在道路图像中，为了得到较理想的车道标识边缘，采用基于Sobel算子边缘图像增强的方法增强道路车道线的边缘，从而明显提高车道线提取的准确性。针对道路边界的形状特征提出的二次曲线道路边界模型,实现了对车道标识线的实时跟踪。
2022-03-01 20:58:10
2.11MB
1
在道路图像中，为了得到较理想的车道标识边缘，采用基于Sobel算子边缘图像增强的方法增强道路车道线的边缘，从而明显提高车道线提取的准确性。针对道路边界的形状特征提出的二次曲线道路边界模型， 实现了对车道标识线的实时跟踪。
2022-03-01 20:49:00
1.62MB
1
为了提高智能车对道路的预判能力，探讨了摄像头在智能车道路识别中的应用，提出一种通用的控制算法。在准确采集图像的基础上，通过图像还原技术获得赛道的真实信息，利用临近搜索法对有效道路信息进行快速提取，计算出赛道黑线的走向趋势及赛车当前位置，对赛道进行合理地分类和优化，根据不同的赛道选不同频率的PWM波，极大地减小加速和减速的时间，采用 Bang-Bang控制算法使速度达到理想值。
2022-01-09 23:57:54
1.32MB
1
利用计算机视觉库OpenCV和Android NDK编译技术在Android平台上实现道路识别的处理过程。首先简要介绍了开源计算机视觉库OpenCV及其移植到Android平台上的方法，该方法使Android平台的应用更加广泛，能够更好地实现各种复杂图像的处理。
2021-05-28 23:30:02
94KB
1
研究道路图像分割问题。针对现有的基于消失点约束的道路图像分割方法过于依赖道路的边缘特征，导致容易出现过分割的问题，提出一种融合道路纹理、路面与非路面颜色特征提高道路图像分割精度的方法。算法基于消失点约束的直线道路模型，将道路分割转换为贝叶斯后验概率密度估计问题。该算法利用方向一致性比例来描述道路的纹理特征，及通过非线性转换函数及自监督策略计算图像像素与“路面”像素的相似性，凸显出图像中的路面区域，以此作为路面与非路面视觉特征测量的概率原型。算法利用了纹理、路面与非路面颜色三种视觉特征各自的优点，通过最大化贝叶斯后验概率密度估计分割出路面。通过与无监督或半监督道路分割研究领域最具代表性的方法进行比较，实验结果表明本文方法的精度更高。究基于双目视觉的道路场景三维重建与障碍物检测技术。光照变化、视差不连续、遮挡及弱纹理区域歧义匹配，以及实时性和资源消耗等是目前面向智能车辆的双目视觉算法所存在的主要问题。虽然在某一方面国内外研究已经取得了丰硕的成果，但是目前还没有相关研究能在保证系统精度与实时性的前提下综合性地解决好以上几个难题
2021-05-02 19:01:31
18.61MB