基于多特征融合的井盖检测系统实现

障碍物检测作为智能辅助驾驶的重要一环,得到了广泛关注和研究,其中,井盖的检测对后续的井盖定位和缺损检测有着不可替代的作用。从宏观特征入手,提出一种多特征融合的分类方法,首先利用先验知识划定梯形区域限制搜索区间,进而通过边缘的连通性锁定候选区域,并通过多特征判定,快速准确地从背景中提取出井盖位置。该方法在TMS320DM6437平台上进行了系统实现,验证了方案的可行性。

基于改进HOG-LBP特征车前多目标分类仿真

针对城区复杂交通场景,提出一种基于改进的HOG-LBP融合特征的车辆前方多目标的分类方法。在特征提取阶段,将机器学习中常用的HOG特征和LBP特征结合,并对组合特征进行改进,在不影响检测精度的同时降低特征向量的维数,提高检测速度;分类器使用二叉树支持向量机,并根据各类目标的外形特征及其在车辆前方出现的概率,设计适用于“车辆-行人-非机动车-背景”这一多目标体系的多级分类方法。实验结果表明,上述方法能较好的实现车辆前方多目标分类。

基于颜色通道混合特征的夜间车辆检测仿真

夜间环境下的车辆检测,是高级驾驶辅助系统中不可缺失的一环。结合HSV与RGB两种颜色空间,提出一种新的夜间车辆检测算法,并在TMS320DM6437硬件平台上进行了系统仿真实现。首先,通过提取得到的(R-G)×V颜色通道混合特征完成对图像的初步分割;之后,再结合尾灯配对的基本准则完成尾灯对的筛选;最后,根据检测到的尾灯对实现夜间车辆的检测。上述方法在硬件平台上进行了系统仿真。仿真结果证明,基于颜色通道混合特征的夜间车辆检测算法能够快速准确地定位夜间车辆。