本发明涉及图像处理技术领域，具体涉及用于公路工程的路面无损探伤方法及系统。该方法对热力路面图进行阈值分割，将疑似缺陷区域分割出来；基于光学路面图中的表面缺陷区域的纹理特征差异，确定表面缺陷区域；根据光学路面图，将热力路面图的疑似缺陷区域中的表面缺陷区域与车辆摩擦产生高温的区域分辨出来；根据热力路面图中连续多帧热力图像的热量变化，将车辆摩擦产生高温的区域和内部缺陷区域进行区分，得到路面损伤所在区域。该方法以热力路面图为主，以光学路面图为辅，可以消除摩擦高温区域对通过路面温度分布判断路面缺陷准确性的影响，并且还考虑了拍摄角度、距离和帧间差异等因素，从而提升了路面损伤所在区域的准确性。
📄 2025103690011
📂 G06V20_56
👤 南通秦权网络科技有限公司
📅 2025-03-27
本发明涉及一种基于结合改进目标语义分割和目标检测模型的实时移动交通违法检测方法,本发明能够有效、实时地解决交通执法人员检测到在可变换场景下的交通违法行为的问题。本发明框架简单,性能强大,网络结构简单,性能良好;本发明检测的精度和速度有很大的优势,由于使用的网络结构特殊,所以在保证精度的同时不需要牺牲检测的速度,可以保证该方法的实时性;本发明具有移动性,比起固定的路桩式交通检测摄像头,本方法具有更好的灵活性和移动性,可以跟随车辆的移动,对不同的场景路面进行很好的检测,并且在保证精度的情况下保持速度。
📄 2021102634726
📂 G06V20_56
👤 浙江工业大学
📅 2021-03-11
本发明涉及一种基于图像序列的车道线检测方法，包括以下四部分：（1）搭建车道线并行检测网络；（2）对车道线并行检测网络进行训练优化；（3）完成对车道线并行检测网络的训练；（4）使用训练好的车道线并行检测网络对输入图像进行检测，输出车道线分割图像。与使用相同骨架网络的现有语义分割网络相比，本文的并行网络在客观检测精度和主观检测效果上都有明显的提升。
📄 2021104751245
📂 G06V20_56
👤 浙江工业大学
📅 2021-04-29
本发明适用于深度学习、自动驾驶技术领域，提供了一种针对自动驾驶的语义分割方法、系统、电子设备及介质，该方法包括：获取三维点云数据，将其映射为包括多个通道数据的二维深度图，根据所述多个通道数据形成样本数据集；构建包括第一模型和第二模型的语义分割网络初始模型，采用所述样本数据集训练所述语义分割网络初始模型，获取目标模型，所述第二模型包括编码器和解码器；获取目标三维点云数据，将其映射为目标二维深度图，并将所述目标二维深度图输入所述目标模型，获取目标语义分割结果；通过采用该方法解决了三维点云的语义分割性能低的问题。
📄 202111361700X
📂 G06V20_56
👤 西南大学
📅 2021-11-17
本发明涉及一种基于全局特征优化和形状特征感知聚合的车道线检测方法，属于自动驾驶技术领域。该方法提出一个融合了全局特征优化器（GFO）和自适应车道几何聚合器（ALGA）这两个核心组件的车道线检测模型，其通过全局特征优化器使得模型能够对图像中的局部和全局特征进行充分地融合，有效过滤不重要的信息，同时使用自适应车道几何聚合器来有效地利用好车道线特殊的形状先验信息，从而使模型能够有效地应对弯道和车道线缺失等复杂场景，有效地缓解了之前的方法中模型遇到复杂情况时性能下降的问题。
📄 202410851356X
📂 G06V20_56
👤 闽江学院
📅 2024-06-28
本公开的实施例公开了障碍物信息生成方法、装置、电子设备和计算机可读介质。该方法的一具体实施方式包括:对滑动窗口中的各个道路图像进行车辆抖动检测以生成车辆抖动检测信息;确定与当前车辆位姿矩阵序列中每个当前车辆位姿矩阵对应的先验位姿误差协方差矩阵;获取定位位姿误差协方差矩阵和相对位姿矩阵,得到定位位姿误差协方差矩阵序列和相对位姿矩阵序列;对定位位姿误差协方差矩阵序列、相对位姿矩阵序列和图像静态关键点坐标组序列进行调整处理以生成调整后定位误差协方差矩阵序列、调整后相对位姿矩阵序列和调整后图像静态关键点坐标组序列;生成障碍物信息。该实施方式可以提高生成的障碍物信息的准确度。
📄 2023105113147
📂 G06V20_56
👤 禾多科技(北京)有限公司
📅 2023-05-08
本公开的实施例公开了车道线识别方法、装置、电子设备和计算机可读介质。该方法的一具体实施方式包括：响应于接收到鱼眼车载相机拍摄的车道图像，确定上述鱼眼车载相机对应的相机视角类型；根据上述相机视角类型，确定目标车道线识别模型；将上述车道图像输入至上述目标车道线识别模型中，得到车道线集；根据上述车道线集，控制相关联的车辆进行自动驾驶。该实施方式提升了自动驾驶车辆的安全性。
📄 2022114587580
📂 G06V20_56
👤 禾多科技(北京)有限公司
📅 2022-11-21
本公开的实施例公开了道路信息生成方法、装置、电子设备和计算机可读介质。该方法的一具体实施方式包括：确定与车道线角点坐标组序列中每个车道线角点坐标组对应的相机位姿矩阵，得到相机位姿矩阵序列；生成匹配处理结果组序列；对车道线角点坐标组序列中每个车道线角点坐标组中各个车道线角点进行筛选处理，以生成筛选后车道线角点坐标组序列；确定筛选后车道线角点坐标组序列中每个筛选后车道线角点坐标组中的每个筛选后车道线角点坐标的坐标残差值，以生成坐标残差值组序列；基于坐标残差值组序列，生成道路信息。该实施方式可以提高生成的道路信息的准确度。
📄 2022110204616
📂 G06V20_56
👤 龙岩市责诚创新科技成果转化有限公司
📅 2022-08-24
本公开的实施例公开了分合流道路信息检测方法、装置、设备和计算机可读介质。该方法的一具体实施方式包括：对目标道路图像进行关键点检测，得到分合流关键点坐标组；响应于确定分合流关键点坐标组满足第一预设条件，基于分合流关键点坐标组，对目标道路图像进行分割，得到分割图像序列；对分割图像序列中的每个分割图像进行车道线采样点检测以生成车道线采样点坐标序列组，得到车道线采样点坐标序列组集合；响应于确定分割图像组满足第二预设条件，基于分合流关键点坐标组和车道线采样点坐标序列组集合，生成分合流拓扑关系信息集；将分合流拓扑关系信息集确定为分合流道路信息。该实施方式可以提高生成的分合流道路信息准确度。
📄 2022106799046
📂 G06V20_56
👤 禾多科技(北京)有限公司
📅 2022-06-16
本发明公开了一种基于高精度地图的车道线检测方法，包括：由车辆的图像传感器获取的图像中提取图像车道线；根据车辆获得图像时的定位数据在预存的高精度地图中抽取地图车道线；根据高精度地图和定位数据判断获取车道线处的地面是否为平面：是，则将投影至车体坐标系中的图像车道线和地图车道线采用二维的迭代最近点算法进行配准，以修正定位位姿，并得到最终的车道线；否，则将投影至归一化相机坐标系中的图像车道线和地图车道线采用粒子滤波算法进行配准，以修正定位位姿，并得到最终的车道线。其实现了将高精度地图作为先验信息加入到从图像提取车道线的过程中，从而得到比以图像作为单一数据源更加鲁棒的车道线检测效果。
📄 2020100329175
📂 G06V20_56
👤 禾多科技(北京)有限公司
📅 2020-01-13
本发明公开一种基于双模态特征不确定性融合的道路分割方法，旨在解决现有深度相机道路分割中模态特征冲突、固定权重融合适应性差及未充分利用模态不确定性的问题；该方法构建双模态特征提取与不确定性感知融合的一体化框架：针对彩色图像采用纯思法模架构提取全局语义特征，针对深度数据采用融合非对称扩张卷积的卷积网络增强空间几何感知；通过多尺度扩张注意力模块优化特征交互，并利用证据收集生成像素级分类证据；基于德姆斯特‑谢弗证据理论对双模态不确定性进行量化与动态融合，自适应调整融合权重，有效抑制特征冲突与信息冗余；本发明显著提升复杂场景下的道路分割精度与鲁棒性，为自动驾驶系统提供可靠的可行驶区域感知信息。
📄 2026100308265
📂 G06V20_56
👤 江西师范大学
📅 2026-01-12
本申请提出了一种基于改进MobileNetV4的路面类型识别模型的构建方法及应用，包括以下步骤：获取多张包含标注有路面类型的路面图像作为训练样本集合；基于MobileNetV4架构构建路面类型识别架构，并以训练样本集合对路面类型识别架构进行训练得到路面类型识别模型，其中，所述路面类型识别架构包括融合卷积瓶颈网络、通用倒置瓶颈网络以及分类器。本方案引入通道分组机制和深度可分离卷积，在极低的参数量和计算开销下，精准地捕获了对路面分类至关重要的细粒度纹理特征，并有效抑制了环境噪声的干扰，实现对路面类型的精准识别。
📄 2026100577914
📂 G06V20_56
👤 浙江理工大学
📅 2026-01-16
柿子坊 · 知识产权运营
柿子坊知识产权运营平台