《表1 相机和镜头参数：基于SSD模型的道路交通标志识别方法研究》
提示：宽带有限、当前游客访问压缩模式
综合考虑有效工作距离和水平视角与相机硬件之间的约束关系，最终确定镜头的水平视角为70°。通过相机选型助手软件计算获得相机和镜头的参数见表1。
| 图表编号 | XD004554300 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2019.12.25 |
| 作者 | 李泽滨、裴崇利 |
| 绘制单位 | 中通客车控股股份有限公司、中通客车控股股份有限公司 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表3 特征洪水时流量表：基于胶囊神经网络的交通标志识别算法研究》2020.12.24
- 《表2 摄像机标定参数：基于SSD和改进双目测距模型的车辆测距方法研究》2020.11.25
- 《表1 主干网络参数配置：基于U-Net定位优化的交通标志识别网络》2020.11.15
- 《表2 超参数配置：基于U-Net定位优化的交通标志识别网络》2020.11.15
- 《表1 依赖库名称及版本：基于特征重用的交通标志识别技术应用研究》2020.02.25
- 《表2 学习率比选实验：基于特征重用的交通标志识别技术应用研究》2020.02.25
- 《表2 不同模型的比较：基于SSD目标检测框架的乌龟常见病症识别方法》2020.04.01
- 《表1 自制简单相机的镜头参数》2019.12.01
- 《表2 本文算法性能评价：基于胶囊网络的智能交通标志识别方法》2020.04.10
- 《表2 模型参数：基于宽浅稠密网络的无人驾驶汽车交通标志牌识别》2020.01.24
- 《表2 检测结果：用于交通标志检测的窗口大小聚类残差SSD模型》2019.10.25
- 《表4 交通标志的SSD可视度评级》2019.10.01
- 《表1 深度森林的参数：基于深度森林的交通标志识别方法研究》2019.05.25
- 《表2 不同方法对比：基于深度森林的交通标志识别方法研究》2019.05.25
- 《表1 输入缩放参考表：基于多尺度卷积神经网络的交通标志识别方法》2019.08.01
- 《表1 实验结果：基于深度学习的交通标志识别算法》2019.06.01
- 《表2 TSM实验数据：基于时序空间关系模型的交通标志识别》2019.06.01
- 《表2 训练参数：基于级联端对端深度架构的交通标志识别方法》2019.04.25
- 《表1 相机模型参数：基于双目视觉的手势识别研究》2018.05.10
- 《表2 几种交通标志识别方法的性能参数比较》2019.11.18