基于图像网格化分割的实时车道线识别算法

车道线识别技术是利用光学传感器对环境进行感知,为车辆行为的决策和控制提供重要的车道信息,其本质是从图像中提取车道线的轨迹坐标。基于深度学习的车道线识别算法大多采用密集预测型方法提取车道线轨迹,因而在提取过程会重复处理大量的冗余信息。针对这一问题提出一种改进算法,该算法将图像划分为多个小网格,并对各网格进行分类,从而减少提取过程中冗余信息的处理次数。在此基础上,设计深度神经网络用于网格分类,其与常规密集预测型神经网络的区别在于:利用了无参数的亚像素卷积替代转置卷积以避免棋盘格效应;采用1×1卷积替代全连接层分类器,实现在网格分类过程中保留关键空间位置信息,同时降低网络规模。在CULane数据集上分别训练Lane Net与改进算法,并进行对比分析,分析结果表明,改进后的车道线检测算法在准确性与实时性方面均具有明显优势。     

基于YOLOv4算法从视频图像中监测道路积水

针对城区降雨量多,道路易积水而导致内涝且传统道路积水监测方法耗时耗力、成本高等特点,提出了一种针对城市道路积水的检测方法,基于YOLOv4算法从视频图像中监测道路积水.基于有效提取道路积水深度的目的,采用YOLOv4的目标检测模型对参考目标进行检测的方法,通过合成图像数据集训练的检测模型有效地从图像中检测出参考对象,由检测到的参考对象获得道路积水深度.结合视频图像应用案例表明,利用YOLOv4算法对视频图像进行目标检测,能快速、高效、准确地提取道路积水的深度.     

基于图像处理的隧道表面裂缝快速检测技术研究

提出了一种基于图像处理的隧道表面裂缝快速检测方法,并对检测系统进行了理论上的分析.通过对图像处理算法的研究,总结了SFC结合法的图像增强算法并与传统滤波算法进行了比较.之后用两种不同的阈值分割方法对图像进行了二值化处理,通过实验图像的分析证明了这些算法的可行性.     

基于YOLOv4算法从视频图像中监测道路积水

针对城区降雨量多,道路易积水而导致内涝且传统道路积水监测方法耗时耗力、成本高等特点,提出了一种针对城市道路积水的检测方法,基于YOLOv4算法从视频图像中监测道路积水.基于有效提取道路积水深度的目的,采用YOLOv4的目标检测模型对参考目标进行检测的方法,通过合成图像数据集训练的检测模型有效地从图像中检测出参考对象,由检测到的参考对象获得道路积水深度.结合视频图像应用案例表明,利用YOLOv4算法对视频图像进行目标检测,能快速、高效、准确地提取道路积水的深度.     

基于城市实景影像的车道线检测方法研究

城市道路车道线检测和跟踪已经成为智能辅助驾驶的核心技术和热点研究领域。为了更好地实现该项技术,完成自动化检测系统,本文通过分析多种算法,提出了Sobel算子和Hough变换相结合的方式提取道路线。经验证,该方法能准确识别出感兴趣区域内的道路线,满足文中提取道路线的要求。     

基于时空融合的交通场景中运动行人检测算法

将视频监控技术应用于交通信息获取与处理,解决行人安全问题,已成为智能交通系统中的一项关键技术。为精准地提取交通场景语义信息,提出了融合时域和空域信息的行人检测算法。通过相邻多帧时域变化和Canny边缘检测算法得到初始检测掩模图像,解决差值局部化和噪声问题;提取空域信息时,引入二次重构和内外标记技术对梯度图像进行修正和分水岭变换,得到空域掩模图像,有效地提高空域分割精度,消除过分割现象;最后将两者结果进行融合和形态学修正,提取出交通场景图像中的运动行人。以北京南站为例进行实验分析,结果表明,该方法能快速准确地检测到较完整的目标信息,在动态场景的行人检测取得了较好的效果。     

一种改进的用于裂缝图像分割的Otsu方法

裂缝是隧道衬砌最常见的病害之一,基于近几年快速发展的工程检测系统与图像处理算法的研究,提出了一种CCD相机的衬砌裂缝快速检测系统采集裂缝图像。在提取裂缝特征之前,需要将裂缝区域与图像背景分离。采用Otsu法进行分割处理,然而传统的Otsu方法对裂缝区域过小的图像易产生欠分割;对背景不单一或光照度不均匀的裂缝图像易造成过分割的情况。根据Ostu方法分割特点对该方法进行改进,以达到更好的裂缝图像分割效果,从而为实现隧道裂缝的快速检测埋下基础。     

贴片晶振尺寸快速视觉检测方法

本文研究了贴片晶振图像尺寸快速检测方法。首先进行对数变换图像增强,提高图像对比度,检测出晶振外接矩形,提取ROI区域;然后检测出ROI区域中所有轮廓,检测出晶振图像内接矩形尺寸。利用OPENCV实现该检测方法,大量实验表明,该方法准确快速,抗干扰性强。     

运动模糊车牌图像的复原算法研究与实现

采用模型估计法,由车辆匀速直线运动的先验知识推导出模糊退化传递函数。在运动模糊参数估计中,通过二次傅里叶变换得到模糊图像频谱,采用Radon变换检查直线方法检测出模糊角度,并用旋转投影法估算出运动尺度,最后用约束的最小二乘方滤波复原法复原出清晰的车牌图像。通过Matlab软件仿真,对该算法与其他复原算法从执行效果和复原质量进行对比实验。结果表明:该算法不仅能准确的估计出模糊角度和尺度,也能快速的复原出清晰的车牌图像。     

基于探地雷达的沥青路面厚度检测研究

在道路养护过程中,对路面厚度的有效检测至关重要。传统的钻芯取样法难以满足日益增长的检测需求,而随着现代科学技术的发展,探地雷达等新型无损检测技术逐渐应用于道路检测与养护中。针对沥青路面厚度检测的实际需求,结合探地雷达检测技术和数字图像处理算法,对探地雷达图像进行分析和处理,以实现沥青路面厚度的自动提取。分别采用Canny算法、连通区域检测算法对探地雷达图像进行处理,并结合gprMax软件正演模拟数据对以上方法的准确性进行对比分析。结果表明,Canny算法具有更好的效果,与实地钻孔取芯测量的厚度相比,其相对误差约为4.13%,可以较好地实现探地雷达图像中沥青路面厚度的快速智能提取。