CN114572330B - 一种基于毫米波雷达的电动车智能车载终端 - Google Patents
一种基于毫米波雷达的电动车智能车载终端 Download PDFInfo
- Publication number
- CN114572330B CN114572330B CN202210164756.4A CN202210164756A CN114572330B CN 114572330 B CN114572330 B CN 114572330B CN 202210164756 A CN202210164756 A CN 202210164756A CN 114572330 B CN114572330 B CN 114572330B
- Authority
- CN
- China
- Prior art keywords
- early warning
- module
- coefficient
- image
- millimeter wave
- 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.)
- Active
Links
- 238000012545 processing Methods 0.000 claims abstract description 26
- 230000035772 mutation Effects 0.000 claims description 20
- 238000000034 method Methods 0.000 claims description 13
- 230000008569 process Effects 0.000 claims description 10
- UORJNBVJVRLXMQ-UHFFFAOYSA-N aprobarbital Chemical compound C=CCC1(C(C)C)C(=O)NC(=O)NC1=O UORJNBVJVRLXMQ-UHFFFAOYSA-N 0.000 claims description 3
- 230000001815 facial effect Effects 0.000 claims description 2
- 230000000694 effects Effects 0.000 abstract description 5
- 238000001914 filtration Methods 0.000 description 3
- 238000004590 computer program Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000003709 image segmentation Methods 0.000 description 2
- 230000002238 attenuated effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B62—LAND VEHICLES FOR TRAVELLING OTHERWISE THAN ON RAILS
- B62J—CYCLE SADDLES OR SEATS; AUXILIARY DEVICES OR ACCESSORIES SPECIALLY ADAPTED TO CYCLES AND NOT OTHERWISE PROVIDED FOR, e.g. ARTICLE CARRIERS OR CYCLE PROTECTORS
- B62J50/00—Arrangements specially adapted for use on cycles not provided for in main groups B62J1/00 - B62J45/00
- B62J50/20—Information-providing devices
- B62J50/21—Information-providing devices intended to provide information to rider or passenger
- B62J50/22—Information-providing devices intended to provide information to rider or passenger electronic, e.g. displays
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B62—LAND VEHICLES FOR TRAVELLING OTHERWISE THAN ON RAILS
- B62J—CYCLE SADDLES OR SEATS; AUXILIARY DEVICES OR ACCESSORIES SPECIALLY ADAPTED TO CYCLES AND NOT OTHERWISE PROVIDED FOR, e.g. ARTICLE CARRIERS OR CYCLE PROTECTORS
- B62J45/00—Electrical equipment arrangements specially adapted for use as accessories on cycles, not otherwise provided for
- B62J45/40—Sensor arrangements; Mounting thereof
- B62J45/41—Sensor arrangements; Mounting thereof characterised by the type of sensor
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/02—Alarms for ensuring the safety of persons
- G08B21/06—Alarms for ensuring the safety of persons indicating a condition of sleep, e.g. anti-dozing alarms
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B7/00—Signalling systems according to more than one of groups G08B3/00 - G08B6/00; Personal calling systems according to more than one of groups G08B3/00 - G08B6/00
- G08B7/06—Signalling systems according to more than one of groups G08B3/00 - G08B6/00; Personal calling systems according to more than one of groups G08B3/00 - G08B6/00 using electric transmission, e.g. involving audible and visible signalling through the use of sound and light sources
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Abstract
本发明提供了一种基于毫米波雷达的电动车智能车载终端，包括毫米波雷达模块、数据处理模块和预警提示模块；毫米波雷达模块用于获取电动车与前车的距离，并将所述距离传输至数据处理模块；数据处理模块用于判断所述距离是否小于预设的距离阈值，若是，则向预警提示模块发送第一预警指令；预警提示模块用于接收到第一预警指令后，采用预设的预警提示方式向驾驶员进行追尾预警。本发明通过毫米波雷达来进行追尾预警，能够避免雨天对视觉的方式进行追尾预警的影响，为用户提供准确的预警信息，有效地提高了预警的效果。
Description
技术领域
本发明涉及车载领域，尤其涉及一种基于毫米波雷达的电动车智能车载终端。
背景技术
毫米波雷达，是工作在毫米波波段探测的雷达。通常毫米波是指30～300GHz频域的。毫米波的波长介于微波和厘米波之间，因此毫米波雷达兼有微波雷达和光电雷达的一些优点。
在雨雾天气中，由于能见度比较低，因此，存在一定的追尾风险。现有的电动自行车，车载终端一般通过视觉的方式来进行追尾预警，但是这种方式在雨雾天气中效果比较差。
发明内容
本发明的目的在于公开一种基于毫米波雷达的电动车智能车载终端，解决现有的车载在雨雾天气中追尾预警效果不好的问题。
为了达到上述目的，本发明采用如下技术方案：
一种基于毫米波雷达的电动车智能车载终端，包括毫米波雷达模块、数据处理模块和预警提示模块；
毫米波雷达模块用于获取电动车与前车的距离，并将所述距离传输至数据处理模块；
数据处理模块用于判断所述距离是否小于预设的距离阈值，若是，则向预警提示模块发送第一预警指令；
预警提示模块用于接收到第一预警指令后，采用预设的预警提示方式向驾驶员进行追尾预警。
优选地，所述预设的预警提示方式包括图像预警和声音预警；
图像预警包括在车载终端的显示屏上显示表示追尾预警的图标；
声音预警包括向驾驶员播放追尾预警提示录音。
优选地，基于毫米波雷达的电动车智能车载终端还包括图像获取模块和振动模块；
图像获取模块用于获取驾驶员在驾驶过程中的脸部图像，并将所述脸部图像传输至数据处理模块；
数据处理模块用于根据所述脸部图像判断驾驶员是否疲劳驾驶，若是，则向振动模块发送第二预警指令；
振动模块用于接收到第二预警指令后，通过振动的方式提示驾驶员注意疲劳驾驶。
优选地，所述图像获取模块包括拍摄单元和判断单元；
拍摄单元用于获取驾驶员在驾驶过程中的脸部图像；
判断单元用于计算所述脸部图像的判断系数，若所述判断系数大于预设的判断系数阈值，则将所述脸部图像传输至数据处理模块；
拍摄单元还用于在所述判断系数小于等于预设的判断系数阈值时，重新获取驾驶员在驾驶过程中的脸部图像。
优选地，所述判断系数通过如下方式进行计算：
其中，judix表示判断系数，w1、w2、w3表示预设的权重系数，fcnum表示脸部图像中属于皮肤区域的像素点的数量；numal表示脸部图像中的像素点的总数，g(i+1)和g(i)分别表示第i+1个和第i个像素点的像素值，nfnoimd表示脸部图像中的突变像素点的数量。
优选地，所述突变像素点通过如下方式进行判断：
对于像素点c，通过如下方式计算c的突变系数：
其中，crtchgx(c)表示c的突变系数，neic表示以c为圆心的，半径为R的范围内的像素点的集合，g(j)和g(c)分别表示像素点c和neic中的像素点j的梯度幅值；nfneic表示neic中的元素的数量；
判断所述突变系数是否大于预设的突变系数阈值，若是，则表示像素点c为突变像素点。
本发明通过毫米波雷达来进行追尾预警，能够避免雨天对视觉的方式进行追尾预警的影响，为用户提供准确的预警信息，有效地提高了预警的效果。
附图说明
利用附图对本发明作进一步说明，但附图中的实施例不构成对本发明的任何限制，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可以根据以下附图获得其它的附图。
图1，为本发明一种基于毫米波雷达的电动车智能车载终端的一种示例性实施例图。
具体实施方式
下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本发明，而不能理解为对本发明的限制。
如图1所示的一种实施例，本发明提供了一种基于毫米波雷达的电动车智能车载终端，包括毫米波雷达模块、数据处理模块和预警提示模块；
毫米波雷达模块用于获取电动车与前车的距离，并将所述距离传输至数据处理模块；
数据处理模块用于判断所述距离是否小于预设的距离阈值，若是，则向预警提示模块发送第一预警指令；
预警提示模块用于接收到第一预警指令后，采用预设的预警提示方式向驾驶员进行追尾预警。
本发明通过毫米波雷达来进行追尾预警，能够避免雨天对视觉的方式进行追尾预警的影响，为用户提供准确的预警信息，有效地提高了预警的效果。
优选地，所述预设的预警提示方式包括图像预警和声音预警；
图像预警包括在车载终端的显示屏上显示表示追尾预警的图标；
声音预警包括向驾驶员播放追尾预警提示录音。
优选地，基于毫米波雷达的电动车智能车载终端还包括图像获取模块和振动模块；
图像获取模块用于获取驾驶员在驾驶过程中的脸部图像，并将所述脸部图像传输至数据处理模块；
数据处理模块用于根据所述脸部图像判断驾驶员是否疲劳驾驶，若是，则向振动模块发送第二预警指令；
振动模块用于接收到第二预警指令后，通过振动的方式提示驾驶员注意疲劳驾驶。
在上述实施例中，之所以设置振动提示模块是因为如果驾驶员疲劳驾驶的话，视觉和听觉会一定程度的衰减，无法及时获取预警信息。而振动的方式可以直接通过物理传递的方式将预警信号传递到驾驶员的身体中，能够提高对驾驶员进行疲劳驾驶预警的有效性。
优选地，所述图像获取模块包括拍摄单元和判断单元；
拍摄单元用于获取驾驶员在驾驶过程中的脸部图像；
判断单元用于计算所述脸部图像的判断系数，若所述判断系数大于预设的判断系数阈值，则将所述脸部图像传输至数据处理模块；
拍摄单元还用于在所述判断系数小于等于预设的判断系数阈值时，重新获取驾驶员在驾驶过程中的脸部图像。
在图像采集时进行图像的判断，能够提高进入到识别阶段的图像的质量，从而提高疲劳驾驶检测的准确性。
优选地，所述判断系数通过如下方式进行计算：
其中，judix表示判断系数，w1、w2、w3表示预设的权重系数，fcnum表示脸部图像中属于皮肤区域的像素点的数量；numal表示脸部图像中的像素点的总数，g(i+1)和g(i)分别表示第i+1个和第i个像素点的像素值，nfnoimd表示脸部图像中的突变像素点的数量。
在上述实施例中，皮肤区域的像素点的数量越多，像素点之间的像素值差异越大，突变像素点的数量越少，则图像的质量越高。这样能够模糊的图像进入到数据处理模块中，提高对驾驶员进行疲劳驾驶识别的准确率。
优选地，所述突变像素点通过如下方式进行判断：
对于像素点c，通过如下方式计算c的突变系数：
其中，crtchgx(c)表示c的突变系数，neic表示以c为圆心的，半径为R的范围内的像素点的集合，g(j)和g(c)分别表示像素点c和neic中的像素点j的梯度幅值；nfneic表示neic中的元素的数量；
判断所述突变系数是否大于预设的突变系数阈值，若是，则表示像素点c为突变像素点。
在上述实施例中，突变系数的主要通过梯度幅值来进行计算，像素点与周围的像素点的之间的梯度幅值之间的差异越大，则像素点就越有可能属于突变像素点，因此，突变系数则会大于突变系数阈值，从而把突变像素点识别出来。
突变像素点是脸部图像中像素值突然改变的像素点，与周围的像素点之间的差异突然增大，这种像素点会对边界识别造成影响，从而影响后续获取的特征信息的准确性。而本发明在图像采集阶段就把这个考虑进去，能够有效地抑制进入后续的图像识别的脸部图像中包含的突变像素点的数量，从而提高图像识别结果的准确性。
优选地，所述根据所述脸部图像判断驾驶员是否疲劳驾驶，包括：
对所述脸部图像进行灰度化处理，获得灰度图像；
对灰度图像进行滤波处理，获得滤波图像；
对滤波图像进行图像切割，将滤波图像分成Q个子图像；
使用图像分割算法分别获取每个子图像中的前景像素点；
依据所有的前景像素点组成前景图像；
使用图像特征提取算法获取前景图像中的特征信息；
将特征信息输入到神经网络模型中判断驾驶员是否疲劳驾驶。
通过将滤波图像分成多个子图像后，再分别对每个子图像进行分割处理，从而获取前景像素点，这样的处理方式，能够提高图像分割的准确性。相较于现有的直接使用单一的阈值对所有像素点直接进行图像分割的方式，本发明由于每个阈值所负责的区域显著变小，因此，能够更好地适应每个子图像中的像素点的像素值的分布情况，有利于获取准确的前景像素点。
优选地，滤波处理可以使用高斯滤波算法进行处理。
优选地，Q个子图像的面积相等。
尽管已经示出和描述了本发明的实施例，本领域技术人员可以理解：在不脱离本发明的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变形，本发明的范围由权利要求及其等同物限定。
需要说明的是，在本发明各个实施例中的各功能单元/模块可以集成在一个处理单元/模
块中，也可以是各个单元/模块单独物理存在，也可以是两个或两个以上单元/模块集成在一个单元/模块中。上述集成的单元/模块既可以采用硬件的形式实现，也可以采用软件功能单元/模块的形式实现。
通过以上的实施方式的描述，所属领域的技术人员可以清楚地了解应当理解，可以以硬件、软件、固件、中间件、代码或其任何恰当组合来实现这里描述的实施例。对于硬件实现，处理器可以在一个或多个下列单元中实现：专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、处理器、控制器、微控制器、微处理器、设计用于实现这里所描述功能的其他电子单元或其组合。对于软件实现，实施例的部分或全部流程可以通过计算机程序来指令相关的硬件来完成。
实现时，可以将上述程序存储在计算机可读介质中或作为计算机可读介质上的一个或多个指令或代码进行传输。计算机可读介质包括计算机存储介质和通信介质，其中通信介质包括便于从一个地方向另一个地方传送计算机程序的任何介质。存储介质可以是计算机能够存取的任何可用介质。计算机可读介质可以包括但不限于RAM、ROM、EEPROM、CD-ROM或其他光盘存储、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质。
Claims (2)
1.一种基于毫米波雷达的电动车智能车载终端，其特征在于，包括毫米波雷达模块、数据处理模块和预警提示模块；
毫米波雷达模块用于获取电动车与前车的距离，并将所述距离传输至数据处理模块；
数据处理模块用于判断所述距离是否小于预设的距离阈值，若是，则向预警提示模块发送第一预警指令；
预警提示模块用于接收到第一预警指令后，采用预设的预警提示方式向驾驶员进行追尾预警；
还包括图像获取模块和振动模块；
图像获取模块用于获取驾驶员在驾驶过程中的脸部图像，并将所述脸部图像传输至数据处理模块；
数据处理模块用于根据所述脸部图像判断驾驶员是否疲劳驾驶，若是，则向振动模块发送第二预警指令；
振动模块用于接收到第二预警指令后，通过振动的方式提示驾驶员注意疲劳驾驶；
所述图像获取模块包括拍摄单元和判断单元；
拍摄单元用于获取驾驶员在驾驶过程中的脸部图像；
判断单元用于计算所述脸部图像的判断系数，若所述判断系数大于预设的判断系数阈值，则将所述脸部图像传输至数据处理模块；
拍摄单元还用于在所述判断系数小于等于预设的判断系数阈值时，重新获取驾驶员在驾驶过程中的脸部图像；
所述判断系数通过如下方式进行计算：
其中，judix表示判断系数，w1、w2、w3表示预设的权重系数，fcnum表示脸部图像中属于皮肤区域的像素点的数量；numal表示脸部图像中的像素点的总数，g(i+1)和g(i)分别表示第i+1个和第i个像素点的像素值，nfnoimd表示脸部图像中的突变像素点的数量；
所述突变像素点通过如下方式进行判断：
对于像素点c，通过如下方式计算c的突变系数：
其中，crtchgx(c)表示c的突变系数，neic表示以c为圆心的，半径为R的范围内的像素点的集合，g(j)和g(c)分别表示像素点c和neic中的像素点j的梯度幅值；nfneic表示neic中的元素的数量；
判断所述突变系数是否大于预设的突变系数阈值，若是，则表示像素点c为突变像素点。
2.根据权利要求1所述的一种基于毫米波雷达的电动车智能车载终端，其特征在于，所述预设的预警提示方式包括图像预警和声音预警；
图像预警包括在车载终端的显示屏上显示表示追尾预警的图标；
声音预警包括向驾驶员播放追尾预警提示录音。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210164756.4A CN114572330B (zh) | 2022-02-22 | 2022-02-22 | 一种基于毫米波雷达的电动车智能车载终端 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210164756.4A CN114572330B (zh) | 2022-02-22 | 2022-02-22 | 一种基于毫米波雷达的电动车智能车载终端 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114572330A CN114572330A (zh) | 2022-06-03 |
| CN114572330B true CN114572330B (zh) | 2024-03-08 |
Family
ID=81770861
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210164756.4A Active CN114572330B (zh) | 2022-02-22 | 2022-02-22 | 一种基于毫米波雷达的电动车智能车载终端 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114572330B (zh) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106250801A (zh) * | 2015-11-20 | 2016-12-21 | 北汽银翔汽车有限公司 | 基于人脸检测和人眼状态识别的疲劳检测方法 |
| CN106530623A (zh) * | 2016-12-30 | 2017-03-22 | 南京理工大学 | 一种疲劳驾驶检测装置及检测方法 |
| CN106965675A (zh) * | 2017-04-26 | 2017-07-21 | 华迅金安（北京）科技有限公司 | 一种货车集群智能安全作业系统 |
| AU2017279806A1 (en) * | 2017-05-29 | 2018-12-13 | Saltor Pty Ltd | Method and system for abnormality detection |
| CN110979177A (zh) * | 2019-12-13 | 2020-04-10 | 武汉科技大学 | 一种机动车防追尾提示方法、系统及机动车 |
| CN111583585A (zh) * | 2020-05-26 | 2020-08-25 | 苏州智华汽车电子有限公司 | 一种信息融合的疲劳驾驶预警方法、系统、装置以及介质 |
-
2022
- 2022-02-22 CN CN202210164756.4A patent/CN114572330B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106250801A (zh) * | 2015-11-20 | 2016-12-21 | 北汽银翔汽车有限公司 | 基于人脸检测和人眼状态识别的疲劳检测方法 |
| CN106530623A (zh) * | 2016-12-30 | 2017-03-22 | 南京理工大学 | 一种疲劳驾驶检测装置及检测方法 |
| CN106965675A (zh) * | 2017-04-26 | 2017-07-21 | 华迅金安（北京）科技有限公司 | 一种货车集群智能安全作业系统 |
| AU2017279806A1 (en) * | 2017-05-29 | 2018-12-13 | Saltor Pty Ltd | Method and system for abnormality detection |
| CN110979177A (zh) * | 2019-12-13 | 2020-04-10 | 武汉科技大学 | 一种机动车防追尾提示方法、系统及机动车 |
| CN111583585A (zh) * | 2020-05-26 | 2020-08-25 | 苏州智华汽车电子有限公司 | 一种信息融合的疲劳驾驶预警方法、系统、装置以及介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114572330A (zh) | 2022-06-03 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US8379020B2 (en) | Image processing device using selective neighboring voxel removal and related methods | |
| CN111247525A (zh) | 一种车道检测方法、装置及车道检测设备、移动平台 | |
| CN111242065B (zh) | 一种便携式车载智能驾驶系统 | |
| CN113219462B (zh) | 基于时频图的目标识别方法、装置和终端设备 | |
| CN105095869A (zh) | 行人检测方法及装置 | |
| CN112528868B (zh) | 一种基于改进Canny边缘检测算法的违章压线判别方法 | |
| WO2022228150A1 (zh) | 车内雷达占位识别方法、装置及车载雷达 | |
| CN111627057A (zh) | 一种距离测量方法、装置及服务器 | |
| CN114418998A (zh) | 一种车辆零部件缺陷检测方法、系统及电子设备 | |
| CN114572330B (zh) | 一种基于毫米波雷达的电动车智能车载终端 | |
| CN109278759B (zh) | 一种车辆安全驾驶辅助系统 | |
| CN114581374A (zh) | 一种基于人工智能技术的电动车辅助驾驶系统 | |
| CN113297939B (zh) | 障碍物检测方法、系统、终端设备及存储介质 | |
| CN111800616A (zh) | 一种交通事故智能检测系统 | |
| CN113829994A (zh) | 基于车外鸣笛声的预警方法、装置、汽车及介质 | |
| CN111311610A (zh) | 图像分割的方法及终端设备 | |
| CN112101069A (zh) | 确定行驶区域信息的方法及装置 | |
| CN110766005B (zh) | 目标特征提取方法、装置和终端设备 | |
| CN113232678A (zh) | 车辆的控制方法及装置、自动驾驶车辆 | |
| CN112699825A (zh) | 一种车道线识别方法及其装置 | |
| US20200130581A1 (en) | Reverse image display method | |
| CN114596685A (zh) | 一种基于车联网技术的电动车预警系统 | |
| CN114646320B (zh) | 一种路径引导方法、装置、电子设备及可读存储介质 | |
| CN100367768C (zh) | 增强图像边缘视觉效果的方法 | |
| CN111986095A (zh) | 基于边缘提取的图像处理方法及图像处理装置 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |