基于近红外成像的无人车周边环境类型辨识

被引:3
作者
杨数强
马帅
机构
[1] 洛阳师范学院物理与电子信息学院
关键词
机器视觉; 环境类型识别; 特征层融合; 无人车;
D O I
10.14016/j.cnki.jgzz.2015.06.082
中图分类号
TP391.41 [];
学科分类号
080203 ;
摘要
对周边环境类型的自动辨识对无人驾驶汽车十分关键。近红外成像能够捕捉到可见光成像所无法发现的重要环境特征,因此有助于增强无人车的环境辨识能力。本文提出一种基于近红外成像的环境类型识别方法,通过对不同图像区域分别提取边缘与纹理特征并进行特征层融合,生成近红外环境场景图像的关键特征,在此基础上构建出两步式环境类型分类器。实验结果表明,本文方法可有效鉴别出不同类型近红外场景图像的特征差异,实现在近红外波段中对多种常见无人车周边环境类型的辨识。
引用
收藏
页码:82 / 85
页数:4
相关论文
共 14 条
[1]   基于超像素空间金字塔模型的场景识别研究 [J].
程少光 ;
何毕 ;
布树辉 ;
刘贞报 .
计算机工程与应用 , 2014, (07) :139-143
[2]   无人驾驶汽车的先进技术与发展 [J].
端木庆玲 ;
阮界望 ;
马钧 .
农业装备与车辆工程, 2014, 52 (03) :30-33
[3]   红外成像技术中的9个问题 [J].
蔡毅 ;
王岭雪 .
红外技术, 2013, 35 (11) :671-682
[4]   一种基于二代Curvelet和2D Log-Gabor滤波器的多模特征层融合识别方法 [J].
晏国淇 ;
张新曼 ;
王栋 ;
刘杨 ;
许学斌 ;
田中民 .
微电子学与计算机, 2012, 29 (12) :47-50
[5]   近红外光谱成像分析技术的应用进展 [J].
黄越 ;
王冬 ;
段佳 ;
吴丽君 ;
李倩倩 ;
闵顺耕 .
现代仪器, 2011, 17 (05) :13-18+4
[6]   基于二代Curvelet变换的红外与可见光图像融合 [J].
付梦印 ;
赵诚 .
红外与毫米波学报, 2009, 28 (04) :254-258
[7]   基于2代Curvelet改进IHS变换的遥感图像融合 [J].
蒋年德 ;
王耀南 ;
毛建旭 .
中国图象图形学报, 2008, 13 (12) :2376-2382
[8]   近红外固体成像夜视技术发展的潜力 [J].
郑为建 ;
金伟其 ;
苏君红 .
红外技术, 2005, (04) :269-273
[9]  
无人车室外准结构化场景中的自主导航[D]. 张浩.大连理工大学. 2013
[10]  
基于机器视觉的无人车道路识别[D]. 秦玲.西安工业大学. 2013