基于单目视觉的道路信息提取与智能预警

发布时间：2017-09-16 09:35

  本文关键词：基于单目视觉的道路信息提取与智能预警

  更多相关文章： 消失点 道路提取 导航线 智能预警 深度估计

【摘要】：随着汽车使用量的快速增长与道路交通的快速发展,汽车辅助驾驶已经成为保障交通安全的一项重要研究课题。而汽车辅助驾驶系统中的导航、智能预警等功能均依赖于对道路场景的理解。基于视觉的道路信息提取技术是道路场景理解的关键技术。本文基于单目视觉技术,针对复杂城市道路和非结构化道路的信息提取与智能预警方法进行了深入的研究,具体研究内容包括以下几方面:首先,针对复杂城市道路和非结构化道路,提出了基于平行线与竖直包络线的道路消失点检测算法和基于暗原色的消失点检测算法。提出算法分别利用平行线和暗原色分割区域轮廓中的直线信息,计算竖直线包络,并估计出道路区域范围,再利用分组策略求解道路区域中任意两条直线的交点,并通过聚类方法估计出消失点的准确位置。进一步地,本文将上述两种消失点检测算法相结合并进行优化改进,提出了一种快速的消失点检测算法。然后,提出了基于消失点的道路识别及导航信息提取算法,为车道偏离预警奠定了基础。算法首先针对消失点和边界软投票进行道路区域分析,再根据汽车行驶特点在提取的道路区域进行导航信息提取,通过计算车辆行驶的偏航角及预警时间,得到偏航方向并按照预警决策方法对车道偏离进行预警。此外,本文结合暗原色原理,实现了农机具特殊道路的导航线提取。最后,根据消失点、识别的道路区域和区域特征理解,提出了一种基于轮廓的城市道路图像深度估计算法。算法利用图像分割得到一系列封闭区域,再统计每个分割区域自身的多元特征,并估计道路消失点。基于这些特征,实现天空、垂直面和道路区域的分割和三维空间推理,最后根据典型道路的深度变化规律实现对道路图像的深度估计。为智能交通导航中道路、障碍物和行人检测的深度信息进行准确预测和感知提供了重要依据。
【关键词】：消失点 道路提取 导航线 智能预警 深度估计
【学位授予单位】：燕山大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：U463.6;TP391.41
【目录】：

• 摘要5-6
• ABSTRACT6-11
• 第1章 绪论11-19
• 1.1 本课题的研究背景及意义11
• 1.2 国内外研究现状11-17
• 1.2.1 消失点13-14
• 1.2.2 道路检测14-15
• 1.2.3 偏航预警15-16
• 1.2.4 深度估计16-17
• 1.3 本文研究内容及结构安排17-19
• 1.3.1 研究内容17
• 1.3.2 结构安排17-19
• 第2章 道路图像的直线与平行线提取19-28
• 2.1 道路图像模型假设及分析19-20
• 2.1.1 消失点19
• 2.1.2 道路图像模型基本假设19-20
• 2.2 直线、平行线检测20-25
• 2.2.1 基于边缘编码的平行线提取20-23
• 2.2.2 基于误差判断的直线检测23-24
• 2.2.3 基于角点和主元分析的直线检测24-25
• 2.3 本文算法思路简述25-26
• 2.4 本章小结26-28
• 第3章 基于单幅图像的消失点检测28-57
• 3.1 基于垂线包络和平行线对的城市道路图像消失点检测算法28-35
• 3.1.1 平行线及竖直线提取29-30
• 3.1.2 基于垂直包络线的道路区域平行线提取30-31
• 3.1.3 道路区域消失点估计31-33
• 3.1.4 实验结果与分析33-35
• 3.2 基于暗原色的非结构化道路消失点检测算法35-44
• 3.2.1 基于暗原色的图像分割算法35-37
• 3.2.2 道路直线提取37-38
• 3.2.3 消失点估计38-39
• 3.2.4 参数讨论39-40
• 3.2.5 实验结果及分析40-44
• 3.3 快速消失点检测算法44-56
• 3.3.1 基于竖直包络线和透视三角形的区域分割44-46
• 3.3.2 道路区域直线提取46-48
• 3.3.3 消失点估计48-50
• 3.3.4 实验结果及分析50-56
• 3.4 本章小结56-57
• 第4章 基于消失点信息的道路导航与预警57-76
• 4.1 基于消失点的边界软投票道路检测算法57-63
• 4.1.1 消失点估计57
• 4.1.2 候选道路边界线提取57-58
• 4.1.3 基于软投票的边界选取58-59
• 4.1.4 全局道路区域提取59-60
• 4.1.5 道路检测结果及分析60-63
• 4.2 基于道路导航线的智能预警63-67
• 4.2.1 道路导航线及偏航角度计算63-64
• 4.2.2 偏离智能预警参数计算及决策方案64-66
• 4.2.3 导航线及偏航角提取结果与分析66-67
• 4.3 基于暗原色的农田道路视觉导航线提取算法67-74
• 4.3.1 农业道路导航线提取算法概述67-68
• 4.3.2 基于暗原色原理的图像预处理68-71
• 4.3.3 基于垂直投影法的中心导航线提取71-72
• 4.3.4 实验结果与分析72-74
• 4.4 本章小结74-76
• 第5章 基于轮廓特征理解的城市道路图像深度估计76-83
• 5.1 道路图像分割76-77
• 5.2 道路图像特征提取77-78
• 5.2.1 区域特征向量77-78
• 5.2.2 道路消失点估计78
• 5.3 道路图像三维结构推理78-79
• 5.4 三维道路图像深度估计79-80
• 5.5 实验结果与分析80-82
• 5.6 本章小结82-83
• 结论83-85
• 参考文献85-91
• 攻读硕士学位期间承担的科研任务与主要成果91-93
• 致谢93

【相似文献】

中国期刊全文数据库 前3条

1 万剑;赵恺;王维锋;;基于高维特征和RBF神经网络的湿滑道路图像判别方法[J];交通信息与安全;2013年02期

2 刘加海;白洪欢;黄微凹;;基于彩色和边缘信息融合的道路分割算法[J];浙江大学学报(工学版);2006年01期

3 ;[J];;年期

中国重要会议论文全文数据库 前2条

1 徐国保;尹怡欣;殷路;郝彦爽;周美娟;;基于细胞神经网的道路图像快速分割算法[A];第二十六届中国控制会议论文集[C];2007年

2 吴晴;吴振华;;基于HLS模型的道路图像边缘检测[A];中国仪器仪表学会2008学术年会第二届智能检测控制技术及仪表装置发展研讨会论文集[C];2008年

中国硕士学位论文全文数据库 前6条

1 曹旭光;非结构化道路识别及拟合算法研究[D];东华理工大学;2015年

2 任龙辉;基于DM642的车道偏离预警中道路图像前端处理系统的研究[D];长安大学;2015年

3 李勇;基于单目视觉的道路信息提取与智能预警[D];燕山大学;2016年

4 张利平;视觉导航系统中道路图像处理技术研究[D];中北大学;2007年

5 张恒;雾天道路图像增强方法的研究[D];长沙理工大学;2011年

6 朱钐;基于DSP道路识别技术研究[D];武汉理工大学;2010年

，

本文编号：862271