近年來,軌道交通行業(yè)發(fā)展迅速,而調(diào)車機車的作業(yè)場景開放復雜,司機控制工作量大,存在諸多安全隱患,有著輔助駕駛的需求。本文從調(diào)車機車駕駛的實際需求出發(fā),針對作業(yè)過程中存在的侵限安全和駕駛控制兩大關鍵問題,基于機器視覺技術展開研究,主要內(nèi)容如下:(1)提出調(diào)車機車監(jiān)控視頻預處理算法,實現(xiàn)了霧天、夜晚和雨天多種惡劣環(huán)境的圖像增強。霧天中,先將Retinex算法的中心環(huán)繞高斯濾波修改為雙邊濾波,去除噪聲的同時,保證邊緣信息完整性,以此獲得對數(shù)域的增強結果;再采用Sigmoid函數(shù)對其進行處理,降低運算量,還原真實顏色。夜晚中,基于HSV顏色空間,獲取光源位置,保留顏色信息,并減小光源區(qū)域對周邊的干擾;所得到的圖像反色后采用暗通道先驗算法進行類霧天增強;再結合白天對應圖像的Lab直方圖信息改善偏色現(xiàn)象。雨天中,采用分數(shù)階傅里葉變換處理圖像,得到方向頻譜能量曲線,提取雨痕方向,以此旋轉圖像將高頻信息中非雨痕邊緣濾除,并提高橫向周邊像素權重,得到雨天增強圖像。文中不同環(huán)境下增強圖像的視覺效果和客觀評價指標表明,新提出的算法提高了圖像對比度,更好的還原了色彩信息,為司機和后續(xù)計算提供了清晰圖像。(2)...

【文章頁數(shù)】：150 頁

【學位級別】：博士

【部分圖文】：

圖１－３是本文通過對現(xiàn)有技術分析得到的軌道交通技術成熟度曲線：??

?（ｅ）?（ｆ）??圖１－２鐵軌區(qū)域異常環(huán)境示意圖??Ｆｉｇ．?１－２?Ｉｍａｇｅｓ?ｏｆ?ａｂｎｏｒｍａｌ?ｃｏｎｄｉｔｉｏｎｓ?ｏｎ?ｒａｉｌｗａｙ?ｔｒａｃｋ??從軌道交通技術的發(fā)展趨勢可以看出，機器視覺相關技術是未來多年內(nèi)十分??重要的研究發(fā)展方向，隨著時間的推移會應用到....

圖1-3軌道交通技術成熟度曲線

（ａ）?（ｂ）?（ｃ）??（ｄ）?（ｅ）?（ｆ）??圖１－２鐵軌區(qū)域異常環(huán)境示意圖??Ｆｉｇ．?１－２?Ｉｍａｇｅｓ?ｏｆ?ａｂｎｏｒｍａｌ?ｃｏｎｄｉｔｉｏｎｓ?ｏｎ?ｒａｉｌｗａｙ?ｔｒａｃｋ??從軌道交通技術的發(fā)展趨勢可以看出，機器視覺相關技術是未來多年內(nèi)十分??重要的研究....

圖1-5鐵軌檢測算法示意圖

ｇ．－ａｇｒａｍ?ｏｒａｗａｙ?ｔｒａｃｅｔｅｃｔｏｎ?ａｇｏｒｔｍ??對于鐵路站場和工礦路段的限界指的是鐵軌之間及其周邊區(qū)域，保證調(diào)車機??車能夠安全平穩(wěn)的作業(yè)，實時監(jiān)控系統(tǒng)真正感興趣區(qū)域（Ｒｅｇｉｏｎ?Ｏｆ?Ｉｎｔｅｒｅｓｔ，ＲＯＩ）??為限界區(qū)域，行人侵入限界在圖像中的劃分....

圖1-6深度學習行人檢測原理圖

到Ｃｏｄｅｂｏｏｋ背景建模算法中，通過背景建模算法為行人檢測提供候選搜索范圍，降低行人誤檢率［５８］。上述算法都是由研究者們提取的行人特練學習得到的檢測方式，傳統(tǒng)的行人檢測特征如表１－２所示：??表１－２經(jīng)典行人檢測特征概覽???Ｔａｂｌｅ?１－２?Ｃｌａｓｓｉｃａｌ?ｐｅｄｅｓ....

本文編號：3997616