作者:邓淇天,李旭 单位:中国电子科技集团公司第四十九研究所 出版:《传感器与微系统》2020年第06期 页数:4页  (PDF与DOC格式可能不同) PDF编号:PDFCGQJ2020060390 DOC编号:DOCCGQJ2020060399 下载格式:PDF + Word/doc 文字可复制、可编辑
《粗糙集在无线传感器网络安全中的应用研究》PDF+DOC2015年第07期 陈晶 《基于主被动传感器融合的车辆检测》PDF+DOC2014年第12期 胡彬,赵春霞,郭剑辉,袁夏 《基于大数据平台的人体跌倒检测研究》PDF+DOC2017年第06期 张帆 《一种基于激光雷达传感器的行人检测方法》PDF+DOC2019年第06期 韩骁枫,陆建峰,李祥瑞,赵春霞 《基于随机森林算法的旋转机械齿轮组故障诊断》PDF+DOC2019年第05期 王子兰,杨瑞 《基于改进ReliefF算法的哑铃动作识别》PDF+DOC2019年第32期 刘国平,王南星,周毅,汪文博,唐慜越 《葡萄园植保机器人路径规划算法》PDF+DOC2018年第13期 艾长胜,林洪川,武德林,冯志全 《车辆防撞检测技术研究》PDF+DOC2008年第06期 刘志强,程红星,王运霞 《基于支持向量机多分类器的室内外场景感知算法》PDF+DOC2015年第11期 阮锦佳,罗丹,罗海勇 《地面车辆目标识别研究综述》PDF+DOC2014年第03期 李开明,张群,罗迎,梁必帅,杨小优
  • 为了实现智能车辆行车环境周围车辆的高可靠检测,提高车辆检测算法的环境适应能力,研究了一种基于多特征融合的车辆检测算法。利用激光雷达传感器获取的原始数据,通过提取路面点、栅格化、空间聚类方法对激光雷达传感器数据进行了分割,得到若干候选目标;使用支持向量机(SVM)对候选目标进行分类,得到检测的车辆目标。构建分类器的输入量时,在基本的几何特征和反射率特征基础上,加入了L型特征和反射率分布特征用于训练分类器,提高了车辆检测的准确性。在训练分类器之前,对输入的特征向量进行了非参数特征权重提取转换,进一步提高了车辆检测的准确性。实验结果表明:所提基于多特征融合的车辆检测算法在多种场景下具有较好的鲁棒性和环境适应性。

    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。