交通信号灯和交通标志检测1课件讲解_第1页
交通信号灯和交通标志检测1课件讲解_第2页
交通信号灯和交通标志检测1课件讲解_第3页
交通信号灯和交通标志检测1课件讲解_第4页
交通信号灯和交通标志检测1课件讲解_第5页
已阅读5页，还剩5页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

《车载智能技术》

无人驾驶汽车环境感知-交通信号灯和交通标志检测1主讲人：黄侃江西交通职业技术学院×××交通信号灯和交通标志检测道路环境是一个典型的、开放的非可控环境，对动静态目标检测提出了较大的挑战。交通信号灯和交通标志检测例如，道路环境的复杂多变光照特性与天气状况导致视觉系统检测性能不稳定，交通标志种类繁多导致检测与识别复杂，动态目标如行人的外观多样性、姿态多样性等导致检测算法难度增加。此外，动静态目标在实际应用中均存在被遮挡的情况，导致传统的检测算法失效。一、交通信号灯的检测交通信号灯检测是智能汽车环境感知的难题，是保障智能汽车行车安全的基础。基于圆形交通信号灯检测技术，提出了实时检测的新算法，该方法适用于我国的交通状况。交通信号灯一般是通过颜色特征和形状特征进行识别的，识别目标一般分为无须方向判断的红绿灯和需要方向判断的箭头型红绿灯。一、交通信号灯的检测首先确定交通信号灯的位置，然后利用交通信号灯与信号灯的相对位置来确定红色、黄色和绿色交通信号灯区域，最后利用交通信号灯区域的特征，通过最近邻分类器识别交通信号灯的箭头方向。一、交通信号灯的检测还可以利用基于HOG特征和SVM的交通信号灯实时识别算法:首先提取各类信号灯的HOG特征，然后运用SVM构建对应类别信号灯的分类器，之后依据判决函数对当前信号进行实时判决，从而得到准确的信号灯信息。一、交通信号灯的检测还需要对正常光照和低光照两种情况下的信号灯分别进行识别:正常光照下，以颜色灰度和形状特征提取感兴趣区域，然后使用深度学习的卷积神经网络，提取并检测该区域内的交通信号灯;低光照条件下，同样采用卷积神经网络的方法，但是会结合在正常光照下的识别信息，以提高识别率。一、交通信号灯的检测另外，可以根据图像上半部分的像素灰度，调节快门开闭时间，控制进光量，在保证图像质量的基础上通过一个模糊分类器对图像颜色特征进行筛选，代替以往常用的颜色阈值。随着机器学习的快速发展，运用卷积神经网络识别交通信号灯当前状态已成为交通信号灯检测的发展趋势。知识拓展无人驾驶的汽车在行驶过程中会实时接收周围环境信息，通过系统处理然后和周围的交通相融。对无人驾驶汽车来说道路是不需要交通信号灯和交通标志，所有的交通信号和标

人人文库> 全部分类> 教育资料 > 课件下载

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论