版權(quán)說(shuō)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(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、不利天氣下濕滑道路極大地影響道路交通安全和運(yùn)輸效率,而獲取道路濕滑狀況信息是不利天氣下道路交通安全預(yù)警與控制的基礎(chǔ),因此探索高效的道路濕滑狀況判別技術(shù)對(duì)保障不利天氣下道路安全具有重要意義。目前,常用的路面狀況判別手段為人工或運(yùn)用路面?zhèn)鞲衅鳈z測(cè)。由于人工檢測(cè)主觀性強(qiáng)、勞動(dòng)量大以及路面?zhèn)鞲衅魇褂镁S護(hù)不便利、價(jià)格高,運(yùn)用圖像模式識(shí)別技術(shù)進(jìn)行濕滑路面判別已成為不利天氣下道路交通安全保障技術(shù)研究熱點(diǎn)。 路面濕滑狀況種類繁多,路面濕滑狀況圖
2、像內(nèi)容復(fù)雜,路面不具有明顯的形狀和顏色特征,樣本數(shù)目的限制等一系列因素,導(dǎo)致分類準(zhǔn)確性與泛化能力低。因此,如何提取并約簡(jiǎn)路面圖像空域與頻域圖像特征,如何利用有限的樣本設(shè)計(jì)高效、泛化性好的路況圖像識(shí)別分類器是當(dāng)前研究的核心問(wèn)題。針對(duì)上述存在的問(wèn)題,本文提出路面濕滑狀況判別實(shí)驗(yàn)系統(tǒng)方案,并通過(guò)圖像分析和特征選擇并優(yōu)化特征向量,同時(shí)運(yùn)用目前分類性能較優(yōu)的支持向量機(jī)和神經(jīng)網(wǎng)絡(luò)思想設(shè)計(jì)分類器。本文通過(guò)實(shí)驗(yàn)過(guò)程和結(jié)果對(duì)分類器的穩(wěn)定性、分類效率、分類
3、準(zhǔn)確性以及泛化能力進(jìn)行評(píng)估,分析分類器的優(yōu)劣及其性能改善方法,為下一步研究如何選取并改善分類器從而為道路濕滑狀況判別的實(shí)用化提供理論基礎(chǔ)。 路面濕滑狀況判別分為兩步,即特征選擇和分類器設(shè)計(jì)。 特征選擇是路面濕滑狀況判別的基礎(chǔ)。首先對(duì)路況圖像樣本進(jìn)行預(yù)處理,包括圖像灰度化、圖像去噪、圖像幾何校正和圖像分割;其次用基于內(nèi)容的特征提取方法選擇路況圖像樣本的灰度特征、結(jié)構(gòu)特征和紋理特征,并通過(guò)離線方式用Tabu搜索和主成分分析法
4、(PCA)提取有效特征并降維,同時(shí)運(yùn)用基于類內(nèi)類間距離的可分性判據(jù)選取最有效的低維特征。路況圖像樣本特征分析表明:灰度方差值、2階hu不變矩、灰度共生矩陣特征、功率譜特征和Gabor紋理特征組成的特征矢量是最優(yōu)特征解。 分類器設(shè)計(jì)是路面濕滑狀況判別的核心。鑒于路況復(fù)雜很難窮盡路面圖像,且路面圖像分類也是一種非線性的模式識(shí)別問(wèn)題,本文運(yùn)用支持向量機(jī)和神經(jīng)網(wǎng)絡(luò)進(jìn)行分類器設(shè)計(jì)研究。由于支持向量機(jī)分類器在小樣本、非線性及高維模式識(shí)別問(wèn)題
5、上表現(xiàn)出許多特別的優(yōu)勢(shì),實(shí)驗(yàn)中通過(guò)One—Agains—All(OAO)、One—Agains-One(OAA)和Binary-classSVM(BSVM)算法分別用線性內(nèi)核函數(shù)、多項(xiàng)式內(nèi)核函數(shù)、徑向基函數(shù)內(nèi)核函數(shù)、Sigmoid內(nèi)核函數(shù)對(duì)8種不同濕滑狀況的路面進(jìn)行分類研究。同時(shí)考慮到徑向基神經(jīng)網(wǎng)絡(luò)(RBFNN)學(xué)習(xí)速度快,網(wǎng)絡(luò)函數(shù)的逼近能力較強(qiáng),而徑向基概率神經(jīng)網(wǎng)絡(luò)(PNN)收斂于一個(gè)貝葉斯分類器,泛化性能好,因此實(shí)驗(yàn)中選取RBF和P
6、NN作為神經(jīng)網(wǎng)絡(luò)分類器。濕滑道路圖像判別實(shí)驗(yàn)結(jié)果表明:在多特征輸入多類輸出的分類器設(shè)計(jì)中(本實(shí)驗(yàn)是2個(gè)主成分特征輸入,8類結(jié)果輸出),運(yùn)用以上兩種分類器進(jìn)行濕滑路面判別正確率在70%~80%。SVM的分類正確率在70%~75%左右,并且很大程度上樣本的質(zhì)量和數(shù)量決定了SVM的性能,其核函數(shù)對(duì)分類性能的影響較弱。PNN的整體性能較優(yōu),其泛化性能力和分類準(zhǔn)確率占有較大優(yōu)勢(shì),分類正確率為75%~80%。而RBF網(wǎng)絡(luò)雖然訓(xùn)練誤差小,但是其分類準(zhǔn)
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)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(qǐng)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(qǐng)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(yè)內(nèi)容里面會(huì)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(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)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(duì)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(qǐng)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(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于機(jī)器視覺的路面抗滑性能評(píng)價(jià).pdf
- 基于機(jī)器視覺的大米外觀品質(zhì)判別研究.pdf
- 基于機(jī)器視覺的小麥質(zhì)量判別系統(tǒng)的研究.pdf
- 基于機(jī)器視覺的交通壓線判別方法研究.pdf
- 基于機(jī)器視覺的大棚蔬菜生長(zhǎng)狀況的監(jiān)測(cè).pdf
- 基于判別模型的視覺跟蹤算法的研究.pdf
- 基于機(jī)器視覺的高速公路路面病害檢測(cè)技術(shù)研究.pdf
- 基于機(jī)器視覺的外形狀況及變形應(yīng)變測(cè)量.pdf
- 基于機(jī)器視覺的路面交通標(biāo)志識(shí)別的應(yīng)用研究.pdf
- 潤(rùn)濕接觸線的移動(dòng)機(jī)制及輪胎--路面抗?jié)窕匦匝芯?pdf
- 基于SOC的機(jī)器視覺研究.pdf
- 基于視覺的駕駛員注意力判別研究.pdf
- 基于機(jī)器視覺的雜草識(shí)別研究.pdf
- 基于視覺信息的移動(dòng)機(jī)器人路面環(huán)境分析方法研究.pdf
- 基于機(jī)器視覺的意圖識(shí)別研究.pdf
- 基于彎沉盆參數(shù)的道路狀況快速判別研究
- 畢業(yè)設(shè)計(jì)(論文)基于機(jī)器視覺的路面裂縫檢測(cè)方法研究與實(shí)現(xiàn)
- 基于機(jī)器視覺的大豆品質(zhì)的研究.pdf
- 基于立體視覺的機(jī)器人視覺伺服研究.pdf
- 基于機(jī)器視覺的雞翅質(zhì)檢研究.pdf
評(píng)論
0/150
提交評(píng)論