1、内容介绍：基于区域生长的道路检测算法实现，采用MATLAB语言实现。
2、适用人群：适用于计算机，电子信息工程等专业的大学生课程设计和毕业设计。
3、支持答疑：有问题可以订阅博主的《实用毕业设计》专栏（附链接 ：https://blog.csdn.net/soaringlee_fighting/category_9288245.html）或者直接购买资源后咨询博主。
4、质量保证：完整代码，可直接运行！
2022-11-18 19:26:41
115KB
3、路面导向标志检测：
用二值化与逆透视变换叠加，再通过联通区域滤波的方法来提取路面交通标志的感兴趣区域。
1、类点数约束：
对于每一个分割类，其包含的点数是判断其是否可能是路面标志的最快速方法。分割类的点数 n 应满足：
2、类外接矩形约束：
类外接矩形可以大致勾勒出类的形状范围，对于判断是否是路面标志也有很好的效果，其外接矩形边长 u，v，它们应满足：
2021-11-11 13:30:19
5.26MB
1
平板
在PyTorch中实施的渐进式LiDAR自适应道路检测
该存储库再现了PyTorch中PLARD 的结果。 该代码主要基于 。
抽象的
尽管基于视觉图像的道路检测技术发展Swift，但由于光照变化和图像模糊等问题，如何在视觉图像中可靠地识别道路区域仍然具有挑战性。 为此，可以将LiDAR传感器数据并入以改进基于视觉图像的道路检测，因为LiDAR数据不易受到视觉噪声的影响。 但是，将LiDAR信息引入基于视觉图像的道路检测中的主要困难是LiDAR数据及其提取的特征与视觉数据和视觉特征不会共享相同的空间。 这样的空间间隙可能会限制LiDAR信息在道路检测中的优势。 为了克服这个问题，我们引入了一种新颖的渐进式LiDAR自适应道路检测（PLARD）方法，以将LiDAR信息适应基于可视图像的道路检测并提高检测性能。 在PLARD中，渐进式LiDAR适应包括两个后续模块：1）数据空间适应，通过
2021-09-20 22:10:21
319KB
1