隨著信息科學(xué)、計(jì)算機(jī)視覺以及智能汽車的不斷發(fā)展,具有顯示和定位功能的汽車全景輔助系統(tǒng)已成為相關(guān)領(lǐng)域科研工作者的研究熱點(diǎn)。汽車全景輔助系統(tǒng)具有全景可視化車身周圍信息,有效消除視覺盲區(qū),幫助駕駛者及時(shí)了解路況信息,提高駕駛汽車的相關(guān)安全技術(shù)等功能,得到了廣大使用者的青睞。然而,目前市場(chǎng)上的汽車全景顯示系統(tǒng)拼接實(shí)時(shí)性較差、視覺效果不清晰,且缺少對(duì)運(yùn)動(dòng)目標(biāo)的檢測(cè)和定位功能(如:位置、速度和方向)。因此,本文將針對(duì)上述問題,研究一種具有移動(dòng)物檢測(cè)和定位功能的汽車全景顯示系統(tǒng),該系統(tǒng)能夠?qū)崿F(xiàn)圖像的快速拼接、運(yùn)動(dòng)目標(biāo)的特征提取以及目標(biāo)的位置、運(yùn)動(dòng)速度和方向的精確估計(jì),具體研究內(nèi)容如下:首先,研究了一種基于小波變換的新型SURF汽車全景輔助系統(tǒng)圖像拼接方法。該方法利用小波梯度矢量提取圖像重合區(qū)域的特征點(diǎn),實(shí)現(xiàn)低頻圖像下快速獲得特征點(diǎn),同時(shí)進(jìn)一步利用圖像特征點(diǎn)約束的單向匹配和方向一致性,有效剔除誤匹配點(diǎn)對(duì),從而提高特征點(diǎn)匹配精度和實(shí)時(shí)性。其次,探討了一種基于Vi Be和五幀差分算法的汽車全景輔助系統(tǒng)運(yùn)動(dòng)目標(biāo)檢測(cè)方法。該方法針對(duì)傳統(tǒng)Vi Be算法檢測(cè)結(jié)果存在鬼影和陰影問題,通過多幀連續(xù)圖像初始化背景模型替... 

【文章來源】：安徽工程大學(xué)安徽省

【文章頁數(shù)】：66 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

駕駛員視覺盲區(qū)示意圖

景再現(xiàn)、圖像恢復(fù)和特征提取等傳統(tǒng)問題也成為許多專業(yè)人員研究的主目標(biāo)檢測(cè)與跟蹤技術(shù)的主要作用是在不間斷的圖像序列中將運(yùn)動(dòng)目標(biāo)從興趣的背景中檢測(cè)提取出來，選擇感興趣的內(nèi)容作為識(shí)別對(duì)象，并獲得運(yùn)動(dòng)信息[3]，如何將計(jì)算機(jī)視覺處理和定位技術(shù)應(yīng)用到智能汽車領(lǐng)域已研究人員密切關(guān)注的熱點(diǎn)，汽車全景顯示系統(tǒng)倒車入庫圖如圖 1-2 所示

在運(yùn)動(dòng)目標(biāo)檢測(cè)方面：汽車全景顯示系統(tǒng)具有探知移動(dòng)物功能圖如圖1-3 所示。對(duì)于運(yùn)動(dòng)目標(biāo)檢測(cè)，國內(nèi)外的科研人員提出了許多比較完善且經(jīng)典的運(yùn)動(dòng)目標(biāo)檢測(cè)算法，其中比較經(jīng)典的算法有：背景減除法（BackgroundSubtraction）、幀間差分法（Temporal Difference）、光流法（Optical Flow）、圖割（Graph Cuts）[16]，并在這些經(jīng)典算法的基礎(chǔ)上進(jìn)行改進(jìn)，其引申出其他運(yùn)動(dòng)目標(biāo)檢測(cè)算法。但對(duì)于運(yùn)動(dòng)目標(biāo)視頻場(chǎng)景的不同，或者針對(duì)于某個(gè)具體研究的問題，它們既有各自的優(yōu)點(diǎn)也有各自的缺點(diǎn)，當(dāng)前并沒有一種能夠適用于解決各類場(chǎng)景下的運(yùn)動(dòng)目標(biāo)的檢測(cè)算法。視覺背景提取算法（Visual Background extractor，ViBe）是由 Olivier Barnich 等[17]在 2009 年第 34 屆 IEEE International Conference onAcoustics，Speech，and Signal Processing 會(huì)議上提出。ViBe 算法主要包括三個(gè)方面：背景模型的建立及初始化、像素分類過程、背景模型的實(shí)時(shí)更新。相比較前幾種運(yùn)動(dòng)目標(biāo)檢測(cè)算法或在其上改進(jìn)方法而言，ViBe 算法在運(yùn)動(dòng)目標(biāo)檢測(cè)的效果上具有先進(jìn)性。該算法受到許多國內(nèi)的科研技術(shù)者進(jìn)一步的研究和創(chuàng)新。對(duì)于ViBe 算法有著不能分割重疊對(duì)象的缺陷，2013年4月合肥工業(yè)大學(xué)吳東飛[18]采用了使用 HOG 特征的 SVM 分類器來完成對(duì)目標(biāo)的分割

【參考文獻(xiàn)】：
期刊論文
[1]一種改進(jìn)的ViBe運(yùn)動(dòng)目標(biāo)檢測(cè)算法[J]. 王嬌,韓加蓬,劉二全,范照輝,郭棟,譚德榮.  廣西大學(xué)學(xué)報(bào)(自然科學(xué)版). 2017(06)
[2]基于SACON模型和五幀差分法的目標(biāo)檢測(cè)算法[J]. 朱世松,付萬超.  測(cè)控技術(shù). 2017(12)
[3]基于ViBe的運(yùn)動(dòng)目標(biāo)檢測(cè)改進(jìn)方法[J]. 丁潔,況立群,韓燮.  計(jì)算機(jī)工程與設(shè)計(jì). 2017(02)
[4]基于雙背景模型的改進(jìn)Vibe運(yùn)動(dòng)目標(biāo)檢測(cè)算法[J]. 周超康,戰(zhàn)蔭偉,馮開平.  電視技術(shù). 2016(04)
[5]基于改進(jìn)Vibe算法的行人目標(biāo)檢測(cè)[J]. 仇春春,王恬,程海粟,曹美.  信息技術(shù). 2016(03)
[6]混合高斯模型與三幀差分法相結(jié)合的建模新算法[J]. 李搏軒,沈永良,胡月.  黑龍江大學(xué)工程學(xué)報(bào). 2016(01)
[7]基于SURF的圖像配準(zhǔn)改進(jìn)算法[J]. 張鳳晶,王志強(qiáng),吳迪,于光.  長春理工大學(xué)學(xué)報(bào)(自然科學(xué)版). 2016(01)
[8]基于分層模型與局部復(fù)原的多聚焦圖像融合方法[J]. 魏利勝,張平改.  儀器儀表學(xué)報(bào). 2016(01)
[9]基于五幀差分法的動(dòng)態(tài)目標(biāo)檢測(cè)新算法[J]. 郭春鳳.  重慶科技學(xué)院學(xué)報(bào)(自然科學(xué)版). 2015(05)
[10]相機(jī)陣列中無視場(chǎng)重合圖像時(shí)間配準(zhǔn)方法研究[J]. 王帥,李迎春,張廷華.  電子測(cè)量技術(shù). 2015(10)

博士論文
[1]基于單目視覺的運(yùn)動(dòng)目標(biāo)跟蹤定位技術(shù)研究[D]. 姚楠.上海交通大學(xué) 2014
[2]車載全景影像獲取關(guān)鍵技術(shù)研究[D]. 高文武.武漢大學(xué) 2014
[3]基于單目視覺的目標(biāo)識(shí)別與定位研究[D]. 馮春.南京航空航天大學(xué) 2013
[4]單目視覺移動(dòng)機(jī)器人的定位與建圖研究[D]. 陳偉.國防科學(xué)技術(shù)大學(xué) 2008

碩士論文
[1]基于背景建模運(yùn)動(dòng)目標(biāo)檢測(cè)算法的研究[D]. 劉濤濤.鄭州大學(xué) 2016
[2]基于背景建模的運(yùn)動(dòng)目標(biāo)檢測(cè)與分割算法[D]. 王丹.西安電子科技大學(xué) 2015
[3]基于ViBe的運(yùn)動(dòng)目標(biāo)檢測(cè)與陰影消除方法研究[D]. 桂斌.安徽大學(xué) 2015
[4]全方位視頻運(yùn)動(dòng)目標(biāo)檢測(cè)跟蹤算法和應(yīng)用研究[D]. 趙偉勇.浙江工業(yè)大學(xué) 2014
[5]基于雙目視覺的運(yùn)動(dòng)目標(biāo)跟蹤算法研究與應(yīng)用[D]. 陳誠.哈爾濱工業(yè)大學(xué) 2014
[6]視頻運(yùn)動(dòng)目標(biāo)檢測(cè)的若干算法研究[D]. 周丹.江西理工大學(xué) 2013
[7]靜態(tài)場(chǎng)景下多運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤[D]. 吳東飛.合肥工業(yè)大學(xué) 2013
[8]基于單目視覺的實(shí)時(shí)車距測(cè)量方法研究[D]. 陳琦.武漢理工大學(xué) 2013
[9]視頻圖像目標(biāo)檢測(cè)與識(shí)別算法優(yōu)化[D]. 董小舒.南京理工大學(xué) 2013
[10]無人機(jī)對(duì)地面目標(biāo)位姿的單目視覺測(cè)量方法研究[D]. 洪榮.國防科學(xué)技術(shù)大學(xué) 2012



本文編號(hào)：2944835