CN113709218A - 一种煤装车自动装车控制方法 - Google Patents

一种煤装车自动装车控制方法 Download PDF

Info

Publication number
CN113709218A
CN113709218A CN202110923477.7A CN202110923477A CN113709218A CN 113709218 A CN113709218 A CN 113709218A CN 202110923477 A CN202110923477 A CN 202110923477A CN 113709218 A CN113709218 A CN 113709218A
Authority
CN
China
Prior art keywords
coal
loading
image
carriage
vehicle
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
Application number
CN202110923477.7A
Other languages
English (en)
Inventor
谭震
苗鑫
高旋
罗茜
刘雪花
赵晓勇
杨鹏
韩育江
许海强
王康
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.)
Xi'an Heavy Loading Intelligent Mine Engineering Technology Co ltd
Shaanxi Coal Industry Group Shenmu Ningtiaota Mining Co ltd
Original Assignee
Xi'an Heavy Loading Intelligent Mine Engineering Technology Co ltd
Shaanxi Coal Industry Group Shenmu Ningtiaota Mining 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 Xi'an Heavy Loading Intelligent Mine Engineering Technology Co ltd, Shaanxi Coal Industry Group Shenmu Ningtiaota Mining Co ltd filed Critical Xi'an Heavy Loading Intelligent Mine Engineering Technology Co ltd
Priority to CN202110923477.7A priority Critical patent/CN113709218A/zh
Publication of CN113709218A publication Critical patent/CN113709218A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/02—Protocols based on web technology, e.g. hypertext transfer protocol [HTTP]
    • H04L67/025—Protocols based on web technology, e.g. hypertext transfer protocol [HTTP] for remote control or remote monitoring of applications
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G06F18/2415—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on parametric or probabilistic models, e.g. based on likelihood ratio or false acceptance rate versus a false rejection rate
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/12—Edge-based segmentation
    • 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
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/02—Protocols based on web technology, e.g. hypertext transfer protocol [HTTP]
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/50—Network services
    • H04L67/55—Push-based network services
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/60—Control of cameras or camera modules
    • H04N23/695—Control of camera direction for changing a field of view, e.g. pan, tilt or based on tracking of objects
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/90—Arrangement of cameras or camera modules, e.g. multiple cameras in TV studios or sports stadiums
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N7/00—Television systems
    • H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
    • H04N7/181—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast for receiving images from a plurality of remote sources
    • 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
    • G06T2207/10004—Still image; Photographic image
    • 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
    • G06T2207/30108—Industrial image inspection

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Signal Processing (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Data Mining & Analysis (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Multimedia (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Computing Systems (AREA)
  • Biomedical Technology (AREA)
  • General Health & Medical Sciences (AREA)
  • Computational Linguistics (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Biophysics (AREA)
  • Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Biology (AREA)
  • Probability & Statistics with Applications (AREA)
  • Geometry (AREA)
  • Quality & Reliability (AREA)
  • Image Analysis (AREA)

Abstract

本说明书实施例公开了一种煤装车自动装车控制方法，包括：调整摄像头的安装位置和角度，以清晰获取整个车厢侧板上沿为准；基于所述摄像图采集的第一图像数据判断煤装车是否停车到位，若是，开始落煤，并实时获取所述摄像图采集的第二图像数据；基于所述第二图像数据进行图像边缘分割，根据图像边缘分割结果判断所述煤装车是否装满，若是，停止装车。本发明实现对煤炭装运车的车厢识别和煤粉体量的检测，两者结合，对装载车辆是否“停止”或者“前进”给出判断，提示司机移动车辆，让车厢装煤量控制在一个合理的范围。

Description

一种煤装车自动装车控制方法
技术领域
本申请涉及图像处理技术领域，尤其涉及一种煤装车自动装车控制方法。
背景技术
在传统的散煤装车中，一般采用先过称在人工装车的办法，这样即耗费时间还耗费人力。另外，一般煤粉装车都是按重量计算，如按吨计算。不能满足按装煤车的容量装载煤粉的需求。
发明内容
有鉴于此，本申请实施例提供了一种煤装车自动装车控制方法，用于提高装煤的效率，以及满足不同车辆不同装载量的需求。
为解决上述技术问题，本说明书实施例是这样实现的：
本说明书实施例提供的一种煤装车自动装车控制方法，包括：
调整摄像头的安装位置和角度，以清晰获取整个车厢侧板上沿为准；
基于所述摄像图采集的第一图像数据判断煤装车是否停车到位，若是，开始落煤，并实时获取所述摄像图采集的第二图像数据；
基于所述第二图像数据进行图像边缘分割，根据图像边缘分割结果判断所述煤装车是否装满，若是，停止装车。
可选的，所述摄像头包括正面摄像头和侧面摄像头，所述正面摄像头安装在所述分别安装在煤装车的前上方，所述侧面摄像头安装在所述分别安装在煤装车的侧上方。
可选的，所述基于所述摄像图采集的第一图像数据判断煤装车是否停车到位，具体包括；
基于图像识别算法，利用深度学习技术，识别出煤装车的车厢侧板上沿，其中，所述煤装车的车厢颜色与背景颜色不同。
可选的，所述煤装车的车厢为红色。
可选的，所述基于所述第二图像数据进行图像边缘分割，根据图像边缘分割结果判断所述煤装车是否装满，具体包括：
基于图像像素的分割算法，确定煤粉的上边界以及车厢侧板的上边界；
确定所述煤粉的上边界以及所述车厢侧板的上边界的位置关系；
根据所述位置关系确定所述煤装车是否装满。
可选的，所述确定所述煤粉的上边界以及所述车厢侧板的上边界的位置关系，具体包括：
对所述煤粉的上边界进行曲线回归处理，得到第一曲线；
对所述车厢侧板的上边界进行曲线回归处理，得到第二曲线；
确定所述第一曲线和所述第二曲线的夹角。
可选的，所述根据所述位置关系确定所述煤装车是否装满，具体包括：
判断所述夹角是否小于预设角度。
可选的，所述停止装车，具体包括：
发出控制指令停止装煤粉；
发出“车前进”的控制指令。
可选的，所述摄像头的参数可以调节。
可选的，所述预设角度可以设置。
本方案能够达到的技术效果是：
实现对煤炭装运车的车厢识别和煤粉体量的检测，两者结合，对装载车辆是否“停止”或者“前进”给出判断，提示司机移动车辆，让车厢装煤量控制在一个合理的范围。
附图说明
此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
图1为本说明书实施例提供的一种煤装车自动装车控制方法的流程示意图；
图2为本说明书实施例提供的一种煤装车自动装车控制方法的算法流程图；
图3为本说明书实施例提供的图像识别模型的示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚，下面将结合本申请具体实施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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，都属于本申请保护的范围。
本发明利用人工智能计算机视觉技术，通过获取到的摄像头场景信息，识别出车厢以及车厢侧板来，然后利用基于像素点的图像分割技术，识别出煤粉和车板高度的横截面，根据两个横截面的角度信息，判断出是否已经装满，从而对车辆发出预警信息。同时，本方案还支持手机端在线观看监督多地场景等功能。
以下结合附图，详细说明本申请各实施例提供的技术方案。
图1为本说明书实施例提供的一种煤装车自动装车控制方法的流程示意图。从程序角度而言，流程的执行主体可以为搭载于应用服务器的程序或应用客户端。
如图1所示，该流程可以包括以下步骤：
步骤101：调整摄像头的安装位置和角度，以清晰获取整个车厢侧板上沿为准。其中，所述摄像头的参数可以根据需求由操作人员进行调节。
其中，述摄像头包括正面摄像头和侧面摄像头，所述正面摄像头安装在所述分别安装在煤装车的前上方，所述侧面摄像头安装在所述分别安装在煤装车的侧上方。配置双摄像头，尽量保证车厢在摄像头中的成像清晰可见。
步骤102：基于所述摄像图采集的第一图像数据判断煤装车是否停车到位，若是，开始落煤，并实时获取所述摄像图采集的第二图像数据。
其中，基于图像识别算法，利用深度学习技术，识别出煤装车的车厢侧板上沿，其中，所述煤装车的车厢颜色与背景颜色不同，主要目的是要和背景区分开来。其中，所述煤装车的车厢可以为红色，这样更好与背景区别开。
步骤103：基于所述第二图像数据进行图像边缘分割，根据图像边缘分割结果判断所述煤装车是否装满，若是，停止装车。所述停止装车，具体可以包括：发出控制指令停止装煤粉；发出“车前进”的控制指令。
其中，所述基于所述第二图像数据进行图像边缘分割，根据图像边缘分割结果判断所述煤装车是否装满，具体可以包括：
基于图像像素的分割算法，确定煤粉的上边界以及车厢侧板的上边界；
确定所述煤粉的上边界以及所述车厢侧板的上边界的位置关系；
根据所述位置关系确定所述煤装车是否装满。
所述确定所述煤粉的上边界以及所述车厢侧板的上边界的位置关系，具体可以包括：
对所述煤粉的上边界进行曲线回归处理，得到第一曲线；
对所述车厢侧板的上边界进行曲线回归处理，得到第二曲线；
确定所述第一曲线和所述第二曲线的夹角。
所述根据所述位置关系确定所述煤装车是否装满，具体可以包括：
判断所述夹角是否小于预设角度。其中，所述预设角度可以设置，可以设置为多个档，也可以设置任意的参数。
本方案可以通过以下技术进行支撑：
1)煤装车系统以服务形式提供功能，通过socket接入原有系统，服务发送三种形式指令：开始落煤指令、车前进指令、停止落煤指令。
2)以网页形式提供操作界面，操作人员可调节相应参数：装煤量预判设置(低、中、高三档)、摄像头参数、ROI区域。
3)提供六套设备实现六个煤仓的装车过程视觉自动提示功能。
Web端对接需求整理：
1.web端需要做当前处理的图像显示、输出指令显示，服务端需要提供输出接口加入返回图像功能，图像可以降分辨率到640*480左右；
2.从现在的“服务端从本地读取视频文件和帧号”修改为：web端提供网络相机IP，服务端拉视频流，web端发送地址和“开始结束”的控制指令；
3.服务端接口从HTTP请求式转换为推送式；
4.配置信息保存在服务端，服务端增加请求和保存配置信息的接口；
本方案的算法主要分三大模块，1.车厢侧板识别，2.煤粉边缘分割，3.分割边缘线回归逻辑判断输出。
如图2所示，具体步骤如下所述：
通过安装摄像头，调整合适角度，以清晰且可以获取整个车厢侧板上沿为准。配置双摄像头，尽量保证车厢在摄像头中的成像清晰可见。
双摄像头模式：
Camera1：正面摄像头
Camera2：侧面摄像头
车厢侧板识别：基于图像识别算法，利用深度学习技术，识别出该红色区域来，主要目的是要和背景区分开来，另外，在没有车辆进入的情况下，不要产生错误识别。一个用于识别的网络如图3所示。
在全连接层，利用softmax算法，分类是否有车厢侧板存在。Softmax算法表述如下：
Figure BDA0003208317630000051
基于图像像素的分割算法，精确的定位到煤粉的上边界区域以及车厢侧板的边界，然后回归出这车厢边缘(绿线)和煤粉边缘线(蓝线)来，通过判断两者关系，输出指令。
基于像素点的图像分割算法是目前人工智能方向最为前沿领域之一，可以做到高精确度，高质量输出，利于做精确的判断。
当训练数据足够丰富的前提下，可以对每个像素点进行分类，然后利用神经网络技术来进行训练。让网络对每一个像素点以及周边的信息进行分析，从而得出每个像素在图像中的具体信息来，到底是树，还是人，还是路面。
在本方案中，会判断到底是煤粉，还是车厢侧板，还是背景墙。
根据煤粉的运动规律，主要要分析的是右侧蓝色线条的斜率和绿色线条的接近角度，来判断是否适合发出“汽车前进”指令。
如果蓝线和绿线的夹角达到一定角度(警戒值)，即视为堆满，发送“汽车前进”的指令到广播(或者其他设备)，如果未堆满则继续装载。
通过计算，在保证清晰度的前提下，双摄像头方案较为稳健，准确率高。
手机端在线观看。系统会把实时的视频流，通过云端的模式，直接推送到微信小程序端，获取当前装载车间的工作情况，利于监督。
本方案的工作流程如下：
服务启动后，操作人员需提前设定确认相应参数，主要包括:
1)煤装车的装车停止区域，以画框形式输入
2)落煤斗位置
3)流程
煤装车行驶至装车停止区域，视觉服务会检测煤装车停车位置是否符合要求，符合要求的情况下，发出开始落煤指令。
落煤斗移动到标记好的位置开始落煤。
视觉服务根据设定的装车容量百分比，当装车煤量达到阈值时，发出车前进指令。
落煤至车尾，且落煤量达到落煤阈值，视觉服务会发出停止落煤指令。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
以上所述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)

1.一种煤装车自动装车控制方法，其特征在于，包括：
调整摄像头的安装位置和角度，以清晰获取整个车厢侧板上沿为准；
基于所述摄像图采集的第一图像数据判断煤装车是否停车到位，若是，开始落煤，并实时获取所述摄像图采集的第二图像数据；
基于所述第二图像数据进行图像边缘分割，根据图像边缘分割结果判断所述煤装车是否装满，若是，停止装车。
2.如权利要求1所述的方法，其特征在于，所述摄像头包括正面摄像头和侧面摄像头，所述正面摄像头安装在所述分别安装在煤装车的前上方，所述侧面摄像头安装在所述分别安装在煤装车的侧上方。
3.如权利要求1所述的方法，其特征在于，所述基于所述摄像图采集的第一图像数据判断煤装车是否停车到位，具体包括；
基于图像识别算法，利用深度学习技术，识别出煤装车的车厢侧板上沿，其中，所述煤装车的车厢颜色与背景颜色不同。
4.如权利要求3所述的方法，其特征在于，所述煤装车的车厢为红色。
5.如权利要求1所述的方法，其特征在于，所述基于所述第二图像数据进行图像边缘分割，根据图像边缘分割结果判断所述煤装车是否装满，具体包括：
基于图像像素的分割算法，确定煤粉的上边界以及车厢侧板的上边界；
确定所述煤粉的上边界以及所述车厢侧板的上边界的位置关系；
根据所述位置关系确定所述煤装车是否装满。
6.如权利要求5所述的方法，其特征在于，所述确定所述煤粉的上边界以及所述车厢侧板的上边界的位置关系，具体包括：
对所述煤粉的上边界进行曲线回归处理，得到第一曲线；
对所述车厢侧板的上边界进行曲线回归处理，得到第二曲线；
确定所述第一曲线和所述第二曲线的夹角。
7.如权利要求6所述的方法，其特征在于，所述根据所述位置关系确定所述煤装车是否装满，具体包括：
判断所述夹角是否小于预设角度。
8.如权利要求6所述的方法，其特征在于，所述停止装车，具体包括：
发出控制指令停止装煤粉；
发出“车前进”的控制指令。
9.如权利要求1所述的方法，其特征在于，所述摄像头的参数可以调节。
10.如权利要求7所述的方法，其特征在于，所述预设角度可以设置。
CN202110923477.7A 2021-08-12 2021-08-12 一种煤装车自动装车控制方法 Pending CN113709218A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110923477.7A CN113709218A (zh) 2021-08-12 2021-08-12 一种煤装车自动装车控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110923477.7A CN113709218A (zh) 2021-08-12 2021-08-12 一种煤装车自动装车控制方法

Publications (1)

Publication Number Publication Date
CN113709218A true CN113709218A (zh) 2021-11-26

Family

ID=78652481

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110923477.7A Pending CN113709218A (zh) 2021-08-12 2021-08-12 一种煤装车自动装车控制方法

Country Status (1)

Country Link
CN (1) CN113709218A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2024119729A1 (zh) * 2022-12-09 2024-06-13 河南工业大学 一种基于场景结构信息的非流体溢出检测方法和系统

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103792108A (zh) * 2014-03-10 2014-05-14 湖南万通科技有限公司 一种采样方法及采样机
CN103838150A (zh) * 2014-03-10 2014-06-04 湖南万通科技有限公司 一种运煤车车厢定位的方法及系统
CN106996751A (zh) * 2016-01-26 2017-08-01 中国科学院沈阳自动化研究所 一种基于视觉图像的运粮车谷物装载状态检测方法及装置
CN111460911A (zh) * 2020-03-12 2020-07-28 陕西天诚软件有限公司 一种物料装车方法、物料装车装置、服务器及介质
CN111568211A (zh) * 2020-02-28 2020-08-25 佛山市云米电器科技有限公司 饮水机控制方法、饮水机及计算机可读存储介质
CN112686949A (zh) * 2020-12-30 2021-04-20 深圳艾灵网络有限公司 一种车辆定位方法、系统及相关设备

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103792108A (zh) * 2014-03-10 2014-05-14 湖南万通科技有限公司 一种采样方法及采样机
CN103838150A (zh) * 2014-03-10 2014-06-04 湖南万通科技有限公司 一种运煤车车厢定位的方法及系统
CN106996751A (zh) * 2016-01-26 2017-08-01 中国科学院沈阳自动化研究所 一种基于视觉图像的运粮车谷物装载状态检测方法及装置
CN111568211A (zh) * 2020-02-28 2020-08-25 佛山市云米电器科技有限公司 饮水机控制方法、饮水机及计算机可读存储介质
CN111460911A (zh) * 2020-03-12 2020-07-28 陕西天诚软件有限公司 一种物料装车方法、物料装车装置、服务器及介质
CN112686949A (zh) * 2020-12-30 2021-04-20 深圳艾灵网络有限公司 一种车辆定位方法、系统及相关设备

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
冉宝山: "《基于机器视觉的装料系统试验研究》", 硕士学位论文, 15 January 2016 (2016-01-15), pages 2 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2024119729A1 (zh) * 2022-12-09 2024-06-13 河南工业大学 一种基于场景结构信息的非流体溢出检测方法和系统

Similar Documents

Publication Publication Date Title
CN103386975B (zh) 一种基于机器视觉的车辆避障方法及系统
CN101510356B (zh) 视频检测系统及其数据处理装置、视频检测方法
CN108898044B (zh) 装载率获取方法、装置、系统及存储介质
CN109269474B (zh) 一种列车车载受电弓运行状态在线图像检测装置及方法
CN101739827B (zh) 一种车辆检测跟踪方法和装置
CN112966582A (zh) 车型三维识别方法、装置、系统、电子设备及存储介质
CN103389733A (zh) 一种基于机器视觉的车辆巡线方法及系统
CN104092988A (zh) 一种公共场合客流管理方法、装置及系统
CN114913399B (zh) 一种车辆轨迹优化方法及智能交通系统
CN113780196B (zh) 异常数据实时上报系统
CN115953726B (zh) 机器视觉的集装箱箱面破损检测方法和系统
CN111738109A (zh) 一种基于深度学习的厢式货车厢门状态识别方法
CN112172797A (zh) 泊车控制方法、装置、设备和存储介质
CN113709218A (zh) 一种煤装车自动装车控制方法
CN111311942A (zh) 基于v2x技术的路况显示方法、系统、v2x终端及v2x服务器
CN117275216A (zh) 一种多功能无人机高速道路巡检系统
CN113657241A (zh) 一种煤装车自动装车分析方法
CN117496496B (zh) 一种智能充电桩用车牌识别系统及方法
CN115134537A (zh) 一种图像处理方法、装置及车辆
WO2023241595A1 (zh) 车位范围的处理方法及计算设备
CN113095266B (zh) 一种角度识别方法、装置及设备
CN110688876A (zh) 一种基于视觉的车道线检测方法及装置
CN113823095A (zh) 交通状态的确定方法、装置、存储介质及电子装置
US20110080495A1 (en) Method and camera system for the generation of images for the transmission to an external control unit
KR101697211B1 (ko) 영상 인식 장치, 인터랙션과 영상 인식 기반의 주차 공간 정보 제공 방법과 시스템

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