CN117765417A - 一种基于无人机的共享车辆巡检方法、装置及存储介质 - Google Patents
一种基于无人机的共享车辆巡检方法、装置及存储介质 Download PDFInfo
- Publication number
- CN117765417A CN117765417A CN202311763758.6A CN202311763758A CN117765417A CN 117765417 A CN117765417 A CN 117765417A CN 202311763758 A CN202311763758 A CN 202311763758A CN 117765417 A CN117765417 A CN 117765417A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- parking frame
- parking
- acquiring
- real
- 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
- 238000007689 inspection Methods 0.000 title claims abstract description 63
- 238000000034 method Methods 0.000 title claims abstract description 44
- 238000012423 maintenance Methods 0.000 claims abstract description 8
- 238000004422 calculation algorithm Methods 0.000 claims description 24
- 238000001514 detection method Methods 0.000 claims description 14
- 238000002372 labelling Methods 0.000 claims description 13
- 238000004590 computer program Methods 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000012549 training Methods 0.000 claims description 3
- 238000007726 management method Methods 0.000 description 4
- 239000003086 colorant Substances 0.000 description 3
- 238000009825 accumulation Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
Landscapes
- Traffic Control Systems (AREA)
Abstract
本发明属于路面巡检及管理技术领域，具体涉及一种基于无人机的共享车辆巡检方法、装置及存储介质。包括：S1、获取预设巡检路线上的视频采集数据，从视频采集数据中获取目标图像集；S2、根据目标图像集获取目标标签数据集，根据目标图像集以及目标标签数据集获得停车框周边车辆停放识别模型或共享车辆行驶识别模型；S3、获取巡检路线上的实时视频数据，并将实时视频数据输入停车框周边车辆停放识别模型中，获取识别结果，将识别结果显示、标注在实时视频数据上，并输出工单；S4、将工单发送至运维人员。本发明能够有效减少人工巡检的劳动强度，且准确、及时的反馈车辆摆放结果或车辆行驶结果。
Description
技术领域
本发明属于路面巡检及管理技术领域，具体涉及一种基于无人机的共享车辆巡检方法、装置及存储介质。
背景技术
出行通常会使用交通工具，近几年出现新的代步工具—共享交通工具，包括共享单车、共享电动车、共享汽车等；为便于共享交通工具的管理，共享交通工具通常设置固定的停车位置，人们使用时从固定停车位置取车，使用后将车辆就近停放在其他固定停车位，车辆不断流通使用，为人们出行提供便利。但是共享单车或者共享电动车数量众多、分散，虽然设置了固定停车位，但是仍然存在车辆停放位置不合理，进而影响环境秩序。因此，需要定期巡视并管理共享车辆。
但是由于车辆数量众多，管理难度较大，在进行路面巡检时，由于管理辖区面积较大，环境复杂，人工难以短时间巡查全部路线，从而不能准时、准确地发现共享车辆在停车框的淤积情况，进而巡视效率较低；另外，共享车辆在使用过程中也难以及时查询到其使用情况，对于多人骑行、逆行等等情况需要及时制止。
因此，亟需提供一种基于无人机的共享车辆巡检方法、装置及存储介质。
发明内容
为了解决现有技术中存在的上述技术问题，本发明提供一种基于无人机的共享车辆巡检方法、装置及存储介质；利用无人机快速获取共享车辆的情况，利用图像识别技术实现巡检。
为实现上述目的，本发明的技术方案如下：
一种基于无人机的共享车辆巡检方法，包括：
S1、获取预设巡检路线上的视频采集数据，从视频采集数据中获取目标图像集；
S2、根据目标图像集获取目标标签数据集，根据目标图像集以及目标标签数据集获得停车框周边车辆停放识别模型或共享车辆行驶识别模型；
S3、获取巡检路线上的实时视频数据，并将实时视频数据输入停车框周边车辆停放识别模型或共享车辆行驶识别模型中，获取识别结果，将识别结果显示、标注在实时视频数据上，并输出工单；
S4、将工单发送至运维人员。
进一步地，步骤S1中利用无人机获取视频采集数据。
进一步地，根据实际运行数据以及车辆淤积违规数据，规划巡检路线。
所述共享车辆巡检方法用于共享车辆摆放巡检时，进一步地，所述目标图像集包括若干目标图像，对目标图像中的停车点位和车辆信息进行标签标注，根据标签标注获得目标标签数据集。
更进一步地，步骤S2中，获得目标标签数据集的具体方法包括：人工对目标图像中的停车框进行识别，并标注停车框的四个顶点；同时对目标图像中的车边界进行识别，并使用矩形边框标注车边界；对目标图像中的车辆进行品牌识别，并标注品牌与车辆特征；停车框顶点位置、车边界矩形边框、品牌及车辆特征组成目标标签数据集。
进一步地，步骤S3中获取识别结果的具体方法包括：
使用对象检测算法，识别停车框、车辆品牌，得到实时视频数据中实时图像的停车框顶点位置以及车辆品牌信息；
使用对象检测算法，识别车头及车尾边界点，得到实时视频数据中实时图像的车边界矩形边框信息；
使用图形学相交检测算法和最近点算法，判断车辆与停车框的相对关系。
更进一步地，使用图形学相交检测算法和最近点算法，判断车辆与停车框的相对关系，具体包括：将停车框的四个顶点按照顺序连线成矩形，判断停车框的矩形与车边界矩形边框有无交点，无交点则识别出车辆停在停车框外。
更进一步地，若停车框的矩形与车边界矩形边框有交点，则获取停车框的矩形与车边界矩形边框的所有交点；根据所有交点以及位于停车框的矩形与车边界矩形边框重合区域内的停车框顶点，构成闭合多边形；计算多边形面积，根据多边形面积判断车辆停在停车框内或停车框外。
更进一步地，多边形面积大于等于车辆边界矩形面积的75％，则判断车辆停在停车框内。
更进一步地，多边形面积的计算方法为：
其中，A表示多边形面积，n表示位于停车框的矩形与车边界矩形边框重合区域内的停车框顶点数量，Xi、Yi分别表示多边形顶点i处的坐标。
进一步地，所述共享车辆巡检方法用于共享车辆行驶巡检时，所述目标图像集包括若干目标图像，对目标图像中的行驶信息进行标签标注，根据标签标注获得目标标签数据集；其中行驶信息包括：是否佩戴头盔、多人骑行、机动车道行驶以及逆行。
本发明还提供一种基于无人机的共享车辆巡检装置，采用上述的基于无人机的共享车辆巡检方法，包括：
获取模块，用于获取巡检路线上的视频采集数据和实时视频数据；
标注模块，用于对目标图像进行标签标注；
训练模块，用于获得停车框周边车辆停放识别模型或共享车辆行驶识别模型；
巡检模块，用于将实时视频数据输入停车框周边车辆停放识别模型或共享车辆行驶识别模型中，获取识别结果，将识别结果显示、标注在实时视频数据上，并输出工单，发送工单至运维人员。
本发明还提供一种计算机可读存储介质，其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上述的基于无人机的共享车辆巡检方法。
相对于现有技术，本发明具有以下有益效果：
本发明提供的基于无人机的共享车辆巡检方法，用于共享车辆摆放巡检时，使用无人机获取的图像数据建立识别模型，识别模型中存储有停车框顶点信息以及车边界信息；实时获取的图像数据输入识别模型中，可以得出实时图像的停车框顶点信息、车边界信息以及车辆品牌信息，之后通过图形学相交检测算法判断车辆是否位于停车框内，达到车辆摆放巡检的目的，有效减少人工巡检的劳动强度，且准确、及时的反馈车辆摆放结果。同时本发明的共享车辆巡检方法，不仅可以用于巡检车辆的摆放情况，还可以采用同样的算法用于车辆行驶巡检，及时巡检车辆违规使用情况，避免事故发生。
本发明提供的基于无人机的共享车辆巡检方法，通过停车框顶点信息以及车辆边界判断车辆摆放情况，能够识别不同角度、不同环境下的停车框，并且无需后续图像处理，识别结果准确且快速。
附图说明
图1为本发明的方法流程示意图。
图2为本发明的装置框架图。
具体实施方式
下面将结合附图说明对本发明的技术方案进行清楚的描述，显然，所描述的实施例并不是本发明的全部实施例，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，都属于本发明的保护范围。
需要说明的是，除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不应被理解为对本发明范围的限制。此外，应当理解，为了便于描述，附图中所示出的各个部件的尺寸并不必然按照实际的比例关系绘制，例如某些单元的厚度、宽度、长度或距离可以相对于其他结构有所放大。
以下对示例性实施例的描述仅仅是说明性的，在任何意义上都不作为对本发明及其应用或使用的任何限制。这里对于相关领域普通技术人员已知的技术、方法和装置可能不作详细讨论，但在适用这些技术、方法和装置情况下，这些技术、方法和装置应当被视为本说明书的一部分。
实施例一
本实施例提供一种基于无人机的共享车辆巡检方法，用于共享车辆的摆放巡检。其中共享车辆可以为共享单车(自行车)、共享电动车，甚至共享汽车；本实施例中，主要针对共享单车和共享电动车进行摆放巡检，如图1所示，具体步骤包括：
S1、获取预设巡检路线上的视频采集数据，从视频采集数据中获取目标图像集；其中，根据实际运行数据以及车辆淤积违规数据，规划巡检路线。实际运行数据包括停车点的运行车辆数量，车辆淤积违规数据为停车点的车辆淤积违规次数；根据历史巡检情况确认实际运行数据和车辆淤积违规数据；如实际运行车辆数量较大且车辆淤积违规次数较多，且确认巡检路线上的离散点，将每个满足条件的停车点串联为巡检长度最短的路线即为巡检路线。
规划好巡检路线后，利用无人机按照规划的巡检路线获取视频采集数据，视频采集数据由多帧目标图像组成，从中获取目标图像集，目标图像集包括若干目标图像，若干目标图像包括多种场景下的图像信息，例如仅有停车框、无车辆停放的情况，既有停车框又有车辆停放且车辆停放在停车框内的情况，或者，既有停车框又有车辆停放但车辆停放在停车框外的情况，甚至没有停车框只有车辆的情况。
S2、根据目标图像集获取目标标签数据集，根据目标图像集以及目标标签数据集获得停车框周边车辆停放识别模型；具体为：对目标图像中的停车点位及车辆信息进行标签标注，根据标签标注获得目标标签数据集。
具体方法包括：人工对目标图像中的停车框进行识别，并标注停车框的四个顶点；同时对目标图像中的车边界进行识别，并使用矩形边框标注车边界；对目标图像中的车辆进行品牌识别，并标注品牌与车辆特征，车辆特征通常可以为颜色，由于不同品牌的车身颜色具有显著差异，因此，将品牌与车辆颜色对应关联，有助于快速确定品牌信息；停车框顶点位置、车边界矩形边框、品牌及车辆特征组成目标标签数据集。
S3、获取巡检路线上的实时视频数据，并将实时视频数据输入停车框周边车辆停放识别模型中，获取识别结果，将识别结果显示、标注在实时视频数据上，并输出工单；
识别模型首先从实时视频数据获取实时图像，针对实时图像，进行识别，具体方法包括：
使用对象检测算法，识别停车框、车辆品牌，得到实时视频数据中实时图像的停车框顶点位置以及车辆品牌信息；其中对象检测算法具体采用yolov5算法，采用yolov5算法获取实时图像中的停车框顶点位置以及车身颜色，通过车身确定车辆品牌信息。
使用对象检测算法，识别车头及车尾边界点，得到实时视频数据中实时图像的车边界矩形边框信息；其中对象检测算法具体采用yolov5算法，采用yolov5算法获取实时图像中的车头及车尾边界，进而得到车辆的矩形边框。
使用图形学相交检测算法和最近点算法，判断车辆与停车框的相对关系。具体包括：将停车框的四个顶点按照顺序连线成矩形，判断停车框的矩形与车边界矩形边框有无交点，无交点则识别出车辆停在停车框外。
若停车框的矩形与车边界矩形边框有交点，则获取停车框的矩形与车边界矩形边框的所有交点；根据所有交点以及位于停车框的矩形与车边界矩形边框重合区域内的停车框顶点，构成闭合多边形；计算多边形面积，根据多边形面积判断车辆停在停车框内或停车框外。
其中，多边形面积大于等于车辆边界矩形面积的75％，则判断车辆停在停车框内。
多边形面积的计算方法为：
其中，A表示多边形面积，n表示位于停车框的矩形与车边界矩形边框重合区域内的停车框顶点数量，Xi、Yi分别表示多边形顶点i处的坐标。此处的坐标以图形左下角为原点，获取多边形各个顶点的坐标值。
最终根据识别结果，统计出每个停车点的车辆摆放情况，包括车辆停在停车框内的数量、停在停车框外的数量以及对应车辆品牌，形成工单。
S4、将工单发送至运维人员。
本实施例基于无人机获取停车点实时图像，通过训练好的模型进行识别，能够快速识别出停车点处共享车辆的摆放情况，进而及时通知运维人员，提高巡检效率和准确度。另外，在共享车辆使用过程中，也可以通过相同的方法对使用行为进行巡检，例如是否佩戴头盔、多人骑行、机动车道行驶以及逆行等。识别之前，先基于无人机获取的车辆使用过程中的多个图像进行人工标注，进行用户正确佩戴头盔信息标注、多人骑行标注、机动车道行驶标注以及车头车尾标注，建立识别模型，然后基于无人机获取共享车辆使用过程中的实时图像，基于实时图像和识别模型进行使用行为识别。针对逆行情况的识别，通过识别车头车尾进行确定，车头车尾确定后，判断车尾至车头的方向和行驶方向是否相同，进而判断是否逆行。
实施例二
本实施例提供一种基于无人机的共享车辆巡检装置，采用实施例一提供的基于无人机的共享车辆巡检方法，如图2所示，包括：
获取模块，用于获取巡检路线上的视频采集数据和实时视频数据；
标注模块，用于对目标图像进行标签标注；
训练模块，用于获得停车框周边车辆停放识别模型或共享车辆行驶识别模型；
巡检模块，用于将实时视频数据输入停车框周边车辆停放识别模型或共享车辆行驶识别模型中，获取识别结果，将识别结果显示、标注在实时视频数据上，并输出工单，发送工单至运维人员。
实施例三
本实施例提供一种计算机可读存储介质，其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实施例一提供的基于无人机的共享车辆巡检方法。
以上具体实施方式仅用以说明本发明的技术方案而非限制，尽管参照实例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的范围，其均应涵盖在本发明的权利要求范围当中。
Claims (10)
1.一种基于无人机的共享车辆巡检方法，其特征在于，包括：
S1、获取预设巡检路线上的视频采集数据，从视频采集数据中获取目标图像集；
S2、根据目标图像集获取目标标签数据集，根据目标图像集以及目标标签数据集获得停车框周边车辆停放识别模型或共享车辆行驶识别模型；
S3、获取巡检路线上的实时视频数据，并将实时视频数据输入停车框周边车辆停放识别模型或共享车辆行驶识别模型中，获取识别结果，将识别结果显示、标注在实时视频数据上，并输出工单；
S4、将工单发送至运维人员。
2.根据权利要求1所述的共享车辆巡检方法，其特征在于，所述共享车辆巡检方法用于共享车辆摆放巡检时，所述目标图像集包括若干目标图像，对目标图像中的停车点位和车辆信息进行标签标注，根据标签标注获得目标标签数据集。
3.根据权利要求2所述的共享车辆巡检方法，其特征在于，步骤S2中，获得目标标签数据集的具体方法包括：人工对目标图像中的停车框进行识别，并标注停车框的四个顶点；同时对目标图像中的车边界进行识别，并使用矩形边框标注车边界；对目标图像中的车辆进行品牌识别，并标注品牌与车辆特征；停车框顶点位置、车边界矩形边框、品牌及车辆特征组成目标标签数据集。
4.根据权利要求2所述的共享车辆巡检方法，其特征在于，步骤S3中获取识别结果的具体方法包括：
使用对象检测算法，识别停车框、车辆品牌，得到实时视频数据中实时图像的停车框顶点位置以及车辆品牌信息；
使用对象检测算法，识别车头及车尾边界点，得到实时视频数据中实时图像的车边界矩形边框信息；
使用图形学相交检测算法和最近点算法，判断车辆与停车框的相对关系。
5.根据权利要求4所述的共享车辆巡检方法，其特征在于，使用图形学相交检测算法和最近点算法，判断车辆与停车框的相对关系，具体包括：将停车框的四个顶点按照顺序连线成矩形，判断停车框的矩形与车边界矩形边框有无交点，无交点则识别出车辆停在停车框外。
6.根据权利要求5所述的共享车辆巡检方法，其特征在于，若停车框的矩形与车边界矩形边框有交点，则获取停车框的矩形与车边界矩形边框的所有交点；根据所有交点以及位于停车框的矩形与车边界矩形边框重合区域内的停车框顶点，构成闭合多边形；计算多边形面积，根据多边形面积判断车辆停在停车框内或停车框外。
7.根据权利要求6所述的共享车辆巡检方法，其特征在于，多边形面积大于等于车辆边界矩形面积的75％，则判断车辆停在停车框内；
多边形面积的计算方法为：
其中，A表示多边形面积，n表示位于停车框的矩形与车边界矩形边框重合区域内的停车框顶点数量，Xi、Yi分别表示多边形顶点i处的坐标。
8.根据权利要求1所述的共享车辆巡检方法，其特征在于，所述共享车辆巡检方法用于共享车辆行驶巡检时，所述目标图像集包括若干目标图像，对目标图像中的行驶信息进行标签标注，根据标签标注获得目标标签数据集；其中行驶信息包括：是否佩戴头盔、多人骑行、机动车道行驶以及逆行。
9.一种基于无人机的共享车辆巡检装置，采用权利要求1-8任一项所述的基于无人机的共享车辆巡检方法，其特征在于，包括：
获取模块，用于获取巡检路线上的视频采集数据和实时视频数据；
标注模块，用于对目标图像进行标签标注；
训练模块，用于获得停车框周边车辆停放识别模型或共享车辆行驶识别模型；
巡检模块，用于将实时视频数据输入停车框周边车辆停放识别模型或共享车辆行驶识别模型中，获取识别结果，将识别结果显示、标注在实时视频数据上，并输出工单，发送工单至运维人员。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1-8任一项所述的基于无人机的共享车辆巡检方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311763758.6A CN117765417B (zh) | 2023-12-20 | 2023-12-20 | 一种基于无人机的共享车辆巡检方法、装置及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311763758.6A CN117765417B (zh) | 2023-12-20 | 2023-12-20 | 一种基于无人机的共享车辆巡检方法、装置及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117765417A true CN117765417A (zh) | 2024-03-26 |
| CN117765417B CN117765417B (zh) | 2024-07-09 |
Family
ID=90317567
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311763758.6A Active CN117765417B (zh) | 2023-12-20 | 2023-12-20 | 一种基于无人机的共享车辆巡检方法、装置及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117765417B (zh) |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20100066515A1 (en) * | 2006-12-28 | 2010-03-18 | Kabushiki Kaisha Toyota Jidoshokki | Parking assistance apparatus, parking assistance apparatus part, parking assist method, parking assist program, vehicle travel parameter calculation method, vehicle travel parameter calculation program, vehicle travel parameter calculation apparatus and vehicle travel parameter calculation apparatus part |
| US20180068564A1 (en) * | 2016-09-05 | 2018-03-08 | Panasonic Intellectual Property Corporation Of America | Parking position identification method, parking position learning method, parking position identification system, parking position learning device, and non-transitory recording medium for recording program |
| CN108510750A (zh) * | 2018-04-25 | 2018-09-07 | 济南浪潮高新科技投资发展有限公司 | 一种基于神经网络模型的无人机巡检违章停车的方法 |
| CN109389829A (zh) * | 2018-11-05 | 2019-02-26 | 湖北民族学院 | 一种违规停车识别方法及*** |
| US20220254251A1 (en) * | 2021-04-28 | 2022-08-11 | Beijing Baidu Netcom Science Technology Co., Ltd. | Method of recognizing illegal parking of vehicle, device and storage medium |
| CN115061490A (zh) * | 2022-05-30 | 2022-09-16 | 广州中科云图智能科技有限公司 | 基于无人机的水库巡检方法、装置、设备以及存储介质 |
| WO2023179416A1 (zh) * | 2022-03-22 | 2023-09-28 | 阿里云计算有限公司 | 确定车辆进出泊位的方法、装置、设备和存储介质 |
| GB202313217D0 (en) * | 2021-03-01 | 2023-10-11 | Du Yuchuan | Multi-target vehicle detection and re-identification method based on radar and video fusion |
-
2023
- 2023-12-20 CN CN202311763758.6A patent/CN117765417B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20100066515A1 (en) * | 2006-12-28 | 2010-03-18 | Kabushiki Kaisha Toyota Jidoshokki | Parking assistance apparatus, parking assistance apparatus part, parking assist method, parking assist program, vehicle travel parameter calculation method, vehicle travel parameter calculation program, vehicle travel parameter calculation apparatus and vehicle travel parameter calculation apparatus part |
| US20180068564A1 (en) * | 2016-09-05 | 2018-03-08 | Panasonic Intellectual Property Corporation Of America | Parking position identification method, parking position learning method, parking position identification system, parking position learning device, and non-transitory recording medium for recording program |
| CN108510750A (zh) * | 2018-04-25 | 2018-09-07 | 济南浪潮高新科技投资发展有限公司 | 一种基于神经网络模型的无人机巡检违章停车的方法 |
| CN109389829A (zh) * | 2018-11-05 | 2019-02-26 | 湖北民族学院 | 一种违规停车识别方法及*** |
| GB202313217D0 (en) * | 2021-03-01 | 2023-10-11 | Du Yuchuan | Multi-target vehicle detection and re-identification method based on radar and video fusion |
| US20220254251A1 (en) * | 2021-04-28 | 2022-08-11 | Beijing Baidu Netcom Science Technology Co., Ltd. | Method of recognizing illegal parking of vehicle, device and storage medium |
| WO2023179416A1 (zh) * | 2022-03-22 | 2023-09-28 | 阿里云计算有限公司 | 确定车辆进出泊位的方法、装置、设备和存储介质 |
| CN115061490A (zh) * | 2022-05-30 | 2022-09-16 | 广州中科云图智能科技有限公司 | 基于无人机的水库巡检方法、装置、设备以及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117765417B (zh) | 2024-07-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108216229B (zh) | 交通工具、道路线检测和驾驶控制方法及装置 | |
| US11688183B2 (en) | System and method of determining a curve | |
| CN110069986B (zh) | 一种基于混合模型的交通信号灯识别方法及*** | |
| CN110765922B (zh) | 一种agv用双目视觉物体检测障碍物*** | |
| CN103308056B (zh) | 一种道路标线检测方法 | |
| CN109782364B (zh) | 基于机器视觉的交通标志牌缺失检测方法 | |
| CN111899515B (zh) | 一种基于智慧道路边缘计算网关的车辆检测*** | |
| CN104700072A (zh) | 基于车道线历史帧的识别方法 | |
| Wang et al. | Advanced driver‐assistance system (ADAS) for intelligent transportation based on the recognition of traffic cones | |
| CN102622575A (zh) | 基线带视频监控***和监控方法 | |
| DE102021101270A1 (de) | Trainieren eines neuronalen netzwerks eines fahrzeugs | |
| CN109583312A (zh) | 车道线识别方法、装置、设备及存储介质 | |
| CN107918775B (zh) | 一种辅助车辆安全驾驶的斑马线检测方法及*** | |
| Ranjbar et al. | Addressing practical challenge of using autopilot drone for asphalt surface monitoring: Road detection, segmentation, and following | |
| CN114240816A (zh) | 道路环境感知方法、装置、存储介质、电子设备及车辆 | |
| CN117765417B (zh) | 一种基于无人机的共享车辆巡检方法、装置及存储介质 | |
| CN117612117A (zh) | 基于车载记录仪的路边近处杂草分割方法、***及介质 | |
| CN114693722B (zh) | 一种车辆行驶行为检测方法、检测装置及检测设备 | |
| CN114882708B (zh) | 一种基于监控视频的车辆识别方法 | |
| US20230126957A1 (en) | Systems and methods for determining fault for a vehicle accident | |
| WO2022142827A1 (zh) | 占道信息确定方法和装置 | |
| CN110287897B (zh) | 一种基于深度学习的轨道列车视觉定位*** | |
| CN114743403A (zh) | 一种基于计算机视觉算法的智慧停车*** | |
| CN111401104B (zh) | 分类模型的训练方法、分类方法、装置、设备及存储介质 | |
| Wen et al. | Vehicle localization and navigation on region with disappeared lane line marking |
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 |