一种基于XGML的RVIS表示方法

提出了一种基于XGML的RVIS表示方法.首先,借鉴XML和SVG语法,设计了一套适合RVIS表示的XGML模型;其次,提取图像特征,转换为XGML模型中的图元数据描述集合;最后,对图像进行区域分裂合并操作,对不同区域进行处理,将得到的区域转换为XGML模型中的图元素描述集合.RVIS方法通过对不同的光栅化矢量图像进行试验,结果表明:此方法能够很好地将光栅化矢量图像表示为半结构化的XGML文档,使其存储容量减小且便于检索.     

一种基于IPM-DVS的车道线检测算法

为了提高在复杂情形下车道线检测的鲁棒性,提出了一种基于IPM-DVS的车道线检测算法。首先,对视频序列中连续两帧图像进行IPM得到鸟瞰图像,对这两帧鸟瞰图像进行差值运算,对差值图像进行Sobel算子卷积,然后将卷积结果与鸟瞰图像进行DVS,实现车道线信息的分离,最后根据车道线特征信息进行滤波检测。通过阴影、水渍、逆光等场景对该方法进行测试,实验结果表明:该方法能在各种复杂环境中检测出车道线,具有实时性好、鲁棒性强、正确率高的优点,适用于无人驾驶智能车视觉导航。     

一种有效的矢量图形SVG的结构化方法(英文)

提出了一种关于基于XML的矢量图形SVG实体类、对象之间的关系结构模型与实现方法,其过程是通过对实体的矢量化描述,将实体层次化,并用基于XML的伪码(pseudo-XML)来表示。设计一种转换算法,将伪码转换为结构化的SVG矢量图形代码。结构化的SVG代码有利于基于内容的矢量图形SVG的存储和检索,增强了SVG代码的可读性和可扩展性。     

一种基于区域和关键点特征相结合的双目视觉人体检测与定位方法

人体检测与定位是计算机视觉领域的研究热点与难点之一,其被广泛应用于人机交互和人机协作等诸多领域。提出一种基于区域和关键点特征相结合的双目视觉人体检测与定位方法,首先利用HOG与SVM相结合的检测框架实现人体的检测,然后利用MSER算法提取人体区域的MSER特征,最后利用局部不变算子ORB描述MSER区域的特征,进而实现立体匹配与人体的定位。实验表明本文提出的方法不仅能缩小特征检测的范围,而且能提高特征之间匹配的准确度。