[自动驾驶]CarND-Vehicle-Detection

最新推荐文章于 2018-12-24 14:54:39 发布
VIP文章 最新推荐文章于 2018-12-24 14:54:39 发布
阅读量3.3k 收藏 6
点赞数 1
分类专栏： 机器学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/dinosoft/article/details/78307366
版权

听到Vehicle-Detection，我还以为是YOLO，SSD啥的，结果课程里用的是传统的HOG。Excuse me？就是各种论文里被用来踩一脚的SIFT、HOG？那也好吧，深刻体会体会传统方法有多弱鸡。

HOG

HOG之前简单了解过，不要既然要动手干活，还是得了解一些具体的计算细节。http://www.learnopencv.com/histogram-of-oriented-gradients/这篇文章讲得挺好的。

简单来看，HOG提取到的特征有点像低清版图像边缘，有一定鲁棒性，能容忍物体一些轻微光影变换和平移吧。但是特征降维得有点厉害，跟DL提取的特征没法比。不过如果精度要求不高，又想节约计算资源，HOG还是可以用用。

特征提取

用惯了opencv，一开始就查的opencv的api。

这里有tutorial，照猫画虎调用就行 http://www.learnopencv.com/handwritten-digits-classi

最低0.47元/天 解锁文章
Dinosoft
关注
  • 1
    点赞
  • 踩
  • 6
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
CarND-MPC-Project 在Ubuntu1604操作系统上的环境搭建
go_home_look的博客
05-24 1015
CarND-MPC-Project 在Ubuntu1604操作系统上的环境搭建 1.首先要在Ubuntu操作系统上切记是真实的ubuntu操作系统上，虚拟机下的ubuntu1604我试过也可以,但存在问题下面简单聊一下： 首先虚拟机上的显卡、CPU、等一系列硬件都是虚拟出来的（这点你必须知道） 这就意味着你在虚拟机上把跑CarND-MPC-Project时会受到显卡的影响，这并不是说你的显卡不行...
车辆识别（特征提取+svm分类器）
热门推荐
yang1688899的博客
07-26 3万+
以下为udacity的SDCND的一个项目 ps：这里使用的是用opencv进行特征提取+svm分类器的方法实现物体检测，是在深度学习流行前比较经典的实现方法   项目描述： 使用openCV提取图片特征，训练svm分类器，分类车辆与非车辆。用训练好的模型识别汽车前置摄像头记录视频中的车辆。 代码github地址：yang1688899/CarND-Vehicle-Detection ...
CarND车辆检测：一种机器学习软件，可通过摄像头反馈检测附近的车辆
02-05
车辆检测 总览 在该项目中，目标是开发一个软件管道，以检测图像和视频中的车辆和车道线。 结合了机器学习和图像处理技术的组合，以实现所需的结果。 该项目的目标/步骤如下： 对标记的训练图像集执行定向梯度直方图（HOG）特征提取并训练分类器SVM分类器 应用颜色变换并将合并的颜色特征以及颜色直方图附加到HOG特征向量。 实施滑动窗口技术，并使用训练有素的分类器搜索图像中的车辆。 在视频流上运行管道。 估计检测到的车辆的边界框。 相依性 Python3 NumPy OpenCV 科学 scikit学习 电影Py Matplotlib 泡菜 用法 在图像上运行 要在一组图像上运行管道
CarND-Vehicle-Detection
07-02
CarND-Vehicle-Detection，udacity的项目，亲自完成，anaconda可以直接运行，使用YOLOv3完成的。可自行研究
CarND-Vehicle-Detection-master.zip
03-21
测试集，训练集，车辆识别，人工智能 人工智能是一门极富挑战性的科学，从事这项工作的人必须懂得计算机知识，心理学和哲学。人工智能是包括十分广泛的科学，它由不同的领域组成，如机器学习，计算机视觉等等，总的说来，人工智能研究的一个主要目标是使机器能够胜任一些通常需要人类智能才能完成的复杂工作。
颜色分类leetcode-Vehicle-Detection:基于YOLO和SVM的车辆检测
07-06
颜色分类leetcode 车辆检测项目 概述 车辆检测项目使用机器学习和计算机视觉技术，并结合技术。 我应用了两种不同的检测方法。 本项目的步骤如下： 1) SVM算法 对标记的训练图像集执行定向梯度直方图 (HOG) 特征提取，并训练分类器线性 SVM 分类器。 实施有效的滑动窗口技术并使用训练有素的 SVM 分类器搜索图像中的车辆。 在视频流上运行管道并逐帧创建重复检测的热图，以拒绝异常值并跟踪检测到的车辆。 2）YOLO算法 构建基于 Keras 的神经网络并实现预训练模型来预测图像。 在视频流上运行管道并创建一个控制台来监控车道状态和检测。 用法 Project-SVM.py和helper.py包含 SVM 分类器结构和管道的代码。 dist.p包含一个基于 YUV 颜色特征和 HOG 特征的训练 SVM 分类器，具有 17,000 多张汽车和非汽车图片。 Project-yolo.py和helper_yolo.py包含helper_yolo.py网络和管道的代码。 依赖关系 麻木 简历2 学习 scipy skimage 凯拉斯 1) SVM算法 SVM（支持向量机）是一种强
OPENCV的车型识别系统设计
12-09
OPENCV的车型识别系统设计；有朋友做处理的可以来看看，之前积分更好，现在直接调整一下
anomality-detection
04-18
使用Apache Flink进行异常检测 要求 该项目是使用以下软件构建的： Ubuntu 16.04 LTS Java / OpenJDK 1.8 Apache Flink 1.9.1 Apache Maven 3.3.9 Docker 19.03 入门 为了获取docker映像，运行项目并将结果存储在InfluxDB中，需要执行以下步骤。 将项目下载到本地文件夹。 在项目文件夹中创建一个名为dataset的文件夹。 将提供的数据集下载到此文件夹中并解压缩。 使用集成了Maven的IDE打开项目并构建程序包。 您也可以通过在项目文件夹中的终端中运行来执行此操作： $ mvn package 要获取InfluxDB docker映像，请在终端中导航至项目位置并运行： $ ./anomaly-detection-docker.sh 在第二个终端中，再次导航到项目位置，并
CarND-Kidnapped-Vehicle-Project
04-06
该存储库包含完成Udacity的无人驾驶汽车纳米学位的本地化课程的最终项目所需的所有代码。 提交 您只需要提交src目录即可。 您可能应该在提交之前进行一次git pull ，以验证您的项目是否通过了最新版本的分级代码（ ...
GPS定位代码matlab-CarND-Kidnapped-Vehicle-Project:用于局部化的粒子过滤器
05-27
无人驾驶汽车工程师纳米学位课程 在C ++中实现二维粒子过滤器。 给粒子过滤器一个地图和一些初始定位信息（类似于GPS提供的信息）。 在每个时间步，过滤器都会接收观测和控制数据。 结果可视化 粒子数：20 Matlab...
颜色分类leetcode-CarND-Vehicle-Detection:使用SVM和深度学习分类器的单目车辆检测
07-06
颜色分类leetcode 车辆检测 使用两种不同的方法从单目 RGB 视频输入检测车辆 - 监督学习（支持向量机）和深度学习。 深度学习实现是两者中更成功的，因为它要快得多。 图像通过滑动窗口输入分类器，输出通过热图进行...
CarND-MPC-Project, CarND术语 2模型预测控制( MPC ) 项目.zip
09-17
CarND-MPC-Project, CarND术语 2模型预测控制( MPC ) 项目 CarND-Controls-MPC自驾驶汽车工程师Nanodegree程序依赖项cmake> = 3.5所有操作系统：点击这里安装指令。> = 4.1 ( mac，linux )，3.81 ( Wind
CarND-TensorFlow-Lab, 自动驾驶汽车TensorFlow实验室.zip
09-17
CarND-TensorFlow-Lab, 自动驾驶汽车TensorFlow实验室 TensorFlow神经网络实验室 我们准备了Jupyter笔记本，将指导你在TensorFlow中创建一个单层神经网络。 Windows 指令安装 Docker如果你还没有 Docker，请从这里下载并安装 Docke
CarND语义分割
02-20
语义分割 介绍 在此项目中，您将使用完全卷积网络（FCN）在图像中标记道路像素。 设置 显卡 main.py将检查以确保您使用的是GPU-如果您的系统上没有GPU，则可以使用AWS或其他云计算平台。 框架和包装 确保已安装以下设备： 对于SciPy的imresize函数，您可能还需要 。 数据集 从下载。 将数据集提取到data文件夹中。 这将创建一个包含所有训练图像的data_road文件夹。 开始 实行 在“ TODO”注释指示的main.py模块中实现代码。 不需要填写带有“ OPTIONAL”标签的注释。 跑 运行以下命令以运行项目： python main.py 注意：如果在Jupyter Notebook系统中运行此消息，例如有关测试状态的消息，可能会出现在终端中而不是笔记本中。 输出示例 以下是受过训练的网络输出充分与不足的示例： 足够的结果 结果不足 提交 确保您已通过
CarND:无人驾驶汽车项目
05-14
自动驾驶汽车Nanodegree计划项目 指数 车道线 交通标志分类器 行为克隆 高级车道线 车辆检测与追踪 扩展卡尔曼滤波器 无味卡尔曼滤波器 绑架车辆 PID控制 模型预测控制 路径规划 语义分割-道路
CarND高级车道线
02-11
高级车道查找 在此项目中，您的目标是编写一个软件管道来识别视频中的车道边界，但是我们要创建的主要输出或产品是该项目的详细内容。 出该项目的，并将其用作创建自己的编写的起点。 创建出色的文章： 一篇出色的文章应包括各要点以及您对每个要点的描述。 您应该包括每个步骤中使用的代码的详细说明（必要时带有行号参考和代码段），并链接到其他支持文档或外部参考。 您应该在文章中包含图像，以演示示例代码的工作方式。 话虽如此，请简明扼要！ 我们不是要您在这里写书，只是简要介绍您如何通过各个要点，以及对相关代码的引用:)。 您无需使用markdown进行撰写。 如果您使用其他方法，请提交论文的pdf文件。 该项目 该项目的目标/步骤如下： 给定一组棋盘图像，计算相机校准矩阵和失真系数。 对原始图像应用失真校正。 使用颜色变换，渐变等创建阈值二进制图像。 应用透视变换以校正二进制图像（“鸟瞰”）
Udacity 无人驾驶车工程师 博客笔记目录
ACM 【程式=演算法+資料結構】@蜡笔小轩V
10-03 8082
现在人工智障很火啊，不过吹牛的多，接地气的少，技术还是不能脱离实际应用。无人车看上去是一个比较靠谱的人工智能落地点，而且有一定技术深度，更重要的是看上去比较好玩。Udacity有一个《无人驾驶车工程师》的课程，可惜要交钱，质量不错，墙裂推荐！
【辅助驾驶】Python OpenCV实现车辆检测
linghugoolge的博客
12-24 1万+
一、功能 对车辆前方的车辆进行检测，效果如图：   二、算法 1、传统检测方法 常规的机器学习方法，包括训练和应用两个过程。 训练：需要构建训练集（包括正负样本），使用HOG、SIFT等特征描述获取特征，使用SVM（支持向量机）、决策树等对上一步获取的特征和对应的标签（标签指：正样本或者负样本）进行训练（训练指：自动生成SVM或者决策树等的参数，使其可以用来分类）。 应用：提...
机器学习基础(六) —— Car Detection With YOLO(V2)
alnlll的博客
05-06 1445
1、问题描述 应用需要解决的问题是在一段实际公路行驶视频中实时进行车辆检测并显示其位置及预测概率，这里使用的公路行驶录像如下(这段视频资料来自drive.ai)： https://github.com/Alnlll/ML/blob/master/several_apps/002-CarDetection/videos/road_video.mp4 实现车辆检测需要给出“车辆种类”、“车辆在图...
carnd-mpc-project-master
最新发布
10-19
carnd-mpc-project-master是一个自动驾驶汽车路径追踪控制器的项目。 该项目使用了模型预测控制（MPC）的方法来使自动驾驶汽车跟踪给定的路径。首先，通过收集车辆的传感器数据，如位置、速度和方向等，并结合车辆...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值