原文服务方: 西安交通大学学报       
摘要:
为了解决道路图像中光照变化、阴影遮挡、噪声、道路边界或标志线不连续等因素导致道路识别方法鲁棒性较差的问题,提出基于图像非同质性特征和几何模型的道路识别算法.该方法将计算得到的图像局部方差与不连续性特征进行融合获得图像的非同质性特征,并利用比例直方图法得到的阈值自适应地对上述结果二值化,然后用鲁棒M估计器估计样条拟合的最优控制点,进而用3点Catmull-Rom样条拟合道路边界.仿真实验表明,所提算法具有较好的鲁棒性和自适应性.实地测试结果表明:在存在有少量局部阴影和道路标志线断续的情况下,正确识别率可达到95%以上.
推荐文章
基于颜色特征与多层同质性分割算法的麦田杂草识别
杂草识别
形态学
颜色特征
同质性
与运算
基于同质性降维和CMP算法的高光谱图像分类
高光谱图像分类
同质性降维
稀疏最小二乘支持向量机
组合匹配追踪算法
基于模糊熵边缘信息同质性测度的对比度增强
对比度
对比度增强
模糊熵
同质性
边缘点特征向量
基于Catmull-Rom样条的道路检测算法研究
半结构化道路
Catmull-Rom样条
层次搜索优化
高斯滤波
道路模型
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于非同质性特征和样条模型的道路识别算法
来源期刊 西安交通大学学报 学科
关键词 非同质性特征 Catmull-Rom样条 道路识别 M估计器
年,卷(期) 2004,(4) 所属期刊栏目
研究方向 页码范围 384-387
页数 4页 分类号 TP242.6
字数 语种 中文
DOI 10.3321/j.issn:0253-987X.2004.04.014
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 郑南宁 西安交通大学人工智能与机器人研究所 188 3039 29.0 46.0
2 程洪 西安交通大学人工智能与机器人研究所 12 331 9.0 12.0
3 李青 西安交通大学人工智能与机器人研究所 29 355 10.0 18.0
4 赵莉 西安交通大学人工智能与机器人研究所 16 168 5.0 12.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (20)
共引文献  (27)
参考文献  (4)
节点文献
引证文献  (26)
同被引文献  (5)
二级引证文献  (13)
1988(3)
  • 参考文献(0)
  • 二级参考文献(3)
1993(1)
  • 参考文献(0)
  • 二级参考文献(1)
1995(2)
  • 参考文献(1)
  • 二级参考文献(1)
1996(1)
  • 参考文献(0)
  • 二级参考文献(1)
1997(3)
  • 参考文献(0)
  • 二级参考文献(3)
1998(5)
  • 参考文献(0)
  • 二级参考文献(5)
1999(5)
  • 参考文献(1)
  • 二级参考文献(4)
2000(3)
  • 参考文献(1)
  • 二级参考文献(2)
2001(1)
  • 参考文献(1)
  • 二级参考文献(0)
2004(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2005(1)
  • 引证文献(1)
  • 二级引证文献(0)
2006(1)
  • 引证文献(1)
  • 二级引证文献(0)
2007(2)
  • 引证文献(1)
  • 二级引证文献(1)
2008(3)
  • 引证文献(1)
  • 二级引证文献(2)
2009(4)
  • 引证文献(4)
  • 二级引证文献(0)
2010(7)
  • 引证文献(6)
  • 二级引证文献(1)
2011(5)
  • 引证文献(1)
  • 二级引证文献(4)
2012(1)
  • 引证文献(1)
  • 二级引证文献(0)
2013(4)
  • 引证文献(2)
  • 二级引证文献(2)
2014(3)
  • 引证文献(3)
  • 二级引证文献(0)
2015(4)
  • 引证文献(2)
  • 二级引证文献(2)
2017(1)
  • 引证文献(0)
  • 二级引证文献(1)
2018(1)
  • 引证文献(1)
  • 二级引证文献(0)
2019(2)
  • 引证文献(2)
  • 二级引证文献(0)
研究主题发展历程
节点文献
非同质性特征
Catmull-Rom样条
道路识别
M估计器
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
西安交通大学学报
月刊
0253-987X
61-1069/T
大16开
1960-01-01
chi
出版文献量(篇)
7020
总下载数(次)
0
总被引数(次)
81310
相关基金
国家自然科学基金
英文译名:the National Natural Science Foundation of China
官方网址:http://www.nsfc.gov.cn/
项目类型:青年科学基金项目(面上项目)
学科类型:数理科学
论文1v1指导