CN113744295A - 一种表面污渍的检测方法、装置、清扫机器人 - Google Patents
一种表面污渍的检测方法、装置、清扫机器人 Download PDFInfo
- Publication number
- CN113744295A CN113744295A CN202110960192.0A CN202110960192A CN113744295A CN 113744295 A CN113744295 A CN 113744295A CN 202110960192 A CN202110960192 A CN 202110960192A CN 113744295 A CN113744295 A CN 113744295A
- Authority
- CN
- China
- Prior art keywords
- image
- edge
- sub
- images
- edge images
- 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
- 238000004140 cleaning Methods 0.000 title claims abstract description 23
- 238000001514 detection method Methods 0.000 title description 7
- 238000000034 method Methods 0.000 claims abstract description 30
- 238000003708 edge detection Methods 0.000 claims abstract description 11
- 238000007781 pre-processing Methods 0.000 claims abstract description 10
- 238000012216 screening Methods 0.000 claims description 8
- 230000005484 gravity Effects 0.000 claims description 7
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 230000009467 reduction Effects 0.000 claims description 3
- 239000002689 soil Substances 0.000 claims 1
- 238000010586 diagram Methods 0.000 description 6
- 238000004891 communication Methods 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 230000000903 blocking effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000011109 contamination Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 238000003707 image sharpening Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction 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
- 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
- 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
- G06T2207/20021—Dividing image into blocks, subimages or windows
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及自动驾驶技术领域，提供一种表面污渍的检测方法、装置及清扫机器人，所述方法包括：获取图像，并将图像进行预处理得到灰度图像；经边缘检测得到边缘图像；将边缘图像分成若干子边缘图像，并从中选出带有污渍边界的边缘图像；根据带有污渍边界的边缘图像，得到所述图像中的污渍区域。通过上述方式，可以比较准确的估计出图像中污渍的实际大小和形状。
Description
技术领域
本发明涉及自动驾驶技术领域，特别涉及一种表面污渍的检测方法、装置、清扫机器人。
背景技术
目前，自动驾驶技术在地面车辆上的应用已逐渐成熟，自动驾驶技术具有高效、安全、可提高车辆使用寿命的特点。自动驾驶技术应用于清扫机器人，可替代司机，极大的增加清扫机器人的工作时长，保证清扫机器人能够持续维持区域环境的清洁。准确且及时的识别地板砖或者玻璃等物体表面的污渍，可极大的提升清扫机器人的清洁效率和清洁效果。
现有技术中缺少一种能够检测物体表面污渍的方法。
发明内容
本发明实施例旨在提供一种表面污渍的检测方法、装置以及清扫机器人，主要解决相关技术在检测物体表面的污渍的技术问题。
为实现上述目的，按照本发明的一个方面，提供了一种表面污渍的检测方法，包括：
获取图像，并对所述图像进行预处理得到灰度图像；
对所述灰度图像进行canny边缘检测计算，得到边缘图像；
将所述边缘图像分成若干个子边缘图像，并从其中选取带有污渍边界的边缘图像；
将存储后的所述子边缘图像中满足重叠条件任意两个进行合并；
根据下一帧图像，对存储的所述合并后的子边缘图像和单个所述子边缘图像进一步筛选，得到结果图像；
根据所述结果图像，得到所述图像中的污渍区域。
可选的，所述将所述边缘图像分成若干个子边缘图像，并从其中选取带有污渍边界的边缘图像的步骤进一步包括：
将所述边缘图像分成若干个子边缘图像；
遍历所有所述子边缘图像，确定所述子边缘图像中边缘点的数量大于第一阈值；
统计任意两个所述边缘点连线的角度，判断所述角度为第二阈值的所述连线出现次数占所有所述连线出现次数的比例是否大于第三阈值；
若是则舍弃所述子边缘图像；
若否则存储所述子边缘图像；
若所述子边缘图像中边缘点的数量小于或等于第一阈值，则舍弃所述子边缘图像。
可选的，所述将存储后的所述子边缘图像中满足重叠条件任意两个进行合并的步骤进一步包括：
计算存储后的所述子边缘图像中任意两个的重叠率，并判断所述重合率是否大于第四阈值；
若是，则将两个所述子边缘图像合并，将合并后的子边缘图像中所有边缘点的坐标均值为重心，并存储；
若否，则将作为单个所述子边缘图像进行存储。
本发明的另一方面，提供了一种表面污渍的检测装置，包括：
获取模块，用于获取图像，并对所述图像进行预处理得到灰度图像；
计算模块，用于对所述灰度图像进行canny边缘检测计算，得到边缘图像；
选取模块，用于将所述边缘图像分成若干个子边缘图像，并从其中选取带有污渍边界的边缘图像；
合并模块，用于将存储后的所述子边缘图像中满足重叠条件任意两个进行合并；
筛选模块，用于根据下一帧图像，对存储的所述合并后的子边缘图像和单个所述子边缘图像进一步筛选，得到结果图像；
得到模块，用于根据所述结果图像，得到所述图像中的污渍区域。
可选的，所述获取模块具体包括：
获取单元，用于获取图像；
缩小单元，用于缩小所述图像的尺寸；
转化单元，用于将缩小后的图像转化为灰度图像。
可选的，所述选取模块具体包括
分成单元，用于将所述边缘图像分成若干个子边缘图像；
确定单元，用于遍历所有所述子边缘图像，确定所述子边缘图像中边缘点的数量大于第一阈值；
统计单元，统计任意两个所述边缘点连线的角度，判断所述角度为第二阈值的所述连线出现次数占所有所述连线出现次数的比例是否大于第三阈值；
舍弃单元，用于舍弃所述子边缘图像；
第一存储单元，用于存储所述子边缘图像。
可选的，所述合并模块具体包括
判断单元，用于计算存储后的所述子边缘图像中任意两个的重叠率，并判断所述重合率是否大于第四阈值；
合并单元，用于将两个所述子边缘图像合并，将合并后的子边缘图像中所有边缘点的坐标均值为重心，并存储；
第二存储单元，用于将作为单个所述子边缘图像进行存储。
按照本发明的又一方面，提供了一种清扫机器人，包括：
至少一个处理器；
与所述至少一个处理器通信连接的存储器；
其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述表面污渍的检测方法方法中任一项所述的方法。
与现有技术相比较，本发明实施例提供的一种表面污渍的检测方法，获取图像，并将图像进行预处理得到灰度图像；经边缘检测得到边缘图像；将边缘图像分成若干子边缘图像，并从中选出带有污渍边界的边缘图像；根据带有污渍边界的边缘图像，得到所述图像中的污渍区域。通过上述方式，可以比较准确的估计出图像中污渍的实际大小和形状。
附图说明
一个或多个实施例通过与之对应的附图中的图片进行示例性说明，这些示例性说明并不构成对实施例的限定，附图中具有相同参考数字标号的元件表示为类似的元件，除非有特别申明，附图中的图不构成比例限制。
图1为本发明实施例提供一种表面污渍的检测方法的流程图；
图2为图1中S110的子流程图；
图3为图1中S130的子流程图；
图4为图1中S140的子流程图；；
图5为本发明实施例提供的一种快速清理地面积液的装置的结构示意图；
图6为图5中选取模块的结构示意图；
图7为图5中合并模块的结构示意图；
图8为本发明另一实施例提供的清扫机器人的结构框图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
需要说明的是，如果不冲突，本发明实施例中的各个特征可以相互组合，均在本发明的保护范围之内。另外，虽然在装置示意图中进行了功能模块的划分，在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于装置示意图中的模块划分，或流程图中的顺序执行所示出或描述的步骤。
此外，下面所描述的本发明不同实施例中所涉及的技术特征只要彼此之间未构成冲突就可以相互结合。
本发明实施例提供了一种表面污渍的检测方法可以应用于清扫机器人。其中，清扫机器人可以是无人驾驶清扫机器人，可以自动清扫路上的垃圾，可以自动绕开障碍、自动驾驶、自动掉头、自动过红绿灯、自动停车等，并且，可以清扫的区域如地下停车场、室内游乐场或者大型室内商城等。
请参阅图1，本发明实施例提供一种表面污渍的检测方法，所述方法可由清扫机器人执行，包括如下步骤：
S110、获取图像，并对所述图像进行预处理得到灰度图像。
具体的，利用车载摄像头采集车辆行驶过程中的视频。从拍摄获得的视频中提取图像，可以对每帧图像进行提取，也可以每间隔多帧提取一次图像。如图2所示，其示出了S110的子流程具体包括：
S111、获取图像；
S112、缩小所述图像的尺寸；
在本实施例中，所述图像的尺寸为640*480，将所述图像缩小为160*120。
S113、将缩小后的图像转化为灰度图像。
S120、对所述灰度图像进行canny边缘检测计算，得到边缘图像。
图像边缘信息主要集中在高频段，通常说图像锐化或检测边缘，实质就是高频滤波。我们知道微分运算是求信号的变化率，具有加强高频分量的作用。在空域运算中来说，对图像的锐化就是计算微分。由于数字图像的离散信号，微分运算就变成计算差分或梯度。图像处理中有多种边缘检测(梯度)算子，常用的包括普通一阶差分，Robert算子(交叉差分)，Sobel算子等等，是基于寻找梯度强度。拉普拉斯算子(二阶差分)是基于过零点检测。通过计算梯度，设置阀值，得到边缘图像。在本实施例中，canny初始阈值`为thresc＝[150，180]。
S130、将所述边缘图像分成若干个子边缘图像，并从其中选取带有污渍边界的边缘图像。
如图3所示，其示出了S130的子流程具体包括：
S131、将所述边缘图像分成若干个子边缘图像。
具体的，对所述边缘图像做分块处理，边缘图像的尺寸为160*120，将其分成8*6个子边缘图像，子边缘图像的尺寸为20*20。
S132、遍历所有所述子边缘图像，确定所述子边缘图像中边缘点的数量大于第一阈值。
S133、统计任意两个所述边缘点连线的角度，判断所述角度为第二阈值的所述连线出现次数占所有所述连线出现次数的比例是否大于第三阈值。
S134、若是则舍弃所述子边缘图像。
在本实施例中，所述第二阈值根据当前摄像头与地板砖分界线的夹角。当角度为第二阈值的所述连线出现次数占所有所述连线出现次数的比例大于第三阈值(本实施例中设为20％)时，则认为该子边缘图像中包含角度为第二阈值的长直线，且该长直线为地板砖分界线，因此予以舍弃。
S135、若否则存储所述子边缘图像。
此外，若所述子边缘图像中边缘点的数量小于或等于第一阈值，则舍弃所述子边缘图像。
S140、将存储后的所述子边缘图像中满足重叠条件任意两个进行合并。
如图4所示，其示出了S140的子流程具体包括：
S141、计算存储后的所述子边缘图像中任意两个的重叠率，并判断所述重合率是否大于第四阈值。
S142、若是，则将两个所述子边缘图像合并，将合并后的子边缘图像中所有边缘点的坐标均值为重心，并存储。
S143、若否，则将作为单个所述子边缘图像进行存储。
S150、根据下一帧图像，对存储的所述合并后的子边缘图像和单个所述子边缘图像进一步筛选，得到结果图像。
具体的，将当前帧图像对应的每个子边缘图像(包括所述合并后的子边缘图像和单个所述子边缘图像)分别添加第一计数器和第二计数器。下一帧图像按照前述步骤110至140进行处理。若发生子边缘图像的合并，则第一计数器+1，第二计数器重置为0；若未发生合并，则第一计数器不变，第二计数器+1。若某个子边缘图像的第二计数器大于10，则说明在连续10帧图像内，该子边缘图像所在邻近子边缘图像均未被保留，删除该子边缘图像。若某个子边缘图像的第一计数器大于3，则该子边缘图像发生过三次以上合并，置信度较高，将筛选后的子边缘图像存储为结果图像。
S160、根据所述结果图像，得到所述图像中的污渍区域。
具体的，创建一个与所述边缘图像同尺寸的黑色图像作为掩膜图像。将所述结果图像转化为圆形图像(以结果图像的重心为圆心，结果图像的长宽均值为半径)。在上述圆形图像中若两圆圆心距<1.25*两圆半径之和，则两圆临近。临近的圆之间，以两圆心为端点，在掩膜图像上绘制一条粗细为两圆半径之和的白色圆角直线。该掩膜图像上的白色部分即为污渍区域。
与现有技术相比较，本发明实施例提供的一种表面污渍的检测方法，包括获取图像，并将图像进行预处理得到灰度图像；经边缘检测得到边缘图像；将边缘图像分成若干子边缘图像，并从中选出带有污渍边界的边缘图像；根据带有污渍边界的边缘图像，得到所述图像中的污渍区域。通过上述方式，可以比较准确的估计出图像中污渍的实际大小和形状。
要说明的是，在上述方法实施例中，上述各步骤之间并不必然存在一定的先后顺序，本领域普通技术人员，根据本申请实施例的描述可以理解，不同实施例中，上述各步骤可以有不同的执行顺序，亦即，可以并行执行，亦可以交换执行等等。
请参阅图5，本申请实施例提供一种表面污渍的检测装置10，包括：
获取模块11，用于获取图像，并对所述图像进行预处理得到灰度图像。具体的，所述获取模块11具体包括获取单元，用于获取图像；缩小单元，用于缩小所述图像的尺寸；转化单元，用于将缩小后的图像转化为灰度图像。
计算模块12，用于对所述灰度图像进行canny边缘检测计算，得到边缘图像。
选取模块13，用于将所述边缘图像分成若干个子边缘图像，并从其中选取带有污渍边界的边缘图像。
可选的，如图6所示，所述选取模块13具体包括分成单元131，用于将所述边缘图像分成若干个子边缘图像；确定单元132，用于遍历所有所述子边缘图像，确定所述子边缘图像中边缘点的数量大于第一阈值；统计单元133，统计任意两个所述边缘点连线的角度，判断所述角度为第二阈值的所述连线出现次数占所有所述连线出现次数的比例是否大于第三阈值；舍弃单元134，用于舍弃所述子边缘图像；第一存储单元135，用于存储所述子边缘图像。
合并模块14，用于将存储后的所述子边缘图像中满足重叠条件任意两个进行合并。
可选的，如图7所示，所述合并模块14具体包括判断单元141，用于计算存储后的所述子边缘图像中任意两个的重叠率，并判断所述重合率是否大于第四阈值；合并单元142，用于将两个所述子边缘图像合并，将合并后的子边缘图像中所有边缘点的坐标均值为重心，并存储；第二存储单元143，用于将作为单个所述子边缘图像进行存储。
筛选模块15，用于根据下一帧图像，对存储的所述合并后的子边缘图像和单个所述子边缘图像进一步筛选，得到结果图像。
得到模块16，用于根据所述结果图像，得到所述图像中的污渍区域。
请参阅图8，本发明实施例提供了一种清扫机器人30，包括：至少一个处理器31，与所述至少一个处理器31通信连接的存储器32，和用于建立通信连接的通信模块33。
其中，所述存储器32存储有可被所述至少一个处理器31执行的指令，所述指令被所述至少一个处理器31执行，以使所述至少一个处理器能够执行上述方法实施例中任一项所述的方法，例如，执行以上描述的方法步骤S110、S120、S130、S140、S150等等，实现图5中的模块11、12、13、14、15的功能。
所述处理器31、存储器32以及通信模块33之间通过总线的方式，建立任意两者之间的通信连接。
处理器31可以为任何类型，具备一个或者多个处理核心的控制芯片。其可以执行单线程或者多线程的操作，用于解析指令以执行获取数据、执行逻辑运算功能以及下发运算处理结果等操作。
存储器32作为一种非暂态计算机可读存储介质，可用于存储非暂态软件程序、非暂态性计算机可执行程序以及模块，如本发明实施例中的表面污渍检测方法对应的程序指令/模块。处理器31通过运行存储在存储器32中的非暂态软件程序、指令以及模块，从而表面污渍检测装置10的各种功能应用以及数据处理，即实现上述任一方法实施例中表面污渍的检测方法。
存储器32可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储根据表面污渍检测装置10的使用所创建的数据等。此外，存储器32可以包括高速随机存取存储器，还可以包括非暂态存储器，例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施例中，存储器32可选包括相对于处理器31远程设置的存储器，这些远程存储器可以通过网络连接至清扫机器人30。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
所述清扫机器人的其他部件可参照本领域现有技术中的清扫机器人。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；在本发明的思路下，以上实施例或者不同实施例中的技术特征之间也可以进行组合，步骤可以以任意顺序实现，并存在如上所述的本发明的不同方面的许多其它变化，为了简明，它们没有在细节中提供；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (9)
1.一种表面污渍的检测方法，其特征在于，包括：
获取图像，并对所述图像进行预处理得到灰度图像；
对所述灰度图像进行canny边缘检测计算，得到边缘图像；
将所述边缘图像分成若干个子边缘图像，并从其中选取带有污渍边界的边缘图像；
将存储后的所述子边缘图像中满足重叠条件任意两个进行合并；
根据下一帧图像，对存储的所述合并后的子边缘图像和单个所述子边缘图像进一步筛选，得到结果图像；
根据所述结果图像，得到所述图像中的污渍区域。
2.根据权利要求1所述的方法，其特征在于，所述获取图像，并对所述图像进行预处理得到灰度图像的步骤进一步包括：
获取图像；
缩小所述图像的尺寸；
将缩小后的图像转化为灰度图像。
3.根据权利要求1所述的方法，其特征在于，所述将所述边缘图像分成若干个子边缘图像，并从其中选取带有污渍边界的边缘图像的步骤进一步包括：
将所述边缘图像分成若干个子边缘图像；
遍历所有所述子边缘图像，确定所述子边缘图像中边缘点的数量大于第一阈值；
统计任意两个所述边缘点连线的角度，判断所述角度为第二阈值的所述连线出现次数占所有所述连线出现次数的比例是否大于第三阈值；
若是则舍弃所述子边缘图像；
若否则存储所述子边缘图像。
4.根据权利要求1所述的方法，其特征在于，所述将存储后的所述子边缘图像中满足重叠条件任意两个进行合并的步骤进一步包括：
计算存储后的所述子边缘图像中任意两个的重叠率，并判断所述重合率是否大于第四阈值；
若是，则将两个所述子边缘图像合并，将合并后的子边缘图像中所有边缘点的坐标均值为重心，并存储；
若否，则将作为单个所述子边缘图像进行存储。
5.一种表面污渍的检测装置，其特征在于，包括：
获取模块，用于获取图像，并对所述图像进行预处理得到灰度图像；
计算模块，用于对所述灰度图像进行canny边缘检测计算，得到边缘图像；
选取模块，用于将所述边缘图像分成若干个子边缘图像，并从其中选取带有污渍边界的边缘图像；
合并模块，用于将存储后的所述子边缘图像中满足重叠条件任意两个进行合并；
筛选模块，用于根据下一帧图像，对存储的所述合并后的子边缘图像和单个所述子边缘图像进一步筛选，得到结果图像；
得到模块，用于根据所述结果图像，得到所述图像中的污渍区域。
6.根据权利要求4所述装置，其特征在于，所述获取模块具体包括：
获取单元，用于获取图像；
缩小单元，用于缩小所述图像的尺寸；
转化单元，用于将缩小后的图像转化为灰度图像。
7.根据权利要求4所述装置，其特征在于，所述选取模块具体包括
分成单元，用于将所述边缘图像分成若干个子边缘图像；
确定单元，用于遍历所有所述子边缘图像，确定所述子边缘图像中边缘点的数量大于第一阈值；
统计单元，统计任意两个所述边缘点连线的角度，判断所述角度为第二阈值的所述连线出现次数占所有所述连线出现次数的比例是否大于第三阈值；
舍弃单元，用于舍弃所述子边缘图像；
第一存储单元，用于存储所述子边缘图像。
8.根据权利要求4所述装置，其特征在于，所述合并模块具体包括
判断单元，用于计算存储后的所述子边缘图像中任意两个的重叠率，并判断所述重合率是否大于第四阈值；
合并单元，用于将两个所述子边缘图像合并，将合并后的子边缘图像中所有边缘点的坐标均值为重心，并存储；
第二存储单元，用于将作为单个所述子边缘图像进行存储。
9.一种清扫机器人，其特征在于，包括：
至少一个处理器；
与所述至少一个处理器通信连接的存储器；
其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1至4中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110960192.0A CN113744295A (zh) | 2021-08-20 | 2021-08-20 | 一种表面污渍的检测方法、装置、清扫机器人 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110960192.0A CN113744295A (zh) | 2021-08-20 | 2021-08-20 | 一种表面污渍的检测方法、装置、清扫机器人 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113744295A true CN113744295A (zh) | 2021-12-03 |
Family
ID=78732081
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110960192.0A Pending CN113744295A (zh) | 2021-08-20 | 2021-08-20 | 一种表面污渍的检测方法、装置、清扫机器人 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113744295A (zh) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20170076463A1 (en) * | 2015-09-16 | 2017-03-16 | Toyota Jidosha Kabushiki Kaisha | Object recognizing apparatus and stain detecting method |
| CN108416789A (zh) * | 2018-06-04 | 2018-08-17 | 武汉斑马快跑科技有限公司 | 图像边缘检测方法及系统 |
| CN109162069A (zh) * | 2018-09-14 | 2019-01-08 | 宁波慈溪小家电创新设计研究院有限公司 | 一种基于立式洗涤装置的污渍识别装置 |
| CN109712123A (zh) * | 2018-12-14 | 2019-05-03 | 成都安锐格智能科技有限公司 | 一种污渍检测方法 |
| CN112188190A (zh) * | 2020-09-30 | 2021-01-05 | 广东美的厨房电器制造有限公司 | 污渍检测方法、烹饪器具、服务器和存储介质 |
| CN113255663A (zh) * | 2021-05-25 | 2021-08-13 | 世邦通信股份有限公司 | 一种基于垂直梯度的车牌区域提取方法、系统、终端及可读存储介质 |
-
2021
- 2021-08-20 CN CN202110960192.0A patent/CN113744295A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20170076463A1 (en) * | 2015-09-16 | 2017-03-16 | Toyota Jidosha Kabushiki Kaisha | Object recognizing apparatus and stain detecting method |
| CN108416789A (zh) * | 2018-06-04 | 2018-08-17 | 武汉斑马快跑科技有限公司 | 图像边缘检测方法及系统 |
| CN109162069A (zh) * | 2018-09-14 | 2019-01-08 | 宁波慈溪小家电创新设计研究院有限公司 | 一种基于立式洗涤装置的污渍识别装置 |
| CN109712123A (zh) * | 2018-12-14 | 2019-05-03 | 成都安锐格智能科技有限公司 | 一种污渍检测方法 |
| CN112188190A (zh) * | 2020-09-30 | 2021-01-05 | 广东美的厨房电器制造有限公司 | 污渍检测方法、烹饪器具、服务器和存储介质 |
| CN113255663A (zh) * | 2021-05-25 | 2021-08-13 | 世邦通信股份有限公司 | 一种基于垂直梯度的车牌区域提取方法、系统、终端及可读存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105260713B (zh) | 一种车道线检测方法和装置 | |
| JP6234063B2 (ja) | 通路の交差点上の静止物体の検出（方法、システム、および、プログラム） | |
| CN110544211B (zh) | 一种镜头付着物的检测方法、系统、终端和存储介质 | |
| CN111860120B (zh) | 车载相机自动遮挡检测方法和装置 | |
| CN110532876B (zh) | 夜晚模式镜头附着物的检测方法、系统、终端和存储介质 | |
| CN109359593B (zh) | 一种基于图像局部栅格的雨雪环境画面模糊监测预警方法 | |
| JP6817104B2 (ja) | 付着物検出装置、付着物検出方法 | |
| CN103366572B (zh) | 一种交叉口的视频交通参数检测方法 | |
| CN111741186B (zh) | 一种视频抖动检测方法、装置以及系统 | |
| CN110532875B (zh) | 夜晚模式镜头付着物的检测系统、终端和存储介质 | |
| CN107729814B (zh) | 一种检测车道线的方法及装置 | |
| CN105718916A (zh) | 一种基于霍夫变换的车道线检测方法 | |
| CN112349087B (zh) | 一种基于路口信息全息感知的可视化数据输入方法 | |
| CN117079219B (zh) | 一种应用于拖车业务的车辆运行情况监控方法及设备 | |
| CN114127784A (zh) | 用于生成相机流的掩模的方法、计算机程序产品和计算机可读介质 | |
| CN110276318A (zh) | 夜间公路下雨识别方法、装置、计算机设备及存储介质 | |
| Sultana et al. | Vision-based robust lane detection and tracking in challenging conditions | |
| CN104504730B (zh) | 一种对停放车辆及抛落物的区分方法 | |
| CN113902677A (zh) | 一种摄像头遮挡检测方法、装置及智能机器人 | |
| CN112149471B (zh) | 一种基于语义点云的回环检测方法及装置 | |
| Furuya et al. | Road intersection monitoring from video with large perspective deformation | |
| CN107301388A (zh) | 一种车辆自动识别方法及装置 | |
| JP2020109542A (ja) | 付着物検出装置および付着物検出方法 | |
| CN113744295A (zh) | 一种表面污渍的检测方法、装置、清扫机器人 | |
| CN113822814A (zh) | 利用大数据存储的环境辨识系统及方法 |
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 |