作者:徐栩娟,刘述民 单位:江西省科技情报研究所 出版:《科技广场》2017年第05期 页数:3页  (PDF与DOC格式可能不同) PDF编号:PDFKJIG2017050090 DOC编号:DOCKJIG2017050099 下载格式:PDF + Word/doc 文字可复制、可编辑
《鲁棒的非线性优化的立体视觉-惯导SLAM》PDF+DOC2018年第06期 林辉灿,吕强,王国胜,卫恒,梁冰 《一种快速高精度立体视觉光条匹配算法》PDF+DOC1998年第02期 张健新,段发阶,叶声华 《基于支持向量机的气动式转子故障检测系统研究》PDF+DOC2006年第04期 袁胜发,杨华明 《世界智能车辆行人检测技术综述》PDF+DOC2005年第11期 郭烈,王荣本,顾柏园,余天洪 《智能车辆的行人检测技术研究》PDF+DOC2010年第27期 杨大鹏,高向东,刘红,宋韩君 《基于全方位视觉传感器的车辆违章检测系统的设计》PDF+DOC2009年第06期 汤一平,庞成俊 《行人检测系统研究新进展及关键技术展望》PDF+DOC2008年第05期 许言午,曹先彬,乔红 《基于Adaboost与贝叶斯决策的系统状态评估》PDF+DOC2008年第31期 侯一民,伦向敏 《基于视觉的车辆检测技术现状》PDF+DOC2007年第10期 李玉萍 《基于立体视觉的立体拍摄参数自动获取方法》PDF+DOC2014年第11期 刘康,汤一平,夏少杰
  • 智能汽车的核心技术是行人检测,而行人检测对行人安全、驾驶员具有重大意义,所以此项研究已经成为计算机视觉、智能车辆等领域的前沿研究课题。行人检测通常可分为感兴趣区分割、目标识别两阶段。基于距离的感兴趣区分割法鲁棒性很强,可以克服行人服饰、姿态与光照等因素的影响,由于需配置仪器如立体视觉测距、雷达等,经济成本高,算法也比较复杂。基于统计分类的目标识别法以提取行人图像特征为前提,然后通过统计学习法建立相应分类器(如Adaboost分类器、SVM分类器等)。该方法稳定性、通用性比较高,不过需要以寻找有效、稳定的目标属性或者特征为前提。随着时代发展,计算机技术的日新月异,测距手段以立体视觉的分割法所需的运算成本、经济成本会大大降低,因此基于立体视觉的ROIs分割技术将受到更多的关注,将运用立体视觉技术进行ROIs分割。由于轮廓曲线描述,受姿态、光线变化以及行人服饰等因素影响较小,边界是目标的分界线,是行人识别的重要特征。

    提示:百度云已更名为百度网盘(百度盘),天翼云盘、微盘下载地址……暂未提供。