CN114897686A - 车辆图像的拼接方法、装置、计算机设备和存储介质 - Google Patents
车辆图像的拼接方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN114897686A CN114897686A CN202210438629.9A CN202210438629A CN114897686A CN 114897686 A CN114897686 A CN 114897686A CN 202210438629 A CN202210438629 A CN 202210438629A CN 114897686 A CN114897686 A CN 114897686A
- Authority
- CN
- China
- Prior art keywords
- image
- vehicle
- splicing
- target
- displacement
- 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
- 238000000034 method Methods 0.000 title claims abstract description 56
- 238000006073 displacement reaction Methods 0.000 claims abstract description 158
- 230000011218 segmentation Effects 0.000 claims abstract description 29
- 238000010586 diagram Methods 0.000 claims description 51
- 230000003137 locomotive effect Effects 0.000 claims description 35
- 238000004590 computer program Methods 0.000 claims description 21
- 238000001514 detection method Methods 0.000 claims description 15
- 238000004891 communication Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 5
- 238000003384 imaging method Methods 0.000 description 3
- 238000013500 data storage Methods 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 229910021389 graphene Inorganic materials 0.000 description 1
- 239000004973 liquid crystal related substance Substances 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
- 230000004044 response Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000004148 unit process Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4038—Image mosaicing, e.g. composing plane images from plane sub-images
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本申请涉及一种车辆图像的拼接方法、装置、计算机设备和存储介质。方法包括:实时获取目标车辆的车辆图像;在对车辆图像进行切分处理后,得到目标车辆图像;确定目标车辆图像与上一时刻的历史车辆图像之间的第一平均位移;第一平均位移包括第一水平位移和第一竖直位移;基于第一水平位移和目标车辆图像的图像宽度确定目标车辆图像的第一拼接起始点和第一拼接长度;在目标车辆图像中以第一拼接起始点开始,截取长度为第一拼接长度的第一图像区域;依据第一竖直位移将第一图像区域与上一时刻拼接所得的车辆拼接图像进行拼接,得到新的车辆拼接图像。采用本方法能够提升车辆图像进行拼接的实时性和精度。
Description
技术领域
本申请涉及图像处理领域,特别是涉及一种车辆图像的拼接方法、装置、计算机设备和存储介质。
背景技术
随着省界收费站的取消,交通部规定货车以计重收费改为以车型/轴数收费,高速公路司机利用通行介质的车型/轴数与实际车辆车型/轴数不一致进行逃费行为日益增多,传统收费站对车辆主要是以分析车头来进行收费已无法满足现实的需求,在现有的对车辆的监管手段中,主要有两种方式一是在车道的多个位置设置多个摄像头,并将多个摄像头拍摄的图像进行拼接,因相机之间不可避免的成像差异,该方法具有拼接精度不高且成本高的缺陷。二是在车道的侧面安装近景摄像头,近景摄像头距离车道较近,用于捕捉车辆动态图像进行拼接。由于摄像头处于车道侧面,其无法获取精确的车辆特征,从而影响识别结果。故二者都存在对车辆图像进行拼接的实时性低且精度不高的问题。
发明内容
基于此,有必要针对上述技术问题,提供一种能够提高车辆图像拼接的实时性和精度的车辆图像的拼接方法、装置、计算机设备、计算机可读存储介质。
第一方面,本申请提供了一种车辆图像的拼接方法。所述方法包括:
实时获取目标车辆的车辆图像;
在对所述车辆图像进行切分处理后,得到目标车辆图像;
确定所述目标车辆图像与上一时刻的历史车辆图像之间的第一平均位移;所述第一平均位移包括第一水平位移和第一竖直位移;
基于所述第一水平位移和所述目标车辆图像的图像宽度确定所述目标车辆图像的第一拼接起始点和第一拼接长度;
在所述目标车辆图像中以所述第一拼接起始点开始,截取长度为所述第一拼接长度的第一图像区域;
依据所述第一竖直位移将所述第一图像区域与上一时刻拼接所得的车辆拼接图像进行拼接,得到新的车辆拼接图像。
在其中一个实施例中,所述确定所述目标车辆图像与上一时刻的历史车辆图像之间的第一平均位移之前,所述方法还包括:
对所述目标车辆图像与上一时刻的历史车辆图像进行特征点检测,得到车辆特征图和历史车辆特征图;
对所述车辆特征图和所述历史车辆特征图之间的特征点进行匹配,得到特征点匹配结果;
依据所述特征点匹配结果对所述车辆特征图和所述历史车辆特征图进行归一化处理,得到目标车辆特征图和目标历史车辆特征图;
所述确定所述目标车辆图像与上一时刻的历史车辆图像之间的第一平均位移包括;
依据所述特征点匹配结果计算所述目标车辆特征图和所述目标历史车辆特征图之间的第一平均位移。
在其中一个实施例中,所述基于所述第一水平位移和所述目标车辆图像的图像宽度确定所述目标车辆图像的第一拼接起始点和第一拼接长度包括:
通过预设起始点公式、所述第一水平位移和所述目标车辆图像的图像宽度确定所述目标车辆图像的第一拼接起始点;
所述第一水平位移为所述目标车辆图像的第一拼接长度。
在其中一个实施例中,所述实时获取目标车辆的车辆图像之后,所述方法还包括:
实时对所述车辆图像进行识别;
若所述车辆图像为开始进入检测区所采集到的车头图像,开始对所述车头图像进行拼接;
若所述车辆图像中为完整车尾的车尾图像,则在完成对所述车尾图像的拼接之后,得到所述目标车辆完整的车辆拼接图像。
在其中一个实施例中,所述车头图像包括第一车头图像和第二车头图像;所述开始对所述车头图像进行拼接,包括:
在对所述第一车头图像和所述第二车头图像进行切分处理后,得到第一目标车头图像和第二目标车头图像;
确定所述第一目标车头图像和所述第二目标车头图像之间的第二平均位移;所述第二平均位移包括第二水平位移和第二竖直位移;
基于所述第二水平位移和所述第二目标车头图像的图像宽度确定所述第二目标车头图像的第二拼接起始点和第二拼接长度;
在所述第二目标车头图像中以所述第二拼接起始点开始,截取长度为所述第二拼接长度的第二图像区域;
依据所述第二竖直位移将所述第二图像区域与所述第一目标车头图像进行拼接,得到首张的车辆拼接图像;
在其中一个实施例中,所述方法还包括:
对所述完整的车辆拼接图像进行识别,得到识别结果;
基于所述识别结果确定所述完整的车辆拼接图像对应的车辆类型;
依据所述车辆类型确定收费信息。
在其中一个实施例中,所述依据所述第一竖直位移将所述第一图像区域与上一时刻拼接所得的车辆拼接图像进行拼接之后,所述方法还包括:
确定所述第一图像区域与上一时刻拼接所得的车辆拼接图像之间的重合区域;
获取所述第一图像区域中所述重合区域的第一像素值,以及上一时刻拼接所得的车辆拼接图像中所述重合区域的第二像素值;
计算所述第一像素值与所述第二像素值的平均像素值;
将所述平均像素值作为所述重合区域的像素值。
第二方面,本申请还提供了一种车辆图像的拼接装置。所述装置包括:
获取模块,用于实时获取目标车辆的车辆图像;
切分模块,用于在对所述车辆图像进行切分处理后,得到目标车辆图像;
第一确定模块,用于确定所述目标车辆图像与上一时刻的历史车辆图像之间的第一平均位移;所述第一平均位移包括第一水平位移和第一竖直位移;
第二确定模块,用于基于所述第一水平位移和所述目标车辆图像的图像宽度确定所述目标车辆图像的第一拼接起始点和第一拼接长度;
截取模块,用于在所述目标车辆图像中以所述第一拼接起始点开始,截取长度为所述第一拼接长度的第一图像区域;
拼接模块,用于依据所述第一竖直位移将所述第一图像区域与上一时刻拼接所得的车辆拼接图像进行拼接,得到新的车辆拼接图像。
在其中一个实施例中,所述第一确定模块还用于对所述目标车辆图像与上一时刻的历史车辆图像进行特征点检测,得到车辆特征图和历史车辆特征图;对所述车辆特征图和所述历史车辆特征图之间的特征点进行匹配,得到特征点匹配结果;依据所述特征点匹配结果对所述车辆特征图和所述历史车辆特征图进行归一化处理,得到目标车辆特征图和目标历史车辆特征图;依据所述特征点匹配结果计算所述目标车辆特征图和所述目标历史车辆特征图之间的第一平均位移。
在其中一个实施例中,所述第二确定模块还用于通过预设起始点公式、所述第一水平位移和所述目标车辆图像的图像宽度确定所述目标车辆图像的第一拼接起始点;所述第一水平位移为所述目标车辆图像的第一拼接长度。
在其中一个实施例中,所述装置还包括:
识别模块,用于实时对所述车辆图像进行识别;若所述车辆图像为开始进入检测区所采集到的车头图像,开始对所述车头图像进行拼接;若所述车辆图像中为完整车尾的车尾图像,则在完成对所述车尾图像的拼接之后,得到所述目标车辆完整的车辆拼接图像。
在其中一个实施例中,所述车头图像包括第一车头图像和第二车头图像;所述开始对所述车头图像进行拼接,所述拼接模块还用于在对所述第一车头图像和所述第二车头图像进行切分处理后,得到第一目标车头图像和第二目标车头图像;确定所述第一目标车头图像和所述第二目标车头图像之间的第二平均位移;所述第二平均位移包括第二水平位移和第二竖直位移;基于所述第二水平位移和所述第二目标车头图像的图像宽度确定所述第二目标车头图像的第二拼接起始点和第二拼接长度;在所述第二目标车头图像中以所述第二拼接起始点开始,截取长度为所述第二拼接长度的第二图像区域;依据所述第二竖直位移将所述第二图像区域与所述第一目标车头图像进行拼接,得到首张的车辆拼接图像;
在其中一个实施例中,所述装置还包括:
第三确定模块,用于对所述完整的车辆拼接图像进行识别,得到识别结果;基于所述识别结果确定所述完整的车辆拼接图像对应的车辆类型;依据所述车辆类型确定收费信息。
在其中一个实施例中,所述装置还包括:
重合处理模块,用于确定所述第一图像区域与上一时刻拼接所得的车辆拼接图像之间的重合区域;获取所述第一图像区域中所述重合区域的第一像素值,以及上一时刻拼接所得的车辆拼接图像中所述重合区域的第二像素值;计算所述第一像素值与所述第二像素值的平均像素值;将所述平均像素值作为所述重合区域的像素值。
第三方面,本申请还提供了一种计算机设备。所述计算机设备包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现上述方法的步骤。
第四方面,本申请还提供了一种计算机可读存储介质。所述计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述方法的步骤。
第五方面,本申请还提供了一种计算机程序产品。所述计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现上述方法的步骤。
上述车辆图像的拼接方法、装置、计算机设备和存储介质,通过实时获取目标车辆的车辆图像;在对车辆图像进行切分处理后,得到目标车辆图像;确定目标车辆图像与上一时刻的历史车辆图像之间的第一平均位移;第一平均位移包括第一水平位移和第一竖直位移;基于第一水平位移和目标车辆图像的图像宽度确定目标车辆图像的第一拼接起始点和第一拼接长度;在目标车辆图像中以第一拼接起始点开始,截取长度为第一拼接长度的第一图像区域;依据第一竖直位移将第一图像区域与上一时刻拼接所得的车辆拼接图像进行拼接,得到新的车辆拼接图像。实现了实时对获取的车辆图像进行切分、截取和拼接处理,有效提高了车辆图像的拼接效率,此外,依据确定的第一水平位移和第一竖直位移对图像进行拼接,提升了在水平方向和竖直方向上车辆图像拼接的精度,进而车辆即使是非直线行驶,也能对其车辆图像进行精确拼接。
附图说明
图1为一个实施例中车辆图像的拼接方法的应用环境图;
图2为一个实施例中车辆图像的拼接方法的流程示意图;
图3为一个实施例中车辆图像的拼接方法的应用场景图;
图4为一个实施例中进行首张的车辆图像拼接步骤的流程示意图;
图5为一个实施例中重合区域处理步骤的流程示意图;
图6为一个实施例中车辆图像的拼接装置的结构框图;
图7为另一个实施例中车辆图像的拼接装置的结构框图;
图8为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
本申请实施例提供的车辆图像的拼接方法,可以应用于如图1所示的应用环境中。其中,终端102通过网络与服务器104进行通信。数据存储系统可以存储服务器104需要处理的数据。数据存储系统可以集成在服务器104上,也可以放在云上或其他网络服务器上。
终端102实时获取目标车辆的车辆图像;终端102在对车辆图像进行切分处理后,得到目标车辆图像;终端102确定目标车辆图像与上一时刻的历史车辆图像之间的第一平均位移;第一平均位移包括第一水平位移和第一竖直位移;终端102基于第一水平位移和目标车辆图像的图像宽度确定目标车辆图像的第一拼接起始点和第一拼接长度;终端102在目标车辆图像中以第一拼接起始点开始,截取长度为第一拼接长度的第一图像区域;终端102依据第一竖直位移将第一图像区域与上一时刻拼接所得的车辆拼接图像进行拼接,得到新的车辆拼接图像。
其中,终端102可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑、物联网设备和便携式可穿戴设备,物联网设备可为智能相机、智能摄像机、一体机、智能音箱、智能电视、智能空调、智能车载设备等。便携式可穿戴设备可为智能手表、智能手环、头戴设备等。服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
在一个实施例中,如图2所示,提供了一种车辆图像的拼接方法,以该方法应用于图1中的终端102为例进行说明,包括以下步骤:
S202,实时获取目标车辆的车辆图像。
其中,目标车辆可以指在终端检测区内的车辆,例如,目标车辆可以是在智能相机可拍摄区内的车辆。车辆图像可以指含有目标车辆部分或全部的图像。
例如,图3为一个实施例中车辆图像的拼接方法的应用场景图;如图所示,终端可为一体机,该一体机包括前端传感器和智能处理单元。前端传感器可以以每秒50~120帧的速度采集车辆侧面图像,并传输至智能处理单元,智能处理单元每秒处理大于120帧车辆侧面图片,达到实时提取特征及拼接的目的。
一体机可安装于高速公路服务区匝道区域入/出口的L杆上,如图3所示,一体机垂直于车道进行安装,安装位置距离可检测(所覆)的车道为3~4.5米,高度距离车道地面为5米~7米。一体机的视野中心线垂直于车道车辆行进方向,向下俯视角度为40~45度,左右视场角为20度,上下视场角为150度。设备安装完成后,需要使用1米长的标尺对场景进行标定,在可检测的车道内且距离车道边缘20到200厘米处的任意3个位置放置此标尺,并在系统中标记下来1米的长度对应多少个像素。以该一体机获得的车辆图像的成像画面中,以车辆图像的上边缘的画面高度为0%,车辆图像的下边缘的画面高度为100%,则车辆图像中检测区对应的行车道上边缘的画面高度30%~60%之间,行车道底部边缘的画面高度的80%~100%之间。
具体地,终端可响应于获取车辆图像指令,开始实时获取图像,当目标车辆进入检测区时,实时获取目标车辆的车辆图像。
在一个实施例中,在S202之后,终端可以实时对车辆图像进行识别;若车辆图像为开始进入检测区所采集到的车头图像,开始对车头图像进行拼接;若车辆图像中为完整车尾的车尾图像,则在完成对车尾图像的拼接之后,得到目标车辆完整的车辆拼接图像。
其中,检测区可以指终端可以检测到的区域,例如,检测区可以为如图3中一体机垂直车道,且左右视场角为20度,上下视场角为150度的区域。车头图像可以是含有目标车辆的部分或全部车头的图像。车尾图像可以是含有目标车辆的部分或全部车尾的图像。车辆拼接图像可以是已拼接的车辆图像。
S204,在对车辆图像进行切分处理后,得到目标车辆图像。
其中,目标车辆图像可以是对车辆图像进行切分处理后的图像。
具体地,终端可以基于预设保留区域和预设切分比例对车辆图像进行切分处理,得到目标车辆图像。或者终端可以响应于对保留区域的选择操作,对车辆图像进行切分处理,得到目标车辆图像。以实现保留车辆图像中与终端距离相近的部分。
其中,预设保留区域可以指预先设置的图像区域,用于对车辆图像进行截取,例如,预设保留区域可以为车辆图像的中部且占车辆图像总面积1/3的区域。预设切分比例可以指预先设置的图像宽度与图像高度的比例,例如,预设切分比例可以为1:3。
在一个实施例中,基于预设保留区域和预设切分比例对车辆图像进行切分处理包括,截取车辆图像对应的预设保留区域,得到保留车辆图像,再依据预设切分比例对保留车辆图像进行调整,得到目标车辆图像。其中,保留车辆图像可以指车辆图像中对应预设保留区域的图像。
例如,预设保留区域为中部且占车辆图像总面积1/4的区域,预设切分比例为1:4。终端可以保留车辆图像中部且占车辆图像总面积1/4的区域后,再依据宽高比1:4对车辆图像进行调整。
S206,确定目标车辆图像与上一时刻的历史车辆图像之间的第一平均位移;第一平均位移包括第一水平位移和第一竖直位移。
其中,上一时刻可以指相对于目标车辆图像的上一张历史车辆图像对应的时刻。历史车辆图像可以指相对于目标车辆图像之前时刻的车辆图像。第一平均位移包括第一水平位移和第一竖直位移。第一水平位移可以指在目标车辆图像与上一时刻的历史车辆图像中,匹配特征点之间水平方向的位移。第一竖直位移在目标车辆图像与上一时刻的历史车辆图像中,匹配特征点之间竖直方向的位移。
在一个实施例中,在S206之前,终端可以对目标车辆图像与上一时刻的历史车辆图像进行特征点检测,得到车辆特征图和历史车辆特征图;对车辆特征图和历史车辆特征图之间的特征点进行匹配,得到特征点匹配结果;依据特征点匹配结果对车辆特征图和历史车辆特征图进行归一化处理,得到目标车辆特征图和目标历史车辆特征图;然后终端依据特征点匹配结果计算目标车辆特征图和目标历史车辆特征图之间的第一平均位移。
其中,特征点可以指图像中有特征的点,例如,特征点可以是目标车辆图像中车辆的轮胎上的某个点。进行特征点检测可以用的算法为尺度不变特征变换匹配(ScaleInvariant Feature Transform,SIFT)算法等。车辆特征图可以指目标车辆图像进行特征点检测后生成的特征图。历史车辆特征图可以指上一时刻的历史车辆图像进行特征点检测后生成的特征图。特征点匹配结果可以指车辆特征图与历史车辆特征图进行特征点匹配后,生成的匹配结果。特征点匹配可以指在车辆特征图与历史车辆特征图中找到对应的特征点的过程。归一化可以指将车辆特征图和历史车辆特征图中的车辆的同一侧面离终端的距离调整至一致的过程。目标车辆特征图可以指进行归一化处理的车辆特征图。目标历史车辆特征图可以指经过归一化处理的历史车辆特征图。
S208,基于第一水平位移和目标车辆图像的图像宽度确定目标车辆图像的第一拼接起始点和第一拼接长度。
其中,图像宽度可以指图像的物理宽度,也可以指图像的像素列数,例如,图片A的分辨率为4096*2160,则图片A的图像宽度可以为4096。第一拼接起始点可以指目标车辆图像的起始像素列数。第一拼接长度可以指目标车辆图像进行拼接的像素列数。例如,图像A的图像宽度为1080,即图像A的像素列数为1080,第一拼接起始点的范围可为0至1080。第一拼接长度的范围可为0至1080。
具体地,终端可以通过预设起始点公式、第一水平位移和目标车辆图像的图像宽度确定目标车辆图像的第一拼接起始点;第一水平位移为目标车辆图像的第一拼接长度。
在一个实施例中,当第一平均位移为0时,说明车辆图像中的车辆为静止状态或当第一平均位移为小于0时,说明车辆图像中的车辆为倒车状态,则不进行后续的拼接车辆图像的步骤,并重新获取新的车辆图像进行拼接。
S210,在目标车辆图像中以第一拼接起始点开始,截取长度为第一拼接长度的第一图像区域。
其中,第一图像区域可以指与用于与上一时刻拼接所得的车辆拼接图像进行拼接的图像区域。
S212,依据第一竖直位移将第一图像区域与上一时刻拼接所得的车辆拼接图像进行拼接,得到新的车辆拼接图像。
具体地,终端依据第一竖直位移对第一图像区域进行移动后,再将第一图像区域与上一时刻拼接所得的车辆拼接图像进行拼接,得到新的车辆拼接图像,对该车辆拼接图像缺失的图像部分对应的像素置为预设像素值,对该车辆拼接图像超出的图像部分进行去除,得到最终的车辆拼接图像。其中,预设像素值可以为预先设置的像素值,例如,预设像素值可以为0。
例如,当第一竖直位移大于0时,说明车辆向上移动,则将第一图像区域相对于上一时刻拼接所得的车辆拼接图像向下移动第一竖直位移;当第一竖直位移小于0时,说明车辆向下移动,则将第一图像区域相对于上一时刻拼接所得的车辆拼接图像向上移动第一竖直位移;当第一竖直位移等于0时,说明车辆竖直方向上未移动,则直接将第一图像区域与上一时刻拼接所得的车辆拼接图像进行拼接。
在一个实施例中,若车辆图像中为完整车尾的车尾图像,则对应的第一拼接起始点为第一拼接长度为w-1。在目标车辆图像中以第一拼接起始点开始,截取长度为第一拼接长度的第一图像区域,依据第一竖直位移将第一图像区域与上一时刻拼接所得的车辆拼接图像进行拼接,得到新的车辆拼接图像。
在一个实施例中,在S212之后,终端确定第一图像区域与上一时刻拼接所得的车辆拼接图像之间的重合区域;获取第一图像区域中重合区域的第一像素值,以及上一时刻拼接所得的车辆拼接图像中重合区域的第二像素值;计算第一像素值与第二像素值的平均像素值;将平均像素值作为重合区域的像素值,即将平均像素值作为新的车辆拼接图像中重合区域的像素值。
在一个实施例中,在S212之后,终端可以对完整的车辆拼接图像进行识别,得到识别结果;基于识别结果确定完整的车辆拼接图像对应的车辆类型;依据车辆类型确定收费信息。
其中,识别结果可以是车辆拼接图像中车辆的图像。车辆类型可以指车辆图像对应的车辆类型,例如,车辆类型可以是1至4类客车、1至6类货车、1至6类专项作业车等等。收费信息可以指收费的相关信息,收费信息可以包括收费金额、收费时间等等。
例如,终端对完整的车辆拼接图像B进行识别,得到识别结果为有5个轴的货车,依据相应的交通运输收费标准基于车确定对应的车辆类型为5类货车,进而确定相应的收费信息。
上述车辆图像的拼接方法中,通过实时获取目标车辆的车辆图像;在对车辆图像进行切分处理后,得到目标车辆图像;确定目标车辆图像与上一时刻的历史车辆图像之间的第一平均位移;第一平均位移包括第一水平位移和第一竖直位移;基于第一水平位移和目标车辆图像的图像宽度确定目标车辆图像的第一拼接起始点和第一拼接长度;在目标车辆图像中以第一拼接起始点开始,截取长度为第一拼接长度的第一图像区域;依据第一竖直位移将第一图像区域与上一时刻拼接所得的车辆拼接图像进行拼接,得到新的车辆拼接图像。实现了实时对获取的车辆图像进行切分、截取和拼接处理,有效提高了车辆图像的拼接效率,此外,依据确定的第一水平位移和第一竖直位移对图像进行拼接,提升了在水平方向和竖直方向上车辆图像拼接的精度,进而车辆即使是非直线行驶,也能对其车辆图像进行精确拼接。
在一个实施例中,如图4所示,为进行首张的车辆图像拼接步骤包括:
S402,在对第一车头图像和第二车头图像进行切分处理后,得到第一目标车头图像和第二目标车头图像。
其中,车头图像包括第一车头图像和第二车头图像,第一车头图像可以指第一张含有车头的图像,第二车头图像可以指第二张含有车头的图像。第一目标车头图像可以指将第一车头图像进行切分处理后得到的图像。第二目标车头图像可以指将第二车头图像进行切分处理后得到的图像。
在一个实施例中,终端可以基于预设保留区域和预设切分比例对第一车头图像和第二车头图像进行切分处理,得到第一目标车头图像和第二目标车头图像。或者终端可以响应于对保留区域的选择操作,对第一车头图像和第二车头图像进行切分处理,得到第一目标车头图像和第二目标车头图像。
在一个实施例中,基于预设保留区域和预设切分比例对第一车头图像和第二车头图像进行切分处理包括:截取第一车头图像和第二车头图像对应的预设保留区域,得到第一车头图像和第二车头图像对应的保留车辆图像,再依据预设切分比例分别对保留车辆图像进行调整,得到第一目标车头图像和第二目标车头图像。
S404,确定第一目标车头图像和第二目标车头图像之间的第二平均位移;第二平均位移包括第二水平位移和第二竖直位移。
其中,第二平均位移包括第二水平位移和第二竖直位移。第二水平位移可以是在第二目标车头图像与第一目标车头图像中,匹配特征点之间水平方向的位移。第二竖直位移在第二目标车头图像与第一目标车头图像中,匹配特征点之间竖直方向的位移。
S406,基于第二水平位移和第二目标车头图像的图像宽度确定第二目标车头图像的第二拼接起始点和第二拼接长度。
其中,第二拼接起始点可以指第二目标车头图像的起始像素列数。第二拼接长度可以指第二目标车头图像进行拼接的像素列数。例如,第二目标车头图像A的图像宽度为1080,即第二目标车头图像A的像素列数为1080,第一拼接起始点的范围可为0至1080。第一拼接长度的范围可为0至1080。
具体地,终端可以通过预设起始点公式、第二水平位移和第二目标车头图像的图像宽度确定第二目标车头图像的第二拼接起始点;第二水平位移为第二目标车头图像的第二拼接长度。
S408,在第二目标车头图像中以第二拼接起始点开始,截取长度为第二拼接长度的第二图像区域。
其中,第二图像区域可以指与用于与第一目标车头图像进行拼接的图像区域。
S410,依据第二竖直位移将第二图像区域与第一目标车头图像进行拼接,得到首张的车辆拼接图像。
具体地,终端依据第二竖直位移对第二图像区域进行移动后,再将第二图像区域与第一目标车头图像进行拼接,得到首张的车辆拼接图像,对该车辆拼接图像缺失的图像部分对应的像素置为预设像素值,对该车辆拼接图像超出的图像部分进行去除,得到最终首张的车辆拼接图像。
本实施例中,通过在对第一车头图像和第二车头图像进行切分处理后,得到第一目标车头图像和第二目标车头图像;确定第一目标车头图像和第二目标车头图像之间的第二平均位移;第二平均位移包括第二水平位移和第二竖直位移;基于第二水平位移和第二目标车头图像的图像宽度确定第二目标车头图像的第二拼接起始点和第二拼接长度;在第二目标车头图像中以第二拼接起始点开始,截取长度为第二拼接长度的第二图像区域;依据第二竖直位移将第二图像区域与第一目标车头图像进行拼接,得到首张的车辆拼接图像;实现了对首张的车辆拼接图像的拼接工作,为后续在该首张的车辆拼接图像的基础上对车辆图像拼接做了良好的准备。
在一个实施例中,如图5所示,重合区域处理步骤包括:
S502,确定第一图像区域与上一时刻拼接所得的车辆拼接图像之间的重合区域。
其中,重合区域可以指第一图像区域与上一时刻拼接所得的车辆拼接图像之间图像重复的图像区域。
具体地,终端可以对第一图像区域与上一时刻拼接所得的车辆拼接图像进行图像对比,得到对比结果,依据对比结果确定第一图像区域与上一时刻拼接所得的车辆拼接图像之间的重合区域。
其中,对比结果可以指第一图像区域与上一时刻拼接所得的车辆拼接图像之间特征比对结果。
S504,获取第一图像区域中重合区域的第一像素值,以及上一时刻拼接所得的车辆拼接图像中重合区域的第二像素值。
其中,第一像素值可以指第一图像区域中重合区域的RGB值。第二像素值上一时刻拼接所得的车辆拼接图像中重合区域的RGB值。
S506,计算第一像素值与第二像素值的平均像素值。
S508,将平均像素值作为重合区域的像素值。
具体地,终端可以将平均像素值作为新的车辆拼接图像中重合区域的像素值。
本实施例中,通过确定第一图像区域与上一时刻拼接所得的车辆拼接图像之间的重合区域;获取第一图像区域中重合区域的第一像素值,以及上一时刻拼接所得的车辆拼接图像中重合区域的第二像素值;计算第一像素值与第二像素值的平均像素值;将平均像素值作为重合区域的像素值。实现了车辆拼接图像在重合区域的像素融合,进一步提升了车辆图像的拼接精度。
应该理解的是,虽然如上的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,如上的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段,这些步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
基于同样的发明构思,本申请实施例还提供了一种用于实现上述所涉及的车辆图像的拼接方法的车辆图像的拼接装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似,故下面所提供的一个或多个车辆图像的拼接装置实施例中的具体限定可以参见上文中对于车辆图像的拼接方法的限定,在此不再赘述。
在一个实施例中,如图6所示,提供了一种车辆图像的拼接装置,包括:获取模块602、切分模块604、第一确定模块606、第二确定模块608、截取模块610和拼接模块612,其中:
获取模块602,用于实时获取目标车辆的车辆图像;
切分模块604,用于在对车辆图像进行切分处理后,得到目标车辆图像;
第一确定模块606,用于确定目标车辆图像与上一时刻的历史车辆图像之间的第一平均位移;第一平均位移包括第一水平位移和第一竖直位移;
第二确定模块608,用于基于第一水平位移和目标车辆图像的图像宽度确定目标车辆图像的第一拼接起始点和第一拼接长度;
截取模块610,用于在目标车辆图像中以第一拼接起始点开始,截取长度为第一拼接长度的第一图像区域;
拼接模块612,用于依据第一竖直位移将第一图像区域与上一时刻拼接所得的车辆拼接图像进行拼接,得到新的车辆拼接图像。
在一个实施例中,第一确定模块606还用于对目标车辆图像与上一时刻的历史车辆图像进行特征点检测,得到车辆特征图和历史车辆特征图;对车辆特征图和历史车辆特征图之间的特征点进行匹配,得到特征点匹配结果;依据特征点匹配结果对车辆特征图和历史车辆特征图进行归一化处理,得到目标车辆特征图和目标历史车辆特征图;依据特征点匹配结果计算目标车辆特征图和目标历史车辆特征图之间的第一平均位移。
在一个实施例中,第二确定模块608还用于通过预设起始点公式、第一水平位移和目标车辆图像的图像宽度确定目标车辆图像的第一拼接起始点;第一水平位移为目标车辆图像的第一拼接长度。
在一个实施例中,车头图像包括第一车头图像和第二车头图像;开始对车头图像进行拼接,拼接模块612还用于在对第一车头图像和第二车头图像进行切分处理后,得到第一目标车头图像和第二目标车头图像;确定第一目标车头图像和第二目标车头图像之间的第二平均位移;第二平均位移包括第二水平位移和第二竖直位移;基于第二水平位移和第二目标车头图像的图像宽度确定第二目标车头图像的第二拼接起始点和第二拼接长度;在第二目标车头图像中以第二拼接起始点开始,截取长度为第二拼接长度的第二图像区域;依据第二竖直位移将第二图像区域与第一目标车头图像进行拼接,得到首张的车辆拼接图像;
在一个实施例中,如图7所示,该车辆图像的拼接装置还包括:识别模块614、重合处理模块616和第三确定模块618,其中:
识别模块614,用于实时对车辆图像进行识别;若车辆图像为开始进入检测区所采集到的车头图像,开始对车头图像进行拼接;若车辆图像中为完整车尾的车尾图像,则在完成对车尾图像的拼接之后,得到目标车辆完整的车辆拼接图像。
重合处理模块616,用于确定第一图像区域与上一时刻拼接所得的车辆拼接图像之间的重合区域;获取第一图像区域中重合区域的第一像素值,以及上一时刻拼接所得的车辆拼接图像中重合区域的第二像素值;计算第一像素值与第二像素值的平均像素值;将平均像素值作为重合区域的像素值。
第三确定模块618,用于对完整的车辆拼接图像进行识别,得到识别结果;基于识别结果确定完整的车辆拼接图像对应的车辆类型;依据车辆类型确定收费信息。
上述实施例,通过实时获取目标车辆的车辆图像;在对车辆图像进行切分处理后,得到目标车辆图像;确定目标车辆图像与上一时刻的历史车辆图像之间的第一平均位移;第一平均位移包括第一水平位移和第一竖直位移;基于第一水平位移和目标车辆图像的图像宽度确定目标车辆图像的第一拼接起始点和第一拼接长度;在目标车辆图像中以第一拼接起始点开始,截取长度为第一拼接长度的第一图像区域;依据第一竖直位移将第一图像区域与上一时刻拼接所得的车辆拼接图像进行拼接,得到新的车辆拼接图像。实现了实时对获取的车辆图像进行切分、截取和拼接处理,有效提高了车辆图像的拼接效率,此外,依据确定的第一水平位移和第一竖直位移对图像进行拼接,提升了在水平方向和竖直方向上车辆图像拼接的精度,进而车辆即使是非直线行驶,也能对其车辆图像进行精确拼接。
上述车辆图像的拼接装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是终端,其内部结构图可以如图8所示。该计算机设备包括处理器、存储器、输入/输出接口、通信接口、显示单元和输入装置。其中,处理器、存储器和输入/输出接口通过系统总线连接,通信接口、显示单元和输入装置通过输入/输出接口连接到系统总线。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的输入/输出接口用于处理器与外部设备之间交换信息。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信,无线方式可通过WIFI、移动蜂窝网络、NFC(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种车辆图像的拼接方法。该计算机设备的显示单元用于形成视觉可见的画面,可以是显示屏、投影装置或虚拟现实成像装置,显示屏可以是液晶显示屏或电子墨水显示屏,该计算机设备的输入装置可以是显示屏上覆盖的触摸层,也可以是计算机设备外壳上设置的按键、轨迹球或触控板,还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解,图8中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现上述各实施例。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现上述各实施例。
在一个实施例中,提供了一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现上述各实施例。
需要说明的是,本申请所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等),均为经用户授权或者经过各方充分授权的信息和数据,且相关数据的收集、使用和处理需要遵守相关国家和地区的相关法律法规和标准。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用,均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory,ROM)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(ReRAM)、磁变存储器(Magnetoresistive Random Access Memory,MRAM)、铁电存储器(Ferroelectric Random Access Memory,FRAM)、相变存储器(Phase Change Memory,PCM)、石墨烯存储器等。易失性存储器可包括随机存取存储器(Random Access Memory,RAM)或外部高速缓冲存储器等。作为说明而非局限,RAM可以是多种形式,比如静态随机存取存储器(Static Random Access Memory,SRAM)或动态随机存取存储器(Dynamic RandomAccess Memory,DRAM)等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等,不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等,不限于此。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本申请专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请的保护范围应以所附权利要求为准。
Claims (11)
1.一种车辆图像的拼接方法,其特征在于,所述方法包括:
实时获取目标车辆的车辆图像;
在对所述车辆图像进行切分处理后,得到目标车辆图像;
确定所述目标车辆图像与上一时刻的历史车辆图像之间的第一平均位移;所述第一平均位移包括第一水平位移和第一竖直位移;
基于所述第一水平位移和所述目标车辆图像的图像宽度确定所述目标车辆图像的第一拼接起始点和第一拼接长度;
在所述目标车辆图像中以所述第一拼接起始点开始,截取长度为所述第一拼接长度的第一图像区域;
依据所述第一竖直位移将所述第一图像区域与上一时刻拼接所得的车辆拼接图像进行拼接,得到新的车辆拼接图像。
2.根据权利要求1所述的方法,其特征在于,所述确定所述目标车辆图像与上一时刻的历史车辆图像之间的第一平均位移之前,所述方法还包括:
对所述目标车辆图像与上一时刻的历史车辆图像进行特征点检测,得到车辆特征图和历史车辆特征图;
对所述车辆特征图和所述历史车辆特征图之间的特征点进行匹配,得到特征点匹配结果;
依据所述特征点匹配结果对所述车辆特征图和所述历史车辆特征图进行归一化处理,得到目标车辆特征图和目标历史车辆特征图;
所述确定所述目标车辆图像与上一时刻的历史车辆图像之间的第一平均位移包括;
依据所述特征点匹配结果计算所述目标车辆特征图和所述目标历史车辆特征图之间的第一平均位移。
3.根据权利要求1所述的方法,其特征在于,所述基于所述第一水平位移和所述目标车辆图像的图像宽度确定所述目标车辆图像的第一拼接起始点和第一拼接长度包括:
通过预设起始点公式、所述第一水平位移和所述目标车辆图像的图像宽度确定所述目标车辆图像的第一拼接起始点;
所述第一水平位移为所述目标车辆图像的第一拼接长度。
4.根据权利要求1所述的方法,其特征在于,所述实时获取目标车辆的车辆图像之后,所述方法还包括:
实时对所述车辆图像进行识别;
若所述车辆图像为开始进入检测区所采集到的车头图像,开始对所述车头图像进行拼接;
若所述车辆图像中为完整车尾的车尾图像,则在完成对所述车尾图像的拼接之后,得到所述目标车辆完整的车辆拼接图像。
5.根据权利要求4所述的方法,其特征在于,所述车头图像包括第一车头图像和第二车头图像;所述开始对所述车头图像进行拼接,包括:
在对所述第一车头图像和所述第二车头图像进行切分处理后,得到第一目标车头图像和第二目标车头图像;
确定所述第一目标车头图像和所述第二目标车头图像之间的第二平均位移;所述第二平均位移包括第二水平位移和第二竖直位移;
基于所述第二水平位移和所述第二目标车头图像的图像宽度确定所述第二目标车头图像的第二拼接起始点和第二拼接长度;
在所述第二目标车头图像中以所述第二拼接起始点开始,截取长度为所述第二拼接长度的第二图像区域;
依据所述第二竖直位移将所述第二图像区域与所述第一目标车头图像进行拼接,得到首张的车辆拼接图像。
6.根据权利要求4所述的方法,其特征在于,所述方法还包括:
对所述完整的车辆拼接图像进行识别,得到识别结果;
基于所述识别结果确定所述完整的车辆拼接图像对应的车辆类型;
依据所述车辆类型确定收费信息。
7.根据权利要求1至6任一项所述的方法,其特征在于,所述依据所述第一竖直位移将所述第一图像区域与上一时刻拼接所得的车辆拼接图像进行拼接之后,所述方法还包括:
确定所述第一图像区域与上一时刻拼接所得的车辆拼接图像之间的重合区域;
获取所述第一图像区域中所述重合区域的第一像素值,以及上一时刻拼接所得的车辆拼接图像中所述重合区域的第二像素值;
计算所述第一像素值与所述第二像素值的平均像素值;
将所述平均像素值作为所述重合区域的像素值。
8.一种车辆图像的拼接装置,其特征在于,所述装置包括:
获取模块,用于实时获取目标车辆的车辆图像;
切分模块,用于在对所述车辆图像进行切分处理后,得到目标车辆图像;
第一确定模块,用于确定所述目标车辆图像与上一时刻的历史车辆图像之间的第一平均位移;所述第一平均位移包括第一水平位移和第一竖直位移;
第二确定模块,用于基于所述第一水平位移和所述目标车辆图像的图像宽度确定所述目标车辆图像的第一拼接起始点和第一拼接长度;
截取模块,用于在所述目标车辆图像中以所述第一拼接起始点开始,截取长度为所述第一拼接长度的第一图像区域;
拼接模块,用于依据所述第一竖直位移将所述第一图像区域与上一时刻拼接所得的车辆拼接图像进行拼接,得到新的车辆拼接图像。
9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
11.一种计算机程序产品,包括计算机程序,其特征在于,该计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210438629.9A CN114897686A (zh) | 2022-04-25 | 2022-04-25 | 车辆图像的拼接方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210438629.9A CN114897686A (zh) | 2022-04-25 | 2022-04-25 | 车辆图像的拼接方法、装置、计算机设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114897686A true CN114897686A (zh) | 2022-08-12 |
Family
ID=82717156
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210438629.9A Pending CN114897686A (zh) | 2022-04-25 | 2022-04-25 | 车辆图像的拼接方法、装置、计算机设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114897686A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117218109A (zh) * | 2023-10-16 | 2023-12-12 | 北京卓视智通科技有限责任公司 | 车辆侧向拼接图像完整度检测方法、系统、设备和介质 |
-
2022
- 2022-04-25 CN CN202210438629.9A patent/CN114897686A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117218109A (zh) * | 2023-10-16 | 2023-12-12 | 北京卓视智通科技有限责任公司 | 车辆侧向拼接图像完整度检测方法、系统、设备和介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2021004548A1 (zh) | 一种基于双目立体视觉系统的车辆智能测速方法 | |
EP2092270B1 (en) | Method and apparatus for identification and position determination of planar objects in images | |
US9396553B2 (en) | Vehicle dimension estimation from vehicle images | |
WO2008130219A1 (en) | Method of and apparatus for producing road information | |
EP4184119A1 (en) | Travelable region determination method, intelligent driving system and intelligent vehicle | |
KR20230005140A (ko) | 이미지 기반 위치 결정 및 주차 모니터링을 위한 시스템 및 방법 | |
CN111127516A (zh) | 无搜索框的目标检测和跟踪方法及系统 | |
US20230222688A1 (en) | Mobile device positioning method and positioning apparatus | |
CN111750891B (zh) | 用于信息处理的方法、计算设备和计算机存储介质 | |
CN114708547A (zh) | 车辆重识别方法、装置、计算机设备、存储介质 | |
CN114897684A (zh) | 车辆图像的拼接方法、装置、计算机设备和存储介质 | |
CN114897686A (zh) | 车辆图像的拼接方法、装置、计算机设备和存储介质 | |
CN115205382A (zh) | 目标物定位方法以及装置 | |
CN113673288A (zh) | 空闲车位检测方法、装置、计算机设备及存储介质 | |
CN113902047B (zh) | 图像元素匹配方法、装置、设备以及存储介质 | |
CN115830073A (zh) | 地图要素重建方法、装置、计算机设备和存储介质 | |
CN115249345A (zh) | 一种基于倾斜摄影三维实景地图的交通拥堵检测方法 | |
Pham et al. | NVAutoNet: Fast and Accurate 360deg 3D Visual Perception for Self Driving | |
CN113591720A (zh) | 车道偏离检测方法、装置及计算机存储介质 | |
CN108416305B (zh) | 连续型道路分割物的位姿估计方法、装置及终端 | |
CN111539279A (zh) | 道路限高高度检测方法、装置、设备及存储介质 | |
CN114550464B (zh) | 车辆信息确定方法、装置、计算机设备和存储介质 | |
CN116958915B (zh) | 目标检测方法、装置、电子设备及存储介质 | |
CN110188650B (zh) | 基于ptz相机的双级视场目标检测方法、装置及系统 | |
CN117893976A (zh) | 车型识别方法、装置、计算机设备和存储介质 |
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 | ||
TA01 | Transfer of patent application right | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20220907 Address after: Room 1903, 19th floor, building 2, courtyard 1, Wangzhuang Road, Haidian District, Beijing 100089 Applicant after: BEIJING SIGNALWAY TECHNOLOGIES Co.,Ltd. Address before: 518051 room 603, block a, Skyworth building, No. 008, Gaoxin South 1st Road, Yuehai street, Nanshan District, Shenzhen, Guangdong Province Applicant before: SHENZHEN SIGNALTONE INTELLIGENT TECHNOLOGY CO.,LTD. |