-
题名面向旋翼无人机的高压输电线在线检测方法
被引量：13
- 1
-
-
作者
曹蔚然
朱琳琳
韩建达
-
机构
中国科学院沈阳自动化研究所
沈阳师范大学
中国科学院大学
-
出处
《计算机应用研究》
CSCD
北大核心
2014年第10期3196-3200,共5页
-
基金
国家自然科学基金重点资助项目(61035005)
辽宁省科技厅博士启动基金资助项目(20111058)
-
文摘
面向旋翼无人机电力巡线的高压输电线在线检测对算法实时性、鲁棒性要求高的问题,提出了一种基于边界搜索和Radon变换(BSRT)的高压输电线识别算法。分析了高压输电线在图像中的边界贯穿特征,提出了以图像四条边界作为起始点的搜索策略,给出了边界约束下的直线特征Radon变换能量函数和求解方法。复杂度分析结果表明本算法与经典的Radon算法相比,复杂度降低了一个数量级。以人工合成图像和无人机实际航拍图像,对本算法、Radon算法和LSD算法在实时性和有效性方面进行了实验对比分析,实验结果表明,本算法的处理速度较Radon算法有很大的提高,与LSD算法的处理速度基本处于同一量级,但本算法的高压输电线检测精度大幅优于传统的Radon和LSD算法。理论分析及实验结果证明,提出的BSRT方法有效地解决了经典Radon算法的高复杂度和LSD算法的复杂背景高敏感性的问题,具有较好的应用价值。
-
关键词
RADON变换
线段检测器
边界搜索
-
Keywords
Radon transform
LSD
boundary search
-
分类号
TP391.9
[自动化与计算机技术—计算机应用技术]
-
-
题名LDA与LSD相结合的车道线分类检测算法
被引量：13
- 2
-
-
作者
郭克友
王艺伟
郭晓丽
-
机构
北京工商大学材料与机械工程学院
-
出处
《计算机工程与应用》
CSCD
北大核心
2017年第24期219-225,共7页
-
基金
交通运输部信息化科技项目(No.2012-364-835-110)
-
文摘
提出一种车道线分类检测算法。首先采用LDA对道路图像进行有针对性的灰度化,以便更好地区分车道线与道路。采用LSD算法检测灰度图像中的直线部分并确定车道线的方向。在此基础上,选取符合车道线灰度范围内的像素点。对远距离的像素点采用抛物线拟合,近距离的像素点采用直线拟合。同时,将检测到的车道线进行虚线实线的分类标记。最后结合视频序列的连续性对检测结果进行反向验证。实验结果证明,提出的方法对直道弯道检测均有很好的效果。算法的处理速度为每秒10帧左右,采用的测试视频的帧率为每秒15帧,基本满足实时性的要求。
-
关键词
线性判别分析(LDA)
线段检测器(LSD)
直线-抛物线模型
车道线分类
视频序列连续性
-
Keywords
Linear Discriminant Analysis(LDA)
Line Segment Detector(LSD)
linear-parabola model
lane classification
continuity of video sequence
-
分类号
TP311
[自动化与计算机技术—计算机软件与理论]
-
-
题名利用卷积神经网络的车道线检测方法
被引量：8
- 3
-
-
作者
钱沄涛
胡忠闯
陈思宇
-
机构
浙江大学计算机学院
-
出处
《信号处理》
CSCD
北大核心
2019年第3期435-442,共8页
-
基金
国家重点研发计划(2018YFB0505000)
-
文摘
车道线检测是自动或智能辅助驾驶的核心问题之一。本文主要研究单目视觉下车道线检测算法。车道线具有多样性,其存在的环境又具有复杂性,因此准确高效的车道线检测是一个具有挑战性的问题。本文提出了一种新的车道线检测算法,在传统车道检测方法中引入深度学习模型,主要包括以下步骤:首先使用图像增强算法利用车道线先验特征进行边缘增强,对于边缘增强后的图像采用线段检测器进行线段提取,然后利用卷积神经网络构造线段分类器排除线段噪声,最后通过对消失点聚类排除无关线段,并按斜率聚类产生主车道线。实验表明,本文实现的算法具备较强的鲁棒性和很高的检测准确度。
-
关键词
卷积神经网络
车道线检测
线段检测器
-
Keywords
convolutional neural network
lane marking detection
line segment detector
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名基于LSD聚类拟合与KF的轨道检测算法
被引量：2
- 4
-
-
作者
刘佳嘉
白颍昊
-
机构
中国民用航空飞行学院航空电子电气学院
-
出处
《电子测量技术》
北大核心
2023年第4期99-106,共8页
-
基金
四川省科技厅项目(2022JDKP0093)资助
-
文摘
针对传统无人机巡检中视觉轨道识别的识别效率低、精度差的问题,提出了一种基于LSD的约束聚类拟合与卡尔曼滤波相结合的轨道线检测算法。首先针对由于镜头视角造成的视角畸变,采用IPM算法矫正,并通过LSD算法检测出轨道轮廓,在轨道间距约束将LSD检测结果进行聚类并进行最小二乘拟合得到轨道直线。然后根据轨道几何特征和无人机动力学特性建立数学模型,并结合卡尔曼滤波器对轨道坐标信息进行跟踪估计,以保证算法的稳定性和鲁棒性。采用无人机采集多个场景的轨道图像作为测试样本,对检测算法与其他算法进行对比实验。实验结果表明,本文轨道识别算法优于其他算法,其轨道准确识别率达到92.49%,识别速率达到23frame/s,满足轨道检测的稳定性和实时性要求。
-
关键词
轨道检测
线性近似
线段检测器(LSD)
卡尔曼滤波
约束聚类
-
Keywords
track detection
linear approximation
line segment detector(LSD)
Kalman filtering
constrained clustering
-
分类号
U298.12
[交通运输工程—交通运输规划与管理]
V279
[航空宇航科学与技术—飞行器设计]
-
