本文關(guān)鍵詞：道路場(chǎng)景理解技術(shù)的研究，由筆耕文化傳播整理發(fā)布。

【摘要】：隨著科技的迅速發(fā)展,車(chē)載智能系統(tǒng)在機(jī)器視覺(jué)領(lǐng)域占據(jù)著越來(lái)越重要的位置,道路場(chǎng)景的分析與理解作為車(chē)載智能系統(tǒng)的重要內(nèi)容自然成為了研究的熱點(diǎn)。場(chǎng)景理解是基于圖像分析的更深層次的物體識(shí)別,前人已經(jīng)對(duì)場(chǎng)景理解技術(shù)進(jìn)行了許多探索,并且取得了許多令人鼓舞的成績(jī)。目前場(chǎng)景理解技術(shù)主要使用于智能機(jī)器人、智能車(chē)輛等設(shè)備中,通常基于視頻流或全景圖進(jìn)行理解和分析,針對(duì)單幅道路圖像進(jìn)行的研究相對(duì)較少。在道路場(chǎng)景中,由于道路形狀不固定,顏色不一致并且易受光照和噪聲影響等特點(diǎn)加劇了對(duì)其進(jìn)行理解的難度,因此如何基于單幅道路圖像進(jìn)行場(chǎng)景理解是一個(gè)極具挑戰(zhàn)的問(wèn)題。本文圍繞場(chǎng)景理解的一些關(guān)鍵技術(shù)進(jìn)行了探索性的研究,包括圖像分割技術(shù)、道路消失點(diǎn)檢測(cè)技術(shù)、道路邊界識(shí)別技術(shù)和相對(duì)深度估計(jì)技術(shù)等。在圖像分割領(lǐng)域中,我們介紹了通過(guò)閾值進(jìn)行圖像分割的方法、基于邊緣的圖像分割方法和采用聚類手段進(jìn)行圖像分割的方法;在消失點(diǎn)檢測(cè)領(lǐng)域中,我們?cè)敿?xì)的介紹了基于紋理特征的消失點(diǎn)檢測(cè)方法,并提出了改進(jìn)方案,使其能夠正確的檢測(cè)道路的遠(yuǎn)消失點(diǎn);在道路邊界識(shí)別方面,我們介紹了基于特征和基于模型的道路檢測(cè)方法,并提出了基于道路邊緣和消失點(diǎn)的道路邊界檢測(cè)方法;在深度估計(jì)方面,我們介紹了深度估計(jì)的相關(guān)知識(shí),并闡述了基于圖像分割結(jié)果的深度估計(jì)方法。為了實(shí)現(xiàn)對(duì)道路場(chǎng)景圖像的分割和理解,首先我們通過(guò)高斯混合模型對(duì)圖像進(jìn)行聚類,并提出了一種獲得聚類中心的方案,在分類圖像上,我們利用邊緣作為約束進(jìn)行區(qū)域增長(zhǎng),得到天空區(qū)域圖和道路區(qū)域圖;然后我們基于道路區(qū)域利用紋理方向直方圖對(duì)候選消失點(diǎn)的選擇范圍進(jìn)行限定,再利用基于紋理特征的消失點(diǎn)檢測(cè)方法提取遠(yuǎn)消失點(diǎn);在得到道路消失點(diǎn)位置之后,我們基于道路邊緣圖像和消失點(diǎn)位置使用雙曲線模型對(duì)道路邊界進(jìn)行擬合;最后我們基于區(qū)域提取結(jié)果和道路邊界對(duì)圖像進(jìn)行深度估計(jì),得到包含天空、道路和背景的深度圖像。通過(guò)實(shí)驗(yàn)證明,本文提出的算法適用于較為復(fù)雜的道路場(chǎng)景,能夠正確的對(duì)道路和天空區(qū)域進(jìn)行提取,可以準(zhǔn)確的獲取消失點(diǎn)的位置和正確提取道路邊界的曲線模型,具有良好的魯棒性,并提供了基于道路延伸趨勢(shì)的深度估計(jì)方法。
【關(guān)鍵詞】：高斯混合聚類 消失點(diǎn)檢測(cè) 邊界識(shí)別 深度估計(jì) 道路場(chǎng)景理解
【學(xué)位授予單位】：吉林大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：U463.6;U495;TP391.41
【目錄】：

• 摘要4-6
• Abstract6-11
• 第1章 緒論11-15
• 1.1 研究背景介紹11-12
• 1.2 課題研究意義12
• 1.3 本文主要內(nèi)容和安排12-15
• 第2章 場(chǎng)景理解方法綜述15-24
• 2.1 引言15
• 2.2 圖像分割方法綜述15-19
• 2.2.1 閾值分割法16
• 2.2.2 邊緣檢測(cè)法16-18
• 2.2.3 聚類分析法18-19
• 2.3 道路檢測(cè)方法綜述19-22
• 2.3.1 基于特征的道路檢測(cè)方法20-21
• 2.3.2 基于模型的道路檢測(cè)方法21-22
• 2.4 深度估計(jì)算法綜述22-23
• 2.5 本章小結(jié)23-24
• 第3章 基于高斯混合模型的區(qū)域提取24-38
• 3.1 引言24
• 3.2 高斯混合聚類方法24-30
• 3.2.1 高斯混合模型25-27
• 3.2.2 EM算法初始參數(shù)的確定27-28
• 3.2.3 聚類中心的確定28-30
• 3.3 道路區(qū)域和天空區(qū)域的提取30-33
• 3.3.1 形態(tài)學(xué)處理和邊緣檢測(cè)30-32
• 3.3.2 基于邊緣約束的區(qū)域提取32-33
• 3.4 實(shí)驗(yàn)結(jié)果與分析33-37
• 3.4.1 實(shí)驗(yàn)平臺(tái)與數(shù)據(jù)選取33-34
• 3.4.2 聚類中心的獲取和聚類效果對(duì)比34-36
• 3.4.3 區(qū)域提取效果36-37
• 3.5 本章小結(jié)37-38
• 第4章 道路場(chǎng)景理解38-54
• 4.1 引言38
• 4.2 消失點(diǎn)檢測(cè)方法38-42
• 4.2.1 紋理特征的提取38-39
• 4.2.2 基于紋理特征的消失點(diǎn)檢測(cè)39-41
• 4.2.3 改進(jìn)的消失點(diǎn)檢測(cè)方法41-42
• 4.3 基于消失點(diǎn)的道路邊界曲線擬合算法42-48
• 4.3.1 曲線模型的選取43-44
• 4.3.2 基于Hough變換的直線檢測(cè)44-46
• 4.3.3 道路邊界擬合46-48
• 4.4 道路場(chǎng)景深度估計(jì)48-49
• 4.5 實(shí)驗(yàn)結(jié)果與分析49-53
• 4.5.1 消失點(diǎn)檢測(cè)方法結(jié)果分析49-51
• 4.5.2 道路邊界識(shí)別和深度估計(jì)結(jié)果51-53
• 4.6 本章小結(jié)53-54
• 第5章 總結(jié)與展望54-56
• 5.1 總結(jié)54-55
• 5.2 展望55-56
• 參考文獻(xiàn)56-61
• 作者簡(jiǎn)介61-62
• 致謝62

【相似文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前5條

1 陳德運(yùn);尹芳;吳銳;;基于消失點(diǎn)的場(chǎng)景文本透視變形校正方法[J];南京理工大學(xué)學(xué)報(bào);2011年04期

2 鐘鴻英;兩點(diǎn)透視消失點(diǎn)、視距速定法[J];建筑知識(shí);1994年04期

3 陳愛(ài)華;高誠(chéng)輝;何炳蔚;;基于正交消失點(diǎn)對(duì)的攝像機(jī)標(biāo)定方法[J];儀器儀表學(xué)報(bào);2012年01期

4 曾立人;;面向攝影師的Photoshop CS2新功能詳解(8) 變形和消失點(diǎn)[J];照相機(jī);2007年07期

5 ;[J];;年期

中國(guó)重要會(huì)議論文全文數(shù)據(jù)庫(kù) 前2條

1 韓秀麗;毋立芳;郭江;楊鵬;;基于二消失點(diǎn)的相機(jī)自標(biāo)定方法[A];第十三屆全國(guó)信號(hào)處理學(xué)術(shù)年會(huì)（CCSP-2007）論文集[C];2007年

2 胡培成;黎寧;趙亮亮;;一種新的基于消失點(diǎn)的攝像機(jī)標(biāo)定方法[A];第十三屆全國(guó)圖象圖形學(xué)學(xué)術(shù)會(huì)議論文集[C];2006年

中國(guó)重要報(bào)紙全文數(shù)據(jù)庫(kù) 前1條

1 江蘇常州武進(jìn)區(qū)湖塘橋中心小學(xué) 張玲瓏;多媒體透視教學(xué)的探析[N];美術(shù)報(bào);2008年

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前9條

1 付煥利;未標(biāo)定視頻下的動(dòng)態(tài)人體身高測(cè)量[D];北方工業(yè)大學(xué);2016年

2 鄧思雨;道路場(chǎng)景理解技術(shù)的研究[D];吉林大學(xué);2016年

3 羅小松;基于韋伯局部特征的道路消失點(diǎn)檢測(cè)[D];重慶大學(xué);2014年

4 米超;基于紋理特征和消失點(diǎn)的道路識(shí)別算法研究[D];湖南大學(xué);2012年

5 王翠翠;薩特自由理論視角下彼得·魏斯小說(shuō)《消失點(diǎn)》中藝術(shù)家的自由[D];四川外國(guó)語(yǔ)大學(xué);2014年

6 唐佐林;結(jié)構(gòu)化道路多行道線檢測(cè)算法研究[D];南京理工大學(xué);2007年

7 張強(qiáng);室內(nèi)移動(dòng)機(jī)器人視覺(jué)導(dǎo)航方法研究[D];中南大學(xué);2013年

8 蔣中強(qiáng);視頻監(jiān)控中基于平差的目標(biāo)空間定位技術(shù)研究[D];南京郵電大學(xué);2014年

9 焦增濤;基于結(jié)構(gòu)先驗(yàn)的規(guī)則場(chǎng)景三維重建技術(shù)研究[D];南京郵電大學(xué);2012年

  本文關(guān)鍵詞：道路場(chǎng)景理解技術(shù)的研究，由筆耕文化傳播整理發(fā)布。

，

本文編號(hào)：363491