不利视觉下能见度检测及道路信息恢复方法研究

发布时间：2021-08-01 12:13

　　道路交通事故已成为重大经济和社会问题,各类智能驾驶安全辅助系统对交通安全起着重要作用,在各类事故中由于道路低能见度引起的事故占有相当大比例,对道路能见度检测和低能见度道路信息恢复成为国内外相关领域重点研究的热点和难点问题之一。本文依托于国家重点研发计划项目《智能电动汽车的感知、决策与控制关键基础问题研究》（编号:2016YFB0100900）。针对道路能见度检测和低能见度道路信息恢复方法研究中存在的问题,以课题组自有的现代新伊兰特EV纯电动汽车为实际道路试验研究平台,对不利视觉条件下道路能见度检测及道路信息恢复方法进行深入研究。设计基于监督学习的不利视觉道路图像感知分类器,提出一种基于天空道路分界线和道路消失点的雾天道路能见度检测方法,并进行雾天道路能见度检测实车道路试验,试验结果表明,提出的能见度检测方法,可有效地获取道路能见度值。提出基于监督学习的方法对雾天低能见度图像进行四个能见度预警等级划分,对夜间道路图像进行三个能见度预警等级划分。提出的昏暗、恶劣雾天道路条件道路信息恢复方法和夜间条件下图像质量增强方法,可以作为基于的视觉的驾驶辅助系统有效的预处理步骤。本文研究的工作具体包括... 

【文章来源】：吉林大学吉林省 211工程院校 985工程院校 教育部直属院校

【文章页数】：116 页

【学位级别】：博士

【文章目录】：
摘要
Abstract
第1章 绪论
    1.1 引言
    1.2 不利天气对交通安全影响的研究背景
        1.2.1 不利天气对驾驶人心理影响分析
        1.2.2 不利天气对驾驶人反应时间影响
        1.2.3 不利天气对驾驶人获取道路信息的影响
        1.2.4 不利天气对车辆运行的影响
    1.3 国内外研究现状
        1.3.1 不利天气对道路交通安全影响的国内外研究现状
        1.3.2 图像分类技术国内外研究现状
        1.3.3 图像能见度检测国内外研究现状
        1.3.4 夜间图像增强与雾天图像恢复国内外研究现状
        1.3.5 存在的问题
    1.4 本文研究内容与技术路线
第2章 基于监督学习的不利视觉道路图像感知分类
    2.1 引言
    2.2 底层视觉特征提取方法
    2.3 有雾与无雾图像分类器设计
        2.3.1 合成雾天图像集
        2.3.2 合成图像特征提取
        2.3.3 基于SVM监督学习的道路图像分类器设计
        2.3.4 结果分析
    2.4 实际不利视觉道路图像分类器设计
        2.4.1 建立实际道路图像集
        2.4.2 实际道路图像特征提取
    2.5 基于监督学习图像分类方法
        2.5.1 BP神经网络分类器设计
        2.5.2 支持向量机分类器设计
        2.5.3 概率神经网络分类器设计
        2.5.4 监督的SKohonen网络分类器设计
        2.5.5 极限学习机分类器设计
    2.6 分类方法对比试验及分析
    2.7 本章小结
第3章 基于图像特征的雾天道路能见度检测
    3.1 引言
    3.2 雾天能见度定义及雾天等级划分
    3.3 基于摄像机模型及柯西米德定律检测能见度
        3.3.1 能见度检测摄像机模型
        3.3.2 柯西米德定律及能见度计算
    3.4 基于道路天空分界线和消失点的能见度检测
        3.4.1 车道标示线识别
        3.4.2 道路消失点估计
        3.4.3 雾天天空和道路分界线获取
        3.4.4 基于坐标转换的道路能见度值推导过程
    3.5 低能见度道路能见度检测实车试验
        3.5.1 能见度检测系统的试验平台
        3.5.2 图像采集设备
        3.5.3 道路试验车辆平台
        3.5.4 道路实车试验结果
    3.6 基于监督学习的能见度报警等级划分
        3.6.1 构造检测能见度等级图像集
        3.6.2 雾天能见度等级检测提取图像特征提取
        3.6.3 基于监督学习的雾天能见度预警等级划分
    3.7 本章小结
第4章 基于图像特征的夜间能见度检测
    4.1 引言
    4.2 夜间驾驶特点及奥拉德定律
    4.3 基于图像特征处理的夜间能见度检测
        4.3.1 夜间能见度计算模型建立
        4.3.2 基于图像特征的夜间能见度检测试验设计
        4.3.3 夜间光源图像光照度计算
        4.3.4 软件设计及基于图像处理夜间能见度检测
    4.4 基于监督学习的夜间能见度预警等级划分
        4.4.1 构造能见度预警等级划分图像集
        4.4.2 夜间能见度预警等级划分图像特征提取
        4.4.3 基于监督学习的夜间能见度预警等级划分
    4.5 本章小结
第5章 雾天道路信息恢复与夜间图像增强
    5.1 引言
    5.2 雾天道路图像恢复以及夜间图像增强的必要性
    5.3 雾天条件下基于非物理模型的道路图像恢复
    5.4 雾天条件下基于物理模型的道路图像恢复
        5.4.1 雾天道路图像能见度恢复算法模型
        5.4.2 SSR与 DCP结合的道路图像恢复
    5.5 夜间道路图像特征分析
    5.6 夜间条件下基于改进Retinex算法的道路图像增强
        5.6.1 改进的SSR算法实现夜间道路图像增强
        5.6.2 McCann99和Frankle-McCann夜间道路图像增强
        5.6.3 道路图像增强结果比较与分析
        5.6.4 夜间图像增强评价
    5.7 本章小结
第6章 全文总结与展望
    6.1 全文总结
    6.2 研究展望
参考文献
在学期间取得的科研成果
致谢


【参考文献】：
期刊论文
[1]一种基于车道线检测获取道路能见度方法[J]. 龚天洋,陈梅,王文扬,戎辉.  汽车电器. 2019(01)
[2]基于拐点线的大雾能见度检测算法[J]. 刘建磊,刘晓亮.  计算机应用. 2015(02)
[3]基于路面视亮度差平方最优化的视频能见度检测算法[J]. 吴炜,李勃,杨娴,端金鸣,陈启美.  电子与信息学报. 2014(10)
[4]基于双光源图像特征的夜间能见度观测方法研究[J]. 戴庞达,张玉钧,鲁昌华,周毅,刘晶,肖雪,刘文清,王京丽.  光谱学与光谱分析. 2014(01)
[5]基于路面亮度特征估算的视频能见度检测系统[J]. 杨娴,李勃,丁文,陈启美.  上海交通大学学报. 2013(08)
[6]基于气象能见度的高速公路限速研究[J]. 李利,孙策.  公路. 2013(07)
[7]HSV色彩空间的Retinex结构光图像增强算法[J]. 秦绪佳,王慧玲,杜轶诚,郑红波,梁震华.  计算机辅助设计与图形学学报. 2013(04)
[8]不利气候对高速公路交通安全影响分析及对策[J]. 莫振龙.  中国水运(下半月). 2013(01)
[9]基于车道线检测与图像拐点的道路能见度估计[J]. 宋洪军,陈阳舟,郜园园.  计算机应用. 2012(12)
[10]基于Retinex理论的Mccann99算法改进[J]. 沙俊名,刘泽乾,刘凡,夏志深.  激光与红外. 2011(09)

硕士论文
[1]雾天图像能见度检测方法研究[D]. 徐敏.西南科技大学 2018
[2]基于道路监控视频的雾霾能见度检测方法研究[D]. 周凯.南京邮电大学 2017
[3]基于机器视觉的大气能见度测量方法研究[D]. 赵瑞.西安理工大学 2017
[4]基于监控图像的高速公路能见度估计研究[D]. 许倩.长安大学 2016
[5]基于视频图像的高速公路能见度检测技术研究[D]. 韩明敏.北京交通大学 2016
[6]雾天交通视频的能见度检测及图像去雾技术研究[D]. 吴炜.南京大学 2015
[7]基于视频图像的能见度检测算法的研究[D]. 郭庚山.长沙理工大学 2015
[8]基于双光源法的夜间数字能见度测量方法研究[D]. 周佳.南京信息工程大学 2014
[9]基于交通视频的能见度估计研究[D]. 项文书.上海交通大学 2014
[10]基于数字摄像的大气能见度检测方法与系统实现[D]. 郭尚书.华中科技大学 2014



本文编号：3315506