基于單目視頻流的前方車輛檢測算法研究.pdf_第1頁
已閱讀1頁,還剩74頁未讀 繼續(xù)免費閱讀

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),請進行舉報或認領(lǐng)

文檔簡介

1、基于單目視覺的前方車輛檢測系統(tǒng)的目標是準確而快速地檢測前方車輛,從而為車輛駕駛系統(tǒng)提供輔助。隨著機器視覺技術(shù)的不斷進步,基于單目視覺的前方車輛檢測在智能交通,自動駕駛等領(lǐng)域也得到了越來越廣泛地應(yīng)用。車輛特征提取及疑似區(qū)域驗證是此類系統(tǒng)的兩個主要問題。本文在分析和比較國內(nèi)外各種相關(guān)研究的基礎(chǔ)上,提出了相應(yīng)的特征提取與驗證算法。主要研究內(nèi)容如下:
 ?。?)針對車輛特征提取時易發(fā)生漏檢的問題,本文提出了一種陰影直線掃描與Frame R

2、educe圖像過濾相結(jié)合的陰影特征提取算法。將車輛底部的陰影區(qū)域作為本階段使用的先驗特征,本文算法通過多條在同一陰影區(qū)域的影線的相互融合的方式來提取車底的陰影特征,并將其上方可能包含車輛的區(qū)域提取出來。由于影線自身的特性,本算法有著環(huán)境適應(yīng)性較強,實時性較高,漏檢率極低的優(yōu)點。但是,其誤檢率較高,浪費了整體的處理時間。為確保系統(tǒng)的實時性,通過Frame Reduce圖像對影線提取算法的結(jié)果進行過濾,以便去除大部分誤檢。經(jīng)實驗驗證,本算法

3、可以極大地降低系統(tǒng)的漏檢率。
  (2)為提高在實際場景中算法的實時性與檢測率,本文提出一種基于投票機制的驗證算法框架。在特征提取算法初步提取了場景中的車輛信息后,通過位置估計,陰影區(qū)域檢測算法,對稱性檢測算法,歷史信息等較為簡單的算法對候選區(qū)域進行投票。然后,算法將根據(jù)投票結(jié)果,將候選區(qū)域進行分類處理。投票機制降低了驗證算法所需處理的數(shù)據(jù)集規(guī)模,提高了系統(tǒng)的實時性。由于有多種算法共同作用于投票機制,對圖像中兩側(cè)車輛而言,系統(tǒng)的準

4、確率有著較大的提升。
  (3)針對檢測系統(tǒng)易受檢測環(huán)境干擾的問題,本文提出一種陰影閾值的自動適應(yīng)方法,該方法通過改進的閾值提取算法,提高適應(yīng)性。此外,為防止因環(huán)境變化而導致漏檢,本文又提出了一種基于歷史信息的跟蹤算法,當系統(tǒng)因為環(huán)境變化而導致漏檢時,通過歷史信息進行補全。通過這兩種方法,提升了檢測系統(tǒng)對環(huán)境適應(yīng)性。
  最后,本文在Windows系統(tǒng)下,使用Visual Studio2008編程實現(xiàn)了前方車輛檢測程序。經(jīng)實

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)容負責。
  • 6. 下載文件中如有侵權(quán)或不適當內(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確性、安全性和完整性, 同時也不承擔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