具有定位功能的汽车全景辅助系统研究
发布时间：2020-12-29 02:32
随着信息科学、计算机视觉以及智能汽车的不断发展,具有显示和定位功能的汽车全景辅助系统已成为相关领域科研工作者的研究热点。汽车全景辅助系统具有全景可视化车身周围信息,有效消除视觉盲区,帮助驾驶者及时了解路况信息,提高驾驶汽车的相关安全技术等功能,得到了广大使用者的青睐。然而,目前市场上的汽车全景显示系统拼接实时性较差、视觉效果不清晰,且缺少对运动目标的检测和定位功能(如:位置、速度和方向)。因此,本文将针对上述问题,研究一种具有移动物检测和定位功能的汽车全景显示系统,该系统能够实现图像的快速拼接、运动目标的特征提取以及目标的位置、运动速度和方向的精确估计,具体研究内容如下:首先,研究了一种基于小波变换的新型SURF汽车全景辅助系统图像拼接方法。该方法利用小波梯度矢量提取图像重合区域的特征点,实现低频图像下快速获得特征点,同时进一步利用图像特征点约束的单向匹配和方向一致性,有效剔除误匹配点对,从而提高特征点匹配精度和实时性。其次,探讨了一种基于Vi Be和五帧差分算法的汽车全景辅助系统运动目标检测方法。该方法针对传统Vi Be算法检测结果存在鬼影和阴影问题,通过多帧连续图像初始化背景模型替...
【文章来源】：安徽工程大学安徽省
【文章页数】：66 页
【学位级别】：硕士
【部分图文】：
驾驶员视觉盲区示意图
景再现、图像恢复和特征提取等传统问题也成为许多专业人员研究的主目标检测与跟踪技术的主要作用是在不间断的图像序列中将运动目标从兴趣的背景中检测提取出来，选择感兴趣的内容作为识别对象，并获得运动信息[3]，如何将计算机视觉处理和定位技术应用到智能汽车领域已研究人员密切关注的热点，汽车全景显示系统倒车入库图如图 1-2 所示
在运动目标检测方面：汽车全景显示系统具有探知移动物功能图如图1-3 所示。对于运动目标检测，国内外的科研人员提出了许多比较完善且经典的运动目标检测算法，其中比较经典的算法有：背景减除法（BackgroundSubtraction）、帧间差分法（Temporal Difference）、光流法（Optical Flow）、图割（Graph Cuts）[16]，并在这些经典算法的基础上进行改进，其引申出其他运动目标检测算法。但对于运动目标视频场景的不同，或者针对于某个具体研究的问题，它们既有各自的优点也有各自的缺点，当前并没有一种能够适用于解决各类场景下的运动目标的检测算法。视觉背景提取算法（Visual Background extractor，ViBe）是由 Olivier Barnich 等[17]在 2009 年第 34 届 IEEE International Conference onAcoustics，Speech，and Signal Processing 会议上提出。ViBe 算法主要包括三个方面：背景模型的建立及初始化、像素分类过程、背景模型的实时更新。相比较前几种运动目标检测算法或在其上改进方法而言，ViBe 算法在运动目标检测的效果上具有先进性。该算法受到许多国内的科研技术者进一步的研究和创新。对于ViBe 算法有着不能分割重叠对象的缺陷，2013年4月合肥工业大学吴东飞[18]采用了使用 HOG 特征的 SVM 分类器来完成对目标的分割
【参考文献】：
期刊论文
[1]一种改进的ViBe运动目标检测算法[J]. 王娇,韩加蓬,刘二全,范照辉,郭栋,谭德荣. 广西大学学报(自然科学版). 2017(06)
[2]基于SACON模型和五帧差分法的目标检测算法[J]. 朱世松,付万超. 测控技术. 2017(12)
[3]基于ViBe的运动目标检测改进方法[J]. 丁洁,况立群,韩燮. 计算机工程与设计. 2017(02)
[4]基于双背景模型的改进Vibe运动目标检测算法[J]. 周超康,战荫伟,冯开平. 电视技术. 2016(04)
[5]基于改进Vibe算法的行人目标检测[J]. 仇春春,王恬,程海粟,曹美. 信息技术. 2016(03)
[6]混合高斯模型与三帧差分法相结合的建模新算法[J]. 李搏轩,沈永良,胡月. 黑龙江大学工程学报. 2016(01)
[7]基于SURF的图像配准改进算法[J]. 张凤晶,王志强,吴迪,于光. 长春理工大学学报(自然科学版). 2016(01)
[8]基于分层模型与局部复原的多聚焦图像融合方法[J]. 魏利胜,张平改. 仪器仪表学报. 2016(01)
[9]基于五帧差分法的动态目标检测新算法[J]. 郭春凤. 重庆科技学院学报(自然科学版). 2015(05)
[10]相机阵列中无视场重合图像时间配准方法研究[J]. 王帅,李迎春,张廷华. 电子测量技术. 2015(10)
博士论文
[1]基于单目视觉的运动目标跟踪定位技术研究[D]. 姚楠.上海交通大学 2014
[2]车载全景影像获取关键技术研究[D]. 高文武.武汉大学 2014
[3]基于单目视觉的目标识别与定位研究[D]. 冯春.南京航空航天大学 2013
[4]单目视觉移动机器人的定位与建图研究[D]. 陈伟.国防科学技术大学 2008
硕士论文
[1]基于背景建模运动目标检测算法的研究[D]. 刘涛涛.郑州大学 2016
[2]基于背景建模的运动目标检测与分割算法[D]. 王丹.西安电子科技大学 2015
[3]基于ViBe的运动目标检测与阴影消除方法研究[D]. 桂斌.安徽大学 2015
[4]全方位视频运动目标检测跟踪算法和应用研究[D]. 赵伟勇.浙江工业大学 2014
[5]基于双目视觉的运动目标跟踪算法研究与应用[D]. 陈诚.哈尔滨工业大学 2014
[6]视频运动目标检测的若干算法研究[D]. 周丹.江西理工大学 2013
[7]静态场景下多运动目标检测与跟踪[D]. 吴东飞.合肥工业大学 2013
[8]基于单目视觉的实时车距测量方法研究[D]. 陈琦.武汉理工大学 2013
[9]视频图像目标检测与识别算法优化[D]. 董小舒.南京理工大学 2013
[10]无人机对地面目标位姿的单目视觉测量方法研究[D]. 洪荣.国防科学技术大学 2012
本文编号：2944835
【文章来源】：安徽工程大学安徽省
【文章页数】：66 页
【学位级别】：硕士
【部分图文】：
驾驶员视觉盲区示意图
景再现、图像恢复和特征提取等传统问题也成为许多专业人员研究的主目标检测与跟踪技术的主要作用是在不间断的图像序列中将运动目标从兴趣的背景中检测提取出来，选择感兴趣的内容作为识别对象，并获得运动信息[3]，如何将计算机视觉处理和定位技术应用到智能汽车领域已研究人员密切关注的热点，汽车全景显示系统倒车入库图如图 1-2 所示
在运动目标检测方面：汽车全景显示系统具有探知移动物功能图如图1-3 所示。对于运动目标检测，国内外的科研人员提出了许多比较完善且经典的运动目标检测算法，其中比较经典的算法有：背景减除法（BackgroundSubtraction）、帧间差分法（Temporal Difference）、光流法（Optical Flow）、图割（Graph Cuts）[16]，并在这些经典算法的基础上进行改进，其引申出其他运动目标检测算法。但对于运动目标视频场景的不同，或者针对于某个具体研究的问题，它们既有各自的优点也有各自的缺点，当前并没有一种能够适用于解决各类场景下的运动目标的检测算法。视觉背景提取算法（Visual Background extractor，ViBe）是由 Olivier Barnich 等[17]在 2009 年第 34 届 IEEE International Conference onAcoustics，Speech，and Signal Processing 会议上提出。ViBe 算法主要包括三个方面：背景模型的建立及初始化、像素分类过程、背景模型的实时更新。相比较前几种运动目标检测算法或在其上改进方法而言，ViBe 算法在运动目标检测的效果上具有先进性。该算法受到许多国内的科研技术者进一步的研究和创新。对于ViBe 算法有着不能分割重叠对象的缺陷，2013年4月合肥工业大学吴东飞[18]采用了使用 HOG 特征的 SVM 分类器来完成对目标的分割
【参考文献】：
期刊论文
[1]一种改进的ViBe运动目标检测算法[J]. 王娇,韩加蓬,刘二全,范照辉,郭栋,谭德荣. 广西大学学报(自然科学版). 2017(06)
[2]基于SACON模型和五帧差分法的目标检测算法[J]. 朱世松,付万超. 测控技术. 2017(12)
[3]基于ViBe的运动目标检测改进方法[J]. 丁洁,况立群,韩燮. 计算机工程与设计. 2017(02)
[4]基于双背景模型的改进Vibe运动目标检测算法[J]. 周超康,战荫伟,冯开平. 电视技术. 2016(04)
[5]基于改进Vibe算法的行人目标检测[J]. 仇春春,王恬,程海粟,曹美. 信息技术. 2016(03)
[6]混合高斯模型与三帧差分法相结合的建模新算法[J]. 李搏轩,沈永良,胡月. 黑龙江大学工程学报. 2016(01)
[7]基于SURF的图像配准改进算法[J]. 张凤晶,王志强,吴迪,于光. 长春理工大学学报(自然科学版). 2016(01)
[8]基于分层模型与局部复原的多聚焦图像融合方法[J]. 魏利胜,张平改. 仪器仪表学报. 2016(01)
[9]基于五帧差分法的动态目标检测新算法[J]. 郭春凤. 重庆科技学院学报(自然科学版). 2015(05)
[10]相机阵列中无视场重合图像时间配准方法研究[J]. 王帅,李迎春,张廷华. 电子测量技术. 2015(10)
博士论文
[1]基于单目视觉的运动目标跟踪定位技术研究[D]. 姚楠.上海交通大学 2014
[2]车载全景影像获取关键技术研究[D]. 高文武.武汉大学 2014
[3]基于单目视觉的目标识别与定位研究[D]. 冯春.南京航空航天大学 2013
[4]单目视觉移动机器人的定位与建图研究[D]. 陈伟.国防科学技术大学 2008
硕士论文
[1]基于背景建模运动目标检测算法的研究[D]. 刘涛涛.郑州大学 2016
[2]基于背景建模的运动目标检测与分割算法[D]. 王丹.西安电子科技大学 2015
[3]基于ViBe的运动目标检测与阴影消除方法研究[D]. 桂斌.安徽大学 2015
[4]全方位视频运动目标检测跟踪算法和应用研究[D]. 赵伟勇.浙江工业大学 2014
[5]基于双目视觉的运动目标跟踪算法研究与应用[D]. 陈诚.哈尔滨工业大学 2014
[6]视频运动目标检测的若干算法研究[D]. 周丹.江西理工大学 2013
[7]静态场景下多运动目标检测与跟踪[D]. 吴东飞.合肥工业大学 2013
[8]基于单目视觉的实时车距测量方法研究[D]. 陈琦.武汉理工大学 2013
[9]视频图像目标检测与识别算法优化[D]. 董小舒.南京理工大学 2013
[10]无人机对地面目标位姿的单目视觉测量方法研究[D]. 洪荣.国防科学技术大学 2012
本文编号：2944835
本文链接：https://www.wllwen.com/kejilunwen/qiche/2944835.html
