-
公开(公告)号：CN104574366B
公开(公告)日：2017-08-25
申请号：CN201410799464.3
申请日：2014-12-18
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于单目深度图的视觉显著性区域的提取方法，包含以下顺序的步骤：对原图像进行分割得到各个超像素；建立每个超像素的特征向量，即估算图像中场景的绝对深度的绝对深度特征；利用高斯‑马尔可夫随机场模型建立概率模型，通过概率模型计算超像素特征向量与相邻超像素特征向量之间的距离关系，在所述的绝对深度特征的基础上得到了相对深度特征，同时得到超像素的深度值及深度图；计算超像素的显著值；由所述深度值计算出增益系数，利用增益系数修正所述显著值。本发明的提取方法，在无任何先验知识的前提下，能快速准确地自动识别图像中的显著性物体，且普适性好，显著性区域检测准确。
-
公开(公告)号：CN104574366A
公开(公告)日：2015-04-29
申请号：CN201410799464.3
申请日：2014-12-18
Applicant: 华南理工大学
CPC classification number: G06T7/143 , G06K9/4671 , G06T7/50 , G06T2207/10004
Abstract: 本发明公开了一种基于单目深度图的视觉显著性区域的提取方法，包含以下顺序的步骤：对原图像进行分割得到各个超像素；建立每个超像素的特征向量，即估算图像中场景的绝对深度的绝对深度特征；利用高斯-马尔可夫随机场模型建立概率模型，通过概率模型计算超像素特征向量与相邻超像素特征向量之间的距离关系，在所述的绝对深度特征的基础上得到了相对深度特征，同时得到超像素的深度值及深度图；计算超像素的显著值；由所述深度值计算出增益系数，利用增益系数修正所述显著值。本发明的提取方法，在无任何先验知识的前提下，能快速准确地自动识别图像中的显著性物体，且普适性好，显著性区域检测准确。
-
公开(公告)号：CN108805065A
公开(公告)日：2018-11-13
申请号：CN201810550201.7
申请日：2018-05-31
Applicant: 华南理工大学
CPC classification number: G06K9/00798 , G06K9/54
Abstract: 本发明公开了一种基于几何特征改进的车道线检测方法，包括以下步骤：(1)利用车载摄像机获取当前道路场景中的图像；(2)对获取的图像进行预处理，提高图像识别的正确率；(3)利用边界跟踪方法提取二值图像中的车道线轮廓；(4)利用车道段的几何特征，对提取出的轮廓进行筛选，提取有效车道段；(5)对有效车道段进行直线拟合，划定车辆的可行驶区域。本发明利用车道段的几何特征和属性识别出车道线并划定出车辆的可行驶区域，降低车道线误检概率，同时不降低实时性，达到同时兼顾准确性和实时性的目的。高级辅助驾驶系统或者未来的智能驾驶系统可通过此方法进行车辆偏离预警、车辆行驶方向判断以及驾驶车道内道路障碍物的识别。
-
-
Search Results
3
records
(took 0.019 seconds)
