论文部分内容阅读
障碍物对列车的正常运营构成了极大的安全隐患,钢轨识别是实现障碍物检测的关键步骤。钢轨识别算法需要能够快速有效地检测列车前方钢轨的位置,同时不能占用过多的计算资源,影响障碍物检测程序的运行速度。为解决上述问题,文中提出一种基于扩展Haar特征提取和DBSCAN密度聚类的钢轨识别算法。首先通过仿射变换、池化、灰度均衡化、边缘检测等算法对图像进行预处理,然后基于扩展Haar特征提取图像中钢轨的特征点,最后利用DBSCAN算法对特征点进行聚类,提取出有效的特征数据点进行曲线拟合,从而识别钢轨的位置。通过车载