JP2018060296A - 画像処理装置、画像処理システム及び画像処理方法 - Google Patents
画像処理装置、画像処理システム及び画像処理方法 Download PDFInfo
- Publication number
- JP2018060296A JP2018060296A JP2016195984A JP2016195984A JP2018060296A JP 2018060296 A JP2018060296 A JP 2018060296A JP 2016195984 A JP2016195984 A JP 2016195984A JP 2016195984 A JP2016195984 A JP 2016195984A JP 2018060296 A JP2018060296 A JP 2018060296A
- Authority
- JP
- Japan
- Prior art keywords
- image
- learning
- neural network
- input
- unit
- 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
- 238000012545 processing Methods 0.000 title claims abstract description 180
- 238000003672 processing method Methods 0.000 title claims abstract description 7
- 238000013528 artificial neural network Methods 0.000 claims abstract description 79
- 230000009466 transformation Effects 0.000 claims abstract description 37
- 238000004458 analytical method Methods 0.000 claims abstract description 22
- 238000003384 imaging method Methods 0.000 claims description 44
- 238000006243 chemical reaction Methods 0.000 claims description 9
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 claims description 3
- 230000001131 transforming effect Effects 0.000 abstract description 2
- 238000000034 method Methods 0.000 description 45
- 230000008569 process Effects 0.000 description 22
- 238000010586 diagram Methods 0.000 description 19
- 238000004891 communication Methods 0.000 description 10
- 238000007781 pre-processing Methods 0.000 description 7
- 238000013527 convolutional neural network Methods 0.000 description 4
- 238000013135 deep learning Methods 0.000 description 4
- 238000013459 approach Methods 0.000 description 3
- 230000000946 synaptic effect Effects 0.000 description 3
- 235000016496 Panda oleosa Nutrition 0.000 description 2
- 240000000220 Panda oleosa Species 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000004886 process control Methods 0.000 description 2
- 238000000844 transformation Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000003708 edge detection Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 239000003550 marker Substances 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 210000002569 neuron Anatomy 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000009966 trimming Methods 0.000 description 1
- 210000000857 visual cortex Anatomy 0.000 description 1
Images
Landscapes
- Image Processing (AREA)
- Character Discrimination (AREA)
- Traffic Control Systems (AREA)
- Image Analysis (AREA)
- Character Input (AREA)
Abstract
Description
まず、本実施例1に係る画像処理装置の概念について説明する。図1は、本実施例1に係る画像処理装置の概念を説明するための説明図である。ここでは、学習に使用するナンバープレートを撮像した多階調(例えば、256階調の白黒画像や24ビットカラー画像など)の画像(以下、「参照画像」と言う)と、この参照画像から生成された学習用画像がすでに取得されているものとする。
次に、実施例1に係る画像処理システムのシステム構成を説明する。図2は、実施例1に係る画像処理システムのシステム構成を示す図である。同図に示すように、この画像処理システムは、撮像装置1と画像処理装置3とをネットワーク2を介して接続した構成となる。
次に、図2に示した画像処理装置3の学習処理を行う場合の構成について説明する。図3は、図2に示した画像処理装置3の学習処理を行う場合の構成を示す機能ブロック図である。同図に示すように、この画像処理装置3は、入力部31、表示部32、通信インターフェース部33、記憶部34及び学習処理制御部35を有する。
次に、学習用画像Bの一例として4種類の学習用画像について説明する。図4は、学習用画像Bの一例を示す図である。図4(a)に示すように、ナンバープレートを撮像した実画像である参照画像Aには4つの基準点P1〜P4が含まれており、学習用画像Bとして使用する。図4(b)に示すように、この参照画像Aの一部の情報を欠落させた画像が学習用画像B(第1の学習用画像)となる。なお、図4では個別の車両の特定を防ぐために事業用判別番号であるかな文字を表示していないが、実際の処理ではかな文字を含んだまま処理すればよい。
次に、図2に示した画像処理装置3が認識処理を行う場合の構成について説明する。図5は、図2に示した画像処理装置3が認識処理を行う場合の機能ブロック図である。
次に、図2に示した画像処理装置3の学習段階における処理手順について説明する。図6は、図2に示した画像処理装置3の学習段階における処理手順を示すフローチャートである。なお、ここでは記憶部34に参照画像Aがすでに記憶されているものとする。
次に、図2に示した画像処理装置3の認識段階における処理手順について説明する。図7は、図2に示した画像処理装置3の認識段階における処理手順を示すフローチャートである。また、図8(a)から図8(d)を参照しつつ説明をする。
まず、本実施例2に係る画像処理装置の概念について説明する。図9は、本実施例2に係る画像処理装置の概念を説明するための説明図である。ここでは、実施例1で説明した教師有り学習の学習対象、即ち参照画像Aがナンバープレートの1種類だったものが、複数の形状の種類を有する道路標識を処理対象としている点が実施例1とは異なっている。実施例2では参照画像Aの種別識別後の学習処理が、実施例1で説明した学習処理部40と同様なのでその詳細の多くは省略する。実施例2では、参照画像Aの種別ごとに学習がなされ、ネットワークモデルパラメータGは参照画像Aの種別ごとに作成される。ここで言う参照画像Aの種別とは、矩形状のナンバープレート、円状或いは、多角形状などと言った道路標識等の形状の種別である。
これにより、基準点の精度向上や、多様な形状の表示板に対応することができるという効果がある。
次に、実施例2に係る画像処理システムのシステム構成を説明する。図10は、実施例2に係る画像処理システムのシステム構成を示す図である。同図に示すように、この画像処理システムは、車両に搭載された撮像装置1と画像処理装置4とを接続した構成となる。なお、撮像装置1については実施例1に示すものと同様であるので、ここではその説明を省略する。
次に、図10に示した画像処理装置4の構成について説明する。図11は、図10に示した画像処理装置4の学習時の構成を示す機能ブロック図である。同図に示すように、この画像処理装置4は、入力部31、表示部32、通信インターフェース部33、記憶部34及び学習処理制御部35を有する。なお、実施例1の画像処理装置3と同様の部位については、同一の符号を付すこととして、その詳細な説明を省略する。入力部31は、操作者が参照画像の種別を入力するのに使用される。
次に、図13に示した画像処理装置4の認識段階における処理手順について説明する。図14は、図10に示した画像処理装置4の認識段階における処理手順を示すフローチャートである。簡単に説明すると、入力画像受付部45で入力画像Cを受け付け(ステップS301)、認識用画像Dを生成する(ステップS302)、この認識用画像Dを元に種別識別部52により道路標識の形状の種別を決定する(ステップS303)。そして、種別に応じた認識処理部46(i)を選択する(ステップS304)。次に、実施例1の記載と同様の解析用画像Eを生成し(ステップS305)、生成した解析用画像Eを種別識別部52によって識別された種別のネットワークモデルパラメータGで再構成された多層ニューラルネットワーク36へ入力する(ステップS306)。多層ニューラルネットワーク36は対応点を算出する(ステップS307)。
B 学習用画像
C 入力画像
D 認識用画像
E 解析用画像
F 正面画像
G ネットワークモデルパラメータ
H 文字認識用辞書
1 撮像装置
2 ネットワーク
3,4 画像処理装置
31 入力部
32 表示部
33 通信インターフェース部
34 記憶部
35 学習処理制御部
36 多層ニューラルネットワーク
37 ネットワークモデル更新処理部
38 参照画像生成部
39 学習用画像生成部
40 学習処理部
41 対応点学習受付部
44 認識処理制御部
45 入力画像受付部
46 認識処理部
47 対応点特定部
48 正面画像生成部
49 文字認識部
50 記憶部
51 認識処理制御部
52 種別識別部
Claims (9)
- 表示板を含む複数の学習用画像及び各学習用画像における少なくとも3つの基準点を用いて教師有り学習を行った多層ニューラルネットワークと、
表示板を含む入力画像を取得する入力画像受付部と、
前記多層ニューラルネットワークに前記入力画像に基づく画像を投入し、前記基準点に対応する前記入力画像に関する少なくとも3つの対応点に係る情報を特定する対応点特定部と
を備えたことを特徴とする画像処理装置。 - 前記対応点特定部により特定された3つの対応点に係る情報に基づくアフィン変換若しくは4つの対応点に係る情報に基づく射影変換を行って、前記入力画像に対応する正面画像を生成する正面画像生成部をさらに備えたことを特徴とする請求項1に記載の画像処理装置。
- 前記正面画像生成部により生成された正面画像に含まれる文字を文字認識する文字認識部をさらに備えたことを特徴とする請求項2に記載の画像処理装置。
- 前記多層ニューラルネットワークは、所定の撮像装置により前記表示板を撮像した実画像の一部の情報を欠落させた第1の学習用画像と、前記実画像を射影変換した第2の学習用画像と、前記第1の学習用画像を射影変換した第3の学習用画像とのうち少なくとも1種類を含む学習用画像と、前記学習用画像における少なくとも3つの基準点とを入力情報として教師有り学習を行うことを特徴とする請求項1〜3のいずれか一つに記載の画像処理装置。
- 前記表示板の種別を識別する種別識別部をさらに備えたことを特徴とする請求項1〜4に記載の画像処理装置。
- 前記対応点特定部は、前記入力画像受付部により取得された入力画像から生成された濃淡画像である解析用画像を前記多層ニューラルネットワークに投入することを特徴とする請求項1〜5のいずれか一つに記載の画像処理装置。
- 前記表示板は、車両の登録番号を示すナンバープレート又は道路標識であることを特徴とする請求項1〜6のいずれか一つに記載の画像処理装置。
- 表示板を含む画像を処理する画像処理システムであって、
表示板を含む複数の学習用画像及び各学習用画像における少なくとも3つの基準点を用いて教師有り学習を行った多層ニューラルネットワークと、
表示板を含む入力画像を取得する入力画像受付部と、
前記多層ニューラルネットワークに前記入力画像に基づく画像を投入し、前記基準点に対応する前記入力画像に関する少なくとも3つの対応点に係る情報を特定する対応点特定部と
を備えたことを特徴とする画像処理システム。 - 表示板を含む複数の学習用画像及び各学習用画像における少なくとも3つの基準点を用いて多層ニューラルネットワークに教師有り学習を実行させるステップと、
表示板を含む入力画像を取得する入力画像取得ステップと、
前記多層ニューラルネットワークに前記入力画像に基づく画像を投入し、前記基準点に対応する前記入力画像に関する少なくとも3つの対応点に係る情報を特定する対応点特定ステップと
を含んだことを特徴とする画像処理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2016195984A JP6829575B2 (ja) | 2016-10-03 | 2016-10-03 | 画像処理装置、画像処理システム及び画像処理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2016195984A JP6829575B2 (ja) | 2016-10-03 | 2016-10-03 | 画像処理装置、画像処理システム及び画像処理方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2018060296A true JP2018060296A (ja) | 2018-04-12 |
JP6829575B2 JP6829575B2 (ja) | 2021-02-10 |
Family
ID=61908501
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2016195984A Active JP6829575B2 (ja) | 2016-10-03 | 2016-10-03 | 画像処理装置、画像処理システム及び画像処理方法 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6829575B2 (ja) |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2019170516A (ja) * | 2018-03-27 | 2019-10-10 | サミー株式会社 | ぱちんこ遊技機 |
CN110428393A (zh) * | 2018-04-27 | 2019-11-08 | 丰田自动车株式会社 | 解析装置以及解析程序 |
WO2019225595A1 (ja) * | 2018-05-23 | 2019-11-28 | 日本電気株式会社 | 辞書学習装置、情報処理装置、辞書学習方法およびプログラム記憶媒体 |
JP2020008984A (ja) * | 2018-07-04 | 2020-01-16 | 株式会社東芝 | 自己位置推定装置、自己位置推定方法、自己位置推定プログラム、学習装置、学習方法及び学習プログラム |
WO2020062433A1 (zh) * | 2018-09-29 | 2020-04-02 | 初速度(苏州)科技有限公司 | 一种神经网络模型训练及通用接地线的检测方法 |
JP2020064619A (ja) * | 2018-10-17 | 2020-04-23 | 三星電子株式会社Samsung Electronics Co.,Ltd. | イメージ認識モデルのトレーニング装置及び方法並びにイメージ認識方法 |
JP2020067669A (ja) * | 2018-10-19 | 2020-04-30 | 株式会社ファブリカコミュニケーションズ | 情報処理装置及びプログラム |
JP2021005164A (ja) * | 2019-06-25 | 2021-01-14 | 株式会社エクサウィザーズ | 文字認識装置、撮影装置、文字認識方法、および、文字認識プログラム |
JP2021005138A (ja) * | 2019-06-25 | 2021-01-14 | Kddi株式会社 | 摂動画像データに対応した学習モデル、学習データ、学習モデル・データ生成方法、及び画像識別装置 |
JP2021039544A (ja) * | 2019-09-03 | 2021-03-11 | 東ソー株式会社 | 学習装置、学習方法、細胞判別装置、細胞判別方法、細胞判別学習プログラムおよび細胞判別プログラム |
JP2021519984A (ja) * | 2018-11-27 | 2021-08-12 | ベイジン ディディ インフィニティ テクノロジー アンド ディベロップメント カンパニー リミティッド | オブジェクション検出のためのaiシステムおよび方法 |
JP2022532238A (ja) * | 2019-05-17 | 2022-07-13 | マジック リープ, インコーポレイテッド | ニューラルネットワークおよび角検出器を使用した角検出のための方法および装置 |
JP2022159995A (ja) * | 2021-04-05 | 2022-10-18 | 日本システム開発株式会社 | 画像生成装置 |
JP2022181678A (ja) * | 2021-05-26 | 2022-12-08 | Necプラットフォームズ株式会社 | 情報処理システム及びプログラム |
US12007564B2 (en) | 2023-05-11 | 2024-06-11 | Magic Leap, Inc. | Methods and apparatuses for corner detection using neural network and corner detector |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH1011576A (ja) * | 1996-06-21 | 1998-01-16 | Sanyo Electric Co Ltd | 部品形状認識方法 |
JP2012212346A (ja) * | 2011-03-31 | 2012-11-01 | Sony Corp | 画像処理装置、画像処理方法及びプログラム |
JP2013033406A (ja) * | 2011-08-02 | 2013-02-14 | Ntt Comware Corp | 画像処理装置、画像処理方法及び画像処理プログラム |
WO2014073198A1 (ja) * | 2012-11-06 | 2014-05-15 | 日本電気株式会社 | 画像処理装置、及び、画像処理方法 |
JP2016153984A (ja) * | 2015-02-20 | 2016-08-25 | 株式会社デンソーアイティーラボラトリ | ニューラルネットワーク処理装置、ニューラルネットワーク処理方法、検出装置、検出方法、および、車両 |
-
2016
- 2016-10-03 JP JP2016195984A patent/JP6829575B2/ja active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH1011576A (ja) * | 1996-06-21 | 1998-01-16 | Sanyo Electric Co Ltd | 部品形状認識方法 |
JP2012212346A (ja) * | 2011-03-31 | 2012-11-01 | Sony Corp | 画像処理装置、画像処理方法及びプログラム |
JP2013033406A (ja) * | 2011-08-02 | 2013-02-14 | Ntt Comware Corp | 画像処理装置、画像処理方法及び画像処理プログラム |
WO2014073198A1 (ja) * | 2012-11-06 | 2014-05-15 | 日本電気株式会社 | 画像処理装置、及び、画像処理方法 |
JP2016153984A (ja) * | 2015-02-20 | 2016-08-25 | 株式会社デンソーアイティーラボラトリ | ニューラルネットワーク処理装置、ニューラルネットワーク処理方法、検出装置、検出方法、および、車両 |
Non-Patent Citations (2)
Title |
---|
大場慎平, 外3名: ""局所特徴を利用したナンバープレート検出"", 電子情報通信学会技術研究報告, vol. 第109巻, 第418号, JPN6020039703, 11 February 2010 (2010-02-11), JP, pages 1 - 6, ISSN: 0004369036 * |
藤吉弘亘, 外1名: ""ナンバープレートの位置検出法の評価"", 電子情報通信学会技術研究報告, vol. 第93巻, 第134号, JPN6020039705, 9 July 1993 (1993-07-09), JP, pages 45 - 52, ISSN: 0004369037 * |
Cited By (24)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2019170516A (ja) * | 2018-03-27 | 2019-10-10 | サミー株式会社 | ぱちんこ遊技機 |
CN110428393A (zh) * | 2018-04-27 | 2019-11-08 | 丰田自动车株式会社 | 解析装置以及解析程序 |
CN110428393B (zh) * | 2018-04-27 | 2022-12-13 | 丰田自动车株式会社 | 解析装置以及解析程序 |
JP7103412B2 (ja) | 2018-05-23 | 2022-07-20 | 日本電気株式会社 | 辞書学習装置、情報処理装置、辞書学習方法およびコンピュータプログラム |
WO2019225595A1 (ja) * | 2018-05-23 | 2019-11-28 | 日本電気株式会社 | 辞書学習装置、情報処理装置、辞書学習方法およびプログラム記憶媒体 |
US11600086B2 (en) | 2018-05-23 | 2023-03-07 | Nec Corporation | Dictionary learning device, dictionary learning method, and program storage medium |
JPWO2019225595A1 (ja) * | 2018-05-23 | 2021-05-13 | 日本電気株式会社 | 辞書学習装置、情報処理装置、辞書学習方法およびコンピュータプログラム |
JP2020008984A (ja) * | 2018-07-04 | 2020-01-16 | 株式会社東芝 | 自己位置推定装置、自己位置推定方法、自己位置推定プログラム、学習装置、学習方法及び学習プログラム |
JP7131994B2 (ja) | 2018-07-04 | 2022-09-06 | 株式会社東芝 | 自己位置推定装置、自己位置推定方法、自己位置推定プログラム、学習装置、学習方法及び学習プログラム |
WO2020062433A1 (zh) * | 2018-09-29 | 2020-04-02 | 初速度(苏州)科技有限公司 | 一种神经网络模型训练及通用接地线的检测方法 |
JP2020064619A (ja) * | 2018-10-17 | 2020-04-23 | 三星電子株式会社Samsung Electronics Co.,Ltd. | イメージ認識モデルのトレーニング装置及び方法並びにイメージ認識方法 |
JP7421889B2 (ja) | 2018-10-17 | 2024-01-25 | 三星電子株式会社 | イメージ認識モデルのトレーニング装置及び方法並びにイメージ認識方法 |
JP2020067669A (ja) * | 2018-10-19 | 2020-04-30 | 株式会社ファブリカコミュニケーションズ | 情報処理装置及びプログラム |
JP7009652B2 (ja) | 2018-11-27 | 2022-01-25 | ベイジン ディディ インフィニティ テクノロジー アンド ディベロップメント カンパニー リミティッド | オブジェクション検出のためのaiシステムおよび方法 |
JP2021519984A (ja) * | 2018-11-27 | 2021-08-12 | ベイジン ディディ インフィニティ テクノロジー アンド ディベロップメント カンパニー リミティッド | オブジェクション検出のためのaiシステムおよび方法 |
JP2022532238A (ja) * | 2019-05-17 | 2022-07-13 | マジック リープ, インコーポレイテッド | ニューラルネットワークおよび角検出器を使用した角検出のための方法および装置 |
JP7422785B2 (ja) | 2019-05-17 | 2024-01-26 | マジック リープ, インコーポレイテッド | ニューラルネットワークおよび角検出器を使用した角検出のための方法および装置 |
JP2021005138A (ja) * | 2019-06-25 | 2021-01-14 | Kddi株式会社 | 摂動画像データに対応した学習モデル、学習データ、学習モデル・データ生成方法、及び画像識別装置 |
JP2021005164A (ja) * | 2019-06-25 | 2021-01-14 | 株式会社エクサウィザーズ | 文字認識装置、撮影装置、文字認識方法、および、文字認識プログラム |
JP2021039544A (ja) * | 2019-09-03 | 2021-03-11 | 東ソー株式会社 | 学習装置、学習方法、細胞判別装置、細胞判別方法、細胞判別学習プログラムおよび細胞判別プログラム |
JP7383939B2 (ja) | 2019-09-03 | 2023-11-21 | 東ソー株式会社 | 学習装置、学習方法、細胞判別装置、細胞判別方法、細胞判別学習プログラムおよび細胞判別プログラム |
JP2022159995A (ja) * | 2021-04-05 | 2022-10-18 | 日本システム開発株式会社 | 画像生成装置 |
JP2022181678A (ja) * | 2021-05-26 | 2022-12-08 | Necプラットフォームズ株式会社 | 情報処理システム及びプログラム |
US12007564B2 (en) | 2023-05-11 | 2024-06-11 | Magic Leap, Inc. | Methods and apparatuses for corner detection using neural network and corner detector |
Also Published As
Publication number | Publication date |
---|---|
JP6829575B2 (ja) | 2021-02-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6829575B2 (ja) | 画像処理装置、画像処理システム及び画像処理方法 | |
EP3690712A1 (en) | Learning method and learning device of pedestrian detector for robust surveillance based on image analysis by using gan and testing method and testing device using the same | |
EP3321842B1 (en) | Lane line recognition modeling method, apparatus, storage medium, and device, recognition method and apparatus, storage medium, and device | |
US10346720B2 (en) | Rotation variant object detection in Deep Learning | |
JP6400117B2 (ja) | 交通標識を認識する方法及び装置 | |
Guan et al. | Robust traffic-sign detection and classification using mobile LiDAR data with digital images | |
CN109145759B (zh) | 车辆属性识别方法、装置、服务器及存储介质 | |
US20170300788A1 (en) | Method for object detection in digital image and video using spiking neural networks | |
US10445602B2 (en) | Apparatus and method for recognizing traffic signs | |
Neto et al. | Brazilian vehicle identification using a new embedded plate recognition system | |
CN111507908B (zh) | 图像矫正处理方法、装置、存储介质及计算机设备 | |
CN110222641B (zh) | 用于识别图像的方法和装置 | |
US20220044072A1 (en) | Systems and methods for aligning vectors to an image | |
Nordeng et al. | DEBC detection with deep learning | |
US11906441B2 (en) | Inspection apparatus, control method, and program | |
JP2007025902A (ja) | 画像処理装置、画像処理方法 | |
JP5201184B2 (ja) | 画像処理装置及びプログラム | |
US20230215144A1 (en) | Training apparatus, control method, and non-transitory computer-readable storage medium | |
Jin et al. | Towards an automatic system for road lane marking extraction in large-scale aerial images acquired over rural areas by hierarchical image analysis and Gabor filter | |
CN111860084B (zh) | 图像特征的匹配、定位方法及装置、定位系统 | |
CN114419451B (zh) | 电梯内外识别方法、装置、电子设备及存储介质 | |
WO2021056307A1 (en) | Systems and methods for detecting lane markings for autonomous driving | |
Prasad et al. | Real-Time Lane Detection for Autonomous Vehicles | |
JP2024075503A (ja) | 画像中のカーブミラーを検出するシステム及び方法 | |
CN117557933A (zh) | 一种基于深度学习的电动车违章识别方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20190912 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20201012 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20201020 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20201217 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20210112 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20210122 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6829575 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |