RU2019137521A - Способы и системы для автоматизированного определения присутствия объектов - Google Patents
Способы и системы для автоматизированного определения присутствия объектов Download PDFInfo
- Publication number
- RU2019137521A RU2019137521A RU2019137521A RU2019137521A RU2019137521A RU 2019137521 A RU2019137521 A RU 2019137521A RU 2019137521 A RU2019137521 A RU 2019137521A RU 2019137521 A RU2019137521 A RU 2019137521A RU 2019137521 A RU2019137521 A RU 2019137521A
- Authority
- RU
- Russia
- Prior art keywords
- lidar
- vehicle
- electronic device
- data
- training
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims 22
- 238000001514 detection method Methods 0.000 claims 7
- 230000004044 response Effects 0.000 claims 6
- 230000000295 complement effect Effects 0.000 claims 2
- 238000010801 machine learning Methods 0.000 claims 2
- 238000004891 communication Methods 0.000 claims 1
- 230000003287 optical effect Effects 0.000 claims 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/86—Combinations of lidar systems with systems other than lidar, radar or sonar, e.g. with direction finders
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/88—Lidar systems specially adapted for specific applications
- G01S17/93—Lidar systems specially adapted for specific applications for anti-collision purposes
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/88—Lidar systems specially adapted for specific applications
- G01S17/89—Lidar systems specially adapted for specific applications for mapping or imaging
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/88—Lidar systems specially adapted for specific applications
- G01S17/93—Lidar systems specially adapted for specific applications for anti-collision purposes
- G01S17/931—Lidar systems specially adapted for specific applications for anti-collision purposes of land vehicles
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- 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
- G06T7/20—Analysis of motion
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2420/00—Indexing codes relating to the type of sensors based on the principle of their operation
- B60W2420/40—Photo, light or radio wave sensitive means, e.g. infrared sensors
- B60W2420/403—Image sensing, e.g. optical camera
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2420/00—Indexing codes relating to the type of sensors based on the principle of their operation
- B60W2420/40—Photo, light or radio wave sensitive means, e.g. infrared sensors
- B60W2420/408—Radar; Laser, e.g. lidar
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
-
- 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
- G06T2207/30248—Vehicle exterior or interior
- G06T2207/30252—Vehicle exterior; Vicinity of vehicle
- G06T2207/30261—Obstacle
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Electromagnetism (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Automation & Control Theory (AREA)
- Mechanical Engineering (AREA)
- Transportation (AREA)
- Multimedia (AREA)
- Quality & Reliability (AREA)
- Medical Informatics (AREA)
- Computing Systems (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Traffic Control Systems (AREA)
- Optical Radar Systems And Details Thereof (AREA)
Claims (38)
1. Способ обработки данных облака (лидарных) точек на основе оптического обнаружения и дальнометрии (LIDAR), причем способ осуществляют посредством электронного устройства, соединенного с возможностью связи с лидаром, установленным на транспортном средстве, причем лидар имеет множество лазеров и выполнен с возможностью захвата данных облака лидарных точек, имеющих множество лидарных точек, причем электронное устройство дополнительно выполняет алгоритм обнаружения для обнаружения присутствия по меньшей мере одного объекта в окружении транспортного средства на основе данных облака лидарных точек, при этом способ содержит этапы, на которых:
принимают, посредством электронного устройства, первые данные облака лидарных точек, захваченные посредством лидара;
выполняют, посредством электронного устройства, алгоритм машинного обучения (MLA), причем MLA выполнен с возможностью выполнять этапы, на которых:
анализируют, посредством электронного устройства, первое множество лидарных точек из первых данных облака лидарных точек относительно шаблона откликов множества лазеров для того, чтобы определять текущий шаблон лидарных точек;
извлекают, посредством электронного устройства, данные представления в виде сетки окружающей области транспортного средства;
на основе текущего шаблона и данных представления в виде сетки, определяют то, что первое множество лидарных точек ассоциировано со слепой зоной, причем слепая зона препятствует алгоритму обнаружения обнаружить присутствие по меньшей мере одного объекта в окружении транспортного средства, что обусловлено присутствием по меньшей мере одного объекта.
2. Способ по п. 1, при этом способ дополнительно содержит этап, на котором обучают MLA посредством этапа, на котором:
подают в MLA множество объектов из обучающего набора, причем каждый из множества объектов из обучающего набора включает в себя:
обучающий шаблон лидарных точек;
данные представления в форме обучающей сетки ассоциированной окружающей обучающей области;
метку, указывающую, что алгоритм обнаружения имеет возможность обнаружить присутствие по меньшей мере одного обучающего объекта в окружении транспортного средства, что обусловлено присутствием по меньшей мере одного обучающего объекта.
3. Способ по п. 2, при этом способ дополнительно содержит этап, на котором определяют, посредством вторичного алгоритма, что присутствует по меньшей мере один обучающий объект.
4. Способ по п. 3, в котором вторичный алгоритм содержит этап, на котором анализируют данные изображений, захваченных посредством одного из транспортного средства и других транспортных средств, причем данные изображений указывают присутствие по меньшей мере одного обучающего объекта.
5. Способ по п. 3, в котором вторичный алгоритм содержит этап, на котором анализируют присутствие по меньшей мере одного обучающего объекта в момент времени до выполнения обучения и траектории перемещения, ассоциированной с ним.
6. Способ по п. 5, в котором анализ присутствия по меньшей мере одного обучающего объекта дополнительно содержит этап, на котором определяют то, что на основе траектории перемещения и разности времен между временем обучения и предыдущим временем, по меньшей мере один обучающий объект по-прежнему должен быть видимым в лидарных точках.
7. Способ по п. 1, в котором в ответ на обнаружение слепой зоны в первом множестве лидарных точек, способ дополнительно содержит этап, на котором управляют транспортным средством таким образом, чтобы применить по меньшей мере одно исправляющее действие.
8. Способ по п. 7, в котором по меньшей мере одно исправляющее действие содержит получение дополнительных данных датчиков по меньшей мере из одного дополнительного датчика, ассоциированного с транспортным средством, в попытке корректировать слепую зону.
9. Способ по п. 7, в котором по меньшей мере одно исправляющее действие содержит управление транспортным средством таким образом, чтобы дополнять перемещение транспортного средства.
10. Способ по п. 9, в котором управление транспортным средством таким образом, чтобы дополнять перемещение транспортного средства, содержит этап, на котором инструктируют транспортное средство на одно из следующего: замедлять ход, изменять траекторию, выполнять экстренное торможение и ускоряться.
11. Способ по п. 1, в котором определение того, что первое множество лидарных точек ассоциировано со слепой зоной, дополнительно основано на геометрическом шаблоне множества лазеров.
12. Способ по п. 1, в котором шаблон откликов множества лазеров указывает совокупность откликов, которые лидар должен принимать в ответ на излучение света посредством множества лазеров.
13. Способ по п. 1, в котором данные представления в виде сетки представляют сетку с центральной точкой, расположенной в транспортном средстве.
14. Способ по п. 13, в котором сетка перемещается с перемещением транспортного средства.
15. Способ по п. 1, при этом способ дополнительно содержит этап, на котором формируют данные представления в виде сетки в качестве сетки занятости.
16. Система, содержащая:
электронное устройство,
лидар, соединенный с возможностью связи с электронным устройством, причем лидар имеет множество лазеров и выполнен с возможностью захвата данных облака лидарных точек, имеющих множество лидарных точек,
причем электронное устройство выполнено с возможностью выполнять алгоритм обнаружения для обнаружения присутствия по меньшей мере одного объекта в окружающей области на основе данных облака лидарных точек,
причем электронное устройство выполнено с возможностью:
принимать первые данные облака лидарных точек, захваченные посредством лидара;
выполнять алгоритм машинного обучения (MLA), причем MLA выполнен с возможностью выполнять:
анализ, посредством электронного устройства, первого множества лидарных точек из первых данных облака лидарных точек относительно шаблона откликов множества лазеров для того, чтобы определять текущий шаблон лидарных точек;
извлечение, посредством электронного устройства, данных представления в виде сетки окружающей области;
на основе текущего шаблона и данных представления в виде сетки, определение того, что первое множество лидарных точек ассоциировано со слепой зоной, причем слепая зона препятствует алгоритму обнаружения обнаружить присутствие по меньшей мере одного объекта в окружающей области, что обусловлено присутствием по меньшей мере одного объекта.
17. Система по п. 16, в которой лидар ассоциирован с транспортным средством.
18. Система по п. 16, в которой лидар и электронное устройство установлены на транспортном средстве.
19. Система по п. 16, в которой алгоритм обнаружения представляет собой первый MLA, отличающийся от MLA.
20. Система по п. 16, в которой электронное устройство представляет собой по меньшей мере одно из локального электронного устройства, сервера, удаленно соединенного с транспортным средством, и подсистемы локального электронного устройства и сервера.
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
RU2019137521A RU2769921C2 (ru) | 2019-11-21 | 2019-11-21 | Способы и системы для автоматизированного определения присутствия объектов |
EP20184659.9A EP3825732A1 (en) | 2019-11-21 | 2020-07-08 | Methods and systems for computer-based determining of presence of objects |
US16/929,775 US11740358B2 (en) | 2019-11-21 | 2020-07-15 | Methods and systems for computer-based determining of presence of objects |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
RU2019137521A RU2769921C2 (ru) | 2019-11-21 | 2019-11-21 | Способы и системы для автоматизированного определения присутствия объектов |
Publications (3)
Publication Number | Publication Date |
---|---|
RU2019137521A3 RU2019137521A3 (ru) | 2021-05-21 |
RU2019137521A true RU2019137521A (ru) | 2021-05-21 |
RU2769921C2 RU2769921C2 (ru) | 2022-04-08 |
Family
ID=71574934
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
RU2019137521A RU2769921C2 (ru) | 2019-11-21 | 2019-11-21 | Способы и системы для автоматизированного определения присутствия объектов |
Country Status (3)
Country | Link |
---|---|
US (1) | US11740358B2 (ru) |
EP (1) | EP3825732A1 (ru) |
RU (1) | RU2769921C2 (ru) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3819665B1 (en) * | 2019-11-06 | 2022-01-19 | Yandex Self Driving Group LLC | Method and computer device for calibrating lidar system |
WO2021149095A1 (ja) * | 2020-01-20 | 2021-07-29 | 三菱電機株式会社 | 移動支援装置、移動支援学習装置、及び、移動支援方法 |
US11531114B2 (en) * | 2020-06-16 | 2022-12-20 | Toyota Research Institute, Inc. | Sensor placement to reduce blind spots |
US11514794B1 (en) * | 2021-03-20 | 2022-11-29 | Khari Brown | Vehicular blind spot warning system |
CN116681767B (zh) * | 2023-08-03 | 2023-12-29 | 长沙智能驾驶研究院有限公司 | 一种点云搜索方法、装置及终端设备 |
Family Cites Families (41)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA95138A (en) | 1905-04-28 | 1905-09-19 | Joseph Aldine Charlton | Awning |
AU2001259640A1 (en) * | 2000-05-08 | 2001-11-20 | Automotive Technologies International, Inc. | Vehicular blind spot identification and monitoring system |
US6882287B2 (en) * | 2001-07-31 | 2005-04-19 | Donnelly Corporation | Automotive lane change aid |
WO2003093857A2 (en) * | 2002-05-03 | 2003-11-13 | Donnelly Corporation | Object detection system for vehicle |
JP4752486B2 (ja) * | 2005-12-15 | 2011-08-17 | 株式会社日立製作所 | 撮像装置、映像信号の選択装置、運転支援装置、自動車 |
WO2009119110A1 (ja) * | 2008-03-27 | 2009-10-01 | パナソニック株式会社 | 死角表示装置 |
EP2473871B1 (en) * | 2009-09-01 | 2015-03-11 | Magna Mirrors Of America, Inc. | Imaging and display system for vehicle |
CN103109313B (zh) | 2010-09-08 | 2016-06-01 | 丰田自动车株式会社 | 危险度计算装置 |
EP2659320A2 (en) * | 2010-12-30 | 2013-11-06 | iRobot Corporation | Mobile human interface robot |
KR101534927B1 (ko) * | 2013-10-08 | 2015-07-07 | 현대자동차주식회사 | 차량 인지 장치 및 방법 |
US9665791B2 (en) * | 2014-04-04 | 2017-05-30 | Massachusetts Institute Of Technology | System and method for extracting dominant orientations from a scene |
US9785828B2 (en) | 2014-06-06 | 2017-10-10 | Honda Motor Co., Ltd. | System and method for partially occluded object detection |
KR101644370B1 (ko) * | 2014-10-23 | 2016-08-01 | 현대모비스 주식회사 | 물체 검출 장치 및 그 동작 방법 |
US9934689B2 (en) * | 2014-12-17 | 2018-04-03 | Toyota Motor Engineering & Manufacturing North America, Inc. | Autonomous vehicle operation at blind intersections |
EP3288004B1 (en) | 2015-04-23 | 2021-09-15 | Nissan Motor Co., Ltd. | Scene ascertainment device |
EP3091370B1 (en) | 2015-05-05 | 2021-01-06 | Volvo Car Corporation | Method and arrangement for determining safe vehicle trajectories |
JP6507862B2 (ja) | 2015-06-02 | 2019-05-08 | トヨタ自動車株式会社 | 周辺監視装置及び運転支援装置 |
US9805274B2 (en) | 2016-02-03 | 2017-10-31 | Honda Motor Co., Ltd. | Partially occluded object detection using context and depth ordering |
US10055652B2 (en) | 2016-03-21 | 2018-08-21 | Ford Global Technologies, Llc | Pedestrian detection and motion prediction with rear-facing camera |
US10578719B2 (en) * | 2016-05-18 | 2020-03-03 | James Thomas O'Keeffe | Vehicle-integrated LIDAR system |
US20210073692A1 (en) * | 2016-06-12 | 2021-03-11 | Green Grid Inc. | Method and system for utility infrastructure condition monitoring, detection and response |
US10137890B2 (en) | 2016-06-28 | 2018-11-27 | Toyota Motor Engineering & Manufacturing North America, Inc. | Occluded obstacle classification for vehicles |
US10078335B2 (en) | 2016-06-28 | 2018-09-18 | Toyota Motor Engineering & Manufacturing North America, Inc. | Ray tracing for hidden obstacle detection |
US9910442B2 (en) | 2016-06-28 | 2018-03-06 | Toyota Motor Engineering & Manufacturing North America, Inc. | Occluded area detection with static obstacle maps |
CN108020825B (zh) * | 2016-11-03 | 2021-02-19 | 岭纬公司 | 激光雷达、激光摄像头、视频摄像头的融合标定系统及方法 |
DE102016122981A1 (de) | 2016-11-29 | 2018-05-30 | Valeo Schalter Und Sensoren Gmbh | Totwinkelüberwachung für ein Sensorsystem eines Kraftfahrzeugs |
US20190011913A1 (en) | 2017-07-05 | 2019-01-10 | GM Global Technology Operations LLC | Methods and systems for blind spot detection in an autonomous vehicle |
US20190025433A1 (en) | 2017-07-19 | 2019-01-24 | Aptiv Technologies Limited | Automated vehicle lidar tracking system for occluded objects |
US10783381B2 (en) * | 2017-08-31 | 2020-09-22 | Tusimple, Inc. | System and method for vehicle occlusion detection |
US10552689B2 (en) * | 2017-11-09 | 2020-02-04 | Here Global B.V. | Automatic occlusion detection in road network data |
DE112019000279T5 (de) * | 2018-02-09 | 2020-08-27 | Nvidia Corporation | Steuern autonomer fahrzeuge anhand sicherer ankunftszeiten |
JP2019145021A (ja) * | 2018-02-23 | 2019-08-29 | ソニーセミコンダクタソリューションズ株式会社 | 情報処理装置、撮像装置、及び撮像システム |
WO2019191235A1 (en) * | 2018-03-27 | 2019-10-03 | 3M Innovative Properties Company | Identifier allocation for optical element sets in machine-read articles |
US10269141B1 (en) * | 2018-06-04 | 2019-04-23 | Waymo Llc | Multistage camera calibration |
US11508049B2 (en) * | 2018-09-13 | 2022-11-22 | Nvidia Corporation | Deep neural network processing for sensor blindness detection in autonomous machine applications |
DE102018216423A1 (de) * | 2018-09-26 | 2020-03-26 | Robert Bosch Gmbh | Bestimmung eines Ansteuerungssignals für ein teilautonomes Fahrzeug |
CN109633687A (zh) | 2018-11-28 | 2019-04-16 | 浙江中车电车有限公司 | 一种补偿汽车激光雷达识别障碍物盲区的系统及方法 |
US20210027629A1 (en) * | 2019-07-25 | 2021-01-28 | Baidu Usa Llc | Blind area processing for autonomous driving vehicles |
US20210108926A1 (en) * | 2019-10-12 | 2021-04-15 | Ha Q. Tran | Smart vehicle |
US20210133990A1 (en) * | 2019-11-05 | 2021-05-06 | Nvidia Corporation | Image aligning neural network |
US20210142160A1 (en) * | 2019-11-08 | 2021-05-13 | Nvidia Corporation | Processor and system to identify out-of-distribution input data in neural networks |
-
2019
- 2019-11-21 RU RU2019137521A patent/RU2769921C2/ru active
-
2020
- 2020-07-08 EP EP20184659.9A patent/EP3825732A1/en active Pending
- 2020-07-15 US US16/929,775 patent/US11740358B2/en active Active
Also Published As
Publication number | Publication date |
---|---|
US20210157002A1 (en) | 2021-05-27 |
RU2769921C2 (ru) | 2022-04-08 |
US11740358B2 (en) | 2023-08-29 |
RU2019137521A3 (ru) | 2021-05-21 |
EP3825732A1 (en) | 2021-05-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
RU2019137521A (ru) | Способы и системы для автоматизированного определения присутствия объектов | |
CN109144097B (zh) | 障碍物或地面识别及飞行控制方法、装置、设备及介质 | |
CN105100780B (zh) | 使用选择的像素阵列分析的光学安全监视 | |
CN110765894B (zh) | 目标检测方法、装置、设备及计算机可读存储介质 | |
CN106503653B (zh) | 区域标注方法、装置和电子设备 | |
US10977501B2 (en) | Object classification using extra-regional context | |
CN107014827B (zh) | 基于影像处理的输电线路缺陷分析方法、装置和系统 | |
JP2021098492A (ja) | 衝突検出方法、装置、電子デバイス、記憶媒体、及びプログラム | |
CN113424079A (zh) | 障碍物检测方法、装置、计算机设备和存储介质 | |
US8977001B2 (en) | Device and method for monitoring video objects | |
CN111695478B (zh) | 一种目标检测方法及设备 | |
CN110286389A (zh) | 一种用于障碍物识别的栅格管理方法 | |
WO2021134285A1 (zh) | 图像跟踪处理方法、装置、计算机设备和存储介质 | |
US11783602B2 (en) | Object recognition system, recognition device, object recognition method, and object recognition program | |
CN112802092B (zh) | 一种障碍物感知方法、装置以及电子设备 | |
RU2018112646A (ru) | Системы и способы обучения обнаружению листвы | |
JP2023546672A (ja) | レール特徴部識別システム | |
CN115880598B (zh) | 一种基于无人机的地面图像检测方法及相关装置 | |
US20200086857A1 (en) | Information processing device, vehicle control device, and mobile object control method | |
US20230260132A1 (en) | Detection method for detecting static objects | |
JP2017138219A (ja) | 物体認識装置 | |
JP2018125670A (ja) | 空中監視装置、空中監視方法及びプログラム | |
JP5971761B2 (ja) | 煙検出装置および煙検出方法 | |
EP4186050A1 (en) | Critical scenario identification for verification and validation of vehicles | |
CN107885231B (zh) | 一种基于可见光图像识别的无人机捕获方法及系统 |