CN112288736A - 一种基于图像的能见度估测方法 - Google Patents
一种基于图像的能见度估测方法 Download PDFInfo
- Publication number
- CN112288736A CN112288736A CN202011239276.7A CN202011239276A CN112288736A CN 112288736 A CN112288736 A CN 112288736A CN 202011239276 A CN202011239276 A CN 202011239276A CN 112288736 A CN112288736 A CN 112288736A
- Authority
- CN
- China
- Prior art keywords
- image
- visibility
- estimation
- estimation method
- images
- 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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/59—Transmissivity
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N2021/1765—Method using an image detector and processing of image signal
-
- 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
- G06T2207/10004—Still image; Photographic image
-
- 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
- G06T2207/30181—Earth observation
- G06T2207/30192—Weather; Meteorology
-
- 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
- G06T2207/30232—Surveillance
Landscapes
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Immunology (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Pathology (AREA)
- Health & Medical Sciences (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明提供了一种基于图像的能见度估测方法,选定一个拍摄图像的场景,使所拍摄的图像具有一个或多个显著暗通道的局部区域,利用该图像估测能见度,包括如下步骤:选定图像中一个或多个具有显著暗通道的局部区域为估测区域;获取已知能见度的图像作为参考图像;利用已知能见度的参考图像估测当前图像对应的能见度。本发明的能见度估测方法,通过已知能见度的参考图像,帮助获取目标物的与摄像机间的距离信息,从而有效提升了能见度检测的精度。
Description
技术领域
本发明涉及能见度检测技术,尤其涉及一种基于监控图像进行能见度检测的方法。
背景技术
雾是较为常见的一种自然天气,多发生于秋冬季节。一旦大气中的水蒸气达到饱和,多余的水汽就会凝结形成雾。雾通过改变大气的透射率,使得能见度较之于晴朗天气有了明显的下降,进而对机动车、船等出行安全造成严重威胁。
现阶段,能见度智能监测***的研发尚未成熟,公路交通运输大多依赖于人力管理。每逢大雾天气,高速公路应当何时封闭与开通成为困扰各地交警部门与交通运输管理局的重要问题。
气象部门用的能见度测量仪,包括前向散射和透射式,或基于图像的能见度测量仪,具有较高的测量精度,但安装费用较高,很难普及。
为了达到减少大雾天气交通事故发生频率的同时,尽可能地提升高速公路利用效率的目的,交通运输部门期望能够实现对各路段能见度的实时监控。由于专业能见度测量仪的成本较高,无法达到全路段的覆盖范围。而视频监控摄像机如今早已大规模地在各地公路投入使用。因此,通过视频监控图像实现对能见度的估测,具有十分重大的研究价值。但是视频监控摄像机通常采用自动光圈、自动增益控制,不能得到光圈、增益参数,因此不能准确测量实际亮度,也就难以准确测量能见度。
基于图像的能见度估测方法的一般思路是测量大气的透射率,进而推算能见度的值。具体为假设图像中的暗通道只包含散射光,用图像远处的天空区域估测大气光强度,从而估测大气透射率(简称透射率)。但是这种能见度检测的算法存在两个问题:一是暗通道先验的假设不完全成立;二是大气光强的估计不准确;三是图片中目标物体与摄像机间的距离信息不便获取,往往需要借助外部设施的帮助。这些因素均导致计算结果存在较大误差,实用性差。
发明内容
本发明的目的是克服现有技术的不足,提供一种基于参考图像的能见度估测方法,通过已知能见度的参考图像,帮助获取目标物的与摄像机间的距离信息,从而有效提升了能见度检测的精度。
为实现上述目的,本发明采用了如下方案:
一种基于图像的能见度估测方法,选定一个拍摄图像的场景,使所拍摄的图像具有一个或多个显著暗通道的局部区域,利用该图像估测能见度,包括如下步骤:
S1、选定图像中一个或多个具有显著暗通道的局部区域为估测区域;
S2、获取已知能见度的图像作为参考图像;
S3、利用已知能见度的参考图像估测当前图像对应的能见度。
进一步的,步骤S1中,通过在图像上自动搜索暗通道值较小的区域来选定估测区域。
进一步的,步骤S1中,在图像上选择远近不同的多个估测区域,并根据能见度估测结果选择相应距离的区域,能见度较低时采用较近的估测区域。
进一步的,步骤S2中,获取已知能见度的图像作为参考图像包括动态更新已知能见度的参考图像。
进一步的,步骤S2具体包括:
S21、在一段时间内采集不同条件下的图像,获取图像对应的能见度;
S22、保留最高能见度的图像;
其中,所述的不同条件是指不同天气、不同阳光照射角度及不同估测区域景物。
进一步的,步骤S2中,获取已知能见度的图像为预设期限内相同条件下的最高能见度的图像,将该图像对应的能见度设为无穷大,其估测区域的暗通道值作为无雾参考图像的暗通道值。
进一步的,步骤S3具体包括如下步骤:
S31、计算参考图像的大气光亮度和估测区域的暗通道值;
S32、计算待测图像的大气光亮度和估测区域的暗通道值;
S33、利用参考图像的大气光亮度和估测区域的暗通道值,根据大气散射模型计算待测图像的大气透射率;
S34、根据估测区域与摄像机的距离,以及大气透射率与消光系数的关系估算待测图像的能见度。
进一步的,步骤S34中,估测区域与摄像机的距离根据气象台发布的已知能见度信息的历史图像计算得到,并取多幅图像计算结果的平均值。
传统暗通道先验法计算大气透射率,用于获取待测图像的透射率图;计算能见度需要先获得透射率与视觉距离两个关键参数。
本发明利用历史图像获取目标物与摄像机的距离信息,用于获取计算能见度所需的视觉距离;传统的方案中,距离信息的提取往往需要提前设置目标物以便人为测量,或在电子地图上测量。而人为测量费时费力,而且不容易实现,电子地图法不容易准确定位。本发明方法无需现场测量距离,能够简化距离信息的测量,提高目标区域设置的灵活性。
本发明利用参考图像的透射率对能见度计算结果进行修正,根据物体的反射成像原理,可以借助理想情况下参考图像的大气透射率,对能见度计算结果进行修正,减小暗通道先验假设带来的误差。
附图说明
图1是本发明能见度估测方法的一种实施例流程示意图。
图2是本发明利用已知能见度的图像估测当前图像对应的能见度的一种实施例流程图。
具体实施方式
为了进一步理解本发明,下面结合实施例对本发明优选实施方案进行描述,但是应当理解,这些描述只是为进一步说明本发明的特征和优点,而不是对本发明权利要求的限制。
实施例
如图1所示,一种基于图像的能见度估测方法,从固定安装的枪式摄像机摄取图像,或从云台、镜头可控的摄像机的指定预置位摄取图像,选定一个拍摄图像的场景,使所拍摄的图像具有一个或多个显著暗通道的局部区域,利用所摄取的图像进行能见度估测,具体包括如下步骤:
步骤101:选定估测区域。选定一个或多个具有显著暗通道的局部区域为估测区域,用于估测能见度。所谓具有显著暗通道是指红、绿、蓝三个通道的像素值中至少有一个通道的值接近0值。
选定估测区域的方法可以人为地在图像上指定区域,即通过人机交互方式选定。本实施例采用在图像上自动搜索暗通道值较小的区域的方法(简称自动搜索法),即在图像上搜索指定大小(如20×20像素~100×100像素)的矩形区域,找到若干暗通道值较小的区域作为估测区域。所谓区域内暗通道值是指暗通道值的平均值。
需要注意的是,在选择估测区域时宜选择景物固定的区域,如不受植物生长影响的区域。
一般地,能见度较高时较远的估测区域有较高精度,能见度较低时较近的估测区域有较高精度,因此,为了提高估测精度,确定估测区域的方法是在图像上选择远近不同的多个估测区域,根据能见度估测结果选择相应距离的区域,如,能见度较低时采用较近的估测区域,能见度较高时采用较远的估测区域。
步骤102:获取已知能见度图像。获取已知能见度的图像作为参考图像,该图像对应的能见度值可以来自气象站数据或气象台发布的数据。
一种获取一幅已知能见度的图像的方法是,采集图像后,根据气象站或气象台发布的能见度信息,记录一天内不同时段的图像及其能见度信息。宜记录较高能见度的图像。
另一种获取一幅已知能见度的图像的方法是,采集图像后,利用常规的暗通道先验的方法估测大气光强度和大气透射率,再根据估测区域与摄像机的距离估算能见度。
获取一幅已知能见度的图像的方法,还可在一段时间(若干天)内采集不同条件下的图像,并获取图像对应的能见度,保留最高能见度的图像,将该图像对应的能见度设为无穷大,其估测区域的暗通道值作为无雾图像的暗通道值。由于不同条件下,如不同天气和不同阳光照射角度时及不同估测区域景物,或随时间变化有景物变化(如植物生长),所采集的图像有差异,因此在用已知能见度的参考图像检测当前图像的能见度时,最好采用相近的光照条件及估测区域景物不变的图像。
当然,在选择估测区域时最好选择景物固定的区域,如不受植物生长影响的区域。但是,有时很难找到不含植物的估测区域,甚至只能利用植物景物作为估测区域,则为了减少植物生长的影响,减少已知能见度的图像条件变化的影响,宜采用近期的图像作为参考图像,即需要动态更新已知能见度的参考图像,特别地,采用近期的相同条件下的最高能见度的图像。如果估测区域中参考图像与当前图像的匹配度下降到一定程度,则需要更新该参考图像。
本实施例采用近期,如30天内,最高能见度的图像,而且一天内因光照方向变化或无阳光直射,宜采用不同时间点多幅高能见度的参考图像,如在有阳光直射的条件下,每隔一段时间,如每1小时或2小时设置为采集图像的时间点,记录一组图像,保留其中能见度最高的图像作为该类天气、该时间点的参考图像;在阴天,或无阳光直射的条件下,一天内可不分时段,只要一组图像,保留其中能见度最高的图像作为参考图像。
步骤103:能见度估测。即利用已知能见度的参考图像估测当前图像对应的能见度。可用卷积网络估测能见度,或利用常规的暗通道先验的方法估测大气光强度和大气透射率,从而估算能见度V。
本实施例能见度估测,采用如图2所示的利用已知能见度的参考图像估测当前图像对应的能见度的方法,包括以下步骤:
步骤201:计算大气光亮度和估测区域的暗通道值,即利用暗通道先验理论计算参考图像的大气光亮度和估测区域的暗通道值。
1.计算大气光强:大气光在图像中表现为最亮的部分,因此提取图像中下方天空区域亮度最大的一部分像素值,作为大气光的强度值。
2.计算暗通道:暗通道即为邻域中红、绿、蓝三个通道中像素值最小的那个通道的最小值。
步骤202:计算待测图像的大气光亮度和相应估测区域的暗通道值。
方法同步骤201,所不同的是输入为待测图像。
步骤203:利用参考图像的大气光亮度和估测区域的暗通道值,根据大气散射模型计算待测图像的大气透射率t(x):
利用参考图像可以获得用于计算能见度值的大气透射率,如果步骤102中所获得的参考图像是最高能见度的图像,可将参考图像视为理想的无雾图像,则大气透射率的计算方法如下:
其中,其中x表示像素x处,I1(x)为参考图像,I2(x)为待测图像,A1为待测图像的大气光强,A2为参考图像的大气光强。w为修正因子,一般取0.95。Ic(y)表示像素x的c通道的值,c∈{r,g,b},r,g,b表示红、绿、蓝三个通道,Ω(x)表示x的一个邻域。
利用上式对待测图像的透射率进行计算时,如果步骤102中所获得的参考图像不是最高能见度的图像,不能将其视为理想的无雾图像,但是其能见度已知,则可以根据视觉距离得到参考图像x处的大气透射率t1(x),则待测图像的透射率的计算公式如下:
其中,t1(x)为参考图像x处的大气透射率,可以通过下式计算得到:
其中,V1为参考图像的能见度,r(x)是参考图像在像素x处的视觉距离,C=0.02为一常数,取决于人眼的视觉分辨率,可取lnC=-3.912。
步骤204:根据估测区域与摄像机的距离,以及大气透射率与消光系数的关系估算待测图像的能见度。
本实施例通过下式计算得到待测图像的能见度值:
其中r(x)可通过现场测量、电子地图定位测量等方法得到。
本实施例还可利用参考图像已知能见度信息获取待估测区域与摄像机的距离,具体方法为:
通过已经获取到的估测区域以及已知能见度的图像In(x),根据下式即可获取估测区域与摄像机的距离信息:
其中,Vn为已知能见度的图像In(x)的能见度,tn(x)为其大气透射率,可用如下公式计算:
其中An为已知能见度的图像In(x)的大气光强,其他符号的含义与第一个公式相同。
图像的能见度值通过气象台发布的已知能见度获取,因此会有一定的误差。利用上述公式所计算出的距离信息,可通过多幅已知能见度的图像的计算结果的平均来提高精度。
以上实施例的说明只是用于帮助理解本发明的方法及其核心思想。应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以对本发明进行若干改进和修饰,这些改进和修饰也落入本发明权利要求的保护范围内。
Claims (8)
1.一种基于图像的能见度估测方法,其特征在于选定一个拍摄图像的场景,使所拍摄的图像具有一个或多个显著暗通道的局部区域,利用该图像估测能见度,包括如下步骤:
S1、选定图像中一个或多个具有显著暗通道的局部区域为估测区域;
S2、获取已知能见度的图像作为参考图像;
S3、利用已知能见度的参考图像估测当前图像对应的能见度。
2.根据权利要求1所述的基于图像的能见度估测方法,其特征在于,步骤S1中,通过在图像上自动搜索暗通道值较小的区域来选定估测区域。
3.根据权利要求1所述的基于图像的能见度估测方法,其特征在于,步骤S1中,在图像上选择远近不同的多个估测区域,并根据能见度估测结果选择相应距离的区域,能见度较低时采用较近的估测区域。
4.根据权利要求1所述的基于图像的能见度估测方法,其特征在于,步骤S2中,获取已知能见度的图像作为参考图像包括动态更新已知能见度的参考图像。
5.根据权利要求1所述的基于图像的能见度估测方法,其特征在于,步骤S2具体包括:
S21、在一段时间内采集不同条件下的图像,获取图像对应的能见度;
S22、保留最高能见度的图像;
其中,所述的不同条件是指不同天气、不同阳光照射角度及不同估测区域景物。
6.根据权利要求5所述的基于图像的能见度估测方法,其特征在于,步骤S2中,获取已知能见度的图像为预设期限内相同条件下的最高能见度的图像,将该图像对应的能见度设为无穷大,其估测区域的暗通道值作为无雾参考图像的暗通道值。
7.根据权利要求1-6任一项所述的基于图像的能见度估测方法,其特征在于,步骤S3具体包括如下步骤:
S31、计算参考图像的大气光亮度和估测区域的暗通道值;
S32、计算待测图像的大气光亮度和估测区域的暗通道值;
S33、利用参考图像的大气光亮度和估测区域的暗通道值,根据大气散射模型计算待测图像的大气透射率;
S34、根据估测区域与摄像机的距离,以及大气透射率与消光系数的关系估算待测图像的能见度。
8.根据权利要求7所述的基于图像的能见度估测方法,其特征在于,步骤S34中,估测区域与摄像机的距离根据气象台发布的已知能见度信息的历史图像计算得到,并取多幅图像计算结果的平均值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011239276.7A CN112288736B (zh) | 2020-11-09 | 2020-11-09 | 一种基于图像的能见度估测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011239276.7A CN112288736B (zh) | 2020-11-09 | 2020-11-09 | 一种基于图像的能见度估测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112288736A true CN112288736A (zh) | 2021-01-29 |
CN112288736B CN112288736B (zh) | 2022-11-15 |
Family
ID=74350685
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011239276.7A Active CN112288736B (zh) | 2020-11-09 | 2020-11-09 | 一种基于图像的能见度估测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112288736B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113793373A (zh) * | 2021-08-04 | 2021-12-14 | 武汉市公安局交通管理局 | 一种能见度检测方法、装置、设备及介质 |
CN113850768A (zh) * | 2021-09-15 | 2021-12-28 | 上海眼控科技股份有限公司 | 基于图像的能见度计算方法与设备 |
CN114720425A (zh) * | 2022-04-24 | 2022-07-08 | 安徽气象信息有限公司 | 一种基于图像识别的能见度监测***及方法 |
CN115115617A (zh) * | 2022-07-26 | 2022-09-27 | 安徽气象信息有限公司 | 一种应用于气象能见度检测仪的能见度检测*** |
CN115797848A (zh) * | 2023-01-05 | 2023-03-14 | 山东高速股份有限公司 | 基于高速事件预防***中视频数据的能见度检测预警方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140140619A1 (en) * | 2011-08-03 | 2014-05-22 | Sudipta Mukhopadhyay | Method and System for Removal of Fog, Mist, or Haze from Images and Videos |
CN104634784A (zh) * | 2013-11-08 | 2015-05-20 | 中国电信股份有限公司 | 大气能见度监测方法和装置 |
CN105424655A (zh) * | 2015-11-04 | 2016-03-23 | 北京交通大学 | 一种基于视频图像的能见度检测方法 |
CN105931220A (zh) * | 2016-04-13 | 2016-09-07 | 南京邮电大学 | 基于暗通道先验与最小图像熵的交通雾霾能见度检测方法 |
CN106548461A (zh) * | 2016-10-25 | 2017-03-29 | 湘潭大学 | 图像去雾方法 |
CN111192275A (zh) * | 2019-12-30 | 2020-05-22 | 西安金路交通工程科技发展有限责任公司 | 基于暗通道先验理论的高速公路团雾能见度识别方法 |
-
2020
- 2020-11-09 CN CN202011239276.7A patent/CN112288736B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140140619A1 (en) * | 2011-08-03 | 2014-05-22 | Sudipta Mukhopadhyay | Method and System for Removal of Fog, Mist, or Haze from Images and Videos |
CN104634784A (zh) * | 2013-11-08 | 2015-05-20 | 中国电信股份有限公司 | 大气能见度监测方法和装置 |
CN105424655A (zh) * | 2015-11-04 | 2016-03-23 | 北京交通大学 | 一种基于视频图像的能见度检测方法 |
CN105931220A (zh) * | 2016-04-13 | 2016-09-07 | 南京邮电大学 | 基于暗通道先验与最小图像熵的交通雾霾能见度检测方法 |
CN106548461A (zh) * | 2016-10-25 | 2017-03-29 | 湘潭大学 | 图像去雾方法 |
CN111192275A (zh) * | 2019-12-30 | 2020-05-22 | 西安金路交通工程科技发展有限责任公司 | 基于暗通道先验理论的高速公路团雾能见度识别方法 |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113793373A (zh) * | 2021-08-04 | 2021-12-14 | 武汉市公安局交通管理局 | 一种能见度检测方法、装置、设备及介质 |
CN113793373B (zh) * | 2021-08-04 | 2024-05-24 | 武汉市公安局交通管理局 | 一种能见度检测方法、装置、设备及介质 |
CN113850768A (zh) * | 2021-09-15 | 2021-12-28 | 上海眼控科技股份有限公司 | 基于图像的能见度计算方法与设备 |
CN114720425A (zh) * | 2022-04-24 | 2022-07-08 | 安徽气象信息有限公司 | 一种基于图像识别的能见度监测***及方法 |
CN114720425B (zh) * | 2022-04-24 | 2023-02-21 | 安徽气象信息有限公司 | 一种基于图像识别的能见度监测***及方法 |
CN115115617A (zh) * | 2022-07-26 | 2022-09-27 | 安徽气象信息有限公司 | 一种应用于气象能见度检测仪的能见度检测*** |
CN115797848A (zh) * | 2023-01-05 | 2023-03-14 | 山东高速股份有限公司 | 基于高速事件预防***中视频数据的能见度检测预警方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112288736B (zh) | 2022-11-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112288736B (zh) | 一种基于图像的能见度估测方法 | |
CN109416413B (zh) | 太阳能预报 | |
CN108830880B (zh) | 一种适用于高速公路的视频能见度检测预警方法及其*** | |
US20020181739A1 (en) | Video system for monitoring and reporting weather conditions | |
CN109241831B (zh) | 一种基于图像分析的夜间雾天能见度分类方法 | |
CN108871290B (zh) | 一种基于光流法检测与贝叶斯预测的可见光动态定位方法 | |
US11398054B2 (en) | Apparatus and method for detecting fog on road | |
CN109658359B (zh) | 大气悬浮物检测***及其检测方法 | |
CN117451012B (zh) | 一种无人机航摄测量方法及*** | |
TWI481824B (zh) | 水位監控方法 | |
CN112817006A (zh) | 一种车载智能道路病害检测方法及*** | |
CN109166081B (zh) | 一种视频能见度检测过程中目标亮度调节方法 | |
CN111583298B (zh) | 一种基于光流法的短时云图追踪方法 | |
CN106128112A (zh) | 夜间卡口车辆识别抓拍方法 | |
CN113408415B (zh) | 基于图像识别技术机场能见度与跑道视程的探测与显示方法 | |
JP2002162343A (ja) | 可視画像式路面状況把握装置における路面状況判定方法 | |
KR20200075692A (ko) | 좌표계를 이용한 안개 탐지 장치 및 그 방법 | |
CN113793373B (zh) | 一种能见度检测方法、装置、设备及介质 | |
CN112985388B (zh) | 基于大位移光流法的组合导航方法及*** | |
JP2012203722A (ja) | 地物選定システム、地物選定プログラム及び地物選定方法 | |
CN111785094B (zh) | 平流雾检测方法、装置、计算机设备和可读存储介质 | |
CN115457378A (zh) | 基站天面信息检测的方法、装置、设备及存储介质 | |
KR20210111578A (ko) | 지상기반 전천 영상자료를 이용한 야간 전운량 산출방법 | |
US11881026B2 (en) | Nighttime road fog detection system using open information of CCTV and detection method thereof | |
CN116503767B (zh) | 基于语义式图像处理的河道漂浮物识别*** |
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 |