A Lane Detection, Tracking and Recognition System for Smart Vehicles
Notice bibliographique
Résumé
As important components of intelligent transportation system, lane detection and tracking (LDT) and lane departure warning (LDW) systems have attracted great interest from the computer vision community over the past few years. Conversely, lane markings recognition (LMR) systems received surprisingly little attention. This thesis proposed a real-time lane assisting framework for intelligent vehicles, which consists of a comprehensive module and simplified module. To the best of our knowledge, this is the first parallel architecture that considers not only lane detection and tracking, but also lane marking recognition and departure warning. A lightweight version of the Hough transform, PPHT is used for both modules to detect lines. After detection stage, for the comprehensive module, a novel refinement scheme consisting of angle threshold and segment linking (ATSL) and trapezoidal refinement method (TRM) takes shape and texture information into account, which significantly improves the LDT performance. Also based on TRM, colour and edge informations are used to recognize lane marking colors (white and yellow) and shapes (solid and dashed). In the simplified module, refined MSER blobs dramatically simplifies the preprocessing and refinement stage, and enables the simplified module performs well on lane detection and tracking. Several experiments are conducted in highway and urban roads in Ottawa. The detection rate of the LDT system in comprehensive module average 95.9% and exceed 89.3% in poor conditions, while the recognition rate depends on the quality of lane paint and achieves an average accuracy of 93.1%. The simplified module has an average detection rate of 92.7% and exceeds 84.9% in poor conditions. Except the conventional experimental methods, a novel point cluster evaluation and pdf analysis method have been proposed to evaluate the performance of LDT systems, in terms of the stability, accuracy and similarity to Gaussian distribution.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».