發(fā)布時(shí)間：2021-02-24 16:01

　　隨著經(jīng)濟(jì)的發(fā)展,人民也變的越來(lái)越富裕,也更加追求生活質(zhì)量的提高,更多的人購(gòu)買汽車作為交通工具,汽車的數(shù)量相對(duì)以前,增加的十分迅速。然而,更多的車輛也導(dǎo)致了更多的交通事故。交通安全已成為一個(gè)日益嚴(yán)重的問(wèn)題。隨著科技的發(fā)展,各種各樣提高汽車安全的系統(tǒng)與技術(shù)都被開(kāi)發(fā)出來(lái)。汽車行駛過(guò)程中,超過(guò)八成的環(huán)境信息是駕駛員通過(guò)雙眼看到的。與雷達(dá),超聲波,紅外等探測(cè)器相比,視覺(jué)傳感器在形式上是和駕駛員最為相似的。基于視覺(jué)的智能導(dǎo)航系統(tǒng)的概念在上世紀(jì)六十年代就已經(jīng)被提出,但當(dāng)時(shí)因?yàn)槭艿娇萍及l(fā)展的限制,計(jì)算機(jī)硬件落后,計(jì)算能力較差,無(wú)法進(jìn)行較為復(fù)雜的運(yùn)算,基于計(jì)算機(jī)視覺(jué)的相關(guān)應(yīng)用受到性能的限制。進(jìn)入二十一世紀(jì)以后,科技發(fā)展越來(lái)越快,同時(shí)計(jì)算機(jī)的運(yùn)算量也大大提高,基于這一背景條件,人們研究并提出了很多圖像處理相關(guān)的算法,并且運(yùn)動(dòng)物體的檢測(cè)和運(yùn)動(dòng)物體的跟蹤等應(yīng)用也逐漸被人開(kāi)發(fā)出來(lái),這些都提供了理論依據(jù)。所以,基于計(jì)算機(jī)視覺(jué)與圖像處理的輔助駕駛系統(tǒng)具有非常有意義的發(fā)展前景。本文的工作目標(biāo)是通過(guò)結(jié)合多種圖像處理技術(shù),通過(guò)視頻拼接拓展車輛側(cè)向視野,同時(shí)檢測(cè)并跟蹤側(cè)向行駛車輛,通過(guò)獲取它們的距離和速度大小方向,來(lái)預(yù)測(cè)側(cè)... 

【文章來(lái)源】：北京郵電大學(xué)北京市 211工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：68 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
ABSTRACT
第一章 緒論
    1.1 研究背景及研究現(xiàn)狀
        1.1.1 研究背景和意義
        1.1.2 國(guó)內(nèi)外研究現(xiàn)狀
    1.2 課題研究主要內(nèi)容
    1.3 論文結(jié)構(gòu)
第二章 系統(tǒng)相關(guān)技術(shù)原理研究
    2.1 攝像機(jī)標(biāo)定
        2.1.1 傳統(tǒng)相機(jī)標(biāo)定方法
        2.1.2 自標(biāo)定方法
        2.1.3 張正友棋盤標(biāo)定方法
    2.2 視頻拼接系統(tǒng)的關(guān)鍵技術(shù)
        2.2.1 視頻圖像拼接流程
        2.2.2 圖像配準(zhǔn)算法
        2.2.3 圖像融合技術(shù)
    2.3 目標(biāo)檢測(cè)提取方法
        2.3.1 常用的目標(biāo)檢測(cè)提取算法
        2.3.2 基于GMM算法的背景提取與目標(biāo)檢測(cè)算法
        2.3.3 GMM算法原理
第三章 基于改進(jìn)SURF算法的實(shí)時(shí)視頻拼接的研究與實(shí)現(xiàn)
    3.1 視頻拼接流程
    3.2 基于特征點(diǎn)的視頻拼接算法
        3.2.1 常用特征提取算法
        3.2.2 特征提取算法比較
    3.3 改進(jìn)的SURF特征提取算法設(shè)計(jì)
        3.3.1 SIFT特征提取流程
        3.3.2 SURF特征提取流程
        3.3.3 SURF特征點(diǎn)匹配
    3.4 基于查表法的視頻圖像轉(zhuǎn)換
    3.5 實(shí)驗(yàn)結(jié)果與本章小結(jié)
        3.5.1 實(shí)驗(yàn)結(jié)果及分析
        3.5.2 本章小結(jié)
第四章 結(jié)合卡爾曼濾波的Camshift車輛跟蹤算法的設(shè)計(jì)與實(shí)現(xiàn)
    4.1 運(yùn)動(dòng)目標(biāo)跟蹤的常用方法
        4.1.1 基于特征匹配的跟蹤方法
        4.1.2 基于模型的跟蹤方法
        4.1.3 基于區(qū)域的跟蹤方法
        4.1.4 基于輪廓匹配的跟蹤方法
    4.2 基于Camshift算法的跟蹤方法
        4.2.1 Meanshift跟蹤算法
        4.2.2 基于Camshift的跟蹤方法
    4.3 結(jié)合卡爾曼濾波的Camshift車輛跟蹤算法設(shè)計(jì)
        4.3.1 卡爾曼濾波原理
        4.3.2 基于卡爾曼濾波的車輛跟蹤算法
        4.3.3 Camshift算法與卡爾曼濾波相結(jié)合的車輛跟蹤算法
    4.4 本章小結(jié)實(shí)驗(yàn)結(jié)果與本章小結(jié)
        4.4.1 實(shí)驗(yàn)結(jié)果及分析
        4.4.2 本章小結(jié)
第五章 車輛側(cè)向防撞預(yù)警原型系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)
    5.1 防撞預(yù)警過(guò)程
    5.2 實(shí)驗(yàn)環(huán)境
    5.3 系統(tǒng)功能設(shè)計(jì)與實(shí)現(xiàn)
        5.3.1 視頻拼接功能
        5.3.2 車輛跟蹤監(jiān)測(cè)
        5.3.3 防撞預(yù)警
    5.4 實(shí)驗(yàn)結(jié)果與分析
    5.5 本章小結(jié)
第六章 工作總結(jié)與展望
參考文獻(xiàn)
致謝
攻讀學(xué)位期間發(fā)表的學(xué)術(shù)論文目錄


【參考文獻(xiàn)】：
期刊論文
[1]一種改進(jìn)的攝像頭視頻實(shí)時(shí)拼接方法[J]. 徐杰,金湘亮,白瑞廣.  計(jì)算機(jī)工程與應(yīng)用. 2013(24)
[2]我國(guó)高速公路交通事故特點(diǎn)分析[J]. 劉東,馬社強(qiáng),牛學(xué)軍.  中國(guó)人民公安大學(xué)學(xué)報(bào)(自然科學(xué)版). 2008(04)
[3]一種新的基于區(qū)域的高速公路多車輛跟蹤方案[J]. 蔡珣,孟祥旭,劉強(qiáng).  光電工程. 2006(06)
[4]工業(yè)視覺(jué)系統(tǒng)中攝像機(jī)定標(biāo)策略問(wèn)題[J]. 井建輝,張振東,吳文琪.  河北工業(yè)大學(xué)學(xué)報(bào). 2003(06)
[5]汽車防撞報(bào)警系統(tǒng)的研究和開(kāi)發(fā)[J]. 呂立波.  公安大學(xué)學(xué)報(bào)(自然科學(xué)版). 2002(06)
[6]公路上基于車載單目機(jī)器視覺(jué)的前方車距測(cè)量方法的研究[J]. 王榮本,李斌,儲(chǔ)江偉,紀(jì)壽文.  公路交通科技. 2001(06)
[7]一種新的基于主動(dòng)視覺(jué)系統(tǒng)的攝像機(jī)自標(biāo)定方法[J]. 雷成,吳福朝,胡占義.  計(jì)算機(jī)學(xué)報(bào). 2000(11)

碩士論文
[1]基于多攝像頭的實(shí)時(shí)視頻拼接技術(shù)的研究與實(shí)現(xiàn)[D]. 陶荷夢(mèng).北京工業(yè)大學(xué) 2016
[2]基于Mean Shift的視頻目標(biāo)跟蹤算法研究[D]. 丁業(yè)兵.安徽大學(xué) 2012
[3]基于互信息與小波變換的醫(yī)學(xué)圖像配準(zhǔn)方法研究[D]. 齊玲燕.南京郵電大學(xué) 2011
[4]基于視頻的車輛檢測(cè)與跟蹤技術(shù)研究[D]. 李躍發(fā).西安電子科技大學(xué) 2007
[5]高速公路追尾及側(cè)向碰撞預(yù)警系統(tǒng)模型的研究[D]. 胡鐵紅.長(zhǎng)安大學(xué) 2004



本文編號(hào)：3049612