检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

基于多模型结合优化的非结构化道路检测算法

工程设计学报 2013年第2期20卷 157-162页

作者：刘媛宋晓琳张伟伟湖南大学汽车车身先进设计制造国家重点实验室湖南长沙410082

非结构化道路检测一直是道路检测算法中的难点.提出一种基于彩色混合高斯模型与抛物线模型相结合的优化的非结构化道路检测算法.首先采用中值滤波和二次采样法将待处理彩色图像由高分辨率变为低分辨率图像,并对图像进行光照补偿;然后建... 详细信息

非结构化道路检测一直是道路检测算法中的难点.提出一种基于彩色混合高斯模型与抛物线模型相结合的优化的非结构化道路检测算法.首先采用中值滤波和二次采样法将待处理彩色图像由高分辨率变为低分辨率图像,并对图像进行光照补偿;然后建立基于优化聚类中心的K-means算法的混合高斯模型,通过最小二乘法求解左右道路抛物线模型参数;最后完成对道路边界线的拟合,实现其提取.实验结果表明,该算法对光照不均、阴影等影响的图像处理具有较强的抗干扰性,提高了运算速度,具有一定的鲁棒性和实时性.

关键词：非结构化道路检测光照补偿彩色混合高斯模型 K—means算法抛物线道路模型

在线全文

学校读者我要写书评

暂无评论

一种实时鲁棒的非结构化道路检测算法

计算机应用研究 2010年第7期27卷 2763-2765,2769页

作者：王晓栋徐成刘彦湖南大学计算机与通信学院长沙410082 江苏省计算机信息处理技术图像处理与图像通信重点实验室(苏州) 江苏苏州215006

针对智能导航系统中的非结构化道路检测问题,提出一种分块分段混合高斯模型和B样条曲线模型相结合(block-segment Gaussian mixture and B-spline model,BSGMM_BS)的非结构化道路检测算法。该算法利用待处理图像的彩色信息对道路区域和... 详细信息

针对智能导航系统中的非结构化道路检测问题,提出一种分块分段混合高斯模型和B样条曲线模型相结合(block-segment Gaussian mixture and B-spline model,BSGMM_BS)的非结构化道路检测算法。该算法利用待处理图像的彩色信息对道路区域和非道路区域进行混合高斯建模,利用分块分段方法提取道路边界点,最后使用最小二乘法求解B样条曲线最优控制点,完成对道路双边界的拟合。实地测试和对比实验表明,该算法实时性好,对阴影、光照变化等影响具有较强的抗干扰性。

关键词：非结构化道路检测混合高斯模型 B样条曲线图像处理

在线全文

学校读者我要写书评

暂无评论

一种快速准确非结构化道路检测方法研究

计算机仿真 2016年第9期33卷 174-178页

作者：武历颖余强长安大学汽车学院陕西西安710061

针对传统非结构化道路检测算法在光照变化、阴影及水迹等干扰因素下不能同时满足鲁棒性与实时性的问题,提出一种结合图像灰度特征和道路模型的非结构化道路检测方法。通过二维最大熵分类对图像进行初步分割,采用模糊熵对错分点进行重新... 详细信息

针对传统非结构化道路检测算法在光照变化、阴影及水迹等干扰因素下不能同时满足鲁棒性与实时性的问题,提出一种结合图像灰度特征和道路模型的非结构化道路检测方法。通过二维最大熵分类对图像进行初步分割,采用模糊熵对错分点进行重新分类,优化分割效果。利用改进分块分类方法对分割图像进行分块,得到包含道路边界的混合区域,进而快速准确提取道路边界点。采用实时性较好的二次曲线模型,在最小二乘法拟合曲线的基础上提出改进的拟合方法,最大程度降低了干扰点对曲线拟合精度的影响。仿真结果表明,改进的方法不仅实时性好,检测精度高,且鲁棒性较强。

关键词：非结构化道路检测图像分割二次曲线模型图像处理

基于彩色特征和B-spline的非结构化道路检测算法及应用研究

在线全文

学校读者我要写书评

暂无评论

基于彩色特征和B-spline的非结构化道路检测算法及应用研究

作者：王晓栋湖南大学

学位级别：硕士

基于视觉的智能导航系统是机器视觉领域的研究热点之一。其中,道路检测是基于视觉的智能导航系统的关键技术之一,为导航系统提供准确的道路位置信息和方向信息。道路检测算法必须满足实时性和鲁棒性两个特点,实时性要求算法能够及时完... 详细信息

基于视觉的智能导航系统是机器视觉领域的研究热点之一。其中,道路检测是基于视觉的智能导航系统的关键技术之一,为导航系统提供准确的道路位置信息和方向信息。道路检测算法必须满足实时性和鲁棒性两个特点,实时性要求算法能够及时完成图像的处理,鲁棒性要求算法在各种复杂的外界环境下产生正确的输出。目前,非结构化道路的检测算法由于道路特征不明显,外界环境中各种干扰因素(如光照、阴影等)的影响,其复杂度高,效果不理想。由于非结构化道路检测的复杂性,利用单一的特征或模型的方法已经很难达到理想的效果。为此将特征和模型相结合,充分利用两种方法的特点来提高算法鲁棒性是一个好的解决方案,然而如何做到实时性和鲁棒性的权衡是一个难点。论文的研究目的是如何在保证检测算法实时性的基础上提高算法的鲁棒性,主要工作如下：针对非同质环境下非结构化道路检测鲁棒性差的问题,分析了现有基于特征的道路检测算法,并重点分析了混合高斯模型方法。根据混合高斯模型方法的计算特性,设计了一种基于彩色特征的快速分块分类混合高斯模型方法：首先对彩色道路图像进行分块分类预处理,然后根据图像帧之间的相关性,采用卡尔曼滤波器预测下一帧K-means聚类中心。实验证明：该方法可以有效地减少道路图像冗余信息和K-means算法的迭代次数,进而降低混合高斯模型的复杂度,并对图像中的噪声点有一定的抑制作用。为了提高非结构道路检测算法的有效性,论文充分结合基于特征和基于模型方法的优点,在改进的混合高斯模型的基础上提出一种基于分块分类混合高斯模型和B样条曲线的非结构化道路检测算法。该算法引入一种分块分段方法只针对包含道路边界的混合区域分块进行道路边界点的提取;采用B样条曲线作为道路模型,并使用最小二乘法求解B样条曲线最优控制点,从而完成对道路双边界的拟合。实验证明：相对于采用抛物线道路模型的maxdge方法,本文算法计算量不高,可以灵活地表示各种道路形状,并对外界噪声有较强的抗干扰性。针对无人驾驶汽车的应用需求,分析了无人驾驶汽车的特点,将本文算法及相关技术应用到无人驾驶汽车系统中,实现了一个视觉导航系统原型,并使其能够满足无人驾驶汽车对导航实时性和鲁棒性的要求。最后通过大量的实地场景测试验证了导航系统的稳定性。本文的算法在复杂环境下具有较高的鲁棒性和有较好的实时性,可以满足智能导航系统的要求,具有一定的理论价值和实际应用价值。

关键词：非结构化道路检测混合高斯模型 B样条曲线图像处理智能导航

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于视觉激光数据融合的非结构化道路检测

基于视觉激光数据融合的非结构化道路检测

作者：徐文浩大连理工大学

学位级别：硕士

无人驾驶车要实现自主导航,需要从多传感器数据中实时获取可量化的道路区域信息。针对高速公路等结构化道路环境已经有很多实用的检测方法。与之相比,由于非结构化道路边界模糊,路面形态多样,更易受季节、天气等因素影响,使得该种环境... 详细信息

无人驾驶车要实现自主导航,需要从多传感器数据中实时获取可量化的道路区域信息。针对高速公路等结构化道路环境已经有很多实用的检测方法。与之相比,由于非结构化道路边界模糊,路面形态多样,更易受季节、天气等因素影响,使得该种环境下的可靠道路检测成为保障无人车长期稳定运行的关键。针对非结构化道路检测的问题,本文设计了一种由安装视角高低不同的两个单目摄像机构成的视觉系统。其中高视角摄像机可以覆盖前方较远区域,研究中可采用Gabor滤波算法检测并追踪道路消失点,从而实现道路延伸方向的估计。考虑车载激光的有效观测范围,将低视角摄像机的覆盖区域设定为车前九米范围内的道路区域。为了平衡分割精度与计算复杂度,采用超像素分割算法将低视角摄像机采集的图像划分成200个超像素块,然后利用支持向量机完成超像素块分类,并通过形态学处理提升道路分类效果。由于行人、车辆等物体不具备稳定的分类特征,基于单目视觉的分类算法无法保证无人车自主导航的可靠性。本文以视觉激光联合标定结果为基础,提出了一种可将视觉检测结果呈现于三维激光数据的建模方法,不仅可通过激光测距数据的几何特性对视觉检测结果进行校正,并可完成道路边界在车体坐标系下的三维描述,从而实现了道路检测与导航的无缝集成。利用自主构建的道路环境数据库进行上述检测算法有效性和实用性的验证。该数据库由非结构化道路环境中超过10000帧图像及对应的激光数据构成,数据跨越了春、夏、秋三个季节,包括晴天、阴天及雨后三种天气状况,并涵盖强光照、阴影等不同因素。实验中发现当遇到雨后等较极端环境状况时,上述算法分类精度会急剧下降,这是由于测试道路特征与训练样本特征差异过大造成的。为了解决上述问题,本文提出了一种基于在线学习的非结构化道路检测方法,采用了从测试数据中实时获取新样本用于分类器在线更新这种策略,从而提升了无人车对环境变化的适应能力。对改进的在线学习算法进行实验验证,实验结果及数据分析表明该方法检测精度和实用性均能满足无人车面向校园非结构化环境自主导航的实际需求。

关键词：非结构化道路检测在线学习形态学处理视觉激光数据融合

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

矿区复杂道路边缘检测

测绘科学 2020年第9期45卷 123-131页

作者：卢才武马玲阮顺领西安建筑科技大学管理学院西安710055

针对在露天矿区无人驾驶卡车道路识别中,受矿区道路边缘模糊、阴影与车辙印干扰等因素的影响,往往无法准确检测到实际道路的问题,提出一种基于HSV空间图像处理的矿区道路边缘检测方法。在HSV颜色空间内,利用半阈值小波对图像进行初步去... 详细信息

针对在露天矿区无人驾驶卡车道路识别中,受矿区道路边缘模糊、阴影与车辙印干扰等因素的影响,往往无法准确检测到实际道路的问题,提出一种基于HSV空间图像处理的矿区道路边缘检测方法。在HSV颜色空间内,利用半阈值小波对图像进行初步去噪,针对矿区道路边界模糊、边缘退化等问题,提出一种基于融合策略的道路图像增强分割处理算法,可以有效地突出道路边缘,最后利用Canny算子实现对矿区非结构化道路边缘检测。实验结果表明,该方法的检测准确率可达到90.0%以上,能有效识别复杂背景下矿区非结构化道路边缘。

关键词： HSV空间非结构化道路检测多尺度Retinex算法局部对比度增强

在线全文

学校读者我要写书评

暂无评论

用于视觉导航的道路检测与跟踪技术的研究

用于视觉导航的道路检测与跟踪技术的研究

作者：李婷婷南京理工大学

学位级别：硕士

随着软硬件技术的发展,以智能辅助驾驶和智能安全技术为代表的智能车辆受到世界各国的高度重视。其中,视觉导航是智能车导航的核心技术之一,作为视觉导航的重要部分,道路检测和跟踪早已引起各国学者的广泛关注,目前针对结构化道路的检... 详细信息

随着软硬件技术的发展,以智能辅助驾驶和智能安全技术为代表的智能车辆受到世界各国的高度重视。其中,视觉导航是智能车导航的核心技术之一,作为视觉导航的重要部分,道路检测和跟踪早已引起各国学者的广泛关注,目前针对结构化道路的检测技术已经很成熟,本文主要针对非结构化道路的检测和跟踪进行研究。具体内容包括几方面：（1）分析道路场景和实际道路数据采集情况,针对非结构化道路的复杂性,设计了道路预处理方案。（2）根据不同颜色空间中道路特征,本文研究了两种道路分割算法：基于HSI模型的彩色道路阈值分割方法和基于RGB模型的区域生长道路分割方法。前者能克服阴影的干扰;后者对野外环境以及雨后路面出现反光的情况有较好的效果。（3）分析传统边缘检测算子的优缺点,选择定位准确、抗干扰强的自适应Canny算子。设计一种融合区域分割和边缘特征的道路边界检测算法,用道路分割出的区域消除边缘检测中的非路边缘,并用边缘信息弥补区域分割中的道路边界不明显的缺点,实现了道路边缘的确定。（4）将近距离视野中的道路边界近似为直线,选择概率霍夫变换实现道路直线拟合,利用kalman滤波估计直线参数,实现道路线的跟踪。本文使用VC和Opencv进行算法的实现,通过对实际道路视频进行实验,验证了算法的有效性。仿真实验表明,该系统对阴影和水迹等复杂的道路的检测有一定的改善作用,成功的实现了非结构化道路的检测和跟踪。

关键词：视觉导航非结构化道路检测彩色分割区域生长 Kalman跟踪

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于GNSS与视觉的道路检测与避障技术

基于GNSS与视觉的道路检测与避障技术

作者：周莉电子科技大学

学位级别：硕士

随着交通工具的普及,由此而来的交通拥挤、交通事故频发,甚至是环境污染已经成为人们不得不面对的问题。为了缓和交通拥挤、减少交通事故、改善公路交通效率,智能交通系统(Intelligent Transportation Systems,ITS)应运而生。其中,智能... 详细信息

随着交通工具的普及,由此而来的交通拥挤、交通事故频发,甚至是环境污染已经成为人们不得不面对的问题。为了缓和交通拥挤、减少交通事故、改善公路交通效率,智能交通系统(Intelligent Transportation Systems,ITS)应运而生。其中,智能车定位技术、道路检测技术、以及避障路径规划技术等是ITS中至为关键的几个技术。现有的智能车相关研究都是在雷达探测仪或者激光测距仪的基础上展开,这些传感器测量高效而且精度高,但是成本昂贵。在实际应用中往往需要在经济与精度之间做一个折中的选择。视觉传感器成本低廉,并且随着图像处理与机器视觉的发展,视觉传感器广泛应用于各个领域。本文将采用双目视觉传感器和GNSS定位系统完成智能车定位、道路检测以及避障路径规划。论文的主要研究内容包括:(1)建立了双目视觉系统,并使用棋盘格板作为标定物对左右摄像头进行了标定。求得了基站P在摄像机坐标系和水平坐标系中的坐标,即基站P相对于智能车的定位。最后利用布尔沙-沃尔夫模型,在已知基站P在WGS-84坐标系下绝对坐标的前提下,实现了基于双目视觉的智能车绝对定位。(2)在完成了基于双目视觉的智能车绝对定位的基础上,利用卡尔曼滤波器(Kalman Filter),将智能车的视觉定位坐标与GPS定位坐标进行融合矫正。通过实验表明,矫正后得到的定位坐标精度有一定程度的提高。(3)提出了一种基于自适应HSI彩色空间的非结构化道路检测算法。该算法针对乡村非结构化道路,将道路图像从RGB彩色空间转换到HSI彩色空间,利用道路区域与周边区域颜色色调(H)的不同,以及路面阴影区域与其非阴影区域饱和度(S)的不同,根据先验信息,自适应的调整饱和度S在HSI彩色模型图像中的比例。该算法可以更好地排除阴影部分对道路区域检测的影响,提取出较为完整的道路区域。(4)改进了动态场景下的经典人工势场避障路径算法。与经典人工势场避障路径规划方法相比,该算法将其应用到室外智能车避障路径规划中,针对智能车在真实场景中的运动,加入了道路约束,改进了势场法感知模型。智能车视角限定为150°扇形区域,同时该算法较好的解决了经典人工势场法普遍存在的局部极小值问题,使得智能车可以逃离局部极小值顺利到达目的地。

关键词：双目视觉传感器绝对定位 KF融合非结构化道路检测避障路径规划

基于RGB熵和改进区域生长的非结构化道路识别方法

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

吉林大学学报（工学版） 2019年第3期49卷 727-735页

作者：吴骅跃段里仁长安大学信息工程学院西安710064

非结构化道路通常没有车道线等引导标线,且边界模糊,周围干扰因素较多,在这种道路上自动驾驶以及车辆辅助驾驶的车道保持功能将不能可靠工作。通过生成道路RGB图像的熵图像,并计算此熵图像直方图的最小差值,以此差值作为阈值初步分割道... 详细信息

非结构化道路通常没有车道线等引导标线,且边界模糊,周围干扰因素较多,在这种道路上自动驾驶以及车辆辅助驾驶的车道保持功能将不能可靠工作。通过生成道路RGB图像的熵图像,并计算此熵图像直方图的最小差值,以此差值作为阈值初步分割道路图像并使用改进区域生长方法提取出道路区域。使用实时性较好的二次曲线建立车道模型,并使用改进的最小二乘拟合方法可有效避开道路区域边缘杂点并提高边缘拟合速度。试验结果表明,改进的方法可以快速并较好地提取出非结构化道路图像中的车道并拟合出车道线,有利于实现基于视觉的自动驾驶和车辆辅助驾驶系统在非结构化道路上的车道保持。

关键词：交通信息工程及控制非结构化道路检测 RGB图像熵区域生长方法二次曲线模型