本文關(guān)鍵詞：交通事故現(xiàn)場散落物特征識別及提取技術(shù)研究

  更多相關(guān)文章： 交通事故 散落物 圖像處理 特征識別 比例轉(zhuǎn)換

【摘要】：散落物包含了交通事故現(xiàn)場眾多重要信息,識別及提取事故現(xiàn)場散落物相關(guān)特征值可以為求解事故車輛的碰撞速度提供重要的依據(jù),為交通事故的處理提供一定佐證。本論文以交通事故現(xiàn)場散落物為研究對象,依據(jù)相機成像的理論模型與事故現(xiàn)場散落物的特點,結(jié)合MATALB軟件提出了一種相機標定系統(tǒng),以減小標定過程中背景環(huán)境造成的誤差,設計結(jié)構(gòu)尺寸已知的紅色標定物,獲取含有標定物的俯視攝影圖像,應用MATLAB軟件編程對圖像中的標定物進行提取,建立標定物實際值與圖像值之間的關(guān)系模型。為進一步減少特征識別過程中的誤差因素,對散落物圖像進行灰度變換、直方圖均衡化、去噪、圖像銳化預處理操作；分別應用Roberts算子、Sobel算子、Prewitt算子、高斯-拉普拉斯算子、Canny算子對兩種不同背景環(huán)境下的散落物圖像進行邊緣檢測,根據(jù)圖像處理結(jié)果的對比分析,本文對散落物的圖像進行維納濾波去噪、拉普拉斯銳化、Canny算法邊緣檢測的處理來提高圖像處理的精度。以圓形和不規(guī)則散落物為例,設計模擬試驗,應用提出的標定方法與圖像處理方法進行散落物特征識別,計算識別結(jié)果并與實際測量結(jié)果比較,驗證提出的方法的準確性。根據(jù)相似原理及實際條件,設計汽車模擬碰撞試驗,進行了汽車碰撞固定障礙壁的試驗和兩車以一定車速相碰的試驗,應用提出的標定系統(tǒng)獲取事故現(xiàn)場散落物圖像,依據(jù)分析的最優(yōu)圖像預處理及邊緣檢測算法編寫圖像處理程序,將MATLAB計算結(jié)果與實際測量結(jié)果比較,誤差范圍集中在0.53%～10.31%,僅有一個散落物尺寸誤差為13.59%,分析原因,該物體比較小,相機在拍攝時的高度比較高,產(chǎn)生了一定的深度誤差,其次由于是單目拍攝的方法,實際背景環(huán)境不理想,可能會導致誤差較大。通過驗證知：通過提出的標定系統(tǒng),對交通事故現(xiàn)場中散落物圖像特征識別,識別后的參數(shù)計算結(jié)果可信,且操作簡單,可以向交警部門推廣應用,拓展散落物的應用范圍,為事故現(xiàn)場處理提供一定佐證。
【關(guān)鍵詞】：交通事故 散落物 圖像處理 特征識別 比例轉(zhuǎn)換
【學位授予單位】：東北林業(yè)大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：TP391.41;U491.3
【目錄】：

• 摘要3-4
• Abstract4-8
• 1 緒論8-13
• 1.1 研究的背景與意義8-10
• 1.1.1 研究的背景8-9
• 1.1.2 研究的目的意義9-10
• 1.2 國內(nèi)外研究現(xiàn)狀10-12
• 1.2.1 國外研究現(xiàn)狀10-11
• 1.2.2 國內(nèi)研究現(xiàn)狀11-12
• 1.3 論文主要研究內(nèi)容12-13
• 2 散落物圖像處理標定系統(tǒng)的設計13-20
• 2.1 相機成像的理論模型和圖像三維重建原理13-15
• 2.2 相機標定方法的分類15-16
• 2.2.1 傳統(tǒng)相機標定方法15
• 2.2.2 相機自標定方法15-16
• 2.2.3 基于主動視覺的相機標定方法16
• 2.3 相機標定在散落物圖像采集中的實現(xiàn)16-17
• 2.4 散落物圖像處理標定系統(tǒng)17-19
• 2.5 本章小結(jié)19-20
• 3 事故現(xiàn)場散落物圖像預處理20-34
• 3.1 散落物圖像灰度變換20-25
• 3.1.1 散落物圖像灰度變換函數(shù)21-23
• 3.1.2 散落物圖像直方圖均衡化23-25
• 3.2 散落物圖像平滑25-30
• 3.2.1 噪聲25-27
• 3.2.2 中值濾波去噪27-29
• 3.2.3 維納濾波去噪29-30
• 3.3 圖像銳化30-33
• 3.3.1 Roberts梯度銳化30-31
• 3.3.2 高通濾波銳化31
• 3.3.3 Laplacian拉普拉斯銳化31-33
• 3.4 本章小結(jié)33-34
• 4 散落物圖像特征識別34-57
• 4.1 閾值分割算法34-36
• 4.1.1 迭代分割算法34-35
• 4.1.2 直方圖分割算法35-36
• 4.2 散落物圖像邊緣檢測36-51
• 4.2.1 圖像邊緣檢測分類37-43
• 4.2.2 散落物圖像邊緣檢測43-51
• 4.3 散落物特征識別試驗驗證51-55
• 4.3.1 理論引例51-52
• 4.3.2 圓形散落物的特征識別52-54
• 4.3.3 矩形等規(guī)則多邊形物體的特征提取54
• 4.3.4 不規(guī)則物體的特征提取54-55
• 4.4 本章小結(jié)55-57
• 5 散落物特征識別案例驗證與分析57-64
• 5.1 汽車碰撞散落物模擬試驗裝置57-58
• 5.2 模擬碰撞試驗中散落物特征識別試驗驗證58-62
• 5.3 散落物圖像特征識別結(jié)果分析62-63
• 5.4 本章小結(jié)63-64
• 結(jié)論64-65
• 參考文獻65-68
• 攻讀學位期間發(fā)表的學術(shù)論文68-69
• 致謝69-70

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 王容;;淺談數(shù)字圖像處理技術(shù)的應用與發(fā)展[J];網(wǎng)絡安全技術(shù)與應用;2014年07期

2 林捷;龔先冬;;交通事故現(xiàn)場散落物的勘查與運用[J];福建警察學院學報;2014年03期

3 吳新杰;王苗苗;黃國興;;基于粒子濾波和機器視覺的圓形零件尺寸測量[J];機械設計與制造;2012年11期

4 趙秀玲;;計算機技術(shù)在交通事故處理中的應用[J];硅谷;2010年02期

5 管宏蕊;丁輝;;圖像邊緣檢測經(jīng)典算法研究綜述[J];首都師范大學學報(自然科學版);2009年S1期

6 盧允偉;陳友榮;;基于拉普拉斯算法的圖像銳化算法研究和實現(xiàn)[J];電腦知識與技術(shù);2009年06期

7 張春霞;吳笑偉;;計算機技術(shù)在交通事故再現(xiàn)中的應用[J];交通標準化;2008年Z1期

8 顧強;;汽車碰撞散落物分布研究[J];交通標準化;2007年06期

9 陸玉凱;金先龍;黃靖;侯心一;;基于輪胎印跡的事故再現(xiàn)方法研究[J];汽車工程;2006年03期

10 饒海濤,翁桂榮;基于數(shù)學形態(tài)學的圖像邊緣檢測[J];蘇州大學學報(自然科學版);2004年02期

，

本文編號：581848