智能交通中三維重建系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn).pdf

1、城市交通狀況的日益復(fù)雜，交通管理中采集的二維圖像在一定程度上已經(jīng)無法滿足高信息量的需求。相比之下，三維數(shù)據(jù)信息更受歡迎。除此以外，隨著用于圖像處理的軟硬件設(shè)備不斷升級(jí)、相關(guān)算法不斷完善，三維數(shù)據(jù)相對(duì)二維數(shù)據(jù)信息量過于龐大、處理速度緩慢的問題已經(jīng)逐漸被淡化。所以本文以智能交通中的車輛檢測(cè)為框架，搭建了一個(gè)三維重建系統(tǒng)并研究交通場(chǎng)景中三維重建的關(guān)鍵技術(shù)，并提出了相應(yīng)的解決方案。
　　對(duì)于本文基于智能交通領(lǐng)域的三維重建系統(tǒng)的設(shè)計(jì)，主要體

2、現(xiàn)在以下三個(gè)大的方面:
　　1、實(shí)現(xiàn)檢測(cè)場(chǎng)景中目標(biāo)特征點(diǎn)的提取和動(dòng)態(tài)跟蹤。對(duì)場(chǎng)景中目標(biāo)的三維重建歸根到底是對(duì)目標(biāo)特征點(diǎn)的重建，提取目標(biāo)特征點(diǎn)是首要問題。然而實(shí)際交通中車輛目標(biāo)較大且往往處于運(yùn)動(dòng)狀態(tài)，所以對(duì)目標(biāo)的特征點(diǎn)不僅要進(jìn)行提取還要能穩(wěn)定的跟蹤，因此本文采用改進(jìn)的KLT跟蹤算法、優(yōu)化了特征點(diǎn)模型，提高了跟蹤效率，從而達(dá)到最佳效果。
　　2、特征點(diǎn)自動(dòng)補(bǔ)全機(jī)制。在復(fù)雜的實(shí)際場(chǎng)景中可能會(huì)遇到類似于噪音干擾、目標(biāo)遮擋等原因?qū)е绿?/p>