CN115691151A - 车道拥堵提示方法、车道拥堵提示***及终端 - Google Patents
车道拥堵提示方法、车道拥堵提示***及终端 Download PDFInfo
- Publication number
- CN115691151A CN115691151A CN202211706662.1A CN202211706662A CN115691151A CN 115691151 A CN115691151 A CN 115691151A CN 202211706662 A CN202211706662 A CN 202211706662A CN 115691151 A CN115691151 A CN 115691151A
- Authority
- CN
- China
- Prior art keywords
- congestion
- lane
- vehicle
- prompting
- length
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 60
- 230000003068 static effect Effects 0.000 claims description 5
- 230000004044 response Effects 0.000 claims description 2
- 208000027744 congestion Diseases 0.000 description 433
- 238000010586 diagram Methods 0.000 description 7
- 230000009191 jumping Effects 0.000 description 5
- 230000003190 augmentative effect Effects 0.000 description 3
- 230000001413 cellular effect Effects 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 239000011521 glass Substances 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 238000009825 accumulation Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 230000006698 induction Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 229910044991 metal oxide Inorganic materials 0.000 description 1
- 150000004706 metal oxides Chemical class 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
Images
Landscapes
- Traffic Control Systems (AREA)
- Image Analysis (AREA)
Abstract
本申请公开了一种车道拥堵提示方法、车道拥堵提示***及终端,该方法包括:获取至少一帧车道图像;针对任意车道图像,从该任意车道图像中识别出用于表示各车辆的车辆框、以及各车辆运动状态;依据任意车道图像中相邻目标车辆框的重叠情况,确定该任意车道图像对应的车辆拥堵长度;在至少一帧车道图像中,确定出车道拥堵长度满足预设条件的车道图像的第一数量;依据确定出的第一数量,确定拥堵持续时间,并依据拥堵持续时间进行拥堵提示。通过确定车辆运动状态,及识别静止车辆对应的目标框;利用相邻目标框重叠情况能更加精确确定相邻车辆的位置关系并确定车辆拥堵长度;根据拥堵持续时间进行拥堵提示,提升拥堵提示的准确性。
Description
技术领域
本申请涉及智能交通技术领域,特别是涉及一种车道拥堵提示方法、车道拥堵提示***及终端。
背景技术
在车辆行驶过程中,确定前方道路是否拥堵对规划车辆路径具有重要意义。目前,为了准确检测拥堵,一般由专人开车巡查,主动发现拥堵区域,当发现拥堵区域时,上报相关信息到后台。但是,这种方法需要付出高昂的车辆保养成本和人工成本。
发明内容
本申请提供一种车道拥堵提示方法、车道拥堵提示***及终端。
本申请采用的一个技术方案是提供一种车道拥堵提示方法,车道拥堵提示方法包括:
获取至少一帧车道图像;
针对任意车道图像,从该任意车道图像中识别出用于表示各车辆的车辆框、以及各车辆的运动状态;
依据任意车道图像中相邻的目标车辆框的重叠情况,确定该任意车道图像对应的车辆拥堵长度;其中,目标车辆框为运动状态为静止状态的车辆对应的车辆框;
在至少一帧车道图像中,确定出车道拥堵长度满足预设条件的车道图像的第一数量;
依据确定出的第一数量,确定拥堵持续时间,并依据拥堵持续时间进行拥堵提示。
其中,依据任意车道图像中相邻的目标车辆框的重叠情况,确定该任意车道图像对应的车辆拥堵长度,包括:
若相邻的目标车辆框发生重叠,则将相邻的目标车辆框的长度进行累加,得到车辆拥堵长度。
其中,依据拥堵持续时长进行拥堵提示,包括:
在拥堵持续时间超过第一阈值时,进行拥堵提示。
在拥堵持续时间超过第一阈值时,进行拥堵提示,包括:
在拥堵持续时间超过第一阈值时,获取拥堵提示标记,响应于提示标记为第一标识,则进行拥堵提示。
其中,还包括:
响应于提示标记为第二标识,则清空拥堵持续时间,不进行拥堵提示。
其中,响应于提示标记为第一标识,则进行拥堵提示之后,包括:
清空拥堵持续时间,并将提示标记由第一标识修改为第二标识。
其中,还包括:
在至少一帧车道图像中,确定出车道拥堵长度不满足预设条件的车道图像的第二数量;
依据确定出的第二数量,确定非拥堵持续时间,在非拥堵持续时间超过第二阈值时,清空拥堵持续时间。
其中,依据任意车道图像中相邻的目标车辆框的重叠情况,确定该任意车道图像对应的车辆拥堵长度之后,包括:
利用车辆拥堵长度和车道长度确定出目标拥堵度;
在至少一帧车道图像中,确定出车道拥堵长度满足预设条件的车道图像的第一数量,包括:
确定出车辆拥堵度满足预设条件的车道图像的第一数量。
本申请采用的另一个技术方案是提供一种车道拥堵提示***,车道拥堵提示***包括:图像采集单元;
车道拥堵提示设备,与图像采集单元连接,用于实现如上述的车道拥堵提示方法。
本申请采用的另一个技术方案是提供一种终端设备,终端设备包括存储器以及与存储器连接的处理器;
其中,存储器用于存储程序数据,处理器用于执行程序数据以实现如上述的车道拥堵提示方法。
本申请的有益效果是:利用任意一帧车道图像确定各车辆运动状态,以及识别各车辆对应的目标框;以及利用相邻目标框的重叠情况能够更加精确的确定出相邻车辆的位置关系,并结合运动状态进一步确定车辆拥堵长度;在车辆拥堵长度满足拥堵条件时,通过确定出车道拥堵长度满足预设条件的车道图像的第一数量来确定拥堵持续时间,根据拥堵持续时间进行拥堵提示,能够提升拥堵提示的准确性。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对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是本申请提供的车道拥堵提示方法一实施例的流程示意图;
图2是本申请提供的车道拥堵提示方法另一实施例的流程示意图;
图3是本申请提供的车道拥堵提示方法又一实施例的流程示意图;
图4是图2中S4子步骤一实施例的流程示意图;
图5是本申请提供的车道拥堵提示***一实施例的结构示意图;
图6是本申请提供的终端设备一实施例的结构示意图;
图7是本申请提供的计算机存储介质一实施例的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅是本申请的一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
在申请中提及“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。
本申请实施例中的步骤并不一定是按照所描述的步骤顺序进行处理,可以按照需求有选择的将步骤打乱重排,或者删除实施例中的步骤,或者增加实施例中的步骤,本申请实施例中的步骤描述只是可选的顺序组合,并不代表本申请实施例的所有步骤顺序组合,实施例中的步骤顺序不能认为是对本申请的限制。
本申请中的术语“第一”、“第二”等是用于区别不同对象,而不是用于描述特定顺序。此外,术语“包括”和“具有”以及它们任何变形,意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、***或设备没有限定于已列出的步骤或单元,而是可选地还包括没有列出的步骤或单元,或可选地还包括对于这些过程、方法或设备固有的其它步骤或单元。
另外,本申请中尽管多次采用术语“第一”、“第二”等来描述各种数据(或各种应用或各种指令或各种操作)等,不过这些数据(或应用或指令或操作)不应受这些术语的限制。这些术语只是用于区分一种数据(或应用或指令或操作)和另一种数据(或应用或指令或操作)。
目前常用的车道拥堵检测方法还可以通过交通摄像机、磁感线圈等方式获取车道上车辆的行驶速度进行判断,若某一路段车辆的行驶速度小于预设行驶速度,则可以认为该车道发生了拥堵。然而各车辆驾驶的行车习惯不同,每辆车的行驶速度不同,上述方法不能很好地解决该情况。
请参阅图1,图1是本申请提供的车道拥堵提示方法一实施例的流程示意图。
如图1所示,本申请实施例的车道拥堵提示方法具体可以包括以下步骤:
S100,获取至少一帧车道图像。
本申请所提供的车道拥堵提示方法由车道拥堵提示设备执行。其中,车道拥堵提示设备包括图像采集单元和与图像采集单元连接的车道拥堵提示设备。一些应用场景中,车道拥堵提示设备可以是相机,一些应用场景中,车道拥堵提示设备可以是与相机建立通信连接的设备。
具体地,车道拥堵提示设备获取与之连接的图像采集单元拍摄的连续至少一帧包含车道的图像。一些实施例中,用户可以在车道拥堵提示设备中事先根据具体场景配置车道线。一些实施例中,车道拥堵提示设备可以根据车道线识别算法自动配置车道线。
一些应用场景中,相邻两条车道线左右布置,车道拥堵提示设备取左右两条车道线的中线纵向长度作为车道长度。可选地,纵向长度可以为两条车道线的中线在图像中的像素长度,也可以是两条车道线的中线的实际长度。
一些应用场景中,相邻两条车道线上下布置,车道拥堵提示设备取上下两条车道线的中线横向长度作为车道长度。可选地,横向长度可以为两条车道线的中线在图像中的像素长度,也可以是两条车道线的中线的实际长度。
S101,针对任意车道图像,从该任意车道图像中识别出用于表示各车辆的车辆框、以及各车辆的运动状态。
可选地,任意车道图像可以是每一帧车道图像,也可以是多帧车道图像,此处不做限定。
一些实施例中,车道拥堵提示设备通过目标检测算法获得连续多帧车道图像中每一车辆对应的目标框,再通过目标跟踪算法识别上述每一车辆对应的运行轨迹,基于单位时间内每一车辆的运动轨迹,获得每一车辆对应的速度。
一些实施例中,车道拥堵提示设备直接通过目标识别算法获取连续多帧车道图像每一车辆对应的目标框及每一车辆的运动轨迹,基于单位时间内每一车辆的运动轨迹获得每一车辆对应的速度。
示例性地,车道拥堵提示设备识别连续多帧车道图像中每一车辆的速度及每一车辆对应的目标框后。以相邻两条车道线左右布置,在车道图像中车道方向从上到下为例,车道拥堵提示设备对车道内的车辆目标按照中心点的纵向坐标进行排序,从下往上依次标记为Obj1、Obj2、…、Objn。
S102,依据任意车道图像中相邻的目标车辆框的重叠情况,确定该任意车道图像对应的车辆拥堵长度。
其中,目标车辆框为运动状态为静止状态的车辆对应的车辆框。
具体地,车道拥堵提示设备根据相邻车辆目标框之间的重叠情况,确定车辆拥堵长度。
S103,在至少一帧车道图像中,确定出车道拥堵长度满足预设条件的车道图像的第一数量。
具体地,车道拥堵提示设备统计满足车道拥堵长度大于或等于预设长度的车道图像的第一数量。可以理解地,车道拥堵长度满足预设条件的车道图像的第一数量可以表征车道拥堵持续的时长。
S104,依据确定出的第一数量,确定拥堵持续时间,并依据拥堵持续时间进行拥堵提示。
具体地,车道拥堵设备根据统计得到的第一数量,得到预设拥堵持续时间,再根据车辆拥堵时间值的情况执行拥堵提示。
可选地,拥堵提示可以为车道拥堵提示设备向用户终端发送的拥堵告警文字、语音等,其中用户终端可以为用于监控图像的设备、用户设备(User Equipment,UE)、移动设备、用户终端、终端、蜂窝电话、无绳电话、个人数字处理(Personal Digital Assistant,PDA)、手持设备、计算设备、车载设备、可穿戴设备以及自动驾驶汽车,机器人,安防***,用于增强现实或虚拟现实的眼镜、头盔等产品等。
示例性地,拥堵持续时间大于预设持续时间阈值时,车道拥堵提示设备执行拥堵提示。
上述方案,利用至少一帧车道图像确定各车辆运动状态,以及识别各车辆对应的目标框;以及利用相邻目标框的重叠情况能够更加精确的确定出相邻车辆的位置关系,并结合运动状态进一步确定车辆拥堵长度;在车辆拥堵长度满足拥堵条件时,通过确定出车道拥堵长度满足预设条件的车道图像的第一数量来确定拥堵持续时间,根据拥堵持续时间进行拥堵提示,能够提升拥堵提示的准确性。
本申请提供的车道拥堵提示方法另一实施例可以具体包括以下步骤:
S110,获取至少一帧车道图像。
S111,针对任意车道图像,从该任意车道图像中识别出用于表示各车辆的车辆框、以及各车辆的运动状态。
S112,若相邻的目标车辆框发生重叠,则将相邻的目标车辆框的长度进行累加,得到车辆拥堵长度。
具体地,若相邻的目标车辆框发生重叠,车道拥堵提示设备将目标车辆框对应的长度进行累加,得到车辆拥堵长度。
示例性地,目标车辆的数量为m个,车道拥堵提示设备从一个目标车辆开始检测其目标框是否与后一个目标车辆对应的目标框是否重叠,若是,则将该一个目标车辆作为起始点,计算车辆拥堵长度,直到找到最后一个目标车辆的目标框与后一个目标车辆对应的目标框不重叠的目标车辆,如此累加得到的长度值即为车辆拥堵长度。
S113,在至少一帧车道图像中,确定出车道拥堵长度满足预设条件的车道图像的第一数量。
S114,依据确定出的第一数量,确定拥堵持续时间,并依据拥堵持续时间进行拥堵提示。
上述方案,利用至少一帧车道图像确定车辆运动状态,以及识别每一车辆对应的目标框;以及利用相邻目标框的重叠情况能够更加精确的确定出相邻车辆的位置关系,并结合运动状态进一步确定车辆拥堵长度;在车辆拥堵长度满足拥堵条件时,根据拥堵持续时间,进行拥堵提示,能够提升拥堵提示的准确性。
本申请提供的车道拥堵提示方法另一实施例可以具体包括以下步骤:
S120,获取至少一帧车道图像。
S121,针对任意车道图像,从该任意车道图像中识别出用于表示各车辆的车辆框、以及各车辆的运动状态。
S122,若相邻的目标车辆框发生重叠,则将相邻的目标车辆框的长度进行累加,得到车辆拥堵长度。
S123,在至少一帧车道图像中,确定出车道拥堵长度满足预设条件的车道图像的第一数量。
S124,依据确定出的第一数量,确定拥堵持续时间。
S125,在车辆拥堵长度大于第一拥堵提示长度时,累计拥堵持续时间,在拥堵持续时间超过第一阈值时,进行拥堵提示。
具体地,车辆拥堵长度大于第一拥堵提示长度时,车道拥堵提示设备累计拥堵持续时间。当拥堵持续时间大于第一阈值时,车道拥堵提示设备进行拥堵提示。
上述方案,利用至少一帧车道图像确定车辆运动状态,以及识别每一车辆对应的目标框;以及利用相邻目标框的重叠情况能够更加精确的确定出相邻车辆的位置关系,并结合运动状态进一步确定车辆拥堵长度;在车辆拥堵长度满足拥堵条件时,根据拥堵持续时间,进行拥堵提示,能够提升拥堵提示的准确性。
本申请提供的车道拥堵提示方法另一实施例可以具体包括以下步骤:
S130,获取至少一帧车道图像。
S131,针对任意车道图像,从该任意车道图像中识别出用于表示各车辆的车辆框、以及各车辆的运动状态。
S132,若相邻的目标车辆框发生重叠,则将相邻的目标车辆框的长度进行累加,得到车辆拥堵长度。
S133,在至少一帧车道图像中,确定出车道拥堵长度满足预设条件的车道图像的第一数量。
S134,依据确定出的第一数量,确定拥堵持续时间。
S135,在车辆拥堵长度大于第一拥堵提示长度时,累计拥堵持续时间。
具体地,车辆拥堵长度大于第一拥堵提示长度时,车道拥堵提示设备累计拥堵持续时间。
S136,在拥堵持续时间超过第一阈值时,获取拥堵提示标记。
具体地,当拥堵持续时间大于第一阈值时,车道拥堵提示设备获取拥堵提示标记。
其中,拥堵提示标记包括第一标识和第二标识,第一标识表征拥堵提示设备未执行拥堵提示,第二标识表征拥堵提示设备已执行拥堵提示。
若拥堵提示标记为第一标识,跳转至S137,若拥堵提示标记为第二标识,跳转至S139。
S137,响应于提示标记为第一标识,则进行拥堵提示。
具体地,拥堵提示设备清空拥堵持续时间,并将提示标志从第一标识修改为表征已执行拥堵提示的第二标识。
S138,清空拥堵持续时间,并将提示标记由第一标识修改为第二标识。
具体地,拥堵提示设备清空拥堵持续时间,并将提示标志从第一标识修改为表征已执行拥堵提示的第二标识。
S139,响应于提示标记为第二标识,清空拥堵持续时间,不进行拥堵提示。
具体地,获取得到的提示标识为表征已执行拥堵提示的第二标识,拥堵提示设备清空拥堵持续时间,不进行拥堵提示。
示例性地,在前一个拥堵持续周期中,拥堵提示设备已执行了一次拥堵提醒,在当前拥堵持续周期,拥堵提示设备则不执行拥堵提醒,避免重复提醒。
上述方案,利用至少一帧车道图像确定车辆运动状态,以及识别每一车辆对应的目标框;以及利用相邻目标框的重叠情况能够更加精确的确定出相邻车辆的位置关系,并结合运动状态进一步确定车辆拥堵长度;在车辆拥堵长度满足拥堵条件时,根据拥堵持续时间,进行拥堵提示,能够提升拥堵提示的准确性。进一步地,通过在拥堵提示后设置表征已执行提示的第二标识,避免了重复提示。
本申请提供的车道拥堵提示方法另一实施例可以具体包括以下步骤:
S140,获取至少一帧车道图像。
S141,针对任意车道图像,从该任意车道图像中识别出用于表示各车辆的车辆框、以及各车辆的运动状态。
S142,若相邻的目标车辆框发生重叠,则将相邻的目标车辆框的长度进行累加,得到车辆拥堵长度。
S143,在至少一帧车道图像中,确定出车道拥堵长度不满足预设条件的车道图像的第二数量。
具体地,车道拥堵提示设备统计满足车道拥堵长度小于预设长度的车道图像的第二数量。可以理解地,车道拥堵长度不满足预设条件的车道图像的第二数量可以表征车道非拥堵持续的时长。
S144,依据确定出的第二数量,确定非拥堵持续时间,在非拥堵持续时间超过第二阈值时,清空拥堵持续时间。
具体地,车道拥堵提示设备根据统计得到的第二数量,得到非拥堵持续时间,在非拥堵持续时间超过第二阈值时,清空拥堵持续时间。进一步地,将提示标记设置为第一标识。
示例性地,车道拥堵提示设备在前一个拥堵周期中执行过一次拥堵提示,提示标记已设置为第二标识。后续车道恢复顺畅,即车道长度小于预设长度,且满足非拥堵持续时间大于第二阈值,说明当前车道已有一定时间处于非拥堵阶段,清空前一次拥堵周期所统计的拥堵持续时间。并将提示标记设置为第一标识,为下一次车道拥堵提示做准备。
上述方案,利用至少一帧车道图像确定各车辆运动状态,以及识别各车辆对应的目标框;以及利用相邻目标框的重叠情况能够更加精确的确定出相邻车辆的位置关系,并结合运动状态进一步确定车辆拥堵长度;在车辆拥堵长度满足拥堵条件时,通过确定出车道拥堵长度不满足预设条件的车道图像的第二数量来确定非拥堵持续时间,根据非拥堵持续时间超过第二阈值时,清空拥堵持续时间,能够提升拥堵提示的准确性。
本申请提供的车道拥堵提示方法另一实施例可以具体包括以下步骤:
S150,获取至少一帧车道图像。
S151,针对任意车道图像,从该任意车道图像中识别出用于表示各车辆的车辆框、以及各车辆的运动状态。
S152,依据任意车道图像中相邻的目标车辆框的重叠情况,确定该任意车道图像对应的车辆拥堵长度。
S153,利用车辆拥堵长度和车道长度确定出目标拥堵度。
具体地,目标拥堵度为车辆拥堵长度与车道长度之比。其中,目标拥堵度用于反映当前车道的拥堵程度。目标拥堵度越高,当前车道的拥堵程度越高,目标拥堵度越低,当前车道的拥堵程度越低。
S154,在至少一帧车道图像中,确定出目标拥堵度满足预设条件的车道图像的第一数量。
具体地,目标拥堵度满足拥堵条件时,确定出满足拥堵条件的车道图像的第一数量。
示例性地,车道拥堵提示设备累积目标拥堵度大于预设拥堵度的图像的第一数量。
S155,依据确定出的第一数量,确定拥堵持续时间,并依据拥堵持续时间进行拥堵提示。
上述方案,利用至少一帧车道图像确定车辆运动状态,以及识别每一车辆对应的目标框;以及利用相邻目标框的重叠情况能够更加精确的确定出相邻车辆的位置关系,并结合运动状态进一步确定车辆拥堵度;在目标拥堵度满足拥堵条件时,根据拥堵持续时间,进行拥堵提示,能够提升拥堵提示的准确性。
请参阅图2,图2是本申请提供的车道拥堵提示方法另一实施例的流程示意图。
如图2所示,本申请另一实施例的车道拥堵提示方法具体可以包括以下步骤:
S1,获取连续多帧车道图像。
S2,识别连续多帧车道图像中的每一车辆的运动状态及每一车辆对应的目标框。
一些实施例中,车道拥堵提示设备通过目标检测算法获得连续多帧车道图像中每一车辆对应的目标框,再通过目标跟踪算法识别上述每一车辆对应的运行轨迹,基于单位时间内每一车辆的运动轨迹,获得每一车辆对应的速度。
一些实施例中,车道拥堵提示设备直接通过目标识别算法获取连续多帧车道图像每一车辆对应的目标框及每一车辆的运动轨迹,基于单位时间内每一车辆的运动轨迹获得每一车辆对应的速度。
示例性地,车道拥堵提示设备识别连续多帧车道图像中每一车辆的速度及每一车辆对应的目标框后。以相邻两条车道线左右布置,在车道图像中车道方向从上到下为例,车道拥堵提示设备对车道内的车辆目标按照中心点的纵向坐标进行排序,从下往上依次标记为Obj1、Obj2、…、Objn。
S3,利用运动状态和相邻目标框的重叠情况确定车辆拥堵长度。
具体地,车道拥堵提示设备根据每一车辆的速度确定每一车辆的运动状态,以及根据相邻车辆目标框之间的重叠,确定车辆拥堵长度。
一些实施例中,车道拥堵提示设备获取速度低于预设速度的车辆和/或满足当前车辆的目标框与相邻车辆的目标框相交的车辆,以确定车辆拥堵长度。
示例性地,车道拥堵提示设备从标记为Obj1、Obj2、…、Objn中依次查询是否同时满足速度低于预设速度和与前一车辆目标的目标框相交的车辆目标Objm,其中,Obj1只需满足其速度低于预设速度,车道拥堵提示设备依次遍历直到确定未同时满足速度低于预设速度和与前一车辆目标的目标框相交的车辆目标Objm,则车辆拥堵长度为Obj1至Objm-1之间的纵向长度。
S4,在车辆拥堵长度满足拥堵条件时,根据拥堵持续时间,进行拥堵提示。
具体地,车辆拥堵长度满足拥堵条件时,且根据车辆拥堵长度与拥堵持续时间均满足预设条件时,车道拥堵提示设备执行拥堵提示。
其中,拥堵持续时间由满足拥堵条件对应的多帧车道图像确定得到。
可选地,拥堵提示可以为车道拥堵提示设备向用户终端发送的拥堵告警文字、语音等,其中用户终端可以为用于监控图像的设备、用户设备(User Equipment,UE)、移动设备、用户终端、终端、蜂窝电话、无绳电话、个人数字处理(Personal Digital Assistant,PDA)、手持设备、计算设备、车载设备、可穿戴设备以及自动驾驶汽车,机器人,安防***,用于增强现实或虚拟现实的眼镜、头盔等产品等。
示例性地,车辆拥堵长度大于预设拥堵长度阈值时,且拥堵持续时间大于预设持续时间阈值时,车辆拥堵执行拥堵提示。
上述方案,利用多帧车道图像确定车辆运动状态,以及识别每一车辆对应的目标框;以及利用相邻目标框的重叠情况能够更加精确的确定出相邻车辆的位置关系,并结合运动状态进一步确定车辆拥堵长度;在车辆拥堵长度满足拥堵条件时,根据拥堵持续时间,进行拥堵提示,能够提升拥堵提示的准确性。
本申请实施例的车道拥堵提示方法另一实施例可以具体包括以下步骤:
S11,获取连续多帧车道图像。
S12,识别连续多帧车道图像中的每一车辆的运动状态及每一车辆对应的目标框。
S13,确定运动状态为静止状态的至少两个目标车辆,以及至少两个目标车辆对应的至少两个目标框。
一些实施例中,车道拥堵提示设备确定出至少两个目标车辆以及目标车辆对应的目标框。其中,两个目标车辆的速度小于第一阈值。可选地,第一阈值可以是1m/s、0.5m/s、0.3m/s等,此处不做限定。当目标车辆的速度小于第一阈值,可以认为目标车辆处于静止状态。
示例性地,第一阈值为0m/s,即两个目标车辆处于静止状态。车道拥堵提示设备确定处于静止状态的至少两个目标车辆,以及目标车辆对应的目标框。
S14,若至少两个目标车辆中的相邻车辆对应的相邻目标框发生重叠,则将相邻车辆的长度进行累加,得到车辆拥堵长度。
具体地,若相邻至少两个目标车辆的目标框发生重叠,车道拥堵提示设备将相邻目标框对应的目标车辆长度进行累加,得到车辆拥堵长度。
示例性地,目标车辆的数量为m个,车道拥堵提示设备从一个目标车辆开始检测其目标框是否与后一个目标车辆对应的目标框是否重叠,若是,则将该一个目标车辆作为起始点,计算车辆拥堵长度,直到找到最后一个目标车辆的目标框与后一个目标车辆对应的目标框不重叠的目标车辆,如此累加得到的长度值即为车辆拥堵长度。
S15,在车辆拥堵长度满足拥堵条件时,根据拥堵持续时间,进行拥堵提示。
上述方案,利用多帧车道图像确定车辆运动状态,以及识别每一车辆对应的目标框;以及利用相邻目标框的重叠情况能够更加精确的确定出相邻车辆的位置关系,并结合运动状态进一步确定车辆拥堵长度;在车辆拥堵长度满足拥堵条件时,根据拥堵持续时间,进行拥堵提示,能够提升拥堵提示的准确性。
本申请提出的车道拥堵提示方法另一实施例可以具体包括以下步骤:
S21,获取连续多帧车道图像。
S22,识别连续多帧车道图像中的每一车辆的运动状态及每一车辆对应的目标框。
S23,利用运动状态和相邻目标框的重叠情况确定车辆拥堵长度。
S24,在车辆拥堵长度大于第一拥堵提示长度时,累计拥堵持续时间,在拥堵持续时间超过第一阈值时,进行拥堵提示。
具体地,车辆拥堵长度大于第一拥堵提示长度时,车道拥堵提示设备累计拥堵持续时间。当拥堵持续时间大于第一阈值时,车道拥堵提示设备进行拥堵提示。
上述方案,利用多帧车道图像确定车辆运动状态,以及识别每一车辆对应的目标框;以及利用相邻目标框的重叠情况能够更加精确的确定出相邻车辆的位置关系,并结合运动状态进一步确定车辆拥堵长度;在车辆拥堵长度满足拥堵条件时,根据拥堵持续时间,进行拥堵提示,能够提升拥堵提示的准确性。
请参阅图3,图3是本申请提供的车道拥堵提示方法又一实施例的流程示意图。
如图3所示,本申请提出的车道拥堵提示方法又一实施例可以具体包括以下步骤:
S31,获取连续多帧车道图像。
S32,识别连续多帧车道图像中的每一车辆的运动状态及每一车辆对应的目标框。
S33,利用运动状态和相邻目标框的重叠情况确定车辆拥堵长度。
S34,在车辆拥堵长度大于第一拥堵提示长度时,累计拥堵持续时间,在拥堵持续时间超过第一阈值时,获取拥堵提示标记。
具体地,车辆拥堵长度大于第一拥堵提示长度时,车道拥堵提示设备累计拥堵持续时间。当拥堵持续时间大于第一阈值时,车道拥堵提示设备获取拥堵提示标记。
其中,拥堵提示标记包括第一标识和第二标识,第一标识表征拥堵提示设备未执行拥堵提示,第二标识表征拥堵提示设备已执行拥堵提示。
若拥堵提示标记为第一标识,跳转至S35,若拥堵提示标记为第二标识,跳转至S37。
S35,响应于提示标记为第一标识,则进行拥堵提示。
具体地,获取得到的提示标记为表征未执行拥堵提示的第一标识,拥堵提示设备进行拥堵提示。
S36,清空拥堵持续时间,并将提示标记由第一标识修改为第二标识。
具体地,拥堵提示设备清空拥堵持续时间,并将提示标志从第一标识修改为表征已执行拥堵提示的第二标识。
S37,响应于提示标记为第二标识,则清空拥堵持续时间,不进行拥堵提示。
具体地,获取得到的提示标识为表征已执行拥堵提示的第二标识,拥堵提示设备清空拥堵持续时间,不进行拥堵提示。
示例性地,在前一个拥堵持续周期中,拥堵提示设备已执行了一次拥堵提醒,在当前拥堵持续周期,拥堵提示设备则不执行拥堵提醒,避免重复提醒。
上述方案,利用多帧车道图像确定车辆运动状态,以及识别每一车辆对应的目标框;以及利用相邻目标框的重叠情况能够更加精确的确定出相邻车辆的位置关系,并结合运动状态进一步确定车辆拥堵长度;在车辆拥堵长度满足拥堵条件时,根据拥堵持续时间,进行拥堵提示,能够提升拥堵提示的准确性。进一步地,通过在拥堵提示后设置表征已执行提示的第二标识,避免了重复提示。
本申请提出的车道拥堵提示方法又一实施例可以具体包括以下步骤:
S41,获取连续多帧车道图像。
S42,识别连续多帧车道图像中的每一车辆的运动状态及每一车辆对应的目标框。
S43,利用运动状态和相邻目标框的重叠情况确定车辆拥堵长度。
S44,在车辆拥堵长度小于第二拥堵提示长度时,累计非拥堵持续时间,在非拥堵持续时间超过第二阈值时,清空拥堵持续时间,并将提示标记设置为第一标识。
其中,第二拥堵提示长度小于第一拥堵提示长度。
具体地,车辆拥堵长度小于第二拥堵提示长度时,车道拥堵提示设备累计非拥堵持续时间。在非拥堵持续时间超过第二阈值时,清空持续时间,并将提示标记设置为第一标识。
示例性地,车道拥堵提示设备在前一个拥堵周期中执行过一次拥堵提示,提示标记已设置为第二标识。后续车道恢复顺畅,即车道长度小于第二拥堵提示长度,且满足非拥堵持续时间大于第二阈值,说明当前车道已有一定时间处于非拥堵阶段,将提示标记设置为第一标识,为下一次车道拥堵提示做准备。
上述方案,利用多帧车道图像确定车辆运动状态,以及识别每一车辆对应的目标框;以及利用相邻目标框的重叠情况能够更加精确的确定出相邻车辆的位置关系,并结合运动状态进一步确定车辆拥堵长度;在车辆拥堵长度小于第二拥堵提示长度时,判定当前车道未拥堵,修改提示标记,为下一次车道拥堵提示做准备。
本申请提出的车道拥堵提示方法又一实施例可以具体包括以下步骤:
S51,获取连续多帧车道图像。
S52,识别连续多帧车道图像中的每一车辆的运动状态及每一车辆对应的目标框。
S53,利用运动状态和相邻目标框的重叠情况确定车辆拥堵长度。
S54,利用车道长度确定出目标拥堵度。
具体地,目标拥堵度为车辆拥堵长度与车道长度之比。其中,目标拥堵度用于反映当前车道的拥堵程度。目标拥堵度越高,当前车道的拥堵程度越高,目标拥堵度越低,当前车道的拥堵程度越低。
S55,在目标拥堵度满足拥堵条件时,根据目标拥堵度和拥堵持续时间,进行拥堵提示。
具体地,目标拥堵度满足拥堵条件时,且根据目标拥堵度与拥堵持续时间均满足预设条件时,车道拥堵提示设备执行拥堵提示。
可选地,拥堵提示可以为车道拥堵提示设备向用户终端拥堵告警文字、语音等,其中用户终端可以为用于监控图像的设备、用户设备(User Equipment,UE)、移动设备、用户终端、终端、蜂窝电话、无绳电话、个人数字处理(Personal Digital Assistant,PDA)、手持设备、计算设备、车载设备、可穿戴设备以及自动驾驶汽车,机器人,安防***,用于增强现实或虚拟现实的眼镜、头盔等产品等。
示例性地,目标拥堵度大于预设拥堵度阈值时,且拥堵持续时间大于预设持续时间阈值时,车道拥堵提示设备执行拥堵提示。
上述方案,利用多帧车道图像确定车辆运动状态,以及识别每一车辆对应的目标框;以及利用相邻目标框的重叠情况能够更加精确的确定出相邻车辆的位置关系,并结合运动状态进一步确定车辆拥堵度;在车辆拥堵度满足拥堵条件时,根据车辆拥堵度和拥堵持续时间,进行拥堵提示,能够提升拥堵提示的准确性。
请参阅图4,图4是图2中S4子步骤一实施例的流程示意图。
如图4所示,图2中S4子步骤一实施例可以具体包括:
S61,目标拥堵度是否大于或等于第一拥堵提示度。
具体地,车道拥堵提示设备判断目标拥堵度是否大于或等于第一拥堵提示度。其中,第一拥堵提示度为第一拥堵长度与车道长度之比。
可选地,第一拥堵提示度可以为60、70、80、90、100、110、120、130、140,此处不做限定。
若是,跳转至S62。若否,跳转至S67。
S62,累计拥堵持续时间,清空非拥堵持续时间。
具体地,车道拥堵提示设备累计拥堵持续时间,清空非拥堵持续时间。
S63,拥堵持续时间是否大于第一阈值。
具体地,车道拥堵提示设备判断拥堵持续时间是否大于第一阈值。
可选地,第一阈值可以为10秒、15秒、20秒、25秒、30秒、1分钟、2分钟等,此处不做限定。
若是,跳转至S64。若否,跳转至S71。
S64,提示标记是否为第一标识。
具体地,车道拥堵提示设备判断提示标记是否为表征未执行拥堵提示的第一标识。
若是,跳转至S66。若否,跳转至S65。
S65,清空拥堵持续时间。
其中,S65对应上文S37的内容,此处不再赘述。
车道拥堵提示设备执行S65的步骤之后跳转至S71。
S66,执行拥堵提示,并清空拥堵持续时间,将提示标记修改为第二标识。
其中,S66对应上文S35-S35的内容,此处不再赘述。
车道拥堵提示设备执行S66的步骤之后跳转至S71。
S67,目标拥堵度是否小于第二拥堵度。
具体地,车道拥堵提示设备判断目标拥堵度是否小于第二拥堵度,其中,第二拥堵度小于第一拥堵度。
可选地,第二拥堵度可以为10、15、20、25、30,此处不做限定。
若是,跳转至S68。若否,跳转至S71。
S68,累计非拥堵持续时间。
具体地,车道拥堵提示设备累计非拥堵持续时间。
S69,非拥堵持续时间是否大于第二阈值。
具体地,车道拥堵提示设备判断非拥堵持续时间是否大于第二阈值。
可选地,第二阈值可以为1秒、2秒、3秒、4秒、5秒、10秒、15秒、20秒、30秒等,此处不做限定。
若是,跳转至S70。若否,跳转至S71。
S70,清空拥堵持续时间,将提示标记设置为第一标识。
其中,S70对应上文S44的内容,此处不再赘述。
S71,结束。
上述方案,基于车辆拥堵度和拥堵持续时间确定拥堵提示,提升拥堵提示的准确性。
请参阅图5,图5是本申请提供的车道拥堵提示***一实施例的结构示意图。本申请实施例的车道拥堵提示***40包括图像采集单元41和车道拥堵提示设备42。
本申请实施例中,图像采集单元41可以为基于互补金属氧化物半导体(CMOS,Complementary Metal Oxide Semiconductor)图像传感器的摄像机或相机,也可以为基于电耦合器件(CCD,Charge-Coupled Device)图像传感器的摄像机或相机,此处不做限定。
本申请实施例中,车道拥堵提示设备42与图像采集单元41通信连接,用于实现上述实施例所述的车道拥堵提示方法。
请继续参见图6,图6是本申请提供的终端设备一实施例的结构示意图。本申请实施例的终端设备500包括处理器51、存储器52。
该处理器51、存储器52与总线相连,该存储器52中存储有程序数据,处理器51用于执行程序数据以实现上述实施例所述的车道拥堵提示方法。
在本申请实施例中,处理器51还可以称为CPU(Central Processing Unit,中央处理单元)。处理器51可能是一种集成电路芯片,具有信号的处理能力。处理器51还可以是通用处理器、数字信号处理器(DSP,Digital Signal Process)、专用集成电路(ASIC,Application Specific Integrated Circuit)、现场可编程门阵列(FPGA,FieldProgrammable Gate Array)或者其它可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。通用处理器可以是微处理器或者该处理器51也可以是任何常规的处理器等。
本申请还提供一种计算机存储介质,请继续参阅图7,图7是本申请提供的计算机存储介质一实施例的结构示意图,该计算机存储介质600中存储有程序数据61,该程序数据61在被处理器执行时,用以实现上述实施例的车道拥堵提示方法。
本申请的实施例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方式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(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅为本申请的实施方式,并非因此限制本申请的专利范围,方式利用本申请说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本申请的专利保护范围内。
Claims (10)
1.一种车道拥堵提示方法,其特征在于,所述方法包括:
获取至少一帧车道图像;
针对任意车道图像,从该任意车道图像中识别出用于表示各车辆的车辆框、以及各车辆的运动状态;
依据所述任意车道图像中相邻的目标车辆框的重叠情况,确定该任意车道图像对应的车辆拥堵长度;其中,所述目标车辆框为运动状态为静止状态的车辆对应的车辆框;
在所述至少一帧车道图像中,确定出车道拥堵长度满足预设条件的车道图像的第一数量;
依据确定出的第一数量,确定拥堵持续时间,并依据所述拥堵持续时间进行拥堵提示。
2.根据权利要求1所述的方法,其特征在于,所述依据所述任意车道图像中相邻的目标车辆框的重叠情况,确定该任意车道图像对应的车辆拥堵长度,包括:
若相邻的目标车辆框发生重叠,则将相邻的目标车辆框的长度进行累加,得到所述车辆拥堵长度。
3.根据权利要求1所述的方法,其特征在于,所述依据所述拥堵持续时长进行拥堵提示,包括:
在所述拥堵持续时间超过第一阈值时,进行拥堵提示。
4.根据权利要求3所述的方法,其特征在于,在所述拥堵持续时间超过第一阈值时,进行拥堵提示,包括:
在所述拥堵持续时间超过第一阈值时,获取拥堵提示标记,响应于所述提示标记为第一标识,则进行拥堵提示。
5.根据权利要求4所述的方法,其特征在于,所述方法还包括:
响应于所述提示标记为第二标识,则清空所述拥堵持续时间,不进行拥堵提示。
6.根据权利要求4所述的方法,其特征在于,所述响应于所述提示标记为第一标识,则进行拥堵提示之后,包括:
清空所述拥堵持续时间,并将所述提示标记由所述第一标识修改为所述第二标识。
7.根据权利要求1所述的方法,其特征在于,所述方法还包括:
在所述至少一帧车道图像中,确定出车道拥堵长度不满足预设条件的车道图像的第二数量;
依据确定出的第二数量,确定非拥堵持续时间,在所述非拥堵持续时间超过第二阈值时,清空所述拥堵持续时间。
8.根据权利要求1所述的方法,其特征在于,所述依据所述任意车道图像中相邻的目标车辆框的重叠情况,确定该任意车道图像对应的车辆拥堵长度之后,包括:
利用所述车辆拥堵长度和车道长度确定出目标拥堵度;
所述在所述至少一帧车道图像中,确定出车道拥堵长度满足预设条件的车道图像的第一数量,包括:
确定出车辆拥堵度满足预设条件的车道图像的第一数量。
9.一种车道拥堵提示***,其特征在于,所述车道拥堵提示***包括:
图像采集单元;
车道拥堵提示设备,与所述图像采集单元连接,用于实现如权利要求1-8任一项所述的方法。
10.一种终端设备,其特征在于,所述终端设备包括处理器、与所述处理器连接的存储器,其中,
所述存储器存储有程序指令;
所述处理器用于执行所述存储器存储的程序指令以实现如权利要求1至8任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211706662.1A CN115691151A (zh) | 2022-12-29 | 2022-12-29 | 车道拥堵提示方法、车道拥堵提示***及终端 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211706662.1A CN115691151A (zh) | 2022-12-29 | 2022-12-29 | 车道拥堵提示方法、车道拥堵提示***及终端 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115691151A true CN115691151A (zh) | 2023-02-03 |
Family
ID=85056384
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211706662.1A Pending CN115691151A (zh) | 2022-12-29 | 2022-12-29 | 车道拥堵提示方法、车道拥堵提示***及终端 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115691151A (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106408945A (zh) * | 2016-11-28 | 2017-02-15 | 北京掌行通信息技术有限公司 | 一种交通拥堵评价方法及*** |
CN108269401A (zh) * | 2018-01-30 | 2018-07-10 | 银江股份有限公司 | 一种基于数据驱动的高架桥交通拥堵预测方法 |
US20190205659A1 (en) * | 2018-01-04 | 2019-07-04 | Motionloft, Inc. | Event monitoring with object detection systems |
CN110070715A (zh) * | 2019-04-29 | 2019-07-30 | 浙江工业大学 | 一种基于Conv1D-NLSTMs神经网络结构的道路交通流预测方法 |
CN111091715A (zh) * | 2020-03-20 | 2020-05-01 | 北京交研智慧科技有限公司 | 一种基于历史重现率的道路偶发拥堵识别方法及装置 |
CN113450560A (zh) * | 2021-03-08 | 2021-09-28 | 陕西世纪高通科技有限公司 | 路况异常报警算法 |
CN114882709A (zh) * | 2022-04-22 | 2022-08-09 | 四川云从天府人工智能科技有限公司 | 车辆拥堵检测方法、装置及计算机存储介质 |
-
2022
- 2022-12-29 CN CN202211706662.1A patent/CN115691151A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106408945A (zh) * | 2016-11-28 | 2017-02-15 | 北京掌行通信息技术有限公司 | 一种交通拥堵评价方法及*** |
US20190205659A1 (en) * | 2018-01-04 | 2019-07-04 | Motionloft, Inc. | Event monitoring with object detection systems |
CN108269401A (zh) * | 2018-01-30 | 2018-07-10 | 银江股份有限公司 | 一种基于数据驱动的高架桥交通拥堵预测方法 |
CN110070715A (zh) * | 2019-04-29 | 2019-07-30 | 浙江工业大学 | 一种基于Conv1D-NLSTMs神经网络结构的道路交通流预测方法 |
CN111091715A (zh) * | 2020-03-20 | 2020-05-01 | 北京交研智慧科技有限公司 | 一种基于历史重现率的道路偶发拥堵识别方法及装置 |
CN113450560A (zh) * | 2021-03-08 | 2021-09-28 | 陕西世纪高通科技有限公司 | 路况异常报警算法 |
CN114882709A (zh) * | 2022-04-22 | 2022-08-09 | 四川云从天府人工智能科技有限公司 | 车辆拥堵检测方法、装置及计算机存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7338637B2 (ja) | 交通支援システム、サーバ及び方法、車載装置及びその動作方法、コンピュータプログラム、記録媒体、コンピュータ、並びに半導体集積回路 | |
CN112016413B (zh) | 对象间异常行为的检测方法及装置 | |
CN113284168A (zh) | 目标跟踪方法、装置、电子设备及存储介质 | |
CN108629292B (zh) | 弯曲车道线检测方法、装置及终端 | |
CN108877269B (zh) | 一种交叉路口车辆状态检测及v2x广播方法 | |
CN111461020B (zh) | 不安全使用手机行为的识别方法、设备及相关存储介质 | |
CN111383460B (zh) | 一种车辆状态判别方法、装置以及计算机存储介质 | |
CN110348332B (zh) | 一种交通视频场景下机非人多目标实时轨迹提取方法 | |
CN113602264B (zh) | 一种车辆行驶行为检测方法、装置、设备和存储介质 | |
CN113591679A (zh) | 一种违停车辆检测方法及装置 | |
CN115249355B (zh) | 目标关联方法、设备及计算机可读存储介质 | |
EP4345773A1 (en) | Lane line extraction method and apparatus, vehicle and storage medium | |
CN114519849A (zh) | 一种车辆跟踪数据处理方法、装置及存储介质 | |
CN115691151A (zh) | 车道拥堵提示方法、车道拥堵提示***及终端 | |
CN113160272A (zh) | 目标跟踪方法、装置、电子设备及存储介质 | |
CN115320627A (zh) | 一种车辆驾驶方法、装置及*** | |
CN113487649B (zh) | 一种车辆检测方法、装置以及计算机存储介质 | |
CN115257771A (zh) | 一种路口识别方法、电子设备和存储介质 | |
CN113221800A (zh) | 一种待检测目标的监控判断方法及*** | |
CN113823095B (zh) | 交通状态的确定方法、装置、存储介质及电子装置 | |
CN117935572A (zh) | 逆行检测方法、计算装置和存储介质 | |
CN114596708B (zh) | 智能调度***、方法、装置及计算机程序产品 | |
CN113269004B (zh) | 交通计数装置及方法、电子设备 | |
CN114038197B (zh) | 场景状态的确定方法、装置、存储介质及电子装置 | |
CN117409382A (zh) | 一种车道线识别方法、装置、电子设备和存储介质 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20230203 |
|
RJ01 | Rejection of invention patent application after publication |