qq_40429562的博客

无人驾驶学习—第一课（本课程内容来自优达学城无人驾驶纳米学位）车道线识别内容：识别出一幅图像中的车道线并将其标注出来过程：1、准备一张包含有车道线的图片；2、读取图片并转换为灰度图；3、使用一个5*5大小的算子对图片进行高斯平滑；4、设置Canny边缘检测的参数：low_threshold = 50、high_threshold = 150，得到边缘；5、通过参数设置感兴趣区域...

无人驾驶学习—第二课（本课程内容来自优达学城无人驾驶纳米学位）相机标定相机失真表现为两种：1、径向畸变：由相机镜头边缘造成。表现为直线变弯且距离图片中心越远，影响越大，如下图所示。2、切向畸变：由相机镜头没有与被拍摄物体平行造成。表现为图片没有正对拍摄者，如下图所示。畸变消除方法：校正径向畸变使用校正公式需要三个系数:k1、k2和k3。 (x,y)是扭曲图像的一个点，为了使这...

准备：经过“灰度——阈值化——感兴趣区域”后的车道线图片一张实现代码如下：代码讲解（按照代码顺序讲解）：1、导入包，读取准备好的图片2、定义一个函数：查找车道线像素位置（1）截取图片下半部分，使用np.sum()实现图片下半部分像素按列相加，得到[1554 1306 1292 … 5091 5097 5347]，即每列像素总和，此时若使用plt.plot(histogram)绘制直方...

内容： 旨在对车载摄像头采集的车辆行驶视频中的车道线进行识别，实现过程为：首先对图像进行去畸变、透视变换等，随后进行梯度和颜色融合，利用曲线多项式拟合提取车道线信息，最后跟踪了一段 50 S左右的行车视频录像。...

卡尔曼滤波的背景知识：　　在物体跟踪或者预测过程中，我们需要对一些感兴趣的目标状态进行状态估计预测，但是测量是会存在误差和噪声的，所以我们对我们的测量结果是不相信的，因此我们需要采用概率学和统计学的方法来分析统计和估计状态量。卡尔曼滤波的五个过程步骤：　　卡尔曼滤波是一个递推算法，每次递推分为两步：1、计算出一个预测值；2、对预测值和测量值进行加权求和得到最优估计值。具体步骤如下：（1）...

引言：交通标志是道路基础设施的重要组成部分，它们为驾驶员及行人提供了道路行驶关键信息，并要求驾　　　驶员及时调整驾驶行为，以确保遵守道路安全规定。无人驾驶车辆同样必须遵守交通法规，因此它需要识　　　别和理解交通标志。一般来说，我们可以使用计算机视觉的方法来对交通标志进行检测和分类，但这需要　　　耗费相当多的时间来处理图像中的重要特征。而现在，我们可以引入深度学习技术来解决这个问题，我们　　...