本文關鍵詞：基于單目視覺的道路信息提取與智能預警

  更多相關文章： 消失點 道路提取 導航線 智能預警 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)中的導航、智能預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是道路場景理解的關鍵技術。本文基于單目視覺技術,針對復雜城市道路和非結構化道路的信息提取與智能預警方法進行了深入的研究,具體研究內容包括以下幾方面:首先,針對復雜城市道路和非結構化道路,提出了基于平行線與豎直包絡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,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確位置。進一步地,本文將上述兩種消失點檢測算法相結合并進行優(yōu)化改進,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航信息提取算法,為車道偏離預警奠定了基礎。算法首先針對消失點和邊界軟投票進行道路區(qū)域分析,再根據汽車行駛特點在提取的道路區(qū)域進行導航信息提取,通過計算車輛行駛的偏航角及預警時間,得到偏航方向并按照預警決策方法對車道偏離進行預警。此外,本文結合暗原色原理,實現了農機具特殊道路的導航線提取。最后,根據消失點、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。基于這些特征,實現天空、垂直面和道路區(qū)域的分割和三維空間推理,最后根據典型道路的深度變化規(guī)律實現對道路圖像的深度估計。為智能交通導航中道路、障礙物和行人檢測的深度信息進行準確預測和感知提供了重要依據。
【關鍵詞】：消失點 道路提取 導航線 智能預警 深度估計
【學位授予單位】：燕山大學
【學位級別】：碩士
【學位授予年份】：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 國內外研究現狀11-17
• 1.2.1 消失點13-14
• 1.2.2 道路檢測14-15
• 1.2.3 偏航預警15-16
• 1.2.4 深度估計16-17
• 1.3 本文研究內容及結構安排17-19
• 1.3.1 研究內容17
• 1.3.2 結構安排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 實驗結果與分析33-35
• 3.2 基于暗原色的非結構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 參數討論39-40
• 3.2.5 實驗結果及分析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 實驗結果及分析50-56
• 3.4 本章小結56-57
• 第4章 基于消失點信息的道路導航與預警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 道路檢測結果及分析60-63
• 4.2 基于道路導航線的智能預警63-67
• 4.2.1 道路導航線及偏航角度計算63-64
• 4.2.2 偏離智能預警參數計算及決策方案64-66
• 4.2.3 導航線及偏航角提取結果與分析66-67
• 4.3 基于暗原色的農田道路視覺導航線提取算法67-74
• 4.3.1 農業(yè)道路導航線提取算法概述67-68
• 4.3.2 基于暗原色原理的圖像預處理68-71
• 4.3.3 基于垂直投影法的中心導航線提取71-72
• 4.3.4 實驗結果與分析72-74
• 4.4 本章小結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 道路圖像三維結構推理78-79
• 5.4 三維道路圖像深度估計79-80
• 5.5 實驗結果與分析80-82
• 5.6 本章小結82-83
• 結論83-85
• 參考文獻85-91
• 攻讀碩士學位期間承擔的科研任務與主要成果91-93
• 致謝93

【相似文獻】

中國期刊全文數據庫 前3條

1 萬劍;趙愷;王維鋒;;基于高維特征和RBF神經網絡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];浙江大學學報(工學版);2006年01期

3 ;[J];;年期

中國重要會議論文全文數據庫 前2條

1 徐國保;尹怡欣;殷路;郝彥爽;周美娟;;基于細胞神經網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];中國儀器儀表學會2008學術年會第二屆智能檢測控制技術及儀表裝置發(fā)展研討會論文集[C];2008年

中國碩士學位論文全文數據庫 前6條

1 曹旭光;非結構化道路識別及擬合算法研究[D];東華理工大學;2015年

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

3 李勇;基于單目視覺的道路信息提取與智能預警[D];燕山大學;2016年

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

5 張恒;霧天道路圖像增強方法的研究[D];長沙理工大學;2011年

6 朱釤;基于DSP道路識別技術研究[D];武漢理工大學;2010年

，

本文編號：862271