隨著計(jì)算機(jī)技術(shù)的快速發(fā)展,礦區(qū)機(jī)械智能化必將是智慧礦山的發(fā)展方向之一。在露天礦區(qū)等相對封閉領(lǐng)域,道路檢測是無人駕駛卡車感知礦區(qū)環(huán)境以及完成各種任務(wù)的前提,道路邊緣檢測是核心環(huán)節(jié)。本文針對礦區(qū)復(fù)雜環(huán)境下道路邊緣模糊,識別率低等問題,對圖像處理技術(shù)在礦區(qū)非結(jié)構(gòu)化道路邊緣識別與監(jiān)測進(jìn)行深入研究。本文的主要工作如下:（1）基于露天礦區(qū)道路圖像在HSV顏色空間內(nèi)的特征分析,以降低光照影響和系統(tǒng)計(jì)算冗余為主要目的,在HSV顏色特征空間內(nèi),對道路圖像進(jìn)行預(yù)處理。在此基礎(chǔ)上,提出基于Retinex理論的圖像增強(qiáng)算法,有效地突出了邊緣細(xì)節(jié),為后續(xù)的實(shí)驗(yàn)進(jìn)行打下了基礎(chǔ)。（2）針對礦區(qū)非結(jié)構(gòu)化道路邊緣形狀多變的特點(diǎn),提出了基于道路左右邊緣分割的擬合方法。構(gòu)建的直線、彎道和直線-拋物線3種擬合模型。最后,利用改進(jìn)的kalman濾波對道路圖像進(jìn)行跟蹤檢測,降低了噪聲對實(shí)驗(yàn)的干擾。（3）基于MATLAB平臺,分析論文所提出的道路邊緣檢測、邊緣擬合以及邊緣跟蹤算法處理不同類型的露天礦區(qū)道路圖像的實(shí)施效果,并采用邊緣連續(xù)性、邊緣品質(zhì)因數(shù)以及算法綜合測量值等3種評價指標(biāo)對算法的應(yīng)用進(jìn)行客觀評價,分析本文算法對于非結(jié)構(gòu)化... 

【文章來源】：西安建筑科技大學(xué)陜西省

【文章頁數(shù)】：61 頁

【學(xué)位級別】：碩士

【部分圖文】：

各分量效果圖

西安建筑科技大學(xué)碩士學(xué)位論文27式中：當(dāng)取最大值時，取得最優(yōu)閾值T.如圖所示，通過Otsu算法可以很好地分割道路圖像。3.4礦區(qū)道路類型識別本文將所研究的礦區(qū)道路形狀主要分為直道、左彎道和右彎道3種彎道。如下圖所示：圖3.2道路類型圖Fig3.2Roadareatypedrawing上圖為經(jīng)圖像分割之后的局部放大圖，從圖中可以看出，直道和彎道的區(qū)域特征有明顯差異，不同道路的類型之間存在以下差別：直道（圖左）非道路區(qū)域（黑色部分）與可行區(qū)域（白色部分）之間的分界線近似直線；與直道相比，左右彎道的道路方向會發(fā)生改變；利用所提取的道路邊緣區(qū)域的斜率變換來區(qū)分左右彎道。右彎道的道路區(qū)域右邊緣線的斜率絕對值從下到上逐漸變大，而左邊緣線的斜率絕對值從下到上逐漸變��；左彎道的左右邊緣線斜率絕對值變化正好與右彎道相反，其右邊緣線的斜率絕對值從下到上逐漸變小，左邊緣線的斜率絕對值從下到上逐漸變大。利用以上區(qū)別可判斷所研究道路的形狀。本文使用4鄰域?qū)Ψ指詈蟮亩祷瘓D像進(jìn)行道路的識別，進(jìn)而確定道路走向。本文通過分離左右邊緣來確定道路形狀，首先，確定最小y值的邊緣，確定邊緣的左坐標(biāo)L與右坐標(biāo)R。為有效消除二值化圖像中的干擾信息，降低誤判率，以圖像邊緣中的單元塊為搜索目標(biāo)來確定左右邊緣中邊緣像素點(diǎn)的x位置。從L處開始搜索時，采用向下向左的原則，如果搜索出的單元像素點(diǎn)坐標(biāo)在右邊，保持上一個x值不變。從R處開始搜索時，采用向下向右的原則，如果搜索出的單元像素點(diǎn)坐標(biāo)在左邊，保持上一個x值不變。提取出的左右坐標(biāo)點(diǎn)如圖3.3所示。

西安建筑科技大學(xué)碩士學(xué)位論文28圖3.3坐標(biāo)點(diǎn)示意圖Fig3.3Schematicdiagramofcoordinatepoints然后，根據(jù)所提取的左右邊緣坐標(biāo)點(diǎn)，將圖像均分為上下兩部分，通過點(diǎn)與點(diǎn)之間的關(guān)系，分別計(jì)算出上下兩部分的平均斜率變換值K上與K下，并利用公式（3-17）和公式（3-18）來判斷邊緣方向（n為圖像像素數(shù)量）。1/K-1/K/21/K-1/K/21/K-1/K/2nnn上下下上上下直道左邊緣左彎道右彎道（3-17）1/K-1/K/21/K-1/K/21/K-1/K/2nnn上下下上上下直道右邊緣右彎道左彎道（3-18）最后，根據(jù)判斷結(jié)果確定道路形狀。當(dāng)左右邊緣的判斷結(jié)果相同時，道路形狀可確定。左右邊緣的判斷結(jié)果有一個是直道而另一個是彎道時，一般取彎道。當(dāng)左右邊緣的判斷結(jié)果中沒有直道，結(jié)果不一樣時，進(jìn)行重新判定。3.5本章小結(jié)本章中所提出的道路檢測算法旨在通過對礦區(qū)道路邊緣線的檢測，提高卡車在礦區(qū)行駛過程中的安全性和穩(wěn)定性，拓展視覺導(dǎo)航在無人駕駛礦卡中的應(yīng)用。通過分析不同環(huán)境HSV空間礦區(qū)圖像的特征，提出一種基于HSV顏色空間的礦區(qū)道路邊緣檢測方法：針對礦區(qū)道路光照、陰影、水跡等邊緣檢測中普遍存在的不確定因素，在HSV顏色空間內(nèi)利用半小波閾值濾波對三分量圖像進(jìn)行降噪處理，有效地降低光照、陰影等因素造成的影響。針對礦區(qū)道路邊緣模糊，邊緣退化等問題，提出一種基于融合策略的局部圖像對比度自適應(yīng)調(diào)整的方法，對V分量和S分量進(jìn)行增強(qiáng)處理，獲取融合后的灰度圖像。最后利用增強(qiáng)后的二值化道路圖像分析判定道路類型，為下一步的研究打下了基矗

【參考文獻(xiàn)】：
期刊論文
[1]基于二維熵與自適應(yīng)模板的非結(jié)構(gòu)化道路檢測[J]. 牛牧原,張春陽,林曉,程遠(yuǎn)燊.  電子設(shè)計(jì)工程. 2019(05)
[2]基于方向紋理的非結(jié)構(gòu)化道路消失點(diǎn)檢測研究[J]. 黃俊,侯北平,董霏,吳穎東,劉宇,王建銘.  圖學(xué)學(xué)報. 2019(01)
[3]基于改進(jìn)Canny算法的道路標(biāo)線自動識別及定位[J]. 羅文婷,李中軼,李林,甘宏,郭建鋼.  西南交通大學(xué)學(xué)報. 2018(06)
[4]基于RGB熵和改進(jìn)區(qū)域生長的非結(jié)構(gòu)化道路識別方法[J]. 吳驊躍,段里仁.  吉林大學(xué)學(xué)報(工學(xué)版). 2019(03)
[5]Advances in Vision-Based Lane Detection:Algorithms,Integration,Assessment,and Perspectives on ACP-Based Parallel Vision[J]. Yang Xing,Chen Lv,Long Chen,Huaji Wang,Hong Wang,Dongpu Cao,Efstathios Velenis,Fei-Yue Wang.  IEEE/CAA Journal of Automatica Sinica. 2018(03)
[6]結(jié)合HSV空間的水面圖像特征水岸線檢測[J]. 彭明陽,王建華,聞祥鑫,叢曉奕.  中國圖象圖形學(xué)報. 2018(04)
[7]改進(jìn)基于HSV空間的陰影檢測算法[J]. 楊春德,郭帥.  計(jì)算機(jī)工程與設(shè)計(jì). 2018(01)
[8]基于PCA-SVM準(zhǔn)則改進(jìn)區(qū)域生長的非結(jié)構(gòu)化道路識別[J]. 王新晴,孟凡杰,呂高旺,任國亭.  計(jì)算機(jī)應(yīng)用. 2017(06)
[9]國家金屬資源安全研究回顧與展望[J]. 王昶,宋慧玲,左綠水,黃健柏.  資源科學(xué). 2017(05)
[10]改進(jìn)的幀差法在空間運(yùn)動目標(biāo)檢測中的應(yīng)用[J]. 王恩旺,王恩達(dá).  天文研究與技術(shù). 2016(03)



本文編號：3515026