[自动驾驶]CarND-Vehicle-Detection

最新推荐文章于 2025-06-05 09:43:40 发布
最新推荐文章于 2025-06-05 09:43:40 发布
阅读量3.5k 收藏 6
点赞数 1
CC 4.0 BY-SA版权
分类专栏： 机器学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/Dinosoft/article/details/78307366
本文介绍了在自动驾驶背景下的车辆检测，使用了传统的HOG特征提取方法。通过学习HOG的计算细节，发现其对光照变化和物体平移有一定的鲁棒性，但特征表示较弱。在特征提取过程中，尝试了OpenCV和skimage库，并结合SVM进行学习。虽然滑动窗口搜索效率低下，但最终实现了基本的车辆检测。作者认为与深度学习方法相比，传统方法较为繁琐，计划后续尝试DL解决方案。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

听到Vehicle-Detection，我还以为是YOLO，SSD啥的，结果课程里用的是传统的HOG。Excuse me？就是各种论文里被用来踩一脚的SIFT、HOG？那也好吧，深刻体会体会传统方法有多弱鸡。

HOG

HOG之前简单了解过，不要既然要动手干活，还是得了解一些具体的计算细节。http://www.learnopencv.com/histogram-of-oriented-gradients/这篇文章讲得挺好的。

简单来看，HOG提取到的特征有点像低清版图像边缘，有一定鲁棒性，能容忍物体一些轻微光影变换和平移吧。但是特征降维得有点厉害，跟DL提取的特征没法比。不过如果精度要求不高，又想节约计算资源，HOG还是可以用用。

特征提取

用惯了opencv，一开始就查的opencv的api。

这里有tutorial，照猫画虎调用就行 http://www.learnopencv.com/handwritten-digits-classification-an-opencv-c-python-tutorial/ opencv得升级到3.*，科学上网的原因，因为破环境搞半了天。

不过里面说是opensv的svm有bug啥的，而且我更喜欢用sklea

最低0.47元/天 解锁文章

200万优质内容无限畅学
从零开始的无人驾驶 02：Vehicle Detection
天下一滑
11-05 655
在 CNN (Convolutional Neural Networks 卷积神经网络) 普遍运用之前，车辆检测是通过使用条件随机场或者SVM(支持向量机)来实现的。操作上分为两步，先是从图像上提取特征，然后基于特征建立模型，判断车辆位置。 template matching 模板匹配 对于图像上的每一块颜色，计算与背景图的distance 甚至更硬核一点，直接把各种可能的车辆图片存起来，然后跟...
[深度学习] 车道线检测调研(lane detection)
热门推荐
Holeung blog
04-19 1万+
背景 车道线检测作为自动驾驶领域的常规工作，在深度学习的浪潮中又有了很大的进步，在此分享我所做的调研工作，部分为ppt截图，为了方便请谅解。 车道线检测工作的局限性 如上图所示，车道线检测工作的baseline并不明确，不同的方法与不同的场景应用都有各自的局限性。例如： 输出类型：mask掩码/点集/矢量线条 实例化：每个车道线是否形成实例 分类：是否对车道线进行了分类（单白、双黄等） 提前定义...
CarND-Vehicle-Detection-master.zip
03-21
测试集，训练集，车辆识别，人工智能 人工智能是一门极富挑战性的科学，从事这项工作的人必须懂得计算机知识，心理学和哲学。人工智能是包括十分广泛的科学，它由不同的领域组成，如机器学习，计算机视觉等等，总的说来，人工智能研究的一个主要目标是使机器能够胜任一些通常需要人类智能才能完成的复杂工作。
CarND-Vehicle-Detection
07-02
CarND-Vehicle-Detection，udacity的项目，亲自完成，anaconda可以直接运行，使用YOLOv3完成的。可自行研究
使用YOLOv12的车辆轿车、摩托车、公交车等检测与车流量统计计数系统
最新发布
qq1309399183的博客
06-05 971
使用YOLOv12的车辆轿车、摩托车、公交车等检测与车流量统计计数系统
车辆检测--DAVE: A Unified Framework for Fast Vehicle Detection and Annotation
AI小作坊 的博客
03-31 2958
DAVE: A Unified Framework for Fast Vehicle Detection and Annotation ECCV2016本文使用深度学习进行车辆检测和属性学习。提出的系统为 Detection and Annotation for Vehicles (DAVE) DAVE 可以干什么了？如下图所示：DAVE 由两个模块构成：车辆检测模块 fast vehicle
翻译：Vehicle Detection on a Video Traffic Scene: Review and New Perspectives
zhou的博客
06-15 1251
Abstract-Vehicle detection applications play an important role in the reduction of the number of road accidents. In the same vein, this paper tends to summarize the recent advances in vehicle detectio...
yolo-vehicle-detection
09-02
YOLO（You Only Look ...在"CarND-Vehicle-Detection-YOLO-master"这个压缩包中，可能包含了项目的源代码、预训练模型、数据集、配置文件等资源。通过阅读代码和文档，你可以更深入地理解这个车辆检测系统的实现细节。
基于机器学习的车辆检测软件开发与应用
压缩包子文件的名称“CarND-Vehicle-Detection-master”表明这是一个名为“CarND-Vehicle-Detection”的项目主版本，其中包含了实现车辆检测功能的所有相关代码和资源文件。" 通过上述信息可知，该项目是一个综合性...
车辆识别训练与测试集：人工智能与机器学习的结合
根据给定文件信息，以下是对文件“CarND-Vehicle-Detection-master.zip”所含知识点的详细说明： 标题“CarND-Vehicle-Detection-master.zip”表明，这个压缩包可能是一个与车辆检测相关的项目或课程作品，它可能...
Vehicle Detection and Tracking in Car Video Based on Motion Model
10-15
Vehicle Detection and Tracking in Car Video Based on Motion Model--This work aims at real-time in-car video analysis to detect and track vehicles ahead for safety, auto-driving, and target tracing. This paper describes a comprehensive approach to localize target vehicles in video under various environmental conditions. The extracted geometry features from the video are projected onto a 1D profile continuously and are tracked constantly. We rely on temporal information of features and their motion behaviors for vehicle identification, which compensates for the complexity in recognizing vehicle shapes, colors, and types. We model the motion in the field of view probabilistically according to the scene characteristic and vehicle motion model. The Hidden Markov Model is used for separating target vehicles from background, and tracking them probabilistically. We have investigated videos of day and night on different types of roads, showing that our approach is robust and effective in dealing with changes in environment and illumination, and that real time processing becomes possible for vehicle borne cameras.
car-detection:基于YOLOv2的车辆检测系统
03-11
汽车检测 基于对YOLOv2的迁移学习内置的神经网络模型 训练集来自于drive.ai 项目图文介绍及核心代码见 如无法打开，可参考以下文字介绍 以下对项目实现原理做一个简要介绍 这是我在coursera的深度学习课程上完成的一个项目的源代码，属于一个自动驾驶项目的一部分，用于检测道路上的车辆及其他障碍物 数据的采集是通过汽车初步摄像头拍摄，输入数据是多个维度为（608,608,3）的RGB格式图片 输出是一个四维向量（19,19,5,85）的向量，最后一维结构为（p，x，y，h，w，c1，c2……c80）： p表示图片上检测出目标物体的概率，取值（0,1） x，y表示物体中心点坐标（这里需要注意的是这个坐标表示的是每个网格内的坐标而不是整个图片的） h,w表示用于标记物体的方格的高度和宽度 c1-c80表示可以识别的80种物体类型的概率，取值在（0,1），可以检测的物体类型在coc
Car-detection-demo.zip
06-21
车辆识别训练模型。这个都是全套的欢迎下载！！！！！！！！！！！
Car Object Detection汽车目标检测-数据集
03-18
YOLO（“您只看一次”）是一种流行的算法，因为它不仅具有很高的准确性，而且还可以实时运行，几乎每秒可以记录45帧。数据集包含所有视图中的汽车媒体。 sample_submission.csv train_solution_bounding_boxes (1).csv Car Object Detection_datasets..txt Car Object Detection_datasets..zip
CarFace-Detection-Adaboost.zip
09-13
基于opencv训练的cascade的车脸检测，带2个模型，vs2013下可以直接运行，对卡口车脸具有较好的识别效果，相应速度快。
CarND:无人驾驶汽车项目
05-14
自动驾驶汽车Nanodegree计划项目 指数 车道线 交通标志分类器 行为克隆 高级车道线 车辆检测与追踪 扩展卡尔曼滤波器 无味卡尔曼滤波器 绑架车辆 PID控制 模型预测控制 路径规划 语义分割-道路
高效车辆检测库：Vehicle-Detection
gitblog_00051的博客
04-15 484
高效车辆检测库：Vehicle-Detection 该项目由JunshengFu开发并托管在GitCode上，是一个基于深度学习的车辆检测系统。它利用先进的计算机视觉算法帮助识别和定位图像中的车辆，为自动驾驶、交通监控、智能安全等领域提供了强大的工具。 项目简介 Vehicle-Detection 是一个端到端的解决方案，它集成了训练模型与实时检测功能。主要依赖于Python编程语言，以及Tens...
机器学习基础(六) —— Car Detection With YOLO(V2)
alnlll的博客
05-06 1565
1、问题描述 应用需要解决的问题是在一段实际公路行驶视频中实时进行车辆检测并显示其位置及预测概率，这里使用的公路行驶录像如下(这段视频资料来自drive.ai)： https://github.com/Alnlll/ML/blob/master/several_apps/002-CarDetection/videos/road_video.mp4 实现车辆检测需要给出“车辆种类”、“车辆在图...
车辆检测“DAVE: A Uni ed Framework for Fast Vehicle Detection and Annotation”
cv_family_z的博客
04-05 2372
检测车辆的同时对车辆进行属性标记，DAVE包括两个网络，一个快速proposal网络FVPN，和一个属性学习网络ALN，属性学习获取车辆的姿态，颜色和类型。DAVE实现的功能如下图所示：快速车辆候选区域提取网络FVPN FVPN是一个浅层全卷积网络，有三个卷积层，最大池化和ReLU与前两个卷积层相连，第三个卷积层分成3个1*1的卷积层分支，conv_fc_class输出正负卷积softmax概率，
carnd-mpc-project-master
10-19
carnd-mpc-project-master是一个自动驾驶汽车路径追踪控制器的项目。 该项目使用了模型预测控制（MPC）的方法来使自动驾驶汽车跟踪给定的路径。首先，通过收集车辆的传感器数据，如位置、速度和方向等，并结合车辆...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值