CN116071354A - 图像处理方法、装置、计算机设备及计算机可读存储介质 - Google Patents
图像处理方法、装置、计算机设备及计算机可读存储介质 Download PDFInfo
- Publication number
- CN116071354A CN116071354A CN202310203186.XA CN202310203186A CN116071354A CN 116071354 A CN116071354 A CN 116071354A CN 202310203186 A CN202310203186 A CN 202310203186A CN 116071354 A CN116071354 A CN 116071354A
- Authority
- CN
- China
- Prior art keywords
- image
- target
- test board
- road
- image area
- 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.)
- Granted
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
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
-
- 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
- G06T2207/30181—Earth observation
- G06T2207/30184—Infrastructure
-
- 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
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Geometry (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本申请涉及一种图像处理方法、装置、计算机设备及计算机可读存储介质。方法包括:获取目标图像;目标图像,是利用道路病害巡检车辆上的图像采集设备对道路病害巡检车辆的周围道路进行图像采集所得到的图像,周围道路上铺设有测试板,测试板上存在多个线条,多个线条中至少两个线条的宽度不同,目标图像包括测试板图像区域,测试板图像区域是指目标图像中呈现测试板的图像区域;确定测试板图像区域对应的目标线条质量表征值;目标线条质量表征值基于测试板图像区域中的可见线条的宽度确定;基于测试板图像区域对应的目标线条质量表征值,确定图像采集设备的成像质量表征值。采用本方法能够提高图像采集设备的成像质量测试的准确度。
Description
技术领域
本申请涉及计算机技术领域,特别是涉及一种图像处理方法、装置、计算机设备及计算机可读存储介质。
背景技术
随着智能交通技术的发展,为了降低道路病害导致交通事故的风险,出现了道路病害检测技术,例如,可以通过道路病害巡检车辆对道路进行病害巡检,利用巡检车辆的图像采集设备采集道路病害图像,从而实现道路病害检测。道路病害图像的质量影响着道路病害检测的精度,故在进行道路病害巡检之前需要对巡检车辆的摄像装置的成像质量进行测试。
传统技术中,通常是在道路病害巡检之前,利用道路病害巡检车辆上的图像采集设备对目标道路进行图像采集,得到道路图像,通过肉眼观察道路图像来判断图像采集设备的成像质量。
然而,通过肉眼观察道路图像来判断图像采集设备的成像质量,依赖于人的主观判断,没有具体的评估标准,无法准确的确定道路病害巡检车辆的图像采集设备的成像质量。
发明内容
本申请提供一种图像处理方法、装置、计算机设备及计算机可读存储介质,能够提高图像采集设备的成像质量测试的准确度。
第一方面,本申请提供了一种图像处理方法,包括:
获取目标图像;目标图像,是利用道路病害巡检车辆上的图像采集设备对道路病害巡检车辆的周围道路进行图像采集所得到的图像,周围道路上铺设有测试板,测试板上存在多个线条,多个线条中至少两个线条的宽度不同,目标图像包括测试板图像区域,测试板图像区域是指目标图像中呈现测试板的图像区域;
确定测试板图像区域对应的目标线条质量表征值;目标线条质量表征值基于测试板图像区域中的可见线条的宽度确定;
基于测试板图像区域对应的目标线条质量表征值,确定图像采集设备的成像质量表征值。
第二方面,本申请还提供了一种图像处理装置,包括:
图像获取模块,用于获取目标图像;目标图像,是利用道路病害巡检车辆上的图像采集设备对道路病害巡检车辆的周围道路进行图像采集所得到的图像,周围道路上铺设有测试板,测试板上存在多个线条,多个线条中至少两个线条的宽度不同,目标图像包括测试板图像区域,测试板图像区域是指目标图像中呈现测试板的图像区域;
第一确定模块,用于确定测试板图像区域对应的目标线条质量表征值;目标线条质量表征值基于测试板图像区域中的可见线条的宽度确定;
第二确定模块,用于基于测试板图像区域对应的目标线条质量表征值,确定图像采集设备的成像质量表征值。
第三方面,本申请还提供了一种计算机设备,计算机设备包括存储器和处理器,存储器存储有计算机程序,处理器执行计算机程序时实现上述图像处理方法中的步骤。
第四方面,本申请还提供了一种计算机可读存储介质,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图像处理方法中的步骤。
第五方面,本申请还提供了一种计算机程序产品,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图像处理方法中的步骤。
上述图像处理方法、装置、计算机设备、计算机可读存储介质和计算机程序产品,由于目标图像是利用道路病害巡检车辆上的图像采集设备对道路病害巡检车辆的周围道路进行图像采集得到的,周围道路上铺设有测试板,测试板上存在多个线条,通过确定目标图像中的测试板图像区域的目标线条质量表征值,然后基于测试板图像区域对应的目标线条表征值确定图像采集设备的成像质量表征值,在道路病害巡检的场景中,实现了量化的对图像采集设备的成像质量进行评估,使得图像采集设备的成像质量表征值更准确,从而提高了针对道路病害巡检车辆上的图像采集设备的成像质量测试的准确度。
附图说明
图1为本申请实施例提供的一种图像处理方法的应用环境图;
图2为本申请实施例提供的一种图像处理方法的流程示意图;
图3为本申请实施例提供的一种成像质量测试的流程示意图;
图4A为本申请实施例提供的一种测试板示意图;
图4B为本申请实施例提供的另一种测试板示意图;
图4C为本申请实施例提供的一种铺设多个测试板的周边道路的示意图;
图5为本申请实施例提供的另一种图像处理方法的流程示意图;
图6为本申请实施例提供的一种图像处理装置的结构框图;
图7为本申请实施例中一种计算机设备的内部结构图;
图8为本申请实施例中另一种计算机设备的内部结构图;
图9为本申请实施例中一种计算机可读存储介质的内部结构图。
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图像处理方法,可以应用于如图1所示的应用环境中。该应用环境包括计算机设备102和图像采集设备104,计算机设备102可以为道路病害巡检车辆上的智能车载设备,图像采集设备104为道路病害巡检车辆上的图像采集设备。计算机设备102与图像采集设备104之间进行通信。
具体地,计算机设备102可以从图像采集设备104获取目标图像,目标图像,是利用道路病害巡检车辆上的图像采集设备104对道路病害巡检车辆的周围道路进行图像采集所得到的图像;周围道路上铺设有测试板,测试板上存在多个线条,多个线条中至少两个线条的宽度不同,目标图像包括测试板图像区域,测试板图像区域是指目标图像中呈现测试板的图像区域。然后计算机设备102确定测试板图像区域对应的目标线条质量表征值;目标线条质量表征值基于测试板图像区域中的可见线条的宽度确定。计算机设备102可以基于测试板图像区域对应的目标线条质量表征值,确定图像采集设备的成像质量表征值。
其中,计算机设备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。
本领域技术人员可以理解,图1中示出的应用环境,仅仅是与本申请方案相关的部分场景,并不构成对本申请方案应用环境的限定。
在一些实施例中,如图2所示,提供了一种图像处理方法,以该方法应用于图1中的计算机设备102为例进行说明,包括以下步骤:
步骤202,获取目标图像;目标图像,是利用道路病害巡检车辆上的图像采集设备对道路病害巡检车辆的周围道路进行图像采集所得到的图像,周围道路上铺设有测试板,测试板上存在多个线条,多个线条中至少两个线条的宽度不同,目标图像包括测试板图像区域,测试板图像区域是指目标图像中呈现测试板的图像区域。
其中,道路病害是指道路上出现的损坏、变形以及其他缺陷,包括道路上的裂缝、坑槽、车辙、松散或沉陷等。道路病害巡检是对预设道路进行巡检以进行病害识别的过程,预设道路可以是预先选定的道路,例如,可以利用道路巡检车辆对预设道路进行道路病害巡检,道路病害巡检车辆在预设道路上行驶,通过道路病害巡检车辆上的图像采集设备对预设道路进行图像采集,得到道路图像,然后对道路图像进行病害识别,得到预设道路对应的道路病害,道路图像的图像质量会影响病害识别的准确度,而道路图像的图像质量受到图像采集设备的成像质量的影响。图像采集设备装载在道路病害巡检车辆上,图像采集是连续的,可以是随机采集的,也可以是定时采集的。
目标图像是利用道路病害巡检车辆上的图像采集设备对道路病害巡检车辆的周围道路进行图像采集得到的,周围道路是道路病害巡检车辆在预设道路上所处的位置的周围的道路,可以是预设道路中光照条件良好且无遮挡的路段,周围道路上铺设有至少一个测试板,可以是一个,也可以是多个。目标图像包括至少一个测试板图像区域,测试板图像区域是目标图像中呈现测试板的图像区域。测试板用于测试图像采集设备的成像质量,测试板上存在多个线条,多个线条中至少两个线条的宽度不同,不同宽度的线条模拟不同宽度的道路病害,线条的宽度可以根据真实的道路病害的宽度进行设置,例如,测试板中可以包括多个宽度分别为10mm、5mm和3mm的线条。
具体地,在对预设道路进行道路病害巡检之前,需要对道路病害巡检车辆上的图像采集设备进行成像质量的测试。计算机设备可以从图像采集设备获取目标图像,并对目标图像进行保存。道路病害巡检车辆在预设道路上,道路病害巡检车辆的周围道路上铺设有测试板,利用道路病害巡检车辆上的图像采集设备对周围道路进行图像采集,得到目标图像。
步骤204,确定测试板图像区域对应的目标线条质量表征值;目标线条质量表征值基于测试板图像区域中的可见线条的宽度确定。
其中,目标线条质量表征值用于表征目标图像的测试板图像区域中线条的质量,线条的质量是指线条的粗细程度,目标线条质量表征值是基于测试板图像中的可见线条的宽度确定的,例如,目标线条质量表征值可以是测试板图像区域中可见线条中的最窄的线条的宽度,可见线条是指测试板图像区域中清晰、可分辨的线条。
具体地,计算机设备可以获取目标图像中的测试板图像区域中的可见线条的宽度,可见线条的宽度可以是人工标注的,然后基于可见线条的宽度确定测试板图像区域对应的目标线条质量表征值。例如,计算机设备可以将测试板图像区域中可见线条中最窄的线条的宽度,确定为测试板图像区域对应的目标线条质量表征值,假设测试板中包括10mm、5mm和3mm的线条,而目标图像中的测试板图像区域中10mm和5mm的线条是清晰可见的,而3mm的线条不清晰,则测试板图像区域中的可见线条的宽度包括10mm和5mm,可见线条中最窄的线条的宽度为5mm,则目标线条质量表征值为5mm。
在一些实施例中,测试板上可以包括多个条纹块,条纹块上存在至少两个不同宽度的线条,则目标图像中的测试板图像区域中包括多个条纹块图像区域,条纹块图像区域是指呈现条纹块的图像区域,计算机设备可以根据各条纹块图像区域分别对应的第二线条质量表征值,确定测试板图像区域对应的目标线条质量表征值。其中,第二线条质量表征值用于表征条纹块图像区域中的线条的质量。计算机设备可以响应于标注开始操作,展示目标图像,响应于标注完成操作,获取测试板图像区域中的各条纹块图像区域分别对应的第二线条质量表征值,然后从各条纹块图像区域分别对应的第二线条质量表征值中确定测试板图像区域对应的目标线条质量表征值,例如,可以将最大的第二线条质量表征值,确定为测试板图像区域对应的目标线条质量表征值。
步骤206,基于测试板图像区域对应的目标线条质量表征值,确定图像采集设备的成像质量表征值。
其中,成像质量表征值与目标线条质量表征值成正相关关系,正相关关系指的是:在其他条件不变的情况下,两个变量变动方向相同,一个变量由大到小变化时,另一个变量也由大到小变化。
具体地,目标图像包括至少一个测试板图像区域,在周围道路铺设一个测试板的情况下,目标图像包括一个测试板图像区域;在周围道路铺设多个测试板的情况下,目标图像包括多个测试板分别对应的测试板图像区域。在目标图像中包括一个测试板图像区域的情况下,计算机设备可以将测试板图像区域对应的目标线条质量表征值,确定为图像采集设备的成像质量表征值;在目标图像包括多个测试板图像区域的情况下,计算机设备可以对多个测试板图像区域分别对应的目标线条质量表征值进行统计分析,例如,将各目标线条质量表征值中最大的目标线条质量表征值,确定为图像采集设备的成像质量表征值,假设目标图像中包括5个测试板图像区域,这5个测试板图像区域分别对应的目标线条质量表征值为3mm、3mm、3mm、3mm和5mm,其中最大的目标线条质量表征值为5mm,则图像采集设备的成像质量表征值为5mm。
在一些实施例中,如图3所示,在对道路病害巡检车辆上的图像采集设备进行成像质量的测试之前,首先确定已调整摄像头的成像效果,然后在地面上不同区域铺设测试板,利用图像采集设备进行图像采集得到目标图像,查看目标图像的成像质量,并确定成像质量是否满足成像质量要求,若满足成像质量要求,则结束成像质量的测试;若不满足成像质量要求,则重新调整摄像头的成像效果,重复上述步骤,直到满足成像质量要求为止。
在一些实施例中,计算机设备可以基于图像采集设备的成像质量表征值确定图像采集设备的成像质量是否符合成像质量要求,在确定图像采集设备符合成像质量要求的情况下,则可以利用装载该图像采集设备的道路病害巡检车辆,在预设道路上进行道路病害巡检。其中,成像质量要求是根据预设道路所属的目标道路类型确定的,道路类型包括高速公路、城市道路、乡村道路或林间道路中的至少一种。不同道路类型的道路对应的成像质量要求可以是不同的,成像质量要求也可以称为采集作业要求,例如,假设目标道路类型为乡村道路,在乡村道路上要求采集宽度为3mm及以上的道路病害,则成像质量要求为:图像采集设备的成像质量表征值小于3mm,即目标图像中的测试板图像区域中,测试板上的3mm的线条是可见线条。
上述图像处理方法中由于目标图像是利用道路病害巡检车辆上的图像采集设备对道路病害巡检车辆的周围道路进行图像采集得到的,周围道路上铺设有测试板,测试板上存在多个线条,通过确定目标图像中的测试板图像区域的目标线条质量表征值,然后基于测试板图像区域对应的目标线条表征值确定图像采集设备的成像质量表征值,在道路病害巡检的场景中,实现了量化的对图像采集设备的成像质量进行评估,使得图像采集设备的成像质量表征值更准确,从而提高了针对道路病害巡检车辆上的图像采集设备的成像质量测试的准确度。
在一些实施例中,测试板包括多个条纹块,条纹块上存在至少两个宽度不同的线条,多个条纹块中至少两个条纹块的背景灰度值不同;目标线条质量表征值为第一线条质量表征值;
确定测试板图像区域对应的目标线条质量表征值,包括:
获取测试板图像区域中各条纹块图像区域分别对应的第二线条质量表征值,条纹块图像区域是指呈现条纹块的图像区域;第二线条质量表征值,与对应的条纹块图像区域中的目标可见线条的宽度成正相关关系,目标可见线条是指条纹块图像区域中各可见线条中最窄的线条;
基于各条纹块图像区域分别对应的第二线条质量表征值,确定测试板图像区域对应的目标线条质量表征值。
其中,一个测试板包括多个条纹块,条纹块上存在至少两个宽度不同的线条,例如,如图4A所示,左上角的条纹块包括3种宽度不同的线条,分别为宽度为3mm、5mm和10mm的线条。目标线条质量表征值即为第一线条质量表征值,第二线条质量表征值用于表征条纹块图像区域中的线条的质量,第二线条质量表征值与条纹块图像区域中的目标可见线条的宽度成正相关关系。
具体地,计算机设备获取各条纹块图像区域分别对应的第二线条质量表征值,例如,可以将各条纹块图像区域中的目标可见线条的宽度作为第二线条质量表征值。然后计算机设备对各条纹块图像区域分别对应的第二线条质量表征值进行统计分析,得到测试板图像区域对应的目标线条质量表征值,例如,计算机设备可以将各第二线条质量表征值中最大的第二线条质量表征值,确定为测试板图像区域对应的目标线条质量表征值。
在一些实施例中,多个条纹块中至少两个条纹块的背景灰度值不同,不同的背景色可以模拟不同光照条件下的道路。计算机设备将各条纹块图像区域的背景灰度值与周围道路的路面颜色值进行比较,将背景灰度值与周围道路的路面颜色值最接近的条纹块图像区域对应的第二线条质量表征值,确定为测试板图像区域对应的目标线条质量表征值。在一些实施例中,测试板的多个条纹块包括锥形条纹块和矩形条纹块,锥形条纹块中的线条呈聚合状态,矩形条纹块中的线条呈平行状态,矩形条纹块中的线条可以是水平方向的线条,还可以是竖直方向的线条。由于道路病害呈现出不同的形状,锥形条纹块中的线条可以模拟呈现弧形的道路病害,矩形条纹块中的线条可以模拟呈现直线的道路病害,使得测试板可以模拟不同形状的道路病害。
在一些实施例中,由于道路病害巡检的实际场景中,需要在不同的道路上识别出道路病害,而不同的道路对应有不同的材质,例如,道路的材质可以为沥青或水泥中的任意一种,故可以将测试板的背景色设置为不同的颜色值,以模拟道路病害巡检的实际场景中不同材质的道路。测试板的背景色可以为第一颜色值或第二颜色值中的任意一种,第一颜色值和第二颜色值不同,例如,第一颜色值的灰度值为255,第二颜色值的灰度值为0。在铺设测试板之前,计算机设备可以根据周围道路的路面颜色值、第一颜色值、第二颜色值,确定铺设的测试板的背景色。周围道路的材质决定了周围道路的路面颜色值,例如,周围道路的材质可以为沥青或水泥中的任意一种。计算机设备可以确定周围道路的路面颜色值与第一颜色值之间的颜色差值,在颜色差值小于差值阈值的情况下,在周围道路铺设背景色为第一颜色值的测试板,例如图4A所示的测试板;在颜色差值大于差值阈值的情况下,在周围道路铺设背景色为第二颜色值的测试板,例如图4B所示的测试板。其中,差值阈值是预先设置的颜色差值的阈值。
由于测试过程中,是利用测试板上的多个线条模拟真实的道路病害,可以根据真实的道路病害的宽度,设置测试板上的不同线条的线条宽度。举例说明,图4A和图4B分别展示了两个背景灰度值不同的测试板的示意图,测试板上包括4个锥形条纹块和4个矩形条纹块,锥形条纹块以中间圆形向外扩散,以线条宽度为1mm为起点,每间隔10cm为一个规格的线条宽度,线条宽度分别为1mm、2mm、3mm、5mm、10mm,锥形条纹块分布于圆形的上下左右四个方向,背景灰度值分别为255/0、191、128、64。测试板四个角分布四个不同背景灰度值的横向/纵向线条,左上角为横向线条,背景灰度值为255/0,从下至上分布三种规格线条,分别为3mm、5mm、10mm;右上角为纵向线条,背景灰度值为191,从左至右分布三种规格线条,分别为3mm、5mm、10mm;左下角为纵向线条,背景灰度值为128,从左至右分布三种规格线条,分别为3mm、5mm、10mm;右下角为横向线条,背景灰度值为64,从左至右分布三种规格线条,分别为3mm、5mm、10mm。
本实施例中,由于测试板包括多个条纹块,通过获取测试板图像区域中各条纹块图像区域分别对应的第二线条质量表征值,从而基于各第二线条表征值确定测试板图像区域对应的目标线条质量表征值,提高了目标线条质量表征值的准确度,从而提高了图像采集设备的成像质量表征值的准确度。
在一些实施例中,基于各条纹块图像区域分别对应的第二线条质量表征值,确定测试板图像区域对应的目标线条质量表征值,包括:
从各条纹块图像区域分别对应的第二线条质量表征值中,确定最大的第二线条质量表征值;
将最大的第二线条质量表征值,确定为测试板图像区域对应的目标线条质量表征值。
具体地,计算机设备可以将各条纹块图像区域分别对应的第二线条质量表征值中最大的第二线条质量表征值,确定为测试板图像区域对应的目标线条质量表征值。例如,测试板包括8个条纹块,则目标图像中的测试板图像区域包括8个条纹块分别对应的条纹块图像区域,第二线条质量表征值分别为5mm、2 mm、3 mm、3 mm、3 mm、1 mm、3 mm、2 mm,其中最大的第二线条质量表征值为5 mm,则测试板图像区域对应的目标线条质量表征值为5 mm。
本实施例中,通过将最大的第二线条质量表征值确定为测试板图像区域对应的目标线条质量表征值,从而基于目标线条质量表征值确定的成像质量表征值在满足成像质量要求的情况下,各条纹块图像区域对应的第二线条质量表征值均满足成像质量要求,从而提高了图像采集设备的采集得到的病害图像的图像质量。
在一些实施例中,目标图像为多个,各目标图像包括第一目标图像,第一目标图像是道路病害巡检车辆在处于静止状态的情况下,利用图像采集设备对周围道路进行图像采集所得到的图像;
基于测试板图像区域对应的目标线条质量表征值,确定图像采集设备的成像质量表征值,包括:
基于第一目标图像中的测试板图像区域对应的目标线条质量表征值,确定图像采集设备的成像质量表征值。
具体地,道路病害巡检车辆处于静止状态的情况下,利用图像采集设备对铺设有测试板的周围道路进行图像采集,得到第一目标图像。计算机设备获取第一目标图像,响应于标注开始操作,展示第一目标图像,响应于标注完成操作,获取测试板图像区域中各条纹块区域分别对应的第二线条质量表征值,并将最大的第二线条质量表征值,确定为测试板图像区域对应的目标线条质量表征值。
本实施例中,第一目标图像是在道路病害巡检车辆处于静止状态的情况下采集得到的,通过基于第一目标图像中的测试板图像区域对应的目标线条质量表征值,实现了在道路病害巡检的场景中,对静止状态下的图像采集设备的成像质量进行测试。
在一些实施例中,各目标图像包括第二目标图像,第二目标图像是道路病害巡检车辆在处于运动状态的情况下,利用图像采集设备对周围道路进行图像采集所得到的图像;
基于第一目标图像中的测试板图像区域对应的目标线条质量表征值,确定图像采集设备的成像质量表征值,包括:
基于第一目标图像中的测试板图像区域对应的目标线条质量表征值、以及第二目标图像中的测试板图像区域对应的目标线条质量表征值,确定图像采集设备的成像质量表征值。
具体地,道路病害巡检车辆处于运动状态的情况下,例如,道路病害巡检车辆在预设道路上行驶,利用图像采集设备对铺设有测试板的周围道路进行图像采集,得到第二目标图像。计算机设备获取第二目标图像,然后获取第二目标图像中的测试板图像区域中各条纹块区域分别对应的第二线条质量表征值,并将最大的第二线条质量表征值,确定为测试板图像区域对应的目标线条质量表征值。然后计算机设备可以将第一目标图像中的测试板图像区域对应的目标线条质量表征值、以及第二目标图像中的测试板图像区域对应的目标线条质量表征值中的最大值,确定为图像采集设备的成像质量表征值。
在一些实施例中,道路病害巡检车辆可以在不同车速的情况下进行图像采集,以模拟道路病害巡检的实际场景中不同车速的情况。计算机设备可以获取在不同车速的情况下采集的多个第二目标图像,确定多个第二目标图像中的每个第二目标图像中的测试板图像区域对应的目标线条质量表征值。然后计算机设备可以基于第一目标图像中的测试板图像区域对应的目标线条质量表征值、以及多个第二目标图像中的测试板图像区域分别对应的目标线条质量表征值,确定图像采集设备的成像质量表征值。
本实施例中,由于道路病害巡检过程中,通常是道路病害巡检车辆行驶过程中采集道路图像,而第二目标图像是道路病害巡检车辆在处于运动状态的情况下采集得到的,通过基于第一目标图像中的测试板图像区域对应的目标线条质量表征值、以及第二目标图像中的测试板图像区域对应的目标线条质量表征值,确定图像采集设备的成像质量表征值,实现了在道路病害巡检的场景中,对静止状态下以及运动状态下的图像采集设备的成像质量进行测试,使得图像采集设备的成像质量表征值更准确,提高了成像质量测试的准确度。
在一些实施例中,周围道路上铺设有多个测试板,目标图像包括多个测试板图像区域;
基于测试板图像区域对应的目标线条质量表征值,确定图像采集设备的成像质量表征值,包括:
对各测试板图像区域的目标线条质量表征值进行统计分析,得到图像采集设备的成像质量表征值。
其中,由于在道路病害巡检过程中,道路病害巡检车辆处于运动状态,采集得到病害图像,道路病害可以处于病害图像中的不同位置,包括图像的左上角、左下角、中间、右上角或右下角中的至少一个位置。为了模拟真实采集的病害图像,可以在道路病害巡检车辆的周围道路中的不同区域铺设多个测试板,使得目标图像中包括多个测试板图像区域,例如,如图4C所示,展示了铺设有5个测试板的周围道路的示意图,利用图像采集设备对周围道路进行图像采集,得到的目标图像为图4C中的虚线以下的图像区域。
具体地,计算机设备确定目标图像中各测试板图像区域的目标线条质量表征值,然后进行统计分析,得到图像采集设备的成像质量表征值。包括求均值、取众数、最大值或最小值中的任意一种,例如,计算机设备统计分析可以将各测试板图像区域的目标线条质量表征值中的众数,确定为图像采集设备的成像质量表征值。假设目标图像为图4C中的虚线以下的图像区域,包括测试板1、测试板2、测试板3、测试板4、测试板5分别对应的测试板图像区域,各测试板图像区域对应的目标线条质量表征值分别为2mm、3mm、3mm、3mm、5mm,则众数为3mm,即图像采集设备的成像质量表征值为3mm。
本实施例中,由于病害图像中,道路病害可能处于病害图像中的不同位置,通过在道路病害巡检车辆的周围道路上的不同区域铺设测试板,使得目标图像中包括多个处于不同位置的测试板图像区域,实现对目标图像的不同位置的图像区域的成像质量的测试,通过各测试板图像区域的目标线条质量表征值进行统计分析,得到图像采集设备的成像质量表征值,提高了成像质量测试的准确度。
在一些实施例中,图像处理方法还包括:
在基于图像采集设备的成像质量表征值确定图像采集设备符合成像质量要求的情况下,在道路病害巡检车辆对预设道路进行道路病害巡检的过程中,利用图像采集设备进行图像采集得到道路图像;成像质量要求根据预设道路所属的目标道路类型确定;
对道路图像进行病害识别。
其中,成像质量要求是根据预设道路所属的目标道路类型确定的,道路类型包括高速公路、城市道路、乡村道路或林间道路中的至少一种,目标道路类型是指预设道路所属的道路类型,例如,目标道路类型可以是乡村道路。道路图像是利用图像采集设备对道路进行图像采集得到的,病害识别是识别道路图像中是否存在道路病害的过程,例如,可以将道路图像输入已训练的病害识别模型进行病害识别。
具体地,计算机设备基于图像采集设备的成像质量表征值,确定图像采集设备是否符合成像质量要求,在确定图像采集设备符合成像质量要求的情况下,开始利用道路病害巡检车辆对预设道路进行道路病害巡检,在道路病害巡检车辆对预设道路进行道路病害巡检的过程中,利用图像采集设备进行图像采集得到道路图像;在确定图像采集设备不符合成像质量要求的情况下,可以对图像采集设备进行调整,例如,调整图像采集设备的光圈或焦距,然后利用调整后的图像采集设备对周围道路进行图像采集,得到新的目标图像。计算机设备获取新的目标图像,并重复上述确定图像采集设备的成像质量表征值的步骤,直到图像采集设备符合成像质量要求为止;若调整图像采集设备的次数超过预设次数后,图像采集设备仍不符合成像质量要求,则可以更换新的图像采集设备。其中,预设次数是预先设置的次数,例如,可以设置为3次。
本实施例中,通过基于图像采集设备的成像质量表征值确定图像采集设备是否符合成像质量要求,从而实现了对用于道路病害检测的图像采集设备的成像质量的测试,在确定图像采集设备满足成像质量要求的情况下,利用图像采集设备进行图像采集得到的道路图像的图像质量较高,从而提高了道路病害检测的准确度。
在一些实施例中,如图5所示,提供了一种图像处理方法,以该方法应用于计算机设备为例进行说明,包括以下步骤:
步骤502,获取目标图像;目标图像包括多个测试板图像区域,测试板包括多个条纹块。
其中,目标图像,是利用道路病害巡检车辆上的图像采集设备对道路病害巡检车辆的周围道路进行图像采集所得到的图像,周围道路上铺设有多个测试板,测试板上存在多个条形块。测试板图像区域是指目标图像中呈现测试板的图像区域。
步骤504,针对目标图像中的各测试板图像区域,获取测试板图像区域中各条纹块图像区域分别对应的第二线条质量表征值。
其中,条形块图像区域是指呈现条纹块的图像区域。
步骤506,从各条纹块图像区域分别对应的第二线条质量表征值中,确定最大的第二线条质量表征值,将最大的第二线条质量表征值,确定为测试板图像区域对应的目标线条质量表征值。
步骤508,对各测试板图像区域的目标线条质量表征值进行统计分析,得到图像采集设备的成像质量表征值。
步骤510,基于图像采集设备的成像质量表征值确定图像采集设备是否符合成像质量要求,若否,则执行步骤512;若是,则执行步骤514。
步骤512,获取新的目标图像,返回执行步骤504。
其中,新的目标图像是在对图像采集设备进行调整后的情况下,利用调整后的图像采集设备对道路巡检车辆的周围道路进行图像采集得到的。
步骤514,在道路病害巡检车辆对预设道路进行道路病害巡检的过程中,利用图像采集设备进行图像采集得到道路图像。
步骤516,对道路图像进行病害识别。
本实施例中,目标图像是利用道路病害巡检车辆上的图像采集设备对道路病害巡检车辆的周围道路进行图像采集得到的,道路病害巡检车辆的周围道路上铺设有多个测试板,则目标图像中包括多个测试板图像区域,通过对各测试板图像区域的目标线条质量表征值进行统计分析,得到图像采集设备的成像质量表征值,通过基于图像采集设备的成像质量表征值确定图像采集设备是否符合成像质量要求,从而实现了对用于道路病害检测的图像采集设备的成像质量的测试,在确定图像采集设备满足成像质量要求的情况下,利用图像采集设备进行图像采集得到的道路图像的图像质量较高,从而提高了道路病害检测的准确度。
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图像处理方法的图像处理装置。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图像处理装置实施例中的具体限定可以参见上文中对于图像处理方法的限定,在此不再赘述。
在一些实施例中,如图6所示,提供了一种图像处理装置,包括:
图像获取模块602,用于获取目标图像;目标图像,是利用道路病害巡检车辆上的图像采集设备对道路病害巡检车辆的周围道路进行图像采集所得到的图像,周围道路上铺设有测试板,测试板上存在多个线条,多个线条中至少两个线条的宽度不同,目标图像包括测试板图像区域,测试板图像区域是指目标图像中呈现测试板的图像区域。
第一确定模块604,用于确定测试板图像区域对应的目标线条质量表征值;目标线条质量表征值基于测试板图像区域中的可见线条的宽度确定;
第二确定模块606,用于基于测试板图像区域对应的目标线条质量表征值,确定图像采集设备的成像质量表征值。
在一些实施例中,测试板包括多个条纹块,条纹块上存在至少两个宽度不同的线条,多个条纹块中至少两个条纹块的背景灰度值不同;目标线条质量表征值为第一线条质量表征值;
在确定测试板图像区域对应的目标线条质量表征值的方面,第一确定模块604具体用于:
获取测试板图像区域中各条纹块图像区域分别对应的第二线条质量表征值,条纹块图像区域是指呈现条纹块的图像区域;第二线条质量表征值,与对应的条纹块图像区域中的目标可见线条的宽度成正相关关系,目标可见线条是指条纹块图像区域中各可见线条中最窄的线条;
基于各条纹块图像区域分别对应的第二线条质量表征值,确定测试板图像区域对应的目标线条质量表征值。
在一些实施例中,在基于各条纹块图像区域分别对应的第二线条质量表征值,确定测试板图像区域对应的目标线条质量表征值的方面,第二确定模块606具体用于:
从各条纹块图像区域分别对应的第二线条质量表征值中,确定最大的第二线条质量表征值;
将最大的第二线条质量表征值,确定为测试板图像区域对应的目标线条质量表征值。
在一些实施例中,目标图像为多个,各目标图像包括第一目标图像,第一目标图像是道路病害巡检车辆在处于静止状态的情况下,利用图像采集设备对周围道路进行图像采集所得到的图像;
在基于测试板图像区域对应的目标线条质量表征值,确定图像采集设备的成像质量表征值的方面,第二确定模块606具体还用于:
基于第一目标图像中的测试板图像区域对应的目标线条质量表征值,确定图像采集设备的成像质量表征值。
在一些实施例中,各目标图像包括第二目标图像,第二目标图像是道路病害巡检车辆在处于运动状态的情况下,利用图像采集设备对周围道路进行图像采集所得到的图像;
在基于第一目标图像中的测试板图像区域对应的目标线条质量表征值,确定图像采集设备的成像质量表征值的方面,第二确定模块606具体还用于:
基于第一目标图像中的测试板图像区域对应的目标线条质量表征值、以及第二目标图像中的测试板图像区域对应的目标线条质量表征值,确定图像采集设备的成像质量表征值。
在一些实施例中,周围道路上铺设有多个测试板,目标图像包括多个测试板图像区域;
在基于测试板图像区域对应的目标线条质量表征值,确定图像采集设备的成像质量表征值的方面,第二确定模块606具体还用于:
对各测试板图像区域的目标线条质量表征值进行统计分析,得到图像采集设备的成像质量表征值。
在一些实施例中,图像处理装置还用于:
在基于图像采集设备的成像质量表征值确定图像采集设备符合成像质量要求的情况下,在道路病害巡检车辆对预设道路进行道路病害巡检的过程中,利用图像采集设备进行图像采集得到道路图像;成像质量要求根据预设道路所属的目标道路类型确定;
对道路图像进行病害识别。
上述图像处理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。
在一些实施例中,提供了一种计算机设备,该计算机设备可以是服务器,其内部结构图可以如图7所示。该计算机设备包括处理器、存储器、输入/输出接口(Input/Output,简称I/O)和通信接口。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和内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。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。该计算机设备的数据库用于存储图像处理方法所涉及的相关数据。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通过网络连接通信。该计算机程序被处理器执行时以实现上述的图像处理方法中的步骤。
在一些实施例中,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和内存储器。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上述的图像处理方法中的步骤。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者电子墨水显示屏,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7和图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。
在一些实施例中,提供了一种计算机设备,该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图像处理方法中的步骤。
在一些实施例中,提供了一种计算机可读存储介质900,其上存储有计算机程序902,计算机程序902被处理器执行时实现上述图像数据处理方法中的步骤,其内部结构图可以如图9所示。
在一些实施例中,提供了一种计算机程序产品,该计算机程序包括计算机程序,该计算机程序被处理器执行时实现上述图像处理方法中的步骤。
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,所述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 RandomAccess 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 RandomAccessMemory,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。
以上所述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 (10)
1.一种图像处理方法,其特征在于,包括:
获取目标图像;所述目标图像,是利用道路病害巡检车辆上的图像采集设备对所述道路病害巡检车辆的周围道路进行图像采集所得到的图像,所述周围道路上铺设有测试板,所述测试板上存在多个线条,所述多个线条中至少两个线条的宽度不同,所述目标图像包括测试板图像区域,所述测试板图像区域是指所述目标图像中呈现测试板的图像区域;
确定所述测试板图像区域对应的目标线条质量表征值;所述目标线条质量表征值基于所述测试板图像区域中的可见线条的宽度确定;
基于所述测试板图像区域对应的目标线条质量表征值,确定所述图像采集设备的成像质量表征值。
2.根据权利要求1所述的方法,其特征在于,所述测试板包括多个条纹块,所述条纹块上存在至少两个宽度不同的线条,所述多个条纹块中至少两个条纹块的背景灰度值不同;所述目标线条质量表征值为第一线条质量表征值;
所述确定所述测试板图像区域对应的目标线条质量表征值,包括:
获取所述测试板图像区域中各条纹块图像区域分别对应的第二线条质量表征值,所述条纹块图像区域是指呈现条纹块的图像区域;所述第二线条质量表征值,与对应的条纹块图像区域中的目标可见线条的宽度成正相关关系,所述目标可见线条是指所述条纹块图像区域中各可见线条中最窄的线条;
基于所述各条纹块图像区域分别对应的第二线条质量表征值,确定所述测试板图像区域对应的目标线条质量表征值。
3.根据权利要求2所述的方法,其特征在于,所述基于所述各条纹块图像区域分别对应的第二线条质量表征值,确定所述测试板图像区域对应的目标线条质量表征值,包括:
从所述各条纹块图像区域分别对应的第二线条质量表征值中,确定最大的第二线条质量表征值;
将所述最大的第二线条质量表征值,确定为所述测试板图像区域对应的目标线条质量表征值。
4.根据权利要求1所述的方法,其特征在于,所述目标图像为多个,各所述目标图像包括第一目标图像,所述第一目标图像是所述道路病害巡检车辆在处于静止状态的情况下,利用所述图像采集设备对周围道路进行图像采集所得到的图像;
所述基于所述测试板图像区域对应的目标线条质量表征值,确定所述图像采集设备的成像质量表征值,包括:
基于所述第一目标图像中的测试板图像区域对应的目标线条质量表征值,确定所述图像采集设备的成像质量表征值。
5.根据权利要求4所述的方法,其特征在于,各所述目标图像包括第二目标图像,所述第二目标图像是所述道路病害巡检车辆在处于运动状态的情况下,利用所述图像采集设备对周围道路进行图像采集所得到的图像;
所述基于所述第一目标图像中的测试板图像区域对应的目标线条质量表征值,确定所述图像采集设备的成像质量表征值,包括:
基于所述第一目标图像中的测试板图像区域对应的目标线条质量表征值、以及所述第二目标图像中的测试板图像区域对应的目标线条质量表征值,确定所述图像采集设备的成像质量表征值。
6.根据权利要求1所述的方法,其特征在于,所述周围道路上铺设有多个测试板,所述目标图像包括多个测试板图像区域;
所述基于所述测试板图像区域对应的目标线条质量表征值,确定所述图像采集设备的成像质量表征值,包括:
对各所述测试板图像区域的目标线条质量表征值进行统计分析,得到所述图像采集设备的成像质量表征值。
7.根据权利要求1所述的方法,其特征在于,所述方法还包括:
在基于所述图像采集设备的成像质量表征值确定所述图像采集设备符合成像质量要求的情况下,在所述道路病害巡检车辆对预设道路进行道路病害巡检的过程中,利用所述图像采集设备进行图像采集得到道路图像;所述成像质量要求根据所述预设道路所属的目标道路类型确定;
对所述道路图像进行病害识别。
8.一种图像处理装置,其特征在于,包括:
图像获取模块,用于获取目标图像;所述目标图像,是利用道路病害巡检车辆上的图像采集设备对所述道路病害巡检车辆的周围道路进行图像采集所得到的图像,所述周围道路上铺设有测试板,所述测试板上存在多个线条,所述多个线条中至少两个线条的宽度不同,所述目标图像包括测试板图像区域,所述测试板图像区域是指所述目标图像中呈现测试板的图像区域;
第一确定模块,用于确定所述测试板图像区域对应的目标线条质量表征值;所述目标线条质量表征值基于所述测试板图像区域中的可见线条的宽度确定;
第二确定模块,用于基于所述测试板图像区域对应的目标线条质量表征值,确定所述图像采集设备的成像质量表征值。
9.一种计算机设备,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,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。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310203186.XA CN116071354B (zh) | 2023-03-06 | 2023-03-06 | 图像处理方法、装置、计算机设备及计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310203186.XA CN116071354B (zh) | 2023-03-06 | 2023-03-06 | 图像处理方法、装置、计算机设备及计算机可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116071354A true CN116071354A (zh) | 2023-05-05 |
CN116071354B CN116071354B (zh) | 2023-07-04 |
Family
ID=86171607
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310203186.XA Active CN116071354B (zh) | 2023-03-06 | 2023-03-06 | 图像处理方法、装置、计算机设备及计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116071354B (zh) |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1916582A (zh) * | 2006-09-04 | 2007-02-21 | 北京理工大学 | Ccd摄像机分辨率客观评测方法 |
CN201354024Y (zh) * | 2009-03-03 | 2009-12-02 | 长安大学 | 高速路况检测车 |
CN101840576A (zh) * | 2010-05-12 | 2010-09-22 | 浙江大学 | 一种可视化的测试数码相机各个成像区域分辨率的方法 |
CN105323580A (zh) * | 2014-07-30 | 2016-02-10 | 西安司坤电子科技有限公司 | 一种快捷检测数码相机成像质量的检测方法 |
CN106596073A (zh) * | 2016-12-28 | 2017-04-26 | 歌尔科技有限公司 | 一种检测光学系统像质的方法和系统及一种测试标板 |
CN110879130A (zh) * | 2018-09-06 | 2020-03-13 | 舜宇光学(浙江)研究院有限公司 | 目视光学系统的成像质量测试方法及其测试图案单元 |
US20200247162A1 (en) * | 2019-02-06 | 2020-08-06 | Oki Data Corporation | Image forming apparatus |
CN212622331U (zh) * | 2020-10-20 | 2021-02-26 | 广东德鑫医疗科技有限公司 | 一种x射线设备用成像质量测试装置 |
CN112492296A (zh) * | 2020-11-12 | 2021-03-12 | 北京环境特性研究所 | 一种成像质量评价系统及成像质量评价方法 |
CN112558182A (zh) * | 2020-10-30 | 2021-03-26 | 公安部第三研究所 | 一种用于车底成像安全检查系统动态性能检测的滚筒式高速运行测试装置及检测方法 |
CN113240635A (zh) * | 2021-05-08 | 2021-08-10 | 中南大学 | 一种裂缝分辨为基准的结构物检测图像质量测试方法 |
CN113561905A (zh) * | 2021-05-07 | 2021-10-29 | 上海厉鲨科技有限公司 | 道路病害巡检设备的安装、范围的获取方法、设备及介质 |
CN216116671U (zh) * | 2021-10-08 | 2022-03-22 | 合肥富煌君达高科信息技术有限公司 | 一种镜头测试仪 |
CN115685164A (zh) * | 2022-10-26 | 2023-02-03 | 北京理工大学 | 一种三维激光成像仪工作参数测试系统及方法 |
-
2023
- 2023-03-06 CN CN202310203186.XA patent/CN116071354B/zh active Active
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1916582A (zh) * | 2006-09-04 | 2007-02-21 | 北京理工大学 | Ccd摄像机分辨率客观评测方法 |
CN201354024Y (zh) * | 2009-03-03 | 2009-12-02 | 长安大学 | 高速路况检测车 |
CN101840576A (zh) * | 2010-05-12 | 2010-09-22 | 浙江大学 | 一种可视化的测试数码相机各个成像区域分辨率的方法 |
CN105323580A (zh) * | 2014-07-30 | 2016-02-10 | 西安司坤电子科技有限公司 | 一种快捷检测数码相机成像质量的检测方法 |
CN106596073A (zh) * | 2016-12-28 | 2017-04-26 | 歌尔科技有限公司 | 一种检测光学系统像质的方法和系统及一种测试标板 |
CN110879130A (zh) * | 2018-09-06 | 2020-03-13 | 舜宇光学(浙江)研究院有限公司 | 目视光学系统的成像质量测试方法及其测试图案单元 |
US20200247162A1 (en) * | 2019-02-06 | 2020-08-06 | Oki Data Corporation | Image forming apparatus |
CN212622331U (zh) * | 2020-10-20 | 2021-02-26 | 广东德鑫医疗科技有限公司 | 一种x射线设备用成像质量测试装置 |
CN112558182A (zh) * | 2020-10-30 | 2021-03-26 | 公安部第三研究所 | 一种用于车底成像安全检查系统动态性能检测的滚筒式高速运行测试装置及检测方法 |
CN112492296A (zh) * | 2020-11-12 | 2021-03-12 | 北京环境特性研究所 | 一种成像质量评价系统及成像质量评价方法 |
CN113561905A (zh) * | 2021-05-07 | 2021-10-29 | 上海厉鲨科技有限公司 | 道路病害巡检设备的安装、范围的获取方法、设备及介质 |
CN113240635A (zh) * | 2021-05-08 | 2021-08-10 | 中南大学 | 一种裂缝分辨为基准的结构物检测图像质量测试方法 |
CN216116671U (zh) * | 2021-10-08 | 2022-03-22 | 合肥富煌君达高科信息技术有限公司 | 一种镜头测试仪 |
CN115685164A (zh) * | 2022-10-26 | 2023-02-03 | 北京理工大学 | 一种三维激光成像仪工作参数测试系统及方法 |
Non-Patent Citations (2)
Title |
---|
MADHAV MOGANTI等: "Automatic PCB Inspection Algorithms: A Survey", 《COMPUTER VISION AND IMAGE UNDERSTANDING》, vol. 63, no. 2, pages 287 - 313, XP000597539, DOI: 10.1006/cviu.1996.0020 * |
钱其豪等: "一种快速测试封装设备镜头清晰度的方法", 《中国测试》, pages 35 - 40 * |
Also Published As
Publication number | Publication date |
---|---|
CN116071354B (zh) | 2023-07-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Al-Rousan et al. | Evaluation of image analysis techniques for quantifying aggregate shape characteristics | |
Altieri et al. | Urban sprawl scatterplots for Urban Morphological Zones data | |
Akagic et al. | Pothole detection: An efficient vision based method using rgb color space image segmentation | |
CN101853504B (zh) | 基于视觉特性与结构相似度的图像质量评测方法 | |
CN110910343A (zh) | 路面裂缝检测的方法、装置及计算机设备 | |
CN103577322B (zh) | 一种点击测试方法和装置 | |
CN110490839B (zh) | 一种检测高速公路中损坏区域的方法、装置及计算机设备 | |
CN104053984A (zh) | 图像检查方法和图像检查装置 | |
TWI794718B (zh) | 電路板檢測方法、電子裝置及存儲介質 | |
CN112307989B (zh) | 路面物体识别方法、装置、计算机设备和存储介质 | |
CN115984273B (zh) | 道路病害检测方法、装置、计算机设备及可读存储介质 | |
CN111861980B (zh) | 一种成像检测方法、电子设备及计算机可读存储介质 | |
CN116071354B (zh) | 图像处理方法、装置、计算机设备及计算机可读存储介质 | |
CN115965646B (zh) | 区域划分方法、装置、计算机设备及计算机可读存储介质 | |
CN109493825B (zh) | 一种画面参数计算方法、装置及存储介质 | |
CN115526883A (zh) | Led灯珠的检测方法、装置、计算机设备和存储介质 | |
CN116665170A (zh) | 目标检测模型的训练及目标检测方法、装置、设备和介质 | |
JP3238845U (ja) | 建屋検索システム | |
CN116309470A (zh) | 灯珠平面故障监测方法、装置、计算机设备和存储介质 | |
CN113269730B (zh) | 图像处理方法、装置、计算机设备及存储介质 | |
CN111858987B (zh) | Cad图像的问题查看方法、电子设备及相关产品 | |
Offrell et al. | In situ photographic survey of crack propagation in flexible pavements | |
CN110264491A (zh) | 客流统计方法、装置、计算机设备和可读存储介质 | |
Jia | Evaluation of Compaction Uniformity of Asphalt Pavement Based on Construction Depth Variation | |
CN115527161B (zh) | 异常放电监测方法、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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right | ||
TR01 | Transfer of patent right |
Effective date of registration: 20230803 Address after: 22nd Floor, Building T2, Qianhai Kerry Center, Nanshan District, Shenzhen, Guangdong 518051 Patentee after: Shenzhen Si Mou Information Technology Co.,Ltd. Address before: 22nd Floor, Building T2, Qianhai Kerry Center, Nanshan District, Shenzhen, Guangdong 518051 Patentee before: Shenzhen Si Mou Information Technology Co.,Ltd. Patentee before: Chongqing simou Intelligent Technology Co.,Ltd. |