CN113723304A - 车灯检测方法、装置、电子设备及存储介质 - Google Patents
车灯检测方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN113723304A CN113723304A CN202111013275.5A CN202111013275A CN113723304A CN 113723304 A CN113723304 A CN 113723304A CN 202111013275 A CN202111013275 A CN 202111013275A CN 113723304 A CN113723304 A CN 113723304A
- Authority
- CN
- China
- Prior art keywords
- bright spot
- sub
- image
- result
- 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
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 173
- 238000003860 storage Methods 0.000 title claims abstract description 17
- 238000012545 processing Methods 0.000 claims abstract description 67
- 238000000034 method Methods 0.000 claims description 45
- 230000000875 corresponding effect Effects 0.000 claims description 43
- 238000004590 computer program Methods 0.000 claims description 11
- 230000009467 reduction Effects 0.000 claims description 10
- 230000002596 correlated effect Effects 0.000 claims description 6
- 238000005520 cutting process Methods 0.000 claims description 6
- 238000009826 distribution Methods 0.000 claims description 5
- 238000010586 diagram Methods 0.000 description 12
- 238000004422 calculation algorithm Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 4
- 230000006978 adaptation Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000002902 bimodal effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 125000001475 halogen functional group Chemical group 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Landscapes
- Image Analysis (AREA)
- Image Processing (AREA)
- Lighting Device Outwards From Vehicle And Optical Signal (AREA)
Abstract
本公开提供了一种车灯检测方法、装置、电子设备及存储介质，该车灯检测方法包括：获取待检测的灰度图像；将所述待检测的灰度图像划分为多个子区域；对所述多个子区域分别进行图像二值化处理，得到各个子区域中的第一亮斑区域；将多个第一亮斑区域进行合并，得到车灯检测结果；所述车灯检测结果用于指示属于同一目标车辆的车灯。本公开实施例，可以避免因车灯检测模型失效而引起的检测失败的情况发生，且能够提高车灯检测精度。
Description
技术领域
本公开涉及车灯检测技术领域，具体而言，涉及一种车灯检测方法、装置、电子设备和存储介质。
背景技术
随着智能交通系统技术的日益发展和广泛应用，车灯检测技术也逐步发展。其中，在诸如夜间等等的自然光线暗淡的场合下，可以通过检测车辆灯光来确定车辆。
针对夜间的场景，现有技术中，通过车灯检测模型可以实现对车灯的检测，然而，在夜晚光线较暗的情况下，由于受对向来车的灯光影响，会导致模型失效的情况发生，进而无法实现对车灯的有效检测。
发明内容
本公开实施例至少提供一种车灯检测方法、装置、电子设备及计算机可读存储介质。
第一方面，本公开实施例提供了一种车灯检测方法，包括：
获取待检测的灰度图像；
将所述待检测的灰度图像划分为多个子区域；
对所述多个子区域分别进行图像二值化处理，得到各个子区域中的第一亮斑区域；
将多个第一亮斑区域进行合并，得到车灯检测结果；所述车灯检测结果用于指示属于同一目标车辆的车灯。
本公开实施例中，利用夜间的车灯亮度信息来对车灯进行检测，替代了现有技术中的模型，进而避免了因模型失效而导致的车灯检测失败的情况发生，提高了车灯检测的可靠性。另一方面，本公开实施例中，由于将所述待检测的灰度图像划分为多个子区域，并对所述多个子区域分别进行图像二值化处理，实现了每个子区域的自适应二值化处理，使得该方法可以适用于不同相机的不同视角算法，也即，解决了多相机多视角算法的适应问题，进而提高了该车灯检测方法的适用性。
根据第一方面，在一种可能的实施方式中，所述子区域的尺寸与所述待检测的灰度图像的分辨率正相关。
本公开实施例中，由于子区域的尺寸与所述待检测的灰度图像的分辨率正相关，可以使得每个子区域中所包括的像素点尽量多，进而使得在对子区域进行二值化处理后，每个区域有亮有暗，如此有利于提升车灯的检测精度。
根据第一方面，在一种可能的实施方式中，所述对所述多个子区域分别进行图像二值化处理，得到各个子区域中的第一亮斑区域，包括：
根据每个子区域内的灰度分布，确定所述每个子区域对应的亮度阈值；
将所述每个子区域内的像素点的亮度值与所述每个子区域所对应的亮度阈值进行比对，得到所述每个子区域中每个像素点的二值化处理结果；
根据所述每个子区域内的像素点的二值化处理结果，得到所述每个子区域中的第一亮斑区域。
本公开实施例中，通过将每个所述子区域内的像素点的亮度值与所述子区域所对应的亮度阈值进行比对，可以得到每个像素点的亮暗处理结果，其中，每个子区域中亮的像素点所形成的区域即为第一亮斑区域，如此，实现了第一亮斑区域的确定，且该方法较为简单，可以提升图像处理的效率。
根据第一方面，在一种可能的实施方式中，所述将多个第一亮斑区域进行合并，得到车灯检测结果，包括：
将多个第一亮斑区域按照第一预设条件进行合并，得到第一亮斑结果；所述第一预设条件是指相邻的所述第一亮斑区域的边界之间的距离小于预设阈值；
在所述第一亮斑结果的数量与所述第一亮斑区域的数量一致的情况下，基于所述第一亮斑结果，得到所述车灯检测结果。
本公开实施例，通过将所述第一亮斑结果的数量与所述第一亮斑区域的数量进行比对，可以提升车灯检测的精度。
根据第一方面，在一种可能的实施方式中，所述将多个第一亮斑区域进行合并，得到车灯检测结果，包括：
将多个第一亮斑区域按照第一预设条件进行合并，得到第一亮斑结果；所述第一预设条件是指相邻的所述第一亮斑区域的边界之间的距离小于预设阈值；
在所述第一亮斑结果的数量与所述第一亮斑区域的数量不一致的情况下，对所述第一亮斑区域进行调整得到新的第一亮斑区域，并将多个新的第一亮斑区域按照所述第一预设条件进行合并，得到新的第一亮斑结果，直至所述新的第一亮斑结果得数量与所述新的第一亮斑区域的数量一致，并根据最新的第一亮斑结果，得到所述车灯检测结果。
本公开实施例，在所述第一亮斑结果的数量与所述第一亮斑区域的数量不一致的情况下，通过迭代优化方法对第一亮斑结果进行迭代优化，如此可以进一步提升车灯检测的精度。
根据第一方面，在一种可能的实施方式中，所述对所述第一亮斑区域进行调整得到新的第一亮斑区域，包括：
确定所述第一亮斑区域所对应的第一检测框，一个第一亮斑区域所对应的第一检测框为该第一亮斑区域的外接矩形；
对所述第一检测框内的区域进行图像二值化处理，得到所述新的第一亮斑区域。
本公开实施例中，通过第一亮斑区域所对应的第一检测框，对第一亮斑区域进行二值化处理，可以提升处理的效率。
根据第一方面，在一种可能的实施方式中，采用以下步骤得到所述车灯检测结果：
判断最后得到的第一亮斑结果是否满足第二预设条件，所述第二预设条件是指最后得到的第一亮斑结果的形状符合预设形状和/或最后得到的第一亮斑结果的位置符合预设位置范围；
在最后得到的第一亮斑结果满足所述第二预设条件的情况下，将最后得到的第一亮斑结果作为所述车灯检测结果。
本公开实施例中，通过将最后得到的第一亮斑结果和第二预设条件进行比对，可以将不符合第二预设条件的第一亮斑结果剔除，如此能够进一步提升车灯检测结果的精度。
根据第一方面，在一种可能的实施方式中，采用以下步骤得到所述车灯检测结果：
基于最后得到的第一亮斑结果，确定最后得到的第一亮斑结果所对应的第二检测框；其中，所述第二检测框的中心点与最后得到的第一亮斑结果的中心点重合；
将属于同一所述目标车辆的所述第二检测框进行和合并，得到所述车灯检测结果。
本公开实施例中，基于最后得到的第一亮斑结果，确定第一亮斑结果所对应的第二检测框，并将车灯检测结果以检测框的形式进行标注输出，可以为后续提供清晰的检测结果。
根据第一方面，在一种可能的实施方式中，所述获取待检测的灰度图像，包括：
获取采集的原始图像对应的原始灰度图像；
对所述原始灰度图像进行裁剪处理，得到目标图像；
对所述目标图像进行降噪处理，得到所述待检测的灰度图像。
本公开实施例，通过对原始图像进行灰度、裁剪及降噪处理，可以减少因夜间噪点信息所带来的干扰，有利于提升车灯检测精度。
根据第一方面，在一种可能的实施方式中，所述得到车灯检测结果之后，所述方法还包括：
基于所述车灯检测结果，调整装载采集所述原始图像的图像采集装置的当前行驶车辆的灯光开启状态。
本公开实施例中，在得到车灯检测结果之后，还基于该结果对当前行驶车辆的灯光进行控制，进而提升了夜间驾驶的安全性。
第二方面，本公开实施例提供了一种车灯检测装置，包括：
图像获取模块，用于获取待检测的灰度图像；
区域划分模块，用于将所述待检测的灰度图像划分为多个子区域；
图像处理模块，用于对所述多个子区域分别进行图像二值化处理，得到各个子区域中的第一亮斑区域；
车灯检测模块，用于将多个第一亮斑区域进行合并，得到车灯检测结果；所述车灯检测结果用于指示属于同一目标车辆的车灯。
根据第二方面，在一种可能的实施方式中，所述子区域的尺寸与所述待检测的灰度图像的分辨率正相关。
根据第二方面，在一种可能的实施方式中，所述图像处理模块具体用于：
根据每个子区域内的灰度分布，确定所述每个子区域对应的亮度阈值；
将所述每个子区域内的像素点的亮度值与所述每个子区域所对应的亮度阈值进行比对，得到所述每个子区域中每个像素点的二值化处理结果；
根据所述每个子区域内的像素点的二值化处理结果，得到所述每个子区域中的第一亮斑区域。
根据第二方面，在一种可能的实施方式中，所述车灯检测模块具体用于：
将多个第一亮斑区域按照第一预设条件进行合并，得到第一亮斑结果；所述第一预设条件是指相邻的所述第一亮斑区域的边界之间的距离小于预设阈值；
在所述第一亮斑结果的数量与所述第一亮斑区域的数量一致的情况下，基于所述第一亮斑结果，得到所述车灯检测结果。
根据第二方面，在一种可能的实施方式中，所述车灯检测模块具体用于：
将多个第一亮斑区域按照第一预设条件进行合并，得到第一亮斑结果；所述第一预设条件是指相邻的所述第一亮斑区域的边界之间的距离小于预设阈值；
在所述第一亮斑结果的数量与所述第一亮斑区域的数量不一致的情况下，对所述第一亮斑区域进行调整得到新的第一亮斑区域，并将多个新的第一亮斑区域按照所述第一预设条件进行合并，得到新的第一亮斑结果，直至所述新的第一亮斑结果得数量与所述新的第一亮斑区域的数量一致，并根据最新的第一亮斑结果，得到所述车灯检测结果。
根据第二方面，在一种可能的实施方式中，所述车灯检测模块具体用于：
确定所述第一亮斑区域所对应的第一检测框，一个第一亮斑区域所对应的第一检测框为该第一亮斑区域的外接矩形；
对所述第一检测框内的区域进行图像二值化处理，得到所述新的第一亮斑区域。
根据第二方面，在一种可能的实施方式中，所述车灯检测模块具体用于：
判断最后得到的第一亮斑结果是否满足第二预设条件，所述第二预设条件是指最后得到的第一亮斑结果的形状符合预设形状和/或最后得到的第一亮斑结果的位置符合预设位置范围；
在最后得到的第一亮斑结果满足所述第二预设条件的情况下，将最后得到的第一亮斑结果作为所述车灯检测结果。
根据第二方面，在一种可能的实施方式中，所述车灯检测模块具体用于：
基于最后得到的第一亮斑结果，确定最后得到的第一亮斑结果所对应的第二检测框；其中，所述第二检测框的中心点与最后得到的第一亮斑结果的中心点重合；
将属于同一所述目标车辆的所述第二检测框进行和合并，得到所述车灯检测结果。
根据第二方面，在一种可能的实施方式中，所述图像获取模块具体用于：
获取采集的原始图像对应的原始灰度图像；
对所述原始灰度图像进行裁剪处理，得到目标图像；
对所述目标图像进行降噪处理，得到所述待检测的灰度图像。
根据第二方面，在一种可能的实施方式中，所述装置还包括：
灯光控制模块，用于基于所述车灯检测结果，调整装载采集所述原始图像的图像采集装置的当前行驶车辆的灯光开启状态。
第三方面，本公开实施例提供了一种电子设备，包括：处理器、存储器和总线，所述存储器存储有所述处理器可执行的机器可读指令，当电子设备运行时，所述处理器与所述存储器之间通过总线通信，所述机器可读指令被所述处理器执行时执行如第一方面及第一方面任一实施方式中所述的车灯检测方法。
第四方面，本公开实施例提供了一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行如第一方面及第一方面任一实施方式中所述的车灯检测方法。
为使本公开的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
附图说明
为了更清楚地说明本公开实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，此处的附图被并入说明书中并构成本说明书中的一部分，这些附图示出了符合本公开的实施例，并与说明书一起用于说明本公开的技术方案。应当理解，以下附图仅示出了本公开的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
图1示出了本公开实施例所提供的一种车灯检测方法的流程图；
图2示出了本公开实施例所提供的一种当前行驶车辆与目标车辆的示意图；
图3示出了本公开实施例所提供的一种将待检测的灰度图像划分为多个子区域后的示意图；
图4示出了本公开实施例所提供的一种对多个子区域分别进行图像二值化处理的方法流程图；
图5示出了本公开实施例所提供的一种对子区域进行图像二值化处理后的示意图；
图6示出了本公开实施例所提供的一种将多个第一亮斑区域进行合并得到车灯检测结果的方法流程图；
图7示出了本公开实施例所提供的另一种车灯检测方法的流程图；
图8示出了本公开实施例所提供的一种车灯检测装置的结构示意图；
图9示出了本公开实施例所提供的另一种车灯检测装置的结构示意图；
图10示出了本公开实施例所提供的一种电子设备的结构示意图。
具体实施方式
为使本公开实施例的目的、技术方案和优点更加清楚，下面将结合本公开实施例中附图，对本公开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公开一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本公开实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本公开的实施例的详细描述并非旨在限制要求保护的本公开的范围，而是仅仅表示本公开的选定实施例。基于本公开的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本公开保护的范围。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。
本文中术语“和/或”，仅仅是描述一种关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中术语“至少一种”表示多种中的任意一种或多种中的至少两种的任意组合，例如，包括A、B、C中的至少一种，可以表示包括从A、B和C构成的集合中选择的任意一个或多个元素。
随着智能交通系统技术的日益发展和广泛应用，车辆自动检测技术也逐步发展。其中，在诸如夜间等等的自然光线暗淡的场合下，可以通过检测车辆灯光来确定车辆。
经研究发现，针对夜间的场景，可以通过车灯检测模型对车灯进行目标检测，然而，在夜晚光线较暗的情况下，由于受对向来车的灯光影响，会导致模型失效的情况发生，进而导致车灯检测的可靠性较差。因此，如何提高夜间车灯检测的可靠性，为本公开要解决的技术问题。
基于上述研究，本公开提供了一种车灯检测方法，获取待检测的灰度图像；将所述待检测的灰度图像划分为多个子区域；对所述多个子区域分别进行图像二值化处理，得到各个子区域中的第一亮斑区域；将多个第一亮斑区域进行合并，得到车灯检测结果；所述车灯检测结果用于指示属于同一目标车辆的车灯。
本公开实施例中，利用夜间的车灯亮度信息来对车灯进行检测，替代了现有技术中的模型，进而避免了因模型失效而导致的车灯检测失败的情况发生，提高了车灯检测的可靠性。另一方面，本公开实施例中，由于将所述待检测的灰度图像划分为多个子区域，并对所述多个子区域分别进行图像二值化处理，实现了每个子区域的自适应二值化处理，使得该方法可以适用于不同相机的不同视角算法，也即，解决了多相机多视角算法的适应问题，进而提高了该车灯检测方法的适用性。
为便于对本申请实施例进行理解，下面结合具体实施例对本申请方案进行详细介绍。本公开实施例所提供的车灯检测方法的执行主体一般为具有一定计算能力的电子设备，该电子设备例如包括：终端设备或服务器或其它处理设备，终端设备可以为移动设备、用户终端、手持设备、计算设备、车载设备、可穿戴设备等。在一些可能的实现方式中，该车灯检测方法可以通过处理器调用存储器中存储的计算机可读指令的方式来实现。
参见图1所示，为本公开实施例提供的车灯检测方法的流程图，该车灯检测方法包括以下S101～S104：
S101，获取待检测的灰度图像。
示例地，参见图2所示，为本公开实施例提供的一种当前行驶车辆与目标车辆的示意图。如图2所示，当前行驶车辆100行驶于车道L1，且当前行驶车辆100上安装有图像采集装置(比如相机)110，用于获取当前行驶车辆100周围的环境图像信息。目标车辆200行驶于车道L1的对向车道L2上，且目标车辆200包括一对车灯210。本实施方式中，当前行驶车辆100与目标车辆200相向而行，此时，通过图像采集装置110可以拍摄到包括目标车辆200的图像信息，通过对该图像信息进行处理分析，即可实现对目标车辆200上的车灯210的检测，进而通过车灯210来确定目标车辆200的位置。
示例性地，可以获取图像采集装置110采集的原始图像，然后对该原始图像进行预处理，得到所述待检测的灰度图像。其中，对该原始图像进行预处理，具体可以包括：对该原始图像进行灰度处理得到原始灰度图像，接着对原始灰度图像进行裁剪处理，得到目标图像，然后通过对目标图像进行降噪处理，得到所述待检测的灰度图像。
例如，若图像采集装置采集到的原始图像是彩色图像，可以先对该原始图像进行灰度处理，得到与该原始图像对应的原始灰度图像，接着对该原始灰度图像进行裁剪处理，得到目标图像，比如可以将原始灰度图像中的天际线以上的区域(如天空)以及路灯区域裁减掉，得到目标图像，然后通过高斯滤波器对该目标图像进行滤波降噪处理，以降低该目标图像在夜间的噪点信息，进而得到待检测的灰度图像。
在一些实施方式中，为了提高降噪的处理效率，可以对待检测的灰度图像进行分区域降噪，也即，可以先确定待检测的灰度图像中的感兴趣区域(Region Of Interest，ROI)，然后该ROI进行降噪处理。本实施方式中，ROI可以是包括目标车辆的区域。
需要说明的是，本公开实施例中的车灯包括但不限于各种形式设备上的照明灯、信号指示灯等。
S102，将所述待检测的灰度图像划分为多个子区域。
示例性地，为了实现自适应二值化处理，需要将所述待检测的灰度图像划分为多个子区域，如此，可以对每个子区域分别进行图像二值化处理。
参见图3所示，为将待检测的灰度图像划分为多个子区域后的示意图，一些实施方式中，可以按照预设的划分方法对所述待检测的灰度图像A进行划分，得到多个子区域A1。该预设的划分方法可以依据图像尺寸进行均匀的划分，该均匀划分是指每个子区域的尺寸相同，该预设的划分方法还可以随机划分，也即进行随机划分后，每个子区域的尺寸可能相同，也可能不同，在此不做限定。
需要说明的是，为了便于后续的计算，本实施方式中，每个子区域的形状呈矩形，当然，其他实施方式中，每个子区域的形状也可以呈其他形状(如三角形)，在此不做限定。
在一些实施方式中，所述子区域的尺寸与所述待检测的灰度图像的分辨率正相关，如此，可以使得每个子区域中所包括的像素点尽量多，进而使得在对子区域进行二值化处理后，每个区域有亮有暗，如此有利于提升车灯的检测精度。
S103，对所述多个子区域分别进行图像二值化处理，得到各个子区域中的第一亮斑区域。
其中，图像二值化就是将图像上的像素点的灰度值设置为0或255，也就是将整个图像呈现出明显的黑白效果的过程。
示例性地，参见图4所示，针对步骤S103，在对对所述多个子区域分别进行图像二值化处理，得到各个子区域中的第一亮斑区域时，可以包括以下S1031～S1034：
S1031，根据每个子区域内的灰度分布，确定所述每个子区域对应的亮度阈值。
其中，亮度阈值的确定可以通过双峰法、最大类间方差法(如大津法)、最大熵阈值法及迭代法等方法来实现，具体不做限定。
S1032，将所述每个子区域内的像素点的亮度值与所述每个子区域所对应的亮度阈值进行比对，得到所述每个子区域中每个像素点的二值化处理结果。
S1033，根据所述每个子区域内的像素点的二值化处理结果，得到所述每个子区域中的第一亮斑区域。
示例地，参见图5所示，为对所述子区域进行图像二值化处理后的示意图，将每个所述子区域内的像素点的亮度值与所述子区域所对应的亮度阈值进行比对，得到每个像素点的亮点(图中白色点)或者暗点(图中黑色点)的处理结果，每个子区域A1中的亮点形成每个子区域对应的第一亮斑区域B，也即，将每个所述子区域内的亮度值大于所述亮度阈值的像素点所形成的区域，确定为每个所述子区域对应的第一亮斑区域B。
S104，将多个第一亮斑区域进行合并，得到车灯检测结果；所述车灯检测结果用于指示属于同一目标车辆的车灯。
可以理解，由于步骤S102已经将待检测的灰度图像划分为多个子区域，因此，在得到多个子区域分别对应的第一亮斑区域之后，还需要将多个子区域分别对应的第一亮斑区域进行合并，进而得到车灯检测结果。
本公开实施例中，利用夜间的车灯亮度信息来对车灯进行检测，替代了现有技术中的模型，进而避免了因模型失效而导致的车灯检测失败的情况发生，提高了车灯检测的可靠性。另一方面，本公开实施例中，由于将所述待检测的灰度图像划分为多个子区域，并对所述多个子区域分别进行图像二值化处理，实现了每个子区域的自适应二值化处理，使得该方法可以适用于不同相机的不同视角算法，也即，解决了多相机多视角算法的适应问题，进而提高了该车灯检测方法的适用性。
下面将结合具体实施例对上述S104进行详细介绍。
针对上述S104，在将多个第一亮斑区域进行合并，得到车灯检测结果时，如图6所示，包括以下S1041～S1044：
S1041，将多个第一亮斑区域按照第一预设条件进行合并，得到第一亮斑结果；所述第一预设条件是指相邻的所述第一亮斑区域的边界之间的距离小于预设阈值。
请再次参阅图5，在得到多个子区域分别对应的第一亮斑区域B之后，需要将多个第一亮斑区域B进行合并，由于在前述对灰度图像进行划分的时候，可能将属于同一车灯的区域划分为多个子区域，而属于同一车灯的多个子区域必然是相邻的子区域，因此，可以将边界之间的距离小于预设阈值的相邻的第一亮斑区域B进行合并，其中，预设阈值可以根据实际情况而进行设定，此处不做限定。
S1042，判断所述第一亮斑结果的数量与所述第一亮斑区域的数量是否一致；若是，执行步骤S1043；若否，执行步骤S1044。
可以理解，若合并后的第一亮斑结果的数量和第一亮斑区域的数量相同，说明目前所得到的第一亮斑区域已经是相对完成的亮斑区域，无需再进行合并，而若合并后的第一亮斑结果的数量和第一亮斑区域的数量不相同，则说明目前得到的第一亮斑区域相对不完整，仍需要进一步进行合并，进而提高检测的精度。
S1043，基于所述第一亮斑结果，得到所述车灯检测结果。
一些实施方式中，可以直接基于得到的第一亮斑结果，确定车灯检测结果，比如，若得到两个第一亮斑结果，则可以直接将该两个第一亮斑结果作为车灯检测结果。
S1044，对所述第一亮斑区域进行调整得到新的第一亮斑区域，并将多个新的第一亮斑区域按照所述第一预设条件进行合并，得到新的第一亮斑结果，直至所述新的第一亮斑结果得数量与所述新的第一亮斑区域的数量一致，并根据最新的第一亮斑结果，得到所述车灯检测结果。
其中，对所述第一亮斑区域进行调整得到新的第一亮斑区域，包括以下(1)～(2)：
(1)确定所述第一亮斑区域所对应的第一检测框，一个第一亮斑区域所对应的第一检测框为该第一亮斑区域的外接矩形；
(2)对所述第一检测框内的区域进行图像二值化处理，得到新的第一亮斑区域。
然后，将新的第一亮斑结果作为第一亮斑结果返回执行S1042、S1043，直至最后得到的第一亮斑结果的数量与第一亮斑区域的数量一致。
示例性地，由于矩形区域有利于图像二值化处理，因此，本实施方式中，先确定第一亮斑区域所对应的第一检测框，然后对述第一检测框对应的区域进行图像二值化处理。
本公开实施例中，在第一亮斑结果的数量与所述第一亮斑区域的数量不一致的情况下，对前述得到的第一亮斑区域进行迭代优化，得到新的第一亮斑区域，并将多个新的第一亮斑区域按照所述第一预设条件进行合并，得到新的第一亮斑结果，直至所述新的第一亮斑结果得数量与所述新的第一亮斑区域的数量一致，并根据最新的第一亮斑结果，得到所述车灯检测结果，如此，可以提升车灯检测结果的精度。
在一些实施方式中，为了进一步提高车灯检测结果的精度，还可以判断判断最后得到的第一亮斑结果是否满足第二预设条件，在最后得到的第一亮斑结果满足所述第二预设条件的情况下，将最后得到的第一亮斑结果作为所述车灯检测结果。这里最后得到的第一亮斑结果也就是最新的第一亮斑结果。
其中，所述第二预设条件是指最后得到的第一亮斑结果的形状符合预设形状和/或最后得到的第一亮斑结果的位置符合预设位置范围。例如，车灯的形状可能是圆形，也可能是线条的弧形，而其他光晕的形状可能是不规则的，因此通过将最后得到的第一亮斑结果和预设形状进行比对，可以剔除一些不符合形状的第一亮斑结果。
在另一些实施方式中，还可以基于最后得到的第一亮斑结果，确定最后得到的第一亮斑结果所对应的第二检测框；其中，所述第二检测框的中心点与最后得到的第一亮斑结果的中心点重合；将属于同一所述目标车辆的所述第二检测框进行和合并，得到所述车灯检测结果。
示例性地，可以基于最后得到的第一亮斑结果的中心点在所述灰度图像上的位置以及预设的检测框比例，确定所述第二检测框。其中，所述第二检测框的中心点与最后得到的第一亮斑结果的中心点重合。所述预设的检测框比例可以是1:2，也可以是3:4，此处不做限定。所述第二检测框的短边与最后得到的第一亮斑结果的内接矩形的短边相匹配。在得到第二检测框之后，将属于同一所述目标车辆的所述第二检测框进行和合并，即可得到所述车灯检测结果。可以理解，属于同一目标车辆的两个车灯在所述灰度图像中与地面的高度、形状及尺寸一致。
参见图7所示，为本公开实施例提供另一种车灯检测方法的流程图，该方法与图1中的方法不同的是，在步骤S104之后还包括以下S105：
S105，基于所述车灯检测结果，调整装载采集所述原始图像的图像采集装置的当前行驶车辆的灯光开启状态。
其中，灯光开启状态包括开启远光灯、开启近光灯或者交替开启远光灯与近光灯中的至少一种。
请再次参阅图2，在得到车灯检测结果之后，即可确定出目标车辆200相对于所述当前行驶车辆100的位置，进而可以调整当前行驶车辆100的灯光，比如，若目标车辆200距离当前行驶车辆100较近，则应开启近光灯，而若目标车辆200距离当前行驶车辆100较远，则可以开启远光灯。
本领域技术人员可以理解，在具体实施方式的上述方法中，各步骤的撰写顺序并不意味着严格的执行顺序而对实施过程构成任何限定，各步骤的具体执行顺序应当以其功能和可能的内在逻辑确定。
基于同一技术构思，本公开实施例中还提供了与车灯检测方法对应的车灯检测装置，由于本公开实施例中的装置解决问题的原理与本公开实施例上述车灯检测方法相似，因此装置的实施可以参见方法的实施，重复之处不再赘述。
参照图8所示，为本公开实施例提供的一种车灯检测装置500的示意图，该车灯检测装置500包括：
图像获取模块501，用于获取待检测的灰度图像；
区域划分模块502，用于将所述待检测的灰度图像划分为多个子区域；
图像处理模块503，用于对所述多个子区域分别进行图像二值化处理，得到各个子区域中的第一亮斑区域；
车灯检测模块504，用于将多个第一亮斑区域进行合并，得到车灯检测结果；所述车灯检测结果用于指示属于同一目标车辆的车灯。
在一种可能的实施方式中，所述子区域的尺寸与所述待检测的灰度图像的分辨率正相关。
在一种可能的实施方式中，所述图像处理模块503具体用于：
根据每个子区域内的灰度分布，确定所述每个子区域对应的亮度阈值；
将所述每个子区域内的像素点的亮度值与所述每个子区域所对应的亮度阈值进行比对，得到所述每个子区域中每个像素点的二值化处理结果；
根据所述每个子区域内的像素点的二值化处理结果，得到所述每个子区域中的第一亮斑区域。
在一种可能的实施方式中，所述车灯检测模块504具体用于：
将多个第一亮斑区域按照第一预设条件进行合并，得到第一亮斑结果；所述第一预设条件是指相邻的所述第一亮斑区域的边界之间的距离小于预设阈值；
在所述第一亮斑结果的数量与所述第一亮斑区域的数量一致的情况下，基于所述第一亮斑结果，得到所述车灯检测结果。
在一种可能的实施方式中，所述车灯检测模块504具体用于：
将多个第一亮斑区域按照第一预设条件进行合并，得到第一亮斑结果；所述第一预设条件是指相邻的所述第一亮斑区域的边界之间的距离小于预设阈值；
在所述第一亮斑结果的数量与所述第一亮斑区域的数量不一致的情况下，对所述第一亮斑区域进行调整得到新的第一亮斑区域，并将多个新的第一亮斑区域按照所述第一预设条件进行合并，得到新的第一亮斑结果，直至所述新的第一亮斑结果得数量与所述新的第一亮斑区域的数量一致，并根据最新的第一亮斑结果，得到所述车灯检测结果。
在一种可能的实施方式中，所述车灯检测模块504具体用于：
确定所述第一亮斑区域所对应的第一检测框，一个第一亮斑区域所对应的第一检测框为该第一亮斑区域的外接矩形；
对所述第一检测框内的区域进行图像二值化处理，得到所述新的第一亮斑区域。
在一种可能的实施方式中，所述车灯检测模块504具体用于：
判断最后得到的第一亮斑结果是否满足第二预设条件，所述第二预设条件是指最后得到的第一亮斑结果的形状符合预设形状和/或最后得到的第一亮斑结果的位置符合预设位置范围；
在最后得到的第一亮斑结果满足所述第二预设条件的情况下，将最后得到的第一亮斑结果作为所述车灯检测结果。
在一种可能的实施方式中，所述车灯检测模块504具体用于：
基于最后得到的第一亮斑结果，确定最后得到的第一亮斑结果所对应的第二检测框；其中，所述第二检测框的中心点与最后得到的第一亮斑结果的中心点重合；
将属于同一所述目标车辆的所述第二检测框进行和合并，得到所述车灯检测结果。
在一种可能的实施方式中，所述图像获取模块501具体用于：
获取采集的原始图像对应的原始灰度图像；
对所述原始灰度图像进行裁剪处理，得到目标图像；
对所述目标图像进行降噪处理，得到所述待检测的灰度图像。
参见图9所示，在一种可能的实施方式中，所述装置还包括：
灯光控制模块505，用于基于所述车灯检测结果，调整装载采集所述原始图像的图像采集装置的当前行驶车辆的灯光开启状态。
关于装置中的各模块的处理流程、以及各模块之间的交互流程的描述可以参照上述方法实施例中的相关说明，这里不再详述。
基于同一技术构思，本公开实施例还提供了一种电子设备。参照图10所示，为本公开实施例提供的电子设备700的结构示意图，包括处理器701、存储器702、和总线703。其中，存储器702用于存储执行指令，包括内存7021和外部存储器7022；这里的内存7021也称内存储器，用于暂时存放处理器701中的运算数据，以及与硬盘等外部存储器7022交换的数据，处理器701通过内存7021与外部存储器7022进行数据交换。
本申请实施例中，存储器702具体用于存储执行本申请方案的应用程序代码，并由处理器701来控制执行。也即，当电子设备700运行时，处理器701与存储器702之间通过总线703通信，使得处理器701执行存储器702中存储的应用程序代码，进而执行前述任一实施例中的方法。
处理器701可能是一种集成电路芯片，具有信号的处理能力。上述的处理器可以是通用处理器，包括中央处理器(Central Processing Unit，CPU)、网络处理器(NetworkProcessor，NP)等；还可以是数字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列(FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
其中，存储器702可以是，但不限于，随机存取存储器(Random Access Memory，RAM)，只读存储器(Read Only Memory，ROM)，可编程只读存储器(Programmable Read－Only Memory，PROM)，可擦除只读存储器(Erasable Programmable Read－Only Memory，EPROM)，电可擦除只读存储器(Electric Erasable Programmable Read－Only Memory，EEPROM)等。
可以理解的是，本申请实施例示意的结构并不构成对电子设备700的具体限定。在本申请另一些实施例中，电子设备700可以包括比图示更多或更少的部件，或者组合某些部件，或者拆分某些部件，或者不同的部件布置。图示的部件可以以硬件，软件或软件和硬件的组合实现。
本公开实施例还提供一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行上述方法实施例中的车灯检测方法的步骤。其中，该存储介质可以是易失性或非易失的计算机可读取存储介质。
本公开实施例还提供一种计算机程序产品，该计算机程序产品承载有程序代码，所述程序代码包括的指令可用于执行上述方法实施例中的车灯检测方法的步骤，具体可参见上述方法实施例，在此不再赘述。
其中，上述计算机程序产品可以具体通过硬件、软件或其结合的方式实现。在一个可选实施例中，所述计算机程序产品具体体现为计算机存储介质，在另一个可选实施例中，计算机程序产品具体体现为软件产品，例如软件开发包(Software Development Kit，SDK)等等。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统和装置的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。在本公开所提供的几个实施例中，应该理解到，所揭露的系统、装置和方法，可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，又例如，多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本公开各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个处理器可执行的非易失的计算机可读取存储介质中。基于这样的理解，本公开的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本公开各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(Read-OnlyMemory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是：以上所述实施例，仅为本公开的具体实施方式，用以说明本公开的技术方案，而非对其限制，本公开的保护范围并不局限于此，尽管参照前述实施例对本公开进行了详细的说明，本领域的普通技术人员应当理解：任何熟悉本技术领域的技术人员在本公开揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本公开实施例技术方案的精神和范围，都应涵盖在本公开的保护范围之内。因此，本公开的保护范围应所述以权利要求的保护范围为准。
Claims (13)
1.一种车灯检测方法，其特征在于，包括：
获取待检测的灰度图像；
将所述待检测的灰度图像划分为多个子区域；
对所述多个子区域分别进行图像二值化处理，得到各个子区域中的第一亮斑区域；
将多个第一亮斑区域进行合并，得到车灯检测结果；所述车灯检测结果用于指示属于同一目标车辆的车灯。
2.根据权利要求1所述的方法，其特征在于，所述子区域的尺寸与所述待检测的灰度图像的分辨率正相关。
3.根据权利要求1或2所述的方法，其特征在于，所述对所述多个子区域分别进行图像二值化处理，得到各个子区域中的第一亮斑区域，包括：
根据每个子区域内的灰度分布，确定所述每个子区域对应的亮度阈值；
将所述每个子区域内的像素点的亮度值与所述每个子区域所对应的亮度阈值进行比对，得到所述每个子区域中每个像素点的二值化处理结果；
根据所述每个子区域内的像素点的二值化处理结果，得到所述每个子区域中的第一亮斑区域。
4.根据权利要求1-3任一所述的方法，其特征在于，所述将多个第一亮斑区域进行合并，得到车灯检测结果，包括：
将多个第一亮斑区域按照第一预设条件进行合并，得到第一亮斑结果；所述第一预设条件是指相邻的所述第一亮斑区域的边界之间的距离小于预设阈值；
在所述第一亮斑结果的数量与所述第一亮斑区域的数量一致的情况下，基于所述第一亮斑结果，得到所述车灯检测结果。
5.根据权利要求1-3任一所述的方法，其特征在于，所述将多个第一亮斑区域进行合并，得到车灯检测结果，包括：
将多个第一亮斑区域按照第一预设条件进行合并，得到第一亮斑结果；所述第一预设条件是指相邻的所述第一亮斑区域的边界之间的距离小于预设阈值；
在所述第一亮斑结果的数量与所述第一亮斑区域的数量不一致的情况下，对所述第一亮斑区域进行调整得到新的第一亮斑区域，并将多个新的第一亮斑区域按照所述第一预设条件进行合并，得到新的第一亮斑结果，直至所述新的第一亮斑结果的数量与所述新的第一亮斑区域的数量一致，并根据最新的第一亮斑结果，得到所述车灯检测结果。
6.根据权利要求5所述的方法，其特征在于，所述对所述第一亮斑区域进行调整得到新的第一亮斑区域，包括：
确定所述第一亮斑区域所对应的第一检测框，一个第一亮斑区域所对应的第一检测框为该第一亮斑区域的外接矩形；
对所述第一检测框内的区域进行图像二值化处理，得到所述新的第一亮斑区域。
7.根据权利要求4或5所述的方法，其特征在于，采用以下步骤得到所述车灯检测结果：
判断最后得到的第一亮斑结果是否满足第二预设条件，所述第二预设条件是指最后得到的第一亮斑结果的形状符合预设形状和/或最后得到的第一亮斑结果的位置符合预设位置范围；
在最后得到的第一亮斑结果满足所述第二预设条件的情况下，将最后得到的第一亮斑结果作为所述车灯检测结果。
8.根据权利要求4或5所述的方法，其特征在于，采用以下步骤得到所述车灯检测结果：
基于最后得到的第一亮斑结果，确定最后得到的第一亮斑结果所对应的第二检测框；其中，所述第二检测框的中心点与最后得到的第一亮斑结果的中心点重合；
将属于同一所述目标车辆的所述第二检测框进行和合并，得到所述车灯检测结果。
9.根据权利要求1-8任一所述的方法，其特征在于，所述获取待检测的灰度图像，包括：
获取采集的原始图像对应的原始灰度图像；
对所述原始灰度图像进行裁剪处理，得到目标图像；
对所述目标图像进行降噪处理，得到所述待检测的灰度图像。
10.根据权利要求1-9任一所述的方法，其特征在于，所述得到车灯检测结果之后，所述方法还包括：
基于所述车灯检测结果，调整装载采集所述原始图像的图像采集装置的当前行驶车辆的灯光开启状态。
11.一种车灯检测装置，其特征在于，包括：
图像获取模块，用于获取待检测的灰度图像；
区域划分模块，用于将所述待检测的灰度图像划分为多个子区域；
图像处理模块，用于对所述多个子区域分别进行图像二值化处理，得到各个子区域中的第一亮斑区域；
车灯检测模块，用于将多个第一亮斑区域进行合并，得到车灯检测结果；所述车灯检测结果用于指示属于同一目标车辆的车灯。
12.一种电子设备，其特征在于，包括：处理器、存储器和总线，所述存储器存储有所述处理器可执行的机器可读指令，所述处理器与所述存储器之间通过总线通信，当电子设备运行时，所述机器可读指令被所述处理器执行时执行如权利要求1-10任一所述的车灯检测方法的步骤。
13.一种计算机可读存储介质，其特征在于，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行如权利要求1-10任一所述的车灯检测方法的步骤。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111013275.5A CN113723304A (zh) | 2021-08-31 | 2021-08-31 | 车灯检测方法、装置、电子设备及存储介质 |
| PCT/CN2022/084191 WO2023029467A1 (zh) | 2021-08-31 | 2022-03-30 | 用于车灯检测的方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111013275.5A CN113723304A (zh) | 2021-08-31 | 2021-08-31 | 车灯检测方法、装置、电子设备及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113723304A true CN113723304A (zh) | 2021-11-30 |
Family
ID=78679848
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111013275.5A Pending CN113723304A (zh) | 2021-08-31 | 2021-08-31 | 车灯检测方法、装置、电子设备及存储介质 |
Country Status (2)
| Country | Link |
|---|---|
| CN (1) | CN113723304A (zh) |
| WO (1) | WO2023029467A1 (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2023029467A1 (zh) * | 2021-08-31 | 2023-03-09 | 上海商汤智能科技有限公司 | 用于车灯检测的方法、装置、电子设备及存储介质 |
| CN117470251A (zh) * | 2023-12-27 | 2024-01-30 | 天津云圣智能科技有限责任公司 | 测区航线的规划方法、装置、电子设备及存储介质 |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116912181B (zh) * | 2023-06-30 | 2024-04-26 | 深圳市圆周检测技术有限公司 | 一种屏幕均匀度检测方法、系统和可读存储介质 |
| CN117173185B (zh) * | 2023-11-03 | 2024-01-19 | 东北大学 | 轧制板材的区域检测方法及装置、存储介质、计算机设备 |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2007193702A (ja) * | 2006-01-20 | 2007-08-02 | Sumitomo Electric Ind Ltd | 画像処理装置及び画像処理方法 |
| CN102567705A (zh) * | 2010-12-23 | 2012-07-11 | 北京邮电大学 | 一种检测和跟踪夜间行驶车辆的方法 |
| CN104778454A (zh) * | 2015-04-13 | 2015-07-15 | 杭州电子科技大学 | 一种基于亮度递减验证的夜间车辆尾灯提取方法 |
| CN105303160A (zh) * | 2015-09-21 | 2016-02-03 | 中电海康集团有限公司 | 一种夜间车辆检测和跟踪的方法 |
| KR101617182B1 (ko) * | 2015-02-24 | 2016-05-02 | (주)파크인서울 | 차량의 헤드라이트에 강인한 실시간 객체 영역 검출 방법 및 장치 |
| CN107766821A (zh) * | 2017-10-23 | 2018-03-06 | 江苏鸿信系统集成有限公司 | 基于卡尔曼滤波与深度学习的视频中全时段车辆检测跟踪方法及系统 |
| CN110733408A (zh) * | 2019-10-17 | 2020-01-31 | 杭州奥腾电子股份有限公司 | 一种基于视觉的智能远光灯算法 |
| WO2020037571A1 (zh) * | 2018-08-22 | 2020-02-27 | 深圳市真迈生物科技有限公司 | 基于图像构建测序模板的方法、装置和计算机程序产品 |
| CN111723650A (zh) * | 2020-05-09 | 2020-09-29 | 华南师范大学 | 夜间车辆检测方法、装置、设备及存储介质 |
| WO2021114799A1 (zh) * | 2019-12-14 | 2021-06-17 | 华南理工大学广州学院 | 一种基于计算机视觉的矩阵车灯识别方法 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102565278B1 (ko) * | 2018-03-26 | 2023-08-09 | 삼성전자주식회사 | 영상 분할 방법, 영상 분할 장치, 및 영상 분할을 위한 학습 방법 |
| CN113723304A (zh) * | 2021-08-31 | 2021-11-30 | 上海商汤临港智能科技有限公司 | 车灯检测方法、装置、电子设备及存储介质 |
-
2021
- 2021-08-31 CN CN202111013275.5A patent/CN113723304A/zh active Pending
-
2022
- 2022-03-30 WO PCT/CN2022/084191 patent/WO2023029467A1/zh active Application Filing
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2007193702A (ja) * | 2006-01-20 | 2007-08-02 | Sumitomo Electric Ind Ltd | 画像処理装置及び画像処理方法 |
| CN102567705A (zh) * | 2010-12-23 | 2012-07-11 | 北京邮电大学 | 一种检测和跟踪夜间行驶车辆的方法 |
| KR101617182B1 (ko) * | 2015-02-24 | 2016-05-02 | (주)파크인서울 | 차량의 헤드라이트에 강인한 실시간 객체 영역 검출 방법 및 장치 |
| CN104778454A (zh) * | 2015-04-13 | 2015-07-15 | 杭州电子科技大学 | 一种基于亮度递减验证的夜间车辆尾灯提取方法 |
| CN105303160A (zh) * | 2015-09-21 | 2016-02-03 | 中电海康集团有限公司 | 一种夜间车辆检测和跟踪的方法 |
| CN107766821A (zh) * | 2017-10-23 | 2018-03-06 | 江苏鸿信系统集成有限公司 | 基于卡尔曼滤波与深度学习的视频中全时段车辆检测跟踪方法及系统 |
| WO2020037571A1 (zh) * | 2018-08-22 | 2020-02-27 | 深圳市真迈生物科技有限公司 | 基于图像构建测序模板的方法、装置和计算机程序产品 |
| CN110733408A (zh) * | 2019-10-17 | 2020-01-31 | 杭州奥腾电子股份有限公司 | 一种基于视觉的智能远光灯算法 |
| WO2021114799A1 (zh) * | 2019-12-14 | 2021-06-17 | 华南理工大学广州学院 | 一种基于计算机视觉的矩阵车灯识别方法 |
| CN111723650A (zh) * | 2020-05-09 | 2020-09-29 | 华南师范大学 | 夜间车辆检测方法、装置、设备及存储介质 |
Non-Patent Citations (2)
| Title |
|---|
| 唐 泉, 樊晓平, 黎 燕: "基于分块聚类的车牌图像二值化方法", 《计算机仿真》, vol. 27, no. 3, 31 March 2010 (2010-03-31), pages 286 - 352 * |
| 陈志杰: "基于图像处理的汽车前照灯标定系统研究", 《中国优秀硕士学位论文全文数据库（电子期刊）》, 15 May 2015 (2015-05-15), pages 13 - 24 * |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2023029467A1 (zh) * | 2021-08-31 | 2023-03-09 | 上海商汤智能科技有限公司 | 用于车灯检测的方法、装置、电子设备及存储介质 |
| CN117470251A (zh) * | 2023-12-27 | 2024-01-30 | 天津云圣智能科技有限责任公司 | 测区航线的规划方法、装置、电子设备及存储介质 |
| CN117470251B (zh) * | 2023-12-27 | 2024-04-26 | 天津云圣智能科技有限责任公司 | 测区航线的规划方法、装置、电子设备及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| WO2023029467A1 (zh) | 2023-03-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113723304A (zh) | 车灯检测方法、装置、电子设备及存储介质 | |
| US20210004952A1 (en) | Method for image processing, non-transitory computer readable storage medium, and electronic device | |
| CN107506760B (zh) | 基于gps定位与视觉图像处理的交通信号检测方法及系统 | |
| JP4853160B2 (ja) | 車両検出装置及びヘッドランプ制御装置 | |
| US11108970B2 (en) | Flicker mitigation via image signal processing | |
| JP4985651B2 (ja) | 光源制御装置、光源制御方法および光源制御プログラム | |
| US20080013789A1 (en) | Apparatus and System for Recognizing Environment Surrounding Vehicle | |
| US10839235B2 (en) | Method and apparatus for detecting light source of vehicle | |
| JP2012226513A (ja) | 検知装置、及び検知方法 | |
| CN113747008B (zh) | 一种摄像机及补光方法 | |
| CN107748882B (zh) | 一种车道线检测方法及装置 | |
| CN111815721A (zh) | 车辆及其后视镜防眩目的控制方法、装置、系统与存储介质 | |
| JP2015210610A (ja) | 車両認識装置 | |
| CN111046741A (zh) | 车道线识别的方法和装置 | |
| JP3550874B2 (ja) | 監視装置 | |
| JP2015207211A (ja) | 車両検出装置、およびシステム、ならびにプログラム | |
| JP6267493B2 (ja) | 矢印信号灯検出装置 | |
| CN113343872B (zh) | 交通灯识别方法、装置、设备、介质及产品 | |
| CN116168030B (zh) | 极片的缺陷检测方法、装置、电子设备及存储介质 | |
| CN111369806A (zh) | 货运列车拍照测速及车牌识别方法及装置 | |
| CN116310889A (zh) | 无人机环境感知数据的处理方法、控制终端以及存储介质 | |
| CN112926476B (zh) | 车辆识别方法、装置及存储介质 | |
| CN114841874A (zh) | 一种图像处理方法、装置、设备及存储介质 | |
| CN109255349B (zh) | 目标检测方法、装置及图像处理设备 | |
| CN110020575B (zh) | 车辆检测装置及方法、电子设备 |
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 | ||
| REG | Reference to a national code |
Ref country code: HK Ref legal event code: DE Ref document number: 40056530 Country of ref document: HK |