CN110954968B - 一种机场跑道异物检测装置及方法 - Google Patents
一种机场跑道异物检测装置及方法 Download PDFInfo
- Publication number
- CN110954968B CN110954968B CN201911303999.6A CN201911303999A CN110954968B CN 110954968 B CN110954968 B CN 110954968B CN 201911303999 A CN201911303999 A CN 201911303999A CN 110954968 B CN110954968 B CN 110954968B
- Authority
- CN
- China
- Prior art keywords
- image
- detection
- industrial camera
- laser line
- laser
- 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
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V8/00—Prospecting or detecting by optical means
- G01V8/10—Detecting, e.g. by using light barriers
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/28—Quantising the image, e.g. histogram thresholding for discrimination between background and foreground patterns
-
- 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
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Geophysics (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种机场异物检测装置及方法,该装置包括图像采集模块和视觉检测模块;图像采集模块通过USB接口与视觉检测模块相连接,并包含一字形线激光器、PCI接口的USB3.0扩展卡、高速工业相机、镜头和滤光片;视觉检测模块用于实现机场跑道异物的检测功能,包含图像预处理和特征提取识别算法。本发明采用并排安装的图像数据采集单元构成,在检测过程中,携带检测设备的移动设备沿待检测的跑道区域行驶,每次单程的检测宽度等于相机的有效图像采集视场,利用图像处理算法进行处理,从而分析出跑道上是否有异物。
Description
技术领域
本发明涉及图像识别领域中的异物检测和识别技术领域,主要涉及一种用于机场跑道异物检测装置及方法。
背景技术
FOD(Foreign Object Debris)是任何不属于机场的可能损伤飞行器的外来物质,即跑道异物。FOD根据材质不同分为混凝土碎片、金属碎片、橡胶碎片、塑料碎片等。目前国内机场跑道的检查工作主要依赖于人工步行方式检测,在道路检测的过程中需要关闭机场跑道,大大降低了航班的通行时间,而且人工检测主要依赖于工人的主观意念,受人为心情和精神影响较大,容易出现漏检测等情况,随着机器视觉技术和人工智能技术的不断发展,开发智能化机场跑道异物检测***具有重要意义。
一种用于机场跑道异物检测装置及方法针对机场跑道路面FOD检测,根据飞行部常务大队日常工作需求,测试地点分为飞行器起降的重点区域及非重点区域,对于起降重点区域的轮印具有良好的抗干扰能力,对于轮印中的异物仍能够实现准确的检测。该方法能够实现全天候检测,可工作在白天、夜晚、雾天、雨雪(极端恶劣天气除外)等气候条件下。
发明内容
本发明的目的是针对现有国内机场跑道靠道面巡查人员人工检测存在效率低下的问题,提供一种能够对国内机场跑道进行实时智能检测的***,降低工人的劳动强度,提高航班的通行效率。
为了实现上述目的,本发明采用的技术方案为:
本发明一种机场跑道异物检测装置的特点包括:图像采集模块和视觉检测模块;
所述图像采集模块包含:一字形线激光器、PCI接口的USB3.0扩展卡、高速工业相机、工业镜头和滤光片;
所述高速工业相机设置在机场跑道路面的正上方位置,所述一字形激光器作为光源并与所述高速工业相机的垂直距离成α度夹角照射于路面,α的角度在30-45度范围内;
所述高速工业相机配合滤光片以及工业镜头垂直采集机场跑道路面的图像信息,并通过USB3.0接口的PCI扩展卡实时将所述图像信息传输给视觉检测模块;
所述视觉检测模块用于实现机场跑道异物的检测功能,并包含:图像预处理单元和特征提取检测单元;
所述图像预处理单元采用图像高斯去噪模型去除所述图像信息中的噪声点干扰,再对去噪后的图像信息进行二值化阈值分割处理,得到二值化图像;然后对相邻两帧的二值化图像进行差分运算,得到差分图像;最后对所述差分图像进行遍历,计算出差分图像在纵轴上的图像数据跳变值和断裂值,当跳变值或断裂值大于所设置的阈值时,表示机场跑道路面上存在异常物体。
本发明所述机场跑道异物检测装置的特点也在于:设置所述图像采集模块为N组并排分布,其中,任意一个图像采集模块的检测区域为L,而N组图像采集模块的检测区域扩展小于L×N。
所述图像采集模块中一字形激光器发射一束光到机场跑道上,并经过机场跑道的反射后进入滤光片进行滤光,得到红色的激光后射入所述工业镜头并在高速工业相机上成像。
本发明一种机场跑道异物检测方法的特点是按如下步骤进行:
步骤1、在移动平台上设置有高速工业相机,且所述高速工业相机设置在机场跑道路面的正上方位置上;
步骤2、设置所述一字形激光器与所述高速工业相机的垂直距离成α度夹角照射于路面;
步骤3、设置所述移动平台的运行速度为v;设置所述高速工业相机的采集帧率为f;从而得到所述高速工业相机采集一幅图像的宽度为v/f;
步骤4、利用所述高速工业相机配合滤光片以及工业镜头垂直采集机场跑道路面的图像数据h,并对所述图像数据h采用固定阈值T的阈值分割算法进行分割,获取二值图像g;
步骤5、对相邻两帧的二值图像g1和g2进行差分运算,得到差分图像Δg;
步骤6、设置所述差分图像Δg感兴趣区域为图像中心的矩形区域;将差分图像Δg中激光线的横轴坐标值与图像中心的矩形区域进行做差计算,得到的差值用于调整所述感兴趣区域的中心坐标,从而更新所述所述差分图像Δg中的感兴趣区域;
步骤7、在所述差分图像Δg的新的感兴趣矩形区域内,运用直线检测算法检测出激光线的轮廓,计算激光线的轮廓与差分图像Δg的水平中心线的夹角;从而根据所述夹角对激光线的轮廓进行角度矫正至水平位置,并得到矫正后的激光线轮廓;
步骤8、对所述矫正后的激光线轮廓进行遍历,得到所述矫正后的激光线轮廓在横轴坐标上的坐标值集合,并从坐标值集合中选出未处于同一水平位置的坐标点,作为疑似断裂或跳变的坐标点;再根据所设置的断裂阈值宽度和跳变阈值高度,判定超过断裂阈值宽度或跳变阈值高度的坐标点所对应的路面位置上存在异物。
与已有技术相比,本发明的有益效果体现在:
1、待检测机场跑道由于路面较宽,单一图像采集单元采集的图像宽度有限,难以满足检测效率,本发明设置图像采集模块为N组并排分布,其中,任意一个图像采集模块的检测区域为L,而N组图像采集模块的检测区域扩展小于L×N,使得N组图像采集模块结合移动设备可以满足全机场跑道路面的检测,做到不漏检,大大提高了机场的通行效率。
2、待检测机场位于户外,受外界环境光的干扰比较大,本发明图像采集模块中一字形激光器发射一束光到机场跑道上,并经过机场跑道的反射后进入滤光片进行滤光,得到红色的激光后射入工业镜头并在高速工业相机上成像,一字形激光器不受外界光影响,该方法能够实现全天候检测,可工作在白天、夜晚、雾天、雨雪(极端恶劣天气除外)等气候条件下。
3、图像检测模块位于移动设备上随移动设备一起移动,难免会带来图像抖动问题,采集的激光线会出现上下移位的现象,本发明通过设置差分图像Δg感兴趣区域为图像中心的矩形区域;将差分图像Δg中激光线的横轴坐标值与图像中心的矩形区域进行做差计算,得到的差值用于调整感兴趣区域的中心坐标,从而更新差分图像Δg中的感兴趣区域,克服了图像抖动带来的激光线移位问题,提高了异物检测的准确率。
附图说明
图1是本发明装置原理图;
图2是本发明检测的机场跑道路面的图像。
具体实施方式
本实施例中,如图1所示,一种机场跑道异物检测装置包括:图像采集模块、电源供电模块和视觉检测模块;
图像采集模块包含:一字形线激光器、PCI接口的USB3.0扩展卡、高速工业相机、工业镜头和滤光片;
高速工业相机设置在机场跑道路面的正上方位置,一字形激光器作为光源并与高速工业相机的垂直距离成α度夹角照射于路面,相机到地面的距离为1.2米,一字形线激光器到地面的距离为0.6米。α的角度一般控制在30-45度范围内;本实施例中,α取30度;
一字形激光器波长650nm,功率150Mw,并发射一束光平面到机场跑道上,经过机场跑道反射光进入镜头、滤光片成像在高速工业相机上,利用高速高分辨率工业相机配合波长650nm,带宽20nm的滤光片以及8mm工业镜头采集路面返回的图像信息,其中,滤光片利用光的干涉原理过滤掉不需要的光谱只保留红色的激光发出的红色光谱数据,充分利用了相机高速采集帧率,每帧耗时小于0.5ms,最后通过USB3.0接口的PCI扩展卡实时将图像信息传输给视觉检测模块。
视觉检测模块用于实现机场跑道异物的检测功能,并包含:图像预处理单元和特征提取检测单元;
图像预处理单元采用图像高斯去噪模型去除图像信息中的噪声点干扰,再对去噪后的图像信息进行二值化阈值分割处理,得到二值化图像;然后对相邻两帧的二值化图像进行差分运算,得到差分图像;最后对差分图像进行遍历,计算出差分图像在纵轴上的图像数据跳变值和断裂值,当跳变值或断裂值大于所设置的阈值时,表示机场跑道路面上存在异常物体。
电源供电模块用于为整个***供电,包含三块12V蓄电池和UPS不间断电源。
具体实施中,数据采集模块由N=6组并排安装的图像数据采集单元构成。以检测5mm以上异物为目标,目前单个图像采集模块的检测区域为L=90cm,6组数据采集单元的检测区域扩展为5米,中间有部分重叠区域,因而N组图像采集模块的检测区域扩展小于L×N。在检测过程中,携带检测设备的移动设备沿待检测的跑道区域匀速行驶,每次单程的检测宽度等于相机的有效图像采集视场。为完成整条跑道的检测,可往返行驶多趟。移动设备行驶时,视觉单元将采集到的跑道二维图像数据,利用图像处理算法对路面数据进行处理,分析出跑道上是否有异物。
采集图像数据的目标为红色激光线,图像的宽度为采集的路面宽度,图像的宽度设置为2048个图像像素,图像的高度设置为64个图像像素,以移动设备运行时速为30km/h(8.333m/s)为例,相机的帧率设置为2000帧/s,从而计算出一幅图像的覆盖宽度为8333/2000=4.167mm,检测精度可以保证5mm以上的异物都可以实时检测。
本实施例中,一种机场跑道异物检测方法,包含以下步骤:
步骤1、在移动平台上设置有高速工业相机,且高速工业相机设置在机场跑道路面的正上方位置上,配合带宽20nm的滤光片以及8mm工业镜头采集路面返回的图像信息。
步骤2、设置一字形激光器与高速工业相机的垂直距离成α=30度夹角照射于路面,一字形激光器波长650nm,功率150Mw,并发射一束光平面到机场跑道上,经过机场跑道反射光进入镜头、滤光片成像在高速工业相机上。
步骤3、设置移动平台的运行速度为v;设置高速工业相机的采集帧率为f;从而得到高速工业相机采集一幅图像的宽度为v/f,本实例中移动设备运行速度控制在10-30km/h之间,以最高时速30km/h为例,转换成m/s的单位为8.333m/s。图像采集***的采集帧率为2000帧/s,图像的分辨率设置为2048*64,每幅图像覆盖的实际视野高度为4.167mm,可以实现5mm以上异物的检测。
步骤4、利用高速工业相机配合滤光片以及工业镜头垂直采集机场跑道路面的图像数据h,利用高斯去噪算法滤除路面的干扰信息,得到过滤后的图像h,并对图像数据h采用固定阈值T的阈值分割算法进行分割,获取二值图像g;
步骤5、采集相邻两帧的机场路面的图像数据,采用步骤4的方法对相邻两帧图像进行阈值分割,获得分割后的二值图像g1和g2,运用帧间差分法求得差分图像Δg。
步骤6、设置差分图像Δg感兴趣区域为图像中心的矩形区域;将差分图像Δg中激光线的横轴坐标值与图像中心的矩形区域进行做差计算,得到高度上的相对差值d,根据相对差值d上下平移矩形感兴趣区域,得到新的矩形感兴趣区域。
步骤7、在差分图像Δg的新的感兴趣矩形区域内,运用直线检测算法检测出激光线的轮廓,计算激光线的轮廓与差分图像Δg的水平中心线的夹角;从而根据夹角对激光线的轮廓进行旋转矫正至水平位置,并得到矫正后的激光线轮廓;
步骤8、结合图2,图2中的图像为经过图像采集***的图像,图像处理的对象为实际返回的激光线数据,检测算法处理的对象为直线的断裂或者直线纵轴数据的跳变,在差分图像Δg的新的矩形感兴趣区域内部,在图像中固定的横轴中扫描图像中直线的纵轴坐标值,得到矫正后的激光线轮廓在横轴坐标上的坐标值集合,并从坐标值集合中选出纵轴坐标值未处于同一水平位置的坐标点,作为疑似断裂或跳变的坐标点;考虑到图像边缘信息的扰动,选取断裂和跳变的阈值为6个图像像素值,再根据所设置的断裂阈值宽度和跳变阈值高度,判定超过断裂阈值宽度或跳变阈值高度的坐标点所对应的路面位置上存在异物,输出报警信号,处理算法每帧耗时约2ms。
综上所述,本发明一种机场跑道异物检测装置及其方法,通过向待检测的区域发射一字线激光,如果遇到突起物,从特定角度依据高速相机返回的二维图像数据可以观测到激光变形,根据传感器返回的二维数据进行图像预处理、异物特征提取分析,根据异物特征的阈值判断机场跑道有无异物干扰,实现了整个***的实时智能检测,从而提高了机场跑道异物检测的能力,减少了工人的劳动强度,安全性能大,便于安装和维护,具有较高的经济效益和社会效益。
Claims (2)
1.一种机场跑道异物检测装置,其特征包括:图像采集模块和视觉检测模块;
所述图像采集模块包含:一字形线激光器、PCI接口的USB3.0扩展卡、高速工业相机、工业镜头和滤光片;设置所述图像采集模块为N组并排分布,其中,任意一个图像采集模块的检测区域为L,而N组图像采集模块的检测区域扩展小于L×N;
所述高速工业相机设置在机场跑道路面的正上方位置;所述一字形线激光器作为光源并与所述高速工业相机的垂直距离成α度夹角照射于路面,α的角度在30-45度范围内;所述图像采集模块中一字形线激光器发射一束光到机场跑道上,并经过机场跑道的反射后进入滤光片进行滤光,得到红色的激光后射入所述工业镜头并在高速工业相机上成像;
所述高速工业相机配合滤光片以及工业镜头垂直采集机场跑道路面的图像信息,并通过USB3.0接口的PCI扩展卡实时将所述图像信息传输给视觉检测模块;
所述视觉检测模块用于实现机场跑道异物的检测功能,并包含:图像预处理单元和特征提取检测单元;
所述图像预处理单元采用图像高斯去噪模型去除所述图像信息中的噪声点干扰,再对去噪后的图像信息进行二值化阈值分割处理,得到二值化图像;然后对相邻两帧的二值化图像进行差分运算,得到差分图像;设置所述差分图像感兴趣区域为图像中心的矩形区域;将差分图像中激光线的横轴坐标值与图像中心的矩形区域进行做差计算,得到的差值用于调整所述感兴趣区域的中心坐标,从而更新所述差分图像中的感兴趣区域;
在所述差分图像的新的感兴趣矩形区域内,特征提取检测单元运用直线检测算法检测出激光线的轮廓,计算激光线的轮廓与差分图像的水平中心线的夹角;从而根据所述夹角对激光线的轮廓进行角度矫正至水平位置,并得到矫正后的激光线轮廓;最后对所述矫正后的激光线轮廓进行遍历,得到所述矫正后的激光线轮廓在横轴坐标上的坐标值集合,并从坐标值集合中选出未处于同一水平位置的坐标点,计算出差分图像在纵轴上的图像数据跳变值和断裂值,当跳变值或断裂值大于所设置的阈值时,表示机场跑道路面上存在异常物体。
2.一种机场跑道异物检测方法,其特征是按如下步骤进行:
步骤1、在移动平台上设置有高速工业相机,且所述高速工业相机设置在机场跑道路面的正上方位置上;
步骤2、设置一字形线激光器与所述高速工业相机的垂直距离成α度夹角照射于路面;
步骤3、设置所述移动平台的运行速度为v;设置所述高速工业相机的采集帧率为f;从而得到所述高速工业相机采集一幅图像的宽度为v/f;
步骤5、对相邻两帧的二值图像g1和g2进行差分运算,得到差分图像Δg;
步骤6、设置所述差分图像Δg感兴趣区域为图像中心的矩形区域;将差分图像Δg中激光线的横轴坐标值与图像中心的矩形区域进行做差计算,得到的差值用于调整所述感兴趣区域的中心坐标,从而更新所述差分图像Δg中的感兴趣区域;
步骤7、在所述差分图像Δg的新的感兴趣矩形区域内,运用直线检测算法检测出激光线的轮廓,计算激光线的轮廓与差分图像Δg的水平中心线的夹角;从而根据所述夹角对激光线的轮廓进行角度矫正至水平位置,并得到矫正后的激光线轮廓;
步骤8、对所述矫正后的激光线轮廓进行遍历,得到所述矫正后的激光线轮廓在横轴坐标上的坐标值集合,并从坐标值集合中选出未处于同一水平位置的坐标点,作为疑似断裂或跳变的坐标点;再根据所设置的断裂阈值宽度和跳变阈值高度,判定超过断裂阈值宽度或跳变阈值高度的坐标点所对应的路面位置上存在异物。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911303999.6A CN110954968B (zh) | 2019-12-17 | 2019-12-17 | 一种机场跑道异物检测装置及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911303999.6A CN110954968B (zh) | 2019-12-17 | 2019-12-17 | 一种机场跑道异物检测装置及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110954968A CN110954968A (zh) | 2020-04-03 |
CN110954968B true CN110954968B (zh) | 2022-05-06 |
Family
ID=69982274
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911303999.6A Active CN110954968B (zh) | 2019-12-17 | 2019-12-17 | 一种机场跑道异物检测装置及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110954968B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111910566A (zh) * | 2020-07-10 | 2020-11-10 | 广州民航职业技术学院 | 一种机场跑道异物自动检测及清理*** |
CN113406105B (zh) * | 2021-06-30 | 2023-04-07 | 湖南凌翔磁浮科技有限责任公司 | 磁浮检测小车障碍物检测方法和*** |
CN113673614B (zh) * | 2021-08-25 | 2023-12-12 | 北京航空航天大学 | 基于机器视觉的地铁隧道异物入侵检测装置及方法 |
CN114277725A (zh) * | 2021-12-20 | 2022-04-05 | 民航成都电子技术有限责任公司 | 一种机场跑道目标异物处置设备 |
CN116704446B (zh) * | 2023-08-04 | 2023-10-24 | 武汉工程大学 | 机场跑道路面异物实时检测方法及*** |
CN117590484B (zh) * | 2024-01-12 | 2024-03-19 | 中国民用航空总局第二研究所 | 一种机场跑道异物定位方法及*** |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103646248A (zh) * | 2013-11-28 | 2014-03-19 | 西安理工大学 | 基于双目线阵ccd汽车底盘成像的异物检测方法 |
CN106845346A (zh) * | 2016-12-16 | 2017-06-13 | 北京无线电计量测试研究所 | 一种用于机场跑道异物检测的图像检测方法 |
CN107390285A (zh) * | 2017-04-10 | 2017-11-24 | 南京航空航天大学 | 一种基于结构光的机场跑道异物检测*** |
CN108535789A (zh) * | 2018-05-23 | 2018-09-14 | 成都圭目机器人有限公司 | 一种基于机场跑道的异物识别*** |
US10124687B2 (en) * | 2016-09-14 | 2018-11-13 | Qualcomm Incorporated | Hybrid foreign object detection (FOD) loop array board |
CN109215020A (zh) * | 2018-08-30 | 2019-01-15 | 国网黑龙江省电力有限公司佳木斯供电公司 | 基于计算机视觉的高压输电线路故障识别方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7214925B2 (en) * | 2001-09-17 | 2007-05-08 | The Boeing Company | Pattern method and system for detecting foreign object debris |
US8362946B2 (en) * | 2008-10-03 | 2013-01-29 | Trex Enterprises Corp. | Millimeter wave surface imaging radar system |
-
2019
- 2019-12-17 CN CN201911303999.6A patent/CN110954968B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103646248A (zh) * | 2013-11-28 | 2014-03-19 | 西安理工大学 | 基于双目线阵ccd汽车底盘成像的异物检测方法 |
US10124687B2 (en) * | 2016-09-14 | 2018-11-13 | Qualcomm Incorporated | Hybrid foreign object detection (FOD) loop array board |
CN106845346A (zh) * | 2016-12-16 | 2017-06-13 | 北京无线电计量测试研究所 | 一种用于机场跑道异物检测的图像检测方法 |
CN107390285A (zh) * | 2017-04-10 | 2017-11-24 | 南京航空航天大学 | 一种基于结构光的机场跑道异物检测*** |
CN108535789A (zh) * | 2018-05-23 | 2018-09-14 | 成都圭目机器人有限公司 | 一种基于机场跑道的异物识别*** |
CN109215020A (zh) * | 2018-08-30 | 2019-01-15 | 国网黑龙江省电力有限公司佳木斯供电公司 | 基于计算机视觉的高压输电线路故障识别方法 |
Non-Patent Citations (2)
Title |
---|
基于移动机器人视觉的道路异物检测方法研究;张敏;《中国优秀硕士学位论文全文数据库 信息科技辑》;20130515;第19-20、53-54页 * |
基于雷达图像的机场跑道异物检测***搭建及算法研究;曹甜甜;《中国优秀硕士学位论文全文数据库 信息科技辑》;20121015;第37、43页 * |
Also Published As
Publication number | Publication date |
---|---|
CN110954968A (zh) | 2020-04-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110954968B (zh) | 一种机场跑道异物检测装置及方法 | |
CN111047555B (zh) | 基于图像处理技术的矿石图像粒度检测算法 | |
EP3196863B1 (en) | System and method for aircraft docking guidance and aircraft type identification | |
CN110862033B (zh) | 一种应用于煤矿斜井绞车的智能预警检测方法 | |
CN107463918A (zh) | 基于激光点云与影像数据融合的车道线提取方法 | |
CN107588733A (zh) | 一种基于图像的受电弓滑板磨耗在线检测装置与方法 | |
CN104608799A (zh) | 基于信息融合技术列车轮对踏面损伤在线检测与识别方法 | |
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*** | |
CN102495069A (zh) | 一种基于数字图像处理的拉链链带缺陷检测方法 | |
CN104392224A (zh) | 一种公路路面裂纹检测方法 | |
CN103324930A (zh) | 一种基于灰度直方图二值化的车牌字符分割方法 | |
CN108198417B (zh) | 一种基于无人机的道路巡检*** | |
CN102778701A (zh) | 一种机场跑道外来物检测*** | |
CN111598846B (zh) | 一种基于yolo的隧道内铁轨缺陷检测方法 | |
CN106709903B (zh) | 基于图像质量的pm2.5浓度预测方法 | |
CN102073852A (zh) | 基于最优阈值和随机标号法的多车辆分割方法 | |
CN104713526A (zh) | 输电线路上异物种类检测方法 | |
CN105300358A (zh) | 输电线路上异物种类检测平台 | |
CN107341455A (zh) | 一种对夜间机场跑道路面上外来物的区域多特征的检测方法及检测装置 | |
CN104182992A (zh) | 一种基于全景视觉的海上弱小目标检测方法 | |
CN111105398A (zh) | 一种基于可见光图像数据的输电线路部件裂纹检测方法 | |
CN105303844A (zh) | 基于激光的夜间高速公路团雾自动检测装置及其检测方法 | |
Sandru et al. | A complete process for shipborne sea-ice field analysis using machine vision | |
CA3066752A1 (en) | High speed stereoscopic pavement surface scanning system and method | |
CN105973903B (zh) | 一种口服液瓶盖检测方法 |
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 |