發(fā)布時間：2021-01-04 05:37

　　車道圖像拼接技術(shù)是當前智能化交通領域的研究熱點。現(xiàn)階段車道攝像機拍攝到的車道圖像分辨率高但視野窄。交通部門需要高分辨率且寬視野的車道圖像。本文對現(xiàn)有拼接技術(shù)進行優(yōu)化,為了提高車道圖像拼接質(zhì)量,本文研究了基于ORB特征配準的車道圖像拼接技術(shù),首先利用改進的GMS算法對粗匹配進行提純,提升了車道圖像配準精度。然后采用結(jié)合最優(yōu)縫合線的加權(quán)融合算法解決拼接圖像邊界裂縫問題,獲得高質(zhì)量的車道拼接圖像。本文主要研究工作包括:1.本文使用ORB特征提取方法提取車道圖像特征點,在特征點匹配階段,提出改進的GMS算法對粗匹配提純,剔除錯誤匹配。實驗表明該算法有效提高了圖像配準的精確度。2.本文針對車道拼接圖像邊界處存在裂縫問題,使用結(jié)合最優(yōu)縫合線的加權(quán)融合算法對車道拼接圖像邊界處一定鄰域范圍進行融合。實驗表明該算法有效平滑了拼接裂縫,圖像整體觀感得到提高。3.本文設計并實現(xiàn)了車道圖像拼接原型系統(tǒng)。該系統(tǒng)在圖像配準階段使用改進的GMS算法對粗匹配提純,采用結(jié)合最優(yōu)縫合線的加權(quán)融合算法對拼接圖像融合,得到高質(zhì)量的車道拼接圖像。 

【文章來源】：重慶郵電大學重慶市

【文章頁數(shù)】：52 頁

【學位級別】：碩士

【部分圖文】：

車道圖像拼接算法流程圖

重慶郵電大學碩士學位論文第2章理論基礎概述7(c)經(jīng)中值濾波降噪后圖像(d)經(jīng)高斯濾波降噪后圖像(e)經(jīng)雙邊濾波降噪后圖像(f)經(jīng)導向濾波降噪后圖像圖2.2車道圖像去噪效果圖車道圖像均值濾波[23]首先需要構(gòu)建均值濾波模板，然后利用構(gòu)建的均值濾波模板對整幅圖像進行掩模操作，將掩模計算得到的像素均值取代原中心像素值。此方法降噪效果十分明顯，但該方法會損失圖像的邊緣信息以及圖像的細節(jié)特征，不利于車道圖像特征提齲車道圖像高斯濾波主要通過設定高斯濾波矩陣的權(quán)值，通過高斯濾波矩陣得到高斯權(quán)值掩模，對整幅圖像進行高斯掩模運算得到降噪圖像。由于高斯濾波是一種

重慶郵電大學碩士學位論文第2章理論基礎概述10RobustIndependentElementaryFeatures,BRIEF)的特征點描述方法，使用改進后的BRIEF算法對特征點進行描述。FAST特征檢測方法相比于傳統(tǒng)的特征檢測方法在運算速度上有著大幅度提高，該算法核心思想是通過選定某個像素點，統(tǒng)計該像素點領域中存在的不同灰度像素個數(shù)，判斷該點與其余點是否處于同一灰度域[33]，當處于不同灰度域時確定該點為一個FAST角點。具體過程如下：1.隨機選取圖像中任意像素點，2.以此像素點為圓心半徑為R構(gòu)建圓形鄰域區(qū)域。如圖2.3所示，該圓形鄰域的原點為P，針對圓形外圍圈中的像素點進行編號，將編號中的像素點與原點像素值做差，求取絕對值并將其與事先設定的閾值作比較，計算公式為：oPPx(2.1)圖2.3FAST特征檢測鄰域其中xP表示圓圈外圍像素值，oP表示圓圈中心像素值，表示設定閾值。FAST算法提到當出現(xiàn)連續(xù)N個點像素差值滿足條件，則認為該像素點為FAST角點。N值設置為12，在ORB算法中N值設定為9。為了加快運算，從外圍像素點中抽取編號為1，5，9，13四個像素點進行運算，若其中至少有3個計算結(jié)果滿足條件，則繼續(xù)與其他點做差值運算。使用該方法遍歷整幅圖像得到FAST角點，此時ORB算法作者將Harris角點檢測思想運用到對FAST角點篩選中，并通過對篩選得到的角點進行規(guī)則排序挑選其中最合適的角點作為ORB特征點。為了使檢測出的ORB特征點具有旋轉(zhuǎn)不變性[34]，作者將上述提到的以P為圓心的圓形區(qū)域看做是一塊有質(zhì)量的物體，其中每一點的質(zhì)量為該點的灰度值。通過質(zhì)心公式求得該區(qū)域質(zhì)心Q，

【參考文獻】：
期刊論文
[1]多場景下基于快速相機標定的柱面圖像拼接方法[J]. 傅子秋,張曉龍,余成,梁丹,梁冬泰.  光電工程. 2020(04)
[2]基于位姿數(shù)據(jù)校正的遙感紅外圖像相似性先驗拼接[J]. 王向軍,張嘉豪,王越.  紅外技術(shù). 2019(12)
[3]基于ORB和改進的RANSAC圖像拼接算法[J]. 張美玉,王洋洋,侯向輝,秦緒佳.  計算機科學. 2019(S2)
[4]基于超分辨率的多聚焦圖像融合算法研究[J]. 曹軍,陳鶴,張佳薇.  計算機工程與應用. 2020(03)
[5]基于殘差全卷積網(wǎng)絡的圖像拼接定位算法[J]. 吳韻清,吳鵬,陳北京,鞠興旺,高野.  應用科學學報. 2019(05)
[6]基于SURF和最佳縫合線的車道圖像序列拼接研究[J]. 藍章禮,李戰(zhàn),李偉.  重慶交通大學學報(自然科學版). 2019(10)
[7]基于超分辨率和組稀疏表示的多聚焦圖像融合[J]. 馮鑫,胡開群,袁毅,張建華,翟治芬.  光子學報. 2019(07)
[8]基于改進ORB的警用無人機圖像配準方法[J]. 王文爽,孫偉,王帥.  計算機工程與設計. 2019(01)
[9]基于局部聚類的特征匹配篩選算法[J]. 王金寶,趙奎,劉閩,宗子瀟,王其樂.  計算機系統(tǒng)應用. 2018(12)
[10]基于多分辨率局部與全局特征融合的人臉識別[J]. 阮小利,王順芳.  計算機工程與設計. 2018(09)



本文編號：2956249