CN113920778A - 一种图像采集方法及装置 - Google Patents
一种图像采集方法及装置 Download PDFInfo
- Publication number
- CN113920778A CN113920778A CN202111529329.3A CN202111529329A CN113920778A CN 113920778 A CN113920778 A CN 113920778A CN 202111529329 A CN202111529329 A CN 202111529329A CN 113920778 A CN113920778 A CN 113920778A
- Authority
- CN
- China
- Prior art keywords
- parking space
- vacant
- determining
- area
- image
- 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
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/14—Traffic control systems for road vehicles indicating individual free spaces in parking areas
- G08G1/141—Traffic control systems for road vehicles indicating individual free spaces in parking areas with means giving the indication of available parking spaces
- G08G1/143—Traffic control systems for road vehicles indicating individual free spaces in parking areas with means giving the indication of available parking spaces inside the vehicles
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开一种图像采集方法及装置,涉及自动化技术领域。具体方案包括:计算机设备通过获取停车区域的雷达图像,生成停车区域的点云图,而后确定点云图中包含的空缺区域的最大尺寸,并在空缺区域的尺寸满足预设条件的情况下,将空缺区域确定为目标车位,从而控制摄像设备采集目标车位处的车位图像。其中,目标车位为两侧均停有车辆的空车位。本发明通过对目标车位自动进行识别,使得计算机设备可以控制摄像设备采集两侧均停有车辆的空车位处的车位图像,从而提升采集效率。同时,所采集的车位图像避免了对于两侧均有车的空车位可能出现漏选的情况,这样,在使用多个车位图像训练APA的算法时,可以提升APA的算法的训练效果。
Description
技术领域
本发明涉及自动化技术领域,尤其涉及一种图像采集方法及装置。
背景技术
APA(自动泊车辅助)是一种根据雷达或视觉传感器探测到的车位信息,生成车辆对应的行驶路线并控制车辆自动泊入车位的技术。为了对APA的算法进行训练,需要采集大量的车位图像。
现有技术在采集车位图像时,通常的做法是先对停车区域进行录像,随后再对视频文件回放,在看到车位图像时人工截取视频帧,从而获得车位图像。
但是,这种车位图像的采集方式的采集效率较低,同时,对于两侧均有车的空车位还可能出现漏选,导致使用多个车位图像训练APA的算法时的训练效果较差。
发明内容
本发明提供一种图像采集方法及装置,解决了传统车位图像的采集过程中,对于两侧均有车的空车位可能出现漏选的问题。
为达到上述目的,本发明采用如下技术方案:
第一方面,本发明提供一种图像采集方法,该方法包括:
获取停车区域的雷达图像;
根据雷达图像生成停车区域的点云图;
确定点云图中包含的空缺区域的最大尺寸;
在空缺区域的尺寸满足预设范围的情况下,将空缺区域确定为目标车位;目标车位为两侧均停有车辆的空车位;
采集目标车位处的车位图像。
结合第一方面,在一种可能的实现方式中,根据雷达图像生成停车区域的点云图,包括:获取雷达图像中每个信号点的信噪比;信噪比用于表征信号点反射的电磁波中的有效成分与噪声成分的比例关系;筛除信噪比低于预设阈值的信号点,得到停车区域的点云图。
结合第一方面和上述可能的实现方式,在另一种可能的实现方式中,确定点云图中包含的空缺区域的最大尺寸,包括:根据空缺区域中,宽度方向距离最近的两个点的宽度方向距离,确定空缺区域的最大宽度;宽度方向为垂直于停车位的方向;根据点云图中,长度方向距离雷达最近的点的位置,确定空缺区域的最大长度;长度方向为平行于停车位的方向。
结合第一方面和上述可能的实现方式,在另一种可能的实现方式中,根据点云图中,长度方向距离雷达最近的点的位置,确定空缺区域的最大长度,具体包括:根据空缺区域的最大宽度内距离雷达最近的点,以及长度方向距离雷达最近的点之间距离,确定空缺区域的最大长度。
结合第一方面和上述可能的实现方式,在另一种可能的实现方式中,预设范围包括第一预设范围和第二预设范围,在空缺区域的尺寸满足预设范围的情况下,将空缺区域确定为目标车位,具体包括:在空缺区域的最大宽度满足第一预设范围,且空缺区域的最大长度满足第二预设范围的情况下,将空缺区域确定为目标车位。
第二方面,本发明提供一种图像采集装置,图像采集装置包括:
获取模块,用于获取停车区域的雷达图像;
生成模块,用于根据雷达图像生成停车区域的点云图;
第一确定模块,用于确定点云图中包含的空缺区域的最大尺寸;
第二确定模块,用于在空缺区域的尺寸满足预设范围的情况下,将空缺区域确定为目标车位;所述目标车位为两侧均停有车辆的空车位;
采集模块,用于采集目标车位处的车位图像。
结合第二方面,在一种可能的实现方式中,生成模块,包括:获取单元,用于获取雷达图像中每个信号点的信噪比;信噪比用于表征信号点反射的电磁波中的有效成分与噪声成分的比例关系;筛选单元,用于筛除信噪比低于预设阈值的信号点,得到停车区域的点云图。
结合第二方面和上述可能的实现方式,在另一种可能的实现方式中,第一确定模块,包括:第一确定单元,用于根据空缺区域中,宽度方向距离最近的两个点的宽度方向距离,确定空缺区域的最大宽度;宽度方向为垂直于停车位的方向;第二确定单元,用于根据点云图中,长度方向距离雷达最近的点的位置,确定空缺区域的最大长度;长度方向为平行于停车位的方向。
结合第二方面和上述可能的实现方式,在另一种可能的实现方式中,第二确定单元,具体用于:根据空缺区域的最大宽度内距离雷达最近的点,以及长度方向距离雷达最近的点之间距离,确定空缺区域的最大长度。
结合第二方面和上述可能的实现方式,在另一种可能的实现方式中,预设范围包括第一预设范围和第二预设范围,第二确定模块,具体用于:在空缺区域的最大宽度满足第一预设范围,且空缺区域的最大长度满足第二预设范围的情况下,将空缺区域确定为目标车位。
第三方面,本发明提供一种计算机设备,该计算机设备包括:处理器和存储器。存储器用于存储计算机程序代码,计算机程序代码包括计算机指令。当处理器执行计算机指令时,计算机设备执行如第一方面及其任一种可能的实现方式的图像采集方法。
第四方面,本发明提供一种计算机可读存储介质,其上存储有计算机指令,当计算机指令在计算机设备上运行时,使得计算机设备执行如第一方面或第一方面的可能的实现方式中任意一项的图像采集方法。
本发明实施例提供的图像采集方法及装置,计算机设备通过获取停车区域的雷达图像,生成停车区域的点云图,而后确定点云图中包含的空缺区域的最大尺寸,并在空缺区域的尺寸满足预设条件的情况下,将空缺区域确定为目标车位,从而控制摄像设备采集目标车位处的车位图像。其中,目标车位为两侧均停有车辆的空车位。本发明通过对目标车位自动进行识别,使得计算机设备可以控制摄像设备采集两侧均停有车辆的空车位处的车位图像,从而提升采集效率。同时,所采集的车位图像避免了对于两侧均有车的空车位可能出现漏选的情况,这样,在使用多个车位图像训练APA的算法时,可以提升APA的算法的训练效果。
附图说明
图1为本发明实施例提供的一种图像采集方法的应用场景示意图;
图2为本发明实施例提供的一种图像采集方法的流程示意图;
图3为本发明实施例提供的一种停车区域的点云图;
图4为本发明实施例提供的一种图像采集装置的组成示意图。
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作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。
以下,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本公开实施例的描述中,除非另有说明,“多个”的含义是两个或两个以上。
另外,“基于”或“根据”的使用意味着开放和包容性,因为“基于”或“根据”一个或多个所述条件或值的过程、步骤、计算或其他动作在实践中可以基于额外条件或超出所述的值。
为了解决传统车位图像的采集效率低,且对于两侧均有车的空车位可能出现漏选的问题,本发明实施例提供了一种图像采集方法及装置,计算机设备通过获取停车区域的雷达图像,生成停车区域的点云图,而后确定点云图中包含的空缺区域的最大尺寸,并在空缺区域的尺寸满足预设条件的情况下,将空缺区域确定为目标车位,从而控制摄像设备采集目标车位处的车位图像。其中,目标车位为两侧均停有车辆的空车位。
本发明通过对目标车位自动进行识别,使得计算机设备可以控制摄像设备采集两侧均停有车辆的空车位处的车位图像,从而提升采集效率。同时,所采集的车位图像避免了对于两侧均有车的空车位可能出现漏选的情况,这样,在使用多个车位图像训练APA的算法时,可以提升APA的算法的训练效果。
本发明实施例提供的图像采集方法的执行主体为计算机设备。该计算机设备可以是终端,例如图像采集车辆中的车载终端,也可以是服务器,还可以是服务器集群。
图1为本发明实施例提供的一种图像采集方法的应用场景示意图,图像采集车辆101的同侧安装有雷达102和摄像设备103,其中,雷达102包括发射机和接收机。在图像采集车辆101沿着停车区域旁边的行车道路不断前进的过程中,雷达102可以持续获取该侧的停车区域的雷达图像,并将雷达图像传输给计算机设备104,计算机设备104通过雷达图像识别出两侧均有车的空车位,控制摄像设备103采集空车位处的车位图像。可以理解的是,本实施例中涉及的图像采集车辆101是可代替的,例如,还可以是诸如无人机或机器人等搭载了雷达和摄像设备的硬件产品,在此不做限定。
基于上述图像采集方法的应用场景的介绍,本发明实施例提供一种图像采集方法,应用于计算机设备。如图2所示,图像采集方法可以包括以下步骤S201-步骤S205。
S201、获取停车区域的雷达图像。
其中,雷达图像是指雷达发射机向停车区域发射无线电波后,接收机接收停车区域内的物体的散射回波所形成的图像。
在一种可能的实现方式中,以图1中的图像采集方法的场景为例,图像采集车辆在沿着停车区域的行车道路移动时,可以通过安装在车身一侧的雷达的发射机,向停车区域发射无线电波,并通过雷达的接收机接收散射回波,从而得到雷达至停车区域各个位置的距离、方向、高度等回波信息。每个回波信息对应雷达图像上的一个信号点,多信号点聚集在一起,就形成了雷达图像。
具体的,计算机设备可以获取停车区域的雷达图像。
S202、根据雷达图像生成停车区域的点云图。
其中,点云图用于表征停车场的二维平面特征,以图3为例,图3示出一种可能的停车区域的点云图,在停有车辆的停车位区域,点云图中的点较为密集,在空车位区域则几乎没有点,因此可以用来识别雷达图像中的停车区域。
具体的,计算机设备可以根据雷达图像生成停车区域的点云图。
S203、确定点云图中包含的空缺区域的最大尺寸。
其中,空缺区域可以为平行于停车位方向的矩形区域,空缺区域的最大尺寸可以包括空缺区域的最大长度和最大宽度。
具体的,计算机设备可以确定点云图中包含的空缺区域的最大尺寸。
S204、在空缺区域的最大尺寸满足预设范围的情况下,将空缺区域确定为目标车位,目标车位为两侧均停有车辆的空车位。
可以理解的是,一张点云图中可能包括多个空缺区域,每个空缺区域可能表征的是两侧均停有车辆的空车位,也可能表征的是多个相邻的空车位,还可能表征的是两个相邻的停好的车辆的中间缝隙,结合实际情况,计算机设备可以通过设置合理的预设条件,在空缺区域的最大尺寸满足预设范围时,将该空缺区域确定为两侧均停有车辆的空车位,即目标车位。
S205、采集目标车位处的车位图像。
具体的,在确定目标车位后,计算机设备可以控制车载的摄像设备,采集目标车位处的车位图像。进一步地,以图1为例,随着图像采集车辆的不断移动,每次经过两侧均停有车辆的空车位时,计算机设备都可以快速识别出该目标车位,并控制车载摄像设备采集目标车位处的车位图像。
本实施例中,计算机设备通过获取停车区域的雷达图像,生成停车区域的点云图,而后确定点云图中包含的空缺区域的最大尺寸,并在空缺区域的尺寸满足预设条件的情况下,将空缺区域确定为目标车位,从而控制摄像设备采集目标车位处的车位图像。其中,目标车位为两侧均停有车辆的空车位。本实施例中,通过对目标车位自动进行识别,使得计算机设备可以控制摄像设备采集两侧均停有车辆的空车位处的车位图像,从而提升采集效率。同时,所采集的车位图像避免了对于两侧均有车的空车位可能出现漏选的情况,这样,在使用多个车位图像训练APA的算法时,可以提升APA的算法的训练效果。
在一种可能的实现方式中,在上述实施例的基础上,上述步骤S202,包括以下步骤S301-步骤S302。
S301、获取雷达图像中每个信号点的信噪比;信噪比用于表征信号点反射的电磁波中的有效成分与噪声成分的比例关系。
可以理解的是,在雷达的散射回波中,有效成分可以是经停车区域中所停车辆等物体反射而来的信号成分,噪声成分可以是空气微粒反射信号以及诸如设备产生的其他信号之类的干扰信号成分。
具体的,计算机设备可以获取雷达图像中每个信号点的信噪比。
S302、筛除信噪比低于预设阈值的信号点,得到停车区域的点云图。
可以理解的是,信噪比可以在0-1之间取值。信噪比越接近0,噪声成分的比重越大,信噪比越接近1,有效成分的比重越大。
具体的,计算机设备可以通过设置合适的信噪比阈值,筛除掉噪声信号成分大的信号点,从而得到停车区域的点云图。
本实施例中,计算机设备通过获取雷达图像中每个信号点的信噪比,并筛除信噪比低于预设阈值的信号点,得到停车区域的点云图,使得计算机设备能够基于点云图识别出目标车位,从而实现自动采集目标车位处的车位图像,提升了目标车位处的车位图像的采集效率。
在一种可能的实现方式中,在上述实施例的基础上,上述步骤S203,包括以下步骤S401-步骤S402。
S401、根据空缺区域中,宽度方向距离最近的两个点的宽度方向距离,确定空缺区域的最大宽度;宽度方向为垂直于停车位的方向。
可以理解的是,以图3为例,空缺区域的最大宽度可以用以表征停车区域内相邻两个车辆在垂直于停车位的方向上的最短距离。
具体的,计算机设备可以根据空缺区域中,宽度方向距离最近的两个点的宽度方向距离,确定空缺区域的最大宽度。
S402、根据点云图中,长度方向距离雷达最近的点的位置,确定空缺区域的最大长度;长度方向为平行于停车位的方向。
可以理解的是,以图3为例,长度方向距离雷达最近的点的位置,可以表征在平行于停车位的方向上,距离雷达最近的所停车辆的车头或车尾的位置。
具体的,计算机设备可以根据点云图中,长度方向距离雷达最近的点的位置,确定空缺区域的最大长度。示例性的,计算机设备可以空缺区域的最大宽度内距离雷达最近的点,以及长度方向距离雷达最近的点之间的距离,确定为空缺区域的最大长度。
进一步地,以图3为例,结合上述空缺区域的最大宽度和最大长度,计算机设备可以确定该空缺区域对应的车位识别框。
本实施例中,计算机设备可以根据空缺区域中,宽度方向距离最近的两个点的宽度方向距离,确定空缺区域的最大宽度,然后再根据点云图中,长度方向距离雷达最近的点的位置,确定空缺区域的最大长度,从而为计算机确认目标车位提供了数据基础。
在一种可能的实现方式中,在上述实施例的基础上,预设范围包括第一预设范围和第二预设范围,上述步骤S204,具体包括:在空缺区域的最大宽度满足第一预设范围,且空缺区域的最大长度满足第二预设范围的情况下,将空缺区域确定为目标车位。
可以理解的是,对于两侧均停有车辆的目标车位而言,其对应的空缺区域的最大宽度和最大长度应当符合一定的区间范围。示例性的,目标车位对应的空缺区域的最大宽度B的范围可以满足2m≤B≤3m,目标车位对应的空缺区域的最大长度L的范围可以满足4.5m≤L≤6m。
具体的,计算机设备可以通过设置合理的预设范围,在空缺区域的最大宽度满足第一预设范围,且空缺区域的最大长度满足第二预设范围的情况下,将空缺区域确定为目标车位。
本实施例中,计算机设备通过设置合理的预设范围,在空缺区域的最大宽度满足第一预设范围,且空缺区域的最大长度满足第二预设范围的情况下,将空缺区域确定为目标车位,实现了对两侧均停有车辆的目标车位的识别,使得计算机设备能够基于目标车位,控制摄像设备自动采集目标车位处的车位图像,从而提升目标车位处的车位图像的采集效率。
上述主要从计算机设备的角度对本发明实施例提供的方案进行了介绍。可以理解的是,计算机设备为了实现上述功能,其包含了执行各个功能相应的硬件结构和/或软件模块。本领域技术人员应该很容易意识到,结合本文中所公开的实施例描述的各示例的算法步骤,本发明能够以硬件或硬件和计算机软件的结合形式来实现。某个功能究竟以硬件还是计算机软件驱动硬件的方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
图4示出了一种图像采集装置的组成示意图,如图4所示,该车辆行驶装置可以包括:获取模块41、生成模块42、第一确定模块43、第二确定模块44和采集模块45。
获取模块41,用于获取停车区域的雷达图像;
生成模块42,用于根据雷达图像生成停车区域的点云图;
第一确定模块43,用于确定点云图中包含的空缺区域的最大尺寸;
第二确定模块44,用于在空缺区域的尺寸满足预设范围的情况下,将空缺区域确定为目标车位,目标车位为两侧均停有车辆的空车位;
采集模块45,用于采集目标车位处的车位图像。
可选的,生成模块42,包括:获取单元,用于获取雷达图像中每个信号点的信噪比;信噪比用于表征信号点反射的电磁波中的有效成分与噪声成分的比例关系;筛选单元,用于筛除信噪比低于预设阈值的信号点,得到停车区域的点云图。
可选的,第一确定模块43,包括:第一确定单元,用于根据空缺区域中,宽度方向距离最近的两个点的宽度方向距离,确定空缺区域的最大宽度;宽度方向为垂直于停车位的方向;第二确定单元,用于根据点云图中,长度方向距离雷达最近的点的位置,确定空缺区域的最大长度;长度方向为平行于停车位的方向。
可选的,第二确定单元,具体用于:根据空缺区域的最大宽度内距离自车最近的点,以及长度方向距离雷达最近的点之间距离,确定空缺区域的最大长度。
本发明实施例提供的图像采集装置,用于执行上述图像采集方法,因此可以达到与上述图像采集方法相同的技术效果。
本发明还提供一种计算机设备,该计算机设备包括:处理器和存储器。存储器用于存储计算机程序代码,计算机程序代码包括计算机指令。当处理器执行计算机指令时,计算机设备执行本发明前述实施方式提供的图像采集方法。
本发明还提供一种计算机可读存储介质,其上存储有计算机指令,用于在执行时实现本发明前述实施方式提供的图像采集方法。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何在本发明揭露的技术范围内的变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以所述权利要求的保护范围为准。
Claims (10)
1.一种图像采集方法,其特征在于,包括:
获取停车区域的雷达图像;
根据所述雷达图像生成所述停车区域的点云图;
确定所述点云图中包含的空缺区域的最大尺寸;
在所述空缺区域的尺寸满足预设范围的情况下,将所述空缺区域确定为目标车位;所述目标车位为两侧均停有车辆的空车位;
采集所述目标车位处的车位图像。
2.根据权利要求1所述的方法,其特征在于,所述根据所述雷达图像生成所述停车区域的点云图,包括:
获取所述雷达图像中每个信号点的信噪比;所述信噪比用于表征信号点反射的电磁波中的有效成分与噪声成分的比例关系;
筛除信噪比低于预设阈值的信号点,得到所述停车区域的点云图。
3.根据权利要求1所述的方法,其特征在于,所述确定所述点云图中包含的空缺区域的最大尺寸,包括:
根据所述空缺区域中,宽度方向距离最近的两个点的宽度方向距离,确定所述空缺区域的最大宽度;所述宽度方向为垂直于停车位的方向;
根据所述点云图中,长度方向距离雷达最近的点的位置,确定所述空缺区域的最大长度;所述长度方向为平行于停车位的方向。
4.根据权利要求3所述的方法,其特征在于,所述根据所述点云图中,长度方向距离雷达最近的点的位置,确定所述空缺区域的最大长度,具体包括:
根据所述空缺区域的最大宽度内距离所述雷达最近的点,以及所述长度方向距离所述雷达最近的点之间距离,确定所述空缺区域的最大长度。
5.根据权利要求1所述的方法,其特征在于,所述预设范围包括第一预设范围和第二预设范围,所述在所述空缺区域的尺寸满足预设范围的情况下,将所述空缺区域确定为目标车位,具体包括:在所述空缺区域的最大宽度满足第一预设范围,且所述空缺区域的最大长度满足第二预设范围的情况下,将所述空缺区域确定为目标车位。
6.一种图像采集装置,其特征在于,包括:
获取模块,用于获取停车区域的雷达图像;
生成模块,用于根据所述雷达图像生成所述停车区域的点云图;
第一确定模块,用于确定所述点云图中包含的空缺区域的最大尺寸;
第二确定模块,用于在所述空缺区域的尺寸满足预设范围的情况下,将所述空缺区域确定为目标车位;所述目标车位为两侧均停有车辆的空车位;
采集模块,用于采集所述目标车位处的车位图像。
7.根据权利要求6所述的装置,其特征在于,所述生成模块,包括:
获取单元,用于获取所述雷达图像中每个信号点的信噪比;所述信噪比用于表征信号点反射的电磁波中的有效成分与噪声成分的比例关系;
筛选单元,用于筛除信噪比低于预设阈值的信号点,得到所述停车区域的点云图。
8.根据权利要求6所述的装置,其特征在于,所述第一确定模块,包括:
第一确定单元,用于根据所述空缺区域中,宽度方向距离最近的两个点的宽度方向距离,确定所述空缺区域的最大宽度;所述宽度方向为垂直于停车位的方向;
第二确定单元,用于根据所述点云图中,长度方向距离雷达最近的点的位置,确定所述空缺区域的最大长度;所述长度方向为平行于停车位的方向。
9.一种计算机设备,其特征在于,所述计算机设备包括:处理器和存储器;所述存储器用于存储计算机程序代码,所述计算机程序代码包括计算机指令;当所述处理器执行所述计算机指令时,所述计算机设备执行如权利要求1-5中任意一项所述的图像采集方法。
10.一种计算机可读存储介质,其特征在于,包括计算机指令,当所述计算机指令在计算机设备上运行时,使得所述计算机设备执行权利要求1-5中任意一项所述的图像采集方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111529329.3A CN113920778A (zh) | 2021-12-15 | 2021-12-15 | 一种图像采集方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111529329.3A CN113920778A (zh) | 2021-12-15 | 2021-12-15 | 一种图像采集方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113920778A true CN113920778A (zh) | 2022-01-11 |
Family
ID=79248918
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111529329.3A Pending CN113920778A (zh) | 2021-12-15 | 2021-12-15 | 一种图像采集方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113920778A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023207845A1 (zh) * | 2022-04-28 | 2023-11-02 | 上海高德威智能交通系统有限公司 | 车位检测方法、装置、电子设备及机器可读存储介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106781670A (zh) * | 2016-12-30 | 2017-05-31 | 华勤通讯技术有限公司 | 一种停车位的选取方法和装置 |
CN109918977A (zh) * | 2017-12-13 | 2019-06-21 | 华为技术有限公司 | 确定空闲车位的方法、装置及设备 |
CN110146865A (zh) * | 2019-05-31 | 2019-08-20 | 阿里巴巴集团控股有限公司 | 用于雷达图像的目标识别方法及装置 |
CN110211420A (zh) * | 2019-06-25 | 2019-09-06 | 重庆长安汽车股份有限公司 | 判断当前场景是否为停车场的方法、系统及计算机可读存储介质 |
CN110316182A (zh) * | 2018-03-29 | 2019-10-11 | 深圳市航盛电子股份有限公司 | 一种自动泊车系统及方法 |
CN110375736A (zh) * | 2018-11-28 | 2019-10-25 | 北京京东尚科信息技术有限公司 | 智能设备的路径规划方法、系统、设备及可读存储介质 |
CN110766979A (zh) * | 2019-11-13 | 2020-02-07 | 奥特酷智能科技(南京)有限公司 | 一种用于自动驾驶车辆的泊车车位检测方法 |
-
2021
- 2021-12-15 CN CN202111529329.3A patent/CN113920778A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106781670A (zh) * | 2016-12-30 | 2017-05-31 | 华勤通讯技术有限公司 | 一种停车位的选取方法和装置 |
CN109918977A (zh) * | 2017-12-13 | 2019-06-21 | 华为技术有限公司 | 确定空闲车位的方法、装置及设备 |
CN110316182A (zh) * | 2018-03-29 | 2019-10-11 | 深圳市航盛电子股份有限公司 | 一种自动泊车系统及方法 |
CN110375736A (zh) * | 2018-11-28 | 2019-10-25 | 北京京东尚科信息技术有限公司 | 智能设备的路径规划方法、系统、设备及可读存储介质 |
CN110146865A (zh) * | 2019-05-31 | 2019-08-20 | 阿里巴巴集团控股有限公司 | 用于雷达图像的目标识别方法及装置 |
CN110211420A (zh) * | 2019-06-25 | 2019-09-06 | 重庆长安汽车股份有限公司 | 判断当前场景是否为停车场的方法、系统及计算机可读存储介质 |
CN110766979A (zh) * | 2019-11-13 | 2020-02-07 | 奥特酷智能科技(南京)有限公司 | 一种用于自动驾驶车辆的泊车车位检测方法 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023207845A1 (zh) * | 2022-04-28 | 2023-11-02 | 上海高德威智能交通系统有限公司 | 车位检测方法、装置、电子设备及机器可读存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109634282B (zh) | 自动驾驶车辆、方法和装置 | |
JP4858761B2 (ja) | 衝突危険性判定システム及び警告システム | |
US11361556B2 (en) | Deterioration diagnosis device, deterioration diagnosis system, deterioration diagnosis method, and storage medium for storing program | |
CN111932901B (zh) | 道路车辆跟踪检测设备、方法及存储介质 | |
CN104217590A (zh) | 车载交通密度估计器 | |
CN112289070B (zh) | 一种车位检测方法、装置、车辆、可读介质 | |
CN110515095B (zh) | 基于多个激光雷达的数据处理方法及系统 | |
CN106897655A (zh) | 停车位的检测装置、方法以及图像处理设备 | |
CN110949257A (zh) | 机动车辅助泊车装置及方法 | |
CN104417550A (zh) | 车辆的后侧向警报系统及其警报控制方法 | |
JP2010502507A (ja) | 駐車スペースの寸法を推定する装置と方法、同装置を備えた自動車 | |
CN102819880A (zh) | 一种全方位还原道路事故影像的系统和方法 | |
CN106548659A (zh) | 一种前向碰撞预警方法及装置 | |
CN113920778A (zh) | 一种图像采集方法及装置 | |
KR101125131B1 (ko) | 차량용 블랙박스, 블랙박스 시스템 및 그 제어방법 | |
CN110949256A (zh) | 机动车辅助泊车装置及方法 | |
CN114141057B (zh) | 一种交叉路口车辆碰撞预警测评方法、装置及系统 | |
CN111739333B (zh) | 一种空车位识别方法 | |
CN110949255A (zh) | 机动车辅助泊车装置及方法 | |
CN116246251A (zh) | 一种车底安全检测方法及系统 | |
CN110647884A (zh) | 一种鸣笛抓拍方法和相关装置 | |
CN112101069A (zh) | 确定行驶区域信息的方法及装置 | |
CN115359332A (zh) | 基于车路协同的数据融合方法、装置、电子设备及系统 | |
JP7115872B2 (ja) | ドライブレコーダ、及び画像記録方法 | |
CN109995990B (zh) | 图像抓拍方法、装置及门岗系统 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20220111 |
|
RJ01 | Rejection of invention patent application after publication |