|
|
|
题名
|
作者
|
年代
|
出处
|
被引量
|
| 1 | 基于RGB熵和改进区域生长的非结构化道路识别方法显示文摘非结构化道路通常没有车道线等引导标线,且边界模糊,周围干扰因素较多,在这种道路上自动驾驶以及车辆辅助驾驶的车道保持功能将不能可靠工作。通过生成道路RGB图像的熵图像,并计算此熵图像直方图的最小差值,以此差值作为阈值初步分割道路图像并使用改进区域生长方法提取出道路区域。使用实时性较好的二次曲线建立车道模型,并使用改进的最小二乘拟合方法可有效避开道路区域边缘杂点并提高边缘拟合速度。试验结果表明,改进的方法可以快速并较好地提取出非结构化道路图像中的车道并拟合出车道线,有利于实现基于视觉的自动驾驶和车辆辅助驾驶系统在非结构化道路上的车道保持。 | 吴骅跃 段里仁 | 2019 | 吉林大学学报(工学版)2019，49，3： | 11 |
| 2 | 复杂道路条件下的车道线检测算法显示文摘针对在复杂道路条件下基于滑动窗口的车道线检测算法易发生误检、漏检的现象,提出了一种改进算法。该算法在图像预处理方面使用了多阈值过滤方法,主要通过结合梯度阈值过滤和颜色空间阈值过滤的优势,充分提取道路图像中车道线的信息,消除了由复杂路面引起的噪声干扰;在车道线拟合方面,使用了基于动态自适应感兴趣区域的车道线跟踪方法,该方法主要利用前一帧的车道线信息自动调整感兴趣区域的位置及大小,有效地解决了基于滑动窗口的车道线检测算法在复杂行车环境下容易出现漏检、误检的问题。最后通过与基于滑动窗口和Hough变换的车道线检测算法进行对比实验,结果显示:改进后的车道线检测算法在准确性与实时性方面具有明显优势。 | 姚洪涛 张海萍 郭智慧 | 2020 | 计算机应用2020，40，S02： | 8 |
| 3 | 基于树莓派嵌入式平台的车道线检测算法显示文摘本文设计了一种基于树莓派嵌入式平台的多道路场景车道线检测算法。在图像预处理阶段,设计了一种车道线的自适应二值化提取算法,通过将待测像素点与其所在菱形空间的顶点进行比较,完整地提取了二值化后的车道线信息;同时与最大类间方差法(OTSU)结合,以图像融合的方式有效滤除了干扰信息。在车道线拟合阶段,对概率霍夫变换进行了斜率约束与限定距离的改进,进行二次滤除干扰信息后准确计算出车道线边缘点。最后使用最小二乘法拟合出车道线。测试结果表明,算法抗干扰能力较强,对多种道路场景的检测准确率可达90.24%,并且在树莓派平台上运行速度为25 fps,满足实时的要求。 | 宋宝玉 王波涛 | 2021 | 电子测量技术2021，44，23： | 7 |
| 4 | 自适应道路模型的非结构化道路检测算法显示文摘为克服非结构化道路中不能准确检测边界线的问题,提出了一种自适应道路模型的非结构化道路检测方法。根据非结构化道路的灰度特征提取感兴趣区域,利用HSV空间图对感兴趣区域使用二维Otsu算法分割,进而提取道路边界点,再针对不同的道路模型自适应选择最小二乘法或随机抽样一致性(RANSAC)算法进行边界点拟合操作。实验结果表明:该方法不仅适用于直线道路,也能检测弯曲道路,且对受阴影影响以及边界不清晰的道路都具有良好的鲁棒性。 | 许明 张娟 方志军 | 2020 | 传感器与微系统2020，39，1： | 7 |
| 5 | 基于深度卷积神经网络和聚类的左右轨道线检测显示文摘为了提高铁路轨道线检测的准确率和速度,提出了一种基于深度卷积神经网络(CNN)和聚类的左右轨道线检测方法。首先,处理数据集的标注图像,将原标注图均匀分割成许多网格,每个网格局部区域的轨道线信息用一个像素点代替,从而构成缩小的轨道线标注图;然后,基于缩小后的轨道线标注图,提出了一种新的深度CNN用于轨道线检测;最后,提出一种聚类方法来区分左右轨道线。对于长宽都为1000像素大小的图片,所提左右轨道线检测方法的检测速度达到155 frame/s,准确率达到96%。实验结果表明,所提方法不仅检测准确率高,而且检测速度快。 | 曾祥银 郑伯川 刘丹 | 2021 | 计算机应用2021，41，8： | 6 |
| 6 | 智能清漂船河道边界图像识别算法显示文摘针对无人船在城乡河网进行水上作业时规避河岸的问题,提出了一种适用于一般直线河道和弯曲河道的边界识别方法。该方法首先通过图像预处理来改善图像质量,减少噪声,然后利用Sobel边缘检测算法识别图像各区域边界,使用自适应阈值图像分割提取边界特征,对轮廓进行线性拟合,最后采用基于河岸角度的河道边界算法识别河道边界。实验结果表明,该算法能够有效的消除树木、天空造成的假边界影响,准确识别河道边界。 | 余加俊 骆文韬 徐飞鸿 魏长赟 | 2018 | 电子设计工程2018，26，13： | 6 |
| 7 | 基于结构化道路的车道线检测研究显示文摘针对智能驾驶系统中车道线检测易受车道标记清晰度、光照能见度及道路环境复杂度等影响而导致车道线检测率不高的问题,提出一种特征结合的多阈值过滤车道线检测算法。即对图像进行梯度阈值过滤,再与颜色信息阈值过滤后的图像相结合,最后用改进Hough变换检测车道线。实验结果表明,本算法在存在阴影遮挡、路面出现泛白等因素下仍可以准确提取道路线信息,检测率平均高达93.89%,基本满足要求。 | 刘雁斌 | 2019 | 交通科技2019，0，4： | 6 |
| 8 | 一种阴影条件下的非结构化道路检测方法显示文摘针对无人驾驶车辆在阴影条件下的非结构化道路检测困难的问题,提出一种基于光照无关图和Ransac算法相结合的道路检测方法。对彩色图像每个像素点进行对数色度空间投影,消除了光照和阴影干扰;然后利用种子区域直方图分割光照无关灰度图像,获得初步的分割结果;利用Mid-to-side算法进行道路边界点搜索,经Ransac直线拟合后得出道路边界检测结果。实验结果表明,该算法能够在阴影环境下准确拟合出车道边界,并满足实时性要求。 | 黄妙华 吴益鹏 | 2018 | 数字制造科学2018，，1： | 4 |
| 9 | 基于位姿状态的林区道路视觉导航显示文摘在森林抚育中,为实现林区车辆的精确自主导航,提出一种基于位姿状态的林区道路视觉导航方法。根据林区道路的特点,采用统计学原理选取合适的色差备选通道,利用二维Otsu原理初步分离道路和背景区域,依据真阳率和假阳率定量评价方法选取2B⁃G为最佳色差通道,因此采用基于2B⁃G通道的二维Otsu图像分割方法。分析了道路的左右边缘特征,建立基于边缘不完整的位姿状态获取示意图,将选定的道路区域分块求取中心点,计算出试验平台的位姿信息。同时,引入误差校正模型对位姿计算值进行修正,最后选取纯追踪导航方法进行实车试验。试验结果表明,在机器视觉系统引导下,试验平台在不同状态下均能较好地收敛至期望导航线。当速度为0.5 m/s时,在3种初始状态下进行直线导航试验,其全程平均横向偏差为4.6~5.9 cm,平均航向偏差为3.5°~4.0°,稳态航向偏差为1.9°~2.4°,稳态横向偏差为1.6~2.7 cm,试验平台沿林区期望导航线自主行驶的平均相对误差均值为5.2%,说明导航质量具有较好的鲁棒性,满足林区自主导航的作业要求。 | 颜松 姚立健 曾松伟 王露露 柴善鹏 | 2021 | 林业工程学报2021，6，1： | 3 |
| 10 | 融合注意力机制与轻量化DeepLabv3+的非结构化道路识别显示文摘由于非结构化道路特征众多、结构复杂的特点,图像分割以及道路模型等经典算法无法满足非结构化道路识别在实际应用中的准确性和实时性要求.上述难点可通过基于深度学习的语义分割算法有效解决,采用轻量化的特征提取网络,改善特征提取网络中离散计算过多问题,优化对参数量和速度的控制,减少DeepLabv3+网络的冗余;针对非结构化道路在图像中空间和通道的分布特性,引入注意力机制对高级特征图和低级特征图处理,以提升网络对特征提取的敏感性和准确性;选用样本类别充足并具代表性且与我国路况相似性强的IDD(India Driving Dataset)非结构化道路数据集,对其中非结构化道路类别进行筛选和预处理并对网络进行训练.实验对比表明,相比于同类网络,参数量最少,准确率和快速性均处于前列;相比于改进前,网络参数量减少93.1%,识别帧率提升116.1%,精确率提高10.1%. | 龚志力 谷玉海 朱腾腾 石文天 | 2022 | 微电子学与计算机2022，39，2： | 3 |
| 11 | 基于二维熵与自适应模板的非结构化道路检测显示文摘针对非结构化道路存在阴影、积水、结构多变等干扰,传统检测算法鲁棒性与实时性不高的问题,本文采用二维熵分割与自适应模板相结合的非结构道路检测算法。在二维最大熵分割基础上,引入自适应模板进行特征提取。采用SVM分类器,优化分割效果。考虑边界区域特征,利用改进分块算法,快速提取边界点。采用改进的随机最小二乘法拟合曲线,降低干扰点影响。实验结果表明,与两种传统方法相比,在5类场景下,平均准确率分别提高19.3%和5.3%,具有较强的鲁棒性与精确度。 | 牛牧原 张春阳 林晓 程远燊 | 2019 | 电子设计工程2019，27，5： | 2 |
| 12 | 基于SLIC和改进区域生长的非结构化道路识别显示文摘非结构化道路一般没有车道标识线且道路边界模糊,区分道路区域与背景区域难度较大。针对现有非结构化道路识别方法存在全像素域计算分类处理实时性差、易受噪声数据干扰等问题,提出一种基于SLIC(simple lineariterativeclustering)超像素分割和改进区域生长算法的非结构化道路识别方法。利用均匀化初始聚类中心的SLIC算法生成低分辨率超像素特征图。在此基础上,利用聚类算法与邻域搜索算法自适应选择种子点,并引入CIEDE2000色差理论作为区域生长法生长准则,初步确定道路区域。根据道路连续一致特点,优化超像素级生长图并映射轮廓区域至原图,获得道路最终区域。基于数据集及真实场景的实验结果表明,该方法具有较高的识别率和抗干扰能力。 | 谢习华 王刚 辛涛 赵喻明 | 2022 | 计算机工程与应用2022，58，14： | 1 |
| 13 | 基于超像素合并的非结构化道路图像分割方法显示文摘针对非结构化道路形状不规则和边界线不清晰等问题,提出一种基于超像素合并的道路图像分割方法。首先采用简单线性迭代聚类方法将道路图像分割成一系列空间紧凑、边界明确的超像素;然后提取超像素的颜色特征信息,构建相似度矩阵;再利用近邻聚类方法将特征相似、位置相邻的超像素进行合并;最后确定出道路区域。仿真结果表明,方法能够有效解决道路边界线模糊的问题,而且分割效果较好,概率边缘指数和信息变化指数最低。 | 刘琼 史诺 | 2022 | 国外电子测量技术2022，41，1： | 1 |
| 14 | 一种基于消失点和颜色过滤器的车道线检测算法显示文摘针对经典霍夫车道线检测方法实用性较差,无法准确区分车道线和路沿与应用道路场景简单等问题,提出了一种基于消失点和颜色过滤器的车道线检测算法,不仅提高车道线检测的准确率,而且能够应用较复杂行车场景;首先,对行车视频连续五帧图像进行预处理,获取行车环境下车道线消失点位置,能够自适应选取行车环境图像的感兴趣区域(Region of Interest,ROI);然后,对ROI图像根据车道线颜色特征进行过滤得到二值图像,获取二值图像中所有连通区域质心和倾斜角等数据,通过结合消失点特征和角度阈值进行限制,筛选记录符合车道线特征连通区域的数据,接着分割较大区域获取更多质心点,识别漏检符合车道线特征的区域质心点;最后,对获取的质心点使用最小二乘法进行拟合并标识车道线;实验结果表明:算法能够在多场景道路上快速准确的检测出车道线,与经典霍夫算法进行仿真比较,算法具有一定的鲁棒性和实时性。 | 胡昊东 刘贵如 王陆林 李铮 | 2023 | 重庆工商大学学报(自然科学版)2023，40，5： | 0 |
| 15 | 基于K-means算法的二步迭代道路检测算法显示文摘为增强现有基于机器视觉的自动导引车AGV对非结构化路面的适应能力,提出一种基于K-means聚类分析算法的二步迭代道路检测算法。算法实现了自动选择路面样本区域与自主动态添加路面样本,克服了基于其它机器学习算法的道路识别方法需要人工收集大量路面样本进行训练的缺陷。实验仿真结果显示,该方法能有效降低光照、阴影、车道线等对道路识别的影响,能够适应含有多种不同障碍物的道路场合。 | 史迪玮 毛剑琳 | 2018 | 软件导刊2018，17，9： | 0 |
| 16 | 基于粗糙性度量的道路可行驶区域识别方法显示文摘本文中提出了一种基于粗糙性度量的道路图像可行驶区域识别方法。首先定义道路图像的粗糙度信息,获得道路图像色彩分布直方图及其上下近似信息,通过粗糙性度量实现了道路图像初分割;然后依据初分割图像色彩区域色差和像素规模进行区域合并,获得道路可行驶区域特征;再利用改进的区域生长算法对特征图像进行识别;实现了对道路可行驶区域的识别。实验结果表明,该方法取得了良好的识别效果。 | 马雷 刘泽宾 曹彪 王文举 邱泉源 | 2021 | 汽车工程2021，43，11： | 0 |
您所在的机构暂未开通此部分的功能，请联系管理员