CN115373037A - 一种检测方法、装置、设备及存储介质 - Google Patents
一种检测方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN115373037A CN115373037A CN202210990556.4A CN202210990556A CN115373037A CN 115373037 A CN115373037 A CN 115373037A CN 202210990556 A CN202210990556 A CN 202210990556A CN 115373037 A CN115373037 A CN 115373037A
- Authority
- CN
- China
- Prior art keywords
- detection
- target
- information
- image
- camera
- 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
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V8/00—Prospecting or detecting by optical means
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/16—Measuring arrangements characterised by the use of optical techniques for measuring the deformation in a solid, e.g. optical strain gauge
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
- G01N2021/8887—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges based on image processing techniques
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30232—Surveillance
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- Medical Informatics (AREA)
- Databases & Information Systems (AREA)
- Computing Systems (AREA)
- Multimedia (AREA)
- Artificial Intelligence (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Geophysics (AREA)
- Software Systems (AREA)
- Signal Processing (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Geophysics And Detection Of Objects (AREA)
Abstract
本发明公开了一种检测方法、装置、设备及存储介质。该方法包括:通过所述第一摄像头获取第一图像;通过所述第二摄像头获取第二图像;通过所述激光传感器和所述第二摄像头获取第三图像;根据所述第一图像、所述第二图像以及所述第三图像确定至少一个检测目标的目标形变量信息;将所述至少一个检测目标的目标形变量信息发送至服务器,以使所述服务器基于所述至少一个检测目标的目标形变量信息确定所述至少一个检测目标对应的检测结果,通过本发明的技术方案,能够解决通过合成孔径雷达对边坡进行检测,设备昂贵、效率低且不稳定的问题,能够在具有极低的软硬件维护成本和人力成本的前提下,快速高效稳定的实现高精度检测。
Description
技术领域
本发明实施例涉及计算机技术领域,尤其涉及一种检测方法、装置、设备及存储介质。
背景技术
边坡可分为自然边坡和人工边坡,按介质成份可分为土质边坡和岩质边坡。边坡包括至少一个检测目标,对于不同的边坡工程,其成因、组成成份各不相同,地质构造和地应力的分布更是千差万别,这样就决定了边坡检测是一个复杂的系统工程。
现有的边坡检测方案均是通过合成孔径雷达对边坡(至少一个检测目标)进行检测,现有的边坡检测方案存在如下问题:
1、合成孔径雷达设备昂贵;
2、通过合成孔径雷达对边坡进行检测需要移动合成孔径雷达至每个边坡对应的区域范围内,才能够对边坡进行测量,效率较低;
3、合成孔径雷达单点检测结果不稳定。
发明内容
本发明实施例提供一种检测方法、装置、设备及存储介质,以实现能够解决通过合成孔径雷达对边坡进行检测,设备昂贵、效率低且不稳定的问题,能够在具有极低的软硬件维护成本和人力成本的前提下,快速高效稳定的实现高精度检测。
根据本发明的一方面,提供了一种检测方法,由检测终端执行,所述检测终端包括:至少第一摄像头、至少一个第二摄像头和激光传感器,所述第一摄像头的视角大于所述第二摄像头的视角,所述检测方法包括:
通过所述第一摄像头获取第一图像;
通过所述第二摄像头获取第二图像;
通过所述激光传感器和所述第二摄像头获取第三图像;
根据所述第一图像、所述第二图像以及所述第三图像确定至少一个检测目标的目标形变量信息;
将所述至少一个检测目标的目标形变量信息发送至服务器,以使所述服务器基于所述至少一个检测目标的目标形变量信息确定所述至少一个检测目标对应的检测结果。
根据本发明的另一方面,提供了一种检测方法,由服务器执行,所述检测方法包括:
接收至少一个检测终端发送的至少一个检测目标的目标形变量信息;
根据所述至少一个检测目标的目标形变量信息确定所述至少一个检测目标对应的检测结果。
根据本发明的另一方面,提供了一种检测装置,配置在检测终端中,所述检测终端包括:至少第一摄像头、至少一个第二摄像头和激光传感器,所述第一摄像头的视角大于所述第二摄像头的视角,所述检测装置包括:
第一获取模块,用于通过所述第一摄像头获取第一图像;
第二获取模块,用于通过所述第二摄像头获取第二图像;
第三获取模块,用于通过所述激光传感器和所述第二摄像头获取第三图像;
形变量信息确定模块,用于根据所述第一图像、所述第二图像以及所述第三图像确定至少一个检测目标的目标形变量信息;
发送模块,用于将所述至少一个检测目标的目标形变量信息发送至服务器,以使所述服务器基于所述至少一个检测目标的目标形变量信息确定所述至少一个检测目标对应的检测结果。
根据本发明的另一方面,提供了一种检测装置,配置在服务器中,所述检测装置包括:
接收模块,用于接收至少一个检测终端发送的至少一个检测目标的目标形变量信息;
检测结果确定模块,用于根据所述至少一个检测目标的目标形变量信息确定所述至少一个检测目标对应的检测结果。
根据本发明的另一方面,提供了一种电子设备,所述电子设备包括:
至少一个处理器;以及
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计算机程序,所述计算机程序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本发明任一实施例所述的检测方法。
根据本发明的另一方面,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存储有计算机指令,所述计算机指令用于使处理器执行时实现本发明任一实施例所述的检测方法。
本发明实施例通过所述第一摄像头获取第一图像;通过所述第二摄像头获取第二图像;通过所述激光传感器和所述第二摄像头获取第三图像;根据所述第一图像、所述第二图像以及所述第三图像确定至少一个检测目标的目标形变量信息;将所述至少一个检测目标的目标形变量信息发送至服务器,以使所述服务器基于所述至少一个检测目标的目标形变量信息确定所述至少一个检测目标对应的检测结果,能够解决通过合成孔径雷达对边坡进行检测,设备昂贵、效率低且不稳定的问题,能够在具有极低的软硬件维护成本和人力成本的前提下,快速高效稳定的实现高精度检测。
应当理解,本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征,也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1是本发明实施例中的一种检测终端的结构示意图;
图2是本发明实施例中的一种检测方法的流程图;
图3是本发明实施例中的另一种检测终端的结构示意图;
图4是本发明实施例中的另一种检测方法的流程图;
图5是本发明实施例中的一种服务器的结构示意图;
图6是本发明实施例中的一种检测装置的结构示意图;
图7是本发明实施例中的另一种检测装置的结构示意图;
图8是本发明实施例中的一种电子设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,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的实施例,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做出创造性劳动前提下所获得的所有其他实施例,都应当属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
图1为本发明实施例提供的一种检测终端的结构示意图,所述检测终端包括:至少第一摄像头110、至少一个第二摄像头120和激光传感器130,所述第一摄像头110的视角大于所述第二摄像头120的视角。
其中,所述第一摄像头的测量范围大于所述第二摄像头的测量范围,所述第二摄像头用于保证高精度测量。所述第一摄像头和所述第二摄像头均为前视摄像头。所述激光传感器为主动光学传感器,所述第一摄像头和所述第二摄像头为被动光学传感器。
所述检测终端还包括:定位模块,所述定位模块用于获取所述检测终端的当前位置信息。
所述检测终端还包括:电机模块,所述电机模块用于带动所述检测终端移动,所述电机模块可以包括第一电机和第二电机,所述第一电机用于带动所述检测终端水平方向移动,所述第二电机用于带动所述检测终端竖直方向移动。
需要说明的是,所述检测终端可以为测量机器人。
图2为本发明实施例提供的一种检测方法的流程图,本实施例可适用于边坡检测的情况,该方法可以由本发明实施例中的检测装置来执行,该装置可采用软件和/或硬件的方式实现,如图2所示,该方法具体包括如下步骤:
S210,通过所述第一摄像头获取第一图像。
其中,通过所述第一摄像头获取第一图像的方式可以为:控制第一摄像头按照预设周期获取第一图像;通过所述第一摄像头获取第一图像的方式还可以为:在所述检测终端移动过程中通过所述第一摄像头采集第一图像。例如可以是,在检测终端处于A位置时,通过第一摄像头采集第一图像,在检测终端从A位置移动至B位置时,通过第一摄像头采集第一图像,在检测终端从B位置移动至C位置时,通过第一摄像头采集第一图像。
需要说明的是,所述第一图像可以为一个也可以为多个,本发明实施例对此不进行限制。
S220,通过所述第二摄像头获取第二图像。
其中,通过所述第二摄像头获取第二图像的方式可以为:根据第一图像确定每个检测目标的位置信息,根据每个检测目标的位置信息控制检测终端移动至检测目标的附近区域,在检测终端移动至检测目标的附近区域后,通过第二摄像头获取第二图像。例如可以是,对第一图像进行识别,得到3个检测目标,检测目标A、检测目标B以及检测目标C,控制检测终端移动至检测目标A附近,通过第二摄像头拍摄检测目标A的第二图像;控制移动终端移动至检测目标B附近,通过第二摄像头拍摄检测目标B的第二图像;控制移动终端移动至检测目标C附近,通过第二摄像头拍摄检测目标C的第二图像。
通过所述第二摄像头获取第二图像的方式还可以为:根据第一图像确定至少一个检测目标的第一形变量信息和至少一个检测目标的位置信息,根据所述至少一个检测目标的第一形变量信息和至少一个检测目标的位置信息对所述至少一个检测目标进行排序,得到检测目标序列,根据检测目标序列,控制所述检测终端依次移动至检测目标附近区域,以使第二摄像头在检测目标的附近区域对所述检测目标进行拍摄,得到第二图像。例如可以是,对第一图像进行识别,得到3个检测目标的位置信息和第一形变量信息,根据3个检测目标的位置信息和第一形变量信息确定检测目标序列,其中,检测目标序列中的检测目标从前到后依次为:检测目标A、检测目标B、检测目标C,控制检测终端移动至检测目标A附近,通过第二摄像头拍摄检测目标A的第二图像;控制移动终端移动至检测目标B附近,通过第二摄像头拍摄检测目标B的第二图像;控制移动终端移动至检测目标C附近,通过第二摄像头拍摄检测目标C的第二图像。
S230,通过所述激光传感器和所述第二摄像头获取第三图像。
其中,激光能够应对复杂环境条件,通过激光传感器通过算法滤波可以对环境干扰进行滤波,得到高精度信息。
具体的,通过所述激光传感器和所述第二摄像头获取第三图像的方式可以为:以激光为主动光源,通过第二摄像头得到主动光学图像信息,即第三图像。
S240,根据所述第一图像、所述第二图像以及所述第三图像确定至少一个检测目标的目标形变量信息。
具体的,根据所述第一图像、所述第二图像以及所述第三图像确定至少一个检测目标的目标形变量信息的方式可以为:对所述第一图像、所述第二图像以及所述第三图像进行融合,得到至少一个检测目标的目标形变量信息;根据所述第一图像、所述第二图像以及所述第三图像确定至少一个检测目标的目标形变量信息的方式还可以为:对所述第一图像进行识别,得到至少一个检测目标的第一形变量信息和至少一个检测目标的位置信息;根据所述至少一个检测目标的第一形变量信息和至少一个检测目标的位置信息对所述至少一个检测目标进行排序,得到检测目标序列;根据所述检测目标序列对所述第二图像进行识别,得到至少一个检测目标的第二形变量信息;根据所述检测目标序列对所述第三图像进行识别,得到至少一个检测目标的第三形变量信息;根据所述至少一个检测目标的第一形变量信息、至少一个检测目标的第二形变量信息以及至少一个检测目标的第三形变量信息确定至少一个检测目标的目标形变量信息。
S250,将所述至少一个检测目标的目标形变量信息发送至服务器,以使所述服务器基于所述至少一个检测目标的目标形变量信息确定所述至少一个检测目标对应的检测结果。
其中,所述检测结果包括:风险等级信息,所述检测结果还可以包括:第一图像、第二图像和第三图像,以使得在服务器在确定检测结果后,可视化显示风险等级信息、第一图像、第二图像以及第三图像,以供用户更直观的了解边坡状态。所述检测结果还可以包括:地域信息和所述地域信息对应的环境信息,例如可以是,地域R、地域R对应的环境信息为环境信息T、地域R中的检测目标A的风险等级为二级。
具体的,将所述至少一个检测目标的目标形变量信息发送至服务器,以使所述服务器基于所述至少一个检测目标的目标形变量信息确定所述至少一个检测目标对应的检测结果的方式可以为:检测终端周期性将所述至少一个检测目标的目标形变量信息发送至服务器,服务器接收至少一个检测终端发送的所述至少一个检测目标的目标形变量信息,服务器根据至少一个检测终端发送的所述至少一个检测目标的目标形变量信息生成形变量信息序列;根据所述每个检测目标对应的形变量信息序列确定所述每个检测目标对应的检测结果。
可选的,所述检测终端还包括:定位模块;
将所述至少一个检测目标的目标形变量信息发送至服务器包括:
通过所述定位模块获取当前位置信息;
获取当前状态信息;
将所述当前位置信息、当前状态信息以及所述至少一个检测目标的目标形变量信息发送至服务器。
其中,所述定位模块可以为GPS定位模块,也可以为其他定位模块,本发明实施例对此不进行限制。
其中,所述当前状态信息为所述检测终端的当前状态信息,所述当前状态信息包括:正常状态、故障状态、温度状态、电量状态中的至少一种,本发明实施例对此不进行限制。
具体的,检测终端在将至少一个检测目标的目标形变量信息发送至服务器的同时,向服务器发送检测终端的当前位置信息和当前状态信息。以使服务器监控各个检测终端,防止出现由于检测终端故障,导致服务器的检测结果错误的情况。并且能够根据位置信息对不同的检测终端进行区分,以便于服务器进行后续的检测结果确定。
可选的,根据所述第一图像、所述第二图像以及所述第三图像确定至少一个检测目标的目标形变量信息,包括:
对所述第一图像进行识别,得到至少一个检测目标的第一形变量信息和至少一个检测目标的位置信息;
根据所述至少一个检测目标的第一形变量信息和至少一个检测目标的位置信息对所述至少一个检测目标进行排序,得到检测目标序列;
根据所述检测目标序列对所述第二图像进行识别,得到至少一个检测目标的第二形变量信息;
根据所述检测目标序列对所述第三图像进行识别,得到至少一个检测目标的第三形变量信息;
根据所述至少一个检测目标的第一形变量信息、至少一个检测目标的第二形变量信息以及至少一个检测目标的第三形变量信息确定至少一个检测目标的目标形变量信息。
其中,所述形变量信息包括:地质形变信息和加固结构形变信息,例如可以是,所述形变量信息包括:检测目标所处地面的形变信息、地表是否存在裂缝、地下深部形变信息、支护结构的形变信息。
具体的,根据所述至少一个检测目标的第一形变量信息和至少一个检测目标的位置信息对所述至少一个检测目标进行排序,得到检测目标序列的方式可以为:若检测终端和检测目标在同一平面,且检测终端在检测目标的左侧或者右侧,则按照检测目标和检测终端之间的距离进行排序,得到检测目标序列;若检测终端和检测目标在同一平面,且检测终端在检测目标的前方或者后方,则按照从检测终端左侧至右侧的顺序进行排序,得到检测目标序列。若检测终端和检测目标不在同一平面,则根据第一图像识别出的检测目标从右到左进行排序,得到检测目标序列。
具体的,根据所述检测目标序列对所述第二图像进行识别,得到至少一个检测目标的第二形变量信息。例如可以是,若检测目标序列中的检测目标从前到后依次为:检测目标A、检测目标B、检测目标C,则先对检测目标A的第二图像进行识别,得到检测目标A的第二形变量信息;再对检测目标B的第二图像进行识别,得到检测目标B的第二形变量信息;最后对检测目标C的第二图像进行识别,得到检测目标C的第二形变量信息。
具体的,根据所述检测目标序列对所述第三图像进行识别,得到至少一个检测目标的第三形变量信息。例如可以是,若检测目标序列中的检测目标从前到后依次为:检测目标A、检测目标B、检测目标C,则先对检测目标A的第三图像进行识别,得到检测目标A的第三形变量信息;再对检测目标B的第三图像进行识别,得到检测目标B的第三形变量信息;最后对检测目标C的第三图像进行识别,得到检测目标C的第三形变量信息。
具体的,根据所述至少一个检测目标的第一形变量信息、至少一个检测目标的第二形变量信息以及至少一个检测目标的第三形变量信息确定至少一个检测目标的目标形变量信息的方式可以为:对所述至少一个检测目标的第一形变量信息、至少一个检测目标的第二形变量信息以及至少一个检测目标的第三形变量信息进行融合,得到至少一个检测目标的目标形变量信息。
可选的,所述检测终端还包括:电机模块,所述电机模块用于带动所述检测终端移动,以使所述检测终端上配置的第一摄像头和第二摄像头跟随所述检测终端移动。
其中,所述电机模块可以包括两个电机,第一电机和第二电机,,所述第一电机用于带动所述检测终端水平方向移动,所述第二电机用于带动所述检测终端竖直方向移动。
可选的,通过所述第一摄像头获取第一图像,包括:
控制所述电机模块带动所述检测终端移动;
在所述检测终端移动过程中通过所述第一摄像头采集第一图像。
其中,控制所述电机模块带动所述检测终端移动的方式可以为:控制所述电机模块按照预设规则带动所述检测终端移动,其中,所述预设规则可以为预设距离,也可以为预设速度,本发明实施例对此不进行限制。
在一个具体的例子中,控制所述电机模块带动所述检测终端从A位置移动至B位置,在检测终端处于B位置时,通过第一摄像头采集第一图像,控制所述电机模块带动所述检测终端从B位置移动至C位置,在检测终端处于C位置时,通过第一摄像头采集第一图像,以此类推,在此不进行赘述。
可选的,通过所述第二摄像头获取第二图像,包括:
根据检测目标的位置信息和当前位置信息确定目标移动信息;
根据所述目标移动信息生成第一控制指令;
将所述第一控制指令发送至电机模块,以使所述电机模块带动所述检测终端移动至目标位置;
在所述第二摄像头转动至目标位置之后,通过所述第二摄像头获取第二图像。
其中,根据检测目标的位置信息和当前位置信息确定目标移动信息的方式可以为:根据检测目标的位置信息、第二摄像头的视角以及当前位置信息确定目标移动信息。
其中,根据所述目标移动信息生成第一控制指令的方式可以为:根据目标移动信息确定电机的移动距离,根据移动距离生成第一控制指令。
其中,所述目标位置可以为所述检测目标的附近区域。在检测终端处于目标位置时,能够通过第二摄像头采集到检测目标的高精度图像。
在一个具体的例子中,如图3所示,所述检测终端为视觉机器人,视觉机器人包括:视觉感知模块、激光传感器、电机模块、数据处理模块、数据传输模块以及GPS定位模块,视觉感知模块包括:Camera1和Camera2,数据传输模块包括:5G、CAN、串口以及蓝牙中的至少一种。视觉感知模块和激光传感器是保证终端高精度变形测量任务的核心硬件模块。电机模块保证了视觉机器人可以进行高难度、多复杂性等恶劣环境的控制任务。数据传输模块一方面保证了终端的信息传输、信息导出、信息共享,另一方面为服务器提供基础性地形数据,为服务器进行地形分析提供有力数据保障。
在一个具体的例子中,对所述第一图像进行图像搜索,得到检测目标序列和粗粒度特征信息,对所述第二图像进行高精度搜索,得到精细化特征信息;对所述粗粒度特征信息和所述精细化特征信息进行被动视觉形变分析,得到被动视觉形变量信息;对所述第三图像进行主动视觉形变分析,得到主动视觉形变量信息。
本实施例的技术方案,通过所述第一摄像头获取第一图像;通过所述第二摄像头获取第二图像;通过所述激光传感器和所述第二摄像头获取第三图像;根据所述第一图像、所述第二图像以及所述第三图像确定至少一个检测目标的目标形变量信息;将所述至少一个检测目标的目标形变量信息发送至服务器,以使所述服务器基于所述至少一个检测目标的目标形变量信息确定所述至少一个检测目标对应的检测结果,能够解决通过合成孔径雷达对边坡进行检测,设备昂贵、效率低且不稳定的问题,能够在具有极低的软硬件维护成本和人力成本的前提下,快速高效稳定的实现高精度检测。
图4为本发明实施例提供的一种检测方法的流程图,本实施例可适用于边坡检测的情况,该方法可以由本发明实施例中的检测装置来执行,该装置可采用软件和/或硬件的方式实现,如图4所示,该方法具体包括如下步骤:
S410,接收至少一个检测终端发送的至少一个检测目标的目标形变量信息。
其中,所述至少一个检测目标的目标形变量信息的获取方式和上述实施例中的获取方式相同,在此不进行赘述。
需要说明的是,可以在每个站点设置至少一个检测终端,每个检测终端均需向服务器发送检测目标的目标形变量信息。
可选的,至少一个检测终端在向服务器发送检测目标的目标形变量信息的同时发送自身的位置信息和状态信息,以便于服务器对各个站点的检测终端进行同一管理。
S420,根据所述至少一个检测目标的目标形变量信息确定所述至少一个检测目标对应的检测结果。
其中,所述检测结果包括:风险等级信息,所述检测结果还可以包括:第一图像、第二图像和第三图像,以使得在服务器在确定检测结果后,可视化显示风险等级信息、第一图像、第二图像以及第三图像,以供用户更直观的了解边坡状态。所述检测结果还可以包括:地域信息和所述地域信息对应的环境信息,例如可以是,地域R、地域R对应的环境信息为环境信息T、地域R中的检测目标A的风险等级为二级。
具体的,根据所述至少一个检测目标的目标形变量信息确定所述至少一个检测目标对应的检测结果的方式可以为:周期性获取至少一个检测目标的目标形变量信息,得到每个检测目标对应的形变量信息序列;根据所述每个检测目标对应的形变量信息序列确定所述每个检测目标对应的检测结果。
可选的,根据所述至少一个检测目标的目标形变量信息确定所述至少一个检测目标对应的检测结果,包括:
周期性获取至少一个检测目标的目标形变量信息,得到每个检测目标对应的形变量信息序列;
根据所述每个检测目标对应的形变量信息序列确定所述每个检测目标对应的检测结果。
其中,所述形变量信息序列包括:时间信息和时间信息对应的形变量信息。
具体的,根据所述每个检测目标对应的形变量信息序列确定所述每个检测目标对应的检测结果的方式可以为:根据每个检测目标对应的形变量信息序列绘制形变量信息曲线(横坐标为时间,纵坐标为形变量信息),根据所述形变量信息曲线确定检测结果。
可选的,在根据所述至少一个检测目标的目标形变量信息确定所述至少一个检测目标对应的检测结果之后,还包括:
获取历史检测结果;
根据所述历史检测结果确定所述历史检测结果对应的地域信息样本和所述地域信息样本对应的环境信息;
根据所述历史检测结果、所述历史检测结果对应的地域信息样本以及所述地域信息样本对应的环境信息生成目标样本集;
根据所述目标样本集训练神经网络模型,得到目标检测模型。
其中,所述历史检测结果可以包括:风险等级信息、时间信息、地域信息和所述地域信息对应的环境信息。所述历史检测结果还可以包括:风险等级信息、时间信息、第一图像、第二图像以及第三图像。
具体的,根据所述历史检测结果确定所述历史检测结果对应的地域信息样本和所述地域信息样本对应的环境信息的方式可以为:根据第一图像、第二图像以及第三图像确定所述历史检测结果对应的地域信息样本;根据所述时间信息、第一图像、第二图像以及第三图像确定所述地域信息样本对应的环境信息。
具体的,根据所述目标样本集训练神经网络模型,得到目标检测模型的方式可以为:预先建立神经网络模型,将所述目标样本集中的地域信息样本和所述地域信息样本对应的环境信息输入神经网络模型,得到预测风险等级,根据所述预测风险等级和所述地域信息样本生成的目标函数训练所述神经网络模型的参数,返回执行将所述目标样本集中的地域信息样本和所述地域信息样本对应的环境信息输入神经网络模型,得到预测风险等级的操作,直至得到目标检测模型。
可选的,在根据所述目标样本集训练神经网络模型,得到目标检测模型之后,还包括:
获取待检测地域信息和所述待检测地域信息对应的环境信息;
将所述待检测地域信息和所述待检测地域信息对应的环境信息输入所述目标检测模型,得到目标检测结果。
具体的,将所述待检测地域信息和所述待检测地域信息对应的环境信息输入所述目标检测模型,得到目标检测结果,例如可以是,将所述待检测地域信息和所述待检测地域信息对应的环境信息输入所述目标检测模型,得到所述待检测地域信息对应的风险等级信息。
在一个具体的例子中,如图5所示,服务器包括:数据接收模块、数据存储模块、数据分析模块、远程操控模块。其中,数据存储模块为后续数据分析提供了保障。数据分析模块包括:数据监控单元、可视化单元、数据融合分析单元和数据预警单元。数据监控单元和可视化单元用于根据操作管理员的设置和风险等级对各个检测终端进行单纯的监控和展示。数据预警单元用于根据检测结果进行预警。数据融合分析单元用于获取每个地域信息的地形板块运动情感信息,根据对历史海量多源数据确定不同地域、不同气候、不同季节等因素赋予不同的情感要素,对其进行情感预测,辅助管理人员对特定情感地域信息进行重点关注和风控提前部署。远程控制模块是通过服务器对各个检测终端的传感器运行频率、运行状态、传感器的硬件情况进行远程管控,极大程度降低了管控难度和管控成本。
本实施例的技术方案,通过接收至少一个检测终端发送的至少一个检测目标的目标形变量信息;根据所述至少一个检测目标的目标形变量信息确定所述至少一个检测目标对应的检测结果,能够解决通过合成孔径雷达对边坡进行检测,设备昂贵、效率低且不稳定的问题,能够在具有极低的软硬件维护成本和人力成本的前提下,快速高效稳定的实现高精度检测。
图6为本发明实施例提供的一种检测装置的结构示意图。本实施例可适用于边坡检测的情况,该装置可采用软件和/或硬件的方式实现,该装置可集成在任何提供检测功能的检测终端中,如图6所示,所述检测装置具体包括:第一获取模块610、第二获取模块620、第三获取模块630、形变量信息确定模块640和发送模块650。
其中,第一获取模块,用于通过所述第一摄像头获取第一图像;
第二获取模块,用于通过所述第二摄像头获取第二图像;
第三获取模块,用于通过所述激光传感器和所述第二摄像头获取第三图像;
形变量信息确定模块,用于根据所述第一图像、所述第二图像以及所述第三图像确定至少一个检测目标的目标形变量信息;
发送模块,用于将所述至少一个检测目标的目标形变量信息发送至服务器,以使所述服务器基于所述至少一个检测目标的目标形变量信息确定所述至少一个检测目标对应的检测结果。
上述产品可执行本发明任意实施例所提供的方法,具备执行方法相应的功能模块和有益效果。
本实施例的技术方案,通过所述第一摄像头获取第一图像;通过所述第二摄像头获取第二图像;通过所述激光传感器和所述第二摄像头获取第三图像;根据所述第一图像、所述第二图像以及所述第三图像确定至少一个检测目标的目标形变量信息;将所述至少一个检测目标的目标形变量信息发送至服务器,以使所述服务器基于所述至少一个检测目标的目标形变量信息确定所述至少一个检测目标对应的检测结果,能够解决通过合成孔径雷达对边坡进行检测,设备昂贵、效率低且不稳定的问题,能够在具有极低的软硬件维护成本和人力成本的前提下,快速高效稳定的实现高精度检测。
图7为本发明实施例提供的一种检测装置的结构示意图。本实施例可适用于边坡检测的情况,该装置可采用软件和/或硬件的方式实现,该装置可集成在任何提供检测功能的设备中,如图7所示,所述检测装置具体包括:接收模块710和检测结果确定模块720。
其中,接收模块,用于接收至少一个检测终端发送的至少一个检测目标的目标形变量信息;
检测结果确定模块,用于根据所述至少一个检测目标的目标形变量信息确定所述至少一个检测目标对应的检测结果。
上述产品可执行本发明任意实施例所提供的方法,具备执行方法相应的功能模块和有益效果。
本实施例的技术方案,通过接收至少一个检测终端发送的至少一个检测目标的目标形变量信息;根据所述至少一个检测目标的目标形变量信息确定所述至少一个检测目标对应的检测结果,能够解决通过合成孔径雷达对边坡进行检测,设备昂贵、效率低且不稳定的问题,能够在具有极低的软硬件维护成本和人力成本的前提下,快速高效稳定的实现高精度检测。
图8示出了可以用来实施本发明的实施例的电子设备10的结构示意图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备(如头盔、眼镜、手表等)和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本发明的实现。
如图8所示,电子设备10包括至少一个处理器11,以及与至少一个处理器11通信连接的存储器,如只读存储器(ROM)12、随机访问存储器(RAM)13等,其中,存储器存储有可被至少一个处理器执行的计算机程序,处理器11可以根据存储在只读存储器(ROM)12中的计算机程序或者从存储单元18加载到随机访问存储器(RAM)13中的计算机程序,来执行各种适当的动作和处理。在RAM 13中,还可存储电子设备10操作所需的各种程序和数据。处理器11、ROM 12以及RAM 13通过总线14彼此相连。输入/输出(I/O)接口15也连接至总线14。
电子设备10中的多个部件连接至I/O接口15,包括:输入单元16,例如键盘、鼠标等;输出单元17,例如各种类型的显示器、扬声器等;存储单元18,例如磁盘、光盘等;以及通信单元19,例如网卡、调制解调器、无线通信收发机等。通信单元19允许电子设备10通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
处理器11可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器11的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。处理器11执行上文所描述的各个方法和处理,例如检测方法。
在一些实施例中,检测方法可被实现为计算机程序,其被有形地包含于计算机可读存储介质,例如存储单元18。在一些实施例中,计算机程序的部分或者全部可以经由ROM12和/或通信单元19而被载入和/或安装到电子设备10上。当计算机程序加载到RAM 13并由处理器11执行时,可以执行上文描述的检测方法的一个或多个步骤。备选地,在其他实施例中,处理器11可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行检测方法:
通过所述第一摄像头获取第一图像;
通过所述第二摄像头获取第二图像;
通过所述激光传感器和所述第二摄像头获取第三图像;
根据所述第一图像、所述第二图像以及所述第三图像确定至少一个检测目标的目标形变量信息;
将所述至少一个检测目标的目标形变量信息发送至服务器,以使所述服务器基于所述至少一个检测目标的目标形变量信息确定所述至少一个检测目标对应的检测结果;
或者,处理器11可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行检测方法:
接收至少一个检测终端发送的至少一个检测目标的目标形变量信息;
根据所述至少一个检测目标的目标形变量信息确定所述至少一个检测目标对应的检测结果。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本发明的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器,使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本发明的上下文中,计算机可读存储介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的计算机程序。计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。备选地,计算机可读存储介质可以是机器可读信号介质。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在电子设备上实施此处描述的系统和技术,该电子设备具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给电子设备。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)、区块链网络和互联网。
计算系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决了传统物理主机与VPS服务中,存在的管理难度大,业务扩展性弱的缺陷。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发明中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本发明的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本发明保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等,均应包含在本发明保护范围之内。
Claims (14)
1.一种检测方法,其特征在于,由检测终端执行,所述检测终端包括:至少第一摄像头、至少一个第二摄像头和激光传感器,所述第一摄像头的视角大于所述第二摄像头的视角,所述检测方法包括:
通过所述第一摄像头获取第一图像;
通过所述第二摄像头获取第二图像;
通过所述激光传感器和所述第二摄像头获取第三图像;
根据所述第一图像、所述第二图像以及所述第三图像确定至少一个检测目标的目标形变量信息;
将所述至少一个检测目标的目标形变量信息发送至服务器,以使所述服务器基于所述至少一个检测目标的目标形变量信息确定所述至少一个检测目标对应的检测结果。
2.根据权利要求1所述的方法,其特征在于,所述检测终端还包括:定位模块;
将所述至少一个检测目标的目标形变量信息发送至服务器包括:
通过所述定位模块获取当前位置信息;
获取当前状态信息;
将所述当前位置信息、当前状态信息以及所述至少一个检测目标的目标形变量信息发送至服务器。
3.根据权利要求2所述的方法,其特征在于,根据所述第一图像、所述第二图像以及所述第三图像确定至少一个检测目标的目标形变量信息,包括:
对所述第一图像进行识别,得到至少一个检测目标的第一形变量信息和至少一个检测目标的位置信息;
根据所述至少一个检测目标的第一形变量信息和至少一个检测目标的位置信息对所述至少一个检测目标进行排序,得到检测目标序列;
根据所述检测目标序列对所述第二图像进行识别,得到至少一个检测目标的第二形变量信息;
根据所述检测目标序列对所述第三图像进行识别,得到至少一个检测目标的第三形变量信息;
根据所述至少一个检测目标的第一形变量信息、至少一个检测目标的第二形变量信息以及至少一个检测目标的第三形变量信息确定至少一个检测目标的目标形变量信息。
4.根据权利要求3所述的方法,其特征在于,所述检测终端还包括:电机模块,所述电机模块用于带动所述检测终端移动,以使所述检测终端上配置的第一摄像头和第二摄像头跟随所述检测终端移动。
5.根据权利要求4所述的方法,其特征在于,通过所述第一摄像头获取第一图像,包括:
控制所述电机模块带动所述检测终端移动;
在所述检测终端移动过程中通过所述第一摄像头采集第一图像。
6.根据权利要求4所述的方法,其特征在于,通过所述第二摄像头获取第二图像,包括:
根据检测目标的位置信息和当前位置信息确定目标移动信息;
根据所述目标移动信息生成第一控制指令;
将所述第一控制指令发送至电机模块,以使所述电机模块带动所述检测终端移动至目标位置;
在所述第二摄像头转动至目标位置之后,通过所述第二摄像头获取第二图像。
7.一种检测方法,其特征在于,由服务器执行,所述检测方法包括:
接收至少一个检测终端发送的至少一个检测目标的目标形变量信息;
根据所述至少一个检测目标的目标形变量信息确定所述至少一个检测目标对应的检测结果。
8.根据权利要求7所述的方法,其特征在于,根据所述至少一个检测目标的目标形变量信息确定所述至少一个检测目标对应的检测结果,包括:
周期性获取至少一个检测目标的目标形变量信息,得到每个检测目标对应的形变量信息序列;
根据所述每个检测目标对应的形变量信息序列确定所述每个检测目标对应的检测结果。
9.根据权利要求7所述的方法,其特征在于,在根据所述至少一个检测目标的目标形变量信息确定所述至少一个检测目标对应的检测结果之后,还包括:
获取历史检测结果;
根据所述历史检测结果确定所述历史检测结果对应的地域信息样本和所述地域信息样本对应的环境信息;
根据所述历史检测结果、所述历史检测结果对应的地域信息样本以及所述地域信息样本对应的环境信息生成目标样本集;
根据所述目标样本集训练神经网络模型,得到目标检测模型。
10.根据权利要求9所述的方法,其特征在于,在根据所述目标样本集训练神经网络模型,得到目标检测模型之后,还包括:
获取待检测地域信息和所述待检测地域信息对应的环境信息;
将所述待检测地域信息和所述待检测地域信息对应的环境信息输入所述目标检测模型,得到目标检测结果。
11.一种检测装置,其特征在于,配置在检测终端中,所述检测终端包括:至少第一摄像头、至少一个第二摄像头和激光传感器,所述第一摄像头的视角大于所述第二摄像头的视角,所述检测装置包括:
第一获取模块,用于通过所述第一摄像头获取第一图像;
第二获取模块,用于通过所述第二摄像头获取第二图像;
第三获取模块,用于通过所述激光传感器和所述第二摄像头获取第三图像;
形变量信息确定模块,用于根据所述第一图像、所述第二图像以及所述第三图像确定至少一个检测目标的目标形变量信息;
发送模块,用于将所述至少一个检测目标的目标形变量信息发送至服务器,以使所述服务器基于所述至少一个检测目标的目标形变量信息确定所述至少一个检测目标对应的检测结果。
12.一种检测装置,其特征在于,配置在服务器中,所述检测装置包括:
接收模块,用于接收至少一个检测终端发送的至少一个检测目标的目标形变量信息;
检测结果确定模块,用于根据所述至少一个检测目标的目标形变量信息确定所述至少一个检测目标对应的检测结果。
13.一种电子设备,其特征在于,所述电子设备包括:
至少一个处理器;以及
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计算机程序,所述计算机程序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1-10中任一项所述的检测方法。
14.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使处理器执行时实现权利要求1-10中任一项所述的检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210990556.4A CN115373037A (zh) | 2022-08-18 | 2022-08-18 | 一种检测方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210990556.4A CN115373037A (zh) | 2022-08-18 | 2022-08-18 | 一种检测方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115373037A true CN115373037A (zh) | 2022-11-22 |
Family
ID=84064974
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210990556.4A Pending CN115373037A (zh) | 2022-08-18 | 2022-08-18 | 一种检测方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115373037A (zh) |
-
2022
- 2022-08-18 CN CN202210990556.4A patent/CN115373037A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3842749A2 (en) | Positioning method, positioning device and electronic device | |
CN111209978B (zh) | 三维视觉重定位方法、装置及计算设备、存储介质 | |
CN113221677A (zh) | 一种轨迹异常检测方法、装置、路侧设备和云控平台 | |
EP3940665A1 (en) | Detection method for traffic anomaly event, apparatus, program and medium | |
CN112507949A (zh) | 目标跟踪方法、装置、路侧设备以及云控平台 | |
CN113011323B (zh) | 通行状态的获取方法、相关装置、路侧设备及云控平台 | |
CN110675635B (zh) | 相机外参的获取方法、装置、电子设备及存储介质 | |
EP3879446A2 (en) | Method for detecting vehicle lane change, roadside device, cloud control platform and program product | |
CN113657467B (zh) | 模型预训练方法、装置、电子设备和存储介质 | |
CN111666876A (zh) | 用于检测障碍物的方法、装置、电子设备和路侧设备 | |
CN115719436A (zh) | 模型训练方法、目标检测方法、装置、设备以及存储介质 | |
US20230072632A1 (en) | Obstacle detection method, electronic device and storage medium | |
CN114494776A (zh) | 一种模型训练方法、装置、设备以及存储介质 | |
CN116594428A (zh) | 一种巡视航线的生成方法、装置、电子设备及存储介质 | |
CN115139792A (zh) | 一种车辆显示控制系统、方法、装置、设备及介质 | |
CN113177980A (zh) | 用于自动驾驶的目标对象速度确定方法、装置及电子设备 | |
CN112287922A (zh) | 表计读取方法、装置、设备以及存储介质 | |
CN115373037A (zh) | 一种检测方法、装置、设备及存储介质 | |
CN115953414A (zh) | 基于语义分割的低矮障碍物检测方法和自动驾驶车辆 | |
CN113591580B (zh) | 图像标注方法、装置、电子设备和存储介质 | |
CN113516013B (zh) | 目标检测方法、装置、电子设备、路侧设备和云控平台 | |
CN113026828B (zh) | 水下桩基探伤方法、装置、设备、存储介质及程序产品 | |
CN116563969B (zh) | 一种设备巡检方法、装置、设备和存储介质 | |
CN114714350B (zh) | 服务机器人的控制方法、装置、设备及介质 | |
CN117576077A (zh) | 一种缺陷检测方法、装置、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 |