基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
为了提高车道线检测算法在光照变化和车道线破损及污迹遮挡等情况下的实时性和鲁棒性,提出了一种基于道路先验信息和随机抽样一致性(RANSAC)算法的检测方法.该算法首先对原始图像进行Sobel边缘检测,提取梯度幅值突变点作为候选车道标志线正负边缘特征点;再基于车道标志线宽度和连续性等先验知识,利用逆透视变换对边缘特征点间的距离进行匹配,去除候选点中的干扰噪声;最后利用RANSAC算法对特征点进行三次曲线拟合.实验结果表明,对各种复杂的城市道路,该识别算法都能准确地识别出车道线.
推荐文章
基于改进SIS算法和顺序RANSAC的车道线检测方法研究
阈值分割
车道线模型
随机抽样一致性
模型配对
误检率
一种基于Meanshift和RANSAC的车道识别方法
车道标志线识别
改进的最大熵分割
动态ROI
Meanshift算法
RANSAC Algorithm
最小二乘法
复杂环境下道路车道线识别算法的研究
车道线
车道线信息提取
逆透视变换
边缘增强
基于DM6446的车道线快速检测算法
车道线
候选点
有效特征点
最小二乘法
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 基于道路先验信息和RANSAC算法的车道线检测
来源期刊 机电一体化 学科
关键词 车道线检测 道路先验信息 逆透视变换 RANSAC算法
年,卷(期) 2018,(1) 所属期刊栏目 研究·开发
研究方向 页码范围 16-20,60
页数 6页 分类号
字数 语种 中文
DOI 10.16413/j.cnki.issn.1007-080x.2018.01.003
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 殷跃红 上海交通大学机械与动力工程学院机器人研究所 64 319 10.0 15.0
2 郑航 上海交通大学机械与动力工程学院机器人研究所 1 3 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (27)
共引文献  (17)
参考文献  (5)
节点文献
引证文献  (3)
同被引文献  (6)
二级引证文献  (0)
1981(1)
  • 参考文献(0)
  • 二级参考文献(1)
1998(2)
  • 参考文献(0)
  • 二级参考文献(2)
2000(2)
  • 参考文献(0)
  • 二级参考文献(2)
2001(1)
  • 参考文献(0)
  • 二级参考文献(1)
2003(2)
  • 参考文献(0)
  • 二级参考文献(2)
2004(3)
  • 参考文献(0)
  • 二级参考文献(3)
2005(3)
  • 参考文献(0)
  • 二级参考文献(3)
2007(1)
  • 参考文献(0)
  • 二级参考文献(1)
2008(2)
  • 参考文献(0)
  • 二级参考文献(2)
2009(1)
  • 参考文献(0)
  • 二级参考文献(1)
2010(3)
  • 参考文献(0)
  • 二级参考文献(3)
2011(4)
  • 参考文献(0)
  • 二级参考文献(4)
2012(1)
  • 参考文献(1)
  • 二级参考文献(0)
2013(2)
  • 参考文献(1)
  • 二级参考文献(1)
2014(3)
  • 参考文献(2)
  • 二级参考文献(1)
2016(1)
  • 参考文献(1)
  • 二级参考文献(0)
2018(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)
2019(2)
  • 引证文献(2)
  • 二级引证文献(0)
2020(1)
  • 引证文献(1)
  • 二级引证文献(0)
研究主题发展历程
节点文献
车道线检测
道路先验信息
逆透视变换
RANSAC算法
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
机电一体化
月刊
1007-080X
31-1714/TM
大16开
上海市长乐路746号
4-565
1995
chi
出版文献量(篇)
3989
总下载数(次)
13
论文1v1指导