JPH033082A - 図面認識装置 - Google Patents
図面認識装置Info
- Publication number
- JPH033082A JPH033082A JP13615289A JP13615289A JPH033082A JP H033082 A JPH033082 A JP H033082A JP 13615289 A JP13615289 A JP 13615289A JP 13615289 A JP13615289 A JP 13615289A JP H033082 A JPH033082 A JP H033082A
- Authority
- JP
- Japan
- Prior art keywords
- road
- vector
- pair
- vectors
- map data
- 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
Landscapes
- Image Analysis (AREA)
Abstract
(57)【要約】本公報は電子出願前の出願データであるた
め要約のデータは記録されません。
め要約のデータは記録されません。
Description
この発明は、地図に記入された道路の自動認識を行う図
面認識装置に関し、特に道路の非交差点部の抽出を行う
図面認識装置に関するものである。
面認識装置に関し、特に道路の非交差点部の抽出を行う
図面認識装置に関するものである。
第５図は例えば、板肉・大沢著「画像データベース１１
２９〜１３３頁、１９８７年９月昭り堂発行に示された
従来のディジタル画像のベクトル化方法を道路認識に応
用した場合の図面認識装置のブロック図である。 図において、ｌは地図データを入力して記憶する地図デ
ータ入力手段、４は前記地図データから道路幅程度の間
隔をもって略平行に並んだ線分の対を全て抽出するペア
ベクトル抽出手段である。 次に、上記の装置構成に基づ〈従来装置の動作を第６図
の道路認識フローチャートを参照して以下に説明する。 図中、ステップＳＴＩ及びステップＳＴ２２〜５Ｔ２６
は夫々処理ステップである。以後簡単のため単にステッ
プと略称する。 従来装置は地図データ中の平行に並んだ線分対をペアベ
クトルとして抽出して、これを道路の交差点と交差点の
間の道路非交差点部とするものである。 まず、ステップＳＴＩでは地図データを入力して地図を
構成する線分をベクトル化して記憶装置（図示せず）に
記憶する。その際、ベクトルが道路中心でなく道路輪郭
を表すような形式にしておく。道路が中心線で記入され
ている地図では、中心線の画像の輪郭ベクトルをつくれ
ばよい。次にステップ５Ｔ２２では、前記人力ベクトル
のうちで基準長さし以上の長さのベクトルの集合を求め
、これをＳとする。次に、ステップ５Ｔ２３では集合Ｓ
の中で最も長いベクトルを求め、これをベクトルＶとし
て前記集合Ｓから除く。次に、ステラ７”５Ｔ２４，５
Ｔ２５ではベクトル■のペアベクトルＷを求め、このベ
クトルＶＷの対を道路非交差点部とする。 まず、ステップＳＴ２４では集合Ｓの中からベクトル■
とほぼ平行に並んでいて、その間隔が最も近く、かつ間
に他のベクトルが存在しない条件のベクトルをベクトル
■の左右両側について１本ずつ求め、これをベクトルＷ
とする。次にステップ５Ｔ２５では前記ベクトルＷとＶ
の間隔が道路幅の基準値内にあれば、該ベクトル■・Ｗ
をペアベクトルとする。また、基準範囲外であれば、道
路と考えられないのでベアとしない。 次にステップ５Ｔ２６では集合Ｓを調べ、未処理のもの
があれば、ステップ５Ｔ２３に戻ってベアベクトル抽出
を続行し未処理のものがなければ終了する。 上記ステップＳＴＩは地図データ入力手段１によって処
理され、またステップＳＴ２２〜５Ｔ２６はペアベクト
ル抽出手段４によって処理される。 以上のようにして地図中の道路の認識を行うものである
。
２９〜１３３頁、１９８７年９月昭り堂発行に示された
従来のディジタル画像のベクトル化方法を道路認識に応
用した場合の図面認識装置のブロック図である。 図において、ｌは地図データを入力して記憶する地図デ
ータ入力手段、４は前記地図データから道路幅程度の間
隔をもって略平行に並んだ線分の対を全て抽出するペア
ベクトル抽出手段である。 次に、上記の装置構成に基づ〈従来装置の動作を第６図
の道路認識フローチャートを参照して以下に説明する。 図中、ステップＳＴＩ及びステップＳＴ２２〜５Ｔ２６
は夫々処理ステップである。以後簡単のため単にステッ
プと略称する。 従来装置は地図データ中の平行に並んだ線分対をペアベ
クトルとして抽出して、これを道路の交差点と交差点の
間の道路非交差点部とするものである。 まず、ステップＳＴＩでは地図データを入力して地図を
構成する線分をベクトル化して記憶装置（図示せず）に
記憶する。その際、ベクトルが道路中心でなく道路輪郭
を表すような形式にしておく。道路が中心線で記入され
ている地図では、中心線の画像の輪郭ベクトルをつくれ
ばよい。次にステップ５Ｔ２２では、前記人力ベクトル
のうちで基準長さし以上の長さのベクトルの集合を求め
、これをＳとする。次に、ステップ５Ｔ２３では集合Ｓ
の中で最も長いベクトルを求め、これをベクトルＶとし
て前記集合Ｓから除く。次に、ステラ７”５Ｔ２４，５
Ｔ２５ではベクトル■のペアベクトルＷを求め、このベ
クトルＶＷの対を道路非交差点部とする。 まず、ステップＳＴ２４では集合Ｓの中からベクトル■
とほぼ平行に並んでいて、その間隔が最も近く、かつ間
に他のベクトルが存在しない条件のベクトルをベクトル
■の左右両側について１本ずつ求め、これをベクトルＷ
とする。次にステップ５Ｔ２５では前記ベクトルＷとＶ
の間隔が道路幅の基準値内にあれば、該ベクトル■・Ｗ
をペアベクトルとする。また、基準範囲外であれば、道
路と考えられないのでベアとしない。 次にステップ５Ｔ２６では集合Ｓを調べ、未処理のもの
があれば、ステップ５Ｔ２３に戻ってベアベクトル抽出
を続行し未処理のものがなければ終了する。 上記ステップＳＴＩは地図データ入力手段１によって処
理され、またステップＳＴ２２〜５Ｔ２６はペアベクト
ル抽出手段４によって処理される。 以上のようにして地図中の道路の認識を行うものである
。
従来の図面認識装置は以上のように構成されているので
、ペアベクトルの検索の際に地図中のほぼ全ベクトルを
ペアベクトルの候補対象としてペアとなり得るか否かの
判定を行うために、判定処理に時間がかかるばかりか、
歩道・ハツチング領域（斜線で影を施した領域）・細長
い街区・河川等の道路に類似したパターンを道路と誤認
して抽出することがある等の課題があった。 この発明は上記のような課題を解消するためになされた
もので、地図データ入力手段で入力された地図データを
解析して付属する歩道を含む街区を抽出し、その情報を
もとにして階層的にペアベクトルの抽出を行うことによ
り、道路類似パターンを含む地図から主要道路を脇道１
歩道を区別して抽出できる図面認識装置を得ることを目
的とする。
、ペアベクトルの検索の際に地図中のほぼ全ベクトルを
ペアベクトルの候補対象としてペアとなり得るか否かの
判定を行うために、判定処理に時間がかかるばかりか、
歩道・ハツチング領域（斜線で影を施した領域）・細長
い街区・河川等の道路に類似したパターンを道路と誤認
して抽出することがある等の課題があった。 この発明は上記のような課題を解消するためになされた
もので、地図データ入力手段で入力された地図データを
解析して付属する歩道を含む街区を抽出し、その情報を
もとにして階層的にペアベクトルの抽出を行うことによ
り、道路類似パターンを含む地図から主要道路を脇道１
歩道を区別して抽出できる図面認識装置を得ることを目
的とする。
【課題を解決するための手段１
この発明に係る図面認識装置は、地図データ人力手段に
よって入力された地図データを街区抽出手段によって解
析して街区（付属している歩道を含む）を抽出し、前記
街区の情報に基づいて道路非交差点部を成すペアベクト
ルを階層的ベアベクトル抽出手段によって階層的に抽出
するようにしたものである。 【作 用】 この発明における図面認識装置は、地図データを地図デ
ータ入力手段によって読み込むと、街区抽出手段によっ
てその地図データを解析し付属している歩道を含む街区
を抽出する。次に前記解析された街区情報をもとにして
階層的ベアベクトル抽出手段により道路非交差点部を成
すペアベクトルを階層的に抽出する。
よって入力された地図データを街区抽出手段によって解
析して街区（付属している歩道を含む）を抽出し、前記
街区の情報に基づいて道路非交差点部を成すペアベクト
ルを階層的ベアベクトル抽出手段によって階層的に抽出
するようにしたものである。 【作 用】 この発明における図面認識装置は、地図データを地図デ
ータ入力手段によって読み込むと、街区抽出手段によっ
てその地図データを解析し付属している歩道を含む街区
を抽出する。次に前記解析された街区情報をもとにして
階層的ベアベクトル抽出手段により道路非交差点部を成
すペアベクトルを階層的に抽出する。
以下、この発明の一実施例を図について説明する。図中
、第５図と同一の部分は同一の符号をもって図示した第
１図において、２は地図データを解析して街区にあたる
データを抽出する街区抽出手段、３は街区抽出結果をも
とにして道路の交差点と交差点の間の道路非交差点部を
成すペアベクトルを階層的に抽出する階層的ベアベクト
ル抽出手段である。 次に第２図のフローチャートを参照して動作について説
明する。 まず、ステップＳＴＩは前記従来例と同様の動作をする
。すなわち、ステップＳＴｌで地図データを入力してベ
クトル化を行いメモリ（図示せず）に記憶する。その際
、ベクトルが道路の中心でなく道路輪郭を表すような形
式としておく。この処理は地図データ人力手段ｌによっ
て実行される。 次にステップＳＴ２で街区（付属する歩道を含む）を表
す線の途切れと考えられる部分を補正する。前記ステッ
プＳＴ２の詳細説明図を第３図に示す。第３図（Ａ）は
入力時の誤りによる途切れＴ１の例、第３図（Ｂ）は記
入時の省略による途切れＴ２の例、第３図（Ｃ）は行止
り道路の表現に伴う途切れＴ３の例である。 次に、ステップＳＴ３では互いに接続しあうベクトルを
一つのグループとしてまとめ、これをひとつの街区（付
属する歩道を含む）とする。 次に、ステップＳＴ４では前記街区間の隣接関係を求め
る。これは例えば各街区の外接長方形の位置関係を調べ
ることによって行う。以上の処理は街区抽出手段２によ
って実行される。 次に、ステップＳＴ５〜ＳＴ７では階層的ペアベクトル
抽出の第一段階として、主要道路を構成するペアベクト
ルを抽出する。主要道路の概念の説明図を第４図に示す
。主要道路を構成するペアベクトルは各々互いに隣接す
る街区に属するという性質を利用する。 まず、ステップＳＴ５では基準長さＬ以上の未処理ベク
トルのうちで最も長いベクトルを求め、これを■とする
。 次に、ステップＳＴ６ではベクトル■の属する街区の隣
の街区を構成するベクトルのうちで、長さＬ以上、ベク
トル■にほぼ平行に並んでいて、その間隔が最も近いも
のを求め、これをベクトルＷとし、ベクトル■とベクト
ルＷを１＆１１のペアベクトルとする。 次に、ステップＳＴ７では未処理で長さし以上のベクト
ルが残っていればステップＳＴ５に戻り、主要道路を構
成するペアベクトルの抽出を続け、残っていなければス
テップＳＴ８に進む。 ステップＳＴ８〜５Ｔ１３では階層的ペアベクトル抽出
の第２段階として、歩道Ｒや脇道Ｐ等を構成するペアベ
クトルを抽出する。これらのペアベクトルは同じ街区に
属するという性質を利用する。 まず、ステップＳＴ８でひとつの街区に注目する。 次にステップＳＴ９では基準長さＬ以上でその街区中で
最も長い未処理ベクトルを求め、これをベクトル■とす
る。 次に、ステップ５ＴＩＯではベクトル■の属する街区を
構成するベクトルのうちで長さがＬ以上、ベクトル■に
ほぼ平行に並んでいてその間隔が最も近いものを求め、
これをベクトルＷとし、前記ベクトル■とベクトルＷを
１組のペアベクトルとする。 次に、ステップ５ＴＩＩでは現在注目している街区中に
未処理のし以上の長さのベクトルが残っているか否かを
調べ、残っていればステップＳＴ９に戻り、注目してい
る街区中のペアベクトル抽出を続け、残っていなければ
ステップ５Ｔ１２に進む。 ステップ５Ｔ１２では全街区を処理したが否かを調べ、
処理済でなければステップ５Ｔ１３に進み、次の街区に
注目した上でステップＳＴ９に戻り、ペアベクトル抽出
をつづけ、処理済であるならば全処理を終了する。なお
、ステップＳＴ５〜５Ｔ１３の処理は階層的ペアベクト
ル抽出手段３によって実行される。 以上のように、従来装置では区別できなかった主要道路
と脇道Ｐ・歩道Ｒ等を区別して道路認識が行えるもので
ある。 なお、上記実施例では、道路の非交差点部のみを認識す
る図面認識装置の構成について示したが、これに交差点
部抽出手段等を付加してより高度な道路認識を行う構成
とすることもできる。 また、上記実施例では、階層的ペアベクトル抽出手段３
においてペアベクトルを１組ずつ抽出する処理方法につ
いて示したが、１組抽出するたびにその両端に接続する
ベクトルを調べてペアベクトルとする処理方法をとれば
、上記実施例と同様の効果が得られるだけでなく、ペア
ベクトル抽出がより高速に行える利点がある。 また、上記実施例では、街区抽出手段２において、線の
途切れを補正する方法について示したが、渡り廊下・歩
道橋等によって接続されている街区の分離処理や中央分
離帯の除去等を行えば更に道路の認識を正しく行うこと
ができる。 また、上記実施例では、階層的ペアベクトル抽出手段３
によって、街区の隣接関係を求めているが、ここで隣接
する方角の概念を取り入れてペアベクトル抽出で利用す
れば上記実施例と同様の効果が得られるばかりでなく、
ペアベクトル抽出がより高速に行える利点がある。 また、上記実施例では、階層的ペアベクトル抽出手段３
において、主要道路抽出と脇道Ｐ・歩道Ｒ抽出の２段階
の処理を行っているが、目的によって一方のみの抽出を
行うようにしてもよい。 また、本実施例では道路の認識について述べたが、水路
認識や、直像輪郭ベクトルの芯線化環−般にペアベクト
ル抽出を必要とする処理についても同様に行うことがで
きる。 また、ペアベクトル抽出を道路幅の太いものから細いも
のに順に行う構成としてもよく、上記実施例と同様の効
果が得られる。更に、より重要である太い道路を確実に
優先して抽出できるという利点がある。 また、街区抽出手段２において街区を抽出した際に、街
区の最外周の輪郭を成すベクトルを一定方向に並べて閉
ループを構成するようにする。この処理を行うと、主要
道路抽出に際してペアベクトル検索対象をこの閉ループ
を構成するベクトルに特定することができるので、処理
の高速化をはかることができる。更にペアベクトルは互
いに逆向きのベクトルとなる性質を利用してより確かな
ペアベクトル抽出を行うことができる。
、第５図と同一の部分は同一の符号をもって図示した第
１図において、２は地図データを解析して街区にあたる
データを抽出する街区抽出手段、３は街区抽出結果をも
とにして道路の交差点と交差点の間の道路非交差点部を
成すペアベクトルを階層的に抽出する階層的ベアベクト
ル抽出手段である。 次に第２図のフローチャートを参照して動作について説
明する。 まず、ステップＳＴＩは前記従来例と同様の動作をする
。すなわち、ステップＳＴｌで地図データを入力してベ
クトル化を行いメモリ（図示せず）に記憶する。その際
、ベクトルが道路の中心でなく道路輪郭を表すような形
式としておく。この処理は地図データ人力手段ｌによっ
て実行される。 次にステップＳＴ２で街区（付属する歩道を含む）を表
す線の途切れと考えられる部分を補正する。前記ステッ
プＳＴ２の詳細説明図を第３図に示す。第３図（Ａ）は
入力時の誤りによる途切れＴ１の例、第３図（Ｂ）は記
入時の省略による途切れＴ２の例、第３図（Ｃ）は行止
り道路の表現に伴う途切れＴ３の例である。 次に、ステップＳＴ３では互いに接続しあうベクトルを
一つのグループとしてまとめ、これをひとつの街区（付
属する歩道を含む）とする。 次に、ステップＳＴ４では前記街区間の隣接関係を求め
る。これは例えば各街区の外接長方形の位置関係を調べ
ることによって行う。以上の処理は街区抽出手段２によ
って実行される。 次に、ステップＳＴ５〜ＳＴ７では階層的ペアベクトル
抽出の第一段階として、主要道路を構成するペアベクト
ルを抽出する。主要道路の概念の説明図を第４図に示す
。主要道路を構成するペアベクトルは各々互いに隣接す
る街区に属するという性質を利用する。 まず、ステップＳＴ５では基準長さＬ以上の未処理ベク
トルのうちで最も長いベクトルを求め、これを■とする
。 次に、ステップＳＴ６ではベクトル■の属する街区の隣
の街区を構成するベクトルのうちで、長さＬ以上、ベク
トル■にほぼ平行に並んでいて、その間隔が最も近いも
のを求め、これをベクトルＷとし、ベクトル■とベクト
ルＷを１＆１１のペアベクトルとする。 次に、ステップＳＴ７では未処理で長さし以上のベクト
ルが残っていればステップＳＴ５に戻り、主要道路を構
成するペアベクトルの抽出を続け、残っていなければス
テップＳＴ８に進む。 ステップＳＴ８〜５Ｔ１３では階層的ペアベクトル抽出
の第２段階として、歩道Ｒや脇道Ｐ等を構成するペアベ
クトルを抽出する。これらのペアベクトルは同じ街区に
属するという性質を利用する。 まず、ステップＳＴ８でひとつの街区に注目する。 次にステップＳＴ９では基準長さＬ以上でその街区中で
最も長い未処理ベクトルを求め、これをベクトル■とす
る。 次に、ステップ５ＴＩＯではベクトル■の属する街区を
構成するベクトルのうちで長さがＬ以上、ベクトル■に
ほぼ平行に並んでいてその間隔が最も近いものを求め、
これをベクトルＷとし、前記ベクトル■とベクトルＷを
１組のペアベクトルとする。 次に、ステップ５ＴＩＩでは現在注目している街区中に
未処理のし以上の長さのベクトルが残っているか否かを
調べ、残っていればステップＳＴ９に戻り、注目してい
る街区中のペアベクトル抽出を続け、残っていなければ
ステップ５Ｔ１２に進む。 ステップ５Ｔ１２では全街区を処理したが否かを調べ、
処理済でなければステップ５Ｔ１３に進み、次の街区に
注目した上でステップＳＴ９に戻り、ペアベクトル抽出
をつづけ、処理済であるならば全処理を終了する。なお
、ステップＳＴ５〜５Ｔ１３の処理は階層的ペアベクト
ル抽出手段３によって実行される。 以上のように、従来装置では区別できなかった主要道路
と脇道Ｐ・歩道Ｒ等を区別して道路認識が行えるもので
ある。 なお、上記実施例では、道路の非交差点部のみを認識す
る図面認識装置の構成について示したが、これに交差点
部抽出手段等を付加してより高度な道路認識を行う構成
とすることもできる。 また、上記実施例では、階層的ペアベクトル抽出手段３
においてペアベクトルを１組ずつ抽出する処理方法につ
いて示したが、１組抽出するたびにその両端に接続する
ベクトルを調べてペアベクトルとする処理方法をとれば
、上記実施例と同様の効果が得られるだけでなく、ペア
ベクトル抽出がより高速に行える利点がある。 また、上記実施例では、街区抽出手段２において、線の
途切れを補正する方法について示したが、渡り廊下・歩
道橋等によって接続されている街区の分離処理や中央分
離帯の除去等を行えば更に道路の認識を正しく行うこと
ができる。 また、上記実施例では、階層的ペアベクトル抽出手段３
によって、街区の隣接関係を求めているが、ここで隣接
する方角の概念を取り入れてペアベクトル抽出で利用す
れば上記実施例と同様の効果が得られるばかりでなく、
ペアベクトル抽出がより高速に行える利点がある。 また、上記実施例では、階層的ペアベクトル抽出手段３
において、主要道路抽出と脇道Ｐ・歩道Ｒ抽出の２段階
の処理を行っているが、目的によって一方のみの抽出を
行うようにしてもよい。 また、本実施例では道路の認識について述べたが、水路
認識や、直像輪郭ベクトルの芯線化環−般にペアベクト
ル抽出を必要とする処理についても同様に行うことがで
きる。 また、ペアベクトル抽出を道路幅の太いものから細いも
のに順に行う構成としてもよく、上記実施例と同様の効
果が得られる。更に、より重要である太い道路を確実に
優先して抽出できるという利点がある。 また、街区抽出手段２において街区を抽出した際に、街
区の最外周の輪郭を成すベクトルを一定方向に並べて閉
ループを構成するようにする。この処理を行うと、主要
道路抽出に際してペアベクトル検索対象をこの閉ループ
を構成するベクトルに特定することができるので、処理
の高速化をはかることができる。更にペアベクトルは互
いに逆向きのベクトルとなる性質を利用してより確かな
ペアベクトル抽出を行うことができる。
以上のように、この発明によれば、入力された地図デー
タを解析して付属する歩道を含む街区を抽出し、その抽
出された情報をもとにして階層的ベクトル抽出手段によ
ってペアベクトル抽出を行うように構成したので、道路
類似パターンを含む地図から主要道路と脇道・歩道等を
短時間で自動的に判定して抽出することができる効果が
ある。
タを解析して付属する歩道を含む街区を抽出し、その抽
出された情報をもとにして階層的ベクトル抽出手段によ
ってペアベクトル抽出を行うように構成したので、道路
類似パターンを含む地図から主要道路と脇道・歩道等を
短時間で自動的に判定して抽出することができる効果が
ある。
第１図はこの発明の一実施例を示す図面認識装置のブロ
ック図、第２図は第１図の動作を示すフローチャート、
第３図は第２図の街区抽出の説明図、第４図は同じく第
２図の主要道路・脇道の概要の説明図、第５図は従来の
図面認識装置のブロック図、第６図は第５図の動作を示
すフローチャートである。 １・・・地図データ入力手段、２・・・街区抽出手段、
３・・・階層的ペアベクトル抽出手段。 なお、図中、同一符号は同一、又は相当部分を示す。 第６図 特 許 出 願 人 三菱電機株式会社（外２名） ５（・二／ 第 図 ヨ（直発 第 図 （での１） 第 図 第 図 （’ｆのＺ）
ック図、第２図は第１図の動作を示すフローチャート、
第３図は第２図の街区抽出の説明図、第４図は同じく第
２図の主要道路・脇道の概要の説明図、第５図は従来の
図面認識装置のブロック図、第６図は第５図の動作を示
すフローチャートである。 １・・・地図データ入力手段、２・・・街区抽出手段、
３・・・階層的ペアベクトル抽出手段。 なお、図中、同一符号は同一、又は相当部分を示す。 第６図 特 許 出 願 人 三菱電機株式会社（外２名） ５（・二／ 第 図 ヨ（直発 第 図 （での１） 第 図 第 図 （’ｆのＺ）
Claims (1)
- 地図に記載された道路等の地図データを入力して記憶す
る地図データ入力手段と、前記地図データを解析して街
区にあたるデータを抽出する街区抽出手段と、前記街区
抽出手段によって得られた街区情報を基にして道路の交
差点と交差点の間の道路非交差点部を成すペアベクトル
を階層的に抽出する階層的ペアベクトル抽出手段とを備
えた図面認識装置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP13615289A JPH033082A (ja) | 1989-05-31 | 1989-05-31 | 図面認識装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP13615289A JPH033082A (ja) | 1989-05-31 | 1989-05-31 | 図面認識装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JPH033082A true JPH033082A (ja) | 1991-01-09 |
Family
ID=15168530
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP13615289A Pending JPH033082A (ja) | 1989-05-31 | 1989-05-31 | 図面認識装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPH033082A (ja) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR100483259B1 (ko) * | 1996-06-28 | 2005-07-25 | 유니챰 가부시키가이샤 | 시트형청소재 |
-
1989
- 1989-05-31 JP JP13615289A patent/JPH033082A/ja active Pending
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR100483259B1 (ko) * | 1996-06-28 | 2005-07-25 | 유니챰 가부시키가이샤 | 시트형청소재 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113095263B (zh) | 遮挡下行人重识别模型训练方法、装置及遮挡下行人重识别方法、装置 | |
| CN109657614B (zh) | 航拍道路交通事故现场勘查中道路自动识别方法 | |
| CN110084850A (zh) | 一种基于图像语义分割的动态场景视觉定位方法 | |
| Zhang et al. | Knowledge-based image analysis for 3D road reconstruction | |
| US20240161315A1 (en) | Accurate and robust visual object tracking approach for quadrupedal robots based on siamese network | |
| Zhang et al. | Updating of cartographic road databases by image analysis | |
| CN117830812B (zh) | 一种基于场景图子图的图像描述生成方法和系统 | |
| Koutaki et al. | Automatic road extraction based on cross detection in suburb | |
| CN111462140B (zh) | 一种基于区块拼接的实时图像实例分割方法 | |
| CN114299394A (zh) | 一种遥感影像智能解译方法 | |
| CN118537733A (zh) | 基于特征一致性感知的遥感影像道路提取方法 | |
| CN117612122A (zh) | 基于编解码器的滑动窗口注意力网络的盲道区域提取方法 | |
| CN114155253B (zh) | 一种基于遥感影像分割的狭长条带状要素断裂的连接方法 | |
| CN119314146B (zh) | 一种基于图像识别的复杂道岔区域内轨行区提取识别方法 | |
| JPH033082A (ja) | 図面認識装置 | |
| CN118097667B (zh) | 基于电子信息地图的道路拓扑表示方法 | |
| CN114648697A (zh) | 一种基于改进BiSeNet网络的机器人可行驶路径识别方法 | |
| CN106169086A (zh) | 导航数据辅助下的高分辨率光学影像损毁道路提取方法 | |
| Wei et al. | Corner Affinity: A Robust Grouping Algorithm to Make Corner-guided Detector Great Again. | |
| JPH033083A (ja) | 図面認識装置 | |
| KR102863683B1 (ko) | 위성사진 기반 ａｉ 모델을 이용한 시설물 자동식별 시스템 | |
| Yun et al. | Automatic highway extraction from high resolution imagery by an energy minimizing based perceptual grouping method | |
| CN116363367B (zh) | 一种用于盲道场景的图像语义分割方法 | |
| Liu et al. | Automated Vectorization and Labeling of Very Large Raster Hypsographic Map Images Using A Contour Graph | |
| CN121545126B (zh) | 一种基于多任务联合预训练的遮挡车辆重识别方法及系统 |