شناسایی جاده با ترکیب روش های یادگیری مبتنی بر رنگ و بافت با استفاده از رأی گیری اکثریت وزن دار

سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 689

فایل این مقاله در 7 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ICIKT07_125

تاریخ نمایه سازی: 22 مهر 1394

چکیده مقاله:

شناسایی جاده یکی از اساسی ترین مسائل در حوزه هوشمند سازی خودروها محسوب می شود. برای تحقیق این هدف از حسگرهای مختلف نصب شده روی خودرو نظیر دوربین، لیزر، رادار و غیره بهره گرفته می شود. بخش عمده ای از تحقیقات در این زمینه با استفاده از روش های مبتنی بر بینایی صورت می گیرد. علت این امر را مقرون به صرفه تر بودن حسگر دوربین نسبت به بقیه حسگرها و در دسترس بودن آن می توان نام برد. در این مقاله از تک دوربین نصب شده در جلوی خودرو به منظور استخراج جاده استفاده می کنیم. برای این منظور ابتدا با استفاده از تفاوت رنگ جاده و پس زمینه، خوشه بندی بر اساس رنگ را انجام داده، در ادامه با روش های یادگیری با ناظر و ویژگی های مبتنی بر بافت، سطح جاده را به دست می آوریم. این ویژگی ها شامل توصیفگر بافت الگوی دوتایی محلی و همچنین قطعه بندی بافت بر اساس بعد فراکتال می باشد. برای بهبود نتایج و دقت عملکرد، خروجی روش های ارائه شده را با روش رأی گیری اکثریت وزن دار شده ترکیب می کنیم. نتایج بررسی ها نشان می دهد که روش ارائه شده در شرایط مختلف می تواند به صورت موفقیت آمیز عمل کرده و با دقت قابل قبولی سطح جاده را از پس زمینه جدا نماید.

کلیدواژه ها:

شناسایی جاده ، خوشه بندی ، الگوی دوتایی محلی ، قطعه بندی بر اساس بعد فراکتال ، رأی گیری اکثریت وزن دار

نویسندگان

مقداد محرابیان محمدی

آزمایشگاه هوش مصنوعی، دانشکده مهندسی برق و کامپیوتر، دانشگاه صنعتی اصفهان

مازیار پالهنگ

آزمایشگاه هوش مصنوعی، دانشکده مهندسی برق و کامپیوتر، دانشگاه صنعتی اصفهان

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • A. Hillel, R. Lerner, D. Levi, and G. Raz, "Recent ...
  • Yu, Bin, Jain, and K. Anil, "Lane boundary detection using ...
  • O. Falola, I. Omowummi, and A. Bagula, "Supporting drivable region ...
  • J. Alvarez, M. Salzmann, and M. Barnes, "Learming appearance models ...
  • S. Graovac and A Goma, "Detection of road image borders ...
  • Y. Wang, E. Teoh, and D. Shen, "Lane detection and ...
  • T. Kanungo, et al., "An efficient k-means clustering imp lementation, ...
  • Transactions _ Pattern Analysis and Machine Intelligence, vol. 24, no. ...
  • T. Zhao, W. Yang, and C. Sun, "A fast vanishing ...
  • T. Ojala, M. Pietikainen, and T. Maenpaa, "Gray scale and ...
  • C. Burges, "A tutorial on support vector machines for pattern ...
  • A. Costa, G. Hump ire-Mamani, and A. Traina, "An efficient ...
  • Conference on Graphics, Patterns and Images (SIBGRAPI), 2012, pp. 39-46. ...
  • P. Liao, T. Chen, and P. Chung, "A fast algorithm ...
  • L. I. Kuncheva, Combining pattern classifiers: methods and algorithms. John ...
  • J. Alvarez and A. Lopez, "Road detection based on illuminant ...
  • H. Kong, J. Audibert, and J. Ponce, "General road detectiom ...
  • J. Alvarez, T. Gevers, and A. Lopez, "Vision-based road detection ...
  • نمایش کامل مراجع