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. 基于视频的多车道车流量检测.pdf

  2. 由于本系统是对多车道路面进行车流量检测，所以首先必须要进行车道标志线的识别划分，然后再分别计算各个车道的车流量。Hough变换是一种能够有效地检测直线的方法，但要求图像清晰，车道标志线明显。本文对传统HouglI变换进行改进，得到一种基于模糊理论的车道标志线检测新算法，该算法将模糊集和动态聚类分析的思想引入到Hough变换算法中，从而获得直线的精确定位，提高了系统的智能化程度，并且能适应不同环境下的车道划分。

  3. 所属分类：其它

    • 发布日期：2010-12-15
    • 文件大小：2mb
    • 提供者：fighterzhxh

  1. 基于双目视觉的车道线

  2. 作为世界交通运输领域的研究热点，基于双目视觉的车辆自动( 或辅助) 驾驶系统采用图像处理和计算机视觉技术检测道路行驶线、交通标志、车辆、行人等道路环境状况，以保证车辆以安全的车距和合适的车速行驶在正确的车道上，并能对一些异常状况进行及时处理。图1为双目视觉系统在检测车道线上的应用。

  3. 所属分类：C/C++

    • 发布日期：2014-08-27
    • 文件大小：2mb
    • 提供者：mayingbin13

  1. 基于RANSAC的弯道检测

  2. 用于结构化道路的弯道检测，使用RANSAC提高算法鲁棒性

  3. 所属分类：其它

    • 发布日期：2014-12-15
    • 文件大小：17kb
    • 提供者：zy2120130512

  1. 深度学习 caffe总结.doc

  2. 深度学习相关的理论知识以及算法的caffe实现等，了解了深度学习在车道线检测上的应用。同时，学习了车道线检测中经常使用的ICP算法、RANSAN算法、EKF算法等。

  3. 所属分类：深度学习

    • 发布日期：2018-01-08
    • 文件大小：223kb
    • 提供者：lianshengan

  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. 基于车道线标定的自动标定方法

  2. 一种基于车道线检测，标定摄像头外参的系统与方法。该方法主要包含如下几个步骤：（1）通过前、后、左、右相机采集原始图像，并处理图像提取车道线所在的感兴趣区域。（2）在感兴趣区域内检测车道线，并将检测到的车道线拟合成6段短直线。（3）然后通过该6段短直线的斜率得到各相机的夹角，从而判定哪个相机需要标定。（4）对需要标定的相机进行标定。（5）更新相机标定后的参数，重新生成拼接图。本发明结合了传统的标定方法，提出了一种基于线特征的在线标定方法，提高了4S店的标定效率。

  3. 所属分类：嵌入式

    • 发布日期：2018-11-07
    • 文件大小：961kb
    • 提供者：yonghenxin4750

  1. 基于OpenCV的车道线检测与车辆检测

  2. 利用opencv开发的车道检测和车辆识别代码，包含源代码、目的代码、演示视频。

  3. 所属分类：深度学习

    • 发布日期：2019-06-24
    • 文件大小：17mb
    • 提供者：suofen9703

  1. LaneDetection.7z

  2. 基于OpenCV的车道线检测与车辆检测，代码包含源代码、目的代码，以及视频

  3. 所属分类：深度学习

    • 发布日期：2019-06-24
    • 文件大小：19mb
    • 提供者：suofen9703

  1. 利用c++实现车道线识别.pdf

  2. 本篇文章是在学习C++的时候做的小项目，对目前的方法进行了稍微的改动，效果还可以。目前车道线检测方面的方法主要包括：基于Hough变换、基于透视变换、基于机器学习和深度学习。其中第一种方法是根据车道线与周围环境的物理特征差异进行图像的处理，从而检测到车道线，该方法复杂度较低，实时性较高，但易受到道路环境的干扰，而且Hough变换的直线检测特质导致了该方法在道路曲率较大时的检测误差较大。本文是利用c++和Hough变换实现对车道线的检测。

  3. 所属分类：C++

    • 发布日期：2019-08-06
    • 文件大小：464kb
    • 提供者：qq_14813425

  1. 道路车道线检测-opencv.rar

  2. 在这个项目中，我使用Python和OpenCV在道路图像中查找车道线。 使用以下技术：颜色选择、坎尼边缘检测、感兴趣区域选择、霍夫变换线检测 最后，我应用了所有技术来处理视频剪辑以在其中找到车道线。

  3. 所属分类：直播技术

    • 发布日期：2020-03-29
    • 文件大小：71mb
    • 提供者：DOTWOLF

  1. 五种边缘检测.zip

  2. 基于matlab的Roberts、Sobel、Prewitt、LOG、Canny五种算子边缘检测，通过图像直接显示。canny算子对于车道线的识别效果更佳。

  3. 所属分类：其它

    • 发布日期：2020-01-02
    • 文件大小：218kb
    • 提供者：kai_locust

  1. 基于视觉的车道线识别研究_周越.caj

  2. 论文仅供学习参考使用。 道路图像预处理部分。首先对道路图像进行感兴趣区域提取，取图像下半部分作为感兴趣区域减少干扰信息；然后分析分量法、最大值法、平均法、加权平均法四种图像灰度化处理方法，采用加权平均法对道路图像灰度化；改进中值滤波法完成预处理图像的滤波操作；运用 OTSU 法对图像进行二值化，提取车道线轮廓信息；最后比较三种边缘检测算子，采用 Canny 算子进行图像的边缘提取。通过平移检测出的左右位置直线，建立包含完整车道线信息的上下边界，确定车道线特征点提取范围。利用车道线宽度限定条件和颜

  3. 所属分类：深度学习

    • 发布日期：2020-09-03
    • 文件大小：4mb
    • 提供者：olivia_ye

  1. 基于多尺度重采样的车道线检测

  2. 提出了一种适用于辅助驾驶的高鲁棒性车道线检测算法。算法采用了根据距离的影像金字塔，有效提高了检测效率和准确率，实现了Android平台的实时检测，使用水平方向暗-亮-暗特征、二次曲线车道模型和基于卡尔曼滤波的跟踪实时提取跟踪路面车道线，实现相机俯仰角的快速标定。实验证明，基于简单特征和车道线模型算法在Android系统的行车记录仪上可稳定地进行车道跟踪。

  3. 所属分类：其它

    • 发布日期：2020-10-16
    • 文件大小：871kb
    • 提供者：weixin_38736652

  1. 手机ADAS：基于OpenCL的车道线检测应用评估

  2. 先进驾驶辅助系统(Advanced Driving Assistant System，ADAS)有利于提高驾驶安全性。如今，Open Computing Language(OpenCL)框架以及集成Graphics Processing Unit（GPU）手机的出现，使得在手机上高效运行ADAS应用成为可能。基于OpenCL框架实现了ADAS最典型的一个功能——车道线检测，并运行在三款手机上。通过比较该应用的检测准确度、帧处理速度、应用能效，根据实验结果手机设备非常适合运行基于视觉的ADAS应用

  3. 所属分类：其它

    • 发布日期：2020-10-16
    • 文件大小：345kb
    • 提供者：weixin_38675815

  1. 基于改进车底阴影提取算法的前方运动车辆实时检测

  2. 道路前方运动车辆检测是汽车安全辅助驾驶的重要方面，开发鲁棒性强的实时检测方法是实现主动安全预警的有效途径。基于单目视觉和车道线确定梯形感兴趣区域（Region of Interest，ROI），并根据车底阴影特征，提出一种变矩形窗口的自适应均值-方差差值法，用于计算车底阴影阈值；进而，提出一种基于车辆尾部宽度模版的横向遍历最小均值法，生成车底阴影与路面相交线假设；再利用车底阴影的灰度值特征，对车底阴影线进行验证，从而检测出车辆。将上述方法应用于自行开发的DSP实验平台进行验证，结果表明，该方法平

  3. 所属分类：其它

    • 发布日期：2020-10-16
    • 文件大小：458kb
    • 提供者：weixin_38545243

  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. 视频车流量检测中的虚拟检测区域自动提取

  2. 针对传统视频车流量检测中虚拟检测区域人为设置，使得系统不能自动适应不同的车道环境，灵活性低的问题，提出了自动提取虚拟检测区域的算法。利用均值法获得粗糙背景，再通过概率Hough变换和车道线特征排除各种干扰线段，获取车道线并自动提取虚拟检测区域。实验表明，该算法准确度达到90%以上，实时性较好、鲁棒性高，对后续实时车流量检测及车速计算等具有较好的应用价值。

  3. 所属分类：其它

    • 发布日期：2020-10-17
    • 文件大小：375kb
    • 提供者：weixin_38658085

  1. 使用OpenCV对车道进行实时检测的实现示例代码

  2. 项目介绍 下图中的两条线即为车道： 我们的任务就是通过 OpenCV 在一段视频（或摄像头）中实时检测出车道并将其标记出来。其效果如下图所示： 这里使用的代码来源于磐怼怼大神，此文章旨在对其代码进行解释。 实现步骤 1、将视频的所有帧读取为图片； 2、创建掩码并应用到这些图片上； 3、图像阈值化； 4、用霍夫线变换检测车道； 5、将车道画到每张图片上； 6、将所有图片合并为视频。 代码实现 1、导入需要的库 import os import re import cv2 import

  3. 所属分类：其它

    • 发布日期：2020-12-17
    • 文件大小：189kb
    • 提供者：weixin_38701407

  1. opencv车道线检测的实现方法

  2. 车道线检测，需要完成以下功能： 图像裁剪：通过设定图像ROI区域，拷贝图像获得裁剪图像 反透视变换：用的是室外采集到的视频，没有对应的变换矩阵。所以建立二维坐标，通过四点映射的方法计算矩阵，进行反透视变化。后因ROI区域的设置易造成变换矩阵获取困难和插值得到的透视图效果不理想，故没应用 二值化：先变化为灰度图，然后设定阈值直接变成二值化图像。 形态学滤波：对二值化图像进行腐蚀，去除噪点，然后对图像进行膨胀，弥补对车道线的腐蚀。 边缘检测：canny变化、sobel变化和lap

  3. 所属分类：其它

    • 发布日期：2021-01-01
    • 文件大小：461kb
    • 提供者：weixin_38499706

  1. car_line：基于霍夫直线检测检测车道线-源码

  2. 基于霍夫直线检测 使用方法： #实例化： import car_lines import cv2 app = car_lines . Car_lines () #读取图片 img = cv2 . imread ( img_path ) #设定车道线颜色阈值/默认白、黄色 white_lower = [ 200 , 200 , 200 ] white_upper = [ 255 , 255 , 255 ] yellow_lower = [ 0 , 110 , 110 ] yellow_upper

  3. 所属分类：其它

    • 发布日期：2021-03-02
    • 文件大小：40mb
    • 提供者：weixin_42116585
« 12 »