《表2装载的钢板规格:复杂道路条件下的车道线检测算法》
最后本文还对两种算法确定的ROI平均面积进行了统计,并以占原图像的百分比的形式列出,统计的视频总帧数为1 250帧,具体内容如表1所示。从表1可以看出,算法改进后的ROI面积可减少至原图像的14.89%,与改进前的算法相比,减少了大约13%的图像处理面积。除此以外,基于滑动窗口的车道线检测算法主要依靠滑动窗口的迭代来确定ROI,在此过程中不仅需要计算基点坐标、定义滑窗边界,同时还需要根据滑窗个数进行循环迭代,在算法的实现过程较为复杂。然而改进后的算法可以直接利用上一帧检测结果对当前帧的ROI区域进行动态划分,计算复杂度相对较低。因此,为综合衡量改进前后的车道线检测算法的准确性与实时性,本文以车道线拟合的准确率与处理视频时平均的单帧耗时作为评价标准,对所选视频进行测试,其结果如表2所示。从表2可以看出,在原算法的基础上加入动态自适应ROI的车道线跟踪算法后,车道线检测的准确率与实时性均得到了有效提升。
图表编号 | XD00197810100 严禁用于非法目的 |
---|---|
绘制时间 | 2020.12.31 |
作者 | 姚洪涛、张海萍、郭智慧 |
绘制单位 | 长春理工大学计算机科学技术学院、长春理工大学计算机科学技术学院、长春理工大学计算机科学技术学院 |
更多格式 | 高清、无水印(增值服务) |