共查询到20条相似文献,搜索用时 78 毫秒
1.
为了提高停车场的车位利用率,有效地管理停车场,提出了1种基于计算机视觉的车位检测方法.与传统的视频检测方法不同,该方法在停车位上绘制了特定的辅助识别图案,图案具有各向同质性的特征,在大部分光照、阴影的影响下具备图案特征不变性,且与一般车辆上绘制的图案有显著差别,在此基础上采用图像检测算法对图案进行数学解析描述,作为检测目标,同时采用图像识别算法,逐行扫描各个像素,利用模式匹配判断停车位状态.通过选取停车场的2个车位进行实例验证,准确率为98.12%.结果表明该方法识别速度快、准确率高,具有很好的应用前景. 相似文献
2.
基于激光雷达的无人驾驶车前方障碍物检测 总被引:1,自引:0,他引:1
无人驾驶车在越野条件下的环境感知技术是其实现自主导航功能的难题.由于越野环境复杂,障碍物种类繁多,对智能车周围环境的探测更是难上加难.选择越野环境下几种典型的障碍物作为检测目标,采用基于激光雷达面扫描的方法获取无人驾驶车前方路面图像信息,根据障碍物对于激光数据的不同特征,检测无人驾驶车前方静止的障碍物,主要包括水塘、石头或陡坡以及树木等.利用激光可直接测得障碍物距离数据的优势,基于投影变换原理进而求得障碍物的长、宽或高等三维信息. 相似文献
3.
4.
基于计算机视觉的单目摄影纵向车距测量系统研究 总被引:6,自引:0,他引:6
基于计算机视觉的车道检测和前方障碍物检测技术,并与纵向车距模型相结合,提出一种测量车距的新方法。依据摄影几何投影变换,从图像平面重建出道路平面图而进行车道检测,解决图像中远方车道过于细小、难以检测的缺点,尤其是算法对常见的虚线车道特别有效,在试验中取得满意的效果。 相似文献
5.
6.
7.
8.
9.
变化光照条件下交通标志检测算法的准确率往往会显著降低。针对此问题,提出了1种新颖的概率图建立方法,并结合最大稳定极值区域特征进行交通标志检测。该方法包括3个处理步骤:①根据不同光照条件对真实场景交通标志样本图像进行明确分类以构建多类颜色直方图,将交通标志输入图像由原始色彩表达转变为概率图(直方图反投影);②通过在概率图上进行 MSER特征提取,获取候选的交通标志区域;③根据候选区域的面积、宽高比等特征快速有效去除非交通标志区域。实验结果表明在弱光照和强光照条件下基于归一化RGB的交通标志检测算法检测准确率分别下降到84.4%和83.0%,基于红蓝图的交通标志检测算法检测准确率分别下降到87.4%和86.3%,提出的算法在变化光照条件下依然可以保持90%以上的检测准确率,对光照变化有较好的鲁棒性。 相似文献
10.
针对城市混合交通的复杂场景图像中多目标及其参数的检测问题,提出了一种由改进的帧间差分与边缘提取相结合的算法。利用帧间差分法检测车辆的存在,对帧差图像运用统计滤波算法提取多运动目标,通过形态学方法提取并细化目标边缘,根据主边缘(轮廓)信息完成车辆定位,最终结合摄像机标定结果计算出多目标交通参数。算法避免了复杂场景的背景建模,减少了运算量。实验结果表明,该算法不仅能较为准确地检测多运动目标的参数,而且具有较强的实时性。 相似文献
11.
12.
针对当前基于视频图像的场面监视目标检测方法存在定位误差较大,识别准确率低等问题,建立一种结合目标运动信息的机场场面运动目标检测方法:利用倾向流法提取出运动目标在图像中的候选区域,对候选区域执行点池化操作以确定区域建议的边界,采用Inception结构构建一个浅层卷积神经网络,并使用该网络对区域建议中的航空器、车辆和人员进行识别.结合国内机场的监视视频,构建了一个包含4 938张图片的机场目标数据集,用于算法的训练和测试.结果 表明,运动目标提取的准确率达到94%以上,运动目标识别的Top-1准确率达到了97.23%,运动目标平均准确率达到86.23%.与3种深度学习目标检测算法相比,运动目标检测精度平均提升了39%. 相似文献
13.
《汽车工程》2017,(7)
针对安全带佩戴规范性仍未引起充分重视的现实问题,借助具有红外敏感表面涂层标记的三点式安全带,基于标记视觉和图像处理技术提出一种安全带佩戴规范性的集成检测方法:利用增强现实技术快速识别定位安全带标记,在此基础上分别设计数量阈值算法、模糊聚类阈值算法、曲线拟合松弛度算法和肩部外轮廓交点定位算法,用以进行安全带是否佩戴和佩戴形式、松紧程度、高低位置是否规范等4种判断,从而实现安全带是否规范佩戴的检测目标。实验结果表明,在各种成像条件和图像背景干扰下,对应上述4种判断的识别准确率分别为95.4%,93.1%,79.5%和85.3%,而安全带佩戴规范性的综合识别准确率达89.5%,验证了所提出算法的准确性、有效性和适应能力。 相似文献
14.
无人驾驶汽车主要依靠车载摄像头拍摄视频,通过计算机对该视频进行分析,综合道路信息、汽车位置和障碍物等对汽车车辆进行控制,实现对车辆方向和速度的控制,确保车辆可以安全可靠地在道路上行驶。无人车摄像头采集的图像处理是一项重要工作,是车辆系统作出判断的前提输入,通过对车载摄像头所获取的图像处理和分析,研究目标与目标物阴影之间的相关关系,利用图像阴影部分的基本特征,提出图像边界差的阴影检测方法。通过准确检测,利用图像处理技术去除阴影获取目标。 相似文献
15.
16.
17.
为解决室内交通无法利用GPS进行定位的问题,针对室内普遍存在并且均匀分布的消防安全疏散标志,研究了基于消防安全疏散标志的高精度室内视觉定位算法.以计算当前位置距离地图中最近的1个消防安全疏散标志地点的位姿为目标,利用消防安全疏散标志的颜色特性进行颜色阈值分割.结合方向梯度直方图(HOG)特征与支持向量机(SVM)检测候选框中是否含有消防安全疏散标志,然后用加速鲁棒特征(SURF)全局特征进行特征匹配,利用最邻近(KNN)方法选取全局特征距离最小的K个地点作为候选定位结果.用SURF局部特征进行特征匹配,选取局部特征匹配数目最多的1个地点作为图像级定位结果,并计算当前位置在地图中的位姿.通过在地下停车场和大型办公楼进行实地测试,图像级定位的准确率在96% 以上,平均定位误差在0.6 m以下.实验结果表明,该算法满足了室内定位精度的需求,并具有良好的鲁棒性. 相似文献
18.
19.