發(fā)布時間：2021-08-01 12:13

　　道路交通事故已成為重大經濟和社會問題,各類智能駕駛安全輔助系統對交通安全起著重要作用,在各類事故中由于道路低能見度引起的事故占有相當大比例,對道路能見度檢測和低能見度道路信息恢復成為國內外相關領域重點研究的熱點和難點問題之一。本文依托于國家重點研發(fā)計劃項目《智能電動汽車的感知、決策與控制關鍵基礎問題研究》（編號:2016YFB0100900）。針對道路能見度檢測和低能見度道路信息恢復方法研究中存在的問題,以課題組自有的現代新伊蘭特EV純電動汽車為實際道路試驗研究平臺,對不利視覺條件下道路能見度檢測及道路信息恢復方法進行深入研究。設計基于監(jiān)督學習的不利視覺道路圖像感知分類器,提出一種基于天空道路分界線和道路消失點的霧天道路能見度檢測方法,并進行霧天道路能見度檢測實車道路試驗,試驗結果表明,提出的能見度檢測方法,可有效地獲取道路能見度值。提出基于監(jiān)督學習的方法對霧天低能見度圖像進行四個能見度預警等級劃分,對夜間道路圖像進行三個能見度預警等級劃分。提出的昏暗、惡劣霧天道路條件道路信息恢復方法和夜間條件下圖像質量增強方法,可以作為基于的視覺的駕駛輔助系統有效的預處理步驟。本文研究的工作具體包括... 

【文章來源】：吉林大學吉林省 211工程院校 985工程院校 教育部直屬院校

【文章頁數】：116 頁

【學位級別】：博士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 引言
    1.2 不利天氣對交通安全影響的研究背景
        1.2.1 不利天氣對駕駛人心理影響分析
        1.2.2 不利天氣對駕駛人反應時間影響
        1.2.3 不利天氣對駕駛人獲取道路信息的影響
        1.2.4 不利天氣對車輛運行的影響
    1.3 國內外研究現狀
        1.3.1 不利天氣對道路交通安全影響的國內外研究現狀
        1.3.2 圖像分類技術國內外研究現狀
        1.3.3 圖像能見度檢測國內外研究現狀
        1.3.4 夜間圖像增強與霧天圖像恢復國內外研究現狀
        1.3.5 存在的問題
    1.4 本文研究內容與技術路線
第2章 基于監(jiān)督學習的不利視覺道路圖像感知分類
    2.1 引言
    2.2 底層視覺特征提取方法
    2.3 有霧與無霧圖像分類器設計
        2.3.1 合成霧天圖像集
        2.3.2 合成圖像特征提取
        2.3.3 基于SVM監(jiān)督學習的道路圖像分類器設計
        2.3.4 結果分析
    2.4 實際不利視覺道路圖像分類器設計
        2.4.1 建立實際道路圖像集
        2.4.2 實際道路圖像特征提取
    2.5 基于監(jiān)督學習圖像分類方法
        2.5.1 BP神經網絡分類器設計
        2.5.2 支持向量機分類器設計
        2.5.3 概率神經網絡分類器設計
        2.5.4 監(jiān)督的SKohonen網絡分類器設計
        2.5.5 極限學習機分類器設計
    2.6 分類方法對比試驗及分析
    2.7 本章小結
第3章 基于圖像特征的霧天道路能見度檢測
    3.1 引言
    3.2 霧天能見度定義及霧天等級劃分
    3.3 基于攝像機模型及柯西米德定律檢測能見度
        3.3.1 能見度檢測攝像機模型
        3.3.2 柯西米德定律及能見度計算
    3.4 基于道路天空分界線和消失點的能見度檢測
        3.4.1 車道標示線識別
        3.4.2 道路消失點估計
        3.4.3 霧天天空和道路分界線獲取
        3.4.4 基于坐標轉換的道路能見度值推導過程
    3.5 低能見度道路能見度檢測實車試驗
        3.5.1 能見度檢測系統的試驗平臺
        3.5.2 圖像采集設備
        3.5.3 道路試驗車輛平臺
        3.5.4 道路實車試驗結果
    3.6 基于監(jiān)督學習的能見度報警等級劃分
        3.6.1 構造檢測能見度等級圖像集
        3.6.2 霧天能見度等級檢測提取圖像特征提取
        3.6.3 基于監(jiān)督學習的霧天能見度預警等級劃分
    3.7 本章小結
第4章 基于圖像特征的夜間能見度檢測
    4.1 引言
    4.2 夜間駕駛特點及奧拉德定律
    4.3 基于圖像特征處理的夜間能見度檢測
        4.3.1 夜間能見度計算模型建立
        4.3.2 基于圖像特征的夜間能見度檢測試驗設計
        4.3.3 夜間光源圖像光照度計算
        4.3.4 軟件設計及基于圖像處理夜間能見度檢測
    4.4 基于監(jiān)督學習的夜間能見度預警等級劃分
        4.4.1 構造能見度預警等級劃分圖像集
        4.4.2 夜間能見度預警等級劃分圖像特征提取
        4.4.3 基于監(jiān)督學習的夜間能見度預警等級劃分
    4.5 本章小結
第5章 霧天道路信息恢復與夜間圖像增強
    5.1 引言
    5.2 霧天道路圖像恢復以及夜間圖像增強的必要性
    5.3 霧天條件下基于非物理模型的道路圖像恢復
    5.4 霧天條件下基于物理模型的道路圖像恢復
        5.4.1 霧天道路圖像能見度恢復算法模型
        5.4.2 SSR與 DCP結合的道路圖像恢復
    5.5 夜間道路圖像特征分析
    5.6 夜間條件下基于改進Retinex算法的道路圖像增強
        5.6.1 改進的SSR算法實現夜間道路圖像增強
        5.6.2 McCann99和Frankle-McCann夜間道路圖像增強
        5.6.3 道路圖像增強結果比較與分析
        5.6.4 夜間圖像增強評價
    5.7 本章小結
第6章 全文總結與展望
    6.1 全文總結
    6.2 研究展望
參考文獻
在學期間取得的科研成果
致謝


【參考文獻】：
期刊論文
[1]一種基于車道線檢測獲取道路能見度方法[J]. 龔天洋,陳梅,王文揚,戎輝.  汽車電器. 2019(01)
[2]基于拐點線的大霧能見度檢測算法[J]. 劉建磊,劉曉亮.  計算機應用. 2015(02)
[3]基于路面視亮度差平方最優(yōu)化的視頻能見度檢測算法[J]. 吳煒,李勃,楊嫻,端金鳴,陳啟美.  電子與信息學報. 2014(10)
[4]基于雙光源圖像特征的夜間能見度觀測方法研究[J]. 戴龐達,張玉鈞,魯昌華,周毅,劉晶,肖雪,劉文清,王京麗.  光譜學與光譜分析. 2014(01)
[5]基于路面亮度特征估算的視頻能見度檢測系統[J]. 楊嫻,李勃,丁文,陳啟美.  上海交通大學學報. 2013(08)
[6]基于氣象能見度的高速公路限速研究[J]. 李利,孫策.  公路. 2013(07)
[7]HSV色彩空間的Retinex結構光圖像增強算法[J]. 秦緒佳,王慧玲,杜軼誠,鄭紅波,梁震華.  計算機輔助設計與圖形學學報. 2013(04)
[8]不利氣候對高速公路交通安全影響分析及對策[J]. 莫振龍.  中國水運(下半月). 2013(01)
[9]基于車道線檢測與圖像拐點的道路能見度估計[J]. 宋洪軍,陳陽舟,郜園園.  計算機應用. 2012(12)
[10]基于Retinex理論的Mccann99算法改進[J]. 沙俊名,劉澤乾,劉凡,夏志深.  激光與紅外. 2011(09)

碩士論文
[1]霧天圖像能見度檢測方法研究[D]. 徐敏.西南科技大學 2018
[2]基于道路監(jiān)控視頻的霧霾能見度檢測方法研究[D]. 周凱.南京郵電大學 2017
[3]基于機器視覺的大氣能見度測量方法研究[D]. 趙瑞.西安理工大學 2017
[4]基于監(jiān)控圖像的高速公路能見度估計研究[D]. 許倩.長安大學 2016
[5]基于視頻圖像的高速公路能見度檢測技術研究[D]. 韓明敏.北京交通大學 2016
[6]霧天交通視頻的能見度檢測及圖像去霧技術研究[D]. 吳煒.南京大學 2015
[7]基于視頻圖像的能見度檢測算法的研究[D]. 郭庚山.長沙理工大學 2015
[8]基于雙光源法的夜間數字能見度測量方法研究[D]. 周佳.南京信息工程大學 2014
[9]基于交通視頻的能見度估計研究[D]. 項文書.上海交通大學 2014
[10]基于數字攝像的大氣能見度檢測方法與系統實現[D]. 郭尚書.華中科技大學 2014



本文編號：3315506