CN105809143A - 基于图像识别十字靶标的车辆标齐考核方法 - Google Patents
基于图像识别十字靶标的车辆标齐考核方法 Download PDFInfo
- Publication number
- CN105809143A CN105809143A CN201610177108.7A CN201610177108A CN105809143A CN 105809143 A CN105809143 A CN 105809143A CN 201610177108 A CN201610177108 A CN 201610177108A CN 105809143 A CN105809143 A CN 105809143A
- Authority
- CN
- China
- Prior art keywords
- target
- image
- cross
- width
- drone
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/09—Recognition of logos
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/10—Recognition assisted with metadata
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Multimedia (AREA)
- Image Analysis (AREA)
Abstract
公开了一种基于图像识别十字靶标的车辆标齐考核方法,使僚车侧面的摄像机与基准车侧面的十字靶标对准获取靶标模板,通过将当前图像中的靶标图案与靶标模板进行匹配能够准确识别出当前图像中十字靶标的位置,从而获取僚车在行进方向上与基准车的前后距离差,实现对车辆标齐项目的精确考核。
Description
技术领域
本发明涉及图像处理、光电技术领域,尤其涉及基于图像识别十字靶标的车辆标齐考核方法。
背景技术
以下对本发明的相关技术背景进行说明,但这些说明并不一定构成本发明的现有技术。
在车辆训练考核***中,车辆分为基准车和僚车,为保证整个车队在行进间保持阵列不变,僚车驾驶员在行进过程中需要和左(右)侧的基准车位置进行标齐,以便保持本车在队形中的相对位置,并实时调整本车的行驶方向和速度,以保证整个车队在行进间的整齐一致。
因此,现有技术中需要一种能够对车辆标齐进行精确考核的方法。
发明内容
本发明的目的在于提出一种基于图像识别十字靶标的车辆标齐考核方法,能够获取僚车在行进方向上与基准车的前后距离差,实现对车辆标齐项目的精确考核。
根据本发明的基于图像识别十字靶标的车辆标齐考核方法,包括:
S1、使僚车侧面的摄像机与基准车侧面的十字靶标对准,获取靶标图像,从靶标图像中提取靶标模板,基于靶标模板获取十字靶标的第一宽度w1、第一高度h1和十字靶标中的白点数量;
S2、从当前图像中提取靶标图案,基于靶标图案获取十字靶标的第二宽度w2和第二高度h2,按照如下关系式确定匹配宽度比r3、匹配高度比r4、匹配宽高比之比r5以及综合匹配值r6:
r3=min(w1,w2)/max(w1,w2),r4=min(h1,h2)/max(h1,h2),
r6=r2+r3+r4+r5;
S3、若匹配宽度比r3大于预设的匹配宽度比阈值,匹配高度比r4大于预设的匹配高度比阈值,匹配宽高比之比r5大于预设的匹配宽高比之比阈值,并且在r3、r4、r5和r6中r6最大,认为当前图像中的靶标图案与靶标图像中的靶标模板匹配,并根据当前图像的水平中心位置xc、图像宽度imgWidth和十字靶标实际长度W′,计算出偏移误差d。
优选地,偏移误差d满足如下关系:
其中,xc为当前图像中十字靶标中心到图像左侧边的距离,单位为:mm;imgWidth为当前图像的宽度,单位为:mm;W′为十字靶标实际长度,单位为:mm;d为偏移误差,单位为:mm。
优选地,步骤S1中从靶标图像中提取靶标模板之后进一步包括:判断靶标模板是否符合十字特征,当靶标图像中的靶标符合十字特征时,认为靶标模板是十字靶标。
优选地,步骤S2中从当前图像中提取靶标图案之后进一步包括:判断当前图像中的靶标图案是否符合十字特征,当靶标图案符合十字特征时,认为当前图像中的靶标是十字靶标。
优选地,所述十字特征包括:宽高比r1、占空比r2和靶标四个角的白点数量:
其中,r1=min(w,h)/max(w,h),r2=sum/(w1·h1),sum为靶标上的白点数量;
式中,w为靶标的宽度,单位为:mm;h为靶标的高度,单位为:mm。
优选地,靶标的宽高比、占空比和靶标四个角的白点数量满足如下关系时,认为其符合十字特征:
r1>0.8、且靶标四个角的白点数量均小于5。
优选地,靶标的四个角分别是指图像中靶标的四个直角,每个直角的宽度为w/5、高度为h/5。
优选地,步骤S1中从靶标图像中提取靶标模板包括:对靶标图像进行二值化处理,得到二值化图像;从二值图像的中心位置开始区域生长,得到十字靶标团块;以十字靶标团块作为靶标模板。
优选地,步骤S2中从当前图像中提取靶标图案包括:对当前图像进行二值化处理,得到当前图像的二值化图像;从当前图像的二值图像的中心位置开始区域生长,得到当前图像的靶标团块;以当前图像的靶标团块作为靶标图案。
优选地,按照如下方式进行二值化处理:
其中,Y(x,y)是二值化处理前的图像中点(x,y)处的灰度值,M(x,y)为二值化处理后的图像中点(x,y)处的灰度值,Th为图像中心位置的灰度平均值。
根据本发明的基于图像识别十字靶标的车辆标齐考核方法,使僚车侧面的摄像机与基准车侧面的十字靶标对准获取靶标模板,通过将当前图像中的靶标图案与靶标模板进行匹配能够准确识别出当前图像中十字靶标的位置,从而获取僚车在行进方向上与基准车的前后距离差,实现对车辆标齐项目的精确考核。
附图说明
通过以下参照附图而提供的具体实施方式部分,本发明的特征和优点将变得更加容易理解,在附图中:
图1是根据本发明的车辆标齐考核方法的流程示意图;
图2是根据本发明的车辆标齐形式示意图;
图3是摄像机与十字靶标安装位置示意图;
图4是根据本发明的十字靶标示意图;
图5是本发明二值化处理前的图像示意图;
图6是本发明二值化处理后的图像示意图;
图7是根据本发明的靶标团块示意图。
具体实施方式
下面参照附图对本发明的示例性实施方式进行详细描述。对示例性实施方式的描述仅仅是出于示范目的,而绝不是对本发明及其应用或用法的限制。
车辆标齐过程中,僚车和基准车必须沿路面白线行驶,而白线间距固定,两车间距保持在3到5米以内,因此景深的变化对本发明的图像算法影响较小。单次车辆考核距离只有200米,考核时间不超过80秒,因此光线及环境的变化对本发明的图像识别影响较小。本发明可以选用处理精度高的摄像机,考核结果准确度高,例如选用的8mm模拟摄像机在该距离上获取的图像,处理精度能够达到mm级。本发明的车辆标齐考核方法属于非接触式的,不会影响车辆间行驶,设备易于安装,成本低廉。综上所述,采用本发明的车辆标齐考核方法解决考核车辆标齐问题合理、可行。
根据本发明实施例,提供了基于图像识别十字靶标的车辆标齐考核方法。如图2和3所示,在基准车20的侧面车身安装十字靶标21,在僚车10的对应侧面安装摄像机11。本发明采用图像识别方法获取僚车在行进方向上与基准车的前后距离差,实际的车辆标齐训练过程中光线和环境因素不断变化,这种光线及环境因素的变化对测量结果影响较大。为了尽量减小这种因素的影响,本发明在步骤S1中,首先使僚车10侧面的摄像机11与基准车20侧面的十字靶标21对准,获取靶标图像,然后从靶标图像中提取靶标模板。通过将后续图像中的靶标图案与靶标模板进行匹配,可以识别出该靶标图案是否是十字靶标,并根据后续图像中靶标图案的位置获取僚车在行进方向上与基准车的前后距离差。图1示出了根据本发明的车辆标齐考核方法的流程示意图,在实际车辆标齐考核过程中,可以以第一帧图像作为靶标图像进行标齐考核。
步骤S1中还基于靶标模板获取十字靶标的第一宽度w1、第一高度h1和十字靶标中的白点数量。
为了保证从靶标图像中提取的靶标模板是安装在基准车侧面车身的十字靶标,步骤S1中从靶标图像中提取靶标模板之后可以进一步包括:判断靶标模板是否符合十字特征,当靶标图像中的靶标符合十字特征时,认为靶标模板是十字靶标。
本发明中十字靶标的十字为白色,十字靶标的底色为绿色,在十字靶标中加入底色可以降低靶标周围的颜色或图案对考核结果的影响。图4示出了根据本发明的十字靶标示意图。获取靶标图像时,十字靶标的白色部分位于靶标图像中心。靶标图像中除了包含十字靶标之外,还有可能包含其他景象。为了防止靶标图像中其他情景对考核结果的影响,提高考核结果的准确性,步骤S1可以通过如下方式从靶标图像中提取靶标模板包括:对靶标图像进行二值化处理,得到二值化图像;从二值图像的中心位置开始区域生长,得到十字靶标团块;以十字靶标团块作为靶标模板。
十字靶标中心点为白色,以中心点处的灰度值为灰度平均值进行二值化处理,例如以中心点附近10×10范围内的灰度平均值进行二值化处理。优选地,可以按照如下方式进行二值化处理:
其中,Y(x,y)是二值化处理前的图像中点(x,y)处的灰度值,M(x,y)为二值化处理后的图像中点(x,y)处的灰度值,Th为图像中心位置的灰度平均值。
图5示出了本发明优选实施例中二值化处理前的图像,图6示出了本发明优选实施例中二值化处理后的图像。
S2、从当前图像中提取靶标图案,基于靶标图案获取十字靶标的第二宽度w2和第二高度h2,按照如下关系式确定匹配宽度比r3、匹配高度比r4、匹配宽高比之比r5以及综合匹配值r6:
r3=min(w1,w2)/max(w1,w2),r4=min(h1,h2)/max(h1,h2),
r6=r2+r3+r4+r5。
当前图像中除了包含靶标图案之外,还有可能包含其他景象。为了防止当前图像中其他情景对考核结果的影响,提高考核结果的准确性,步骤S2可以按照如下方式从当前图像中提取靶标图案包括:对当前图像进行二值化处理,得到当前图像的二值化图像;从当前图像的二值图像的中心位置开始区域生长,得到当前图像的靶标团块;以当前图像的靶标团块作为靶标图案,参见图7。
本领域技术人员可以根据对考核结果准确性的要求、或者根据实际计算需要,选择二值化处理方法。本步骤中二值化处理方法可以与步骤S1中的二值化处理方法相同或不同。
为了保证从当前图像中提取靶标图案是安装在基准车侧面车身的十字靶标,步骤S2中从当前图像中提取靶标图案之后可以进一步包括:
判断当前图像中的靶标图案是否符合十字特征,当靶标图案符合十字特征时,认为当前图像中的靶标是十字靶标。
本领域技术人员应当理解,任何能反映十字靶标标识的信息特征均可以作为确认靶标模板是否是十字靶标的十字特征,在本发明的一些实施例中,十字特征包括:宽高比r1、占空比r2和靶标四个角的白点数量:其中,r1=min(w,h)/max(w,h),r2=sum/(w1·h1),sum为靶标上的白点数量;式中,w为靶标的宽度,单位为:mm;h为靶标的高度,单位为:mm。优选地,当靶标的宽高比、占空比和靶标四个角的白点数量满足如下关系时,认为其符合十字特征:
r1>0.8、且靶标四个角的白点数量均小于5。
靶标的四个角分别是指图像中靶标的四个直角。理论上靶标图像中靶标的四个直角出不会出现白点。因此,可以通过判断靶标四个角是否存在白点确定该靶标是否是十字靶标。由于图像抖动或拍摄误差,图像中有可能存在白点,为了避免图像抖动或拍摄误差等因素对验证结果的影响,可以预先设定靶标四个角的白点阈值,当靶标四个角的白点数量不小于预设的白点阈值时,认为该靶标不符合十字特征,不是十字靶标。在本发明的一些实施例中,每个直角的宽度为w/5、高度为h/5。
S3、若匹配宽度比r3大于预设的匹配宽度比阈值,匹配高度比r4大于预设的匹配高度比阈值,匹配宽高比之比r5大于预设的匹配宽高比之比阈值,并且在r3、r4、r5和r6中r6最大,认为当前图像中的靶标图案与靶标图像中的靶标模板匹配,并根据当前图像的水平中心位置xc、图像宽度imgWidth和十字靶标实际长度W′,计算出偏移误差d。
优选地,偏移误差d满足如下关系:
其中,xc为当前图像中十字靶标中心到图像左侧边的距离,单位为:mm;imgWidth为当前图像的宽度,单位为:mm;W′为十字靶标实际长度,单位为:mm;d为偏移误差,单位为:mm。
图1示出了根据本发明优选实施例中的车辆标齐考核方法流程图。在基准车的侧面车身安装十字靶标、在僚车的对应侧面安装摄像机,并使摄像机对准靶标中心,获取图像亮度分量,然后判断该图像是否为第一帧图像。若是,则以该图像为靶标图像提取靶标模板,具体地,首先对靶标图像进行二值化处理,然后通过区域生长对图像进行分割,得到靶标团块,根据该靶标团块提取靶标模板,当该靶标模板符合十字特征时,继续获取下一帧图像。若该图像不是第一帧图像,则以该图像作为本发明中的当前图像,对当前图像进行二值化处理,然后通过区域生长对二值化后的当前图像进行分割,得到靶标团块,根据该靶标团块提取靶标模板;当该靶标模板符合十字特征时,将其与靶标模板进行匹配,若匹配成功,则根据从当前图像与靶标图像中提取的信息计算僚车的偏移量。
本发明能够克服在靶标轻微旋转情况下的识别问题,即使靶标轮廓不完整或者偏离出摄像机镜头,也不会出现漏检或误检。与现有技术相比,本发明对靶标的识别率高、误检率低,车辆标齐考核的准确性好。
虽然参照示例性实施方式对本发明进行了描述,但是应当理解,本发明并不局限于文中详细描述和示出的具体实施方式,在不偏离权利要求书所限定的范围的情况下,本领域技术人员可以对所述示例性实施方式做出各种改变。
Claims (10)
1.一种基于图像识别十字靶标的车辆标齐考核方法,其特征在于包括:
S1、使僚车侧面的摄像机与基准车侧面的十字靶标对准,获取靶标图像,从靶标图像中提取靶标模板,基于靶标模板获取十字靶标的第一宽度w1、第一高度h1和十字靶标中的白点数量;
S2、从当前图像中提取靶标图案,基于靶标图案获取十字靶标的第二宽度w2和第二高度h2,按照如下关系式确定匹配宽度比r3、匹配高度比r4、匹配宽高比之比r5以及综合匹配值r6:
r3=min(w1,w2)/max(w1,w2),r4=min(h1,h2)/max(h1,h2),
r6=r2+r3+r4+r5;
S3、若匹配宽度比r3大于预设的匹配宽度比阈值,匹配高度比r4大于预设的匹配高度比阈值,匹配宽高比之比r5大于预设的匹配宽高比之比阈值,并且在r3、r4、r5和r6中r6最大,认为当前图像中的靶标图案与靶标图像中的靶标模板匹配,并根据当前图像的水平中心位置xc、图像宽度imgWidth和十字靶标实际长度W′,计算出偏移误差d。
2.如权利要求1所述的车辆标齐考核方法,其特征在于,偏移误差d满足如下关系:
其中,xc为当前图像中十字靶标中心到图像左侧边的距离,单位为:mm;imgWidth为当前图像的宽度,单位为:mm;W′为十字靶标实际长度,单位为:mm;d为偏移误差,单位为:mm。
3.如权利要求2所述的车辆标齐考核方法,其特征在于,步骤S1中从靶标图像中提取靶标模板之后进一步包括:
判断靶标模板是否符合十字特征,当靶标图像中的靶标符合十字特征时,认为靶标模板是十字靶标。
4.如权利要求3所述的车辆标齐考核方法,其特征在于,步骤S2中从当前图像中提取靶标图案之后进一步包括:
判断当前图像中的靶标图案是否符合十字特征,当靶标图案符合十字特征时,认为当前图像中的靶标是十字靶标。
5.如权利要求3或4所述的车辆标齐考核方法,其特征在于,所述十字特征包括:宽高比r1、占空比r2和靶标四个角的白点数量:
其中,r1=min(w,h)/max(w,h),r2=sum/(w1·h1),sum为靶标上的白点数量;
式中,w为靶标的宽度,单位为:mm;h为靶标的高度,单位为:mm。
6.如权利要求5所述的车辆标齐考核方法,其特征在于,靶标的宽高比、占空比和靶标四个角的白点数量满足如下关系时,认为其符合十字特征:
r1>0.8、且靶标四个角的白点数量均小于5。
7.如权利要求6所述的车辆标齐考核方法,其特征在于,靶标的四个角分别是指图像中靶标的四个直角,每个直角的宽度为w/5、高度为h/5。
8.如权利要求7所述的车辆标齐考核方法,其特征在于,步骤S1中从靶标图像中提取靶标模板包括:
对靶标图像进行二值化处理,得到二值化图像;
从二值图像的中心位置开始区域生长,得到十字靶标团块;
以十字靶标团块作为靶标模板。
9.如权利要求8所述的车辆标齐考核方法,其特征在于,步骤S2中从当前图像中提取靶标图案包括:
对当前图像进行二值化处理,得到当前图像的二值化图像;
从当前图像的二值图像的中心位置开始区域生长,得到当前图像的靶标团块;
以当前图像的靶标团块作为靶标图案。
10.如权利要求8或9所述的车辆标齐考核方法,其特征在于,按照如下方式进行二值化处理:
其中,Y(x,y)是二值化处理前的图像中点(x,y)处的灰度值,M(x,y)为二值化处理后的图像中点(x,y)处的灰度值,Th为图像中心位置的灰度平均值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610177108.7A CN105809143B (zh) | 2016-03-25 | 2016-03-25 | 基于图像识别十字靶标的车辆标齐考核方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610177108.7A CN105809143B (zh) | 2016-03-25 | 2016-03-25 | 基于图像识别十字靶标的车辆标齐考核方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105809143A true CN105809143A (zh) | 2016-07-27 |
CN105809143B CN105809143B (zh) | 2018-12-04 |
Family
ID=56454836
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610177108.7A Active CN105809143B (zh) | 2016-03-25 | 2016-03-25 | 基于图像识别十字靶标的车辆标齐考核方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105809143B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108398946A (zh) * | 2018-01-25 | 2018-08-14 | 成都图灵智控科技有限公司 | 智能循迹精确定位装置与方法 |
CN112712551A (zh) * | 2020-12-29 | 2021-04-27 | 合肥联宝信息技术有限公司 | 一种螺丝检测方法、装置及存储介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104299240A (zh) * | 2014-10-24 | 2015-01-21 | 惠州市德赛西威汽车电子有限公司 | 用于车道偏移预警的摄像头标定方法及*** |
CN105182320A (zh) * | 2015-07-14 | 2015-12-23 | 安徽清新互联信息科技有限公司 | 一种基于深度测量的车距检测方法 |
-
2016
- 2016-03-25 CN CN201610177108.7A patent/CN105809143B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104299240A (zh) * | 2014-10-24 | 2015-01-21 | 惠州市德赛西威汽车电子有限公司 | 用于车道偏移预警的摄像头标定方法及*** |
CN105182320A (zh) * | 2015-07-14 | 2015-12-23 | 安徽清新互联信息科技有限公司 | 一种基于深度测量的车距检测方法 |
Non-Patent Citations (2)
Title |
---|
朱战霞 等: "无人机编队飞行控制器设计", 《飞行力学》 * |
袁杰波 等: "无人机编队飞行导航方法及其仿真研究", 《计算机仿真》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108398946A (zh) * | 2018-01-25 | 2018-08-14 | 成都图灵智控科技有限公司 | 智能循迹精确定位装置与方法 |
CN112712551A (zh) * | 2020-12-29 | 2021-04-27 | 合肥联宝信息技术有限公司 | 一种螺丝检测方法、装置及存储介质 |
CN112712551B (zh) * | 2020-12-29 | 2022-02-08 | 合肥联宝信息技术有限公司 | 一种螺丝检测方法、装置及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN105809143B (zh) | 2018-12-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105674880B (zh) | 基于双目原理的接触网几何参数测量方法及*** | |
CN109598972B (zh) | 一种基于视觉的自动泊车停车位检测与测距*** | |
US11958197B2 (en) | Visual navigation inspection and obstacle avoidance method for line inspection robot | |
US9141870B2 (en) | Three-dimensional object detection device and three-dimensional object detection method | |
CN105488454B (zh) | 基于单目视觉的前方车辆检测与测距 | |
CN103630122B (zh) | 一种单目视觉车道线检测方法及其测距方法 | |
US10891738B2 (en) | Boundary line recognition apparatus and branch road determination apparatus | |
EP2426642A1 (en) | Method, device and system for motion detection | |
CN108257137A (zh) | 一种基于视觉光斑自动判读的角度测量方法及*** | |
CN111079589B (zh) | 基于深度摄像和身高阈值像素标定的自动身高检测方法 | |
CN103196418A (zh) | 一种弯道车距测量方法 | |
CN113624225B (zh) | 一种用于发动机定位销安装的位姿解算方法 | |
CN111067530B (zh) | 基于深度摄像的地铁乘客身高自动检测方法和*** | |
CN103234542B (zh) | 基于视觉的汽车列车弯道行驶轨迹测量方法 | |
US20150262020A1 (en) | Marking line detection system | |
CN106767854A (zh) | 移动设备、车库地图形成方法及*** | |
CN108470142A (zh) | 基于逆透视投影和车道距离约束的车道定位方法 | |
CN109544607A (zh) | 一种基于道路标志线的点云数据配准方法 | |
CN110889874B (zh) | 一种双目相机标定结果的误差评估方法 | |
CN105809143A (zh) | 基于图像识别十字靶标的车辆标齐考核方法 | |
JP2010224918A (ja) | 環境認識装置 | |
CN205711654U (zh) | 一种三维可视化的路面破损信息的检测装置 | |
JP3589293B2 (ja) | 道路の白線検出方法 | |
CN105424059B (zh) | 宽基线近红外相机位姿估计方法 | |
CN117058236A (zh) | 一种基于多目视觉***自切换的目标识别定位方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |