CN117604859A - 一种基于激光雷达与视觉融合的智能3d路面病害检测***及方法 - Google Patents

一种基于激光雷达与视觉融合的智能3d路面病害检测***及方法 Download PDF

Info

Publication number
CN117604859A
CN117604859A CN202311445456.4A CN202311445456A CN117604859A CN 117604859 A CN117604859 A CN 117604859A CN 202311445456 A CN202311445456 A CN 202311445456A CN 117604859 A CN117604859 A CN 117604859A
Authority
CN
China
Prior art keywords
laser radar
disease
pavement
intelligent
camera
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
Application number
CN202311445456.4A
Other languages
English (en)
Inventor
沈洋
莫洪柳
刘昆
卢普南
熊峰
胡靖�
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Jiangxi Jiujiang Yangtze River Highway Bridge Co ltd
Original Assignee
Jiangxi Jiujiang Yangtze River Highway Bridge Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Jiangxi Jiujiang Yangtze River Highway Bridge Co ltd filed Critical Jiangxi Jiujiang Yangtze River Highway Bridge Co ltd
Priority to CN202311445456.4A priority Critical patent/CN117604859A/zh
Publication of CN117604859A publication Critical patent/CN117604859A/zh
Pending legal-status Critical Current

Links

Classifications

    • E—FIXED CONSTRUCTIONS
    • E01—CONSTRUCTION OF ROADS, RAILWAYS, OR BRIDGES
    • E01C—CONSTRUCTION OF, OR SURFACES FOR, ROADS, SPORTS GROUNDS, OR THE LIKE; MACHINES OR AUXILIARY TOOLS FOR CONSTRUCTION OR REPAIR
    • E01C23/00—Auxiliary devices or arrangements for constructing, repairing, reconditioning, or taking-up road or like surfaces
    • E01C23/01—Devices or auxiliary means for setting-out or checking the configuration of new surfacing, e.g. templates, screed or reference line supports; Applications of apparatus for measuring, indicating, or recording the surface configuration of existing surfacing, e.g. profilographs
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B11/00—Measuring arrangements characterised by the use of optical techniques
    • G01B11/02—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B11/00—Measuring arrangements characterised by the use of optical techniques
    • G01B11/22—Measuring arrangements characterised by the use of optical techniques for measuring depth
    • 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
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/86—Combinations of lidar systems with systems other than lidar, radar or sonar, e.g. with direction finders
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/88—Lidar systems specially adapted for specific applications
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/60—Control of cameras or camera modules
    • H04N23/67—Focus control based on electronic image sensor signals

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Electromagnetism (AREA)
  • Signal Processing (AREA)
  • Chemical & Material Sciences (AREA)
  • Structural Engineering (AREA)
  • Civil Engineering (AREA)
  • Architecture (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Multimedia (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Optical Radar Systems And Details Thereof (AREA)
  • Length Measuring Devices By Optical Means (AREA)

Abstract

本发明涉及路面病害检测技术领域，公开了一种基于激光雷达与视觉融合的智能3D路面病害检测***，包括：硬件***：顶激光雷达，固定于车辆顶端；摄像头，固定于车辆顶端，用于拍摄路面视频；横竖导轨，安装于车辆底盘，用于控制底激光雷达的位置；底激光雷达，设置于横竖导轨上，到达合适位置时对路面病害进行采样。本发明通过视觉分析路面病害发生以后，配合一个激光雷达判断病害位置，并根据车速得出另一个激光雷达的合适位置，使车底经过该病害时，使该激光雷达可以以合理角度去测量裂缝深度，相较于现有技术，本发明以3D的方式实现路面病害的检测，可以准确获取路面病害的强度。

Description

一种基于激光雷达与视觉融合的智能3D路面病害检测***及 方法
技术领域
本发明涉及路面病害检测技术领域，具体为一种基于激光雷达与视觉融合的智能3D路面病害检测***及方法。
背景技术
公路运输是最常用的运输方式，随着路面使用年限增加，公路会出现各种病害，例如：裂纹、坑槽、沉陷等，这会对人们出行安全和货物及时流通等产生影响，严重的公路病害甚至会威胁驾驶人员以及乘客的安全。
传统的路面检测为人工检测，非常费时费力，并且存在精度差、危险性高及影响交通等问题。目前将路面检测智能化，利用照相机等采集设备采集公路路面信息，然后通过计算机程序进行病害的检测，能够避免交通堵塞、且提高检测效率。
现有专利(公开号：CN113256601B)路面病害检测方法，属于图像处理技术领域。包括：建立检测模型，所述检测模型中的CSPNet特征提取单元中的Bottleneck瓶颈层结构单元依次包括第一1*1标准卷积处理单元、第一3*3标准卷积处理单元、第一卷积结果相加单元、第二1*1标准卷积处理单元、第二3*3标准卷积处理单元、第二卷积结果相加单元；获取待检测图像，所述待检测图像为包含路面病害的图片；将所述待检测图像输入所述检测模型；通过所述检测模型分析所述待检测图像，得出检测结果，所述检测结果包括路面病害位置信息和路面病害类型信息。本发明还提供路面病害检测***。
在实现本发明的过程中，发明人发现现有技术中至少存在如下问题没有得到解决：目前市面上的路面病害检测设备大部分通过2d的图像检测，完成病害检测，无法准确描述病害强度。
发明内容
本发明的目的在于提供一种基于激光雷达与视觉融合的智能3D路面病害检测***及方法，以解决背景技术中所提出的问题。
为实现上述目的，本发明提供如下技术方案：一种基于激光雷达与视觉融合的智能3D路面病害检测***，包括：
硬件***：
顶激光雷达，固定于车辆顶端；
摄像头，固定于车辆顶端，用于拍摄路面视频；
横竖导轨，安装于车辆底盘，用于控制底激光雷达的位置；
底激光雷达，设置于横竖导轨上，到达合适位置时对路面病害进行采样；
软件***：
摄像头数据采集模块，进行摄像头的图像数据采集；
图像分析模块，用于分析图像中是否存在道路缺陷；
前视感知模块，当判定缺陷发生后，顶激光雷达来测量病害距离；
计算模块，用于计算底激光雷达合理位置；
激光雷达位置控制模块，并控制底激光雷达到合适位置对路面病害进行采样；
点云分析模块，通过底激光雷达采集结果分析得出病害长度、宽度、以及深度。
作为本发明的一种优选实施方式，还包括摄像头焦距调整模块，需要调整的焦距参数，可发送给摄像头焦距调整模块对摄像头微调操作，其中摄像头为激光对焦摄像头微调操作。
作为本发明的一种优选实施方式，所述横竖导轨包括横向电动滑台和竖向电动滑台，竖向电动滑台设置在横向电动滑台的驱动端，底激光雷达设置在竖向电动滑台的驱动端。
作为本发明的一种优选实施方式，所述图像分析模块通过AI模型分析图像中是否存在道路缺陷，所述AI模型由不同场景下的大量缺陷图片通过AI训练得出。
一种基于激光雷达与视觉融合的智能3D路面病害检测方法，采用一种基于激光雷达与视觉融合的智能3D路面病害检测***，包括以下步骤：
S1，摄像头采集路面视频；
S2，路面视频传输至图像分析模块中；
S3，计算是否存在路面病害；
S4，当检测到路面病害时，顶激光雷达启动测量病害距离；
S5，计算底激光雷达合适测量位置；
S6，控制底激光雷达运动到合适位置；
S7，底激光雷达到达合适位置时，采集病害位置的病害深度以及长宽。
作为本发明的一种优选实施方式，所述S5中，底激光雷达合适的测量位置，通过车身速度叠加顶雷达所得病害距离得出。
作为本发明的一种优选实施方式，所述步骤S2中，还包括对图像分析模块导入自定义的缺陷模型信息，该信息是由不同场景下的大量缺陷图片由AI训练得出。
与现有技术相比，本发明提供了一种基于激光雷达与视觉融合的智能3D路面病害检测***及方法，具备以下有益效果：
该一种基于激光雷达与视觉融合的智能3D路面病害检测***及方法，通过视觉分析路面病害发生以后，配合一个激光雷达判断病害位置，并根据车速得出另一个激光雷达的合适位置，使车底经过该病害时，使该激光雷达可以以合理角度去测量裂缝深度，相较于现有技术，本发明以3D的方式实现路面病害的检测，可以准确获取路面病害的强度。
附图说明
通过阅读参照以下附图对非限制性实施例所作的详细描述，本发明的其它特征、目的和优点将会变得更明显：
图1为本发明一种基于激光雷达与视觉融合的智能3D路面病害检测***示意框图；
图2为本发明一种基于激光雷达与视觉融合的智能3D路面病害检测方法的流程示意图；
图3为本发明一种基于激光雷达与视觉融合的智能3D路面病害检测方法的法向量投影法示意图。
图中：1、顶激光雷达；2、摄像头；3、横竖导轨；4、底激光雷达；5、摄像头数据采集模块；6、图像分析模块；7、前视感知模块；8、激光雷达位置控制模块；9、点云分析模块；10、摄像头焦距调整模块。
具体实施方式
为了更好地了解本发明的目的、结构及功能，下面结合附图，对本发明一种基于激光雷达与视觉融合的智能3D路面病害检测***及方法做进一步详细的描述。
如图1所示，本发明提供一种技术方案：一种基于激光雷达与视觉融合的智能3D路面病害检测***，包括：
硬件***：
顶激光雷达1，固定于车辆顶端；
摄像头2，固定于车辆顶端，用于拍摄路面视频；
横竖导轨3，安装于车辆底盘，用于控制底激光雷达4的位置；
底激光雷达4，设置于横竖导轨3上，到达合适位置时对路面病害进行采样；
软件***：
摄像头数据采集模块5，进行摄像头2的图像数据采集；
图像分析模块6，用于分析图像中是否存在道路缺陷；
前视感知模块7，当判定缺陷发生后，顶激光雷达1来测量病害距离；
计算模块11，用于计算底激光雷达4合理位置；
激光雷达位置控制模块8，并控制底激光雷达4到合适位置对路面病害进行采样；
本实施例中，所述横竖导轨3包括横向电动滑台和竖向电动滑台，竖向电动滑台设置在横向电动滑台的驱动端，底激光雷达4设置在竖向电动滑台的驱动端。
例如，车辆行进过程中，检测到路面有病害发生，先通过顶激光雷达1获取到距离，通过当前车身速度叠加底激光雷达4位置信息由位置计算模块11计算底激光雷达4需要移动到的位置，从而使底激光雷达4尽量在裂缝、坑槽的法平面上进行数据采集；
在另一个实施例中，车辆行进过程中，检测到路面有横向裂缝产生，底激光雷达4移动到平行于前进方向的导轨上，当底激光雷达4位于裂缝法线方向时，对横向裂缝进行扫描。获取到裂缝深度。
在另一个实施例中，车辆行进过程中，检测到路面有坑槽产生，但是坑槽位置在车左边，车身无法覆盖，因此将底激光雷达4置于横向电动滑台的最左端，在车辆横向导轨延长线穿过坑槽中心时进行数据采集，从而得到裂缝深度；
点云分析模块9，通过底激光雷达4采集结果分析得出病害长度、宽度、以及深度。
本实施例中，还包括摄像头焦距调整模块10，需要调整的焦距参数，可发送给摄像头焦距调整模块10对摄像头2微调操作，其中摄像头2为激光对焦摄像头2微调操作。
本实施例中，所述图像分析模块6通过AI模型分析图像中是否存在道路缺陷，所述AI模型由不同场景下的大量缺陷图片通过AI训练得出。
如图2所示，本发明该提供一种技术方案：一种基于激光雷达与视觉融合的智能3D路面病害检测方法，采用一种基于激光雷达与视觉融合的智能3D路面病害检测***，包括以下步骤：
S1，摄像头2采集路面视频；
S2，路面视频传输至图像分析模块6中；
S3，计算是否存在路面病害；
S4，当检测到路面病害时，顶激光雷达1启动测量病害距离；
S5，计算底激光雷达4合适测量位置；
S6，控制底激光雷达4运动到合适位置；
S7，底激光雷达4到达合适位置时，采集病害位置的病害深度以及长宽。
本实施例中，所述S5中，底激光雷达4合适的测量位置，通过车身速度叠加顶雷达所得病害距离得出，具体过程为：
设定：
最佳拍摄角度为病害法线方向；
车速为V，以顶激光雷达计算横向距离为Lx，纵向距离为Ly；
设底激光雷达运动速度为Vx1，Vy1；
当前底激光雷达距离为Lx0，Ly0；
而底激光雷达的最佳拍摄点为Lx1＝0，Ly1＝0，此时底激光雷达位于病害正上方；
因此使：
Ly/V＝(Ly-Ly0)/(V-Vy1)；
Lx/V＝Lx0/Vx1；
若不能达到该状态，则使：
Lx1＝0或者Ly1＝0，并尽量使距离最小。
本实施例中，所述步骤S2中，还包括对图像分析模块6导入自定义的缺陷模型信息，该信息是由不同场景下的大量缺陷图片由AI训练得出。
本实施例中，通过底激光雷达4激光点云采集结果进行3D建模，建模后通过法向量投影法分析得出病害长度、宽度、以及深度，其中，法向量投影法(如图3所示)如下：
U＝{-sin(theta),cos(theta),0}
V＝{cos(theta)*sin(phi),sin(theta)*sin(phi),cos(phi)}
Center＝{cos(theta)*cos(phi),sin(theta)*cos(phi),sin(phi)}*r
每个点P在平面自身上的投影坐标[U,V]由下式给出
[x',y']＝[dot(P-Center,U),dot(P-Center,V)]。
通过对竖直方向的平面进行投影即可得到该点云的最大深度；
通过对水平方向的平面进行投影即可得到点云的长度以及宽度。
本发明通过视觉分析路面病害发生以后，配合一个激光雷达判断病害位置，并根据车速得出另一个激光雷达的合适位置，使车底经过该病害时，使该激光雷达可以以合理角度去测量裂缝深度，相较于现有技术，本发明以3D的方式实现路面病害的检测，可以准确获取路面病害的强度。
可以理解，本发明是通过一些实施例进行描述的，本领域技术人员知悉的，在不脱离本发明的精神和范围的情况下，可以对这些特征和实施例进行各种改变或等效替换。另外，在本发明的教导下，可以对这些特征和实施例进行修改以适应具体的情况及材料而不会脱离本发明的精神和范围。因此，本发明不受此处所公开的具体实施例的限制，所有落入本申请的权利要求范围内的实施例都属于本发明所保护的范围内。

Claims (8)

1.一种基于激光雷达与视觉融合的智能3D路面病害检测***，其特征在于：包括：
硬件***：
顶激光雷达(1)，固定于车辆顶端；
摄像头(2)，固定于车辆顶端，用于拍摄路面视频；
横竖导轨(3)，安装于车辆底盘，用于控制底激光雷达(4)的位置；
底激光雷达(4)，设置于横竖导轨(3)上，到达合适位置时对路面病害进行采样；
软件***：
摄像头数据采集模块(5)，进行摄像头(2)的图像数据采集；
图像分析模块(6)，用于分析图像中是否存在道路缺陷；
前视感知模块(7)，当判定缺陷发生后，顶激光雷达(1)来测量病害距离；
计算模块(11)，用于计算底激光雷达(4)合理位置；
激光雷达位置控制模块(8)，并控制底激光雷达(4)到合适位置对路面病害进行采样；
点云分析模块(9)，通过底激光雷达(4)激光点云采集结果进行3D建模，建模后通过法向量投影法分析得出病害长度、宽度、以及深度。
2.根据权利要求1所述的一种基于激光雷达与视觉融合的智能3D路面病害检测***，其特征在于：还包括摄像头焦距调整模块(10)，需要调整的焦距参数，可发送给摄像头焦距调整模块(10)对摄像头(2)微调操作，其中摄像头(2)为激光对焦摄像头(2)微调操作。
3.根据权利要求1所述的一种基于激光雷达与视觉融合的智能3D路面病害检测***，其特征在于：所述横竖导轨(3)包括横向电动滑台和竖向电动滑台，竖向电动滑台设置在横向电动滑台的驱动端，底激光雷达(4)设置在竖向电动滑台的驱动端。
4.根据权利要求1所述的一种基于激光雷达与视觉融合的智能3D路面病害检测***，其特征在于：所述图像分析模块(6)通过AI模型分析图像中是否存在道路缺陷，所述AI模型由不同场景下的大量缺陷图片通过AI训练得出。
5.一种基于激光雷达与视觉融合的智能3D路面病害检测方法，采用权利要求1-4中任一项所述的一种基于激光雷达与视觉融合的智能3D路面病害检测***，其特征在于：包括以下步骤：
S1，摄像头(2)采集路面视频；
S2，路面视频传输至图像分析模块(6)中；
S3，计算是否存在路面病害；
S4，当检测到路面病害时，顶激光雷达(1)启动测量病害距离；
S5，计算底激光雷达(4)合适测量位置；
S6，控制底激光雷达(4)运动到合适位置；
S7，底激光雷达(4)到达合适位置时，采集病害位置的病害深度以及长宽。
6.根据权利要求5所述的一种基于激光雷达与视觉融合的智能3D路面病害检测方法，其特征在于：所述S5中，底激光雷达(4)合适的测量位置，通过车身速度叠加顶雷达所得病害距离得出，具体过程为：
设定：
最佳拍摄角度为病害法线方向；
车速为V，以顶激光雷达计算横向距离为Lx，纵向距离为Ly；
设底激光雷达运动速度为Vx1，Vy1；
当前底激光雷达距离为Lx0，Ly0；
而底激光雷达的最佳拍摄点为Lx1＝0，Ly1＝0，此时底激光雷达位于病害正上方；
因此使：
Ly/V＝(Ly-Ly0)/(V-Vy1)；
Lx/V＝Lx0/Vx1；
若不能达到该状态，则使：
Lx1＝0或者Ly1＝0，并尽量使距离最小。
7.根据权利要求5所述的一种基于激光雷达与视觉融合的智能3D路面病害检测方法，其特征在于：所述步骤S2中，还包括对图像分析模块(6)导入自定义的缺陷模型信息，该信息是由不同场景下的大量缺陷图片由AI训练得出。
8.根据权利要求5所述的一种基于激光雷达与视觉融合的智能3D路面病害检测方法，其特征在于：
通过底激光雷达(4)激光点云采集结果进行3D建模，建模后通过法向量投影法分析得出病害长度、宽度、以及深度，其中，法向量投影法如下：
U＝{-sin(theta),cos(theta),0}
V＝{cos(theta)*sin(phi),sin(theta)*sin(phi),cos(phi)}
Center＝{cos(theta)*cos(phi),sin(theta)*cos(phi),sin(phi)}*r
每个点P在平面自身上的投影坐标[U,V]由下式给出
[x',y']＝[dot(P-Center,U),dot(P-Center,V)]。
CN202311445456.4A 2023-11-02 2023-11-02 一种基于激光雷达与视觉融合的智能3d路面病害检测***及方法 Pending CN117604859A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311445456.4A CN117604859A (zh) 2023-11-02 2023-11-02 一种基于激光雷达与视觉融合的智能3d路面病害检测***及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311445456.4A CN117604859A (zh) 2023-11-02 2023-11-02 一种基于激光雷达与视觉融合的智能3d路面病害检测***及方法

Publications (1)

Publication Number Publication Date
CN117604859A true CN117604859A (zh) 2024-02-27

Family

ID=89952452

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311445456.4A Pending CN117604859A (zh) 2023-11-02 2023-11-02 一种基于激光雷达与视觉融合的智能3d路面病害检测***及方法

Country Status (1)

Country Link
CN (1) CN117604859A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117824505A (zh) * 2024-03-05 2024-04-05 四川京炜交通工程技术有限公司 一种公路护栏梁板中心离地高度快速检测装置

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117824505A (zh) * 2024-03-05 2024-04-05 四川京炜交通工程技术有限公司 一种公路护栏梁板中心离地高度快速检测装置
CN117824505B (zh) * 2024-03-05 2024-05-07 四川京炜交通工程技术有限公司 一种公路护栏梁板中心离地高度快速检测装置

Similar Documents

Publication Publication Date Title
CN105206109B (zh) 一种基于红外ccd的车辆雾天识别预警***及方法
JP6154001B2 (ja) 道路走行面の形状を調査する装置
TWI408625B (zh) 車輛追蹤系統及其方法
CN102175700B (zh) 数字x射线图像焊缝分割和缺陷检测方法
CN102788803B (zh) 列车轮对踏面和轮缘在线高速检测***及其检测方法
CN104517283B (zh) 用于车辆上摄像机的在线校准的***、车辆和方法
CN103714343B (zh) 线激光器照明条件下双线阵相机采集的路面图像拼接及匀化方法
EP1890264B1 (en) Vehicle, image processing system, image processing method, image processing program, image processing system configuration method, and server
CN117604859A (zh) 一种基于激光雷达与视觉融合的智能3d路面病害检测***及方法
CN102749336B (zh) 一种基于结构光的表面缺陷高速检测***及其检测方法
KR20140109990A (ko) 3d 카메라를 사용한 차량 주변의 높이 윤곽 확인
CN113310987B (zh) 一种隧道衬砌表面检测***及方法
CN103196418A (zh) 一种弯道车距测量方法
CN111967360A (zh) 基于车轮的目标车辆姿态检测方法
CN106778534A (zh) 一种车辆行驶中周围环境灯光识别方法
CN103481842B (zh) 一种车辆检测与跟踪模式的切换方法
CN111694011A (zh) 一种摄像机和三维激光雷达数据融合的路沿检测方法
CN107945518A (zh) 无队列的激光式车型识别装置和识别方法
CN107621229B (zh) 基于面阵黑白相机的实时铁路轨道宽度测量***及方法
CN112883778B (zh) 一种基于计算机视觉的道路井盖高差识别方法及设备
JPH07244717A (ja) 車両用走行環境認識装置
CN101050962A (zh) 汽车物理特征参数的测量方法
CN114612731A (zh) 一种用于道路平整度检测的智能识别方法及***
JPH07128059A (ja) 車両位置検出装置
CN210269898U (zh) 一种双目视觉汽车车速捕捉***

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