《表1 视频车道线识别准确率(%)及运行时间(ms)对比》
将以上程序,进行参数设置以及调试,获得车道线检测结果图像,结果显示:除雾后的车道线图像中车道线可以被精确的识别出来,可以很好地应用自动驾驶的车道线检测模块中,实验效果如图6所示。从图中可以看出,当图像进行高斯模糊处理之后明显减了原图中噪点的影响,然后利用自适应canny边缘检测,其中利用最大类间方差法(OTSU)求取阈值,设定阈值之后,有效的过滤了非重要信息的边缘检测,减少了对车道线信息识别的干扰。划定感兴趣区域,减少了概率霍夫变换直线检测的时间,增加了识别效率和速度。从结果图像的效果显示,本文的方法可以以更高的精度和效率,检测出去雾图像中的车道线。弱了原图中噪点的影响,然后利用自适应canny边缘检测,其中利用最大类间方差法(OTSU)求取阈值,设定阈值之后,有效的过滤了非重要信息的边缘检测,减少了对车道线信息识别的干扰。划定感兴趣区域,减少了概率霍夫变换直线检测的时间,增加了识别效率和速度。从结果图像的效果显示,本文的方法可以以更高的精度和效率,检测出去雾图像中的车道线,检测精度和检测时间如表1所示。
图表编号 | XD00122503100 严禁用于非法目的 |
---|---|
绘制时间 | 2019.12.25 |
作者 | 张路遥、张天露 |
绘制单位 | 江西理工大学电气工程与自动化学院 |
更多格式 | 高清、无水印(增值服务) |