CN112257723B - 一种护栏提取的置信度评估方法及*** - Google Patents
一种护栏提取的置信度评估方法及*** Download PDFInfo
- Publication number
- CN112257723B CN112257723B CN202011158443.5A CN202011158443A CN112257723B CN 112257723 B CN112257723 B CN 112257723B CN 202011158443 A CN202011158443 A CN 202011158443A CN 112257723 B CN112257723 B CN 112257723B
- Authority
- CN
- China
- Prior art keywords
- guardrail
- data
- sampling
- confidence
- extraction
- 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
- 238000000605 extraction Methods 0.000 title claims abstract description 35
- 238000011156 evaluation Methods 0.000 title claims description 29
- 238000005070 sampling Methods 0.000 claims abstract description 83
- 238000000034 method Methods 0.000 claims abstract description 31
- 238000012545 processing Methods 0.000 claims abstract description 15
- 230000035772 mutation Effects 0.000 claims description 15
- 230000002159 abnormal effect Effects 0.000 claims description 7
- 238000009499 grossing Methods 0.000 claims description 5
- 238000004590 computer program Methods 0.000 claims description 4
- 238000003860 storage Methods 0.000 claims description 4
- 238000013075 data extraction Methods 0.000 claims description 2
- 238000007689 inspection Methods 0.000 abstract description 18
- 238000004519 manufacturing process Methods 0.000 abstract description 11
- 238000013507 mapping Methods 0.000 abstract description 6
- 238000005259 measurement Methods 0.000 abstract description 3
- 238000004891 communication Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 5
- 238000002360 preparation method Methods 0.000 description 5
- 238000001514 detection method Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/20—Drawing from basic elements, e.g. lines or circles
- G06T11/206—Drawing of charts or graphs
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- 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
- G06T2207/10028—Range image; Depth image; 3D point clouds
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Processing Or Creating Images (AREA)
- Image Analysis (AREA)
Abstract
本发明实施例提供了一种护栏提取的置信度评估方法及***，首先对提取的护栏数据中的护栏轮廓进行离散化，然后对离散化后的护栏轮廓进行抽样；最后对抽样点进行处理，评估护栏轮廓抽样点的置信度。用置信度来评估自动提取的护栏数据是否符合高精地图制作标准。与现有技术采用人工测量的质检方法，耗费人力且质检效率低相比，本发明减少了高精度地图中护栏提取后质检的时间，提高了高精地图的制作效率。
Description
技术领域
本发明涉及自动驾驶高精度地图制作领域，尤其涉及一种护栏提取的置信度评估方法及***。
背景技术
护栏是制作高精度地图的要素之一，目前，针对高精地图制作过程中护栏数据的质检，需要对自动提取的护栏的质量进行人工检测。在人工检测过程中需要对自动提取的护栏进行测量才能确定是否符合制作标准，这个过程花费大量的时间，而且还存在误检的问题，这就大大的影响了高精度地图制作的效率。
因此，现在亟需一种护栏提取的置信度评估方法及***来解决这一问题。
发明内容
本发明提供一种护栏提取的置信度评估方法及***，用以解决目前高精度地图数据中的护栏数据采用人工测量方法进行质检，耗费人力且质检效率低的问题。
第一方面，本发明实施例提供一种护栏提取的置信度评估方法，包括：
步骤1，对提取的护栏数据中的护栏轮廓进行离散化；
步骤2，对离散化后的护栏轮廓进行抽样；
步骤3，对抽样点进行处理，评估护栏轮廓抽样点的置信度。
进一步，在步骤1之前，所述方法还包括：
从高精地图数据中自动提取护栏数据。
进一步，在从高精地图数据中自动提取护栏数据之后，还包括：
若自动提取的护栏数据为激光点云数据，则将所述激光点云数据投影为二维图像数据。
进一步，所述步骤3具体包括：
根据护栏的二维投影图中护栏区域的灰度特征，对抽样点进行处理，判断护栏轮廓抽样点的置信度。
进一步，所述根据护栏的二维投影图中护栏区域的灰度特征，对抽样点进行处理，判断护栏轮廓抽样点的置信度，具体包括：
以抽样点为中心，在其上下两侧分别取两个矩形框；其中，两个矩形框都包括抽样点所在的行；
在两个矩形框上计算每行像素的灰度最大值，从每个矩形框都获得一列最大灰度像素点，将这两列最大灰度像素点分别进行平滑处理，去掉灰度异常像素点；
获取两列最大灰度像素点的突变位置，若其中一列最大灰度像素点的突变位置距离所述抽样点预设距离，另一列最大灰度像素点的突变位置距离抽样点远大于预设距离，则判定抽样点的置信度为可信状态。
第二方面，本发明实施例还提供一种护栏提取的置信度评估***，包括：
离散化模块，用于对提取的护栏数据中的护栏轮廓进行离散化；
抽样模块，用于对离散化后的护栏轮廓进行抽样；
置信度评估模块，用于对抽样点进行处理，评估护栏轮廓抽样点的置信度。
进一步，护栏提取的置信度评估***还包括：
护栏数据提取模块，用于从高精地图数据中自动提取护栏数据。
第三方面，本发明实施例提供了一种电子设备，包括处理器、存储器、通信接口和总线；其中，所述处理器、存储器、通信接口通过所述总线完成相互间的通信；所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令能够执行上述护栏提取的置信度评估方法。
第四方面，本发明实施例提供了一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令使所述计算机执行上述护栏提取的置信度评估方法。
本发明实施例提出的护栏提取的置信度评估方法及***，首先对提取的护栏数据中的护栏轮廓进行离散化，然后对离散化后的护栏轮廓进行抽样；最后对抽样点进行处理，评估护栏轮廓抽样点的置信度。用置信度来评估自动提取的护栏数据是否符合高精地图制作标准。与现有技术采用人工测量的质检方法，耗费人力且质检效率低相比，本发明减少了高精度地图中护栏提取后质检的时间，提高了高精地图的制作效率。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的一种护栏提取的置信度评估方法流程示意图；
图2为本发明实施例提供的护栏的激光点云数据的二维投影图；
图3为本发明实施例提供的护栏提取的置信度评估***的结构框图；
图4为本发明实施例提供的电子设备的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。
护栏是制作高精度地图的要素之一，目前，针对高精地图制作过程中护栏数据的质检，需要对自动提取的护栏的质量进行人工检测。在人工检测过程中需要对自动提取的护栏进行测量才能确定是否符合制作标准，这个过程花费大量的时间，而且还存在误检的问题，这就大大的影响了高精度地图制作的效率。
因此，本发明实施例提出一种护栏提取的置信度评估方法，首先对提取的护栏数据中的护栏轮廓进行离散化，然后对离散化后的护栏轮廓进行抽样；最后对抽样点进行处理，评估护栏轮廓抽样点的置信度。用置信度来评估自动提取的护栏数据是否符合高精地图制作标准。本发明减少了高精度地图中护栏提取后质检的时间，提高了高精地图的制作效率。解决了现有的护栏数据质检方法采用人工测量进行质检，耗费人力且质检效率低的缺陷。以下将结合附图通过多个实施例进行展开说明和介绍。
如图1所示，为减少高精度地图制作过程中护栏自动提取人工质检的时间，发明实施例提供了一种护栏提取的置信度评估方法。首先对本发明实施例提供的方法的整体原理进行简要说明，该方法包括以下步骤：
步骤1，对提取的护栏数据中的护栏轮廓进行离散化。
具体地，在执行步骤1之前，首先，从高精地图数据中自动提取护栏数据。高精度地图所用的数据一般为激光点云数据，若自动提取的护栏数据为激光点云数据，则需先将其投影为二维图像数据。若自动提取的护栏数据为二维图像数据则不需要投影。图2为本发明实施例提供的护栏的激光点云数据的二维投影图。
在从高精地图数据中自动提取护栏数据后，执行步骤1，将自动提取的护栏轮廓离散化：将护栏轮廓离散化，为下一步处理做准备。
步骤2，对离散化后的护栏轮廓进行抽样。
本实施例中，对每一段离散化后的护栏轮廓进行抽样，获得若干抽样点。在护栏轮廓的一条边上，相邻像素之间基本没有差别，因此，本发明对离散化后的护栏轮廓进行抽样，以减少计算量。
步骤3，对抽样点进行处理，评估护栏轮廓抽样点的置信度。
具体地，本发明根据护栏的二维投影图中护栏区域的灰度特征，对抽样点进行处理，判断护栏轮廓抽样点的置信度。其中，置信度包括可信状态和不可信状态，护栏提取的置信度表示对护栏提取识别准确的可信度。由于护栏的二维投影图中，护栏区域灰度值要大于其周围区域的灰度值，因此，本发明根据抽样点对应护栏区域的灰度值，判断护栏轮廓抽样点的置信度是否可信，通过置信度可以评估自动提取的护栏数据是否符合高精地图制作标准。
本发明实施例提供的护栏提取的置信度评估方法，首先对提取的护栏数据中的护栏轮廓进行离散化，然后对离散化后的护栏轮廓进行抽样；最后对抽样点进行处理，评估护栏轮廓抽样点的置信度。用各抽样点置信度来评估自动提取的护栏数据是否符合高精地图制作标准。本发明减少了高精度地图中护栏提取后质检的时间，提高了高精地图的制作效率。
在一个实施例中，步骤3中，对抽样点进行处理，评估护栏轮廓抽样点的置信度，具体包括：
步骤10，以抽样点为中心，在其上下两侧分别取两个矩形框；其中，两个矩形框都包括抽样点所在的行。
其中，由于护栏的二维投影图中，护栏区域灰度值要大于其周围区域的灰度值，因此，本发明根据抽样点对应护栏区域的灰度值，判断护栏轮廓抽样点是否符合高精度地图制作标准。
本实施例以高精度地图制作标准5cm为例进行说明，即提取的护栏边缘与真实护栏边缘差距小于5cm，1个像素为1cm。以抽样点为中心，在抽样点的上下两侧分别取两个矩形框。由于投影后的护栏图像的灰度值在行方向和列方向上都有断层，因此设置的矩形框尺寸需要大一些，优选的，上下两侧矩形框分别取40*40cm，本发明实施例对此不作具体限定。上下两侧矩形框都包括该抽样点所在的行。
步骤20，在两个矩形框上计算每行像素的灰度最大值，从每个矩形框都获得一列最大灰度像素点，将这两列最大灰度像素点分别进行平滑处理，去掉灰度异常像素点；
具体地，首先，在两个矩形框上计算每行像素的灰度最大值，从每个矩形框都获得一列最大灰度像素点。
然后，将这两列最大灰度像素点分别进行平滑处理，去掉灰度异常像素点。例如：A点的灰度值为3，它前后两个最大灰度像素点的灰度值分别为102与104，那么A点的灰度值为异常值，将前后两点的灰度值做平均，得到平均灰度值103来替换A点的灰度值3，其他异常情况也做类似处理。
步骤30，获取两列最大灰度像素点的突变位置，若其中一列最大灰度像素点的突变位置距离所述抽样点预设距离，另一列最大灰度像素点的突变位置距离抽样点远大于预设距离，则判定抽样点的置信度为可信状态。
由于护栏的灰度值要大于其周围区域的灰度值，在护栏的边缘区域会有灰度突变。本发明获取两列最大灰度像素点的突变位置，若其中一列最大灰度像素点的突变位置距离所述抽样点预设距离，另一列最大灰度像素点的突变位置距离抽样点远大于预设距离，则判定抽样点的置信度为可信状态，抽样点符合高精度地图制作标准。本实施例中高精度地图制作标准5cm(即提取的护栏边缘与真实护栏边缘差距小于5cm)，因此，预设距离取5cm。
本发明实施例提供的护栏提取的置信度评估方法，根据护栏的二维投影图中护栏区域的灰度特征，对抽样点进行处理，来评估自动提取的护栏数据是否符合高精地图制作标准。本发明减少了高精度地图中护栏提取后质检的时间，提高了高精地图的制作效率。
在一个实施例中，图3为本发明实施例提供的护栏提取的置信度评估***的结构框图，参照图3，该***包括：
离散化模块301，用于对提取的护栏数据中的护栏轮廓进行离散化；
抽样模块302，用于对离散化后的护栏轮廓进行抽样；
置信度评估模块303，用于对抽样点进行处理，评估护栏轮廓抽样点的置信度。
具体的如何利用离散化模块301、抽样模块302和置信度评估模块303进行护栏提取的置信度评估，可以参照上述方法实施例，本发明实施例在此不再赘述。
本发明实施例提供的护栏提取的置信度评估***，首先对提取的护栏数据中的护栏轮廓进行离散化，然后对离散化后的护栏轮廓进行抽样；最后对抽样点进行处理，评估护栏轮廓抽样点的置信度。用各抽样点置信度来评估自动提取的护栏数据是否符合高精地图制作标准。本发明减少了高精度地图中护栏提取后质检的时间，提高了高精地图的制作效率。
在一个实施例中，基于相同的构思，本发明实施例提供了本发明实施例提供了一种电子设备，如图4所示，该电子设备可以包括：处理器(processor)401、通信接口(Communications Interface)402、存储器(memory)403和通信总线404，其中，处理器401，通信接口402，存储器403通过通信总线404完成相互间的通信。处理器401可以调用存储器403中的逻辑指令，以执行上述各实施例提供的护栏提取的置信度评估方法的步骤，例如包括：步骤1，对提取的护栏数据中的护栏轮廓进行离散化；步骤2，对离散化后的护栏轮廓进行抽样；步骤3，对抽样点进行处理，评估护栏轮廓抽样点的置信度。
在一个实施例中，基于相同的构思，本发明实施例还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各实施例提供的护栏提取的置信度评估方法的步骤，例如包括：步骤1，对提取的护栏数据中的护栏轮廓进行离散化；步骤2，对离散化后的护栏轮廓进行抽样；步骤3，对抽样点进行处理，评估护栏轮廓抽样点的置信度。
本发明的各实施方式可以任意进行组合，以实现不同的技术效果。
以上所描述的***实施例仅仅是示意性的，其中所述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模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，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)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (7)
1.一种护栏提取的置信度评估方法，其特征在于，包括：
步骤1，对提取的护栏数据中的护栏轮廓进行离散化；
步骤2，对离散化后的护栏轮廓进行抽样；
步骤3，根据护栏数据的灰度特征，对抽样点进行处理，评估护栏轮廓抽样点的置信度；以抽样点为中心，在其上下两侧分别取两个矩形框；其中，两个矩形框都包括抽样点所在的行；在两个矩形框上计算每行像素的灰度最大值，从每个矩形框都获得一列最大灰度像素点，将这两列最大灰度像素点分别进行平滑处理，去掉灰度异常像素点；获取两列最大灰度像素点的突变位置，若其中一列最大灰度像素点的突变位置距离所述抽样点预设距离，另一列最大灰度像素点的突变位置距离抽样点远大于预设距离，则判定抽样点的置信度为可信状态。
2.根据权利要求1所述的护栏提取的置信度评估方法，其特征在于，在步骤1之前，所述方法还包括：
从高精地图数据中自动提取护栏数据。
3.根据权利要求2所述的护栏提取的置信度评估方法，其特征在于，在从高精地图数据中自动提取护栏数据之后，还包括：
若自动提取的护栏数据为激光点云数据，则将所述激光点云数据投影为二维图像数据。
4.一种护栏提取的置信度评估***，其特征在于，包括：
离散化模块，用于对提取的护栏数据中的护栏轮廓进行离散化；
抽样模块，用于对离散化后的护栏轮廓进行抽样；
置信度评估模块，用于根据护栏数据的灰度特征，对抽样点进行处理，评估护栏轮廓抽样点的置信度；以抽样点为中心，在其上下两侧分别取两个矩形框；其中，两个矩形框都包括抽样点所在的行；在两个矩形框上计算每行像素的灰度最大值，从每个矩形框都获得一列最大灰度像素点，将这两列最大灰度像素点分别进行平滑处理，去掉灰度异常像素点；获取两列最大灰度像素点的突变位置，若其中一列最大灰度像素点的突变位置距离所述抽样点预设距离，另一列最大灰度像素点的突变位置距离抽样点远大于预设距离，则判定抽样点的置信度为可信状态。
5.根据权利要求4所述的护栏提取的置信度评估***，其特征在于，还包括：
护栏数据提取模块，用于从高精地图数据中自动提取护栏数据。
6.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至3任一项所述护栏提取的置信度评估方法的步骤。
7.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1至3任一项所述护栏提取的置信度评估方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011158443.5A CN112257723B (zh) | 2020-10-26 | 2020-10-26 | 一种护栏提取的置信度评估方法及*** |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011158443.5A CN112257723B (zh) | 2020-10-26 | 2020-10-26 | 一种护栏提取的置信度评估方法及*** |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112257723A CN112257723A (zh) | 2021-01-22 |
| CN112257723B true CN112257723B (zh) | 2022-09-27 |
Family
ID=74262410
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011158443.5A Active CN112257723B (zh) | 2020-10-26 | 2020-10-26 | 一种护栏提取的置信度评估方法及*** |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112257723B (zh) |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2017104574A1 (ja) * | 2015-12-14 | 2017-06-22 | 株式会社リコー | 画像処理装置、物体認識装置、機器制御システム、画像処理方法およびプログラム |
| CN111797803A (zh) * | 2020-07-15 | 2020-10-20 | 郑州昂达信息科技有限公司 | 基于人工智能和图像处理的道路护栏异常检测方法 |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102445453B (zh) * | 2011-11-30 | 2013-10-23 | 北京交通大学 | 一种高速铁路线路护栏完整性自动检测装置及识别方法 |
| CN109035759B (zh) * | 2018-06-13 | 2021-02-02 | 重庆邮电大学 | 一种护栏检测评估方法 |
| CN110363771B (zh) * | 2019-07-15 | 2021-08-17 | 武汉中海庭数据技术有限公司 | 一种基于三维点云数据的隔离护栏形点提取方法及装置 |
| CN111709322B (zh) * | 2020-05-28 | 2022-09-06 | 武汉中海庭数据技术有限公司 | 一种计算车道线置信度的方法及装置 |
-
2020
- 2020-10-26 CN CN202011158443.5A patent/CN112257723B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2017104574A1 (ja) * | 2015-12-14 | 2017-06-22 | 株式会社リコー | 画像処理装置、物体認識装置、機器制御システム、画像処理方法およびプログラム |
| CN111797803A (zh) * | 2020-07-15 | 2020-10-20 | 郑州昂达信息科技有限公司 | 基于人工智能和图像处理的道路护栏异常检测方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112257723A (zh) | 2021-01-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111709322B (zh) | 一种计算车道线置信度的方法及装置 | |
| CN108961316B (zh) | 图像处理方法、装置及服务器 | |
| CN110705759B (zh) | 水位预警监控方法、装置、存储介质及电子设备 | |
| CN111768450A (zh) | 基于散斑图的结构光相机行偏差的自动检测方法和装置 | |
| CN116168351B (zh) | 电力设备巡检方法及装置 | |
| CN112529014A (zh) | 直线检测方法、信息提取方法、装置、设备及存储介质 | |
| CN112257723B (zh) | 一种护栏提取的置信度评估方法及*** | |
| CN114332487A (zh) | 基于图像的积水预警方法、装置、设备、存储介质及产品 | |
| CN116091503B (zh) | 一种面板异物缺陷的判别方法、装置、设备及介质 | |
| CN115083008A (zh) | 运动目标检测方法、装置、设备及存储介质 | |
| CN116091405B (zh) | 图像处理方法及装置、计算机设备、存储介质 | |
| CN115639578A (zh) | 一种北斗导航定位监测处理方法及*** | |
| CN112257725B (zh) | 一种路缘石提取的置信度评估方法及*** | |
| CN112258595A (zh) | 一种用于横向减速标线置信度评估的方法及*** | |
| CN112257724B (zh) | 一种道路外侧线置信度评估方法及*** | |
| CN111932621B (zh) | 一种用于箭头提取置信度评估的方法及装置 | |
| CN113449617A (zh) | 轨道安全检测方法、***、装置和存储介质 | |
| CN114862856B (zh) | 一种面板缺陷区域识别方法、装置、电子设备及介质 | |
| CN118279607A (zh) | 对象类型的确定方法和装置、存储介质和电子装置 | |
| CN118334644A (zh) | 一种基于深度学习的小麦穗轴表型参数确定方法、装置、设备及介质 | |
| CN117094950A (zh) | 一种壁板通孔垂直度检测方法、装置、设备和介质 | |
| CN117522855A (zh) | 基于图像的设备故障诊断方法、装置、电子设备和存储介质 | |
| CN113505683A (zh) | 指纹传感器的坏线检测方法及指纹图像的坏线修复方法 | |
| CN115984259A (zh) | 缺陷图像判别方法、装置、设备及存储介质 | |
| CN116758134A (zh) | 路面积水深度的预测方法、装置、电子设备及可读介质 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |