文献

J-GLOBAL ID：202102224306815043   整理番号：21A0739332

拡張Haar特徴とDBSCANに基づくレール認識アルゴリズム【JST・京大機械翻訳】

Rail Area Extraction Using Extended Haar-like Features and DBSCAN Clustering

著者 (2件)： Luo Jinnan (同済大学鉄道与城市軌道交通研究院 上海201804) ,  Zhang Jimin (同済大学鉄道与城市軌道交通研究院 上海201804)
資料名： Jisuanji Kexue  (Jisuanji Kexue)
巻： 47  号： z1  ページ： 153-156  発行年： 2020年 
JST資料番号： C2530A  ISSN： 1002-137X  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 障害物は列車の正常な運営に極めて大きな安全の隠れたことを構成し、レール識別は障害物検出を実現するキーステップである。レール認識アルゴリズムは,列車の前方レールの位置を高速かつ効率的に検出することができ,また,過剰な計算資源を使わず,障害物検出プログラムの実行速度に影響する。上記の問題を解決するために,拡張Haar特徴抽出とDBSCAN密度クラスタ化に基づくレール認識アルゴリズムを提案した。まず第一に,画像前処理をアフィン変換,プール化,グレースケール等化,およびエッジ検出アルゴリズムによって実行して,次に,拡張Haar特徴抽出画像におけるレールの特性点に基づいて,次に,DBSCANアルゴリズムによって特徴点をクラスタ化して,有効な特徴データポイントを抽出して,曲線あてはめを行った。したがって,レールの位置を認識する。車載実験結果により、この方法は列車運行中にレールの位置を有効に検出でき、マルチシーン、多作業条件の実際の使用ニーズを満たすことができる。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： *アルゴリズム ,  グレースケール ,  列車運転 ,  *レール ,  特徴抽出 ,  曲線あてはめ ,  クラスタ化 ,  等化 ,  アフィン変換
準シソーラス用語： *認識アルゴリズム ,  障害物検出 ,  特徴点 ,  計算資源 ,  検出アルゴリズム ,  画像前処理 , 【Automatic Indexing@JST】

分類 (3件)： 数値計算  (JE02000J) ,  図形・画像処理一般  (JE04010I) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (3件)： 拡張 ,  レール ,  認識アルゴリズム