advanced-lane-detection:使用失真校正,图像校正,颜色变换和梯度阈值的高级车道发现算法-源码

上传者: 42137022 | 上传时间: 2021-07-28 02:21:27 | 文件大小: 161.14MB | 文件类型: ZIP
介绍 使用失真校正,图像校正,颜色变换和梯度阈值构建了先进的车道发现算法。 确定车道曲率和车辆排量。 克服了诸如阴影和人行道改变等环境挑战 在这个项目中,我使用了计算机视觉技术来识别车道边界,并在给定道路视频帧的情况下计算曲率半径的估算值。 为此,请执行以下步骤: 给定同一台摄像机拍摄的一组棋盘图像,计算出摄像机校准矩阵和所使用的摄像机镜头的畸变系数 使用上述矩阵和系数来校正相机原始输出所给的失真 使用颜色变换和sobel算法创建阈值二值图像,该图像已从图像上不必要的信息中滤除 应用透视变换以查看图像的“鸟瞰图”,就像从天空中看一样 应用遮罩以获得感兴趣的区域,检测车道像素, 确定每个车道的最佳拟合曲线 将车道边界投影回到原始视图的未失真图像上 输出车道边界和其他相关信息的可视显示 如何使用 您需要设置依赖项才能在计算机上运行Jupyter Notebook并设置一些软件包,例如op

文件下载

资源详情

[{"title":"( 135 个子文件 161.14MB ) advanced-lane-detection:使用失真校正,图像校正,颜色变换和梯度阈值的高级车道发现算法-源码","children":[{"title":"chessboard.py <span style='color:#111;'> 1.69KB </span>","children":null,"spread":false},{"title":"straight_lines2.jpg <span style='color:#111;'> 188.57KB </span>","children":null,"spread":false},{"title":"test1.jpg <span style='color:#111;'> 212.15KB </span>","children":null,"spread":false},{"title":"test4.jpg <span style='color:#111;'> 196.48KB </span>","children":null,"spread":false},{"title":"straight_lines1.jpg <span style='color:#111;'> 151.42KB </span>","children":null,"spread":false},{"title":"......","children":null,"spread":false},{"title":"<span style='color:steelblue;'>文件过多,未全部展示</span>","children":null,"spread":false}],"spread":true}]

评论信息

免责申明

【只为小站】的资源来自网友分享,仅供学习研究,请务必在下载后24小时内给予删除,不得用于其他任何用途,否则后果自负。基于互联网的特殊性,【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查;无论 【只为小站】 经营者是否已进行审查,用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场,基于网友分享,根据中国法律《信息网络传播权保护条例》第二十二条之规定,若资源存在侵权或相关问题请联系本站客服人员,zhiweidada#qq.com,请把#换成@,本站将给予最大的支持与配合,做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明