CN109584176B - 机动车驾驶视觉增强*** - Google Patents
机动车驾驶视觉增强*** Download PDFInfo
- Publication number
- CN109584176B CN109584176B CN201811403887.3A CN201811403887A CN109584176B CN 109584176 B CN109584176 B CN 109584176B CN 201811403887 A CN201811403887 A CN 201811403887A CN 109584176 B CN109584176 B CN 109584176B
- Authority
- CN
- China
- Prior art keywords
- driving
- algorithm
- image
- haze
- vision enhancement
- 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.)
- Active
Links
- 238000012545 processing Methods 0.000 claims abstract description 30
- 238000000034 method Methods 0.000 claims abstract description 20
- 238000003064 k means clustering Methods 0.000 claims abstract description 16
- 230000008569 process Effects 0.000 claims abstract description 10
- 238000002834 transmittance Methods 0.000 claims description 18
- 239000000428 dust Substances 0.000 claims description 12
- 230000000694 effects Effects 0.000 claims description 8
- 230000003287 optical effect Effects 0.000 claims description 8
- 239000002245 particle Substances 0.000 claims description 8
- 239000011521 glass Substances 0.000 claims description 6
- 238000005315 distribution function Methods 0.000 claims description 4
- 238000011084 recovery Methods 0.000 claims description 3
- 238000012937 correction Methods 0.000 claims description 2
- 230000000007 visual effect Effects 0.000 abstract description 8
- 238000007790 scraping Methods 0.000 abstract 1
- 238000005516 engineering process Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 5
- 230000006872 improvement Effects 0.000 description 4
- 238000001514 detection method Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 239000003595 mist Substances 0.000 description 2
- 239000013618 particulate matter Substances 0.000 description 2
- 206010039203 Road traffic accident Diseases 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 230000002238 attenuated effect Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/73—Deblurring; Sharpening
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
- G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10016—Video; Image sequence
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Probability & Statistics with Applications (AREA)
- Lighting Device Outwards From Vehicle And Optical Signal (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种机动车驾驶视觉增强***。机动车驾驶视觉增强***,其特征在于:包括基于改进的暗原色先验算法的雾霾天驾驶视觉增强设备和基于K‑means聚类算法的雨天驾驶视觉增强设备。所述的改进的暗原色先验算法用于处理雾天驾驶时的交通视频图像,使其更加清晰。所述的K‑means聚类算法用于处理雾天驾驶时的交通视频图像,使其更加清晰。所述的驾驶视觉增强设备包括设置于车外的雾霾传感器、雨滴传感器、摄像头模块、车灯模块,以及设置于车内的主控模块和显示装置。本发明可提高驾驶员雨雾天驾驶前方视野的清晰度,在行车过程避免了因视线不清导致的车辆刮擦甚至相撞事故,提高机动车驾驶员雨雾天行驶安全性。
Description
技术领域
本发明涉及车辆安全驾驶技术领域,特别是涉及机动车驾驶视觉增强***。
背景技术
机动车驾驶视觉增强***是一种应用于道路驾驶过程中的图像处理***。在雾霾天气下,户外物体呈现在驾驶员视野中的图像通常会因为大气中混浊的媒介(比如固体颗粒,水汽等)而降质,因为大气中的雾、霭、雨滴等吸收或散射光线造成此类现象。由于大气散射的程度和物体到人眼的距离有关,图像降质是随着空间变化的。人眼接收到物体反射过来的光线经过衰减。此外,眼睛得到的光线还混合有大气光(经大气分子反射的周围环境的光线)。所以雾天情况下驾驶员获取到的前方视野是降质图像,图像对比度下降,颜色失真。同时,雨滴会遮挡图像中的目标对象,使局部区域变得模糊。
由于大气中的粒子对驾驶员视野清晰度造成了严重干扰,影响驾驶员判断和反映速度,导致运输速度降低,交通事故频发。因此对于驾驶员雨雾天驾驶视野影像的清晰化的研究具有重要意义。
近年来随着计算机软硬件技术的不断发展,对雨雾天气下拍摄图像的景物影像进行清晰化处理已经成为可能。图像雨雾处理技术在视频监控、地形勘测、城市交通等相关的领域都有着广泛的运用,改善了雨雾天气对图像拍摄造成的发白、模糊、对比度低等问题。但该算法没有利用在驾驶过程中,可利用该技术结合相应的硬件设备,为驾驶员提供实时的清晰画面。
目前对图像进行去雾处理主要采用暗原色先验去雾算法来实现,该算法是通过对大量的无雾图像观察得到的统计规律而获得的。暗原色先验去雾算法简洁有效,对各种类型的含雾图像都能达到一定程度的去雾效果。改进的暗原色先验算法更适用于驾驶过程中天空留白较多的情况,因此可将该算法应用到交通视频中。另外针对雨天天气,则基于视频中雨滴的时域特性和像素直方图的全局特性,借助K-means聚类算法,复原雨天图像。
发明内容
为了解决雨雾天驾驶员视野清晰度降低的问题,本发明提供一种机动车驾驶视觉增强***,采用改进的暗原色先验算法处理雾天视频,更适用于处理交通驾驶过程中的捕获的图像,改善了视频去雾处理的效果。采用K-means聚类算法处理雨天图像,还原出清晰的雨天图像。同时将传感器技术与图像处理技术相融合,使得雨雾天气检测更加自动化,准确地完成***的开启。***可有效改善现阶段雨雾天气下道路驾驶领域的安全性问题,为达此目的,本发明提供一种机动车驾驶视觉增强***,所述机动车驾驶视觉增强***包括基于改进的暗原色先验算法的雾霾天驾驶视觉增强***和基于K-means聚类算法的雨天驾驶视觉增强***,所述改进的暗原色先验算法的雾霾天驾驶视觉增强***的改进的暗原色先验算法用于处理雾天驾驶时的交通视频图像,所述基于K-means聚类算法的雨天驾驶视觉增强***的K-means聚类算法用于处理雨天驾驶时的交通视频图像,所述机动车驾驶视觉增强***配套驾驶视觉增强设备,所述驾驶视觉增强设备包括设置于车外的雾霾传感器、雨滴传感器、摄像头模块、车灯模块和设置于车内的主控模块和显示装置,所述雾霾传感器设置在汽车主体前侧玻璃的下方,所述摄像头模块设置在汽车主体前侧玻璃的上方,所述雨滴传感器设置在汽车主体顶部,所述车灯模块有两个分别设置汽车主体两侧车灯前方车灯内,所述雾霾传感器用于检测雾天天气,连接报警装置的开启和雾灯的开启控制,所述雨滴传感器用于检测雨天天气,连接报警装置的开启和前灯的开启控制。
本发明的进一步改进,所述改进的暗原色先验算法,通过估测透射率分布,利用泊松抠图算法得到精细透射率,复原物体光线来处理视频图像,最终实现对驾驶视觉的增强效果,具体步骤如下:
步骤一:估测透射率;
在计算机视觉中,含雾图像模型如下:
I(x)=J(x)t(x)+A(1-t(x))
其中,I(x)待去雾图像,J(x)是待恢复的无雾图像,A是大气光成分,t(x)为透射率;根据暗原色先验理论,无雾图像的暗原色总是灰暗的,含雾图像的暗原色具有较高的强度值,假设在每一个窗口内透射率t(x)为常数,对上式进行两次最小值处理可以得到下式:
上式中,J是待求的无雾图像,暗原色先验理论有:
故:
迭代可得:
步骤二:完善透射率分布函数
雾图像形成模型方程和计算机图形上的抠图方程在形式上相似,透射率的分布其实就是阿尔法的分布,因此,应用了泊松抠图算法来完善透射率分布函数,对含雾图像模型进行取偏导数处理,可得:
根据泊松抠图算法原理,可以得到:
其中,Δ为拉普拉斯算子,div为散度算子,然后利用Gauss-Sidel迭代算法即可求取t(x);
步骤三:复原物体光线;
在实际中,可以借助于暗通道图来从有雾图像中得到A值,首先从暗通道图中按照亮度的大小取前0.1%的像素,在这些位置中,在原始有雾图像I中寻找对应的具有最高亮度的点的值,作为A值。到这一步,就可以进行无雾图像的恢复了;
当投射图t的值很小时,会导致J的值偏大,从而使图像整体向白场过度,因此一般可设置一阈值T0,当t值小于T0时,令t=T0,所有效果图均以T0=0.1为标准计算,最终的恢复公式如下:
本发明的进一步改进,通过估测透射率分布,利用导向滤波得到精细透射率图,复原物体光线处理视频图像中的非天空区域,利用直方图均值化算法处理天空区域。
本发明的进一步改进,所述K-means聚类算法是基于目标函数的K-means聚类方法,检测雨滴区域并去除,复原图像。
本发明的进一步改进,所述雾霾传感器采用光学灰尘传感器,所述光学灰尘传感器型号为GP2Y1010AU0F,用于检测直径大于0.8μm灰尘颗粒浓度,并在检测浓度大于设定值时开启雾霾天视觉增强***。
本发明的进一步改进,所述主控模块采用TSM320DSP芯片搭载视频处理算法。
本发明的进一步改进,所述显示装置采用7寸LCD显示屏通过DSP芯片与车载CCD摄像头连接,并显示图像去雾算法处理后的实时视频流。
本发明的进一步改进,所述车灯模块通过CAN总线连接至控制主板。
本发明机动车驾驶视觉增强***,与现有技术相比,本发明具有以下有益效果:
(1)本发明所用改进的暗原色先验算法,针对驾驶视野中存在天空区域的特点做出改进,可有效避免图像处理后存在过渡区域和色彩失真现象,还原出清晰的驾驶视频图像。
(2)本发明利用传感器自动识别天气变化,并通过CAN总线实现***通信,***开启自动方便。
(3)本发明将图像处理算法应用到驾驶领域,极大地提高了驾驶安全性。
附图说明
图1为本发明***结构组成图;
图2为本发明***流程图;
图3为本发明设备位置图;
标号说明:
1、雾霾传感器;2、摄像头模块;3、雨滴传感器;4、车灯模块。
具体实施方式
下面结合附图与具体实施方式对本发明作进一步详细描述:
本发明提供一种机动车驾驶视觉增强***,采用改进的暗原色先验算法处理雾天视频,更适用于处理交通驾驶过程中的捕获的图像,提高了视频去雾处理的效果。采用K-means聚类算法处理雨天图像,还原出清晰的雨天图像。同时将传感器技术与图像处理技术相融合,使得雨雾天气检测更加自动化,准确地完成***的开启。***可有效改善现阶段雨雾天气下道路驾驶领域的安全性问题。
本发明***结构组成图如图1所示,***流程图如图2所示,设备位置图如图3所示,其中汽车主体前侧玻璃的下方有雾霾传感器1,汽车主体前侧玻璃的上方有摄像头模块,汽车主体顶部设置有雨滴传感器3,汽车主体两侧车灯前方车灯各有一个车灯模块4,本申请***主体由两部分组成,分为增强***车内显示模块和车外检测和摄像模块。
其中雾天视觉增采用雾霾传感器感知周围环境中的颗粒物浓度,采用Sharp光学灰尘传感器(GP2Y1010AU0F),用于检测直径大于0.8μm灰尘颗粒浓度。当颗粒物浓度达到形成雾霾的等级时,通过CAN总线给DSP芯片,开启***视频去雾功能,同时车灯闪烁警告驾驶员并开启雾灯。
其中雨天视觉增采用雾霾传感器感知雨滴落下,采用Sharp光学灰尘传感器(GP2Y1010AU0F),用于检测直径大于0.8μm灰尘颗粒浓度。当颗粒物浓度达到形成雾霾的等级时,通过CAN总线给DSP芯片,开启***视频去雾功能,同时车灯闪烁警告驾驶员。
***在车辆外侧车窗上方安装1300万像素的摄像头,可实现道路环境实时视频的拍摄。车辆内部有基于暗原色先验算法的实时视频流去雾***,经过TSM320DSP芯片去雾处理将清晰的视频显示在7寸LCD显示屏上。
采用暗原色先验算法实现图像去雾。驾驶视野图像一般上半部分为天空部分,应与物体部分分开处理。针对图像的天空部分采用直方图均值化算法处理。再者对图像的物体部分计算全图暗原色图,根据所述暗原色图计算出大气光成分之后,判断所述计算出的大气光成分的各通道值是否超过预设值,若是则用预设值替代计算出的大气光成分的相应通道值;计算典型交通场景图象预估透射率图;计算导向滤波图;计算获得精细的透射率图;最后形成模型方程计算无雾图像。
采用K-means聚类算法实现雨天图像的雨滴检测与去除。当成功检测出雨区后,通过用雨滴与背景色之问的混合值取代检测到的雨滴的像素来达到去除效果。
以上所述,仅是本发明的较佳实施例而已,并非是对本发明作任何其他形式的限制,而依据本发明的技术实质所作的任何修改或等同变化,仍属于本发明所要求保护的范围。
Claims (1)
1.机动车驾驶视觉增强***,其特征在于,所述机动车驾驶视觉增强***包括基于改进的暗原色先验算法的雾霾天驾驶视觉增强***和基于K-means聚类算法的雨天驾驶视觉增强***,所述基于改进的暗原色先验算法的雾霾天驾驶视觉增强***的改进的暗原色先验算法用于处理雾天驾驶时的交通视频图像,所述基于K-means聚类算法的雨天驾驶视觉增强***的K-means聚类算法用于处理雨天驾驶时的交通视频图像,所述机动车驾驶视觉增强***配套驾驶视觉增强设备,所述驾驶视觉增强设备包括设置于车外的雾霾传感器、雨滴传感器、摄像头模块、车灯模块,以及设置于车内的主控模块和显示装置,所述雾霾传感器设置在汽车主体前侧玻璃的下方,所述摄像头模块设置在汽车主体前侧玻璃的上方,所述雨滴传感器设置在汽车主体顶部,所述车灯模块有两个分别设置汽车主体两侧车灯前方车灯内,所述雾霾传感器用于检测雾天天气,所述雨滴传感器用于检测雨天天气,所述的主控模块负责数据的采集、报警装置的开启和雾灯前灯的控制;
所述改进的暗原色先验算法,通过估测透射率分布,利用泊松抠图算法得到精细透射率,复原物体光线来处理视频图像,最终实现对驾驶视觉的增强效果,具体步骤如下:
步骤一:估测透射率;
在计算机视觉中,含雾图像模型如下:
I(x)=J(x)t(x)+A(1-t(x))
其中,I(x)待去雾图像,J(x)是待恢复的无雾图像,A是大气光成分,t(x)为透射率;
根据暗原色先验理论,无雾图像的暗原色总是灰暗的,含雾图像的暗原色具有较高的强度值,假设在每一个图像窗口内透射率t(x)为常数,对上式进行两次最小值处理得到下式:
上式中,J是待求的无雾图像
根据暗原色先验理论有:
上式中;
故:
迭代可得:
步骤二:完善透射率分布函数
雾图像形成模型方程和计算机图形上的抠图方程在形式上相似,透射率的分布其实就是阿尔法的分布,因此,应用了泊松抠图算法来完善透射率分布函数,对含雾图像模型进行取偏导数处理,可得:
根据泊松抠图算法原理,得到:
其中,△为拉普拉斯算子,div为散度算子,然后利用Gauss-Sidel迭代算法即可求取t(x);
步骤三:复原物体光线;
首先从暗通道图中按照亮度的大小取前0.1%的像素,在这些位置中,在原始有雾图像I中寻找对应的具有最高亮度的点的值,作为A值;
设置一阈值t0,当t值小于t0时,令t=t0,所有效果图均以t0=0.1为标准计算,最终的恢复公式如下:
所述K-means聚类算法是基于目标函数的K-means聚类方法,检测雨滴区域并去除,复原图像;
所述雾霾传感器采用光学灰尘传感器,所述光学灰尘传感器型号为GP2Y1010AU0F,用于检测直径大于0.8μm灰尘颗粒浓度,并在检测浓度大于设定值时开启雾霾天视觉增强***;
所述主控模块采用TSM320DSP芯片搭载视频处理算法;
所述显示装置采用7寸LCD显示屏通过DSP芯片与车载CCD摄像头连接,并显示图像去雾算法处理后的实时视频流;
所述车灯模块通过CAN总线连接至控制主板。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811403887.3A CN109584176B (zh) | 2018-11-23 | 2018-11-23 | 机动车驾驶视觉增强*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811403887.3A CN109584176B (zh) | 2018-11-23 | 2018-11-23 | 机动车驾驶视觉增强*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109584176A CN109584176A (zh) | 2019-04-05 |
CN109584176B true CN109584176B (zh) | 2021-07-23 |
Family
ID=65924153
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811403887.3A Active CN109584176B (zh) | 2018-11-23 | 2018-11-23 | 机动车驾驶视觉增强*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109584176B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11124173B2 (en) * | 2018-07-17 | 2021-09-21 | Jaguar Land Rover Limited | Method and apparatus for outputting a control signal |
CN112140998A (zh) * | 2020-10-12 | 2020-12-29 | 华南师范大学 | 一种辅助机动车驾驶的视觉增强去雾*** |
CN113364937B (zh) * | 2021-05-13 | 2022-10-25 | 西安交通大学 | 一种有监督的视频真实去雾数据集的采集方法及*** |
CN113487882A (zh) * | 2021-06-16 | 2021-10-08 | 东风柳州汽车有限公司 | 行车警示方法、装置、设备及存储介质 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101783012A (zh) * | 2010-04-06 | 2010-07-21 | 中南大学 | 一种基于暗原色的自动图像去雾方法 |
CN102510482A (zh) * | 2011-11-29 | 2012-06-20 | 蔡棽 | 一种提高能见度和可视距离的图像拼接重建及全局监控方法 |
US8340461B2 (en) * | 2010-02-01 | 2012-12-25 | Microsoft Corporation | Single image haze removal using dark channel priors |
CN103077501A (zh) * | 2012-12-30 | 2013-05-01 | 信帧电子技术(北京)有限公司 | 道路目标的标记方法及装置 |
CN103700070A (zh) * | 2013-12-12 | 2014-04-02 | 中国科学院深圳先进技术研究院 | 一种基于雨势尺度的视频雨滴去除算法 |
KR101448164B1 (ko) * | 2013-04-22 | 2014-10-14 | 금오공과대학교 산학협력단 | 파라미터 최적화를 이용한 영상의 안개 제거 방법 |
CN105512623A (zh) * | 2015-12-02 | 2016-04-20 | 吉林大学 | 基于多传感器雾天行车视觉增强与能见度预警***及方法 |
CN106991663A (zh) * | 2017-04-05 | 2017-07-28 | 淮海工学院 | 一种基于暗通道理论的水下彩色图像增强方法 |
CN107516295A (zh) * | 2016-06-15 | 2017-12-26 | 诺基亚技术有限公司 | 去除图像中的噪声的方法和装置 |
-
2018
- 2018-11-23 CN CN201811403887.3A patent/CN109584176B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8340461B2 (en) * | 2010-02-01 | 2012-12-25 | Microsoft Corporation | Single image haze removal using dark channel priors |
CN101783012A (zh) * | 2010-04-06 | 2010-07-21 | 中南大学 | 一种基于暗原色的自动图像去雾方法 |
CN102510482A (zh) * | 2011-11-29 | 2012-06-20 | 蔡棽 | 一种提高能见度和可视距离的图像拼接重建及全局监控方法 |
CN103077501A (zh) * | 2012-12-30 | 2013-05-01 | 信帧电子技术(北京)有限公司 | 道路目标的标记方法及装置 |
KR101448164B1 (ko) * | 2013-04-22 | 2014-10-14 | 금오공과대학교 산학협력단 | 파라미터 최적화를 이용한 영상의 안개 제거 방법 |
CN103700070A (zh) * | 2013-12-12 | 2014-04-02 | 中国科学院深圳先进技术研究院 | 一种基于雨势尺度的视频雨滴去除算法 |
CN105512623A (zh) * | 2015-12-02 | 2016-04-20 | 吉林大学 | 基于多传感器雾天行车视觉增强与能见度预警***及方法 |
CN107516295A (zh) * | 2016-06-15 | 2017-12-26 | 诺基亚技术有限公司 | 去除图像中的噪声的方法和装置 |
CN106991663A (zh) * | 2017-04-05 | 2017-07-28 | 淮海工学院 | 一种基于暗通道理论的水下彩色图像增强方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109584176A (zh) | 2019-04-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109584176B (zh) | 机动车驾驶视觉增强*** | |
CN108515909B (zh) | 一种汽车抬头显示***及其障碍物提示方法 | |
US11142124B2 (en) | Adhered-substance detecting apparatus and vehicle system equipped with the same | |
CN107301623B (zh) | 一种基于暗通道和图像分割的交通图像去雾方法及*** | |
CN104036466B (zh) | 一种视频去雾方法与*** | |
US8315766B2 (en) | Process for detecting a phenomenon limiting the visibility for a motor vehicle | |
JP6755161B2 (ja) | 付着物検出装置および付着物検出方法 | |
TW201716266A (zh) | 影像修補系統及其方法 | |
TWI749030B (zh) | 駕駛輔助系統及駕駛輔助方法 | |
CN104766286A (zh) | 基于无人驾驶汽车的图像去雾装置及去雾方法 | |
CN111860120A (zh) | 车载相机自动遮挡检测方法和装置 | |
US20120162425A1 (en) | Device and method for securing visibility for driver | |
CN106218587A (zh) | 一种开启除雾功能的方法和设备 | |
CN111231833A (zh) | 一种基于全息投影与ar结合的汽车辅助驾驶*** | |
US10336256B1 (en) | Reduction of LED headlight flickering in electronic mirror applications | |
CN106780362B (zh) | 基于双色反射模型与双边滤波的道路视频去雾方法 | |
CN111815556A (zh) | 基于纹理提取和小波变换的车载鱼眼相机自诊断方法 | |
KR101998027B1 (ko) | 악천후에서의 도로 객체 검출 기법 학습을 위한 안개 및 비 영상 합성 기법 및 시스템 | |
US20130156337A1 (en) | Method for removing noise of image | |
CN112465720A (zh) | 一种基于图像天空分割的图像去雾方法、装置和存储介质 | |
CN111627222A (zh) | 一种高速公路二次交通事故预警装置及方法 | |
CN113276772B (zh) | 一种汽车电子外后视镜***及控制方法 | |
CN110341602A (zh) | 一种汽车前后挡风玻璃辅助显示***及显示方法 | |
CN112140998A (zh) | 一种辅助机动车驾驶的视觉增强去雾*** | |
CN111800586B (zh) | 车载图像的虚拟曝光处理方法、车载图像拼接处理方法及图像处理装置 |
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 |