-
公开(公告)号：CN105160309B
公开(公告)日：2018-12-07
申请号：CN201510524765.X
申请日：2015-08-24
Applicant: 北京工业大学
Abstract: 本发明涉及一种基于图像形态学分割及区域生长的三车道检测方法，包括：一种利用车道标识线的形状及与路面的相对灰度，通过图像形态学对车道标识线进行分割的方法；一种以加权最小二乘法拟合消失点的方法；以区域生长的方法形成车道标识线感兴趣区(ROI)并迭代搜索车道标识线特征点的方法。本发明针对于智能车辆在城市结构化多车道道路行驶过程中车载视觉系统对多车道道路感知的问题，通过图像形态学预处理以及迭代求解车道标识线的方法以适应多车道环境。算法新颖，适应性强，具有较强的光照鲁棒性，且运算量较小易于编程实现，提高了车载视觉系统的模块，进一步提高了智能车环境感知模块的效率以及环境适应能力。
-
公开(公告)号：CN104848867A
公开(公告)日：2015-08-19
申请号：CN201510243231.X
申请日：2015-05-13
Applicant: 北京工业大学
CPC classification number: G01C21/3415 , G01S19/49
Abstract: 基于视觉筛选的无人驾驶汽车组合导航方法，该方法包括以下步骤：坐标系换算；建筑物遮挡角度识别；非视距环境下卫星信号可用性判断；改进的自适应平方根容积卡尔曼滤波算法；提出了以视觉信息为筛选条件的组合导航算法，引入了“剔除非视距传播卫星数据”的概念并给出判断方法，用来剔除由于建筑物遮挡而造成精度下降的GPS卫星数据信息；本发明区别于传统组合方法采用视觉导航用以实时并行处理数据，而是采用视觉信息对GPS数据有针对性的筛选，避免了传统采用视觉导航而造成的维数灾难；提出了改进的自适应平方根容积卡尔曼滤波算法，并考虑到无人驾驶智能车行驶在城市路况中导航数据强非线性的问题。
-
公开(公告)号：CN104848867B
公开(公告)日：2017-12-08
申请号：CN201510243231.X
申请日：2015-05-13
Applicant: 北京工业大学
Abstract: 基于视觉筛选的无人驾驶汽车组合导航方法，该方法包括以下步骤：坐标系换算；建筑物遮挡角度识别；非视距环境下卫星信号可用性判断；改进的自适应平方根容积卡尔曼滤波算法；提出了以视觉信息为筛选条件的组合导航算法，引入了“剔除非视距传播卫星数据”的概念并给出判断方法，用来剔除由于建筑物遮挡而造成精度下降的GPS卫星数据信息；本发明区别于传统组合方法采用视觉导航用以实时并行处理数据，而是采用视觉信息对GPS数据有针对性的筛选，避免了传统采用视觉导航而造成的维数灾难；提出了改进的自适应平方根容积卡尔曼滤波算法，并考虑到无人驾驶智能车行驶在城市路况中导航数据强非线性的问题。
-
公开(公告)号：CN105160309A
公开(公告)日：2015-12-16
申请号：CN201510524765.X
申请日：2015-08-24
Applicant: 北京工业大学
CPC classification number: G06K9/00798 , G06T2207/10016
Abstract: 本发明涉及一种基于图像形态学分割及区域生长的三车道检测方法，包括：一种利用车道标识线的形状及与路面的相对灰度，通过图像形态学对车道标识线进行分割的方法；一种以加权最小二乘法拟合消失点的方法；以区域生长的方法形成车道标识线感兴趣区(ROI)并迭代搜索车道标识线特征点的方法。本发明针对于智能车辆在城市结构化多车道道路行驶过程中车载视觉系统对多车道道路感知的问题，通过图像形态学预处理以及迭代求解车道标识线的方法以适应多车道环境。算法新颖，适应性强，具有较强的光照鲁棒性，且运算量较小易于编程实现，提高了车载视觉系统的模块，进一步提高了智能车环境感知模块的效率以及环境适应能力。
-
-
-
Search Results
4
records
(took 0.022 seconds)
