提出一种车道线分类检测算法。首先采用LDA对道路图像进行有针对性的灰度化，以便更好地区分车道线与道路。采用LSD算法检测灰度图像中的直线部分并确定车道线的方向。在此基础上，选取符合车道线灰度范围内的像素点。对远距离的像素点采用抛物线拟合，近距离的像素点采用直线拟合。同时，将检测到的车道线进行虚线实线的分类标记。最后结合视频序列的连续性对检测结果进行反向验证。实验结果证明，提出的方法对直道弯道检测均有很好的效果。算法的处理速度为每秒10帧左右，采用的测试视频的帧率为每秒15帧，基本满足实时性的要求。

能用的64位的AKS算法，自己编的！很实用的素性检测算法

作者：Tom Hardy Date：2020-1-6 来源：总结|深度学习实现缺陷检测 前言 缺陷检测是工业上非常重要的一个应用，由于缺陷多种多样，传统的机器视觉算法很难做到对缺陷特征完整的建模和迁移，复用性不大，要求区分工况，这会浪费大量的人力成本。深度学习在特征提取和定位上取得了非常好的效果，越来越多的学者和工程人员开始将深度学习算法引入到缺陷检测领域中，下面将会介绍几种深度学习算法在缺陷检测领域中的应用。 1、A fast and robust convolutional neural network-based defect detection model in product qua

本文讨论了当前的Huohg变换算法原理以及其应用。并在Huohg变换的原理基础上利用Matlab实习了一个圆形检测系统。系统主要完成图像的加载，图像预处理和圆形检测和输出的任务，且对于如何在Matlab下进行图像处理相关任务的编程给出了详细的步骤。接着分析了圆形检测实验平台的需求，包括对图像的导入、GUI界面的搭建和算法实现等。针对这些需求和 Matlab 中数字图像处理相关的库函数，本文归纳了实现这些功能需要的Matlab工具，描述了通过这些工具实现圆形检测实验平台的过程和效果。结果表明系统运行平稳，符合预期功能设计

该算法实现了针对图像进过小角度旋转的检测，利用叠加旋转图像每行的频谱来增强频谱峰值，通过检测归一化峰值频率来判断图像是否进过小角度旋转

基于压缩感知的SIMO-NOMA系统多用户检测算法

与上一部分资源类似，这部分也是基于MATLAB的车道线检测程序，同样使用和对比了不同边缘检测算法，最后对得到的数据点进行随机采样一致性算法（RANSAC）拟合了车道线。

V-BLAST检测算法的研究及性能分析，让您一定会有豁然开朗的感觉！

为了快速、准确地检测老年人跌倒事件的发生,给出一种基于姿态估计的实时跌倒检测算法.首先利用基于深度学习的人体姿态估计算法得到人体关节点的坐标;然后,通过计算人体质心点的下降速度、跌倒后颈部关节点的纵坐标值是否大于阈值、以及肩部和腰部关节点的相对位置关系来判断跌倒是否发生.所给出的跌倒检测算法利用单目相机进行检测,便于以嵌入式方式应用于机器人.实验结果表明,所提出算法与当前先进方法相比取得了较好的效果.

基于深度学习的机器人抓取检测 采用康奈尔大学抓取数据集 We consider the problem of detecting robotic grasps in an RGB-D view of a scene containing objects. In this work, we apply a deep learning approach to solve this problem, which avoids time-consuming hand-design of features. This presents two main challenges. First, we need to evaluate a huge number of candidate grasps. In order to make detection fast and robust, we present a two-step cascaded system with two deep networks, where the top detections from the first are re-evaluated by the second. The first network has fewer features, is faster to run, and can effectively prune out unlikely candidate grasps. The second, with more features, is slower but has to run only on the top few detections. Second, we need to handle multimodal inputs effectively, for which we present a method that applies structured regularization on the weights based on multimodal group regularization. We show that our method improves performance on an RGBD robotic grasping dataset, and can be used to successfully execute grasps on two different robotic platforms.