基于Res Net18-YOLOv8n的地面标志线检测算法

地面标志线检测在自动驾驶和交通场景分析中起着重要的作用,对于实现道路安全和道路智能化至关重要。然而,传统的标志线检测算法存在着检测精度较低和交通箭头标志线相关检测研究较少的问题。为应对此类问题,提出了一种基于YOLOv8n改进的交通标志识别算法。改进包括使用Timm模型库中的Res Net-18网络替换YOLOv8n模型的backbone网络,以提升图像识别精度。采用GIoU边界损失函数替代原有的CIoU损失函数,提高边界框回归性能的同时进一步提升检测效率和准确率。基于Cey Mo数据集中的2 099张地面标志线图像进行了训练和评估。实验结果表明,原始的YOLOv8n模型在精度(Precision)上为82.2%,平均精度均值(mAP)为98%,而经过该方法优化后的模型达到了88.1%的精度和99.3%的mAP,分别使模型的精度提高了5.9%,平均精度均值提高了1.3%。综合分析,在引入ResNet-18 Backbone网络和GIoU损失函数后,不仅提高了检测效率,也提高了识别精度,而且明显优于YOLOv5s和YOLOv8n算法,具有更高的有效性和检测精度。

基于霍夫变换的足球场标志线检测

为了检测足球场的标志线,提出了一种基于霍夫变换的足球场标志线检测方法。选取足球比赛视频的一帧图像,对该图像进行分割从而提取球场区域,然后将二值化后的图像进行孔洞填充把球员和足球去掉,只保留球场的标志线,最后再对该图像进行霍夫变换,把球场的标志线检测出来,并用红线标记出来。

一种基于改进Hough变换的车道线检测算法

文中提出了一种适合于DSP的基于改进的Hough变换的车道标志线检测算法.算法首先对经典Hough变换的前级处理过程——边缘提取中的边缘图像进行梯度运算,然后利用获得的梯度运算结果来确定后续Hough变换过程中本该360°搜索的边缘方向这个参数,同时在基本不影响车道标志线检测结果的前提下对参数空间进行适当分块,以减少车道标志线检测算法的运算量.实验结果表明:文中的方法不仅能够准确地检测出待检测路面的车道标志线,而且能够实时的运行在DM648DSP硬件平台上,获得了很好的车道标志线检测效果.

基于中心线引导的主动视觉导航方法研究

为了解决移动机器人主动视觉导航的漂移问题,提出了一种基于中心线引导的视觉导航方法。该方法首先构建了实际物理坐标与图像坐标的映射管辖,为实时图像坐标约束条件的闭环控制提供精确的数学模型;接着,利用Canny算子进行车道边缘线和道路标志线的初步检测,并采用方向引导优化的方法消除背景杂波的干扰,提升复杂背景下的检测精度;最后,通过模糊控制器对导航中心引导线的偏离角度进行修正,保证形式路线的正确性。实验结果表明,同传统的被动固定摄像机导航方法相比,有效提升了不同路况条件下的导航精度。

基于道路图像对比度-区域均匀性图分析的自适应阈值算法

针对道路图像检测易受光照及车道标志线曲率等交通环境条件变化干扰而导致检测算法稳定性不佳的问题,在图像阈值分割的经典大津法基础上,对直路、左右转弯、有少量积雪和阴影等多种典型道路行驶图像进行了对比度和区域均匀性图分析,并以此实现了基于大津法的道路图像自适应阈值分割,有效地提高了环境条件变化时道路图像检测算法的鲁棒性。

Research on detection of lane based on machine vision

To prevent a vehicle from departing the lane in assistant or automatic steering, real-time vision-based detection of lane is studied. The system architecture, detecting principle and lane model are described. Then the detecting algorithm of the lane image is discussed in detail. In this algorithm, several proper sub-windows in one image are first selected as the processing regions. To every sub-window, by means of such steps as appropriate pre-processing, edge detection and Hough transform, etc., the lane description features are extracted. Experimental results reveal that this detection method is of good real-time, high recognition reliability and strong robustness, etc., which can provide the decision-making foundation for the following automatic or assistant steering to some extent.

基于方向引导优化的视觉导航方法

为解决主动视觉导航在复杂路况条件下精度较差的问题,提出了一种基于方向引导优化的主动视觉导航参量计算方法。首先,建立了车辆物理坐标系与视觉图像坐标系的变换方程,通过Canny算子对视频图像进行初步的车道边缘线和道路标志线检测;接着,基于方向引导优化有效降低了阴影、积水等杂波对检测性能的干扰,并通过阈值优化的广义Hough变换实现车道线的内外边缘及道路标志线的精确检测;最后,基于检测结果计算出用于导航的中心引导线、偏离角度、距离等参量。实验结果表明,该方法能够有效且精确地获取主动导航系统的偏移参量。

一种优化的主动视觉导航方法分析

为解决主动视觉导航在复杂路况条件下精度较差的问题,提出了一种优化的主动视觉导航参量计算方法。首先,建立了车辆物理坐标系与视觉图像坐标系的变换方程,通过Canny算子对视频图像进行初步的车道边缘线和道路标志线检测;接着,基于方向引导优化有效降低了阴影、积水等杂波对检测性能的干扰,并通过阈值优化的广义Hough变换实现车道线的内外边缘及道路标志线的精确检测;最后,基于检测结果计算出用于导航的中心引导线和偏离角度、距离等参量。实验结果表明,本文方法能够有效且精确的获取主动导航系统的偏移参量。

自动往返电动小汽车评述

本刊刊载的“大学生电子设计竞赛论文”受到读者的欢迎。但我们也发现,学生参赛的作品虽然经过了专家的评审,但评审的结果不能很快反馈给各个学校,对于作品中出现的问题也不能及时纠正。为此,我们特意邀请了全国专家评审组成员撰写了一组文章,对所有参赛题目进行了分析及讲解,希望对已经参赛过的同学是个总结,对即将参赛的同学是个指导。