质 | |
CN115984796A (zh) | 一种图像标注方法及系统 | |
CN114359871A (zh) | 车辆可行驶区域的区域边缘检测方法、装置和存储介质 | |
CN112508970B (zh) | 一种点云数据分割方法及装置 | |
CN114120266A (zh) | 车辆变道检测方法、装置、电子设备及存储介质 | |
CN114842166A (zh) | 应用于结构化道路的负障碍检测方法、系统、介质及设备 | |
JP6331628B2 (ja) | 車線認識装置 | |
CN112149687A (zh) | 目标识别的方法 |
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 |