[go: up one dir, main page]
More Web Proxy on the site http://driver.im/

CN112232286A - 一种道路巡检无人机图像识别系统及无人机 - Google Patents

一种道路巡检无人机图像识别系统及无人机 Download PDF

Info

Publication number
CN112232286A
CN112232286A CN202011226251.3A CN202011226251A CN112232286A CN 112232286 A CN112232286 A CN 112232286A CN 202011226251 A CN202011226251 A CN 202011226251A CN 112232286 A CN112232286 A CN 112232286A
Authority
CN
China
Prior art keywords
image
unit
lane line
lane
unmanned aerial
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
CN202011226251.3A
Other languages
English (en)
Inventor
金国强
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.)
Zhejiang Dianchen Aviation Technology Co ltd
Original Assignee
Zhejiang Dianchen Aviation Technology 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 Zhejiang Dianchen Aviation Technology Co ltd filed Critical Zhejiang Dianchen Aviation Technology Co ltd
Priority to CN202011226251.3A priority Critical patent/CN112232286A/zh
Publication of CN112232286A publication Critical patent/CN112232286A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/10—Terrestrial scenes
    • G06V20/182—Network patterns, e.g. roads or rivers
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
    • G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V2201/00—Indexing scheme relating to image or video recognition or understanding
    • G06V2201/08—Detecting or categorising vehicles

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)

Abstract

本发明公开了一种道路巡检无人机图像识别系统和无人机，其包括用于获取道路路面实况图像的图像获取模块以及对所述实况图像进行处理的图像处理模块，其特征在于，所述图像处理模块设有语义分割单元、二值化处理单元、车道线剔除单元、车辆轮廓提取单元和统计单元，本发明中，在获取路面实况图像后对该图像进行语义分割，以区分出车道区域和背景区域，此后对车道区域进行二值化处理，在二值化处理后的图像中，作为前景的车辆、车道线显示为白色，作为背景的车道部分显示为黑色，剔除车道线后对车辆轮廓线进行捕捉，最后统计图像内车辆轮廓数量，从而判断实时道路拥挤程度。

Description

一种道路巡检无人机图像识别系统及无人机
技术领域
本发明涉及一种道路巡检无人机图像识别系统和无人机，属于无人机领域。
背景技术
近年来，随着车辆保有量的持续上升，道路时常出现拥堵，尤其是高速公路，如果恰逢节假日，拥堵更为严重，因此实时跟踪车流量，提醒司机根据各条道路车流量选择可行的方案出行，是解决道路拥堵的最可行方案之一。
随着无人机快速的发展，无人机被广泛运用于道路路况检测，但现有技术中的无人机至少存在以下问题：无人机在分析实时车流量时，需要对图像进行识别，现有技术中容易产生车道线和车辆在识别时通常都被认定为前景，影响车流量统计的准确性。
发明内容
本发明的目的在于提出一种车辆识别度高的图像识别系统。
为解决上述问题，本发明提供了一种道路巡检无人机图像识别系统，包括用于获取道路路面实况图像的图像获取模块以及对所述实况图像进行处理的图像处理模块，所述图像处理模块包括：
语义分割单元，对所述实况图像进行语义分割，获得车道区域和背景区域，并剔除图像中的背景区域；
二值化处理单元，对剔除背景区域的图像进行二值化处理，获得图像的二值化图像，在该二值化图像中，路面作为背景显示为黑色，车辆以及车道线为前景显示为白色；
车道线剔除单元，对所述二值化图像进行横向扫描，将横向连续N个像素点均为前景像素点的定义为车道线，并在该二值化图像中予以剔除，得到第一处理图像，其中N定义为车道线的宽度阈值，所述车道线包括行车道线以及应急车道线；
车辆轮廓提取单元，对所述第一处理图像进行扫描，并捕捉单独的汽车轮廓，得到第二处理图像；
统计单元，统计第二处理图像中独立的汽车轮廓数量。
作为本发明的进一步改进，所述车辆轮廓提取单元对所述第一处理图像进行扫描，若当前点为前景像素点，则扫描其邻域设定范围内的像素点，若其邻域中的前景像素点数量大于或者等于设定阈值，则将其邻域全部填充成前景像素点从而获得独立的汽车轮廓，扫描填充后得到第二处理图像。
作为本发明的进一步改进，还包括：
应急车道线轮廓坐标提取单元，沿着二值化图像上的车道的外侧对该二值化图像进行横向扫描，若扫描到其横向为连续N个前景像素点，则记录首先被扫描到的前景像素点的坐标（Xm;Yn）；
应急车道线拟合单元，对纵向上连续的前景像素点的坐标（Xm;Yn）进行曲线拟合，并在所述第二处理图像上绘制出车道线，并赋予其设定灰度值，该灰度值介于0和255；
应急车道扫描单元，从外侧对所述应急车道线拟合单元处理后的图像进行横向扫描，根据首先扫描到的图像的灰度值确定应急车道是否被占用。
作为本发明的进一步改进，所述应急车道线拟合单元通过最小二乘法对纵向连续的所述前景像素点的坐标（Xm;Yn）进行曲线拟合，获得行车道的二次抛物线曲线方程，根据获得的二次抛物线方程在所述第二处理图像上绘制拟合出来的应急车道线。
作为本发明的进一步改进，所述车辆轮廓提取单元通过洪水填充算法予以填充。
本发明的另一个主题一种无人机，包括上述道路巡检无人机图像识别系统，其特征在于，还包括
视频摄制单元，用于对所述巡检的道路进行实时录像，制成实况视频并储存；
图片制成单元，与所述视频摄制模块以及语义分割单元通信连接，其用于将调用所述视频摄制模块储存的视频，并按设定时间提取至少一个帧的实况图像，提取后的所述实况图像接收所述语义分割单元的调用。
作为该主题下的进一步改进，还包括通讯模块，其用于与地面站台通讯，所述通讯模块将所述统计单元统计出的统计数据和实况视频传以及第四处理图像输至地面站台。
本发明的有益效果在于，本发明中，在获取路面实况图像后对该图像进行语义分割，以区分出车道区域和背景区域，此后对车道区域进行二值化处理，在二值化处理后的图像中，作为前景的车辆、车道线显示为白色，作为背景的车道部分显示为黑色，剔除车道线后对车辆轮廓线进行捕捉，最后统计图像内车辆轮廓数量，从而判断实时道路拥挤程度。
附图说明
图1是本发明的结构示意图。
图中：100-图像获取模块；200-图像处理模块；102-视频摄制单元；104-图片制成单元；202-语义分割单元；204-二值化处理单元；206-车道线剔除单元；208-车辆轮廓提取单元；210-应急车道线轮廓坐标提取单元；212-应急车道线拟合单元；214-应急车道扫描单元；216-统计单元；300-通讯模块；400-地面站台。
具体实施方式
下面结合附图并通过具体实施方式来进一步说明本发明的技术方案。
如图1，本发明包括用于获取道路路面实况图像的图像获取模块100以及对所述实况图像进行处理的图像处理模块200，所述图像处理模块200包括：
语义分割单元202，对所述实况图像进行语义分割，获得车道区域和背景区域，并剔除图像中的背景区域；
二值化处理单元204，对剔除背景区域的图像进行二值化处理，获得图像的二值化图像，在该二值化图像中，路面为背景，车辆以及车道线为前景；
车道线剔除单元206，对所述二值化图像进行横向扫描，将横向连续N个像素点均为前景像素点的定义为车道线，并在该二值化图像中予以剔除，得到第一处理图像，其中N定义为车道线的宽度阈值，所述车道线包括行车道线以及应急车道线；
车辆轮廓提取单元208，对所述第一处理图像进行扫描，并捕捉单独的汽车轮廓，得到第二处理图像；
统计单元216，统计第二处理图像中独立的汽车轮廓数量。
作为本发明的进一步改进，所述车辆轮廓提取单元208对所述第一处理图像进行扫描，若当前点为前景像素点，则扫描其邻域设定范围内的像素点，若其邻域中的前景像素点数量大于或者等于设定阈值，则将其邻域全部填充成前景像素点从而获得独立的汽车轮廓，扫描填充后得到第二处理图像。
作为本发明的进一步改进，还包括：
应急车道线轮廓坐标提取单元210，沿着二值化图像上的车道的外侧对该二值化图像进行横向扫描，若扫描到其横向为连续N个前景像素点，则记录首先被扫描到的前景像素点的坐标（Xm;Yn）；
应急车道线拟合单元212，对纵向上连续的前景像素点的坐标（Xm;Yn）进行曲线拟合，并在所述第二处理图像上绘制出车道线，并赋予其设定灰度值，该灰度值介于0和255；
应急车道扫描单元214，从外侧对所述应急车道线拟合单元处理后的图像进行横向扫描，根据首先扫描到的图像的灰度值确定应急车道是否被占用。
作为本发明的进一步改进，所述应急车道线拟合单元212通过最小二乘法对所述前景像素点的坐标（Xm;Yn）进行曲线拟合，获得行车道的二次抛物线曲线方程，根据获得的二次抛物线方程在所述第二处理图像上绘制拟合出来的车道线。
作为本发明的进一步改进，所述车辆轮廓提取单元208通过洪水填充算法予以填充。
本发明的另一个主题一种无人机，包括上述道路巡检无人机图像识别系统，其特征在于，还包括
视频摄制单元102，用于对所述巡检的道路进行实时录像，制成实况视频并储存；
图片制成单元104，与所述视频摄制模块以及语义分割单元202通信连接，其用于将调用所述视频摄制模块储存的视频，并按设定时间提取至少一个帧的实况图像，提取后的所述实况图像接收所述语义分割单元202的调用。
作为该主题下的进一步改进，还包括通讯模块，其用于与地面站台400通讯，所述通讯模块将所述统计单元216统计出的统计数据和实况视频传以及第四处理图像输至地面站台400。
本发明的具体原理如下：
（1）无人机起飞，视频摄制单元102对路面进行拍摄并录制视频，这里的视频摄制单元102为机载摄像机；
（2）图片制成单元104在实况视频中提取至少一个帧的实况图像；
（3）语义分割单元202对该实况图像进行处理，获得车道区域和背景区域，再剔除背景区域；
（4）二值化处理单元204对上述图像进行二值化处理，道路为背景，显示为黑色，车道线和车辆为前景，显示为白色；
（5）车道线剔除单元206对上述图像进行横向扫描，具体而言是将横向连续N个像素点均为前景像素点的定义为车道线，并在该二值化图像中予以剔除，其中N定义为车道线的宽度阈值，车道线包括行车道线以及应急车道线；
（6）车辆轮廓提取单元208对上述图像进行扫描，捕捉单独的汽车轮廓，具体而言，在进行扫描时，若当前点为前景像素点，则扫描其邻域设定范围内的像素点，若其邻域中的前景像素点数量大于或者等于设定阈值，则将其邻域全部填充成前景像素点从而获得独立的汽车轮廓，形成的图像为第二处理图像；
（7）统计单元216对上述图片中独立的汽车轮廓进行统计，从而获得当前帧图像中实时车流量；
（8）该统计单元216通过通讯模块与地面站台400通信，从而使地面站台400获知实时车流量；
另外，本发明中还能获取应急车道内被占用的情况，具体而言：
（9）二值化处理单元204与应急车道线轮廓坐标提取单元210通讯，通过应急车道线轮廓坐标提取单元210沿着二值化图像上的车道外侧（一般来说，高速公路车道的外侧路肩均靠近应急车道）对该二值化图像进行横向扫描，若扫描到其横向为连续N个前景像素点，则记录首先被扫描到的前景像素点的坐标（Xm;Yn）；
（10）应急车道线拟合单元212根据通过最小二乘法对所述前景像素点的坐标（Xm;Yn）进行曲线拟合，获得行车道的二次抛物线曲线方程，根据获得的二次抛物线方程在所述第二处理图像上绘制拟合出来的车道线，并赋予该车道线一定的灰度值R，该灰度值R介于0和255之间；
（11）应急车道扫描单元214从外侧对所述应急车道线拟合单元处理后的图像进行横向扫描，根据首先扫描到的图像的灰度值确定应急车道是否被占用，如果首先扫描的像素点的灰度值为R，则说明应急车道未被占用，如果首先扫描到的像素点的灰度值为255（白色），说明应急车道已经被占用。
（12）通过通讯模块300将该统计数量、应急车道被占用的情况以及图片制成单元104提取的实况图像发送给地面站台400，由地面站台400进行车辆信息确认，如车牌号信息，并进行相关处罚；
（13）通讯模块300还能够将视频摄制单元102制成的视频传输给地面站台400。
以上结合具体实施例描述了本发明的技术原理。这些描述只是为了解释本发明的原理，而不能以任何方式解释为对本发明保护范围的限制。基于此处的解释，本领域的技术人员不需要付出创造性的劳动即可联想到本发明的其它具体实施方式，这些方式都将落入本发明的保护范围之内。

Claims (7)

1.一种道路巡检无人机图像识别系统，包括用于获取道路路面实况图像的图像获取模块以及对所述实况图像进行处理的图像处理模块，其特征在于，所述图像处理模块包括：
语义分割单元，对所述实况图像进行语义分割，获得车道区域和背景区域，并剔除图像中的背景区域；
二值化处理单元，对剔除背景区域的图像进行二值化处理，获得图像的二值化图像，在该二值化图像中，路面作为背景显示为黑色，车辆以及车道线为前景显示为白色；
车道线剔除单元，对所述二值化图像进行横向扫描，将横向连续N个像素点均为前景像素点的定义为车道线，并在该二值化图像中予以剔除，得到第一处理图像，其中N定义为车道线的宽度阈值，所述车道线包括行车道线以及应急车道线；
车辆轮廓提取单元，对所述第一处理图像进行扫描，并捕捉单独的汽车轮廓，得到第二处理图像；
统计单元，统计第二处理图像中独立的汽车轮廓数量。
2.根据权利要求1所述的一种道路巡检无人机图像识别系统，其特征在于，所述车辆轮廓提取单元对所述第一处理图像进行扫描，若当前点为前景像素点，则扫描其邻域设定范围内的像素点，若其邻域中的前景像素点数量大于或者等于设定阈值，则将其邻域全部填充成前景像素点从而获得独立的汽车轮廓，扫描填充后得到第二处理图像。
3.根据权利要求2所述的一种道路巡检无人机图像识别系统，其特征在于，还包括：
应急车道线轮廓坐标提取单元，沿着二值化图像上的车道的外侧对该二值化图像进行横向扫描，若扫描到其横向为连续N个前景像素点，则记录首先被扫描到的前景像素点的坐标（Xm;Yn）；
应急车道线拟合单元，对纵向上连续的前景像素点的坐标（Xm;Yn）进行曲线拟合，并在所述第二处理图像上绘制出车道线，并赋予其设定灰度值，该灰度值介于0和255；
应急车道扫描单元，从外侧对所述应急车道线拟合单元处理后的图像进行横向扫描，根据首先扫描到的图像的灰度值确定应急车道是否被占用。
4.根据权利要求3所述的一种道路巡检无人机图像识别系统，其特征在于，所述应急车道线拟合单元通过最小二乘法对纵向连续的所述前景像素点的坐标（Xm;Yn）进行曲线拟合，获得行车道的二次抛物线曲线方程，并根据获得的二次抛物线方程在所述第二处理图像上绘制拟合出来的车道线。
5.根据权利要求4所述的一种道路巡检无人机图像识别系统，其特征在于，所述车辆轮廓提取单元通过洪水填充算法予以填充。
6.一种无人机，包括权利要求1-4所述的道路巡检无人机图像识别系统，其特征在于，所述图像获取模块包括：
视频摄制单元，用于对所述巡检的道路进行实时录像，制成实况视频并储存；
图片制成单元，与所述视频摄制模块以及语义分割单元通信连接，其用于将调用所述视频摄制模块储存的视频，并按设定时间提取至少一个帧的实况图像，提取后的所述实况图像接收所述语义分割单元的调用。
7.根据权利要求6所述的一种无人机，其特征在于，还包括通讯模块，其用于与地面站台通讯，所述通讯模块将所述统计单元统计出的统计数据和实况视频传以及第四处理图像输至地面站台。
CN202011226251.3A 2020-11-05 2020-11-05 一种道路巡检无人机图像识别系统及无人机 Pending CN112232286A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011226251.3A CN112232286A (zh) 2020-11-05 2020-11-05 一种道路巡检无人机图像识别系统及无人机

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011226251.3A CN112232286A (zh) 2020-11-05 2020-11-05 一种道路巡检无人机图像识别系统及无人机

Publications (1)

Publication Number Publication Date
CN112232286A true CN112232286A (zh) 2021-01-15

Family

ID=74123307

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011226251.3A Pending CN112232286A (zh) 2020-11-05 2020-11-05 一种道路巡检无人机图像识别系统及无人机

Country Status (1)

Country Link
CN (1) CN112232286A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113763719A (zh) * 2021-10-13 2021-12-07 深圳联和智慧科技有限公司 一种基于无人机的违法占用应急车道检测方法及系统
CN113928582A (zh) * 2021-11-11 2022-01-14 国网江苏省电力有限公司管理培训中心 一种智能化巡检无人机图像识别系统及其无人机
CN117315934A (zh) * 2023-09-25 2023-12-29 阜阳交通能源投资有限公司 基于无人机的高速公路车流量实时监测及拥堵预测系统

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104504913A (zh) * 2014-12-25 2015-04-08 珠海高凌环境科技有限公司 视频车流检测方法及装置
CN104794907A (zh) * 2015-05-05 2015-07-22 江苏大为科技股份有限公司 使用车道分割合并方法的车流量检测方法
CN105005778A (zh) * 2015-08-14 2015-10-28 东南大学 一种基于视觉背景提取的高速公路车辆检测方法
CN107133610A (zh) * 2017-06-01 2017-09-05 电子科技大学 一种复杂路况下行车流量视觉检测与计数方法
WO2019000653A1 (zh) * 2017-06-30 2019-01-03 清华大学深圳研究生院 一种图像目标识别方法及装置
CN110659539A (zh) * 2018-06-28 2020-01-07 杭州海康威视数字技术股份有限公司 一种信息处理方法及其装置

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104504913A (zh) * 2014-12-25 2015-04-08 珠海高凌环境科技有限公司 视频车流检测方法及装置
CN104794907A (zh) * 2015-05-05 2015-07-22 江苏大为科技股份有限公司 使用车道分割合并方法的车流量检测方法
CN105005778A (zh) * 2015-08-14 2015-10-28 东南大学 一种基于视觉背景提取的高速公路车辆检测方法
CN107133610A (zh) * 2017-06-01 2017-09-05 电子科技大学 一种复杂路况下行车流量视觉检测与计数方法
WO2019000653A1 (zh) * 2017-06-30 2019-01-03 清华大学深圳研究生院 一种图像目标识别方法及装置
CN110659539A (zh) * 2018-06-28 2020-01-07 杭州海康威视数字技术股份有限公司 一种信息处理方法及其装置

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
王建华等: "一种基于计算机视觉的车流量检测方法", 《电脑知识与技术》 *
赵凯迪: "基于无人机的车辆和车道检测系统的设计与实现", 《中国优秀博硕士学位论文全文数据库(硕士) 工程科技Ⅱ辑》 *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113763719A (zh) * 2021-10-13 2021-12-07 深圳联和智慧科技有限公司 一种基于无人机的违法占用应急车道检测方法及系统
CN113763719B (zh) * 2021-10-13 2022-06-14 深圳联和智慧科技有限公司 一种基于无人机的违法占用应急车道检测方法及系统
CN113928582A (zh) * 2021-11-11 2022-01-14 国网江苏省电力有限公司管理培训中心 一种智能化巡检无人机图像识别系统及其无人机
CN113928582B (zh) * 2021-11-11 2024-04-16 国网江苏省电力有限公司管理培训中心 一种智能化巡检无人机图像识别系统及其无人机
CN117315934A (zh) * 2023-09-25 2023-12-29 阜阳交通能源投资有限公司 基于无人机的高速公路车流量实时监测及拥堵预测系统

Similar Documents

Publication Publication Date Title
CN110659539B (zh) 一种信息处理方法、装置及机器可读存储介质
CN112232286A (zh) 一种道路巡检无人机图像识别系统及无人机
CN108038416B (zh) 车道线检测方法及系统
CN101334836B (zh) 一种融合色彩、尺寸和纹理特征的车牌定位方法
EP2234086B1 (en) Vehicle periphery monitoring device, vehicle, vehicle periphery monitoring program, and vehicle periphery monitoring method
CN101183425B (zh) 粤港两地车牌定位方法
CN111161543A (zh) 一种基于图像识别的公交前车违章行为自动抓拍方法及系统
CN107273788B (zh) 在车辆中执行车道检测的成像系统与车辆成像系统
CN105741559B (zh) 一种基于车道线模型的违法占用应急车道检测方法
CN106971155B (zh) 一种基于高度信息的无人车车道场景分割方法
CN108416316B (zh) 一种黑烟车的检测方法及系统
CN102054169B (zh) 车牌定位方法
CN107256633B (zh) 一种基于单目摄像头三维估计的车型分类方法
CN112289032B (zh) 一种无人机高速公路自动巡检方法
CN105095869A (zh) 行人检测方法及装置
KR101756848B1 (ko) 불법 주정차 관리 시스템
CN111783666A (zh) 一种基于连续视频帧角点特征匹配的快速车道线检测方法
CN112329631A (zh) 一种使用无人机对高速公路进行车流量统计的方法
CN111046741A (zh) 车道线识别的方法和装置
CN105740836A (zh) 一种违法占用应急车道的检测方法
CN111627057A (zh) 一种距离测量方法、装置及服务器
CN111222394A (zh) 一种渣土车超载检测方法、装置及系统
CN112258844B (zh) 一种使用无人机对高速公路急车道进行巡检的方法
CN109766846B (zh) 一种基于视频的自适应多车道车流检测方法及系统
CN109800641B (zh) 基于阈值自适应二值化和连通域分析的车道线检测方法

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
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20210115

WD01 Invention patent application deemed withdrawn after publication