《表1 实验方案：基于特征点提取技术的车辆行车视距检测算法研究》
提示：宽带有限、当前游客访问压缩模式
为了检验本文研究算法的有效性，本文选择在西安秦岭野生动物园附近的空旷道路进行实验，采用离线测试方法进行算法验证，实验的方案如表1所示。
| 图表编号 | XD0052836300 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2019.07.15 |
| 作者 | 李亭、赖延年、方腾源、袁天宇、刘永涛 |
| 绘制单位 | 西安航空学院车辆工程学院、长安大学汽车学院、长安大学汽车学院、长安大学汽车学院、长安大学汽车学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表1 实验试剂：低空摄影测量遥感影像特征点提取算法研究》2020.10.15
- 《表4 韧性提升方案：基于人脸特征点的疲劳检测方法研究》2020.12.31
- 《表1 纳入文献基本特征：基于改进faster R-CNN算法的小目标车辆检测》2021.02.08
- 《表2 客户需求点：基于两阶段算法的带时间窗车辆路径研究》2020.06.01
- 《表1 车辆参数：基于可靠度理论的环形匝道行车风险研究》2020.06.26
- 《表4 基于级联网络与特征点检测网络的锥套小目标高精度快速定位算法实验性能》2020.06.01
- 《表1 实验硬件平台信息：级联特征点检测的锥套小目标快速检测定位算法》2020.06.01
- 《表4 各类算法实验结果：基于车辆运行数据的疲劳驾驶状态检测》2020.08.01
- 《表1 实验参数：基于机器视觉的夜间道路前方车辆目标检测技术》2020.09.05
- 《表1 基站位置：基于凸优化技术的非视距时差定位算法》2020.03.20
- 《表1 特征提取网络结构：基于改进的特征提取网络的目标检测算法》2019.12.10
- 《表1 实验测试情况：基于多尺度卷积核特征提取算法的手写数字识别研究》2019.09.01
- 《表1 实验结果对比：基于SSD的实时车辆检测算法研究》2019.11.20
- 《表2 几种检测算法对比：基于车窗特征的快速车辆检测算法》2019.08.01
- 《表1 基础网络结构：基于车窗特征的快速车辆检测算法》2019.08.01
- 《表1 特征点检测对比：基于改进FAST检测的ORB特征匹配算法》2019.07.28
- 《表1 后处理滤波算法：基于多传感器的军用车辆前方目标提取和融合算法研究》2019.07.15
- 《表2 测距结果对比：基于特征点提取技术的车辆行车视距检测算法研究》2019.07.15
- 《表1 上边缘定位结果：基于Zernike矩的圆形插针特征点提取算法研究》2019.02.01
- 《表3 正态分布函数值：基于点云特征提取变形信息算法研究与精度分析》2018.09.30