findCubicLaneBoundaries
发现使用立方模型边界
语法
描述
边界= findCubicLaneBoundaries (xyBoundaryPoints,approxBoundaryWidth)cubicLaneBoundary对象包含了[A B C D]系数的三度多项式方程和边界强度的估计。
(还返回一个单元阵列内围层边界点为每个边界模型发现,使用前面的输入参数。边界,boundaryPoints)= findCubicLaneBoundaries (xyBoundaryPoints,approxBoundaryWidth)
(___)= findCubicLaneBoundaries (___,使用指定的一个或多个选项名称,值)名称,值参数,与前面的语法。
例子
发现立方车道边界鸟瞰图的形象
发现车道图像通过使用立方车道边界模型。覆盖原始图像的识别车道和一个鸟瞰图变换的图像。
加载图像道路的车道。这张照片从相机获得传感器安装在汽车的前面。
我= imread (“road.png”);
将图像转换为一个鸟瞰图图像通过使用一个预先配置的传感器对象。这个对象模型的传感器捕获原始图像。
bevSensor =负载(“birdsEyeConfig”);birdsEyeImage = transformImage (bevSensor.birdsEyeConfig,我);imshow (birdsEyeImage)
设置宽度近似车道标志在世界单位(米)。
approxBoundaryWidth = 0.25;
检测车道功能和显示的黑白图像。
birdsEyeBW = segmentLaneMarkerRidge (im2gray (birdsEyeImage),…bevSensor.birdsEyeConfig approxBoundaryWidth);imshow (birdsEyeBW)
获得相对应的图像坐标巷候选人的立场。的找到函数返回对应于候选像素指数车道的位置。按照惯例,图像坐标的顺序总是相对于像素指数逆转。关于图像坐标的更多信息,请参阅坐标系统。
获得相应的车辆车道边界点坐标通过使用imageToVehicle函数。
[imgaeY, imageX] =找到(birdsEyeBW);xyBoundaryPoints = imageToVehicle (bevSensor.birdsEyeConfig [imageX imgaeY]);
找到图像中车道边界通过使用findCubicLaneBoundaries函数。默认情况下,函数返回最多两个车道边界。存储在一个数组的边界cubicLaneBoundary对象。
边界= findCubicLaneBoundaries (xyBoundaryPoints approxBoundaryWidth);
使用insertLaneBoundary覆盖原始图像的车道。的XPoints向量代表巷点,米,范围内的自我车辆的传感器。用不同的颜色指定车道。默认情况下,通道是黄色的。
XPoints = 3;数字传感器= bevSensor.birdsEyeConfig.Sensor;lanesI = insertLaneBoundary(边界(1),传感器,XPoints);lanesI = insertLaneBoundary (lanesI边界(2),传感器,XPoints,“颜色”,“绿色”);imshow (lanesI)
视图的车道鸟瞰图的形象。
图BEconfig = bevSensor.birdsEyeConfig;lanesBEI = insertLaneBoundary (birdsEyeImage,界限(1)、BEconfig XPoints);lanesBEI = insertLaneBoundary (lanesBEI,界限(2)、BEconfig XPoints,“颜色”,“绿色”);imshow (lanesBEI)
输入参数
输出参数
提示
适合一个双车道标记边界模型,设置
approxBoundaryWidth参数是大到足以包含宽度跨越两车道标记。
算法
这个函数使用
fitPolynomialRANSAC发现立方模型。因为该算法使用随机抽样,运行之间的输出会发生变化。的
maxDistance参数的fitPolynomialRANSAC设置为指定的宽度的一半吗approxBoundaryWidth论点。点被认为是内围层边界宽度内。使用最小二乘函数获得最后的边界模型适用于内围层点。
