咨询热线:13080701712
返回 丛容资讯

动态升降杆的模板匹配方式

    车辆检测是智能交通道闸系统中一项非常重要的任务。提出了一种基于数学形态学和模板匹配的高分辨率航空图像停车场拥挤车辆检测方法。我们对高分辨率航空图像的实验结果表明,空间分辨率为1×1ft的分级图像可以大大减少计算时间,但精度与空间分辨率为0.5×0.5ft的原始图像相同。遥控器要实现自主车辆,重要的事情之一是车辆的停车。停车场地图是实现自主车辆停车的必要条件。在本研究中,我们使用高分辨率航空图像提取停车场结构。我们分3步检测停车场结构。

    首先,我们通过Adaboost机器学习和NCC模板匹配来检测车辆和停车位。其次,我们从检测到的车辆和停车位中提取停车场电子杆区域。最后,通过停车场区域提取车辆通行区域。作为实验的结果,我们可以提取停车位和车辆通行区域的位置。遥控器遥感图像和传感器数据具有多种空间和光谱特征,包括来自星载和机载传感器的高分辨率图像,以及来自空间的高、中、低分辨率传感器。在图像信息挖掘中,图像的分辨率影响可以从图像像素中提取或获取的特征、信息和知识的特征。例如,低分辨率图像在城市区域、河流、海岸线和其他地理地形的尺度上具有显著的视觉特征。这些大规模特征对于环境监测和了解大规模地貌过程非常重要。

    然而,高分辨率图像允许执行应用任务,例如提取建筑足迹或计算停车场升降杆中的车辆数量。因此,通常需要不同的图像分辨率和不同的图像处理技术。为了开发真正灵活和稳健的建模能力,有必要在各种尺度上挖掘图像特征和信息,并使用各种图像处理和计算机视觉技术,每种技术都与图像的信息类型和空间光谱特征相适应。在本研究中,我们开发了一个多分辨率、多传感器框架,用于处理各种遥感图像,包括MODIS、陆地卫星和高分辨率卫星图像。深度神经网络用于从高分辨率图像中提取图像特征;而经典的图像特征提取技术应用于中分辨率和低分辨率传感器数据。使用PostGIS将各种特征聚集到一个地理空间数据立方体中,目的是促进自然和人为过程的高级地理空间建模。我们展示了遥控器遥感视觉特征的多分辨率数据立方体如何促进自然和人为现象的分析,并讨论了一些潜在的未来应用。
上一篇:购物中心停车场的设施要求
下一篇:没有了