目前,許多國家都在對水上裝備智能化、無人化技術(shù)進(jìn)行研究,研究的重點方向之一就是水上裝備的環(huán)境感知技術(shù)。雙目立體視覺技術(shù)作為重要的環(huán)境感知技術(shù),受到研究人員的重視。本文對雙目測距中的關(guān)鍵技術(shù)和水上目標(biāo)識別算法進(jìn)行了深入研究,通過實驗驗證了雙目測距算法和目標(biāo)識別算法的可行性以及可靠性。論文主要完成的工作如下:第一,對雙目測距中匹配代價獲取的關(guān)鍵技術(shù)進(jìn)行優(yōu)化改進(jìn),針對傳統(tǒng)Census變換對中心像素過于依賴,噪聲影響下匹配效果差的問題提出了一種改進(jìn)的Census變換,利用改進(jìn)的Census變換進(jìn)行立體匹配,提高了立體匹配算法對噪聲的魯棒性和執(zhí)行效率。第二,對雙目測距過程中采用的局部立體匹配算法流程進(jìn)行調(diào)整優(yōu)化,結(jié)合水上目標(biāo)測距與識別這一最終目的簡化傳統(tǒng)局部立體匹配的流程,首先采用自適應(yīng)設(shè)定滯后閾值的Canny算子以及Snake模型對水上目標(biāo)的輪廓進(jìn)行提取,然后在輪廓區(qū)域內(nèi)采用自適應(yīng)窗口進(jìn)行匹配代價聚合,避免在深度不連續(xù)區(qū)域產(chǎn)生誤匹配。最后對視差進(jìn)行優(yōu)化,得到目標(biāo)視差,進(jìn)一步計算出目標(biāo)的距離信息。采用優(yōu)化改進(jìn)的算法進(jìn)行測距實驗,測距精度達(dá)到了無人艇避障以及視覺偵察的要求。第三,結(jié)合水上目標(biāo)的特點... 

【文章來源】：江蘇科技大學(xué)江蘇省

【文章頁數(shù)】：73 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 課題研究背景與意義
    1.2 雙目立體視覺的研究概況
        1.2.1 雙目立體視覺的國內(nèi)外研究現(xiàn)狀
        1.2.2 雙目立體視覺的研究內(nèi)容
        1.2.3 雙目立體視覺的發(fā)展趨勢
    1.3 水上目標(biāo)識別研究概況
        1.3.1 水上目標(biāo)識別技術(shù)國內(nèi)外研究現(xiàn)狀
        1.3.2 水上目標(biāo)檢測與識別發(fā)展趨勢
    1.4 課題研究內(nèi)容與章節(jié)安排
        1.4.1 本論文的主要研究重點
        1.4.2 本論文的章節(jié)安排
第2章 雙目測距理論及立體匹配技術(shù)研究
    2.1 雙目測距理論研究
        2.1.1 相機(jī)成像模型
        2.1.2 光軸平行的雙目測距理論研究
        2.1.3 攝像機(jī)標(biāo)定
    2.2 立體匹配技術(shù)研究
        2.2.1 立體匹配的約束條件
        2.2.2 立體匹配的匹配代價計算函數(shù)
    2.3 本章小節(jié)
第3章 基于改進(jìn)Census變換的匹配代價獲取
    3.1 局部立體匹配算法一般步驟
    3.2 基于傳統(tǒng)CENSUS變換的立體匹配算法
        3.2.1 傳統(tǒng)Census變換
        3.2.2 匹配代價計算
        3.2.3 匹配代價聚合
        3.2.4 視差優(yōu)化
    3.3 基于改進(jìn)CENSUS變換的立體匹配算法
        3.3.1 基于傳統(tǒng)Census變換立體匹配算法的缺陷
        3.3.2 改進(jìn)的Census變換
        3.3.3 基于改進(jìn)Census變換的立體匹配算法步驟
    3.4 實驗結(jié)果與分析
    3.5 本章小節(jié)
第4章 基于目標(biāo)輪廓區(qū)域的視差求取
    4.1 基于邊緣檢測的目標(biāo)輪廓區(qū)域提取
        4.1.1 圖像分割方法理論研究
        4.1.2 自適應(yīng)滯后閾值的Canny邊緣檢測
    4.2 輪廓內(nèi)的匹配代價聚合
    4.3 視差提取
    4.4 實驗結(jié)果與分析
    4.5 本章小節(jié)
第5章 水上目標(biāo)識別算法研究
    5.1 目標(biāo)特征提取
        5.1.1 目標(biāo)區(qū)域形狀特征提取
        5.1.2 目標(biāo)區(qū)域不變矩特征提取
        5.1.3特征提取實驗
    5.2 目標(biāo)識別分類
        5.2.1 目標(biāo)識別分類基本方法
        5.2.2 支持向量機(jī)的基本原理及算法流程
        5.2.3支持向量機(jī)的關(guān)鍵技術(shù)研究和仿真實驗
        5.2.4艦船目標(biāo)識別實驗
    5.3 本章小節(jié)
第6章 總結(jié)與展望
    6.1 總結(jié)
    6.2 展望
參考文獻(xiàn)
攻讀碩士學(xué)位期間發(fā)表的學(xué)術(shù)論文
致謝


【參考文獻(xiàn)】：
期刊論文
[1]特征融合的雙目半全局匹配算法及其并行加速實現(xiàn)[J]. 呂倪祺,宋廣華,楊波威.  中國圖象圖形學(xué)報. 2018(06)
[2]SAR圖像技術(shù)在船舶目標(biāo)檢測和參數(shù)提取中的應(yīng)用[J]. 姜敏敏.  艦船科學(xué)技術(shù). 2017(10)
[3]美國海軍“無人勇士”項目發(fā)展概況[J]. 李琨.  現(xiàn)代軍事. 2017(02)
[4]基于雙目立體視覺的船舶軌跡跟蹤算法研究[J]. 黃椰,黃靖,肖長詩,姜文,孫毅.  計算機(jī)科學(xué). 2017(01)
[5]基于顯著性分析的HOG快速船舶檢測方法[J]. 元海文,肖長詩,文元橋,周春輝,張康賀,鄒雄.  中國航海. 2016(01)
[6]無人船技術(shù)在海事的應(yīng)用[J]. 宋杰,聞佳.  中國海事. 2015(10)
[7]船舶視覺圖像優(yōu)化檢測方法研究[J]. 睢丹,陳衛(wèi)軍.  艦船科學(xué)技術(shù). 2015(08)
[8]基于改進(jìn)梯度和自適應(yīng)窗口的立體匹配算法[J]. 祝世平,李政.  光學(xué)學(xué)報. 2015(01)
[9]GPU近實時線性雙目立體代價聚合[J]. 陳彬,陳和平,李曉卉.  中國圖象圖形學(xué)報. 2014(10)
[10]H-S直方圖反向投影結(jié)合特征點提取的雙目視覺定位算法[J]. 章海兵,劉士榮,張波濤.  控制理論與應(yīng)用. 2014(05)

博士論文
[1]基于計算機(jī)視覺的復(fù)雜場景下目標(biāo)跟蹤研究[D]. 賀文驊.西安電子科技大學(xué) 2015
[2]基于光視覺的無人艇水面目標(biāo)檢測與跟蹤研究[D]. 曾文靜.哈爾濱工程大學(xué) 2013

碩士論文
[1]基于雙目立體視覺的工件識別與定位技術(shù)研究[D]. 李勝利.哈爾濱工業(yè)大學(xué) 2016
[2]基于雙目視覺的輪式機(jī)器人動態(tài)避障研究[D]. 韓信.浙江大學(xué) 2016
[3]基于特征信息提取的船舶檢測與跟蹤方法研究[D]. 安婷.華北電力大學(xué) 2015
[4]無人艇視覺系統(tǒng)目標(biāo)圖像特征提取與識別技術(shù)研究[D]. 梁秀梅.哈爾濱工程大學(xué) 2013
[5]結(jié)合結(jié)構(gòu)信息和統(tǒng)計特征的SAR圖像目標(biāo)檢測[D]. 單雁冰.西安電子科技大學(xué) 2012
[6]橋區(qū)運(yùn)動船舶檢測和跟蹤的方法研究[D]. 張文濤.華中科技大學(xué) 2012
[7]基于雙邊濾波的圖像處理算法研究[D]. 王玉靈.西安電子科技大學(xué) 2010
[8]基于高分辨光學(xué)遙感圖像的艦船目標(biāo)檢測方法研究[D]. 蔣李兵.國防科學(xué)技術(shù)大學(xué) 2006



本文編號：3315528