本文主要研究内容
作者欧华杰（2019）在《基于机器学习反馈的黑暗环境车辆路况自动化识别方法》一文中研究指出：传统的车辆路况识别方法存在识别准确率低的问题,威胁驾驶员的人身安全。为此提出基于机器学习反馈的车辆路况识别方法。提取图像特征时利用函数分解窗将设定的像素函数分解出像素值,运用小波变换得出像素特征。使用极坐标方程将像素特征预处理成为像素簇。将像素簇代入到示警单元中进行扫描,得出阴影环境的像素峰值。示警单元自动将像素峰值转化为信号,传递给驾驶员。故此完成黑暗环境的车辆路况的自动化识别。对传统方法与本文提出的方法进行实验,实验结果表明,传统方式的识别准确率为78.4%,而自动化识别方法平均识别准确率达到了98.1%,具有更高的识别准确率。
Abstract
chuan tong de che liang lu kuang shi bie fang fa cun zai shi bie zhun que lv di de wen ti ,wei xie jia shi yuan de ren shen an quan 。wei ci di chu ji yu ji qi xue xi fan kui de che liang lu kuang shi bie fang fa 。di qu tu xiang te zheng shi li yong han shu fen jie chuang jiang she ding de xiang su han shu fen jie chu xiang su zhi ,yun yong xiao bo bian huan de chu xiang su te zheng 。shi yong ji zuo biao fang cheng jiang xiang su te zheng yu chu li cheng wei xiang su cu 。jiang xiang su cu dai ru dao shi jing chan yuan zhong jin hang sao miao ,de chu yin ying huan jing de xiang su feng zhi 。shi jing chan yuan zi dong jiang xiang su feng zhi zhuai hua wei xin hao ,chuan di gei jia shi yuan 。gu ci wan cheng hei an huan jing de che liang lu kuang de zi dong hua shi bie 。dui chuan tong fang fa yu ben wen di chu de fang fa jin hang shi yan ,shi yan jie guo biao ming ,chuan tong fang shi de shi bie zhun que lv wei 78.4%,er zi dong hua shi bie fang fa ping jun shi bie zhun que lv da dao le 98.1%,ju you geng gao de shi bie zhun que lv 。
论文参考文献
论文详细介绍
论文作者分别是来自环境技术的欧华杰，发表于刊物环境技术2019年05期论文，是一篇关于机器学习反馈论文,黑暗环境论文,车辆路况论文,自动化识别论文,环境技术2019年05期论文的文章。本文可供学术参考使用，各位学者可以免费参考阅读下载，文章观点不代表本站观点，资料来自环境技术2019年05期论文网站，若本站收录的文献无意侵犯了您的著作版权，请联系我们删除。
标签：机器学习反馈论文; 黑暗环境论文; 车辆路况论文; 自动化识别论文; 环境技术2019年05期论文;