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. 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：475136
    • 提供者：qq_14813425

  1. 基于深度学习的车道线检测与识别.caj

  2. 基于深度学习的辅助驾驶系统中行人检测跟踪研究.caj 基于深度学习的辅助驾驶系统中行人检测跟踪研究.caj

  3. 所属分类：其它

    • 发布日期：2019-10-11
    • 文件大小：3145728
    • 提供者：lulu_god

  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：78643200
    • 提供者：qq_42722197

  1. 2月19 基于深度学习的车道线检测

  2. 基于深度学习的车道线检测 相比于haugh方法，DL方法性能提升角度： ROI区域的选择 图像处理过程的参数 处理速度（Haugh变换可能只有4.5-6帧/秒，要想实时，只能丢帧近似处理） 机器学习的子类——深度学习 近来，机器学习的发展产生了一个新的方向，即“深度学习”。 深度学习，就是传统的神经网联发展到了多隐藏层的情况。 2006年，Geoffrey Hinton在科学杂志《Science》上发表了一篇文章，论证了两个观点： 1.多隐层的神经网络具有优异的特征学习能力，学习得到的

  3. 所属分类：其它

    • 发布日期：2021-01-06
    • 文件大小：4194304
    • 提供者：weixin_38669881

  1. Self-Driving-Car-Nanodegree---Udacity:Udacity提供的自动驾驶汽车纳米度-源码

  2. 自驾车工程师纳米学位Udacity Ian Whittal P.Eng的课程工作 纳米级将计算机视觉和深度学习应用于汽车问题，包括检测车道线，预测转向角等。 接下来，您将学习传感器融合，将其用于过滤来自传感器阵列的数据以感知环境。 整个自动驾驶汽车工程师纳米学位计划的基本内容我们将介绍Carla，Udacity自动驾驶汽车以及控制她的机器人操作系统。 您将结合在整个Nanodegree计划的过程中所学到的知识，在真正的自动驾驶汽车Carla的虚拟版本上运行代码。 第1部分计算机视觉，深度学习

  3. 所属分类：其它

    • 发布日期：2021-03-13
    • 文件大小：220200960
    • 提供者：weixin_42135754