CN114549443A - 一种异物探测方法、系统及存储介质 - Google Patents
一种异物探测方法、系统及存储介质 Download PDFInfo
- Publication number
- CN114549443A CN114549443A CN202210138861.0A CN202210138861A CN114549443A CN 114549443 A CN114549443 A CN 114549443A CN 202210138861 A CN202210138861 A CN 202210138861A CN 114549443 A CN114549443 A CN 114549443A
- Authority
- CN
- China
- Prior art keywords
- point cloud
- cloud data
- dimensional model
- boundary
- preset
- 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
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T1/00—General purpose image data processing
- G06T1/0007—Image acquisition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
- G06T7/75—Determining position or orientation of objects or cameras using feature-based methods involving models
-
- 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
- G06T2207/10028—Range image; Depth image; 3D point clouds
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computer Graphics (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- Quality & Reliability (AREA)
- Image Analysis (AREA)
Abstract
本申请公开一种异物探测方法、系统及存储介质,涉及台间隙检测的领域,包括以下步骤:获取初始点云集合,所述初始点云集合存储有多个点云数据,且初始点云集合对应有位置信息;根据合规点云集合中的点云数据建立三维模型;判断三维模型与预设的样本模型是否一致,若三维模型与预设的样本模型不一致,则认为三维模型存在异物,将合规点云集合对应的位置信息作添加到反馈信息中并进行反馈;若三维模型与预设的样本模型一致,则认为三维模型不存在异物。对缝隙处的空间拍摄点云数据,并根据保留的点云数据生成三维模型,通过比较三维模型和样本模型,即可判断出空间内是否存在异物,若存在异物,则进行反馈以提醒工作人员。
Description
技术领域
本申请涉及站台间隙检测的领域,尤其是涉及一种异物探测方法、系统及存储介质。
背景技术
随着我国城市人口越来越多,便于人们出行的地铁也在城市中越造越多。
为了避免因客流量大而导致站台出现将人挤落到隧道的事故,国内大多数地铁站在站台与隧道之间设置有屏蔽门,列车停站时其车门与屏蔽门相对,同时开启车门和屏蔽门,即可使乘客上下列车。
针对上述中的相关技术,发明人认为屏蔽门与车门之间存在一定的缝隙,若上下车时乘客过渡拥挤,导致通行不顺畅,很有可能出现在车门关闭时乘客或乘客所携带的物品被夹在屏蔽门和车门之间,存在安全隐患。
发明内容
为了减少出现乘客或物品被夹在屏蔽门和车门之间的情况,本申请提供一种异物探测方法、系统及存储介质。
第一方面,本申请提供一种异物探测方法,采用如下的技术方案:
一种异物探测方法,包括以下步骤:
获取初始点云集合,所述初始点云集合存储有多个点云数据,且初始点云集合对应有位置信息;
对初始点云集合中的点云数据进行过滤,保留所表征位置处在预设范围内的初始点云数据,定义所保留的初始点云数据所组成的集合为合规点云集合;
根据合规点云集合中的点云数据建立三维模型;
判断三维模型与预设的样本模型是否一致,
若三维模型与预设的样本模型不一致,则认为三维模型存在异物,将合规点云集合对应的位置信息作添加到反馈信息中并进行反馈;
若三维模型与预设的样本模型一致,则认为三维模型不存在异物。
通过采用上述技术方案,对缝隙处的空间拍摄点云数据,对点云数据进行过滤处理以减少数据量,并根据保留的点云数据生成三维模型,通过比较三维模型和样本模型,即可判断出空间内是否存在异物,若存在异物,则进行反馈以提醒工作人员。
可选的,根据合规点云集合中的点云数据建立三维模型前,还包括以下步骤:
判断合规点云集合中的点云数据的数量是否大于预设个数,
若合规点云集合中的点云数据的数量大于预设个数,则通过采样方式将合规点云集合中的点云数据的个数减少到预设个数。
可选的,所述点云数据包括X坐标值、Y坐标值、Z坐标值以及RGB分量;
根据合规点云集合中的点云数据建立三维模型,包括以下步骤:
提取点云数据中的X坐标值、Y坐标值以及Z坐标值;
根据同一合规点云集合的X坐标值、Y坐标值以及Z坐标值建立三维模型。
可选的,若三维模型与预设的样本模型不一致,则认为三维模型存在异物,还包括以下步骤:
生成的三维模型具有第一边界和第二边界,其中,第一边界和第二边界相对设置;
分别判断异物是否与第一边界接触、异物是否与第二边界接触,
若异物同时接触第一边界和第二边界,则将预设的代表双门开启的第一提示信息添加到反馈信息中;
若异物与第一边界接触但异物不与第二边界接触,则将预设的代表第一边界所在位置的门开启的第二提示信息添加到反馈信息中;
若异物与第二边界接触但异物不与第一边界接触,则将预设的代表第二边界所在位置的门开启的第三提示信息添加到反馈信息中。
可选的,若异物同时接触第一边界和第二边界,还包括以下步骤:
判断构成异物的点云数据中是否存在相邻点云数据的Z坐标值的差值超过预设高度值,
若构成异物的点云数据中存在相邻点云数据的Z坐标值的差值超过预设高度值,则将用于表示先后开门的第四提示信息添加到反馈信息中。
可选的,所述采用方式为下采样。
第二方面,本申请提供一种异物探测系统,采用如下的技术方案:
一种异物探测系统,包括预处理模块、建模模块和比较模块,
预处理模块,用于获取初始点云集合,并对初始点云集合中的点云数据进行过滤,保留所表征位置处在预设范围内的初始点云数据,定义所保留的初始点云数据所组成的集合为合规点云集合;
建模模块,用于根据合规点云集合中的点云数据建立三维模型;
比较模块,用于判断三维模型与预设的样本模型是否一致,若三维模型与预设的样本模型不一致,则将合规点云集合对应的位置信息作添加到反馈信息中并进行反馈;若三维模型与预设的样本模型一致,则认为三维模型不存在异物。
第三方面,本申请提供一种计算机可读存储介质,存储有能够被处理器加载并执行上述任一种方法的计算机程序。
综上所述,本申请包括以下至少一种有益技术效果:对缝隙处的空间拍摄点云数据,对点云数据进行过滤处理以减少数据量,并根据保留的点云数据生成三维模型,通过比较三维模型和样本模型,即可判断出空间内是否存在异物,若存在异物,则进行反馈以提醒工作人员。
附图说明
图1是本申请实施例的流程框图。
具体实施方式
以下结合附图1对本申请作进一步详细说明。
本申请实施例公开一种异物探测方法,参照图1,包括以下步骤:
S100、获取初始点云集合,所述初始点云集合存储有多个点云数据,且初始点云集合对应有位置信息。
初始点云集合中的点云数据是通过TOF相机采集到的,且每个初始点云集合对应一个TOF相机。位置信息所代表的位置就是用来获取对应初始点云集合的TOF相机的安装位置。
由于TOF相机安装的位置固定在地铁屏蔽门和列车门之间,每个屏蔽门对应一个TOF相机。为了方便定位,可以对屏蔽门和TOF相机进行编号,例如,1号屏蔽门对应1号TOF相机,2号屏蔽门对应1号TOF相机。此时,位置信息即为TOF相机的编号,在TOF相机进行点云数据采集后,将自身对应的编号与点云数据一同传输到后续处理器。
另外,TOF相机获取点云数据的前提是屏蔽门和列车门均已经关闭。屏蔽门和列车门在关闭后,安装在屏蔽门和列车门上的检测设备,如位移传感器、门磁开关、光电开关等等,传输关门信号给对应的TOF相机,TOF相机在同一时间段内持续接收到两个关门信号后启动。
在本实施例中,TOF相机处在屏蔽门和列车门之间空间的顶部,且TOF相机的镜头竖直朝下以完整地获取屏蔽门和列车门之间的空间参数。
TOF相机在工作时,是主动发射调制过的光到目标面上,然后接收反射回来的放射光,测量出发射和反射光之间的相位差,并经运算和转换得到距离。
具体的测量相位差的方式有脉冲调制波和连续调制波这两种。本实施例中,采用连续调制波,以起到减掉测量过程中复位电压、环境光、电容增益等因素的影响。
S200、对初始点云集合中的点云数据进行过滤,保留所表征位置处在预设范围内的初始点云数据,定义所保留的初始点云数据所组成的集合为合规点云集合。
对初始点云集合中的点云数据进行过滤是由于TOF相机的拍摄范围超过屏蔽门与列车门之间的空间宽度,导致初始点云集合中存在部分对于判断屏蔽门与列车门之间异物并没有帮助的点云数据。因此,为了减轻后续数据传输和计算的压力,需要对初始点云集合中的点云数据进行过滤。
本实施例中过滤点云数据的方式是通过CropBox这一过滤器进行的,将屏蔽门和列车门之间的立体空间设置为需要检测的对象,则TOF相机所采集的处在该立体空间外的点云数据则被删除,保留下来的点云数据再重新组合成合规点云集合。合规点云集合所对应的位置信息与其来源的初始点云集合所对应的位置信息为同一个。
步骤S200中的数据过滤可在TOF相机中进行,只需在TOF相机中额外安装CropBox,并预设好立体空间即可。但后续步骤S300中的三维模型的建立则需要更多的运算能力支撑,TOF相机在不改变体型的情况下难以完成三维模型的建立。因此,步骤S300中的三维模型建立一般是在外置的处理器中进行。这就使得TOF相机和处理器之间存在关于点云数据的传输。
而传输的点云数据越多,传输所花费的时间也就越多,因此在向处理器传输点云数据前,还对TOF相机中的点云数据进一步筛选。
在本实施例中,具体的筛选方式,包括以下步骤:
S210、判断合规点云集合中的点云数据的数量是否大于预设个数。
在本实施例中,预设个数为2048个。
S220、若合规点云集合中的点云数据的数量大于预设个数,则通过下采样将合规点云集合中的点云数据的个数减少到预设个数。
由于目前的屏蔽门底座上一般安装有朝向列车门的防踏空板,TOF相机所采集的点云数据往往包含由防踏空板形成的数据。而一旦立体空间内还存在异物,那么就会同时生成异物相关的点云数据和防踏空板相关的点云数据。异物的大小、位置具有不确定性,那么就可能出现其中一部分点云数据聚集在一处且聚集量多而另一部分点云数据聚集在另一处但聚集量少的情况。
采用下采样的方式就是为了解决数据分布不均衡时采样结果偏向于聚集量多的点云数据的问题。避免在异物截面小于防踏空板表面的情况下将异物对应的点云数据忽略的情况发生。
S230、若合规点云集合中的点云数据的数量小于预设个数,则发出告警信息。
告警信息包含与当前合规点云集合对应的位置信息。
一般而言,TOF相机最初所采集的点云数据的数量远超预设个数,一旦出现合规点云集合中的点云数据的个数小于预设个数的情况,往往是TOF相机出现问题,例如拍摄角度发生倾斜、光源发射器出现损坏等情况。因此需要发出告警以提醒工作人员对位置信息所对应位置进行人工查看。
S240、若合规点云集合中的点云数据的数量等于预设个数,则不进行采样。
S300、根据合规点云集合中的点云数据建立三维模型。
在一个实施例中,根据合规点云集合中的点云数据建立三维模型,包括以下步骤:
S310、提取点云数据中的X坐标值、Y坐标值以及Z坐标值。
X坐标值、Y坐标值以及Z坐标值均为坐标信息。其中,X坐标值和Y坐标值分别代表水平面上到达原点位置的两个垂直距离,而Z坐标则是代表该位置与TOF相机的距离,也就是TOF相机的景深。
实际上,TOF相机采集的点云数据除了包含坐标信息外,还包含RGB分量。根据RGB分量即可生成带有色彩的模型。
然而对于异物探测而言,是否存在色彩并不重要,那么为了进一步减少数据传输的量,可先对坐标信息进行提取,使得后续仅传输坐标信息和位置信息即可。
需注意的是,在步骤S310中的提取工作仍是在TOF相机中进行的。
并且为了在TOF相机与处理器之间进行数据传输时减少数据的丢失,数据在获取后可以存储在txt文本中,再将文本传输到处理器;也可以将坐标信息以图像形式进行保存,再将图像传递给处理器。
在本申请中,获取的数据以图像的方式进行保存,且本实施例以opencv里Mat格式进行保存数据,形成高x宽x通道为2048x3x1的图像,其中,高2048为点云数据的预设个数,宽3为坐标信息,通道1表明该图像为灰度图。而位置信息可以作为图像的名称。
S320、根据同一合规点云集合的X坐标值、Y坐标值以及Z坐标值建立三维模型。
处理器在接受到图像后,读取图像中的坐标信息,并根据坐标信息在基础模型中还原点云坐标。
基础模型是以预设的立体空间为基础建立的,其中,基础模型的一侧侧边被视为列车门,相对列车门的侧边被视为屏蔽门,并将视为列车门的侧边定义为第一边界,将视为屏蔽门的侧边定义为第二边界。
S400、判断三维模型与预设的样本模型是否一致。
若三维模型与预设的样本模型不一致,则认为三维模型存在异物,将合规点云集合对应的位置信息作添加到反馈信息中并进行反馈;
若三维模型与预设的样本模型一致,则认为三维模型不存在异物。
预设的样本模型实际上是仅在基础模型上加载防踏空板相关的点云数据。
判断三维模型与预设的样本模型是否一致的实质是判断三维模型是否比预设的样本模型多了其他的点云数据。
由于TOF相机只能从上往下来获取点云数据,当在竖直方向上存在重叠时,TOF相机也只能获取最上方的表面的点云数据。因此当存在异物与防踏空板上且异物的竖直方向上的投影均处在防踏空板上时,在处理器中就要通过点云数据的Z坐标值,即与TOF相机的距离来进行判断对应的点云数据是属于防踏空板还是异物。对于异物所对应的在竖直方向上不与防踏空板存在重叠的点云数据,处理器只需要根据X坐标值和Y坐标值即可做出识别。
需注意的是,TOF相机所采集的点云数据具有一定的误差,为了降低误差干扰,三维模型与样本模型之间的差别处在一定程度内,则仍会被认为是一致的。例如,防踏空板所对应的点云数据的Z坐标值一般是2.4米,那么在2.38米-2.42米之间的范围均属于允许误差范围内。
而一旦认为三维模型中存在异物,则生成反馈信息,并通过预设的联系方式将反馈信息中的位置信息发送给地铁站内的工作人员以及相应地铁的列车长所持有的终端中,使得工作人员能够及时对风险进行人工排查,同时也能使列车长暂停地铁的启动。
在一个实施例中,若三维模型与预设的样本模型不一致,则认为三维模型存在异物,还包括以下步骤:
S410、分别判断异物是否与第一边界接触、异物是否与第二边界接触。
在已经判断出存在异物的基础上,进一步判断异物所处的位置,以向工作人员提供更加详细的信息,方便工作人员做出更加合理的判断。
而分别判断异物是否与第一边界接触、异物是否与第二边界接触的目的是通过确定异物与屏蔽门、列车门之间的具体位置关系,给出相应的开门建议。
异物是否与第一边界接触,具体是指判断是否存在异物所对应的点云数据处在第一边界的预设距离内,若存在异物所对应的点云数据处在第一边界的预设距离内,则异物与第一边界接触;反之,异物不与第一边界接触。其中,预设距离一般设置范围在2cm-5cm,本实施例中设置为5cm。
S420、若异物同时接触第一边界和第二边界,则将预设的代表双门开启的第一提示信息添加到反馈信息中。
当异物同时接触第一边界和第二边界,那么异物既可能是处在屏蔽门一侧的人员遗落的,也可能是处在地铁门一侧的人员遗落的。因此通过添加第一提示信息提醒工作人员屏蔽门和列车门均需开启。
在一个实施例中,若异物同时接触第一边界和第二边界,还包括以下步骤:
S421、判断构成异物的点云数据中是否存在相邻点云数据的Z坐标值的差值超过预设高度值。
相邻点云数据是特指垂直于第一边界且沿第一边界向第二边界延伸的方向上相邻的点云数据。
预设高度值大于预设距离,预设距离的设置是为了减少数据采集误差的影响,那么判断构成异物的点云数据中是否存在相邻点云数据的Z坐标值的差值超过预设高度值就是为了在没有误差影响的情况下来判断是否存在突然的高度落差。
S422、若构成异物的点云数据中存在相邻点云数据的Z坐标值的差值超过预设高度值,则将用于表示先后开门的第四提示信息添加到反馈信息中。
若构成异物的点云数据中存在相邻点云数据的Z坐标值的差值超过预设高度值,即存在突然的高度落差,那么认为表明当前的异物由两个物体构成。而这两个物体很可能分别需要通过屏蔽门和列车门,因此将先后开启屏蔽门和列车门的第四提示信息添加到反馈信息中。而之所以额外增加第四提示信息,就是为了减少屏蔽门和列车门同时开启的情况,降低乘客利用屏蔽门和列车门同时开启的时机上下地铁的情况发生。
S423、若构成异物的点云数据中不存在相邻点云数据的Z坐标值的差值超过预设高度值,则不将第四提示信息添加到反馈信息中。
S430、若异物与第一边界接触但异物不与第二边界接触,则将预设的代表第一边界所在位置的门开启的第二提示信息添加到反馈信息中。
S440、若异物与第二边界接触但异物不与第一边界接触,则将预设的代表第二边界所在位置的门开启的第三提示信息添加到反馈信息中。
除了上述的情况外,还存在异物既不与第一边界接触,也不与第二边界接触的情况。不过由于第一边界到第二边界的距离本身并不大,出现该情况的几率并不大。并且即使出现该情况,由于无法准确判断出异物需通过哪一个门被取出,往往会开启两个门,因此该情况下的处理方式同步骤S423一样,仅添加第一提示信息而不添加第四提示信息。
本申请实施例还公开一种异物探测系统,包括预处理模块、建模模块和比较模块,其中,预处理模块安装在TOF相机上,而建模模块和比较模块则安装在外置的处理器中。
预处理模块,用于获取初始点云集合,并对初始点云集合中的点云数据进行过滤,保留所表征位置处在预设范围内的初始点云数据,定义所保留的初始点云数据所组成的集合为合规点云集合。
并且预处理模块通过采样方式将合规点云集合中的点云数据控制在预设个数,还提取点云数据的坐标信息代表相应点云数据以传输给建模模块。
建模模块,用于根据合规点云集合中的点云数据建立三维模型。
比较模块,用于判断三维模型与预设的样本模型是否一致,若三维模型与预设的样本模型不一致,则将合规点云集合对应的位置信息作添加到反馈信息中并进行反馈;若三维模型与预设的样本模型一致,则认为三维模型不存在异物。比较模块在判断出三维模块与预设的样本模型不一致时,将进一步判断出异物与模型边界的关系,以给出更加详细的建议,从而方便工作人员作出合理判断。
本申请实施例还公开一种计算机可读存储介质,存储有能够被处理器加载并执行如上述异物探测方法的计算机程序。
以上均为本申请的较佳实施例,并非依此限制本申请的保护范围,故:凡依本申请的结构、形状、原理所做的等效变化,均应涵盖于本申请的保护范围之内。
Claims (8)
1.一种异物探测方法,其特征在于,包括以下步骤:
获取初始点云集合,所述初始点云集合存储有多个点云数据,且初始点云集合对应有位置信息;
对初始点云集合中的点云数据进行过滤,保留所表征位置处在预设范围内的初始点云数据,定义所保留的初始点云数据所组成的集合为合规点云集合;
根据合规点云集合中的点云数据建立三维模型;
判断三维模型与预设的样本模型是否一致,
若三维模型与预设的样本模型不一致,则认为三维模型存在异物,将合规点云集合对应的位置信息作添加到反馈信息中并进行反馈;
若三维模型与预设的样本模型一致,则认为三维模型不存在异物。
2.根据权利要求1所述的一种异物探测方法,其特征在于,根据合规点云集合中的点云数据建立三维模型前,还包括以下步骤:
判断合规点云集合中的点云数据的数量是否大于预设个数,
若合规点云集合中的点云数据的数量大于预设个数,则通过采样方式将合规点云集合中的点云数据的个数减少到预设个数。
3.根据权利要求1所述的一种异物探测方法,其特征在于:所述点云数据包括X坐标值、Y坐标值、Z坐标值以及RGB分量;
根据合规点云集合中的点云数据建立三维模型,包括以下步骤:
提取点云数据中的X坐标值、Y坐标值以及Z坐标值;
根据同一合规点云集合的X坐标值、Y坐标值以及Z坐标值建立三维模型。
4.根据权利要求1所述的一种异物探测方法,其特征在于,若三维模型与预设的样本模型不一致,则认为三维模型存在异物,还包括以下步骤:
生成的三维模型具有第一边界和第二边界,其中,第一边界和第二边界相对设置;
分别判断异物是否与第一边界接触、异物是否与第二边界接触,
若异物同时接触第一边界和第二边界,则将预设的代表双门开启的第一提示信息添加到反馈信息中;
若异物与第一边界接触但异物不与第二边界接触,则将预设的代表第一边界所在位置的门开启的第二提示信息添加到反馈信息中;
若异物与第二边界接触但异物不与第一边界接触,则将预设的代表第二边界所在位置的门开启的第三提示信息添加到反馈信息中。
5.根据权利要求4所述的一种异物探测方法,其特征在于,若异物同时接触第一边界和第二边界,还包括以下步骤:
判断构成异物的点云数据中是否存在相邻点云数据的Z坐标值的差值超过预设高度值,
若构成异物的点云数据中存在相邻点云数据的Z坐标值的差值超过预设高度值,则将用于表示先后开门的第四提示信息添加到反馈信息中。
6.根据权利要求2所述的一种异物探测方法,其特征在于:所述采用方式为下采样。
7.一种异物探测系统,其特征在于:包括预处理模块、建模模块和比较模块,
预处理模块,用于获取初始点云集合,并对初始点云集合中的点云数据进行过滤,保留所表征位置处在预设范围内的初始点云数据,定义所保留的初始点云数据所组成的集合为合规点云集合;
建模模块,用于根据合规点云集合中的点云数据建立三维模型;
比较模块,用于判断三维模型与预设的样本模型是否一致,若三维模型与预设的样本模型不一致,则将合规点云集合对应的位置信息作添加到反馈信息中并进行反馈;若三维模型与预设的样本模型一致,则认为三维模型不存在异物。
8.一种计算机可读存储介质,其特征在于,存储有能够被处理器加载并执行如权利要求1至6中任一种异物探测方法的计算机程序。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210138861.0A CN114549443A (zh) | 2022-02-15 | 2022-02-15 | 一种异物探测方法、系统及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210138861.0A CN114549443A (zh) | 2022-02-15 | 2022-02-15 | 一种异物探测方法、系统及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114549443A true CN114549443A (zh) | 2022-05-27 |
Family
ID=81675693
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210138861.0A Pending CN114549443A (zh) | 2022-02-15 | 2022-02-15 | 一种异物探测方法、系统及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114549443A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116386016A (zh) * | 2023-05-22 | 2023-07-04 | 杭州睿影科技有限公司 | 一种异物处理方法、装置、电子设备及存储介质 |
CN117523318A (zh) * | 2023-12-26 | 2024-02-06 | 宁波微科光电股份有限公司 | 一种抗光干扰的地铁屏蔽门异物检测方法、装置及介质 |
-
2022
- 2022-02-15 CN CN202210138861.0A patent/CN114549443A/zh active Pending
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116386016A (zh) * | 2023-05-22 | 2023-07-04 | 杭州睿影科技有限公司 | 一种异物处理方法、装置、电子设备及存储介质 |
CN116386016B (zh) * | 2023-05-22 | 2023-10-10 | 杭州睿影科技有限公司 | 一种异物处理方法、装置、电子设备及存储介质 |
CN117523318A (zh) * | 2023-12-26 | 2024-02-06 | 宁波微科光电股份有限公司 | 一种抗光干扰的地铁屏蔽门异物检测方法、装置及介质 |
CN117523318B (zh) * | 2023-12-26 | 2024-04-16 | 宁波微科光电股份有限公司 | 一种抗光干扰的地铁屏蔽门异物检测方法、装置及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114549443A (zh) | 一种异物探测方法、系统及存储介质 | |
US11417134B2 (en) | Image analysis device, image analysis method, and recording medium | |
EP0567059A1 (en) | Object recognition system and abnormality detection system using image processing | |
CN110532852A (zh) | 基于深度学习的地铁站行人异常事件检测方法 | |
CA3094424A1 (en) | Safety monitoring and early-warning method for man-machine interaction behavior of underground conveyor belt operator | |
CN109484935A (zh) | 一种电梯轿厢监控方法、装置及系统 | |
CN108629230B (zh) | 一种人数统计方法及装置和电梯调度方法及系统 | |
WO2004011314A1 (ja) | 駅ホームにおける安全監視装置 | |
US20230005176A1 (en) | Throwing position acquisition method and apparatus, computer device and storage medium | |
CN112016528B (zh) | 行为识别方法、装置、电子设备及可读存储介质 | |
CN110458080B (zh) | 一种汽车行驶中前方坑洞的预判方法及系统 | |
CN112184773A (zh) | 一种基于深度学习的安全帽佩戴检测方法及系统 | |
CN207345852U (zh) | 一种列车调车作业安全防控系统 | |
CN108960131A (zh) | 机械式车库防人误入检测方法 | |
CN111523386A (zh) | 一种基于机器视觉的高速铁路站台门监测防护方法及系统 | |
CN110703350A (zh) | 列车门与屏蔽门空隙异物检测系统和方法 | |
CN111062238A (zh) | 基于人体骨架信息及多目标跟踪的扶梯流量监测方法及系统 | |
JPH08180276A (ja) | 障害物検知方法及びその装置 | |
CN115984773A (zh) | 一种计算机图像处理系统和方法 | |
CN111429701B (zh) | 报警方法、装置、设备及存储介质 | |
KR20220120211A (ko) | 교통량 측정을 위한 딥러닝 기반의 드론 영상 분석 시스템 | |
CN113393423A (zh) | 一种基于点云的悬崖检测方法、装置及移动机器人 | |
CN117022264B (zh) | 基于雷视融合的障碍物检测方法及装置 | |
CN111090096B (zh) | 夜间车辆检测方法、装置及系统 | |
EP3955182A1 (en) | System for managing the capacity of a public vehicle |
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 |