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：2097152
    • 提供者：mayingbin13

  1. 基于视觉的车道线检测完整代码

  2. 基于视觉的曲线车道线检测完整代码，采用滑动窗口，详情见博客：http://blog.csdn.net/adamshan/article/details/78733302

  3. 所属分类：深度学习

    • 发布日期：2017-12-06
    • 文件大小：8388608
    • 提供者：adamshan

  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：10485760
    • 提供者：yuzha9785

  1. 基于形态学的图像分割算法研究

  2. 当今世界科技日新月异，在神州探月，蛟龙探海妇孺皆知的今天，当一个个曾经遥不可及的梦想在我们身边悄悄演变成现实，人工智能亦早已应运而生，为人类创造了巨大的经济和社会效益。其中，图像处理技术是该系统的一个重要组成部分，对机器视觉等具有十分重要的意义。 因此，本文以数字图像为载体，研究基于形态学的图像分割技术，并进行物体个数计算应用和车道线检测的应用。对图像中物体个数的计算以及车道线检测应用，不仅需要对采集到的图像进行预处理，而且要针对特定的目的进行具体的应用程序开发。为了提高程序的运行效率，使检测

  3. 所属分类：其它

    • 发布日期：2018-10-12
    • 文件大小：9437184
    • 提供者：programmer0000

  1. 基于OPENCV的车道线检测

  2. 基于OPENCV的车道线检测，可以用来识别车道线。适合视觉开发及ADAS开发参考。

  3. 所属分类：C++

    • 发布日期：2018-09-11
    • 文件大小：40894464
    • 提供者：jianxuezixuan

  1. 基于视觉的车道线检测完整代码

  2. 基于视觉的曲线车道线检测完整代码，采用滑动窗口，详情见博客：http://blog.csdn.net/adamshan/article/details/78733302

  3. 所属分类：深度学习

    • 发布日期：2019-02-28
    • 文件大小：8388608
    • 提供者：zhiyoushiwo

  1. 基于视觉的车道线检测完整代码

  2. 基于视觉的曲线车道线检测完整代码，采用滑动窗口，详情见博客：http://blog.csdn.net/adamshan/article/details/78733302

  3. 所属分类：深度学习

    • 发布日期：2020-02-25
    • 文件大小：8388608
    • 提供者：yujalay

  1. 基于视觉的车道线检测完整代码

  2. 基于视觉的曲线车道线检测完整代码，采用滑动窗口，详情见博客：http://blog.csdn.net/adamshan/article/details/78733302

  3. 所属分类：深度学习

    • 发布日期：2020-01-24
    • 文件大小：8388608
    • 提供者：smq

  1. 基于单目视觉的车道偏离预警算法研究

  2. 随着科技的发展，智能交通已成为当前的研究热点，自适应巡航是智能交通主要应用之一，而车道偏离预警在主动安全、自适应巡航中起着关键性的作用。因此，提出一种基于视频的车道偏离预警算法。把检测到的车道线的ROI分割为两个子区域，两个子区域分别应用霍夫变换寻找左右车道线。分割的方法可以提高车道线检测的计算速度。

  3. 所属分类：其它

    • 发布日期：2020-07-20
    • 文件大小：96256
    • 提供者：weixin_38608866

  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：4194304
    • 提供者：olivia_ye

  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：353280
    • 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：468992
    • 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：78643200
    • 提供者：qq_42722197

  1. 基于单目视觉的车道偏离预警算法研究

  2. 随着科技的发展，智能交通已成为当前的研究热点，自适应巡航是智能交通主要应用之一，而车道偏离预警在主动安全、自适应巡航中起着关键性的作用。因此，提出一种基于视频的车道偏离预警算法。把检测到的车道线的ROI分割为两个子区域，两个子区域分别应用霍夫变换寻找左右车道线。分割的方法可以提高车道线检测的计算速度。综合车辆驾驶状态、驾驶环境等相关影响因素，基于混合高斯隐型马尔科夫模型建立了驾驶人换道意图识别模型，以提高驾驶员换道意图辨别的准确率与灵敏度。

  3. 所属分类：其它

    • 发布日期：2020-10-16
    • 文件大小：517120
    • 提供者：weixin_38740144

  1. 基于传统的计算机视觉下的车道线检测

  2. Python语言；代码包括有原始图像确定ROI；对前方道路的透视变换；边缘检测（采用sobel采用 x 方向的索贝尔算子）;在RGB色彩空间中对黄白两种颜色进行过滤从而提取出车道线的像素；HLS阈值化处理；组合梯度和色彩过滤车道线像素；滑窗多项式拟合车道线；拟合曲线使用透视变换还原到原视角。

  3. 所属分类：机器学习

    • 发布日期：2020-12-24
    • 文件大小：357376
    • 提供者：qq_42119367

  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

  1. 检测道路特征：检测道路特征：识别视频中的车道和车辆边界-源码

  2. 项目结构 该项目的目标是尝试在面向前方的车辆摄像头数据中检测一组道路特征。 我称其为朴素的方式，因为它主要使用计算机视觉技术（与朴素的贝叶斯方法无关！）。 我们要检测和跟踪的特征是车道边界和周围的车辆。 文件 描述 source/lanetracker/camera.py 根据校准图像集实现相机校准。 source/lanetracker/tracker.py 通过将处理流水线应用于视频中的连续帧来实现车道跟踪。 source/lanetracker/gradients.py 基于渐

  3. 所属分类：其它

    • 发布日期：2021-02-03
    • 文件大小：100663296
    • 提供者：weixin_42099302