一种改进的基于视频的车辆检测与识别方法

为了提高基于视频的车辆检测技术在应用中的实时性和准确率,提出了一种应用单目视觉进行车辆检测的方法;首先,提取车道边缘,由车道边缘得到道路区域,根据经验知识在车道区域内确定感兴趣区域,减少车辆检测算法搜索范围;接着基于车辆的对称性特征,阴影和边缘特征对兴趣区域进行过滤,进一步缩小感兴趣区域;最后用离线训练好的AdaBoost分类器对过滤后的图像进行分类识别,检测出动态的车辆;实验结果表明,利用该算法能满足实时性和准确性的要求。     

基于S3C2440的嵌入式单目视觉系统设计

文中设计的嵌入式视觉系统硬件平台是以S3C2440为核心控制和数据处理的芯片,以USB单目数码摄像头为图像采集设备。在软件设计上,将优化配置过的Linux操作系统移植到S3C2440中,且结合Video4Linux关键技术实现了在嵌入式平台下对图像的采集和现实。     

基于MC9S12DG128智能模型车的设计与实现

以飞思卡尔公司的16位微控制器MC9S12DG128芯片作为该系统信号检测和控制处理的核心,设计并实现了一部能够自主循迹的智能小车．该系统的硬件设计主要包括电机驱动模块、车速检测模块、道路检测模块．利用光电传感器件对黑线进行感知获得的路线位置信号,用脉宽调制（PWM）控制方式控制伺服机构进行转向;利用采集到的后轮转速信号,运用PID控制算法对智能车的车轮转速进行控制．测试结果表明,该智能汽车能沿着赛道稳定、快速地自动行驶．     

基于机器视觉的非结构化道路检测算法研究

提出了一种提高非结构化道路边缘检测实时性和准确性的算法。该算法中首先对原始道路图像进行中值滤波,抑制随机噪声,并选择基于双峰法的多阈值Otsu方法进行图像分割,使分割效果和分割时间得到优化。通过Canny算子进行初次边缘检测,然后,采用数学形态学修正,从而得到完整、清晰的道路边缘图像。仿真结果表明:该非结构化道路检测方法具有良好的实时性和准确性。