شناسایی جاده بر پایه روش های یادگیری و استفاده از ویژگی های بافت و رنگ

سال انتشار: 1393
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 946

فایل این مقاله در 5 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ICCEIT01_033

تاریخ نمایه سازی: 1 آذر 1394

چکیده مقاله:

یکی از مهمترین و اساسی ترین مساپل در توسعه سیستم های رانندگی خودکار شناسایی مسیر قابل رانندگی در جلوی خودکار شناسایی مسیر قابل رانندگی در جلوی خودرو می باشد . رد این صورت خودرو می تواند با خفظ مسیر خود در جاده ناوبری موفقیت آمیزی داشته باشد . در این مقاله شناسایی جاده را بر پایه تصاویر گرفته شده توسط دوربین نصب شده در جلوی خودرو انجام می دهیم . بدین منظور ابتدا به صورت برون خط از روی تصاویر موجود به قسمت های مختلف تصویر برچسب جاده و غیر جاد هتخصیص داده و نمونه های آموزشیمناسب جهت اعمال به یادگیر را فراهم می کنیم سپس با استفاده از استخراج ویژگی مناسب عملیات شناسایی جاده را در تصاویر جدید انجام می دهیم . ویژگی های استفاده شده در این مقاله شامل ویژگی های مبتنی بر رنگ و همنین بافت می باشد که برای مشخص کردن بافت نواحی مختلف از توصیفگر بافت هارلیک و همجنین قطعه بندی بر اساس بعد فراکتال استفاده می کنیم نتایج آزمایش ها حاکی از آن است که یادگیری بر اساس یاین ویژگی های می تواند با دقت قابل قبولی شناسایی جاده را انجام دهد و در سناریوهای مختلف از جمله مسیرهای دارای پیج و همچنین وجودسایه در تصویر نیز با موفقیت سطح سجاده را استخراج نمیاد .

کلیدواژه ها:

شناسایی جاده توصیفگر یبافت هارالیک توصیفگر بافت قطعه بندی بر اسا تحلیل بعد فراکتال ماشین بردار پشتیبان خط افق

نویسندگان

مقداد محرابیان محمدی

آزمایشگاه هوش مصنوعی دانشکده برق و کامپیوتر دانشگاه صنعتی اصفهان

مازیار پالهنگ

آزمایشگاه هوش مصنوعی دانشکده 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 :
  • Borkar, Amol, Monson Hayes, and Mark T. Smith. "Robus lane ...
  • Broggi, Alberto, and Stefano Cattani. "An agent based evolutionary approach ...
  • Costa, Alceu Ferraz, Gabriel Hump ire-Mamani, and Agma Juci Machad. ...
  • Costa, Alceu Ferraz, Joe Tekli, and Agma Juci Machad. Traina. ...
  • Foedisch, Mike, and Aya Takeuchi. "Adaptive road detection through continuous ...
  • Haralick, Robert M., Karthikeyan Shanmugam, and Its' Hak Dinstein. "Textural ...
  • Kim, ZuWhan. "Robust lane detection and tracking in challenging scenarios." ...
  • Liao, Ping-Sung, Tse-Sheng Chen, and Pau-Cho Chung. "A fast algorithm ...
  • Pomerleau, Dean. "RALPH: Rapidly adapting lateral position handler." Intelligent Vehicles' ...
  • Tsai, Luo-Wei, et al. "Lane detection using directional random walks." ...
  • Wang, Yue, Eam Khwang Teoh, and Dinggang Shen. "Lane detection ...
  • Wang, Jian, Zhong Ji, and Yu-Ting Su. "Unstructured road detection ...
  • Zhao, Ting, Wankou Yang, and Changyin Sun. "A fast vanishing ...
  • نمایش کامل مراجع