-
题名LDA与LSD相结合的车道线分类检测算法
被引量：13
- 1
-
-
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]
-
-
题名基于线段检测技术的荧光磁粉裂纹提取方法
被引量：2
- 2
-
-
作者
郭杜斌
沈希忠
张博
-
机构
上海应用技术学院电气与电子工程学院
-
出处
《制造技术与机床》
北大核心
2016年第2期111-114,共4页
-
基金
上海市科委项目(15ZR1440700)
-
文摘
荧光磁粉探伤技术在现阶段工业检测领域应用广泛,而对工件裂纹提取方法成为了掣肘荧光磁粉探伤技术发展的一个重要难题。文章提出了一种基于LSD线段检测技术的裂纹区域提取方法。利用梯度方向作为提取的目标图像的主要参量,从而有效地抑制裂纹周围亮度相同的噪点对目标区域干扰。实验结果表明,该方法能够迅速有效地提取出裂纹图像,并有较强的鲁棒性。
-
关键词
荧光磁粉探伤技术
lsd算法
线段检测
裂纹提取
-
Keywords
fluorescent magnetic particle inspection
lsd algorithm
line segment detection
extraction of crack
-
分类号
TB55
[理学—声学]
-
-
题名基于线段检测的栅格地图划分方法
被引量：4
- 3
-
-
作者
杨丰拓
杨杰
-
机构
青岛大学机电工程学院
-
出处
《传感器与微系统》
CSCD
2020年第10期142-144,148,共4页
-
文摘
通过划分基于同时定位与地图构建(SLAM)技术构建的栅格地图,将地图中的室内区域识别出来,实现机器人导航目标位置的灵活标记。首先对SLAM技术构建的栅格地图进行了二值化,使用直线段检测器(LSD)识别地图中的所有线段,采用分组和拟合方法获得室内环境边界的线段;然后利用边界与边界交点将地图划分为多个矩形块;最后对矩形块进行合并、聚合等处理,从而在栅格地图上划分出室内区域。标记后的室内区域与语音功能相结合扩展了机器人导航的输入方式。测试结果表明:该方法将不同室内环境和存在家具条件下生成的栅格地图划分出室内区域时具有较高的召回率。
-
关键词
直线段检测器(lsd)
栅格地图
路径规划
同时定位与地图构建(SLAM)
-
Keywords
line segment detector(lsd)
grip map
path planning
simultaneous localization and mapping(SLAM)
-
分类号
TP391.41
[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]
-
-
题名应用LSD和聚类的海天/岸岛线检测算法
被引量：4
- 5
-
-
作者
詹维
仇荣超
马新星
-
机构
海军航空大学
-
出处
《电光与控制》
CSCD
北大核心
2019年第1期43-46,86,共5页
-
文摘
红外图像舰船目标检测中,目标通常位于海天/岸岛线附近,预先检测出海天/岸岛线,确定舰船目标的潜在区域,可减少目标检测过程中的搜索范围,降低数据处理量,提高检测速度。针对传统的海天/岸岛线检测算法对不同背景图像适应性差的问题,分析了海天/岸岛线特征,提出了应用LSD线段检测算法和聚类的海天/岸岛线检测算法。首先通过LSD线段检测算法获取图像中局部直线轮廓,然后通过K-均值聚类获取潜在海天/岸岛线区域,最后通过分析潜在海天/岸岛线区域纹理特征确定真实的海天/岸岛线位置。实验结果表明,该方法对多种背景下海天/岸岛线检测适应性强,检测精度高。
-
关键词
红外图像
目标检测
lsd线段检测
海天/岸岛线
纹理特征
聚类
-
Keywords
infrared image
target detection
lsd line segment detection
sea-sky line and coastline
texture feature
clustering
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
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
- 6
-
-
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]
-
-
题名利用卷积神经网络的车道线检测方法
被引量：8
- 7
-
-
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]
-
