CN116311095B - 基于区域划分的路面检测方法、计算机设备及存储介质 - Google Patents
基于区域划分的路面检测方法、计算机设备及存储介质 Download PDFInfo
- Publication number
- CN116311095B CN116311095B CN202310260118.7A CN202310260118A CN116311095B CN 116311095 B CN116311095 B CN 116311095B CN 202310260118 A CN202310260118 A CN 202310260118A CN 116311095 B CN116311095 B CN 116311095B
- Authority
- CN
- China
- Prior art keywords
- road surface
- grid
- grids
- state
- detected
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 78
- 238000000034 method Methods 0.000 claims abstract description 30
- 230000008569 process Effects 0.000 claims abstract description 6
- 238000004590 computer program Methods 0.000 claims description 9
- 239000013589 supplement Substances 0.000 claims description 9
- 230000000153 supplemental effect Effects 0.000 claims description 7
- 230000009471 action Effects 0.000 claims description 6
- 238000003708 edge detection Methods 0.000 claims description 6
- 238000012795 verification Methods 0.000 claims description 6
- 238000000926 separation method Methods 0.000 claims description 3
- 238000000638 solvent extraction Methods 0.000 claims description 3
- 238000002955 isolation Methods 0.000 claims description 2
- 238000012545 processing Methods 0.000 description 7
- 230000003287 optical effect Effects 0.000 description 4
- 230000004888 barrier function Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000003384 imaging method Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 235000019800 disodium phosphate Nutrition 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000000047 product Substances 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
- 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
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
- G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
-
- 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
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
- G06V20/588—Recognition of the road, e.g. of lane markings; Recognition of the vehicle driving pattern in relation to the road
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/70—Labelling scene content, e.g. deriving syntactic or semantic representations
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Computational Linguistics (AREA)
- Traffic Control Systems (AREA)
Abstract
基于区域划分的路面检测方法，包括在待检测的路面上驱动检测车辆行走，在检测车辆行驶的过程中，通过前视摄像头对路面进行拍摄，以获取待检测路面完整的图像信息；根据获取的所述图像信息，在待检测路面的地图上进行栅格化分，一个所述栅格尺寸的大小，能够被检测车辆底部的下视摄像头完整拍摄；栅格划分后将全部的所述路面栅格标记为未标记状态；导航：识别路面图像获取图像中的灰度信息，根据灰度信息判断是否出现了破损，当出现破损时，将所述路面栅格的状态标设置为损坏状态；当没有出现破损时，将所述路面栅格的状态设置为平整状态；该方案能够完整的收集待检测路面中需要进行路面检测的部分，并且充分的进行标记，对待检测路面的检测完整全面。
Description
技术领域
本申请涉及路面检测技术领域，尤其涉及基于区域划分的路面检测方法、装置、计算机设备及存储介质。
背景技术
机器视觉***是通过机器视觉产品(即图像摄取装置，分CMOS和CCD两种)将被摄取目标转换成图像信号，传送给专用的图像处理***，得到被摄目标的形态信息，根据像素分布和亮度、颜色等信息，转变成数字化信号；图像***对这些信号进行各种运算来抽取目标的特征，进而根据判别的结果来控制现场的设备动作，随着图像处理技术和计算机技术的发展，机器视觉已经能完成众多视觉任务，利用机器视觉代替人工视觉进行道路路面的检测就是机器视觉的其中一个应用，一套好的路面裂缝检测方法及***有助于路面检测的效果，也必将提高后续路面修复的效果；
现有的基于机器视觉的路面检测方法的一般步骤为：先对道路路面图像中的路面损坏位置进行目标框标记，得到道路路面图像中路面损坏的目标区域，之后对路面损坏的局部图像进行图像处理，得到道路路面的损坏类型，最后目标区域对锚框进行边界回归处理，然而路面的损坏方式有很多，因此通常通过粗略的检测方式，检测出一个大致的区域作为目标区域，而目标区域尺寸不一，大小不一，形状各异。这对目标区域的检测精度造成了影响，首先，当检测出多种目标区域时，可能出现区域叠加的情况，造成目标区域划定难度加大。其次，目标区域可能超出了单次取像的范围，即便是目标区域落在取像范围内的部分，因为透视的影响，加上路面坑洼在图像中显示的特征，并不如花坛、路肩、指示牌等形状规则，体积较大的障碍物容易辨识，因此会增加目标区域的划定难度，造成部分出现破损的路面区域落在了目标区域以外，从而造成漏检的问题。
发明内容
本申请实施例的目的在于提出一种能够实现对道路全面检测的方法，基于区域划分的基础之上，对路面执行检测。
为了解决上述技术问题，本申请实施例提供基于区域划分的路面检测方法，采用了如下所述的技术方案：
基于区域划分的路面检测方法，包括下述步骤：
在待检测的路面上驱动检测车辆行走，在检测车辆行驶的过程中，通过前视摄像头对路面进行拍摄，以获取待检测路面完整的图像；
拍摄区域：所述前视摄像头的拍摄宽度大于路面的宽度，拍摄路面两侧的路肩之间的区域，两侧的路肩之间的区域为障碍物区域和通行区域；
所述障碍物区域包括待检测路面上的花坛、绿化带、护栏、防眩带、隔离带；所述通行区域包括待检测路面上的车道、应急车道、人行道、掉头车道；
对于拍摄的图像信息进行识别，识别出待检测路面上的车道、应急车道、人行道、掉头车道的影像，标记上述图像为通行区域图像；识别出待检测路面上的花坛、绿化带、护栏、防眩带、隔离带，标记上述图像为障碍物区域图像；
其中对路面的障碍物区域进行拍摄获取障碍物区域图像、对通行区域进行拍摄获取通行区域图像，
栅格地图划分：根据获取的通行区域图像、障碍物区域图像，在待检测路面的地图上进行栅格化分，一个所述栅格尺寸的大小，能够被检测车辆底部的下视摄像头完整拍摄；所述栅格对应通行区域图像形成路面栅格，对应障碍物区域图像形成障碍物栅格，栅格划分后将全部的所述路面栅格标记为未标记状态；
导航：以栅格划分后的地图为导航依据，驱动检测车辆向未标记状态的路面栅格行走，对行驶到的路面栅格对应的通行区域进行检测及标记状态，重复上述动作，直至所有的未标记状态的路面栅格均被标记；
所述对行驶到的路面栅格对应的通行区域进行检测及标记状态为：下视摄像头拍摄的路面栅格对应的路面图像，
识别路面图像获取图像中的灰度信息，根据灰度信息判断是否出现了破损，当出现破损时，将所述路面栅格的状态标设置为损坏状态；当没有出现破损时，将所述路面栅格的状态设置为平整状态。
进一步的，所述栅格的尺寸与下视摄像头的拍摄区域相适应，下视摄像头同一时间只对一个栅格进行拍摄；
行走方向规划：检测当前路面栅格相邻的路面栅格的状态，当相邻路面栅格包括一个未标记状态的路面栅格时，驱动检测车辆向所述路面栅格行走；当相邻路面栅格包括至少两个未标记状态的路面栅格时，检测相邻的路面栅格相对于当前路面栅格的方位，
当存在相邻的未标记状态的路面栅格在待检测的路面的延伸方向上时，驱动检测车辆向该路面栅格行走；当不存在时，驱动检测车辆向任意未标记状态的路面栅格行走；
当相邻路面栅格不存在未标记状态时，导航检测车辆至地图上距离最近的未标记状态的路面栅格上，直到待检测路面的地图上不存在状态为未标记状态的路面栅格。
进一步的，该方法还包括边缘检测步骤：根据路面栅格的灰度信息对路面栅格的四个边缘检测，以确定路面栅格的边缘是否破损，当路面栅格的一个边缘是破损的时，将所述边缘标记为破损边缘；当路面栅格的一个边缘是完整的时，将所述边缘标记为完整边缘；
该方法还包括第一边界验证步骤：当检测车辆从一个损坏状态的路面栅格行走到平整状态的路面栅格时，根据所述损坏状态的路面栅格与平整状态的路面栅格相邻的边缘的所述标记，在地图中指定边界栅格；
当所述边缘的标记为完整边缘时，将所述损坏状态的路面栅格指定为边界栅格；当所述边缘的标记为破损边缘时，将所述平整状态的路面栅格指定为边界栅格；
当路面栅格全部标记完成后，对状态为损坏状态的路面栅格和边界栅格执行整修。
进一步的，沿待检测路面的一端向另一端延伸的方向，设置有里程刻度；
所述对行驶到的路面栅格对应的通行区域进行检测及标记状态之后，还包括补充检测步骤，针对对通行区域中无法通过所述路面栅格划分的部分，通过补充栅格划分，
其中补充栅格的尺寸比所述路面栅格的尺寸小，
所述补充栅格包括：未标记状态、平整状态和损坏状态，并且栅格划分后所述补充栅格默认置于未标记状态；
根据摄像头的拍摄范围宽度在待检测的路面的地图上，从待检测路面的一端向另一端延伸的方向上，对通行区域中补充栅格的部分进行标记，形成补充路径，所述补充路径标记有多条；
选取若干条状路径，以通过条状路径覆盖所有处于未标记状态的补充栅格；
分别沿选取的补充路径行走，以遍历所有处于未标记状态的补充栅格并对补充栅格执行标记；
具体遍历所有处于未标记状态的补充栅格并对补充栅格执行标记为，下视摄像头拍摄的路面栅格对应的路面图像，
识别路面图像获取图像中的灰度信息，根据灰度信息判断是否出现了破损，当出现破损时，将所述补充栅格的状态标设置为损坏状态；当没有出现破损时，将所述补充栅格的状态设置为平整状态。
进一步的，所述补充检测步骤还包括根据选取的补充路径两端对应的里程刻度，确定补充路径在待检测路面中的前后位置，
根据补充路径前端的里程刻度，与后端的里程刻度接近的补充路径拼接，或根据补充路径后端的里程刻度，与前端的里程刻度接近的补充路径拼接，以形成若干补充路径拼接的合并拼接路径；
沿所述合并拼接路径行走，以遍历若干条状路径。
进一步的，所述路面栅格尺寸小于下视摄像头的拍摄范围，所述下视摄像头同一时间能够拍摄到多个所述路面栅格，所述摄像头的拍摄范围的宽度大于检测车辆的宽度；所述待检测路面为从一端向另一端的带状区域；
所述导航，包括规划步骤，根据摄像头的拍摄范围宽度在待检测的路面的地图上，从待检测路面的一端向另一端延伸的方向上对通行区域进行标记，形成条状路径，所述条状路径标记有多条；
选取若干条状路径，以通过条状路径覆盖所有处于未标记状态的路面栅格；
行走步骤，分别沿选取的条状路径行走，以遍历所有处于未标记状态的路面栅格。
进一步的，沿待检测路面的一端向另一端延伸的方向，设置有里程刻度；
其中，所述规划步骤还包括：根据选取的条状路径两端对应的里程刻度，确定条状路径在待检测路面中的前后位置，
当选取的条状路径两端没有从待检测路面的一端延伸至另一端时，根据条状路径前端的里程刻度，与后端的里程刻度接近的条状路径拼接，或根据条状路径后端的里程刻度，与前端的里程刻度接近的条状路径拼接，以形成若干条状路径拼接的合并路径；
所述行走步骤，还包括沿所述合并路径行走，以遍历若干条状路径。
进一步的，该方法还包括边缘检测步骤：根据路面栅格的灰度信息对路面栅格的四个边缘检测，以确定路面栅格的边缘是否破损，当路面栅格的一个边缘是破损的时，将所述边缘标记为破损边缘；当路面栅格的一个边缘是完整的时，将所述边缘标记为完整边缘；
该方法还包括第二边界验证步骤：根据所述损坏状态的路面栅格与平整状态的路面栅格相邻的边缘的所述标记，在地图中指定边界栅格；
其中，当所述边缘的标记为完整边缘时，将所述损坏状态的路面栅格指定为边界栅格；当所述边缘的标记为破损边缘时，将所述平整状态的路面栅格指定为边界栅格；
当路面栅格全部标记完成后，对状态为损坏状态的路面栅格和边界栅格执行整修。
本方案还公开了一种计算机设备，包括存储器和处理器，所述存储器中存储有计算机程序，其特征在于：所述处理器执行所述计算机程序时实现如上所述的基于区域划分的路面检测方法的步骤。
本方案还公开了一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如上所述的基于区域划分的路面检测方法的步骤。
与现有技术相比，本申请实施例主要有以下有益效果：首先通过前视摄像头获取待检测路面整体的图像信息，以获取待检测路面的整体情况，从中区分出无需进行具体路面检测的障碍物区域，以及需要实际进行路面检测的通行区域，因为仅仅是对路面的整体情况进行检测，只需要将路面和路面上的障碍物区分开，能够识别作为待检测路面整体边界的路肩、路台等明显易区分的图像，而无需对路面破损情况进行具体识别，因此前视摄像头能够的设置角度更为宽泛，对前视摄像头的成像清晰度要求低；并且无需考虑因为大面积拍摄造成的景深、焦距等拍摄参数对拍摄质量的影响。因此能够全面的划定待检测路面的整体区域，以及从中全面准确的提取通行区域。
在提取到通行区域的基础之上，对通行区域执行栅格划分，对栅格标记状态能够记录栅格是否被检测，也能够记录栅格对应的可通行区域是否是损坏的。以此对通行区域执行全面的检测，明确可通行区域内每一处的路面是否出现了破损。
在对通行区域划分了栅格的基础之上，对未标记状态的路面栅格执行检测并标记，实现对整条待检测路面的检测和标记。
该方案能够完整的收集待检测路面中需要进行路面检测的部分，并且充分的进行标记，对待检测路面的检测完整全面。
附图说明
为了更清楚地说明本申请中的方案，下面将对本申请实施例描述中所需要使用的附图作一个简单介绍，显而易见地，下面描述中的附图是本申请的一些实施例，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是根据本申请的计算机设备的一个实施例的结构示意图。
具体实施方式
除非另有定义，本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同；本文中在申请的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本申请；本申请的说明书和权利要求书及上述附图说明中的术语“包括”和“具有”以及它们的任何变形，意图在于覆盖不排他的包含。本申请的说明书和权利要求书或上述附图中的术语“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。
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。
为了使本技术领域的人员更好地理解本申请方案，下面将结合附图，对本申请实施例中的技术方案进行清楚、完整地描述。
基于区域划分的路面检测方法，包括下述步骤：
步骤S100：在待检测的路面上驱动检测车辆行走，在检测车辆行驶的过程中，通过前视摄像头对路面进行拍摄，以获取待检测路面完整的图像信息；其中，所述前视摄像头的拍摄范围，比路面的宽度宽，以拍摄路面两侧的路肩之间的所有区域，并且；从待检测路面的一端行驶到另一端的完整行程，所述行走包括所述完整行程的一遍，两遍或多遍，所述行走完整拍摄待检测路面中所有的障碍物区域和通行区域；其中。所述障碍物区域包括待检测路面上的花坛、绿化带、护栏、防眩带、隔离带等设施所在的无法通行的区域，所述通行区域包括待检测路面上的车道、应急车道、人行道、掉头车道等能够被车辆行人行走的区域；
其中本案所针对的待检测路面是针对公路、高速公路、拥有明确边界且遵循道路施工规范的内部路等，具有一定宽度、直行或路面的延伸存在弧度的带状区域，本案所述的待检测路面中，一端向另一端延伸，指的是带状区域两个端点，其中之一作为起点，另一端作为终点，从起点向终点，依照带状区域本身的形状而产生的延伸动作，延伸方向。
上述区域中可能设置有障碍物，在对这些障碍物进行识别的时候，统一将障碍物所在的障碍物区域识别为矩形区域，并在标记栅格的阶段将障碍物栅格按照矩形栅格的形式划分出来，与路面栅格相分离。
步骤S200：根据获取的所述图像信息，在待检测路面的地图上进行栅格化分，一个所述栅格尺寸的大小，能够被检测车辆底部的下视摄像头完整拍摄；所述栅格的种类包括障碍物栅格，所述障碍物栅格对应所述障碍物区域，所述路面栅格对应所述通行区域；其中，所述路面栅格包括：未标记状态、平整状态和损坏状态，并且栅格划分后所述路面栅格默认置于未标记状态；
待检测路面整体分为障碍物区域和通行区域，其中障碍物区域在地图上划分为障碍物栅格，之后不再对障碍物栅格中对应的位置进行处理，而在通行区域中进行路面栅格的划分，之后的检测，也是基于对通行区域中的路面栅格和补充栅格进行的。
步骤S300：以栅格划分后的地图为导航依据，驱动检测车辆从未标记状态的路面栅格开始行走，并对路面栅格执行标记动作，直到对所有未标记状态的路面栅格执行标记，以完成对待检测路面的检测：根据下视摄像头拍摄的路面栅格图像，提取灰度信息，根据路面栅格的灰度信息判断所述路面栅格对应的路面是否出现了破损，当出现破损时，将所述路面栅格的状态标设置为损坏状态；当没有出现破损时，将所述路面栅格的状态设置为平整状态。
通过下视摄像机对路面栅格进行拍摄获取图像，具体是通过下视摄像机对通行区域进行连续拍照，当检测到路面栅格整体进入了摄像机的拍摄范围之后，对该局面栅格进行取像，并提取灰度信息，具体取像过程可以单拍，也可以连拍并筛选或合并多个图像进行图像的获取。
与现有技术相比，本申请实施例主要有以下有益效果：首先通过前视摄像头获取待检测路面整体的图像信息，以获取待检测路面的整体情况，从中区分出无需进行具体路面检测的障碍物区域，以及需要实际进行路面检测的通行区域，因为仅仅是对路面的整体情况进行检测，只需要将路面和路面上的障碍物区分开，能够识别作为待检测路面整体边界的路肩、路台等明显易区分的图像，而无需对路面破损情况进行具体识别，因此前视摄像头能够的设置角度更为宽泛，对前视摄像头的成像清晰度要求低；并且无需考虑因为大面积拍摄造成的景深、焦距等拍摄参数对拍摄质量的影响。因此能够全面的划定待检测路面的整体区域，以及从中全面准确的提取通行区域。
在提取到通行区域的基础之上，对通行区域执行栅格划分，对栅格标记状态能够记录栅格是否被检测，也能够记录栅格对应的可通行区域是否是损坏的。以此对通行区域执行全面的检测，明确可通行区域内每一处的路面是否出现了破损。
在对通行区域划分了栅格的基础之上，对未标记状态的路面栅格执行检测并标记，实现对整条待检测路面的检测和标记。
该方案能够完整的收集待检测路面中需要进行路面检测的部分，并且充分的进行标记，对待检测路面的检测完整全面。
进一步的，所述栅格的尺寸与下视摄像头的拍摄区域相适应，下视摄像头一次能够拍摄一个完整的所述路面栅格的图像；
对于栅格的划分，在一种实施例中，栅格的尺寸较大，与下视摄像头的拍摄区域相适应，下视摄像头的拍摄区域可以略大于栅格的尺寸，以便于一次性拍到整个栅格，对整个栅格进行检测和判定，因为该方案中栅格的尺寸较大，对单一栅格内是否存在损坏的判断更为准确，此外对每个栅格进行逐个判断，也能够防止漏检。
其中下视摄像头，采取灰度成像的方式，竖直向下拍摄，既可以将下视摄像头安装在摇臂上，也可以直接将下视摄像头置于检测车辆的底部，因为下视摄像头一次仅对竖直方向上的，特定区域进行拍摄即可满足对栅格的检测，加上遮光措施，该方案能够有效应对不同天气环境、光照对光学路面检测产生的影响，保证检测精度。其中下视摄像头获取的灰度图像中，出现破损的路面的部分，会因为复杂的反光环境产生强烈的颗粒度，使之与平整路面区分开来，因此通过对下视摄像头获取的灰度图像进行识别，即可确定栅格本身是否存在损坏，栅格的边缘是否出现破损。
所述行走基于执行步骤S301：行走动作：检测当前路面栅格相邻的路面栅格的状态，当相邻路面栅格包括一个未标记状态的路面栅格时，驱动检测车辆向所述路面栅格行走；当相邻路面栅格包括至少两个未标记状态的路面栅格时，检测相邻的路面栅格相对于当前路面栅格的方位，
步骤S302当存在相邻的未标记状态的路面栅格在待检测的路面的延伸方向上时，驱动检测车辆向该路面栅格行走；当不存在时，驱动检测车辆向任意未标记状态的路面栅格行走；
步骤S303当相邻路面栅格不存在未标记状态时，导航检测车辆至地图上距离最近的未标记状态的路面栅格上，直到待检测路面的地图上不存在状态为未标记状态的路面栅格；
其中，在行走动作执行后，执行标记动作，直到待检测路面对应的路面栅格全部标记完成。
该方案控制检测车辆，优先沿待检测路面的延伸方向行走，减少转向次数，增加路面检测效率，减少在坑洼路面上转向造成的下视摄像机晃动造成的精度不足的问题。
进一步的，该方法还包括步骤S401边缘检测步骤：根据路面栅格的灰度信息对路面栅格的四个边缘检测，以确定路面栅格的边缘是否破损，当路面栅格的一个边缘是破损的时，将所述边缘标记为破损边缘；当路面栅格的一个边缘是完整的时，将所述边缘标记为完整边缘；
该方法还包括S402第一边界验证步骤：当检测车辆从一个损坏状态的路面栅格行走到平整状态的路面栅格时，根据所述损坏状态的路面栅格与平整状态的路面栅格相邻的边缘的所述标记，在地图中指定边界栅格；
其中，当所述边缘的标记为完整边缘时，将所述损坏状态的路面栅格指定为边界栅格；当所述边缘的标记为破损边缘时，将所述平整状态的路面栅格指定为边界栅格；
当路面栅格全部标记完成后，对状态为损坏状态的路面栅格和边界栅格执行整修。
进一步的，沿待检测路面的一端向另一端延伸的方向，设置有里程刻度；所述标记动作之后，还包括S500补充检测步骤，针对对通行区域中无法通过所述路面栅格划分的部分，通过补充栅格划分，其中补充栅格的尺寸比所述路面栅格的尺寸小，所述补充栅格包括：未标记状态、平整状态和损坏状态，并且栅格划分后所述补充栅格默认置于未标记状态；
根据摄像头的拍摄范围宽度在待检测的路面的地图上，从待检测路面的一端向另一端延伸的方向上，对通行区域中补充栅格的部分进行标记，形成补充路径，所述补充路径标记有多条；
选取若干条状路径，以通过条状路径覆盖所有处于未标记状态的补充栅格；
分别沿选取的补充路径行走，以遍历所有处于未标记状态的补充栅格并对补充栅格执行标记；
具体遍历所有处于未标记状态的补充栅格并对补充栅格执行标记为，下视摄像头拍摄的路面栅格对应的路面图像，
识别路面图像获取图像中的灰度信息，根据灰度信息判断是否出现了破损，当出现破损时，将所述补充栅格的状态标设置为损坏状态；当没有出现破损时，将所述补充栅格的状态设置为平整状态。
补充栅格的尺寸明显小于下视摄像头的拍摄范围，使得下视摄像头能够在一帧画面中拍摄多个补充栅格，并对补充栅格执行检测，该方案因为补充栅格的尺寸较小，能够解决因为路面栅格过大，无法对通行区域中部分区域进行划分的问题，比如，如果路面栅格的尺寸为1米见方，当部分通行区域的宽度为3.5米时，存在宽度为0.5米的区域无法被划分到一个完整路面栅格的情况，此时通过尺寸较小的补充栅格，对通行区域中没有被分配到路面栅格的区域进行二次划分，能够实现对通行区域的普遍划分，之后对补充栅格执行检测，该方案能够对通行区域执行完整的检测。
进一步的，所述补充检测步骤还包括S501根据选取的补充路径两端对应的里程刻度，确定补充路径在待检测路面中的前后位置，
根据补充路径前端的里程刻度，与后端的里程刻度接近的补充路径拼接，或根据补充路径后端的里程刻度，与前端的里程刻度接近的补充路径拼接，以形成若干补充路径拼接的合并拼接路径；
沿所述合并拼接路径行走，以遍历若干条状路径。
进一步的，所述路面栅格尺寸小于下视摄像头的拍摄范围，所述下视摄像头同一时间能够拍摄到多个所述路面栅格，所述摄像头的拍摄范围的宽度大于检测车辆的宽度；所述待检测路面为从一端向另一端的带状区域；
所述导航，包括步骤S311规划步骤，根据摄像头的拍摄范围宽度在待检测的路面的地图上，从待检测路面的一端向另一端延伸的方向上对通行区域进行标记，形成条状路径，所述条状路径标记有多条；
选取若干条状路径，以通过条状路径覆盖所有处于未标记状态的路面栅格；
步骤S312行走步骤，分别沿选取的条状路径行走，以遍历所有处于未标记状态的路面栅格。
在另一种实施例中，栅格的尺寸明显小于下视摄像头的拍摄范围，使得下视摄像头能够在一帧画面中拍摄多个栅格，并对栅格执行检测，该方案因为栅格的尺寸较小，能够防止栅格过大，无法对通行区域中部分区域进行划分的问题，比如，如果栅格的尺寸为1米见方，当部分通行区域的宽度为3.5米时，存在宽度为0.5米的区域无法被划分到一个完整栅格的情况，此时尺寸较小的栅格，能够实现对通行区域的普遍划分，该方案能够对通行区域执行完整的检测。
进一步的，沿待检测路面的一端向另一端延伸的方向，设置有里程刻度；
其中，所述步骤S311规划步骤还包括：根据选取的条状路径两端对应的里程刻度，确定条状路径在待检测路面中的前后位置，
当选取的条状路径两端没有从待检测路面的一端延伸至另一端时，根据条状路径前端的里程刻度，与后端的里程刻度接近的条状路径拼接，或根据条状路径后端的里程刻度，与前端的里程刻度接近的条状路径拼接，以形成若干条状路径拼接的合并路径；
所述步骤S312行走步骤，还包括沿所述合并路径行走，以遍历若干条状路径。
进一步的，该方法还包括步骤S411边缘检测步骤：根据路面栅格的灰度信息对路面栅格的四个边缘检测，以确定路面栅格的边缘是否破损，当路面栅格的一个边缘是破损的时，将所述边缘标记为破损边缘；当路面栅格的一个边缘是完整的时，将所述边缘标记为完整边缘；
该方法还包括步骤S412第二边界验证步骤：根据所述损坏状态的路面栅格与平整状态的路面栅格相邻的边缘的所述标记，在地图中指定边界栅格；
其中，当所述边缘的标记为完整边缘时，将所述损坏状态的路面栅格指定为边界栅格；当所述边缘的标记为破损边缘时，将所述平整状态的路面栅格指定为边界栅格；
当路面栅格全部标记完成后，对状态为损坏状态的路面栅格和边界栅格执行整修。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，该计算机程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，前述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)等非易失性存储介质，或随机存储记忆体(Random Access Memory，RAM)等。
应该理解的是，虽然附图的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，其可以以其他的顺序执行。而且，附图的流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，其执行顺序也不必然是依次进行，而是可以与其他步骤或者其他步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
为解决上述技术问题，本申请实施例还提供计算机设备。具体请参阅图1，图1为本实施例计算机设备基本结构框图。
所述计算机设备6包括通过***总线相互通信连接存储器61、处理器62、网络接口63。需要指出的是，图中仅示出了具有组件61-63的计算机设备6，但是应理解的是，并不要求实施所有示出的组件，可以替代的实施更多或者更少的组件。其中，本技术领域技术人员可以理解，这里的计算机设备是一种能够按照事先设定或存储的指令，自动进行数值计算和/或信息处理的设备，其硬件包括但不限于微处理器、专用集成电路(ApplicationSpecific Integrated Circuit，ASIC)、可编程门阵列(Field－Programmable GateArray，FPGA)、数字处理器(Digital Signal Processor，DSP)、嵌入式设备等。
所述计算机设备可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述计算机设备可以与用户通过键盘、鼠标、遥控器、触摸板或声控设备等方式进行人机交互。
所述存储器61至少包括一种类型的可读存储介质，所述可读存储介质包括闪存、硬盘、多媒体卡、卡型存储器(例如，SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘等。在一些实施例中，所述存储器61可以是所述计算机设备6的内部存储单元，例如该计算机设备6的硬盘或内存。在另一些实施例中，所述存储器61也可以是所述计算机设备6的外部存储设备，例如该计算机设备6上配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(FlashCard)等。当然，所述存储器61还可以既包括所述计算机设备6的内部存储单元也包括其外部存储设备。本实施例中，所述存储器61通常用于存储安装于所述计算机设备6的操作***和各类应用软件，例如基于区域划分的路面检测方法的程序代码等。此外，所述存储器61还可以用于暂时地存储已经输出或者将要输出的各类数据。
所述处理器62在一些实施例中可以是中央处理器(Central Processing Unit，CPU)、控制器、微控制器、微处理器、或其他数据处理芯片。该处理器62通常用于控制所述计算机设备6的总体操作。本实施例中，所述处理器62用于运行所述存储器61中存储的程序代码或者处理数据，例如运行所述基于区域划分的路面检测方法的程序代码。
所述网络接口63可包括无线网络接口或有线网络接口，该网络接口63通常用于在所述计算机设备6与其他电子设备之间建立通信连接。
本申请还提供了另一种实施方式，即提供一种计算机可读存储介质，所述计算机可读存储介质存储有基于区域划分的路面检测程序，所述基于区域划分的路面检测程序可被至少一个处理器执行，以使所述至少一个处理器执行如上述的基于区域划分的路面检测方法的步骤。
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上述实施例方法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，但很多情况下前者是更佳的实施方式。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(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本申请各个实施例所述的方法。
显然，以上所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例，附图中给出了本申请的较佳实施例，但并不限制本申请的专利范围。本申请可以以许多不同的形式来实现，相反地，提供这些实施例的目的是使对本申请的公开内容的理解更加透彻全面。尽管参照前述实施例对本申请进行了详细的说明，对于本领域的技术人员来而言，其依然可以对前述各具体实施方式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效替换。凡是利用本申请说明书及附图内容所做的等效结构，直接或间接运用在其他相关的技术领域，均同理在本申请专利保护范围之内。
Claims (10)
1.基于区域划分的路面检测方法，其特征在于，包括下述步骤：
在待检测的路面上驱动检测车辆行走，在检测车辆行驶的过程中，通过前视摄像头对路面进行拍摄，以获取待检测路面完整的图像；
拍摄区域：所述前视摄像头的拍摄宽度大于路面的宽度，拍摄路面两侧的路肩之间的区域，两侧的路肩之间的区域为障碍物区域和通行区域；
所述障碍物区域包括待检测路面上的花坛、绿化带、护栏、防眩带、隔离带；所述通行区域包括待检测路面上的车道、应急车道、人行道、掉头车道；
对于拍摄的图像信息进行识别，识别出待检测路面上的车道、应急车道、人行道、掉头车道的影像，标记上述图像为通行区域图像；识别出待检测路面上的花坛、绿化带、护栏、防眩带、隔离带，标记上述图像为障碍物区域图像；
其中对路面的障碍物区域进行拍摄获取障碍物区域图像、对通行区域进行拍摄获取通行区域图像，
栅格地图划分：根据获取的通行区域图像、障碍物区域图像，在待检测路面的地图上进行栅格化分，一个所述栅格尺寸的大小，能够被检测车辆底部的下视摄像头完整拍摄；所述栅格对应通行区域图像形成路面栅格，对应障碍物区域图像形成障碍物栅格，栅格划分后将全部的所述路面栅格标记为未标记状态；
导航：以栅格划分后的地图为导航依据，驱动检测车辆向未标记状态的路面栅格行走，对行驶到的路面栅格对应的通行区域进行检测及标记状态，重复上述动作，直至所有的未标记状态的路面栅格均被标记；
所述对行驶到的路面栅格对应的通行区域进行检测及标记状态为：下视摄像头拍摄的路面栅格对应的路面图像，
识别路面图像获取图像中的灰度信息，根据灰度信息判断是否出现了破损，当出现破损时，将所述路面栅格的状态标设置为损坏状态；当没有出现破损时，将所述路面栅格的状态设置为平整状态。
2.根据权利要求1所述的基于区域划分的路面检测方法，其特征在于，所述栅格的尺寸与下视摄像头的拍摄区域相适应，下视摄像头同一时间只对一个栅格进行拍摄；
行走方向规划：检测当前路面栅格相邻的路面栅格的状态，当相邻路面栅格包括一个未标记状态的路面栅格时，驱动检测车辆向所述路面栅格行走；当相邻路面栅格包括至少两个未标记状态的路面栅格时，检测相邻的路面栅格相对于当前路面栅格的方位，
当存在相邻的未标记状态的路面栅格在待检测的路面的延伸方向上时，驱动检测车辆向该路面栅格行走；当不存在时，驱动检测车辆向任意未标记状态的路面栅格行走；
当相邻路面栅格不存在未标记状态时，导航检测车辆至地图上距离最近的未标记状态的路面栅格上，直到待检测路面的地图上不存在状态为未标记状态的路面栅格。
3.根据权利要求2所述的基于区域划分的路面检测方法，其特征在于，该方法还包括边缘检测步骤：根据路面栅格的灰度信息对路面栅格的四个边缘检测，以确定路面栅格的边缘是否破损，当路面栅格的一个边缘是破损的时，将所述边缘标记为破损边缘；当路面栅格的一个边缘是完整的时，将所述边缘标记为完整边缘；
该方法还包括第一边界验证步骤：当检测车辆从一个损坏状态的路面栅格行走到平整状态的路面栅格时，根据所述损坏状态的路面栅格与平整状态的路面栅格相邻的边缘的所述标记，在地图中指定边界栅格；
当所述边缘的标记为完整边缘时，将所述损坏状态的路面栅格指定为边界栅格；当所述边缘的标记为破损边缘时，将所述平整状态的路面栅格指定为边界栅格；
当路面栅格全部标记完成后，对状态为损坏状态的路面栅格和边界栅格执行整修。
4.根据权利要求3所述的基于区域划分的路面检测方法，其特征在于，沿待检测路面的一端向另一端延伸的方向，设置有里程刻度；
所述对行驶到的路面栅格对应的通行区域进行检测及标记状态之后，还包括补充检测步骤，针对对通行区域中无法通过所述路面栅格划分的部分，通过补充栅格划分，
其中补充栅格的尺寸比所述路面栅格的尺寸小，
所述补充栅格包括：未标记状态、平整状态和损坏状态，并且栅格划分后所述补充栅格默认置于未标记状态；
根据摄像头的拍摄范围宽度在待检测的路面的地图上，从待检测路面的一端向另一端延伸的方向上，对通行区域中补充栅格的部分进行标记，形成补充路径，所述补充路径标记有多条；
选取若干条状路径，以通过条状路径覆盖所有处于未标记状态的补充栅格；
分别沿选取的补充路径行走，以遍历所有处于未标记状态的补充栅格并对补充栅格执行标记；
具体遍历所有处于未标记状态的补充栅格并对补充栅格执行标记为，下视摄像头拍摄的路面栅格对应的路面图像，
识别路面图像获取图像中的灰度信息，根据灰度信息判断是否出现了破损，当出现破损时，将所述补充栅格的状态标设置为损坏状态；当没有出现破损时，将所述补充栅格的状态设置为平整状态。
5.根据权利要求4所述的基于区域划分的路面检测方法，其特征在于，所述补充检测步骤还包括根据选取的补充路径两端对应的里程刻度，确定补充路径在待检测路面中的前后位置，
根据补充路径前端的里程刻度，与后端的里程刻度接近的补充路径拼接，或根据补充路径后端的里程刻度，与前端的里程刻度接近的补充路径拼接，以形成若干补充路径拼接的合并拼接路径；
沿所述合并拼接路径行走，以遍历若干条状路径。
6.根据权利要求1所述的基于区域划分的路面检测方法，其特征在于，所述路面栅格尺寸小于下视摄像头的拍摄范围，所述下视摄像头同一时间能够拍摄到多个所述路面栅格，所述摄像头的拍摄范围的宽度大于检测车辆的宽度；所述待检测路面为从一端向另一端的带状区域；
所述导航，包括规划步骤，根据摄像头的拍摄范围宽度在待检测的路面的地图上，从待检测路面的一端向另一端延伸的方向上对通行区域进行标记，形成条状路径，所述条状路径标记有多条；
选取若干条状路径，以通过条状路径覆盖所有处于未标记状态的路面栅格；
行走步骤，分别沿选取的条状路径行走，以遍历所有处于未标记状态的路面栅格。
7.根据权利要求6所述的基于区域划分的路面检测方法，其特征在于，沿待检测路面的一端向另一端延伸的方向，设置有里程刻度；
其中，所述规划步骤还包括：根据选取的条状路径两端对应的里程刻度，确定条状路径在待检测路面中的前后位置，
当选取的条状路径两端没有从待检测路面的一端延伸至另一端时，根据条状路径前端的里程刻度，与后端的里程刻度接近的条状路径拼接，或根据条状路径后端的里程刻度，与前端的里程刻度接近的条状路径拼接，以形成若干条状路径拼接的合并路径；
所述行走步骤，还包括沿所述合并路径行走，以遍历若干条状路径。
8.根据权利要求6所述的基于区域划分的路面检测方法，其特征在于，该方法还包括边缘检测步骤：根据路面栅格的灰度信息对路面栅格的四个边缘检测，以确定路面栅格的边缘是否破损，当路面栅格的一个边缘是破损的时，将所述边缘标记为破损边缘；当路面栅格的一个边缘是完整的时，将所述边缘标记为完整边缘；
该方法还包括第二边界验证步骤：根据所述损坏状态的路面栅格与平整状态的路面栅格相邻的边缘的所述标记，在地图中指定边界栅格；
其中，当所述边缘的标记为完整边缘时，将所述损坏状态的路面栅格指定为边界栅格；当所述边缘的标记为破损边缘时，将所述平整状态的路面栅格指定为边界栅格；
当路面栅格全部标记完成后，对状态为损坏状态的路面栅格和边界栅格执行整修。
9.一种计算机设备，包括存储器和处理器，所述存储器中存储有计算机程序，其特征在于：所述处理器执行所述计算机程序时实现如权利要求1至8中任一项所述的基于区域划分的路面检测方法的步骤。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至8中任一项所述的基于区域划分的路面检测方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310260118.7A CN116311095B (zh) | 2023-03-16 | 2023-03-16 | 基于区域划分的路面检测方法、计算机设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310260118.7A CN116311095B (zh) | 2023-03-16 | 2023-03-16 | 基于区域划分的路面检测方法、计算机设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116311095A CN116311095A (zh) | 2023-06-23 |
| CN116311095B true CN116311095B (zh) | 2024-01-02 |
Family
ID=86792083
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310260118.7A Active CN116311095B (zh) | 2023-03-16 | 2023-03-16 | 基于区域划分的路面检测方法、计算机设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116311095B (zh) |
Citations (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107239746A (zh) * | 2017-05-16 | 2017-10-10 | 东南大学 | 一种面向道路救援安全监控的障碍物识别跟踪方法 |
| CN107316006A (zh) * | 2017-06-07 | 2017-11-03 | 北京京东尚科信息技术有限公司 | 一种道路障碍物检测的方法和*** |
| CN108444390A (zh) * | 2018-02-08 | 2018-08-24 | 天津大学 | 一种无人驾驶汽车障碍物识别方法及装置 |
| CN108646752A (zh) * | 2018-06-22 | 2018-10-12 | 奇瑞汽车股份有限公司 | 自动驾驶***的控制方法及装置 |
| CN110298311A (zh) * | 2019-06-28 | 2019-10-01 | 北京智行者科技有限公司 | 路面积水检测方法及装置 |
| CN110967024A (zh) * | 2019-12-23 | 2020-04-07 | 苏州智加科技有限公司 | 可行驶区域的检测方法、装置、设备及存储介质 |
| CN112161624A (zh) * | 2020-09-11 | 2021-01-01 | 上海高仙自动化科技发展有限公司 | 标记方法、标记装置、智能机器人及可读存储介质 |
| CN112315383A (zh) * | 2020-10-29 | 2021-02-05 | 上海高仙自动化科技发展有限公司 | 机器人的巡检清洁方法、装置、机器人和存储介质 |
| CN114140452A (zh) * | 2021-12-07 | 2022-03-04 | 成都信息工程大学 | 基于rgb-d深度相机的低矮凸起障碍物、路面坑洼检测方法 |
| CA3129756A1 (en) * | 2020-09-07 | 2022-03-07 | Toyota Jidosha Kabushiki Kaisha | Information processing apparatus, information processing method, and road surface marking system |
| CN114236564A (zh) * | 2022-02-23 | 2022-03-25 | 浙江华睿科技股份有限公司 | 动态环境下机器人定位的方法、机器人、装置及存储介质 |
| CN114565906A (zh) * | 2022-03-04 | 2022-05-31 | 京东鲲鹏(江苏)科技有限公司 | 障碍物检测方法、装置、电子设备及存储介质 |
| CN114926809A (zh) * | 2022-04-14 | 2022-08-19 | 重庆兰德适普信息科技有限公司 | 可通行区域检测方法及装置、移动工具、存储介质 |
| CN115139303A (zh) * | 2022-07-19 | 2022-10-04 | 广州赛特智能科技有限公司 | 一种栅格井盖检测方法、装置、设备及存储介质 |
| CN115373399A (zh) * | 2022-09-13 | 2022-11-22 | 中国安全生产科学研究院 | 一种基于空地协同的地面机器人路径规划方法 |
| CN115774444A (zh) * | 2021-09-09 | 2023-03-10 | 廊坊和易生活网络科技股份有限公司 | 一种基于稀疏导航地图的路径规划优化方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US10762360B2 (en) * | 2018-11-19 | 2020-09-01 | Waymo Llc | Automatically detecting unmapped drivable road surfaces for autonomous vehicles |
-
2023
- 2023-03-16 CN CN202310260118.7A patent/CN116311095B/zh active Active
Patent Citations (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107239746A (zh) * | 2017-05-16 | 2017-10-10 | 东南大学 | 一种面向道路救援安全监控的障碍物识别跟踪方法 |
| CN107316006A (zh) * | 2017-06-07 | 2017-11-03 | 北京京东尚科信息技术有限公司 | 一种道路障碍物检测的方法和*** |
| CN108444390A (zh) * | 2018-02-08 | 2018-08-24 | 天津大学 | 一种无人驾驶汽车障碍物识别方法及装置 |
| CN108646752A (zh) * | 2018-06-22 | 2018-10-12 | 奇瑞汽车股份有限公司 | 自动驾驶***的控制方法及装置 |
| CN110298311A (zh) * | 2019-06-28 | 2019-10-01 | 北京智行者科技有限公司 | 路面积水检测方法及装置 |
| CN110967024A (zh) * | 2019-12-23 | 2020-04-07 | 苏州智加科技有限公司 | 可行驶区域的检测方法、装置、设备及存储介质 |
| CA3129756A1 (en) * | 2020-09-07 | 2022-03-07 | Toyota Jidosha Kabushiki Kaisha | Information processing apparatus, information processing method, and road surface marking system |
| CN112161624A (zh) * | 2020-09-11 | 2021-01-01 | 上海高仙自动化科技发展有限公司 | 标记方法、标记装置、智能机器人及可读存储介质 |
| CN112315383A (zh) * | 2020-10-29 | 2021-02-05 | 上海高仙自动化科技发展有限公司 | 机器人的巡检清洁方法、装置、机器人和存储介质 |
| CN115774444A (zh) * | 2021-09-09 | 2023-03-10 | 廊坊和易生活网络科技股份有限公司 | 一种基于稀疏导航地图的路径规划优化方法 |
| CN114140452A (zh) * | 2021-12-07 | 2022-03-04 | 成都信息工程大学 | 基于rgb-d深度相机的低矮凸起障碍物、路面坑洼检测方法 |
| CN114236564A (zh) * | 2022-02-23 | 2022-03-25 | 浙江华睿科技股份有限公司 | 动态环境下机器人定位的方法、机器人、装置及存储介质 |
| CN114565906A (zh) * | 2022-03-04 | 2022-05-31 | 京东鲲鹏(江苏)科技有限公司 | 障碍物检测方法、装置、电子设备及存储介质 |
| CN114926809A (zh) * | 2022-04-14 | 2022-08-19 | 重庆兰德适普信息科技有限公司 | 可通行区域检测方法及装置、移动工具、存储介质 |
| CN115139303A (zh) * | 2022-07-19 | 2022-10-04 | 广州赛特智能科技有限公司 | 一种栅格井盖检测方法、装置、设备及存储介质 |
| CN115373399A (zh) * | 2022-09-13 | 2022-11-22 | 中国安全生产科学研究院 | 一种基于空地协同的地面机器人路径规划方法 |
Non-Patent Citations (1)
| Title |
|---|
| "一种新的非结构化环境可通行区域检测算法";闫明等;《计算机与数字工程》;第47卷(第7期);第1652-1661页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116311095A (zh) | 2023-06-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109284674B (zh) | 一种确定车道线的方法及装置 | |
| WO2018145602A1 (zh) | 车道的确定方法、装置及存储介质 | |
| CN110210280B (zh) | 一种超视距感知方法、***、终端和存储介质 | |
| KR101241651B1 (ko) | 영상 인식 장치 및 그 방법, 영상 기록 장치 또는 그방법을 이용한 위치 판단 장치, 차량 제어 장치 및네비게이션 장치 | |
| CN105512646B (zh) | 一种数据处理方法、装置及终端 | |
| CN107240299B (zh) | 自主驾驶车辆对移动物体识别以及车辆避障的方法 | |
| CN109116846B (zh) | 一种自动驾驶方法、装置、计算机设备和存储介质 | |
| CN108257410A (zh) | 一种现场监控与导航***协作的停车位精准导航方法 | |
| CN112585659A (zh) | 一种导航方法、装置和*** | |
| CN110866433A (zh) | 用于确定道路标线的方法和设备 | |
| US20090274362A1 (en) | Road Image Analyzing Apparatus and Road Image Analyzing Method | |
| CN110188606B (zh) | 基于高光谱成像的车道识别方法、装置及电子设备 | |
| KR20140027479A (ko) | 차선 인식 장치 | |
| JP7203586B2 (ja) | 画像処理装置および画像処理方法 | |
| CN108154146A (zh) | 一种基于图像识别的车辆追踪方法 | |
| JP2003123197A (ja) | 道路標示等認識装置 | |
| CN111126323A (zh) | 服务于交通违规检测的卡口元素识别与分析方法、*** | |
| CN113034540A (zh) | 基于摄像机的自动化精密道路地图生成***及方法 | |
| CN112418081B (zh) | 一种空地联合快速勘察交通事故的方法及*** | |
| Janda et al. | Road boundary detection for run-off road prevention based on the fusion of video and radar | |
| JP2020095623A (ja) | 画像処理装置および画像処理方法 | |
| CN116311095B (zh) | 基于区域划分的路面检测方法、计算机设备及存储介质 | |
| CN112444251B (zh) | 车辆行车位置确定方法、装置、存储介质及计算机设备 | |
| CN114693722B (zh) | 一种车辆行驶行为检测方法、检测装置及检测设备 | |
| CN109976348A (zh) | 一种车辆及其运动控制方法、设备、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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |