耀斑和日冕物质抛射(Coronal Mass Ejection, CME)期间的非热高能粒子流和激波是产生灾害性空间天气事件的两个主要因素,它们主要的观测特征分别是具有快速频率漂移的射电Ⅲ型暴和具有较为缓慢频率漂移的射电Ⅱ型暴。主要介绍了使用概...耀斑和日冕物质抛射(Coronal Mass Ejection, CME)期间的非热高能粒子流和激波是产生灾害性空间天气事件的两个主要因素,它们主要的观测特征分别是具有快速频率漂移的射电Ⅲ型暴和具有较为缓慢频率漂移的射电Ⅱ型暴。主要介绍了使用概率霍夫变换(Probabilistic Hough Transform)方法,在观测数据中自动识别太阳射电Ⅲ型暴和Ⅱ型暴,并提取射电Ⅲ和Ⅱ型暴的特征参数,最后利用识别出的射电Ⅱ型暴的物理参数估计了日冕物质抛射激波的速度。展开更多
针对结构化道路车道线检测的鲁棒性与实时性问题,本文提出一种基于概率霍夫变换的车道线识别方法。为了提高检测效率,对感兴趣区域内的图像利用概率霍夫变换方法检测出直线段;用最小二乘法拟合出正确的车道线并计算消失点的坐标,通过计...针对结构化道路车道线检测的鲁棒性与实时性问题,本文提出一种基于概率霍夫变换的车道线识别方法。为了提高检测效率,对感兴趣区域内的图像利用概率霍夫变换方法检测出直线段;用最小二乘法拟合出正确的车道线并计算消失点的坐标,通过计算消失点横坐标和图像中心点横坐标的位置关系预测车道线方向;利用Visual Studio 2013平台完成车道线识别仿真验证。仿真结果表明,本文算法可以在不同环境下检测出车道线特征,有效提高了结构化道路车道线检测的鲁棒性与实时性。展开更多
针对四旋翼飞行器在室内环境下识别地面线状结构的问题,提出了一种改进的基于单目摄像头,提取线段并跟踪的方法;首先在图像中设置感兴趣的区域(Region Of Interest,ROI),基于HSV颜色空间,根据颜色阈值提取出线段颜色;然后对ROI进行高斯...针对四旋翼飞行器在室内环境下识别地面线状结构的问题,提出了一种改进的基于单目摄像头,提取线段并跟踪的方法;首先在图像中设置感兴趣的区域(Region Of Interest,ROI),基于HSV颜色空间,根据颜色阈值提取出线段颜色;然后对ROI进行高斯滤波处理过滤图像的噪声,通过Canny边缘检测算法提取出线段的边缘;最后用概率霍夫变换(Probabilistic Hough Transform,PHT)从预处理图像中拟合出直线,计算直线的方向向量实现四旋翼的路径跟踪;实验结果表明:该方法有效地提高了路径识别的效率,使四旋翼能够精确跟踪室内路径。展开更多
针对多数研究中车道线检测的准确性和实时性难以有效平衡的问题,提出了一种应用区域划分的车道线识别方法。首先通过改进的大津(OTSU)算法提取边缘图像,再在所得边缘图像的基础上,利用改进的概率霍夫变换(PPHT)提取车道标识线上的特征点...针对多数研究中车道线检测的准确性和实时性难以有效平衡的问题,提出了一种应用区域划分的车道线识别方法。首先通过改进的大津(OTSU)算法提取边缘图像,再在所得边缘图像的基础上,利用改进的概率霍夫变换(PPHT)提取车道标识线上的特征点,并采用最小二乘法(LSM)对特征点点集进行直线拟合,最后通过提出的路面干扰线规避算法检测所有拟合得到的直线段并筛选可能的车道线。在实验方面,引入三种算法作为对比,并利用提出的准确性评价模型对500幅典型道路场景图中的车道线识别结果进行评估,同时统计在处理一段长为1 min 26 s的道路视频时每帧图像序列的平均耗时。实验结果表明所提算法的查准率、查全率、F量测值均优于对比算法,且达到实时处理的要求。展开更多
文摘针对结构化道路车道线检测的鲁棒性与实时性问题,本文提出一种基于概率霍夫变换的车道线识别方法。为了提高检测效率,对感兴趣区域内的图像利用概率霍夫变换方法检测出直线段;用最小二乘法拟合出正确的车道线并计算消失点的坐标,通过计算消失点横坐标和图像中心点横坐标的位置关系预测车道线方向;利用Visual Studio 2013平台完成车道线识别仿真验证。仿真结果表明,本文算法可以在不同环境下检测出车道线特征,有效提高了结构化道路车道线检测的鲁棒性与实时性。
文摘针对四旋翼飞行器在室内环境下识别地面线状结构的问题,提出了一种改进的基于单目摄像头,提取线段并跟踪的方法;首先在图像中设置感兴趣的区域(Region Of Interest,ROI),基于HSV颜色空间,根据颜色阈值提取出线段颜色;然后对ROI进行高斯滤波处理过滤图像的噪声,通过Canny边缘检测算法提取出线段的边缘;最后用概率霍夫变换(Probabilistic Hough Transform,PHT)从预处理图像中拟合出直线,计算直线的方向向量实现四旋翼的路径跟踪;实验结果表明:该方法有效地提高了路径识别的效率,使四旋翼能够精确跟踪室内路径。
文摘针对多数研究中车道线检测的准确性和实时性难以有效平衡的问题,提出了一种应用区域划分的车道线识别方法。首先通过改进的大津(OTSU)算法提取边缘图像,再在所得边缘图像的基础上,利用改进的概率霍夫变换(PPHT)提取车道标识线上的特征点,并采用最小二乘法(LSM)对特征点点集进行直线拟合,最后通过提出的路面干扰线规避算法检测所有拟合得到的直线段并筛选可能的车道线。在实验方面,引入三种算法作为对比,并利用提出的准确性评价模型对500幅典型道路场景图中的车道线识别结果进行评估,同时统计在处理一段长为1 min 26 s的道路视频时每帧图像序列的平均耗时。实验结果表明所提算法的查准率、查全率、F量测值均优于对比算法,且达到实时处理的要求。