CN117197019A - 一种车辆三维点云图像融合方法及*** - Google Patents
一种车辆三维点云图像融合方法及*** Download PDFInfo
- Publication number
- CN117197019A CN117197019A CN202311465599.1A CN202311465599A CN117197019A CN 117197019 A CN117197019 A CN 117197019A CN 202311465599 A CN202311465599 A CN 202311465599A CN 117197019 A CN117197019 A CN 117197019A
- Authority
- CN
- China
- Prior art keywords
- image
- fusion
- vehicle
- information
- point cloud
- 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
- 238000007500 overflow downdraw method Methods 0.000 title claims abstract description 19
- 230000004927 fusion Effects 0.000 claims abstract description 81
- 238000001514 detection method Methods 0.000 claims abstract description 13
- 230000002159 abnormal effect Effects 0.000 claims abstract description 8
- 238000000034 method Methods 0.000 claims abstract description 8
- 238000004458 analytical method Methods 0.000 claims description 31
- 238000011156 evaluation Methods 0.000 claims description 18
- 238000000605 extraction Methods 0.000 claims description 16
- 238000004364 calculation method Methods 0.000 claims description 9
- 238000012937 correction Methods 0.000 claims description 6
- 238000001228 spectrum Methods 0.000 claims description 6
- 230000005540 biological transmission Effects 0.000 claims description 3
- 230000005856 abnormality Effects 0.000 claims description 2
- 230000008859 change Effects 0.000 abstract description 5
- 238000012545 processing Methods 0.000 abstract description 5
- 238000005286 illumination Methods 0.000 abstract description 2
- 230000006872 improvement Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 3
- 238000007499 fusion processing Methods 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 230000008447 perception Effects 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 230000001131 transforming effect Effects 0.000 description 2
- 206010039203 Road traffic accident Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及图像数据处理技术领域，具体地说，涉及一种车辆三维点云图像融合方法及***。包括以下步骤：规划车辆周边的特定区域，采集特定区域的图像信息，并对图像信息进行检测；基于对图像信息检测结果，对车辆发送异常预警信息；本发明通过将点云数据和图像数据将两者相结合，充分利用了点云和图像的优势，提供更全面准确的环境感知信息，避免车辆周边检测出现异常，同时对于光照变化、天气变化等因素具有一定的稳定性，能够在不同条件下提供可靠的融合结果，通过精准的环境数据采集，制作对应的自动驾驶决策，提高车辆行驶的稳定性。
Description
技术领域
本发明涉及图像数据处理技术领域，具体地说，涉及一种车辆三维点云图像融合方法及***。
背景技术
目前，在三维环境感知领域，常常需要融合不同传感器采集的点云数据和图像数据来获取全面的环境信息，融合方法存在计算复杂度高、精度不够高、实时性差问题，当在对车辆行驶路线进行规划时，道路容易出现变化，例如道路出现车祸，道路出现异物阻挡，导致车辆无法及时通过当前道路，完成行驶路线规划，造成无法满足实际应用的需求，因此，提出一种车辆三维点云图像融合方法及***。
发明内容
本发明的目的在于提供一种车辆三维点云图像融合方法及***，以解决上述背景技术中提出的问题。
为实现上述技术问题的解决，本发明的目的之一在于，提供车辆三维点云图像融合方法，包括如下步骤：
S1、以车辆为中心，向外扩展出融合区域，采集融合区域的图像信息，并对图像信息进行检测；
S2、基于S1对图像信息检测结果，对车辆发送异常预警信息；
S3、对S1采集的图像信息进行特征提取，并根据图像提取的结果寻找范围内的其他图像信息，并对其他图像信息结合图像信息进行分析；
S4、基于S3的分析结果将融合区域内的图像信息进行融合分析；
S5、基于S4的对图像融合分析数据，对其结合汽车行驶路线进行预测，提供行驶方案。
作为本技术方案的进一步改进，所述S1对图像信息进行检测的步骤如下：
S1.1、根据周围环境对车辆正常行驶影响程度规划一片融合区域；
S1.2、实时采集以车辆为中心的融合区域的图像信息，并对采集的图像信息进行清晰度评估。
作为本技术方案的进一步改进，所述S1.2对采集的图像信息进行清晰度评估的表达式如下：
；
其中，A是基于傅里叶变换的清晰度评估方法，用于评估图像中高频信息的存在程度，计算方式为：
；
其中，I代表提取出来的像素信息，FFT(I)代表对其进行傅里叶变换后得到的频谱，Mean(FFT(I))代表频谱的平均值。
B是基于梯度信息的清晰度评估方法，用于评估图像中梯度信息的强度，计算方式为：
；
其中，Laplacian(I)代表对像素信息进行拉普拉斯算子计算后得到的梯度信息，S为清晰度得分，清晰度得分越高，图像越清晰，当S数值小于10即清晰度不达标。
作为本技术方案的进一步改进，所述S3对其他图像信息结合图像信息进行分析的步骤如下：
S3.1、对S1.2采集融合区域的图像信息进行特征提取，并根据相邻位置将图像进行匹配分类；
S3.2、将S3.1匹配分类完毕的图像进行结合评估，根据评估结果判断摄像范围覆盖该融合区域。
作为本技术方案的进一步改进，所述S4将融合区域内的图像信息进行融合分析的步骤如下：
S4.1、根据S3.2的判断结果使用点云图像融合将该融合区域内的图像数据进行融合；
S4.2、将图像数据投影进入S4.1融合内的空间中进行数据校正。
作为本技术方案的进一步改进，所述S4.1使用点云图像融合将该融合区域内的图像数据进行融合的表达式如下：
；
其中，PC代表汽车采集的点云数据，Image代表对应点云位置的图像数据，将二者进行融合得到的就是P，B代表高精度的三维环境模型，融合过程中，使用空间尺度变换来提高模型的精度和平滑度。
作为本技术方案的进一步改进，所述S4.2将图像数据投影进入S4.1融合内的空间中进行数据校正的表达式如下：
道路边缘：
；
其中，dS代表点云数据的深度，dI代表图像数据的梯度信息；
车道线：
；
其中，Cleval代表车道线坡度的评估函数，th代表车道线的阈值，将数据输入三维环境模型中替换对应图像数据，从而对三维环境模型中的道路边缘和车道线数据进行补充和校正。
作为本技术方案的进一步改进，所述S5根据预测结果对车辆行驶环境信息进行提供的步骤如下：
S5.1、采集汽车行驶路线信息；
S5.2、根据S4.2数据校正完毕的空间结合S5.1采集的汽车行驶路线信息进行结合预测，提供车辆自动驾驶决策。
本发明的目的之二在于，提供了车辆三维点云图像融合***，包括上述中任意一项所述的车辆三维点云图像融合方法，包括图像采集单元、异常发送单元、特征提取单元、融合分析单元以及行驶预测单元；
所述图像采集单元用于采集融合区域的图像信息，并对图像信息进行检测；
所述异常发送单元用于对图像信息检测结果，对车辆发送异常预警信息；
所述特征提取单元用于对采集的图像信息进行特征提取，并根据图像提取的结果寻找范围内的其他图像信息，并对其他图像信息结合图像信息进行分析；
所述融合分析单元用于将分析结果结合融合区域内的图像信息进行融合分析；
所述行驶预测单元用于将图像融合分析数据结合汽车行驶路线进行预测，提供行驶方案。
与现有技术相比，本发明的有益效果：通过将点云数据和图像数据将两者相结合，充分利用了点云和图像的优势，提供更全面准确的环境感知信息，避免车辆周边检测出现异常，同时对于光照变化、天气变化等因素具有一定的稳定性，能够在不同条件下提供可靠的融合结果，通过精准的环境数据采集，制作对应的自动驾驶决策，提高车辆行驶的稳定性。
附图说明
图1为本发明的整体流程框图；
图2为本发明的对图像信息进行检测的流程框图；
图3为本发明的对其他图像信息结合图像信息进行分析的流程框图；
图4为本发明的将融合区域内的图像信息进行融合分析的流程框图；
图5为本发明的提供行驶方案的流程框图；
图6为本发明的图像采集单元的流程框图。
图中各个标号意义为：
10、图像采集单元；20、异常发送单元；30、特征提取单元；40、融合分析单元；50、行驶预测单元。
具体实施方式
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，所描述的实施例仅仅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，都属于本发明保护的范围。
实施例1
如图1-图6所示，本发明的目的之一在于，提供了车辆三维点云图像融合方法，包括如下步骤：
S1、以车辆为中心，向外扩展出融合区域，通常以车辆为中心，向外扩展1-2米形成融合区域，采集融合区域的图像信息，并对图像信息进行检测；
所述S1对图像信息进行检测的步骤如下：
S1.1、根据周围环境对车辆正常行驶影响程度规划一片融合区域；设定一个以车辆为圆形，半径为两米的圆形范围，并采集该圆形范围的图像信息；
S1.2、实时采集以车辆为中心的融合区域的图像信息，并对采集的图像信息进行清晰度评估；采集图像信息方位为：传感器数据采集，激光雷达和摄像头同时采集车辆周围的点云数据和图像数据；
所述S1.2对采集的图像信息进行清晰度评估的表达式如下：
；
其中，A是基于傅里叶变换的清晰度评估方法，用于评估图像中高频信息的存在程度，计算方式为：
；
其中，I代表提取出来的像素信息，FFT(I)代表对其进行傅里叶变换后得到的频谱，Mean(FFT(I))代表频谱的平均值。
B是基于梯度信息的清晰度评估方法，用于评估图像中梯度信息的强度，计算方式为：
；
其中，Laplacian(I)代表对像素信息进行拉普拉斯算子计算后得到的梯度信息，S为清晰度得分，清晰度得分越高，图像越清晰，当S数值小于10即清晰度不达标；
S2、基于S1对图像信息检测结果，对车辆发送异常预警信息；当摄像头采集的图像出现黑色区域，例如，被遮挡、摄像头损坏，向车辆管理云端发送预警信息，由用户在车辆中控区域进行查看；
S3、对S1采集的图像信息进行特征提取，并根据图像提取的结果寻找范围内的其他图像信息，并对其他图像信息结合图像信息进行分析；
所述S3对其他图像信息结合图像信息进行分析的步骤如下：
S3.1、对S1.2采集融合区域的图像信息进行特征提取，并根据相邻位置将图像进行匹配分类；特征提取：对采集的图像进行预处理，如平滑、滤波、裁剪操作。然后，使用图像处理算法对预处理后的图像提取特征，如纹理、色彩、形状等，通过将图像转换为灰度图像，可以减少图像处理所需的计算量，从而提高处理速度。灰度化的表达式如下：
；
其中，R、G、B分别表示原图像的红、绿、蓝通道值，gray表示灰度图像的像素值；
S3.2、将S3.1匹配分类完毕的图像进行结合评估，根据评估结果判断摄像范围覆盖该融合区域。步骤如下：
特征提取：
；
特征匹配：
；
死角判断：
；
其中，SIFT表示特征提取的算法，x、x1和x2分别表示三个不同的图像，match表示特征匹配的算法，existdeadzone表示死角判断的函数，threshold为匹配点数量阈值，当existdeadzone小于threshold，即没有死角区域；
S4、基于S3的分析结果将融合区域内的图像信息进行融合分析；
所述S4将融合区域内的图像信息进行融合分析的步骤如下：
S4.1、根据S3.2的判断结果使用点云图像融合将该融合区域内的图像数据进行融合；
S4.2、将图像数据投影进入S4.1融合内的空间中进行数据校正。
所述S4.1使用点云图像融合将该融合区域内的图像数据进行融合的表达式如下：
；
其中，PC代表汽车采集的点云数据，Image代表对应点云位置的图像数据，将二者进行融合得到的就是B，B代表高精度的三维环境模型，融合过程中，使用空间尺度变换来提高模型的精度和平滑度。
所述S4.2将图像数据投影进入S4.1融合内的空间中进行数据校正的表达式如下：
道路边缘：
；
其中，dS代表点云数据的深度，dI代表图像数据的梯度信息；
车道线：
；
其中，Cleval代表车道线坡度的评估函数，th代表车道线的阈值，将数据输入三维环境模型中替换对应图像数据，从而对三维环境模型中的道路边缘和车道线数据进行补充和校正。
S5、基于S4的对图像融合分析数据，对其结合汽车行驶路线进行预测，提供行驶方案。
所述S5根据预测结果对车辆行驶环境信息进行提供的步骤如下：
S5.1、采集汽车行驶路线信息；将GPS设备安装在车辆上，在车辆行驶过程中，GPS设备会定时向卫星发送位置信息，GPS接收器可以收集卫星返回的数据，从而获取车辆的定位信息；
S5.2、根据S4.2数据校正完毕的空间结合S5.1采集的汽车行驶路线信息进行结合预测，提供车辆自动驾驶决策。利用融合后的三维环境模型进行环境感知，基于融合后的三维环境模型，利用深度学习进行三维物体检测。目标是识别和定位在环境中的障碍物，包括行人、交通标志、车辆等，这可以通过基于点云的物体检测和传统目标识别技术实现。
道路分割：
根据融合后的三维环境模型，可以识别出道路区域，并移除影响车辆行驶的障碍物如行人、车辆等，可实现车辆在异构城市和乡村道路等多种不同行驶环境中更靠谱的行车状态管理。
车道线检测：
车道线识别依赖于数据的准确性和车辆本身的行驶状态，借助融合后的三维环境模型，建立车辆周围的道路数据，以提高车辆的稳态控制和转弯时的准确性例如进行障碍物检测、道路分割、车道线识别等，为自动驾驶决策和控制提供准确的环境信息；
本发明的目的之二在于，提供了车辆三维点云图像融合***，包括上述中任意一项的车辆三维点云图像融合方法，包括图像采集单元10、异常发送单元20、特征提取单元30、融合分析单元40以及行驶预测单元50；
图像采集单元10用于采集融合区域的图像信息，并对图像信息进行检测；
异常发送单元20用于对图像信息检测结果，对车辆发送异常预警信息；
特征提取单元30用于对采集的图像信息进行特征提取，并根据图像提取的结果寻找范围内的其他图像信息，并对其他图像信息结合图像信息进行分析；
融合分析单元40用于将分析结果结合融合区域内的图像信息进行融合分析；
行驶预测单元50用于将图像融合分析数据结合汽车行驶路线进行预测，提供行驶方案。
以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的仅为本发明的优选例，并不用来限制本发明，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。
Claims (9)
1.一种车辆三维点云图像融合方法，其特征在于：包括如下步骤：
S1、以车辆为中心，向外扩展出融合区域，采集融合区域的图像信息，并对图像信息进行检测；
S2、基于S1对图像信息检测结果，对车辆发送异常预警信息；
S3、对S1采集的图像信息进行特征提取，并根据图像提取的结果寻找范围内的其他图像信息，并对其他图像信息结合图像信息进行分析；
S4、基于S3的分析结果将融合区域内的图像信息进行融合分析；
S5、基于S4的对图像融合分析数据，对其结合汽车行驶路线进行预测，提供行驶方案。
2.根据权利要求1所述的车辆三维点云图像融合方法，其特征在于：所述S1对图像信息进行检测的步骤如下：
S1.1、根据周围环境对车辆正常行驶影响程度规划一片融合区域；
S1.2、实时采集以车辆为中心的融合区域的图像信息，并对采集的图像信息进行清晰度评估。
3.根据权利要求2所述的车辆三维点云图像融合方法，其特征在于：所述S1.2对采集的图像信息进行清晰度评估的表达式如下：
；
其中，A是基于傅里叶变换的清晰度评估方法，用于评估图像中高频信息的存在程度，计算方式为：
；
其中，I代表提取出来的像素信息，FFT代表对其进行傅里叶变换后得到的频谱，Mean代表频谱的平均值；
B是基于梯度信息的清晰度评估方法，用于评估图像中梯度信息的强度，计算方式为：
；
其中，Laplacian代表对像素信息进行拉普拉斯算子计算后得到的梯度信息，S为清晰度得分。
4.根据权利要求2所述的车辆三维点云图像融合方法，其特征在于：所述S3对其他图像信息结合图像信息进行分析的步骤如下：
S3.1、对S1.2采集融合区域的图像信息进行特征提取，并根据相邻位置将图像进行匹配分类；
S3.2、将S3.1匹配分类完毕的图像进行结合评估，根据评估结果判断摄像范围覆盖该融合区域。
5.根据权利要求4所述的车辆三维点云图像融合方法，其特征在于：所述S4将融合区域内的图像信息进行融合分析的步骤如下：
S4.1、根据S3.2的判断结果使用点云图像融合将该融合区域内的图像数据进行融合；
S4.2、将图像数据投影进入S4.1融合内的空间中进行数据校正。
6.根据权利要求5所述的车辆三维点云图像融合方法，其特征在于：所述S4.1使用点云图像融合将该融合区域内的图像数据进行融合的表达式如下：
；
其中，PC代表汽车采集的点云数据，Image代表对应点云位置的图像数据，将二者进行融合得到的就是P，B代表高精度的三维环境模型。
7.根据权利要求5所述的车辆三维点云图像融合方法，其特征在于：所述S4.2将图像数据投影进入S4.1融合内的空间中进行数据校正的表达式如下：
道路边缘：
；
其中，dS代表点云数据的深度，dI代表图像数据的梯度信息；
车道线：
；
其中，Cleval代表车道线坡度的评估函数，th代表车道线的阈值，将数据输入三维环境模型中替换对应图像数据，从而对三维环境模型中的道路边缘和车道线数据进行补充和校正。
8.根据权利要求5所述的车辆三维点云图像融合方法，其特征在于：所述S5根据预测结果对车辆行驶环境信息进行提供的步骤如下：
S5.1、采集汽车行驶路线信息；
S5.2、根据S4.2数据校正完毕的空间结合S5.1采集的汽车行驶路线信息进行结合预测，提供车辆自动驾驶决策。
9.用于实现车辆三维点云图像融合***，包括权利要求1-8中任意一项所述的车辆三维点云图像融合方法，其特征在于：包括图像采集单元（10）、异常发送单元（20）、特征提取单元（30）、融合分析单元（40）以及行驶预测单元（50）；
所述图像采集单元（10）用于采集融合区域的图像信息，并对图像信息进行检测；
所述异常发送单元（20）用于对图像信息检测结果，对车辆发送异常预警信息；
所述特征提取单元（30）用于对采集的图像信息进行特征提取，并根据图像提取的结果寻找范围内的其他图像信息，并对其他图像信息结合图像信息进行分析；
所述融合分析单元（40）用于将分析结果结合融合区域内的图像信息进行融合分析；
所述行驶预测单元（50）用于将图像融合分析数据结合汽车行驶路线进行预测，提供行驶方案。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311465599.1A CN117197019A (zh) | 2023-11-07 | 2023-11-07 | 一种车辆三维点云图像融合方法及*** |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311465599.1A CN117197019A (zh) | 2023-11-07 | 2023-11-07 | 一种车辆三维点云图像融合方法及*** |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117197019A true CN117197019A (zh) | 2023-12-08 |
Family
ID=88998292
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311465599.1A Pending CN117197019A (zh) | 2023-11-07 | 2023-11-07 | 一种车辆三维点云图像融合方法及*** |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117197019A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117911829A (zh) * | 2024-03-15 | 2024-04-19 | 山东商业职业技术学院 | 车辆导航的点云图像融合方法及*** |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112509333A (zh) * | 2020-10-20 | 2021-03-16 | 智慧互通科技股份有限公司 | 一种基于多传感器感知的路侧停车车辆轨迹识别方法及*** |
| CN114842438A (zh) * | 2022-05-26 | 2022-08-02 | 重庆长安汽车股份有限公司 | 用于自动驾驶汽车的地形检测方法、***及可读存储介质 |
| CN115187964A (zh) * | 2022-09-06 | 2022-10-14 | 中诚华隆计算机技术有限公司 | 基于多传感器数据融合的自动驾驶决策方法及SoC芯片 |
| CN115876198A (zh) * | 2022-11-28 | 2023-03-31 | 烟台艾睿光电科技有限公司 | 基于数据融合的目标检测及预警方法、设备、***和介质 |
| CN116363100A (zh) * | 2023-03-31 | 2023-06-30 | 东软睿驰汽车技术（上海）有限公司 | 图像质量评价方法、装置、设备及存储介质 |
-
2023
- 2023-11-07 CN CN202311465599.1A patent/CN117197019A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112509333A (zh) * | 2020-10-20 | 2021-03-16 | 智慧互通科技股份有限公司 | 一种基于多传感器感知的路侧停车车辆轨迹识别方法及*** |
| CN114842438A (zh) * | 2022-05-26 | 2022-08-02 | 重庆长安汽车股份有限公司 | 用于自动驾驶汽车的地形检测方法、***及可读存储介质 |
| CN115187964A (zh) * | 2022-09-06 | 2022-10-14 | 中诚华隆计算机技术有限公司 | 基于多传感器数据融合的自动驾驶决策方法及SoC芯片 |
| CN115876198A (zh) * | 2022-11-28 | 2023-03-31 | 烟台艾睿光电科技有限公司 | 基于数据融合的目标检测及预警方法、设备、***和介质 |
| CN116363100A (zh) * | 2023-03-31 | 2023-06-30 | 东软睿驰汽车技术（上海）有限公司 | 图像质量评价方法、装置、设备及存储介质 |
Non-Patent Citations (1)
| Title |
|---|
| 朱孔凤 等: "《2004年全国光电技术学术交流会论文集 下》", 中国宇航学会光电技术专业委员会, pages: 992 - 993 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117911829A (zh) * | 2024-03-15 | 2024-04-19 | 山东商业职业技术学院 | 车辆导航的点云图像融合方法及*** |
| CN117911829B (zh) * | 2024-03-15 | 2024-05-31 | 山东商业职业技术学院 | 车辆导航的点云图像融合方法及*** |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| EP3171292B1 (en) | Driving lane data processing method, device, storage medium and apparatus | |
| CN110069986B (zh) | 一种基于混合模型的交通信号灯识别方法及*** | |
| US8634593B2 (en) | Pixel-based texture-less clear path detection | |
| US8452053B2 (en) | Pixel-based texture-rich clear path detection | |
| US8611585B2 (en) | Clear path detection using patch approach | |
| US8699754B2 (en) | Clear path detection through road modeling | |
| CN105718872B (zh) | 两侧车道快速定位及检测车辆偏转角度的辅助方法及*** | |
| CN110619279B (zh) | 一种基于跟踪的路面交通标志实例分割方法 | |
| CN105488454A (zh) | 基于单目视觉的前方车辆检测与测距 | |
| CN105654732A (zh) | 一种基于深度图像的道路监控***及方法 | |
| CN107909012B (zh) | 一种基于视差图的实时车辆跟踪检测方法与装置 | |
| CN114359181B (zh) | 一种基于图像和点云的智慧交通目标融合检测方法及*** | |
| CN115049700A (zh) | 一种目标检测方法及装置 | |
| CN112329623A (zh) | 雾天能见度检测与能见度安全等级划分预警方法 | |
| CN104902261A (zh) | 用于低清晰度视频流中的路面识别的装置和方法 | |
| CN115717894A (zh) | 一种基于gps和普通导航地图的车辆高精度定位方法 | |
| CN117197019A (zh) | 一种车辆三维点云图像融合方法及*** | |
| CN103310199A (zh) | 基于高分辨率遥感数据的车辆型号识别方法 | |
| CN113837094A (zh) | 基于全色高分遥感图像的路况快捷分析方法 | |
| CN113034378A (zh) | 一种区分电动汽车与燃油汽车的方法 | |
| CN117130010B (zh) | 用于无人驾驶的障碍物感知方法、***及无人驾驶汽车 | |
| CN110909656A (zh) | 一种雷达与摄像机融合的行人检测方法和*** | |
| CN116901089B (zh) | 一种多角度视距的机器人控制方法及*** | |
| CN116631187B (zh) | 一种案件现场勘查信息智能采集分析*** | |
| CN114841910A (zh) | 车载镜头遮挡识别方法及装置 |
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 |