車輛違章抓拍系統(tǒng)是重要的智能交通應(yīng)用設(shè)備之一,該系統(tǒng)至少采集三張圖像:車輛違章瞬間圖、車牌號碼圖、車輛周邊環(huán)境圖。車道攝像機(jī)拍攝范圍小、分辨率高,用于采集前兩張圖像;全景相機(jī)拍攝范圍廣、分辨率低,用于采集第三張圖像。但這種取證方式在超速壓線行駛、突發(fā)事故占用多車道等情況下,無法獲取完整的高分辨率車輛圖像,為此本文提出基于特征點(diǎn)的道路抓拍圖像拼接技術(shù)對多個(gè)車道攝像機(jī)采集的圖像進(jìn)行拼接。主要研究內(nèi)容和成果如下:第一,提出基于歐氏距離的道路抓拍圖像序列圖像篩選方法,用于篩選同步拍攝圖像序列。該方法通過計(jì)算相鄰圖像序列中同一車輛之間的距離來判斷圖像拍攝時(shí)間,以距離最近的圖像作為同步拍攝圖像,再以其為基準(zhǔn)點(diǎn)篩選出同步拍攝圖像序列。實(shí)驗(yàn)表明:該方法能夠從異步拍攝的道路圖像序列中篩選出同步拍攝圖像序列。第二,提出基于改進(jìn)余弦相似度的篩選圖像有效性評價(jià)方法。該方法分別計(jì)算圖像非準(zhǔn)確重疊區(qū)域和不重疊區(qū)域的余弦相似度,將計(jì)算結(jié)果進(jìn)行加權(quán)平均以減弱不重疊區(qū)域?qū)φw圖像相似度的影響。實(shí)驗(yàn)表明:利用該方法求取的最相似圖像與圖像篩選方法選出的圖像一致,即圖像篩選方法是有效的。第三,提出基于SURF算法的同步拍攝圖... 

【文章來源】：重慶交通大學(xué)重慶市

【文章頁數(shù)】：81 頁

【學(xué)位級別】：碩士

【部分圖文】：

超速連續(xù)追尾圖

1第1章緒論1.1道路抓拍圖像拼接的研究背景和意義隨著智能交通的快速發(fā)展，全國汽車保有量也是快速增長。截止2018年，全國汽車保有量已達(dá)到2.4億輛，其中小汽車保有量首次突破2億輛；汽車駕駛?cè)艘堰_(dá)到3.69億人[1]。眾多的車輛已經(jīng)導(dǎo)致交通道路上出現(xiàn)了擁擠，交通事故也是一直不斷。2017年8月10日，在京昆高速路段一輛載有49人的客車因超速行駛導(dǎo)致發(fā)生交通事故，致使車輛嚴(yán)重變形，造成36人死亡13人受傷[2]。2018年08月26日，在重慶九龍坡區(qū)一輛面包車超速行駛且沒打轉(zhuǎn)向燈強(qiáng)行變道導(dǎo)致剎車不及與右側(cè)前行車發(fā)生碰撞，造成大面積交通擁堵[3]。以下是常見的交通事故及違章行駛圖。圖1-1超速連續(xù)追尾圖圖1-2壓線行駛圖圖1-3違章變道圖大多數(shù)交通事故都是因違章駕駛所引起，為了減少司機(jī)違章駕駛，常在事故易發(fā)區(qū)安裝車輛違章抓拍系統(tǒng)，若發(fā)現(xiàn)違規(guī)駕駛者則進(jìn)行取證并交由交通相關(guān)部門依法處治，可以減少司機(jī)在該區(qū)域的違章行為，能夠在一定程度上減少交通事故的發(fā)生。車輛違章抓拍系統(tǒng)是智能交通廣泛應(yīng)用的設(shè)備之一，該系統(tǒng)使用車道攝像機(jī)和全景相機(jī)相結(jié)合的方式對違規(guī)車輛進(jìn)行抓拍取證，違章證據(jù)至少包括三張圖像：1)車輛違章的瞬間圖像；2)違章車輛的車牌圖像；3)違章車輛周邊環(huán)境圖像。車道攝像機(jī)拍攝的區(qū)域孝分辨率高，用于拍攝前兩張圖像；數(shù)碼相機(jī)拍攝的區(qū)域廣、分辨率低，用于拍攝第三張圖像。這種取證方式可以滿足一般情況下車輛的違章取證，但對于特殊情況存在一定不足，例如：車輛故意壓線行駛或發(fā)生交通事故占用多個(gè)車道的情況，車道攝像機(jī)往往不能拍攝完整的車輛違章瞬間圖；不能獲得完整的高分辨率多車道圖像，可能造成事故難以評估等問題。在超速壓線行駛和突發(fā)事故占用多個(gè)車道的情況下，針對車輛違章抓拍系統(tǒng)無法采集

違章變道圖

【參考文獻(xiàn)】：
期刊論文
[1]基于對比度受限自適應(yīng)直方圖多種路面裂縫檢測與識別[J]. 周慧媛,邱書波,劉海英,馬宏偉.  齊魯工業(yè)大學(xué)學(xué)報(bào). 2018(05)
[2]用于遙感圖像拼接的改進(jìn)SURF算法[J]. 董強(qiáng),劉晶紅,周前飛.  吉林大學(xué)學(xué)報(bào)(工學(xué)版). 2017(05)
[3]基于置信區(qū)間的自適應(yīng)加權(quán)均值濾波算法[J]. 陳家益,黃楠,熊剛強(qiáng),曹會英,徐秋燕.  南京理工大學(xué)學(xué)報(bào). 2017(03)
[4]基于SURF特征的多機(jī)器人柵格地圖拼接方法[J]. 唐宏偉,孫煒,楊凱,林安平,呂云峰,程熙.  電子測量與儀器學(xué)報(bào). 2017(06)
[5]基于RANSAC的SIFT匹配閾值自適應(yīng)估計(jì)[J]. 劉川熙,趙汝進(jìn),劉恩海,洪裕珍.  計(jì)算機(jī)科學(xué). 2017(S1)
[6]結(jié)合自適應(yīng)高斯濾波的單幅圖像去霧方法[J]. 張晨光,史偉光,畢長浩.  云南大學(xué)學(xué)報(bào)(自然科學(xué)版). 2017(03)
[7]圖像局部特征自適應(yīng)的快速SIFT圖像拼接方法[J]. 陳月,趙巖,王世剛.  中國光學(xué). 2016(04)
[8]基于改進(jìn)SIFT和RANSAC圖像拼接算法研究[J]. 馬強(qiáng),項(xiàng)昭保,黃良學(xué),王博化.  計(jì)算機(jī)技術(shù)與發(fā)展. 2016(04)
[9]單攝像頭旋轉(zhuǎn)監(jiān)控下的快速圖像拼接[J]. 杜往澤,宋執(zhí)環(huán),閆文博,吳樂剛.  中國圖象圖形學(xué)報(bào). 2016 (02)
[10]基于二維伽馬函數(shù)的光照不均勻圖像自適應(yīng)校正算法[J]. 劉志成,王殿偉,劉穎,劉學(xué)杰.  北京理工大學(xué)學(xué)報(bào). 2016(02)

碩士論文
[1]基于ORB特征的無人機(jī)遙感圖像拼接技術(shù)研究[D]. 劉婷婷.天津理工大學(xué) 2017
[2]基于SURF的全景圖像的拼接[D]. 王亞迪.長春工業(yè)大學(xué) 2016
[3]基于改進(jìn)的圖像配準(zhǔn)方法的全景圖像拼接研究[D]. 李致遠(yuǎn).吉林大學(xué) 2015
[4]基于特征點(diǎn)的圖像拼接技術(shù)研究[D]. 趙斯曼.重慶大學(xué) 2015
[5]基于SURF特征匹配算法的全景圖像拼接[D]. 陳浩.西安電子科技大學(xué) 2010



本文編號：3334513