發(fā)布時間：2017-09-16 09:35

  本文關(guān)鍵詞：基于單目視覺的道路信息提取與智能預(yù)警

  更多相關(guān)文章： 消失點 道路提取 導(dǎo)航線 智能預(yù)警 深度估計

【摘要】：隨著汽車使用量的快速增長與道路交通的快速發(fā)展,汽車輔助駕駛已經(jīng)成為保障交通安全的一項重要研究課題。而汽車輔助駕駛系統(tǒng)中的導(dǎo)航、智能預(yù)警等功能均依賴于對道路場景的理解�；谝曈X的道路信息提取技術(shù)是道路場景理解的關(guān)鍵技術(shù)。本文基于單目視覺技術(shù),針對復(fù)雜城市道路和非結(jié)構(gòu)化道路的信息提取與智能預(yù)警方法進(jìn)行了深入的研究,具體研究內(nèi)容包括以下幾方面:首先,針對復(fù)雜城市道路和非結(jié)構(gòu)化道路,提出了基于平行線與豎直包絡(luò)線的道路消失點檢測算法和基于暗原色的消失點檢測算法。提出算法分別利用平行線和暗原色分割區(qū)域輪廓中的直線信息,計算豎直線包絡(luò),并估計出道路區(qū)域范圍,再利用分組策略求解道路區(qū)域中任意兩條直線的交點,并通過聚類方法估計出消失點的準(zhǔn)確位置。進(jìn)一步地,本文將上述兩種消失點檢測算法相結(jié)合并進(jìn)行優(yōu)化改進(jìn),提出了一種快速的消失點檢測算法。然后,提出了基于消失點的道路識別及導(dǎo)航信息提取算法,為車道偏離預(yù)警奠定了基礎(chǔ)。算法首先針對消失點和邊界軟投票進(jìn)行道路區(qū)域分析,再根據(jù)汽車行駛特點在提取的道路區(qū)域進(jìn)行導(dǎo)航信息提取,通過計算車輛行駛的偏航角及預(yù)警時間,得到偏航方向并按照預(yù)警決策方法對車道偏離進(jìn)行預(yù)警。此外,本文結(jié)合暗原色原理,實現(xiàn)了農(nóng)機(jī)具特殊道路的導(dǎo)航線提取。最后,根據(jù)消失點、識別的道路區(qū)域和區(qū)域特征理解,提出了一種基于輪廓的城市道路圖像深度估計算法。算法利用圖像分割得到一系列封閉區(qū)域,再統(tǒng)計每個分割區(qū)域自身的多元特征,并估計道路消失點�；谶@些特征,實現(xiàn)天空、垂直面和道路區(qū)域的分割和三維空間推理,最后根據(jù)典型道路的深度變化規(guī)律實現(xiàn)對道路圖像的深度估計。為智能交通導(dǎo)航中道路、障礙物和行人檢測的深度信息進(jìn)行準(zhǔn)確預(yù)測和感知提供了重要依據(jù)。
【關(guān)鍵詞】：消失點 道路提取 導(dǎo)航線 智能預(yù)警 深度估計
【學(xué)位授予單位】：燕山大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：U463.6;TP391.41
【目錄】：

• 摘要5-6
• ABSTRACT6-11
• 第1章 緒論11-19
• 1.1 本課題的研究背景及意義11
• 1.2 國內(nèi)外研究現(xiàn)狀11-17
• 1.2.1 消失點13-14
• 1.2.2 道路檢測14-15
• 1.2.3 偏航預(yù)警15-16
• 1.2.4 深度估計16-17
• 1.3 本文研究內(nèi)容及結(jié)構(gòu)安排17-19
• 1.3.1 研究內(nèi)容17
• 1.3.2 結(jié)構(gòu)安排17-19
• 第2章 道路圖像的直線與平行線提取19-28
• 2.1 道路圖像模型假設(shè)及分析19-20
• 2.1.1 消失點19
• 2.1.2 道路圖像模型基本假設(shè)19-20
• 2.2 直線、平行線檢測20-25
• 2.2.1 基于邊緣編碼的平行線提取20-23
• 2.2.2 基于誤差判斷的直線檢測23-24
• 2.2.3 基于角點和主元分析的直線檢測24-25
• 2.3 本文算法思路簡述25-26
• 2.4 本章小結(jié)26-28
• 第3章 基于單幅圖像的消失點檢測28-57
• 3.1 基于垂線包絡(luò)和平行線對的城市道路圖像消失點檢測算法28-35
• 3.1.1 平行線及豎直線提取29-30
• 3.1.2 基于垂直包絡(luò)線的道路區(qū)域平行線提取30-31
• 3.1.3 道路區(qū)域消失點估計31-33
• 3.1.4 實驗結(jié)果與分析33-35
• 3.2 基于暗原色的非結(jié)構(gòu)化道路消失點檢測算法35-44
• 3.2.1 基于暗原色的圖像分割算法35-37
• 3.2.2 道路直線提取37-38
• 3.2.3 消失點估計38-39
• 3.2.4 參數(shù)討論39-40
• 3.2.5 實驗結(jié)果及分析40-44
• 3.3 快速消失點檢測算法44-56
• 3.3.1 基于豎直包絡(luò)線和透視三角形的區(qū)域分割44-46
• 3.3.2 道路區(qū)域直線提取46-48
• 3.3.3 消失點估計48-50
• 3.3.4 實驗結(jié)果及分析50-56
• 3.4 本章小結(jié)56-57
• 第4章 基于消失點信息的道路導(dǎo)航與預(yù)警57-76
• 4.1 基于消失點的邊界軟投票道路檢測算法57-63
• 4.1.1 消失點估計57
• 4.1.2 候選道路邊界線提取57-58
• 4.1.3 基于軟投票的邊界選取58-59
• 4.1.4 全局道路區(qū)域提取59-60
• 4.1.5 道路檢測結(jié)果及分析60-63
• 4.2 基于道路導(dǎo)航線的智能預(yù)警63-67
• 4.2.1 道路導(dǎo)航線及偏航角度計算63-64
• 4.2.2 偏離智能預(yù)警參數(shù)計算及決策方案64-66
• 4.2.3 導(dǎo)航線及偏航角提取結(jié)果與分析66-67
• 4.3 基于暗原色的農(nóng)田道路視覺導(dǎo)航線提取算法67-74
• 4.3.1 農(nóng)業(yè)道路導(dǎo)航線提取算法概述67-68
• 4.3.2 基于暗原色原理的圖像預(yù)處理68-71
• 4.3.3 基于垂直投影法的中心導(dǎo)航線提取71-72
• 4.3.4 實驗結(jié)果與分析72-74
• 4.4 本章小結(jié)74-76
• 第5章 基于輪廓特征理解的城市道路圖像深度估計76-83
• 5.1 道路圖像分割76-77
• 5.2 道路圖像特征提取77-78
• 5.2.1 區(qū)域特征向量77-78
• 5.2.2 道路消失點估計78
• 5.3 道路圖像三維結(jié)構(gòu)推理78-79
• 5.4 三維道路圖像深度估計79-80
• 5.5 實驗結(jié)果與分析80-82
• 5.6 本章小結(jié)82-83
• 結(jié)論83-85
• 參考文獻(xiàn)85-91
• 攻讀碩士學(xué)位期間承擔(dān)的科研任務(wù)與主要成果91-93
• 致謝93

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前3條

1 萬劍;趙愷;王維鋒;;基于高維特征和RBF神經(jīng)網(wǎng)絡(luò)的濕滑道路圖像判別方法[J];交通信息與安全;2013年02期

2 劉加海;白洪歡;黃微凹;;基于彩色和邊緣信息融合的道路分割算法[J];浙江大學(xué)學(xué)報(工學(xué)版);2006年01期

3 ;[J];;年期

中國重要會議論文全文數(shù)據(jù)庫 前2條

1 徐國保;尹怡欣;殷路;郝彥爽;周美娟;;基于細(xì)胞神經(jīng)網(wǎng)的道路圖像快速分割算法[A];第二十六屆中國控制會議論文集[C];2007年

2 吳晴;吳振華;;基于HLS模型的道路圖像邊緣檢測[A];中國儀器儀表學(xué)會2008學(xué)術(shù)年會第二屆智能檢測控制技術(shù)及儀表裝置發(fā)展研討會論文集[C];2008年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前6條

1 曹旭光;非結(jié)構(gòu)化道路識別及擬合算法研究[D];東華理工大學(xué);2015年

2 任龍輝;基于DM642的車道偏離預(yù)警中道路圖像前端處理系統(tǒng)的研究[D];長安大學(xué);2015年

3 李勇;基于單目視覺的道路信息提取與智能預(yù)警[D];燕山大學(xué);2016年

4 張利平;視覺導(dǎo)航系統(tǒng)中道路圖像處理技術(shù)研究[D];中北大學(xué);2007年

5 張恒;霧天道路圖像增強(qiáng)方法的研究[D];長沙理工大學(xué);2011年

6 朱釤;基于DSP道路識別技術(shù)研究[D];武漢理工大學(xué);2010年

，

本文編號：862271