CN108198417A - 一种基于无人机的道路巡检*** - Google Patents

一种基于无人机的道路巡检*** Download PDF

Info

Publication number
CN108198417A
CN108198417A CN201711471859.0A CN201711471859A CN108198417A CN 108198417 A CN108198417 A CN 108198417A CN 201711471859 A CN201711471859 A CN 201711471859A CN 108198417 A CN108198417 A CN 108198417A
Authority
CN
China
Prior art keywords
road
image
unmanned plane
region
pixel
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
Application number
CN201711471859.0A
Other languages
English (en)
Other versions
CN108198417B (zh
Inventor
叶片青
陈建
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Individual
Original Assignee
Individual
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Individual filed Critical Individual
Priority to CN201711471859.0A priority Critical patent/CN108198417B/zh
Publication of CN108198417A publication Critical patent/CN108198417A/zh
Application granted granted Critical
Publication of CN108198417B publication Critical patent/CN108198417B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
    • G08G1/012—Measuring and analyzing of parameters relative to traffic conditions based on the source of data from other sources than vehicle or roadside beacons, e.g. mobile networks

Landscapes

  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Image Analysis (AREA)

Abstract

本发明提供一种基于无人机的道路巡检***，一种基于无人机的道路巡检***，包括：地面控制中心和无人机；所述无人机包括控制模块、摄像头模块、无线传输模块和GPS定位模块，其中：摄像头模块用于拍摄道路图像；GPS模块用于对无人机进行精准定位，获取无人机的实时定位信息；所述无线传输模块用于将所述道路图像和定位信息发送到地面控制中心，并接收从地面控制中心发送的巡检计划；控制模块用于根据所述巡检计划控制无人机的飞行路径；所述地面控制中心用于接收从所述无人机发送的图像和定位信息，并向所述无人机发送巡检计划。本发明通过无人机获取道路图像，对路况进行实时监测，智能型强，准确度高。

Description

一种基于无人机的道路巡检***
技术领域
本发明涉及道路检测技术领域，特别是一种基于无人机的道路巡检***。
背景技术
近年来，高速公路建设取得了快速发展，但与此同时高速公路每年会发生一系列交通安全事故问题。除了道路质量问题、车辆安全问题以外，还存在有车辆超速、车辆非法变道等许多人为因素。
现有的高速公路巡检多为利用巡逻车辆进行巡检或采用定点摄像头进行数据采集。采用巡逻车辆巡检需要的人力物力成本高，同时受巡检视野的影响，只能巡检到巡逻车辆周围的交通状况，存在采集盲区，此外还可能会加大交通堵塞；利用摄像头进行定点数据采集只能检测到安装摄像头处的道路状况，此外只能采集到单一的车速信息，得到的交通状况参数较少，不能全面掌握交通状况。
发明内容
针对上述问题，本发明旨在提供一种基于无人机的道路巡检***。
本发明的目的采用以下技术方案来实现：
一种基于无人机的道路巡检***，包括：地面控制中心和无人机；
所述无人机包括摄像头模块、GPS模块、无线传输模块和控制模块，其中：
摄像头模块用于拍摄道路图像；
GPS模块用于对无人机进行精准定位，获取无人机的实时定位信息；
所述无线传输模块用于将所述道路图像和定位信息发送到地面控制中心，并接收从地面控制中心发送的巡检计划；
控制模块用于根据所述巡检计划控制无人机的飞行路径；
所述地面控制中心用于接收从所述无人机发送的图像和定位信息，并向所述无人机发送巡检计划。
优选地，所述地面控制中心还包括图像处理模块，用于对结束的道路图像进行智能监测处理，自动检测道路图像中的路况。
优选地，所述路况包括发现畅顺、拥堵和交通事故。
本发明的有益效果为：本发明通过在无人机上承载摄像头，采用无人机的方式对道路进行拍摄，获取全方位的道路图像，通过无人机将道路图像实时传输到控制中心，并在控制中心对接收的路面图像进行智能化处理，自动对路况进行监测，智能性强，准确度高，能够有效地节省人力。
附图说明
利用附图对本发明作进一步说明，但附图中的实施例不构成对本发明的任何限制，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可以根据以下附图获得其它的附图。
图1为本发明的框架结构图；
图2为本发明图像处理模块的框架结构图；
图3为本发明其中一个实施例中图像处理模块的框架结构图。
附图标记：
无人机1、地面控制中心2、摄像头模块11、GPS模块12、无线传输模块13、控制模块14、图像处理模块21、图像预处理单元210、道路分割单元211和路况识别单元212
具体实施方式
结合以下应用场景对本发明作进一步描述。
参见图1，一种基于无人机的道路巡检***，其特征在于，包括：地面控制中心2和无人机1；
所述无人机1包括摄像头模块11、GPS模块12、无线传输模块13和控制模块14，其中：
摄像头模块11用于拍摄道路图像；
GPS模块12用于对无人机1进行精准定位，获取无人机1的实时定位信息；
所述无线传输模块13用于将所述道路图像和定位信息发送到地面控制中心2，并接收从地面控制中心2发送的巡检计划；
控制模块14用于根据所述巡检计划控制无人机1的飞行路径；
所述地面控制中心2用于接收从所述无人机1发送的图像和定位信息，并向所述无人机1发送巡检计划。
优选地，所述地面控制中心2还包括图像处理模块21，用于对结束的道路图像进行智能监测处理，自动检测道路图像中的路况。
优选地，所述路况包括发现畅顺、拥堵和交通事故。
本发明上述优选实施例，通过在无人机上承载摄像头，采用无人机的方式对道路进行拍摄，获取全方位的道路图像，通过无人机将道路图像实时传输到控制中心，并在控制中心对接收的路面图像进行智能化处理，自动对路况进行监测，智能性强，准确度高，能够有效地节省人力。
优选地，参见图2，所述图像处理模块21包括图像预处理单元210，道路分割单元211和路况识别单元212，其中：
图像预处理单元210用于对接收的道路图像进行预处理，获取预处理后的道路图像；
道路分割单元211用于对预处理后的道路图像进行分割处理，将图像中的道路区域分割出来；
路况识别单元212用于对所述道路区域进行识别处理，识别道路区域中的交通情况。
本优选实施例，通过对从无人机拍摄的道路图像进行处理，从图中分割出具体的道路区域，然后再根据道路区域中的车辆分布情况对道路的路况进行识别，获取路况信息，有助于巡检***获取道路的实时交通状况。
优选地，所述图像预处理单元210，具体包括：
(1)获取道路图像的暗通道图像；
(2)获取道路图像的传播参数，其中采用的传播参数获取函数为：
式中，C(y)表示道路图像像素点y的传播参数，其中C(y)的值越小表示距离采像设备越远，越大表示距离采像设备越近，H表示道路图像的亮度，T表示道路图像中物体的亮度，u∈r,g,b表示在r、g、b通道下，E表示道路图像中大气光的亮度，τ(y)表示以像素点y为中心的矩形区域；优选地，所述矩形区域尺寸选择15×15；
其中，大气光的亮度的获取方法为：在暗通道图像中将各像素点的亮度从高到低进行排列，选取亮度最高的前1/1000的像素点，并在道路图像中找出这些像素点具有最高亮度的值作为大气光的亮度；
(3)获取道路图像中每个像素点的尺度参数，其中采用的尺度参数函数为：
式中，D(y)表示道路图像中像素点y的尺度参数，C(y)表示道路图像中像素点y的传播参数，μ表示尺度调整因子，γ表示尺度阈值因子；
(4)对道路图像不同区域，根据获取的尺度参数采用不同的单尺度Retinex算法对图像进行增强处理，获取预处理后的道路图像。
现有技术中，采用传统的Retinex算法对图像进行增强处理，其中采用单尺度Retinex算法不能很好地适应图像的特征进行增强，而采用多尺度Retinex算法又存在计算复杂度偏高的问题；因此，本优选实施例，采用上述方法对道路图像进行预处理，首先根据道路图像的特性获取不同区域的尺度参数，然后根据不同的尺度参数对图像进行增强处理，使图像更适应人眼观察特性，增强效果好，复杂度低，能够有效地解决无人机拍摄的图像中因天气效果导致图像的雾化和不清晰的问题，能够适应各种恶劣天气环境导致图像不清晰的问题，为***之后对道路图像的进一步处理奠定了基础。
优选地，所述道路分割单元211具体包括：
(1)对图像进行K均值聚类处理，将图像划分为不同的区域rm，其中用R表示所有划分后的区域rm的集合；
(2)获取任意两个相邻区域的相似度，其中采用的相似度函数为：
式中，Sd(rm,rn)表示区域rm和区域rn的相似度，Pα(rm,rn)表示区域rm和区域rn的类间差异，通过区域间的RGB直方图的RGB的距离获取，Pβ(rm)和Pβ(rn)分别表示区域rm和区域rn的类内差异，通过获取区域中像素点与其区域内邻域像素点的亮度和灰度差异的最大值获得，具体为：其中ML(x)和MH(x)分别表示像素点x与其在区域内的邻域像素点的亮度和灰度的差异的最大值，b(rn)表示设定的阈值函数，其中|r|表示区域r中不同像素点的个数，v表示设定的分割控制因子；
(3)依次获取图像中每个区域和相邻区域的相似度，若获取的相似度Sd(rm,rn)＝1，将两个区域进行合并；若Sd(rm,rn)＝0，则标记两个区域的边界作为道路边缘；
(4)遍历图像中所有区域，获取道路边缘检测结果，并根据该结果分割出道路区域。
本优选实施例，采用上述的方法对道路图像进行处理，获取图像中道路的边界，然后再根据道路边界将准确的道路区域分割出来；首先将图像进行初步分割，将图像分割成多个区域，再通过比较相邻区域的相似度合并相似度高的区域，保留区别较大的区域及其边界作为最终道路分割边缘，适应性强，准确度高，能够准确地提取图像中的道路边缘，为之后对道路区域分割和监测奠定了基础。
优选地，在实际处理中，道路边缘的检测结果存在不清晰的问题，受到图像中目标的形态以及噪声的干扰，导致道路边缘都会带有长短不一的毛刺。因此，获取了图像中的道路边缘后，需要对道路边缘做进一步处理去除多余的毛刺，为此，所述道路分割单元211还采用下列方法对获取的道路边缘进行去毛刺处理，具体为：
(1)设定当T(x,y)＝0时，认为该像素点为道路边缘，否则认为是背景点；
(2)对于像素点n，如果满足T(xn,yn)＝0，统计其8邻域内T(xn+zx,yn+zy)＝0的像素点的个数并计入Sn中，其中zx,zy＝-1,0,1；如果Sn＝1，则该像素点为顶点Jn，如果Sn>3，将该像素点记为线条分支点Kn；
(3)在原图像T(x,y)中删除标记的分支点Kn后，标记连通的边缘，得到标记图Tp(x,y)；
(4)在Tp(x,y)中，从每一个顶点开始计算Jn所在边缘的长度，并用Nn来表示；
(5)若要进行毛刺消除，则设长度阈值为取最小长度min(Nn)，如果则将min(Nn)对应的连通边缘标记为T(x,y)＝1；
(6)恢复删除的线条分支点Kn，并重复步骤(1)-(5)直到消除所有毛刺。
本优选实施例，采用上述的方法对分割后的图像进行后处理，能够有效地去除道路图像分割中道路边界的毛刺，提高道路区域分割精度，为***进一步对道路区域的监测和路况提取奠定了基础。
优选地，参见图3，所述图像处理模块21还包括图像拼接单元213，用于对有重叠部分的处理后的道路图像进行拼接处理，获取全局道路图像，包括：对处理后的道路图像进行特征点提取、特征匹配、消除错误匹配、图像间参数变换和图像整合处理；
其中，所述的特征点提取，具体包括：
(1)利用SIFT算法提取图像的特征点集S1
(2)获取图像边缘点集S2，具体采用的判断函数为：
式中，p(x,y)为判断函数，当p(x,y)＝0时，则将像素点(x,y)归入边缘点集S2中，G(x,y)表示像素点(x,y)的梯度值，其中G(x,y)＝|cx(x,y)|+|cy(x,y)|，cx(x,y)和cy(x,y)分别表示像素点(x,y)在水平方向和竖直方向的一阶微分，ωT表示设定的梯度阈值；
(3)获取边缘点集S2中每个像素点的3×3邻域内的像素点，将这些像素点和S2中每个像素点的集合设定为集合S3；
(4)将S1中的像素点和S3中的像素点一一对应进行比较，如果找到相同坐标的像素点，则将此像素点从集合S1中去除；
(5)以集合S1中的像素点作为最终选定的特征点。
本优选实施例，采用上述方法对获取的图像进行处理，把所有图像拼接到统一的全景参考图中，能够更直观、更详细地将从无人机采集的道路图像展示出来。
最后应当说明的是，以上实施例仅用以说明本发明的技术方案，而非对本发明保护范围的限制，尽管参照较佳实施例对本发明作了详细地说明，本领域的普通技术人员应当分析，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的实质和范围。

Claims (6)

1.一种基于无人机的道路巡检***，其特征在于，包括：地面控制中心和无人机；
所述无人机包括摄像头模块、GPS模块、无线传输模块和控制模块，其中：
摄像头模块用于拍摄道路图像；
GPS模块用于对无人机进行精准定位，获取无人机的实时定位信息；
所述无线传输模块用于将所述道路图像和定位信息发送到地面控制中心，并接收从地面控制中心发送的巡检计划；
控制模块用于根据所述巡检计划控制无人机的飞行路径；
所述地面控制中心用于接收从所述无人机发送的图像和定位信息，并向所述无人机发送巡检计划。
2.根据权利要求1所述的一种基于无人机的道路巡检***，其特征在于，所述地面控制中心还包括图像处理模块，用于对结束的道路图像进行智能监测处理，自动检测道路图像中的路况。
3.根据权利要求3所述的一种基于无人机的道路巡检***，其特征在于，所述路况包括发现畅顺、拥堵和交通事故。
4.根据权利要求2所述的一种基于无人机的道路巡检***，其特征在于，所述图像处理模块包括图像预处理单元，道路分割单元和路况识别单元，其中：
图像预处理单元用于对接收的道路图像进行预处理，获取预处理后的道路图像；
道路分割单元用于对预处理后的道路图像进行分割处理，将图像中的道路区域分割出来；
路况识别单元用于对所述道路区域进行识别处理，识别道路区域中的交通情况。
5.根据权利要求4所述的一种基于无人机的道路巡检***，其特征在于，所述图像预处理单元，具体包括：
(1)获取道路图像的暗通道图像；
(2)获取道路图像的传播参数，其中采用的传播参数获取函数为：
式中，C(y)表示道路图像像素点y的传播参数，其中C(y)的值越小表示距离采像设备越远，越大表示距离采像设备越近，H表示道路图像的亮度，T表示道路图像中物体的亮度，u∈r,g,b表示在r、g、b通道下，E表示道路图像中大气光的亮度，τ(y)表示以像素点y为中心的矩形区域；
其中，大气光的亮度的获取方法为：在暗通道图像中将各像素点的亮度从高到低进行排列，选取亮度最高的前1/1000的像素点，并在道路图像中找出这些像素点具有最高亮度的值作为大气光的亮度；
(3)获取道路图像中每个像素点的尺度参数，其中采用的尺度参数函数为：
式中，D(y)表示道路图像中像素点y的尺度参数，C(y)表示道路图像中像素点y的传播参数，μ表示尺度调整因子，γ表示尺度阈值因子；
(4)对道路图像不同区域，根据获取的尺度参数采用不同的单尺度Retinex算法对图像进行增强处理，获取预处理后的道路图像。
6.根据权利要求5所述的一种基于无人机的道路巡检***，其特征在于，所述道路分割单元具体包括：
(1)对图像进行K均值聚类处理，将图像划分为不同的区域rm，其中用R表示所有划分后的区域rm的集合；
(2)获取任意两个相邻区域的相似度，其中采用的相似度函数为：
式中，Sd(rm,rn)表示区域rm和区域rn的相似度，Pα(rm,rn)表示区域rm和区域rn的类间差异，通过区域间的RGB直方图的RGB的距离获取，Pβ(rm)和Pβ(rn)分别表示区域rm和区域rn的类内差异，通过获取区域中像素点与其区域内邻域像素点的亮度和灰度差异的最大值获得，具体为：其中ML(x)和MH(x)分别表示像素点x与其在区域内的邻域像素点的亮度和灰度的差异的最大值，b(rn)表示设定的阈值函数，其中|r|表示区域r中不同像素点的个数，v表示设定的分割控制因子；
(3)依次获取图像中每个区域和相邻区域的相似度，若获取的相似度Sd(rm,rn)＝1，将两个区域进行合并；若Sd(rm,rn)＝0，则标记两个区域的边界作为道路边缘；
(4)遍历图像中所有区域，获取道路边缘检测结果，并根据该结果分割出道路区域。
CN201711471859.0A 2017-12-29 2017-12-29 一种基于无人机的道路巡检*** Active CN108198417B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711471859.0A CN108198417B (zh) 2017-12-29 2017-12-29 一种基于无人机的道路巡检***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711471859.0A CN108198417B (zh) 2017-12-29 2017-12-29 一种基于无人机的道路巡检***

Publications (2)

Publication Number Publication Date
CN108198417A true CN108198417A (zh) 2018-06-22
CN108198417B CN108198417B (zh) 2018-10-12

Family

ID=62586370

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711471859.0A Active CN108198417B (zh) 2017-12-29 2017-12-29 一种基于无人机的道路巡检***

Country Status (1)

Country Link
CN (1) CN108198417B (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108873901A (zh) * 2018-06-27 2018-11-23 深圳市创艺工业技术有限公司 一种无人驾驶***
CN109636848A (zh) * 2018-12-17 2019-04-16 武汉天乾科技有限责任公司 一种基于无人机的油气管道巡检方法
CN109754485A (zh) * 2018-12-27 2019-05-14 高戎戎 一种基于射频识别的道路设备巡检***
CN110046584A (zh) * 2019-04-19 2019-07-23 上海海事大学 一种基于无人机巡检的道路裂纹检测装置及检测方法
CN111309048A (zh) * 2020-02-28 2020-06-19 重庆邮电大学 一种多旋翼无人机结合道路检测沿路自主飞行的方法
CN112198899A (zh) * 2020-09-30 2021-01-08 安徽乐道信息科技有限公司 基于无人飞行器的道路检测方法、设备和存储介质
CN113033301A (zh) * 2021-02-07 2021-06-25 北京中交创新投资发展有限公司 基于ai图像识别技术采集道路巡检设施数据的方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104332053A (zh) * 2014-11-13 2015-02-04 深圳大学 一种基于小型无人机的道路交通巡检***及其巡检方法
CN105389988A (zh) * 2015-12-07 2016-03-09 北京航空航天大学 一种多无人机协同的高速公路智能巡检***
US20170103265A1 (en) * 2015-10-07 2017-04-13 Accenture Global Solutions Limited Border inspection with aerial cameras
CN206532417U (zh) * 2017-01-17 2017-09-29 长安大学 一种基于无人机的公路行车环境自动综合监测警示***

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104332053A (zh) * 2014-11-13 2015-02-04 深圳大学 一种基于小型无人机的道路交通巡检***及其巡检方法
US20170103265A1 (en) * 2015-10-07 2017-04-13 Accenture Global Solutions Limited Border inspection with aerial cameras
CN105389988A (zh) * 2015-12-07 2016-03-09 北京航空航天大学 一种多无人机协同的高速公路智能巡检***
CN206532417U (zh) * 2017-01-17 2017-09-29 长安大学 一种基于无人机的公路行车环境自动综合监测警示***

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108873901A (zh) * 2018-06-27 2018-11-23 深圳市创艺工业技术有限公司 一种无人驾驶***
CN109636848A (zh) * 2018-12-17 2019-04-16 武汉天乾科技有限责任公司 一种基于无人机的油气管道巡检方法
CN109636848B (zh) * 2018-12-17 2020-12-25 武汉天乾科技有限责任公司 一种基于无人机的油气管道巡检方法
CN109754485A (zh) * 2018-12-27 2019-05-14 高戎戎 一种基于射频识别的道路设备巡检***
CN110046584A (zh) * 2019-04-19 2019-07-23 上海海事大学 一种基于无人机巡检的道路裂纹检测装置及检测方法
CN111309048A (zh) * 2020-02-28 2020-06-19 重庆邮电大学 一种多旋翼无人机结合道路检测沿路自主飞行的方法
CN111309048B (zh) * 2020-02-28 2023-05-26 重庆邮电大学 一种多旋翼无人机结合道路检测沿路自主飞行的方法
CN112198899A (zh) * 2020-09-30 2021-01-08 安徽乐道信息科技有限公司 基于无人飞行器的道路检测方法、设备和存储介质
CN113033301A (zh) * 2021-02-07 2021-06-25 北京中交创新投资发展有限公司 基于ai图像识别技术采集道路巡检设施数据的方法
CN113033301B (zh) * 2021-02-07 2024-02-13 交信北斗科技有限公司 基于ai图像识别技术采集道路巡检设施数据的方法

Also Published As

Publication number Publication date
CN108198417B (zh) 2018-10-12

Similar Documents

Publication Publication Date Title
CN108198417B (zh) 一种基于无人机的道路巡检***
CN106919915B (zh) 基于adas***的地图道路标记及道路质量采集装置及方法
CN102682292B (zh) 基于单目视觉的道路边缘检测及粗定位方法
CN106709436B (zh) 面向轨道交通全景监控的跨摄像头可疑行人目标跟踪***
CN101030256B (zh) 车辆图像分割方法和装置
Yan et al. A method of lane edge detection based on Canny algorithm
CN101334836B (zh) 一种融合色彩、尺寸和纹理特征的车牌定位方法
CN105718872B (zh) 两侧车道快速定位及检测车辆偏转角度的辅助方法及***
CN105373135A (zh) 一种基于机器视觉的飞机入坞引导和机型识别的方法及***
CN110647850A (zh) 一种基于逆透视原理的车道偏移自动测量方法
KR101569919B1 (ko) 차량의 위치 추정 장치 및 방법
CN107862290A (zh) 车道线检测方法及***
CN105203552A (zh) 一种360°踏面图像检测***及其检测方法
CN102364496A (zh) 一种基于图像分析的汽车车牌自动识别方法及***
CN202134079U (zh) 一种无人驾驶车辆车道标志线识别与报警装置
CN110046584B (zh) 一种基于无人机巡检的道路裂纹检测装置及检测方法
CN108332927A (zh) 一种桥梁表面裂缝检测装置
CN116665080B (zh) 基于目标识别的无人机劣化绝缘子检测方法及***
CN108284793A (zh) 一种车辆辅助控制装置
CN111652033A (zh) 基于OpenCV的车道线检测方法
CN112288682A (zh) 基于图像配准的电力设备缺陷定位方法
FAN et al. Robust lane detection and tracking based on machine vision
CN105447431A (zh) 一种基于机器视觉的入坞飞机跟踪定位方法及***
CN104715250A (zh) 十字激光检测方法和装置
Rahaman et al. Lane detection for autonomous vehicle management: PHT approach

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