Road detection for inner-city scena

Road detection for inner-city scenarios remains a
difficult problem due to the high complexity in scene layout
with unmarked or weakly marked roads and poor lighting
conditions. This paper introduces a novel method based on
multi normalized-histogram with Joint Boosting algorithm to
road recognition. The approach performs three modules in
parallel that are the Image Segmentation, the Texton Maps and
the new one Dispton Maps. The first one applies a combination
of pre-filters with Watershed Transform to make the superpixel.
The last two perform a dense feature extraction based
on 2D texture image and 3D disparity image to get appearance,
shape and context information. At last, a discriminative model
of road class is learned based on distribution of Textons and
Disptons applied in Joint Boosting algorithm. The proposed
work reports real experiments carried out in a challenging
urban environment utilizing the modern KITTI benchmark
for road areas in which meaningful evaluation can be done
to illustrate the validity and application of this approach.
Index Terms— Road Detection, Computer Vision, Joint
Boosting, Texton Map, Dispton Map, Watershed Transform

ผลลัพธ์ (ไทย) 2:

การตรวจสอบถนนสำหรับสถานการณ์ในเมืองยังคงเป็นปัญหาที่ยากเนื่องจากความซับซ้อนสูงในรูปแบบฉากกับถนนที่ไม่มีเครื่องหมายหรือทำเครื่องหมายอย่างอ่อนและแสงไม่ดีเงื่อนไข กระดาษนี้จะแนะนำวิธีการขึ้นอยู่กับนวนิยายเรื่องปกติ-กราฟร่วมกับหลายขั้นตอนวิธีการส่งเสริมการรับรู้ถนน วิธีการดำเนินการสามโมดูลในแบบคู่ขนานที่มีการแบ่งส่วนภาพที่ Texton แผนที่และใหม่หนึ่งDispton แผนที่ คนแรกที่ใช้การรวมกันของตัวกรองก่อนที่มีลุ่มน้ำแปลงเพื่อให้ superpixel ได้. สุดท้ายทั้งสองดำเนินการดึงความหนาแน่นตามที่ภาพพื้นผิว 2D และ 3D ภาพแตกต่างกันเพื่อให้ได้ลักษณะรูปร่างและข้อมูลบริบท ที่ล่าสุดจำแนกรูปแบบของการเรียนรู้ถนนอยู่บนพื้นฐานของการกระจายตัวของ Textons และ Disptons นำไปใช้ในขั้นตอนวิธีการร่วมส่งเสริม ที่นำเสนอผลงานรายงานการทดลองจริงดำเนินการในสิ่งที่ท้าทายสภาพแวดล้อมของเมืองที่ใช้มาตรฐานกิตติทันสมัยสำหรับพื้นที่ถนนที่การประเมินผลที่มีความหมายที่สามารถทำได้เพื่อแสดงให้เห็นความถูกต้องและการประยุกต์ใช้วิธีการนี้. ดัชนี Terms- ถนนการตรวจสอบคอมพิวเตอร์วิสัยทัศน์ร่วมกันส่งเสริม, Texton แผนที่ Dispton แผนที่ลุ่มน้ำแปลง

ผลลัพธ์ (ไทย) 3:

ถนนในการตรวจสอบสถานการณ์ยังคง
ปัญหาที่ยากเนื่องจากความซับซ้อนสูงในฉากเค้าโครง
กับที่หรือ weakly เครื่องหมายถนนและสภาพแสง
ที่น่าสงสาร กระดาษนี้จะแนะนำวิธีการใหม่ตามรูปกราฟ
หลายข้อส่งเสริมขั้นตอนวิธี
ถนนการรับรู้ วิธีการดําเนินสามโมดูลใน
ขนานที่มีการแบ่งส่วนภาพการ texton แผนที่และแผนที่หนึ่ง
dispton ใหม่ คนแรกที่ใช้รวมกัน
ก่อนกรองกับต้นน้ำแปลงเพื่อให้ superpixel .
2 แสดงการสกัดคุณลักษณะหนาแน่นตาม
บนภาพพื้นผิว 2D และ 3D ภาพเพื่อให้ได้ความลักษณะ
รูปร่างและข้อมูลบริบท ในที่สุด รูปแบบของถนนและ
คลาสเรียนตามการกระจายของ textons และ
disptons ประยุกต์ในการร่วมส่งเสริมขั้นตอนวิธี เสนอรายงานการทดลอง
งานจริงในสภาพแวดล้อมที่ท้าทาย
ใช้ทันสมัยกิตติมาตรฐาน
สำหรับพื้นที่ถนนที่การประเมินผลมีความหมายสามารถทำได้
แสดงถึงความถูกต้องและการใช้วิธีการนี้
ศัพท์ดรรชนี - ตรวจจับ , ถนน , การมองเห็นของคอมพิวเตอร์ร่วมกัน
พื่น , แผนที่ , แผนที่ dispton texton ลุ่มน้ำ แปลง