道路的区域检测

基于角点检测和区域生长方法的车辆检测算法，周彬，章云，智能交通（IT）技术需要对道路上的车辆情况有准确的检测，基于局部特征的车辆检测是研究的热点。因此设计一种快速的的鲁棒性强的�

边缘检测算子在车牌区域检测中的改进，曾飞，李志俊，针对在复杂环境下对车牌图像进行分割提取这一问题，在传统图像边缘检测经典算子基础上，根据模板排列规律，建立矩阵变换关系，提

针对非结构化道路的特点，提出了一种基于色度差的边缘检测算法。算法将原始图像的RGB颜色空间转化为L*a*b*颜色空间，利用L*a*b*颜色空间中明度与色度分离的特点，通过对色度差的信息融合提取图像道路

通过对区域物流网络中边、点上费用、容量、流量等的分析，结合实际问题中对道路扩建和物流设施容量设计决策的需要，构建基于物流时间需求的区域物流网络设计数学模型。模型以最小化物流网络构建成本、初期运营成本和

道路交通标志的检测与识别技术研究。分类器采用SVM

基于破损道路裂纹线所呈现的特点,由图像脊波变换等效于拉东变换域一维小波分解的原理出发,提出了一种新的适用于道路裂纹线检测的脊波域图像增强算法。

研究了汽车辅助驾驶系统中的计算机视觉问题。一方面,用小波变换对高速公路上的道路边 缘进行检测;另一方面,利用灰度以及几何特征实时跟踪和检测车道边缘,通过建立道路边缘模型,采用 数据拟合的方法确定边界轨

YOLOv5s网络架构由输入端、主干网、特征融合和输出端四个部分组成。在输入端进行图像预处理，包括Mosaic数据增强、自动锚框计算和自适应图像缩放。主干网通过Focus操作对图像进行切片处理，每隔一

将GIS数据和遥感影像结合进行道路提取和变化检测,不论对摄影测量与遥感还是对GIS的发展都具有非常有价值的意义。文中尝试用新的小比例尺遥感影像和已有的道路网矢量数据自动或半自动地进行道路网提取及变化检

基于实景图像的道路限速标志检测算法研究,算法主要集中于图像的预处理,检测部分。