智能驾驶
JIN_嫣熙
Life is sad at times, but it is up to you to make your own life happy.
展开
-
【智能驾驶】领域常见专业名称英文缩写
随着人工智能技术的兴起,掀起了无人驾驶行业的热潮,国内外无论高校、企业还是科研院所都投入了巨大的人力物力进行相关技术的研发。博主在阅读文献和看车企、ADAS公司产品介绍时,常会出现很多专业名称缩写,包括一些车型配置单中也常提起,下面就概括性地进行介绍,对刚入智能驾驶领域的童鞋们进行科普。 英文简称 英文全拼 中文名 A...原创 2018-06-22 19:39:58 · 12941 阅读 · 0 评论 -
【机器学习】改善LBP特征提高SVM的可分性的经验总结(二)
1、直方图均衡后,效果变差equalizeHist(testImg, testImg); //直方图均衡imshow("直方图均衡后", testImg);结论:由于直方图均衡会明显改变原来的明暗分布,反而降低可分性,检测效果显著变差。效果如下: 2、把SVM.predict输出为1的框,求平均灰度,小于设定阈值的不保留//设计12×30的滑窗遍历300×720的...原创 2019-01-16 14:50:50 · 562 阅读 · 2 评论 -
【机器学习】改善LBP特征提高SVM的可分性的经验总结(一)
1、等价模式LBP的最初效果正样本2343,负样本5883,直接计算等价模式LBP特征图,再使用SVM训练一个分类器。CvTermCriteria criteria = cvTermCriteria(CV_TERMCRIT_ITER, 1000, FLT_EPSILON);CvSVMParams param(CvSVM::C_SVC, CvSVM::LINEAR, 0, 0.5, 0...原创 2019-01-16 14:18:16 · 728 阅读 · 0 评论 -
【智能驾驶】车道线检测中的新IPM(逆透视变换)算法实验效果
1、实验内容在车道保持LKA功能实现时,需要对车道线进行精准检测:①、计算曲率半径,②、保证测距精度。因此需要对相机的透视图persImg进行IPM逆透视变换,得到俯视图birdImg,在birdImg中进行车道线特征检测、拟合和测距。基于以下思路,建立了新的IPM模型:对真实世界坐标系中欲关注车前的区域(如12m×30m),由相机模型可以确定在透视图中的对应区域。在设定好分辨率的俯视图中...原创 2018-12-28 11:19:30 · 11443 阅读 · 15 评论 -
车道线检测参考学习资料
一、GitHub:https://github.com/amusi/awesome-lane-detection(全)https://github.com/ChengZhongShen/Advanced_Lane_Lineshttps://github.com/MaybeShewill-CV/lanenet-lane-detectionhttps://github.com/kky-...原创 2018-12-04 19:02:42 · 1622 阅读 · 0 评论 -
【Python】车道线拟合曲线的曲率半径计算公式及代码
学习优达学城的Advanced-Lane-Lines课程时,碰到了车道线的曲率半径计算。初见公式略显陌生,直到想起曲率半径的计算公式时才想明白,故记录如下。def cal_curverature(img_shape, left_fit, right_fit): ploty=np.linspace(0, img_shape[0]-1, num=img_shape[0]) ym_...原创 2018-12-04 17:22:06 · 15439 阅读 · 3 评论 -
一维行滤波提取俯视图下的车道线特征
①、图像分辨率:864×480;②、行滤波模板系数选取:float arryFilter[]={-0.125, -0.125, -0.125, -0.125, 0.25, 0.25, 0.25, 0.25, -0.125, -0.125, -0.125, -0.125};③、行滤波结果处理:if (sum < 0.1){sum = 0;}int int_sum = (...原创 2018-12-04 16:03:55 · 735 阅读 · 0 评论 -
基于Spatial CNN的车道线检测和交通场景理解
SCNN车道线检测--(SCNN)Spatial As Deep: Spatial CNN for Traffic Scene Understanding(论文解读)Spatial As Deep: Spatial CNN for Traffic Scene Understanding收录:AAAI2018 (AAAI Conference on Artificial Intelligen...转载 2018-11-20 18:25:16 · 5877 阅读 · 4 评论 -
【机器学习】HOG+SVM进行车辆检测的流程及源码
在进行机器学习检测车道线时,参考了这篇博文,基于LBP+SVM实现了车道线检测的初步效果。觉得讲解很到位,代码也容易理解和修改,故在此分享,供更多人学习。HOG SVM 车辆检测 近期需要对卡口车辆的车脸进行检测,首先选用一个常规的检测方法即是hog特征与SVM,Hog特征是由dalal在2005年提出的用于道路中行人检测的方法,并且取的了不错的识别效果。在人脸检测方面目前主流的方法,先...转载 2018-10-30 10:44:20 · 9911 阅读 · 78 评论 -
【机器学习】最简单易懂的行人检测功能实现
加载训练好的行人分类器,实现行人检测功能。代码中用到的训练好的行人分类器"pedestrianDetect.xml"下载路径:https://download.csdn.net/download/lyq_12/10742144一、效果如下:1、输入原图2、输出结果二、代码实现如下:#include <iostream>#include <fst...原创 2018-10-24 16:59:42 · 3370 阅读 · 0 评论 -
【机器学习】最容易实现的基于OpenCV的人脸检测代码、检测器及检测效果
基于opencv自带的人脸检测模型,实现简单的人脸检测功能,可作为机器学习初学者练手使用。简单易学,具体的方法及代码如下。1、运行结果输入原图输出结果2、工程需要加载的opencv库如下:3、用到的人脸检测器4、具体实现代码#include <opencv.hpp>#include <opencv2/core/core.hpp>...原创 2018-10-24 14:18:53 · 696 阅读 · 4 评论 -
无人驾驶之硬件平台详解
本文是无人驾驶技术系列的第十篇,着重介绍无人驾驶硬件平台设计。无人驾驶硬件系统是多种技术、多个模块的集成,主要包括:传感器平台、计算平台、以及控制平台。本文将详细介绍这三个平台以及现有的解决方案。希望本文对无人驾驶从业者以及爱好者选择硬件的时候有帮助。无人驾驶: 复杂系统无人驾驶技术是多个技术的集成,如图1所示,一个无人驾驶系统包含了多个传感器,包括长距雷达、激光雷达、短距雷达、车载摄像头...转载 2019-01-30 14:15:26 · 9240 阅读 · 2 评论