是否有任何机器学习技术来识别地块/图像上的点？

我具有随时间和车道数得出的每辆车横向位置的数据，如以下图像和示例数据中的这3个图所示。

> a
   Frame.ID   xcoord Lane
1       452 27.39400    3
2       453 27.38331    3
3       454 27.42999    3
4       455 27.46512    3
5       456 27.49066    3

横向位置会随时间变化，因为驾驶员无法完全控制车辆的位置。当横向位置急剧变化时，变道操纵开始，当变化再次变为“正常”时，变道操纵结束。无法直接从数据中识别出来。我必须手动查看每辆车的图，以确定车道变更操作的起点和终点，以便估算车道变更的持续时间。但是我在数据集中有成千上万辆汽车。您能否将我引导至可以训练以识别这些点的任何相关图像分析/机器学习算法？我在R工作。

machine-learning r

— 乌迈尔·杜拉尼
source

在手动对车道变更动作进行分类时，您是否尝试过从数学上识别出您的工作？您是否正在广泛地寻找从车道位置函数的一个稳定的接近零梯度的周期到随后的梯度幅度大幅增加，导致另一个接近零梯度的周期或数据结束的变化？

— image_doctor 2015年

您有一些原始图片供我们尝试吗？

— image_doctor 2015年

轴和刻度在示例图像中不是特别一致的图例，是否可以标准化绘图，还是无法控制图像创建？

— image_doctor 2015年

是的，我知道您想确定变更车道操纵的结束，但是如果您已经每次都有车辆的车道，那么检测这些变更就不难了。我将首先定义何时应该考虑车辆不再改变车道（例如，在同一车道上行驶了给定的秒数之后）。您可以使用一个窗口来检测车辆保持相同车道的路段，并且这些路段的起点和终点的点分别描述您的“车道变更开始”和“车道变更结束”。

— 罗伯·史密斯

大。我以为您没有起点和目标车道，但是如果您始终有起点和目标车道，则您的解决方案应该可以正常工作，并另外使用您已经需要的数据来构造车道变更的定义。

— 罗伯·史密斯

Answers:

表面上的一阶导数可以做到这一点。但是，您显示的数据中包含大量噪声，因此我们需要一种以某种无噪声的方式评估至少一阶导数的方法，或者至少在消除抖动并保留主要导数变化的频域内进行评估。

小波分析可以为您实现这一目标，尤其是当您使用高斯的一阶导数作为母子波时。R有一些不错的小波包（有关入门，请参阅r-project.org）。如果以小比例尺进行小波变换，这将确定转向中抖动位的位置。如果您以较大的比例（即较低的频率）执行此操作，则可能会发现只是车道偏移而不是很小的抖动。

如果使用合理的数据集训练转换，则应该能够识别与车道变化相对应的比例尺或比例尺范围。但是请注意，如果您不明白这一点，则类似于O（n ^ 2），因此请尝试缩小比例范围以节省计算时间。

— CJ沙利文
source

看起来您可能只需要几秒钟的时间即可得到比噪声导数高的几秒钟。只需计算从每个时间步到最后一个（或前一个）的有限差分的绝对值，然后等待一系列高值即可。那就是发生车道变更的时候。

— 托比亚斯·伍尔夫（TobiasWürfl）
source

实际上，这是我一开始所做的。问题在于，差异阈值和“高”值非常主观，因为每辆车的行程都不同。

— umair durrani 2015年

试用changepoint软件包。我在类似的情况下使用它。

变更点分析是检测两个“制度”之间的变更的方法的统计名称。停在车道上的汽车是在车道中点处渐变为0的线。您可以轻松地将统计模型拟合到在车道上行驶的汽车。换车路线沿坡度不为0的线行驶。模型已更改。变更点分析和变更点包正是确定模型从y=a' (straight and level) toy = a + bx`（向上或向下）变化时的点所需要的。

— 阿尔贝托
source

这本质上是仅链接的答案，并且在SE上不建议使用。也许您可以详细说明它是什么以及为什么有帮助。

— 肖恩·欧文

@AlbertoD您所共享的小插图的古老语言对接触点分析概念的新手没有帮助。

— umair durrani 2015年

@AlbertoD您能否提供任何示例说明如何使用cp软件包？

— umair durrani 2015年