论文摘要
道路场景因其结构的多样性、纹理变化的复杂性和自然曝光的不稳定性,使得传统基于道路分割的道路检测方法大多存在信息冗余,并且存在边界丢失、模糊等质量问题.本文首先在道路图像上使用Meanshift均值漂移算法,通过空间内的概率密度呈梯形上升去寻找局部最优,并搜索属于同一模点的像素然后生成获得超像素块.然后利用Meanshift算法获得的聚类超像素块进行多种子点区域生长,规范生长规则,克服不能得到封闭边界的缺陷,改进道路图像的分割效果.实验结果表明,本文提出的模型适用性强,相比于传统方法有效地提升了分割准确性和实时性,可准确识别出图像中的道路信息,确保车辆能够行驶在可行驶区域上.
论文目录
文章来源
类型: 期刊论文
作者: 刘步实,吕永波,吕万钧,李晶,欧阳琪
关键词: 智能交通,道路检测,图像分割,均值漂移,区域生长
来源: 交通运输系统工程与信息 2019年02期
年度: 2019
分类: 工程科技Ⅱ辑,信息科技
专业: 公路与水路运输,计算机软件及计算机应用
单位: 北京交通大学交通运输学院
基金: 国家自然科学基金(61872036),国家重点研发计划项目(2017YFC0804900)~~
分类号: TP391.41;U495
DOI: 10.16097/j.cnki.1009-6744.2019.02.009
页码: 60-65
总页数: 6
文件大小: 1428K
下载量: 137