基于棒状像素的前景障碍物识别算法

胡福志; 权悦; 国海; 张平娟

doi:10.13873/J.1000-9787(2023)08-0161-04

Chinese

您当前的位置：

首页 >

文章列表页 >

基于棒状像素的前景障碍物识别算法

计算与测试 | 更新时间：2025-09-11

- 基于棒状像素的前景障碍物识别算法
- 暂无标题
- 传感器与微系统 2023年第8期页码：161-164
- 作者机构：
  
  安徽科技学院电气与电子信息工程学院
- 作者简介：
- 基金信息：
  
  安徽省高等学校科研项目(2022AH040234)
- DOI：10.13873/J.1000-9787(2023)08-0161-04
  中图分类号： U495;TP391.41
- 纸质出版：2023
- 稿件说明：
移动端阅览
胡福志, 权悦, 国海, 等. 基于棒状像素的前景障碍物识别算法[J]. 传感器与微系统, 2023,(8):161-164.
胡福志, 权悦, 国海, 等. 基于棒状像素的前景障碍物识别算法[J]. 传感器与微系统, 2023,(8):161-164. DOI： 10.13873/J.1000-9787(2023)08-0161-04.

DOI：

摘要

障碍物分类是智能交通应用的核心功能。本文提出了一种探测和识别道路场景下车辆与行人的算法。首先，建立棒状像素(Stixel)并由图像坐标转换至世界坐标，投影生成鸟瞰图；然后，借助聚类算法，得到原图像中待识别区域；之后，提取灰度稠密尺度不变特征变换(gray-DSIFT)特征并利用费歇尔向量(FV)编码；最后，选用随机森林(RF)分类器区分前向车辆与行人。实验结果表明：提出的方法能够有效地区分前景障碍物中出车辆与行人，提高了前期探测障碍物的效率。

Abstract

关键词

Keywords

references

用于智能车的棒状像素场景表达方法研究[J]. 陈磊;黄影平;胡兴;慈文彦.小型微型计算机系统,2019(12)

融合多特征与随机森林的纹理图像分类方法[J]. 陈静;张艳新;姜媛媛.传感器与微系统,2019(12)

一种深度图像特征的建筑物内行人检测方法[J]. 刘剑;徐萌;赵悦;张锐;高恩阳.小型微型计算机系统,2018(04)

一种改进的SIFT血管图像特征匹配算法[J]. 李冠宇;汪友生.电子测量技术,2015(12)

基于异构描述子的新型高斯混合模型图像自动标注方法[J]. 陈利琴;金聪.电子测量技术,2015(11)

基于区域分块的SIFT图像匹配技术研究与实现[J]. 杜京义;胡益民;刘宇程.光电工程,2013(08)

Stixel-based Traffic Scene Representation Using U-disparity[J]. Lei Chen;Yingping Huang;Xing Hu;Hongjian Wei;Ming Liu.Journal of Physics: Conference Series,2019

Fisher vector for scene character recognition: A comprehensive evaluation[J]. Cunzhao Shi;Yanna Wang;Fuxi Jia;Kun He;Chunheng Wang;Baihua Xiao.Pattern Recognition,2017

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

暂无数据