隨著科學(xué)技術(shù)的發(fā)展,越來越多的國(guó)家開展無人駕駛技術(shù)的研究。道路環(huán)境檢測(cè)作為自動(dòng)駕駛技術(shù)的基礎(chǔ),直接影響自動(dòng)駕駛車輛的性能。視覺導(dǎo)航技術(shù)具有簡(jiǎn)單、靈活、廉價(jià)的特點(diǎn),受到人們廣泛關(guān)注。道路可以分為結(jié)構(gòu)化與非結(jié)構(gòu)化道路。結(jié)構(gòu)化道路具有清晰的人工標(biāo)記車道線;非結(jié)構(gòu)化道路則沒有人工標(biāo)線,且往往結(jié)構(gòu)多變,存在陰影、積水等因素的干擾。本文旨在對(duì)存在陰影、雨雪、積水等因素干擾的非結(jié)構(gòu)化道路,實(shí)現(xiàn)較準(zhǔn)確的道路區(qū)域檢測(cè),以及,在行進(jìn)狀態(tài)下,實(shí)現(xiàn)對(duì)道路上其他車輛、行人等障礙物的檢測(cè)識(shí)別。對(duì)于道路的檢測(cè),以基于信息熵的圖像分割為基礎(chǔ)并對(duì)其進(jìn)行優(yōu)化。首先,通過圖像預(yù)處理,排除噪聲的干擾,壓縮數(shù)據(jù)量,增強(qiáng)細(xì)節(jié)信息。其次,分析比對(duì)幾種圖像分割方法,采用快速遞推的二次二維最大熵分割算法,對(duì)像素初步定性;引入自適應(yīng)模板,計(jì)算待定區(qū)域點(diǎn)到道路區(qū)域與非道路區(qū)域的Mahalanobis距離,進(jìn)行特征提取,并將其輸入SVM分類器,優(yōu)化分割效果。最后,考慮邊界區(qū)域結(jié)構(gòu)特征,利用改進(jìn)分塊算法對(duì)分割圖像分塊處理,快速提取邊緣點(diǎn);利用隨機(jī)抽樣一致算法進(jìn)一步優(yōu)化邊緣點(diǎn),排除偽邊緣的干擾;選取二次曲線模型,通過最小二乘法,實(shí)現(xiàn)道路邊界的擬... 

【文章來源】：河南科技大學(xué)河南省

【文章頁數(shù)】：78 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

RGB顏色模型

第 2 章 道路圖像預(yù)處理,1( , ) ( , )9x y Zg x y f x y (2-5)作為一種簡(jiǎn)單的線性濾波器，均值濾波在處理噪聲干擾時(shí)，是沒有選擇性的，總是對(duì)一定區(qū)域內(nèi)的像素灰度統(tǒng)一處理，對(duì)于異常噪點(diǎn)不加剔除。這就導(dǎo)致了均值濾波在消除噪點(diǎn)的同時(shí)，對(duì)圖像本身也產(chǎn)生巨大影響，往往造成圖像模糊，細(xì)節(jié)信息丟失。針對(duì)一副添加椒鹽噪聲的圖像，進(jìn)行均值濾波處理，結(jié)果如圖 2-4 所示。

14(c) 3*3 窗口 (d) 5*5 窗口圖 2-5 中值濾波效果對(duì)比Fig. 2-4 Comparison of median filtering effect通過分析比對(duì)圖 2-4 與圖 2-5 的濾波效果可以看出，中值濾波濾除了椒鹽噪聲的同時(shí)，較好的保持了圖像的邊緣信息，本文采用中值濾波進(jìn)行濾波處理。2.3.2 圖像增強(qiáng)在實(shí)際道路環(huán)境中，由于存在雜草、陰影、積水等各類干擾，道路與非道路的分界線往往不清晰，容易混淆。為減少各類干擾因素的影響，使得道路邊緣清

【參考文獻(xiàn)】：
期刊論文
[1]基于數(shù)字圖像直方圖均衡化改進(jìn)算法的設(shè)計(jì)研究[J]. 王瑋.  佳木斯大學(xué)學(xué)報(bào)(自然科學(xué)版). 2018(06)
[2]對(duì)比度增強(qiáng)的彩色圖像灰度化算法[J]. 劉美,薛新松,劉廣文,劉智,才華.  長(zhǎng)春理工大學(xué)學(xué)報(bào)(自然科學(xué)版). 2018(05)
[3]數(shù)字圖像增強(qiáng)技術(shù)研究與實(shí)現(xiàn)[J]. 楊超.  電腦編程技巧與維護(hù). 2018(09)
[4]基于改進(jìn)幀差法的視覺監(jiān)控實(shí)驗(yàn)系統(tǒng)[J]. 陸子幸,宋健,王凱,解福祥.  實(shí)驗(yàn)室研究與探索. 2018(09)
[5]基于聚類的圖像分割方法綜述[J]. 趙祥宇,陳沫涵.  信息技術(shù). 2018(06)
[6]基于信息熵的自適應(yīng)尺度活動(dòng)輪廓圖像分割模型[J]. 蔡青,劉慧英,孫景峰,李靖,周三平.  西北工業(yè)大學(xué)學(xué)報(bào). 2017(02)
[7]基于消失點(diǎn)的非結(jié)構(gòu)化道路識(shí)別及導(dǎo)航預(yù)警[J]. 丁偉利,李勇,王文鋒.  光電工程. 2016(10)
[8]支持向量機(jī)的算法及應(yīng)用綜述[J]. 張松蘭.  江蘇理工學(xué)院學(xué)報(bào). 2016(02)
[9]農(nóng)業(yè)機(jī)械自動(dòng)導(dǎo)航技術(shù)研究進(jìn)展[J]. 胡靜濤,高雷,白曉平,李逃昌,劉曉光.  農(nóng)業(yè)工程學(xué)報(bào). 2015(10)
[10]智能汽車技術(shù)發(fā)展趨勢(shì)[J]. 陳慧,徐建波.  中國(guó)集成電路. 2014(11)

博士論文
[1]鄉(xiāng)村道路環(huán)境下農(nóng)業(yè)機(jī)器人導(dǎo)航避障算法研究[D]. 劉瓊.西北農(nóng)林科技大學(xué) 2017
[2]自主行走農(nóng)業(yè)機(jī)器人視覺導(dǎo)航信息處理技術(shù)研究[D]. 沈明霞.南京農(nóng)業(yè)大學(xué) 2001

碩士論文
[1]基于改進(jìn)光流法的運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤研究[D]. 郭向威.廣西大學(xué) 2018
[2]基于OTSU和最大熵的閾值分割算法的研究[D]. 王利奉.哈爾濱理工大學(xué) 2018
[3]基于機(jī)器視覺的非結(jié)構(gòu)化道路識(shí)別與障礙物檢測(cè)研究[D]. 鐘鵬飛.華南農(nóng)業(yè)大學(xué) 2016
[4]非結(jié)構(gòu)化道路識(shí)別及擬合算法研究[D]. 曹旭光.東華理工大學(xué) 2015
[5]基于機(jī)器視覺的車道線識(shí)別技術(shù)研究[D]. 燕磬.長(zhǎng)沙理工大學(xué) 2015



本文編號(hào)：3601329