基于彩色特征和B-spline的非結(jié)構(gòu)化道路檢測算法及應(yīng)用研究.pdf_第1頁
已閱讀1頁,還剩66頁未讀 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡介

1、基于視覺的智能導(dǎo)航系統(tǒng)是機(jī)器視覺領(lǐng)域的研究熱點(diǎn)之一。其中,道路檢測是基于視覺的智能導(dǎo)航系統(tǒng)的關(guān)鍵技術(shù)之一,為導(dǎo)航系統(tǒng)提供準(zhǔn)確的道路位置信息和方向信息。道路檢測算法必須滿足實(shí)時性和魯棒性兩個特點(diǎn),實(shí)時性要求算法能夠及時完成圖像的處理,魯棒性要求算法在各種復(fù)雜的外界環(huán)境下產(chǎn)生正確的輸出。目前,非結(jié)構(gòu)化道路的檢測算法由于道路特征不明顯,外界環(huán)境中各種干擾因素(如光照、陰影等)的影響,其復(fù)雜度高,效果不理想。由于非結(jié)構(gòu)化道路檢測的復(fù)雜性,利用單

2、一的特征或模型的方法已經(jīng)很難達(dá)到理想的效果。為此將特征和模型相結(jié)合,充分利用兩種方法的特點(diǎn)來提高算法魯棒性是一個好的解決方案,然而如何做到實(shí)時性和魯棒性的權(quán)衡是一個難點(diǎn)。論文的研究目的是如何在保證檢測算法實(shí)時性的基礎(chǔ)上提高算法的魯棒性,主要工作如下:
   針對非同質(zhì)環(huán)境下非結(jié)構(gòu)化道路檢測魯棒性差的問題,分析了現(xiàn)有基于特征的道路檢測算法,并重點(diǎn)分析了混合高斯模型方法。根據(jù)混合高斯模型方法的計(jì)算特性,設(shè)計(jì)了一種基于彩色特征的快速分

3、塊分類混合高斯模型方法:首先對彩色道路圖像進(jìn)行分塊分類預(yù)處理,然后根據(jù)圖像幀之間的相關(guān)性,采用卡爾曼濾波器預(yù)測下一幀K—means聚類中心。實(shí)驗(yàn)證明:該方法可以有效地減少道路圖像冗余信息和K-means算法的迭代次數(shù),進(jìn)而降低混合高斯模型的復(fù)雜度,并對圖像中的噪聲點(diǎn)有一定的抑制作用。
   為了提高非結(jié)構(gòu)道路檢測算法的有效性,論文充分結(jié)合基于特征和基于模型方法的優(yōu)點(diǎn),在改進(jìn)的混合高斯模型的基礎(chǔ)上提出一種基于分塊分類混合高斯模型和

4、B樣條曲線的非結(jié)構(gòu)化道路檢測算法。該算法引入一種分塊分段方法只針對包含道路邊界的混合區(qū)域分塊進(jìn)行道路邊界點(diǎn)的提??;采用B樣條曲線作為道路模型,并使用最小二乘法求解B樣條曲線最優(yōu)控制點(diǎn),從而完成對道路雙邊界的擬合。實(shí)驗(yàn)證明:相對于采用拋物線道路模型的max edge方法,本文算法計(jì)算量不高,可以靈活地表示各種道路形狀,并對外界噪聲有較強(qiáng)的抗干擾性。
   針對無人駕駛汽車的應(yīng)用需求,分析了無人駕駛汽車的特點(diǎn),將本文算法及相關(guān)技術(shù)應(yīng)

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論