智能公交系统中客流绞计和公交专用道识别算法研究

发布时间：2017-10-30 09:43

  本文关键词：智能公交系统中客流绞计和公交专用道识别算法研究

  更多相关文章： 智能公交 客流统计 车道识别 深度估计 Hough变换

【摘要】：随着我国经济的持续高速发展,急剧增加的城市人口带来了小型汽车数量的大幅增长,交通拥堵、污染加剧和事故增加等问题已经对城市的健康发展造成了严重影响,而城市公交由于其高效环保的特点成为了解决这些问题的最佳选择之一。从世界范围来看各国城市交通的发展,无不经历了从小汽车到城市公交的发展历程。但目前我国城市公交普遍存在资源配置不合理的问题,随之而来的乘客出行速度慢,换乘困难等情况严重影响了市民的出行体验。为了提高现有公交系统的管理水平和运行效率,目前国内外的公交行业都在大力发展智能公交系统。其中,客流统计是智能公交系统的核心功能,准确、实时的客流信息能够帮助公交公司更加合理地安排公交线路和站点,并及时根据客流情况进行实时调度和管理。另外,公交出行的安全性同样是人民群众关注的重点。智能公交系统可以通过对道路情况、路边标识等信息的分析,为驾驶员提供有效帮助甚至直接辅助控制车辆的运行过程,提高车辆运行的安全性。针对上述问题,本论文主要工作如下：1.论述了目前常用的深度估计算法、边缘检测算法和直线检测算法,并从中选择合适的算法进行改进,用于本文客流统计和公交专用道识别系统的设计实现。2.提出一种基于立体视觉的公交客流统计解决方案。在公交车门的正上方安装一对双目摄像头,对采集的双目视频进行采样、校准和降低对比度等预处理操作后,用一种全局匹配深度估计算法求得图像的深度图。该算法的核心是图割算法,本论文通过对匹配准则和最大流最小割过程的改进,得到了准确度更高的深度图,并在此深度图的基础上搜索符合乘客特征的较大视差区域作为检测到的乘客信息。通过对前后多帧中乘客的运动轨迹进行追踪,确定乘客的上下车行为。3.提出一种基于Hough变换的公交专用道识别解决方案。对车辆前摄像头采集到的路面图像,在HSV色彩空间中用区域生长算法提取符合专用道特征的区域,边缘检测后对边缘图像进行Hough变换,寻找图像中存在的直线,把其中角度等特征相符的直线识别为公交专用道。根据上车测试的结果,本算法在非客流高峰时段的识别准确率达到97%以上,在客流高峰时段乘客非常拥挤的情况下,也仍能保持90%左右的识别准确率。对于各种环境下的公交专用车道的识别,本算法也取得满意的结果。
【关键词】：智能公交 客流统计 车道识别 深度估计 Hough变换
【学位授予单位】：山东大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：U495;TP391.41
【目录】：

• 摘要10-12
• ABSTRACT12-14
• 第一章 绪论14-19
• 1.1 课题背景及意义14-15
• 1.2 智能公交系统发展现状15-16
• 1.2.1 客流统计技术发展现状15-16
• 1.2.2 车道识别技术发展现状16
• 1.3 研究的主要内容16-17
• 1.4 论文结构安排17-19
• 第二章 客流统计及公交专用道识别关键技术19-34
• 2.1 深度估计算法19-25
• 2.1.1 常用深度估计算法19-20
• 2.1.2 基于立体视觉的视差估计方法20-25
• 2.1.2.1 局部匹配算法20-22
• 2.1.2.2 全局匹配算法22-25
• 2.1.2.3 基于区域分割的匹配算法25
• 2.2 HSV色彩空间25-26
• 2.3 边缘检测算法26-31
• 2.3.1 边缘检测算法步骤26-27
• 2.3.2 常用边缘检测算法27-31
• 2.4 常用的直线检测算法31-34
• 2.4.1 最小二乘法和最小距离法31
• 2.4.2 Radon变换直线检测31-32
• 2.4.3 Hough变换直线检测32-34
• 第三章 基于深度估计的客流统计算法的设计与实现34-46
• 3.1 客流统计系统架构34
• 3.2 客流统计算法流程34-36
• 3.3 客流统计算法模块设计36-43
• 3.3.1 图像预处理36-38
• 3.3.2 深度估计38-39
• 3.3.3 提取人头区域39-42
• 3.3.4 乘客上、下车行为分析42-43
• 3.4 客流统计算法参数获取43-45
• 3.4.1 深度估计参数获取43-44
• 3.4.2 环境深度图44-45
• 3.5 本章小结45-46
• 第四章 基于Hough变换的公交专用道识别算法的设计与实现46-54
• 4.1 公交专用道识别算法流程46
• 4.2 公交专用道识别算法模块设计46-53
• 4.2.1 提取黄色像素点46-48
• 4.2.2 筛选合理黄线区域48-50
• 4.2.3 Canny边缘检测50-52
• 4.2.4 基于Hough变换的公交专用道识别52-53
• 4.3 本章小结53-54
• 第五章 实验及分析54-58
• 5.1 实验图像采集54
• 5.2 上车实验结果54-57
• 5.2.1 乘客识别效果图54-56
• 5.2.2 专用道识别效果图56
• 5.2.3 客流统计结果56-57
• 5.3 实验结果分析57-58
• 第六章 总结与展望58-60
• 6.1 本文工作总结58
• 6.2 未来工作展望58-60
• 参考文献60-65
• 致谢65-66
• 攻读硕士研究生期间研究成果66-67
• 学位论文评阅及答辩情况表67

【相似文献】

中国期刊全文数据库 前10条

1 方加宝;夏天;刘欣;梁晓成;;智能公交系统中电子站牌的研究[J];中国仪器仪表;2006年10期

2 高博;张亚东;;网格技术在智能公交系统中的应用[J];微计算机应用;2007年10期

3 张辉宜;陶永;;智能公交系统的设计与实现[J];中国仪器仪表;2007年11期

4 肖会敏;高博;;网格技术在智能公交系统中的应用[J];河南科学;2008年03期

5 郑周景;应艳杰;;智能公交系统研究[J];安徽电子信息职业技术学院学报;2008年02期

6 尹利斯;;自主式探测小车——在智能公交系统中的应用[J];黑龙江科技信息;2009年03期

7 邵西河;师帅兵;朱亚东;;智能公交系统中电子站牌的研究[J];微计算机信息;2009年20期

8 ;江苏无锡传感智能公交系统投入运营[J];农业装备与车辆工程;2010年04期

9 林荣生;;厦门智能公交系统建设思路与效益分析[J];人民公交;2010年07期

10 王孝坤;陈维强;朱中;;智能公交系统建设运行中的管理制度建设[J];城市公共交通;2010年03期

中国重要会议论文全文数据库 前8条

1 孙逵;周进安;;“物联之舞 无线创新”——苏州智能公交系统[A];信息让生活更美好——江苏省通信行业信息化案例选编[C];2010年

2 黄慧;边馥苓;;智能公交系统中的关键技术及其实现[A];中国地理信息系统协会第三次代表大会暨第七届年会论文集[C];2003年

3 黎明;马林;庄斌;;城市智能公共交通系统保障机制研究[A];2008第四届中国智能交通年会论文集[C];2008年

4 林珈;晏克非;;智能公交系统(APTS)中3G技术的应用[A];第一届中国智能交通年会论文集[C];2005年

5 吴武飞;武林;沈卫极;马春丽;;基于MC9S12DG128单片机的智能公交系统设计[A];第七届全国信息获取与处理学术会议论文集[C];2009年

6 熊桂喜;张海;;北京市南中轴路BRT智能公交系统的研究与设计实现[A];中国巴士快速交通行动大会会议资料[C];2005年

7 白玉凤;吕璞;王磊;;基于BRT智能公交系统的交通拥堵策略研究[A];2007第三届中国智能交通年会论文集[C];2007年

8 潘若愚;付超;胡笑旋;;基于GPS和WNs的公交车载设备的实现[A];现代工业工程与管理研讨会会议论文集[C];2006年

中国重要报纸全文数据库 前10条

1 记者 张静;大连移动智能公交系统有效管理车辆[N];人民邮电;2009年

2 记者 景泊;智能公交系统 有望明年建成[N];镇江日报;2011年

3 本报记者　 邓新灵 通讯员　 粤通;广州智能公交系统试用成功[N];广东建设报;2006年

4 记者 殷磊邋通讯员 杨锦强;智能公交系统下半年试运行[N];厦门日报;2007年

5 首席记者 李欣;北方高寒城市智能公交系统项目卖出一大步[N];牡丹江日报;2012年

6 首席记者 李欣;智能化:给城市公交安个大脑[N];牡丹江日报;2013年

7 记者 毛庆　实习生 韩斌;我市将花两年时间打造“智能交通”[N];南京日报;2010年

8 记者 吴君宁;厦漳将“共享”智能交通项目[N];厦门日报;2012年

9 记者 尤志卉;园区首个公交停保场启用[N];苏州日报;2010年

10 刘恒;重庆联通智能公交系统实现车辆安全管理[N];人民邮电;2006年

中国硕士学位论文全文数据库 前10条

1 黄洁;智能公交系统乘客满意度和行为意愿分析[D];华中科技大学;2009年

2 高鹤;智能公交系统网络解决方案的研究[D];北京邮电大学;2010年

3 李磊;3G行业应用之智能公交系统解决方案[D];北京邮电大学;2011年

4 石美英;智能公交系统的设计与实现[D];内蒙古大学;2015年

5 张嵇;威海智能公交系统研究[D];山东大学;2015年

6 王佶U，

本文编号：1117165