CN111597995A - 一种车道标记线检测方法、***、以及存储介质 - Google Patents
一种车道标记线检测方法、***、以及存储介质 Download PDFInfo
- Publication number
- CN111597995A CN111597995A CN202010414896.3A CN202010414896A CN111597995A CN 111597995 A CN111597995 A CN 111597995A CN 202010414896 A CN202010414896 A CN 202010414896A CN 111597995 A CN111597995 A CN 111597995A
- Authority
- CN
- China
- Prior art keywords
- lane line
- control terminal
- main control
- lane
- information
- 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
Images
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
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
- G06V20/54—Surveillance or monitoring of activities, e.g. for recognising suspicious objects of traffic, e.g. cars on the road, trains or boats
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/28—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network with correlation of data from several navigational instruments
- G01C21/30—Map- or contour-matching
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
- G01C21/36—Input/output arrangements for on-board computers
- G01C21/3626—Details of the output of route guidance instructions
- G01C21/3658—Lane guidance
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及一种车道标记线检测方法、***、以及存储介质,涉及电子地图技术领域,解决了手绘的车道线由于人为的主观性常常不精确,以至于影响后续智能移动终端的精确行驶的问题,其包括:步骤S100:主控终端启动拍摄装置并通过拍摄装置获取智能移动终端前方RGB图像;步骤S200:主控终端基于前方RGB图像进行图像处理;步骤S300:主控终端基于处理完毕的RGB图像筛选出符合要求的车道线信息;步骤S400:主控终端基于筛选出的车道线信息转化到地图中,并标记出地图中的车道线信息。本发明具有有效实现了对现场车道线的检测且融入到地图中从而方便智能移动终端更为精确的行驶的效果。
Description
技术领域
本发明涉及电子地图技术领域,尤其是涉及一种车道标记线检测方法、***、以及存储介质。
背景技术
随着计算机技术的广泛应用和发展创新,越来越多的智能产品出现在人们 的生活中,智能移动终端成为人们受欢迎的智能产品之一。
现有智能移动终端在工作的时候主要是按照既定的车道线来行驶的,而既定的车道线往往是工作人员手绘车道线标记到地图中。
上述中的现有技术方案存在以下缺陷:手绘的车道线由于人为的主观性常常不精确,以至于影响后续智能移动终端的精确行驶。
发明内容
本发明的目的是提供一种具有有效实现了对现场车道线的检测且融入到地图中从而方便智能移动终端更为精确的行驶的效果的车道标记线检测方法。
本发明的上述发明目的是通过以下技术方案得以实现的:
一种车道标记线检测方法,包括以下步骤:
步骤S100:主控终端启动拍摄装置并通过拍摄装置获取智能移动终端前方RGB图像;
步骤S200:主控终端基于前方RGB图像进行图像处理;
步骤S300:主控终端基于处理完毕的RGB图像筛选出符合要求的车道线信息;
步骤S400:主控终端基于筛选出的车道线信息转化到地图中,并标记出地图中的车道线信息。
通过采用上述技术方案,通过步骤S100、步骤S200的设置实现了对智能移动终端前方路段的图像采集获取以及相应处理,而步骤S300、步骤S400的设置则实现了基于处理完图片的车道线信息提取,并将车道线信息在地图中标记出来,从而便利于智能移动终端在前行工作的时候能够按照车道线来,避免出现行驶错误的现象出现。
本发明进一步设置为:步骤S200包括以下步骤:
步骤S210:主控终端截取前方RGB图像的下半部分且保留下半部分图像;
步骤S220:主控终端启动双边滤波模块去除图像的噪点信息。
通过采用上述技术方案,通过步骤S210的设置考虑到车道线主要位于图像下半部分,因此在截取的时候也只截取下半部分并对下半部分进行保留,一方面减少了数据的存储,另一方面也提高了对图片的处理效率,而步骤S220的设置有效实现了对图像的去噪点,从而减少了图片中的不良因素。
本发明进一步设置为:步骤S300包括以下步骤:
步骤S310:主控终端以车道线作为查询对象,于第一数据库中查询出相应车道线所对应的颜色阈值和约束条件,第一数据库为预设数据库,存储有车道线以及车道线所匹配的颜色阈值和约束条件;
步骤S320:主控终端调取图像,并通过调取于第一数据库的颜色阈值和约束条件提取出符合要求的车道线信息。
通过采用上述技术方案,通过步骤S310、步骤S320的设置基于车道线颜色阈值和约束条件有效实现了对车道线的识别判断并进行相应提取,从而进一步减少图片中的干扰因素。
本发明进一步设置为:步骤S300还包括位于步骤S320之后的步骤S330,步骤S330具体如下:
主控终端启动形态学变化模块,通过形态学变化模块的腐蚀膨胀功能进一步滤除细长的车道线噪点。
通过采用上述技术方案,通过形态学变化模块可以进一步减少图片中的车道线噪点,进一步减少干扰因素。
本发明进一步设置为:步骤S300还包括位于步骤S330之后的步骤S340,步骤S340包括以下步骤:
步骤S341:主控终端基于车道线信息标记出最小的外接轮廓线条;
步骤S342:主控终端调取第二数据库获取车道线特征信息,第二数据库为预设数据库,存储有车道线特征信息,定义车道线特征信息包括最小外接轮廓像素面积阈值以及相应最小外接轮廓像素面积阈值下的外接轮廓长度和外接轮廓宽度之间的关系;
步骤S343:主控终端基于车道线特征信息滤除非车道线信息。
通过采用上述技术方案,通过步骤S341、步骤S342、步骤S343的设置通过标记出最小的外接轮廓线条,从而减少图片中的无效车道线信息,从而减少信息的干扰,为后续车道线信息融入地图做好准备。
本发明进一步设置为:步骤S400包括以下步骤:
步骤S410:主控终端启动相机内外参转换模块基于获取的图像信息,获取最小外接轮廓底部像素点的实际距离信息;
步骤S420:主控终端把获得的距离信息转化到实际的地图中,并在地图中以点的形式显示出识别到的车道线信息;
步骤S430:主控终端通过首尾点相连或者直线拟合的方法标记出车道线信息。
通过采用上述技术方案,通过步骤S410、步骤S420、步骤S430的设置基于车道线信息通过相机内外参转换模块进行内外参数转换,从而将车道线信息精确的融入到地图中,从而方便智能移动终端在行驶的时候能够更好的按照车道线来行驶。
本发明的目的二是提供一种具有有效实现了对现场车道线的检测且融入到地图中从而方便智能移动终端更为精确的行驶的效果的车道标记线检测***,
本发明的上述发明目的是通过以下技术方案得以实现的:
一种车道标记线检测***,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的程序,该程序能够被处理器加载执行时实现如上述权利要求中所述的车道标记线检测方法。
通过采用上述技术方案,实现了对智能移动终端前方路段的图像采集获取以及相应处理,且实现了基于处理完图片的车道线信息提取,并将车道线信息在地图中标记出来,从而便利于智能移动终端在前行工作的时候能够按照车道线来,避免出现行驶错误的现象出现
本发明的目的三是提供计算机存储介质,方便处理器调取车道标记线检测方法的程序,实现了对现场车道线的检测且融入到地图中从而方便智能移动终端更为精确的行驶。
本发明的上述发明目的是通过以下技术方案得以实现的:
一种计算机存储介质,包括能够被处理器加载执行时实现如上述权利要求所述的车道标记线检测方法的程序。
通过采用上述技术方案,方便了处理器对车道标记线检测方法的程度的调取,实现了对现场车道线的检测且融入到地图中从而方便智能移动终端更为精确的行驶。
综上所述,本发明的有益技术效果为:通过智能移动终端前方路段拍摄获取的照片信息采集分析出车道线信息,并将车道线信息融入到地图中,有效方便了智能移动终端对车道线信息的精确识别,方便智能移动终端精准行驶。
附图说明
图1是本发明一种车道标记线检测方法的整体步骤示意图。
图2是图1中步骤S200的具体步骤示意图。
图3是图1中步骤S300的具体步骤示意图。
图4是步骤S340的具体步骤示意图。
图5是图1中步骤S400的具体步骤示意图。
具体实施方式
以下结合附图对本发明作进一步详细说明。
参照图1,为本发明公开的一种车道标记线检测方法,包括以下步骤S100-步骤S400。
在步骤S100中,主控终端启动拍摄装置并通过拍摄装置获取智能移动终端前方RGB图像,其中拍摄装置设置于智能移动终端上,用于拍摄智能移动终端前方,可以为相机等可以获取前方照片的装置,此处优选为相机,此处智能移动终端可以为清洁机器人、扫地机器人等,此处优选为清洁机器人。
在步骤S200中,主控终端基于处理完毕的RGB图像筛选出符合要求的车道线信息。
其中,步骤S200可分为步骤S210-S220,参看图2。
步骤S210为:主控终端截取前方RGB图像的下半部分且保留下半部分图像,其中主控终端截取前方RGB图像的下半部分的方式可以通过构建编程语言中的resize函数来实现。
步骤S220为:主控终端启动双边滤波模块去除图像的噪点信息,此处所应用的双边滤波模块主要是通过构建编程语言中的bilateralFilter双边滤波函数来实现的,双边滤波(Bilateralfilter)是一种非线性的滤波方法,是结合图像的空间邻近度和像素值相似度的一种折衷处理,同时考虑空域信息和灰度相似性,达到保边去噪的目的。
在步骤S300中,主控终端基于处理完毕的RGB图像筛选出符合要求的车道线信息。
其中步骤S300可分为步骤S310-S340,参看图3,具体如下:
步骤S310:主控终端以车道线作为查询对象,于第一数据库中查询出相应车道线所对应的颜色阈值和约束条件,第一数据库为预设数据库,存储有车道线以及车道线所匹配的颜色阈值和约束条件,例如,如白色车道线阈值和约束条件(80<R<256、60<G<240、30<B<160、R>=G、R-G<60、G-B>10)。
步骤S320:主控终端调取图像,并通过调取于第一数据库的颜色阈值和约束条件提取出符合要求的车道线信息。
步骤S330:主控终端启动形态学变化模块,通过形态学变化模块的腐蚀膨胀功能进一步滤除细长的车道线噪点,此处所应用的形态学变化模块可以为通过构建morphologyEx形态学变换函数来实现的。
进一步考虑到如何精确的采取到车道线信息,步骤S300在步骤S330之后设置有步骤S340。
步骤S340具体包括步骤S341至步骤S343,参考图4,具体如下。
步骤S341:主控终端基于车道线信息标记出最小的外接轮廓线条,此处标注最小的外接轮廓线条可有效提取到想要的车道线信息,比如只想识别车道左边的车道线,则只需要判断最小外接轮廓的像素点位置在图像左边位置即可。
步骤S342:主控终端调取第二数据库获取车道线特征信息,第二数据库为预设数据库,存储有车道线特征信息,定义车道线特征信息包括最小外接轮廓像素面积阈值以及相应最小外接轮廓像素面积阈值下的外接轮廓长度和外接轮廓宽度之间的关系。例如最小外接轮廓像素面积阈值为(1000,8000),最小外接轮廓长度至少为其宽度的三倍。
步骤S343:主控终端基于车道线特征信息滤除非车道线信息。
在步骤S400中,主控终端基于筛选出的车道线信息转化到地图中,并标记出地图中的车道线信息。
具体步骤S400包括以下步骤S410-步骤S430,参看图5。
步骤S410:主控终端启动相机内外参转换模块基于获取的图像信息,获取最小外接轮廓底部像素点的实际距离信息,举例来看,若图像中的长度为10厘米,而相机内外参转换模块所检测到的比例为1:5,则实际的长度为50厘米。
步骤S420:主控终端把获得的距离信息转化到实际的地图中,并在地图中以点的形式显示出识别到的车道线信息。
步骤S430:主控终端通过首尾点相连或者直线拟合的方法标记出车道线信息。
本发明实施例提供一种计算机可读存储介质,包括能够被处理器加载执行时实现如图1-图5任一种方法的程序。
所述计算机可读存储介质例如包括:U盘、移动硬盘、只读存储器(Read-OnlyMemory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
基于同一发明构思,本发明实施例提供一种车道标记线检测***,包括存储器、处理器,存储器上存储有可在所述处理器上运行实现如图1至图5任一种方法的程序。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,仅以上述各功能模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能模块完成,即将装置的内部结构划分成不同的功能模块,以完成以上描述的全部或者部分功能。上述描述的***,装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的***,装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,模块或单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个***,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)或处理器(processor)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器、随机存取存储器、磁碟或者光盘等各种可以存储程序代码的介质。
本具体实施方式的实施例均为本发明的较佳实施例,并非依此限制本发明的保护范围,故:凡依本发明的结构、形状、原理所做的等效变化,均应涵盖于本发明的保护范围之内。
Claims (8)
1.一种车道标记线检测方法,其特征在于,包括以下步骤:
步骤S100:主控终端启动拍摄装置并通过拍摄装置获取智能移动终端前方RGB图像;
步骤S200:主控终端基于前方RGB图像进行图像处理;
步骤S300:主控终端基于处理完毕的RGB图像筛选出符合要求的车道线信息;
步骤S400:主控终端基于筛选出的车道线信息转化到地图中,并标记出地图中的车道线信息。
2.根据权利要求1所述的车道标记线检测方法,其特征在于,步骤S200包括以下步骤:
步骤S210:主控终端截取前方RGB图像的下半部分且保留下半部分图像;
步骤S220:主控终端启动双边滤波模块去除图像的噪点信息。
3.根据权利要求1所述的车道标记线检测方法,其特征在于,步骤S300包括以下步骤:
步骤S310:主控终端以车道线作为查询对象,于第一数据库中查询出相应车道线所对应的颜色阈值和约束条件,第一数据库为预设数据库,存储有车道线以及车道线所匹配的颜色阈值和约束条件;
步骤S320:主控终端调取图像,并通过调取于第一数据库的颜色阈值和约束条件提取出符合要求的车道线信息。
4.根据权利要求3所述的车道标记线检测方法,其特征在于:步骤S300还包括位于步骤S320之后的步骤S330,步骤S330具体如下:
主控终端启动形态学变化模块,通过形态学变化模块的腐蚀膨胀功能进一步滤除细长的车道线噪点。
5.根据权利要求4所述的车道标记线检测方法,其特征在于,步骤S300还包括位于步骤S330之后的步骤S340,步骤S340包括以下步骤:
步骤S341:主控终端基于车道线信息标记出最小的外接轮廓线条;
步骤S342:主控终端调取第二数据库获取车道线特征信息,第二数据库为预设数据库,存储有车道线特征信息,定义车道线特征信息包括最小外接轮廓像素面积阈值以及相应最小外接轮廓像素面积阈值下的外接轮廓长度和外接轮廓宽度之间的关系;
步骤S343:主控终端基于车道线特征信息滤除非车道线信息。
6.根据权利要求1所述的车道标记线检测方法车道标记线检测方法,其特征在于,步骤S400包括以下步骤:
步骤S410:主控终端启动相机内外参转换模块基于获取的图像信息,获取最小外接轮廓底部像素点的实际距离信息;
步骤S420:主控终端把获得的距离信息转化到实际的地图中,并在地图中以点的形式显示出识别到的车道线信息;
步骤S430:主控终端通过首尾点相连或者直线拟合的方法标记出车道线信息。
7.一种车道标记线检测***,其特征在于:包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的程序,该程序能够被处理器加载执行时实现如权利要求1至6中任一项所述的车道标记线检测方法。
8.一种计算机存储介质,其特征在于:包括能够被处理器加载执行时实现如权利要求1至6中任一项所述的车道标记线检测方法的程序。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010414896.3A CN111597995B (zh) | 2020-05-15 | 2020-05-15 | 一种车道标记线检测方法、***、以及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010414896.3A CN111597995B (zh) | 2020-05-15 | 2020-05-15 | 一种车道标记线检测方法、***、以及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111597995A true CN111597995A (zh) | 2020-08-28 |
CN111597995B CN111597995B (zh) | 2023-04-28 |
Family
ID=72191483
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010414896.3A Active CN111597995B (zh) | 2020-05-15 | 2020-05-15 | 一种车道标记线检测方法、***、以及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111597995B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113887321A (zh) * | 2021-09-09 | 2022-01-04 | 鹏城实验室 | 一种生成车道级仿真路网的方法、设备及存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105260699A (zh) * | 2015-09-10 | 2016-01-20 | 百度在线网络技术(北京)有限公司 | 一种车道线数据的处理方法及装置 |
CN108805065A (zh) * | 2018-05-31 | 2018-11-13 | 华南理工大学 | 一种基于几何特征改进的车道线检测方法 |
EP3506156A1 (en) * | 2017-12-29 | 2019-07-03 | Baidu Online Network Technology (Beijing) Co., Ltd. | Method and apparatus for detecting lane line, and medium |
-
2020
- 2020-05-15 CN CN202010414896.3A patent/CN111597995B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105260699A (zh) * | 2015-09-10 | 2016-01-20 | 百度在线网络技术(北京)有限公司 | 一种车道线数据的处理方法及装置 |
EP3506156A1 (en) * | 2017-12-29 | 2019-07-03 | Baidu Online Network Technology (Beijing) Co., Ltd. | Method and apparatus for detecting lane line, and medium |
CN108805065A (zh) * | 2018-05-31 | 2018-11-13 | 华南理工大学 | 一种基于几何特征改进的车道线检测方法 |
Non-Patent Citations (1)
Title |
---|
杨智杰;: "基于RGB彩色通道的结构化道路车道线检测" * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113887321A (zh) * | 2021-09-09 | 2022-01-04 | 鹏城实验室 | 一种生成车道级仿真路网的方法、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN111597995B (zh) | 2023-04-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109215063B (zh) | 一种事件触发相机与三维激光雷达的配准方法 | |
WO2018120038A1 (zh) | 一种目标检测的方法及装置 | |
EP1431913A1 (en) | Method for detecting boundaries between areas having different features in image data | |
CN111144337B (zh) | 火灾检测方法、装置及终端设备 | |
CN108764139B (zh) | 一种人脸检测方法、移动终端及计算机可读存储介质 | |
WO2022016947A1 (zh) | 一种绑扎点识别方法、装置、终端和介质 | |
CN112233076A (zh) | 基于红色圆标靶图像处理的结构振动位移测量方法及装置 | |
CN113744256A (zh) | 一种深度图空洞填充方法、装置、服务器及可读存储介质 | |
CN110443245A (zh) | 一种非限制场景下的车牌区域的定位方法、装置及设备 | |
CN114862929A (zh) | 三维目标检测方法、装置、计算机可读存储介质及机器人 | |
US20240020923A1 (en) | Positioning method based on semantic information, device and computer-readable storage medium | |
CN111597995A (zh) | 一种车道标记线检测方法、***、以及存储介质 | |
CN113283439B (zh) | 基于图像识别的智能计数方法、装置及*** | |
CN114119695A (zh) | 一种图像标注方法、装置及电子设备 | |
CN117612138A (zh) | 一种车位检测方法、装置、设备及存储介质 | |
CN111222446B (zh) | 人脸识别方法、人脸识别装置及移动终端 | |
CN111754467A (zh) | 基于霍夫变换的车位检测方法、装置、计算机设备及存储介质 | |
CN113435287A (zh) | 草地障碍物识别方法、装置、割草机器人及可读存储介质 | |
CN110557622A (zh) | 基于结构光的深度信息获取方法及装置、设备及介质 | |
CN113450335B (zh) | 一种路沿检测方法、路沿检测装置及路面施工车辆 | |
CN109388131B (zh) | 基于角点特征识别的机器人姿态控制方法、***及机器人 | |
CN115223031A (zh) | 一种单目边框测距方法、装置、介质及幕墙机器人 | |
CN112101139B (zh) | 人形检测方法、装置、设备及存储介质 | |
JP2014142866A (ja) | 車線識別装置および車線識別方法 | |
CN114782418B (zh) | 瓷砖表面缺陷的检测方法及装置、存储介质 |
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 | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20201127 Address after: B1205, phase II, Bolton Science Park, 1044 chaguang Road, Shuguang community, Xili street, Nanshan District, Shenzhen City, Guangdong Province Applicant after: Huizhi robot technology (Shenzhen) Co.,Ltd. Address before: 200000 Shanghai City, Pudong New Area Chinese (Shanghai) free trade zone fanchun Road No. 400 Building 1 layer 3 Applicant before: FLYINGWINGS INTELLIGENT ROBOT TECHNOLOGY (SHANGHAI) Co.,Ltd. |
|
TA01 | Transfer of patent application right | ||
GR01 | Patent grant | ||
GR01 | Patent grant |