使用颜色识别来进行道路跟踪

简介: 使用颜色信息来检测和跟踪在可能不存在车道标记的主要住宅环境中设置的道路边缘。基于颜色的跟踪示例说明了如何使用色彩空间转换块、霍夫变换块和卡尔曼滤波器块来检测和跟踪使用色调和饱和度的信息。

一、前言
使用颜色信息来检测和跟踪在可能不存在车道标记的主要住宅环境中设置的道路边缘。基于颜色的跟踪示例说明了如何使用色彩空间转换块、霍夫变换块和卡尔曼滤波器块来检测和跟踪使用色调和饱和度的信息。

二、模型
下图显示了基于颜色的道路跟踪模型:
1.png

三、算法
示例算法执行搜索,通过分析视频图像的颜色行为变化来定义道路的左边缘和右边缘。首先,从图像的底部中心开始搜索边缘像素或穿过足够数量的彩色像素的线(以先到者为准)。搜索将移动到图像的左上角和右上角。
2.png

为了处理低质量的视频序列,其中路边可能难以看到或被阻塞,该算法将等待多帧有效的边缘信息。该示例使用相同的过程来决定何时开始忽略一侧。

四、跟踪结果
检测窗口显示在当前视频帧中检测到的路边。
3.png

当没有可见的路边时,“追踪”窗口将显示错误符号。
4.png

当只有道路的一侧可见时,该示例将显示一个平行于道路一侧的箭头。箭头的方向朝向路侧与影像边界之间的交叉点上点。
5.png

当道路两侧都可见时,该示例显示道路中心的方向箭头,其方向是通过对左右两侧的方向求平均值来计算的。

6.png

目录
相关文章
|
2月前
|
机器学习/深度学习 算法 自动驾驶
集检测与分类于一身的LVLane来啦 | 正面硬刚ADAS车道线落地的困难点
集检测与分类于一身的LVLane来啦 | 正面硬刚ADAS车道线落地的困难点
110 0
|
2月前
|
机器学习/深度学习 算法 前端开发
高速公路表面图像裂缝检测程序
高速公路表面图像裂缝检测程序
|
12月前
|
存储 自动驾驶 安全
基于轨迹优化的自动驾驶汽车跟随自行车模型动力学控制(Matlab代码实现)
基于轨迹优化的自动驾驶汽车跟随自行车模型动力学控制(Matlab代码实现)
使用光流法跟踪汽车
使用光流估计在视频序列中检测和跟踪汽车。
59 0
|
传感器 编解码 算法
【航空和卫星图像中检测建筑物】使用gabor特征和概率的城市区域和建筑物检测研究(Matlab代码实现)
【航空和卫星图像中检测建筑物】使用gabor特征和概率的城市区域和建筑物检测研究(Matlab代码实现)
|
编解码 计算机视觉 智慧交通
智慧交通day04-特定目标车辆追踪03:siamese在目标跟踪中的应用-SiamRPN++(2019)
严格的平移不变性只存在于无填充网络中,如AlexNet。以前基于孪生的网络设计为浅层网络,以满足这一限制。然而,如果所使用的网络被ResNet或MobileNet等现代网络所取代,填充将不可避免地使网络变得更深,从而破坏了严格的平移不变性限制,不能保证物体最后的heatmap集中于中心。
133 0
智慧交通day04-特定目标车辆追踪03:siamese在目标跟踪中的应用-SiamRPN++(2019)
|
算法 数据格式
DeepSORT算法实现车辆和行人跟踪计数和是否道路违规检测(毕业设计)
DeepSORT算法实现车辆和行人跟踪计数和是否道路违规检测(毕业设计)
159 0
|
数据可视化 算法 智慧交通
智慧交通day02-车流量检测实现05:卡尔曼滤波器实践(小车模型)
FilterPy是一个实现了各种滤波器的Python模块,它实现著名的卡尔曼滤波和粒子滤波器。我们可以直接调用该库完成卡尔曼滤波器实现。
235 0
|
智慧交通
智慧交通day02-车流量检测实现14:代码汇总+问题修正
智慧交通day02-车流量检测实现14:代码汇总+问题修正
93 0
|
计算机视觉 智慧交通
智慧交通day02-车流量检测实现03:辅助功能(交并比and候选框的表现形式)
IOU是交并比(Intersection-over-Union)是目标检测中使用的一个概念是产生的候选框
138 0