基于機(jī)器視覺(jué)的露天礦無(wú)人卡車(chē)道路邊緣識(shí)別關(guān)鍵技術(shù)研究
發(fā)布時(shí)間:2021-11-24 01:33
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(duì)封閉領(lǐng)域,道路檢測(cè)是無(wú)人駕駛卡車(chē)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(cè)是核心環(huán)節(jié)。本文針對(duì)礦區(qū)復(fù)雜環(huán)境下道路邊緣模糊,識(shí)別率低等問(wèn)題,對(duì)圖像處理技術(shù)在礦區(qū)非結(jié)構(gòu)化道路邊緣識(shí)別與監(jiān)測(cè)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(duì)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(duì)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(xiàn)、彎道和直線(xiàn)-拋物線(xiàn)3種擬合模型。最后,利用改進(jìn)的kalman濾波對(duì)道路圖像進(jìn)行跟蹤檢測(cè),降低了噪聲對(duì)實(shí)驗(yàn)的干擾。(3)基于MATLAB平臺(tái),分析論文所提出的道路邊緣檢測(cè)、邊緣擬合以及邊緣跟蹤算法處理不同類(lèi)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(cè)量值等3種評(píng)價(jià)指標(biāo)對(duì)算法的應(yīng)用進(jìn)行客觀(guān)評(píng)價(jià),分析本文算法對(duì)于非結(jié)構(gòu)化...
【文章來(lái)源】:西安建筑科技大學(xué)陜西省
【文章頁(yè)數(shù)】:61 頁(yè)
【學(xué)位級(jí)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(shí),取得最優(yōu)閾值T.如圖所示,通過(guò)Otsu算法可以很好地分割道路圖像。3.4礦區(qū)道路類(lèi)型識(shí)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(lèi)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(lèi)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(xiàn)近似直線(xiàn);與直道相比,左右彎道的道路方向會(huì)發(fā)生改變;利用所提取的道路邊緣區(qū)域的斜率變換來(lái)區(qū)分左右彎道。右彎道的道路區(qū)域右邊緣線(xiàn)的斜率絕對(duì)值從下到上逐漸變大,而左邊緣線(xiàn)的斜率絕對(duì)值從下到上逐漸變;左彎道的左右邊緣線(xiàn)斜率絕對(duì)值變化正好與右彎道相反,其右邊緣線(xiàn)的斜率絕對(duì)值從下到上逐漸變小,左邊緣線(xiàn)的斜率絕對(duì)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(shí)別,進(jìn)而確定道路走向。本文通過(guò)分離左右邊緣來(lái)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(lái)確定左右邊緣中邊緣像素點(diǎn)的x位置。從L處開(kāi)始搜索時(shí),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(gè)x值不變。從R處開(kāi)始搜索時(shí),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(gè)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(guò)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(lái)判斷邊緣方向(n為圖像像素?cái)?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(shí),道路形狀可確定。左右邊緣的判斷結(jié)果有一個(gè)是直道而另一個(gè)是彎道時(shí),一般取彎道。當(dāng)左右邊緣的判斷結(jié)果中沒(méi)有直道,結(jié)果不一樣時(shí),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(cè)算法旨在通過(guò)對(duì)礦區(qū)道路邊緣線(xiàn)的檢測(cè),提高卡車(chē)在礦區(qū)行駛過(guò)程中的安全性和穩(wěn)定性,拓展視覺(jué)導(dǎo)航在無(wú)人駕駛礦卡中的應(yīng)用。通過(guò)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(cè)方法:針對(duì)礦區(qū)道路光照、陰影、水跡等邊緣檢測(cè)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(duì)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(duì)礦區(qū)道路邊緣模糊,邊緣退化等問(wèn)題,提出一種基于融合策略的局部圖像對(duì)比度自適應(yīng)調(diào)整的方法,對(duì)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(lèi)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(cè)[J]. 牛牧原,張春陽(yáng),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(cè)研究[J]. 黃俊,侯北平,董霏,吳穎東,劉宇,王建銘. 圖學(xué)學(xué)報(bào). 2019(01)
[3]基于改進(jìn)Canny算法的道路標(biāo)線(xiàn)自動(dòng)識(shí)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(bào). 2018(06)
[4]基于RGB熵和改進(jìn)區(qū)域生長(zhǎng)的非結(jié)構(gòu)化道路識(shí)別方法[J]. 吳驊躍,段里仁. 吉林大學(xué)學(xué)報(bào)(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(xiàn)檢測(cè)[J]. 彭明陽(yáng),王建華,聞祥鑫,叢曉奕. 中國(guó)圖象圖形學(xué)報(bào). 2018(04)
[7]改進(jìn)基于HSV空間的陰影檢測(cè)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(zhǎng)的非結(jié)構(gòu)化道路識(shí)別[J]. 王新晴,孟凡杰,呂高旺,任國(guó)亭. 計(jì)算機(jī)應(yīng)用. 2017(06)
[9]國(guó)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(dòng)目標(biāo)檢測(cè)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(hào):3515026
【文章來(lái)源】:西安建筑科技大學(xué)陜西省
【文章頁(yè)數(shù)】:61 頁(yè)
【學(xué)位級(jí)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(shí),取得最優(yōu)閾值T.如圖所示,通過(guò)Otsu算法可以很好地分割道路圖像。3.4礦區(qū)道路類(lèi)型識(shí)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(lèi)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(lèi)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(xiàn)近似直線(xiàn);與直道相比,左右彎道的道路方向會(huì)發(fā)生改變;利用所提取的道路邊緣區(qū)域的斜率變換來(lái)區(qū)分左右彎道。右彎道的道路區(qū)域右邊緣線(xiàn)的斜率絕對(duì)值從下到上逐漸變大,而左邊緣線(xiàn)的斜率絕對(duì)值從下到上逐漸變;左彎道的左右邊緣線(xiàn)斜率絕對(duì)值變化正好與右彎道相反,其右邊緣線(xiàn)的斜率絕對(duì)值從下到上逐漸變小,左邊緣線(xiàn)的斜率絕對(duì)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(shí)別,進(jìn)而確定道路走向。本文通過(guò)分離左右邊緣來(lái)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(lái)確定左右邊緣中邊緣像素點(diǎn)的x位置。從L處開(kāi)始搜索時(shí),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(gè)x值不變。從R處開(kāi)始搜索時(shí),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(gè)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(guò)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(lái)判斷邊緣方向(n為圖像像素?cái)?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(shí),道路形狀可確定。左右邊緣的判斷結(jié)果有一個(gè)是直道而另一個(gè)是彎道時(shí),一般取彎道。當(dāng)左右邊緣的判斷結(jié)果中沒(méi)有直道,結(jié)果不一樣時(shí),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(cè)算法旨在通過(guò)對(duì)礦區(qū)道路邊緣線(xiàn)的檢測(cè),提高卡車(chē)在礦區(qū)行駛過(guò)程中的安全性和穩(wěn)定性,拓展視覺(jué)導(dǎo)航在無(wú)人駕駛礦卡中的應(yīng)用。通過(guò)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(cè)方法:針對(duì)礦區(qū)道路光照、陰影、水跡等邊緣檢測(cè)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(duì)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(duì)礦區(qū)道路邊緣模糊,邊緣退化等問(wèn)題,提出一種基于融合策略的局部圖像對(duì)比度自適應(yīng)調(diào)整的方法,對(duì)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(lèi)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(cè)[J]. 牛牧原,張春陽(yáng),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(cè)研究[J]. 黃俊,侯北平,董霏,吳穎東,劉宇,王建銘. 圖學(xué)學(xué)報(bào). 2019(01)
[3]基于改進(jìn)Canny算法的道路標(biāo)線(xiàn)自動(dòng)識(shí)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(bào). 2018(06)
[4]基于RGB熵和改進(jìn)區(qū)域生長(zhǎng)的非結(jié)構(gòu)化道路識(shí)別方法[J]. 吳驊躍,段里仁. 吉林大學(xué)學(xué)報(bào)(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(xiàn)檢測(cè)[J]. 彭明陽(yáng),王建華,聞祥鑫,叢曉奕. 中國(guó)圖象圖形學(xué)報(bào). 2018(04)
[7]改進(jìn)基于HSV空間的陰影檢測(cè)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(zhǎng)的非結(jié)構(gòu)化道路識(shí)別[J]. 王新晴,孟凡杰,呂高旺,任國(guó)亭. 計(jì)算機(jī)應(yīng)用. 2017(06)
[9]國(guó)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(dòng)目標(biāo)檢測(cè)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(hào):3515026
本文鏈接:http://www.sikaile.net/kejilunwen/shengwushengchang/3515026.html
最近更新
教材專(zhuān)著