注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. matlab阈值分割

  2. 主要是matlab的阈值分割处理，用于车道线的提取。

  3. 所属分类：专业指导

    • 发布日期：2013-06-04
    • 文件大小：13kb
    • 提供者：u010947504

  1. 基于自适应分割阈值的夜间车道标识线识别_刘伟

  2. 基于自适应分割阈值的夜间车道标识线识别_刘伟

  3. 所属分类：其它

    • 发布日期：2016-08-19
    • 文件大小：134kb
    • 提供者：zhengzhaohui520

  1. 无人驾驶汽车环境信息提取及运动决策方法研究_武历颖.caj

  2. 随着汽车保有量的增长,越来越多的道路交通事故也给社会和人民造成了巨大的损失。其中,汽车驾驶人的危险驾驶行为是导致道路交通事故频频发生的主要原因。无人驾驶汽车因其无需人类驾驶操纵的特点具有广阔的应用前景。在无人驾驶汽车的行驶过程中,如何实时、鲁棒地提取行驶环境信息,以及在获得信息的基础上进行合理的运动决策是实现其安全、高效自主驾驶的关键,也是无人驾驶汽车研究中的难点和热点。论文依托国家自然科学基金重大研究计划项目(90920305)“无人驾驶车辆智能测试环境研究与开发”和中央高校基金创新团队项目

  3. 所属分类：机器学习

    • 发布日期：2018-04-17
    • 文件大小：10mb
    • 提供者：yuzha9785

  1. SUPER A Novel Lane Detection System论文解读个人理解.docx

  2. 准确可靠的车道检测是车道保持(LK)、变道自动化(LCA)和车道偏离警告(LDW)功能的关键特征。基于特性的方法使用了通用框架，将车道检测方法分解为几个模块:图像预处理、特征提取、模型拟合、图像与世界的对应和时间集成。文章从场景理解出发，解决基于CNNs的面向任务的车道识别问题。文章提出的方法具有三个优点：1）在复杂场景中的适应性：与直接检测车道对象相比，整体街道场景具有更稳定的布局，对光线、遮挡和天气等不利因素的鲁棒性更强。2）感知的可靠性和可重用性：文章提出了一种模仿人类感知能力的分层分割结

  3. 所属分类：深度学习

  1. Python视觉实战项目31讲.pdf

  2. 本手册中主要涉及以下几部分，首先是对 OpenCV中自带的基本函数进行介绍。其次是OpenCV的实战项目，一方面是基于实际项目利用OpenCV实现特定对象的检测，例如车道线检测、路面的坑洼检测、等；另一方面是基于OpenCV实现图像增强，例如利用OpenCV消除运动所引起的图像模糊等。最后是OpenCV与深度学习等其他相结合实现图像分割、人脸检测、运动检测等难度较大的问题。

  3. 所属分类：互联网

    • 发布日期：2020-10-14
    • 文件大小：75mb
    • 提供者：qq_42722197

  1. 无人地面车辆乡村典型工作环境复杂度评价

  2. 环境复杂度是无人地面车辆自主性评价三因素（即任务复杂度、环境复杂度、人机交互程度）的一个重要方面。在对美国陆军新版《作战纲要》中作战环境分析的基础上，定义无人地面车辆乡村典型工作环境，以该环境复杂度作为评价目标，分为道路环境、车道内障碍、路面覆盖、路面破损、光照与阴影、成像模糊六个评价方面，建立乡村典型工作环境复杂度评价指标体系。通过算法进行道路边界分割，实现定量评价，并给出典型场景中环境复杂度的参考值。

  3. 所属分类：其它

  1. 5行Python代码实现图像分割的步骤详解

  2. 众所周知图像是由若干有意义的像素组成的，图像分割作为计算机视觉的基础，对具有现有目标和较精确边界的图像进行分割，实现在图像像素级别上的分类任务。 图像分割可分为语义分割和实例分割两类，区别如下： 语义分割：将图像中每个像素赋予一个类别标签，用不同的颜色来表示； 实例分割：无需对每个像素进行标记，只需要找到感兴趣物体的边缘轮廓。 图像分割通常应用如下所示： 专业检测：应用于专业场景的图像分析，比如在卫星图像中识别建筑、道路、森林，或在医学图像中定位病灶、测量面积等； 智能交通：识

  3. 所属分类：其它

    • 发布日期：2020-12-17
    • 文件大小：56kb
    • 提供者：weixin_38547397

  1. 基于灰度优化的车道线识别.pdf

  2. 本文研究了现实路况复杂的车行道识别，较好的解决了当道路路面结构不均匀、光照变化、阴影遮挡以及其他车辆的存在使得道路图像变复杂时，车道线识别度低的问题。本文采用灰度均衡化增强图像；然后用阈值可变化的对称阈值分割法提取车道线信息，最后进行霍夫变换识别出车道线。

  3. 所属分类：机器学习