隨著信息科學、計算機視覺以及智能汽車的不斷發(fā)展,具有顯示和定位功能的汽車全景輔助系統(tǒng)已成為相關領域科研工作者的研究熱點。汽車全景輔助系統(tǒng)具有全景可視化車身周圍信息,有效消除視覺盲區(qū),幫助駕駛者及時了解路況信息,提高駕駛汽車的相關安全技術等功能,得到了廣大使用者的青睞。然而,目前市場上的汽車全景顯示系統(tǒng)拼接實時性較差、視覺效果不清晰,且缺少對運動目標的檢測和定位功能(如:位置、速度和方向)。因此,本文將針對上述問題,研究一種具有移動物檢測和定位功能的汽車全景顯示系統(tǒng),該系統(tǒng)能夠實現(xiàn)圖像的快速拼接、運動目標的特征提取以及目標的位置、運動速度和方向的精確估計,具體研究內容如下:首先,研究了一種基于小波變換的新型SURF汽車全景輔助系統(tǒng)圖像拼接方法。該方法利用小波梯度矢量提取圖像重合區(qū)域的特征點,實現(xiàn)低頻圖像下快速獲得特征點,同時進一步利用圖像特征點約束的單向匹配和方向一致性,有效剔除誤匹配點對,從而提高特征點匹配精度和實時性。其次,探討了一種基于Vi Be和五幀差分算法的汽車全景輔助系統(tǒng)運動目標檢測方法。該方法針對傳統(tǒng)Vi Be算法檢測結果存在鬼影和陰影問題,通過多幀連續(xù)圖像初始化背景模型替... 

【文章來源】：安徽工程大學安徽省

【文章頁數(shù)】：66 頁

【學位級別】：碩士

【部分圖文】：

駕駛員視覺盲區(qū)示意圖

景再現(xiàn)、圖像恢復和特征提取等傳統(tǒng)問題也成為許多專業(yè)人員研究的主目標檢測與跟蹤技術的主要作用是在不間斷的圖像序列中將運動目標從興趣的背景中檢測提取出來，選擇感興趣的內容作為識別對象，并獲得運動信息[3]，如何將計算機視覺處理和定位技術應用到智能汽車領域已研究人員密切關注的熱點，汽車全景顯示系統(tǒng)倒車入庫圖如圖 1-2 所示

在運動目標檢測方面：汽車全景顯示系統(tǒng)具有探知移動物功能圖如圖1-3 所示。對于運動目標檢測，國內外的科研人員提出了許多比較完善且經(jīng)典的運動目標檢測算法，其中比較經(jīng)典的算法有：背景減除法（BackgroundSubtraction）、幀間差分法（Temporal Difference）、光流法（Optical Flow）、圖割（Graph Cuts）[16]，并在這些經(jīng)典算法的基礎上進行改進，其引申出其他運動目標檢測算法。但對于運動目標視頻場景的不同，或者針對于某個具體研究的問題，它們既有各自的優(yōu)點也有各自的缺點，當前并沒有一種能夠適用于解決各類場景下的運動目標的檢測算法。視覺背景提取算法（Visual Background extractor，ViBe）是由 Olivier Barnich 等[17]在 2009 年第 34 屆 IEEE International Conference onAcoustics，Speech，and Signal Processing 會議上提出。ViBe 算法主要包括三個方面：背景模型的建立及初始化、像素分類過程、背景模型的實時更新。相比較前幾種運動目標檢測算法或在其上改進方法而言，ViBe 算法在運動目標檢測的效果上具有先進性。該算法受到許多國內的科研技術者進一步的研究和創(chuàng)新。對于ViBe 算法有著不能分割重疊對象的缺陷，2013年4月合肥工業(yè)大學吳東飛[18]采用了使用 HOG 特征的 SVM 分類器來完成對目標的分割

【參考文獻】：
期刊論文
[1]一種改進的ViBe運動目標檢測算法[J]. 王嬌,韓加蓬,劉二全,范照輝,郭棟,譚德榮.  廣西大學學報(自然科學版). 2017(06)
[2]基于SACON模型和五幀差分法的目標檢測算法[J]. 朱世松,付萬超.  測控技術. 2017(12)
[3]基于ViBe的運動目標檢測改進方法[J]. 丁潔,況立群,韓燮.  計算機工程與設計. 2017(02)
[4]基于雙背景模型的改進Vibe運動目標檢測算法[J]. 周超康,戰(zhàn)蔭偉,馮開平.  電視技術. 2016(04)
[5]基于改進Vibe算法的行人目標檢測[J]. 仇春春,王恬,程海粟,曹美.  信息技術. 2016(03)
[6]混合高斯模型與三幀差分法相結合的建模新算法[J]. 李搏軒,沈永良,胡月.  黑龍江大學工程學報. 2016(01)
[7]基于SURF的圖像配準改進算法[J]. 張鳳晶,王志強,吳迪,于光.  長春理工大學學報(自然科學版). 2016(01)
[8]基于分層模型與局部復原的多聚焦圖像融合方法[J]. 魏利勝,張平改.  儀器儀表學報. 2016(01)
[9]基于五幀差分法的動態(tài)目標檢測新算法[J]. 郭春鳳.  重慶科技學院學報(自然科學版). 2015(05)
[10]相機陣列中無視場重合圖像時間配準方法研究[J]. 王帥,李迎春,張廷華.  電子測量技術. 2015(10)

博士論文
[1]基于單目視覺的運動目標跟蹤定位技術研究[D]. 姚楠.上海交通大學 2014
[2]車載全景影像獲取關鍵技術研究[D]. 高文武.武漢大學 2014
[3]基于單目視覺的目標識別與定位研究[D]. 馮春.南京航空航天大學 2013
[4]單目視覺移動機器人的定位與建圖研究[D]. 陳偉.國防科學技術大學 2008

碩士論文
[1]基于背景建模運動目標檢測算法的研究[D]. 劉濤濤.鄭州大學 2016
[2]基于背景建模的運動目標檢測與分割算法[D]. 王丹.西安電子科技大學 2015
[3]基于ViBe的運動目標檢測與陰影消除方法研究[D]. 桂斌.安徽大學 2015
[4]全方位視頻運動目標檢測跟蹤算法和應用研究[D]. 趙偉勇.浙江工業(yè)大學 2014
[5]基于雙目視覺的運動目標跟蹤算法研究與應用[D]. 陳誠.哈爾濱工業(yè)大學 2014
[6]視頻運動目標檢測的若干算法研究[D]. 周丹.江西理工大學 2013
[7]靜態(tài)場景下多運動目標檢測與跟蹤[D]. 吳東飛.合肥工業(yè)大學 2013
[8]基于單目視覺的實時車距測量方法研究[D]. 陳琦.武漢理工大學 2013
[9]視頻圖像目標檢測與識別算法優(yōu)化[D]. 董小舒.南京理工大學 2013
[10]無人機對地面目標位姿的單目視覺測量方法研究[D]. 洪榮.國防科學技術大學 2012



本文編號：2944835