智能網(wǎng)聯(lián)汽車概論項(xiàng)目一汽車空調(diào)系統(tǒng)檢查47課件

項(xiàng)目一汽車空調(diào)系統(tǒng)檢查1智能網(wǎng)聯(lián)汽車概論知識(shí)點(diǎn)：道路識(shí)別?2023郭彬allrightsreserved道路識(shí)別真實(shí)的道路通過激光雷達(dá)轉(zhuǎn)換成汽車認(rèn)識(shí)的道路，供自動(dòng)駕駛汽車行駛；或通過視覺傳感器識(shí)別出車道線，提供車輛在當(dāng)前車道中的位置，幫助智能網(wǎng)聯(lián)汽車提高行駛的安全性。道路識(shí)別1.道路識(shí)別的定義與分類道路識(shí)別的任務(wù)是提取車道的幾何結(jié)構(gòu)，如車道的寬度、車道線的曲率等；確定車輛在車道中的位置、方向；提取車輛可行駛的區(qū)域道路識(shí)別1.道路識(shí)別的定義與分類依據(jù)道路類型的不同，道路分為結(jié)構(gòu)化道路和非結(jié)構(gòu)化道路道路識(shí)別2.道路圖像的特點(diǎn)陰影條件下的道路圖像先對(duì)道路的陰影進(jìn)行檢測(cè)和去除道路識(shí)別2.道路圖像的特點(diǎn)強(qiáng)弱光照條件下的道路圖像強(qiáng)光照射弱光照射道路識(shí)別2.道路圖像的特點(diǎn)雨天條件下的道路圖像雨水對(duì)道路有覆蓋雨水能反光道路識(shí)別3.道路識(shí)別的流程和方法流程采集原始圖像→圖像灰度化→圖像濾波→圖像二值化→車道線提取道路識(shí)別3.道路識(shí)別的流程和方法道路識(shí)別3.道路識(shí)別的流程和方法基于區(qū)域分割的識(shí)別方法基于道路特征的識(shí)別方法基于道路模型的識(shí)別方法基于道路特征與模型相結(jié)合的識(shí)別方法道路識(shí)別3.道路識(shí)別的流程和方法車道線識(shí)別舉例1.

原始圖像I=imread('C:\桌面\t.jpg');figure(1)imshow(I)title('原始圖像')道路識(shí)別3.道路識(shí)別的流程和方法車道線識(shí)別舉例2.

圖像灰度化I1=rgb2gray(I);figure(2)imshow(I1)title('灰度圖像')道路識(shí)別3.道路識(shí)別的流程和方法車道線識(shí)別舉例3.

圖像濾波I21=medfilt2(I1);%高斯濾波I22=filter2(fspecial('average',3),I21)/255;%平滑濾波figure(3)imshow(I22)title('圖像濾波')道路識(shí)別3.道路識(shí)別的流程和方法車道線識(shí)別舉例4.

圖像二值化I3=im2bw(I22);figure(4)imshow(I3)title('圖像二值化')道路識(shí)別3.道路識(shí)別的流程和方法車道線識(shí)別舉例5.

圖像邊緣檢測(cè)I4=edge(I3,'canny');figure(5)imshow(I4)title('圖像邊緣檢測(cè)')道路識(shí)別3.道路識(shí)別的流程和方法6.霍夫變換[H,T,R]=hough(I4);figure(6)imshow(H,[],'XData',T,'YData',R,'InitialMagnification','fit')title('霍夫變換圖像')xlabel('\theta軸')ylabel('\rho軸')axison,axisnormalholdonP=houghpeaks(H,2,'threshold',ceil(0.3*max(H(:))));x=T(P(:,2));y=R(P(:,1));plot(x,y,‘s’,‘color’,‘white’)

車道線識(shí)別舉例道路識(shí)別3.道路識(shí)別的流程和方法7.車道線檢測(cè)lines=houghlines(I4,T,R,P,'FillGap',50