基于双目视觉的田间道路感知和路径跟踪研究
发布时间：2021-11-24 08:55
丘陵山区耕地面积约占我国耕地总面积的63.2%,是我国重要的粮食、油料、烟叶等作物的生产基地。但丘陵山区田间道路自然条件差,导致目前农用物资和农产品在田间道路上的转运存在劳动力投入大、安全性差、发展水平低等问题。在农村劳动力缺乏的情况下,丘陵山区亟需一种自动化程度高、安全性好的田间道路搬运车。本文针对丘陵山区田间道路无车道线、边界模糊、背景环境复杂多变等特点,采用双目摄像头对搬运车前方的道路进行识别,利用立体匹配和三维重建技术获取田间道路的三维信息,据此进行田间道路上的局部路径跟踪,实现搬运车在田间道路上的自动行驶。主要研究内容有:（1）双目视觉原理及双目摄像头标定。分析双目视觉系统的五个基本坐标系和各个坐标系之间的关系,根据单目和双目摄像机的成像模型,选定基于MATLAB工具箱的张正友标定法,以黑白棋盘格作为参照物,提取棋盘格的角点作为特征,完成双目摄像头内、外参数的获取,并对比不同标定距离下的结果。（2）田间道路图像处理算法。分析对比RGB、Lab、HSI、HSV四种不同颜色空间下田间道路图像分割处理结果,选择能适应各种田间道路的HSV颜色空间进行图像处理。分离HSV颜色空间中的V...
【文章来源】：西南大学重庆市 211工程院校 教育部直属院校
【文章页数】：102 页
【学位级别】：硕士
【部分图文】：
田间道路Fig.2-1Fieldroads
第 3 章 双目视觉原理以及双目摄像头的标定第 3 章 双目视觉原理及双目摄像头的标定环境下,搬运车在田间道路上的自动行驶过程中，需要对欲行驶别和定位，正确判断田间道路搬运车相对于道路中线的位置。进行田间道路识别和三维信息重建，需先对双目摄像头进行标右摄像头的内部参数矩阵和外部参数矩阵。内部参数矩阵与摄关，主要包括焦距、成像原点等；外部参数矩阵与摄像头在三关，包括两个摄像头的相对位置、旋转方向等。坐标系的介绍摄像头的标定一般涉及到 5 个基本的参考坐标系[48]，其相对关
图 3-2 基本坐标系之间的关系Fig.3-2 Relationship among four coordinate systems3.2.2 非线性摄像机模型针孔成像模型是假设摄像头没有畸变的理想模型，但在实际加工制造过程中，由于工艺和装配的偏差会造成摄像头的畸变[50]，比较明显地反映在画面边缘，导致采集图像的几何失真。实际的摄像机成像模型如图 3-3 所示。 , i i im x y , r r rm x y
【参考文献】：
期刊论文
[1]基于三维激光雷达的动态障碍物检测和追踪方法[J]. 邹斌,刘康,王科未. 汽车技术. 2017(08)
[2]一种极线约束修正数字图像相关匹配的立体视觉测量方法[J]. 单宝华,霍晓洋,刘洋. 中国激光. 2017(08)
[3]“改地适机”是丘陵山区农机化发展的治本之策[J]. 刘小伟. 中国农机化学报. 2017(07)
[4]基于RGB熵的非结构化道路分割方法[J]. 李迎春,付兴建,薛琴. 计算机工程与设计. 2017(06)
[5]基于PCA-SVM准则改进区域生长的非结构化道路识别[J]. 王新晴,孟凡杰,吕高旺,任国亭. 计算机应用. 2017(06)
[6]浅议丘陵山区农机化发展面临的问题和对策[J]. 李耀辉. 中国农学通报. 2017(08)
[7]基于主动轮廓模型的自动导引车视觉导航[J]. 林桂潮,邹湘军,张青,熊俊涛. 农业机械学报. 2017(02)
[8]丘陵山区农业机械化发展现状及对策[J]. 王升升,耿令新. 农业工程. 2016(05)
[9]双目立体匹配算法的FPGA实现[J]. 韩剑辉,吴振,李兰英. 哈尔滨理工大学学报. 2016(04)
[10]基于树形结构的半全局立体匹配算法[J]. 葛忠孝,邢帅,夏琴,王栋,侯晓芬,江腾达. 计算机工程. 2016(08)
博士论文
[1]基于虚拟现实的拖拉机双目视觉导航试验方法研究[D]. 翟志强.中国农业大学 2017
[2]基于视觉的智能车辆道路识别与障碍物检测方法研究[D]. 石金进.哈尔滨工业大学 2017
[3]视觉辅助驾驶系统多维度道路建模及车辆定位优化[D]. 蒋如意.上海交通大学 2012
硕士论文
[1]车载双目场景下基于多特征融合的道路检测方法研究[D]. 和文丽.厦门大学 2017
[2]基于双目视觉的智能车道路环境识别研究[D]. 程一伦.吉林大学 2017
[3]基于网格化场景下多车式机器人运动协调算法研究与实现[D]. 章谨.北京交通大学 2017
[4]室外无人车自主导航方法研究[D]. 张高明.浙江大学 2017
[5]基于立体视觉的道路场景分割与车辆检测算法研究[D]. 王泽运.南京理工大学 2017
[6]辅助驾驶中基于单幅图像的复杂道路场景分类方法研究[D]. 杨景超.燕山大学 2016
[7]基于多特征融合的交通标志检测与识别[D]. 蔡会祥.电子科技大学 2016
[8]基于双目视觉的无人车行驶障碍物定位跟踪方法研究[D]. 陈盼.长安大学 2016
[9]微装配系统图像识别与定位技术研究[D]. 张炳银.北京理工大学 2016
[10]基于多特征融合的全景图道路轮廓自动提取方法及应用研究[D]. 线冰曦.北京工业大学 2015
本文编号：3515643
【文章来源】：西南大学重庆市 211工程院校 教育部直属院校
【文章页数】：102 页
【学位级别】：硕士
【部分图文】：
田间道路Fig.2-1Fieldroads
第 3 章 双目视觉原理以及双目摄像头的标定第 3 章 双目视觉原理及双目摄像头的标定环境下,搬运车在田间道路上的自动行驶过程中，需要对欲行驶别和定位，正确判断田间道路搬运车相对于道路中线的位置。进行田间道路识别和三维信息重建，需先对双目摄像头进行标右摄像头的内部参数矩阵和外部参数矩阵。内部参数矩阵与摄关，主要包括焦距、成像原点等；外部参数矩阵与摄像头在三关，包括两个摄像头的相对位置、旋转方向等。坐标系的介绍摄像头的标定一般涉及到 5 个基本的参考坐标系[48]，其相对关
图 3-2 基本坐标系之间的关系Fig.3-2 Relationship among four coordinate systems3.2.2 非线性摄像机模型针孔成像模型是假设摄像头没有畸变的理想模型，但在实际加工制造过程中，由于工艺和装配的偏差会造成摄像头的畸变[50]，比较明显地反映在画面边缘，导致采集图像的几何失真。实际的摄像机成像模型如图 3-3 所示。 , i i im x y , r r rm x y
【参考文献】：
期刊论文
[1]基于三维激光雷达的动态障碍物检测和追踪方法[J]. 邹斌,刘康,王科未. 汽车技术. 2017(08)
[2]一种极线约束修正数字图像相关匹配的立体视觉测量方法[J]. 单宝华,霍晓洋,刘洋. 中国激光. 2017(08)
[3]“改地适机”是丘陵山区农机化发展的治本之策[J]. 刘小伟. 中国农机化学报. 2017(07)
[4]基于RGB熵的非结构化道路分割方法[J]. 李迎春,付兴建,薛琴. 计算机工程与设计. 2017(06)
[5]基于PCA-SVM准则改进区域生长的非结构化道路识别[J]. 王新晴,孟凡杰,吕高旺,任国亭. 计算机应用. 2017(06)
[6]浅议丘陵山区农机化发展面临的问题和对策[J]. 李耀辉. 中国农学通报. 2017(08)
[7]基于主动轮廓模型的自动导引车视觉导航[J]. 林桂潮,邹湘军,张青,熊俊涛. 农业机械学报. 2017(02)
[8]丘陵山区农业机械化发展现状及对策[J]. 王升升,耿令新. 农业工程. 2016(05)
[9]双目立体匹配算法的FPGA实现[J]. 韩剑辉,吴振,李兰英. 哈尔滨理工大学学报. 2016(04)
[10]基于树形结构的半全局立体匹配算法[J]. 葛忠孝,邢帅,夏琴,王栋,侯晓芬,江腾达. 计算机工程. 2016(08)
博士论文
[1]基于虚拟现实的拖拉机双目视觉导航试验方法研究[D]. 翟志强.中国农业大学 2017
[2]基于视觉的智能车辆道路识别与障碍物检测方法研究[D]. 石金进.哈尔滨工业大学 2017
[3]视觉辅助驾驶系统多维度道路建模及车辆定位优化[D]. 蒋如意.上海交通大学 2012
硕士论文
[1]车载双目场景下基于多特征融合的道路检测方法研究[D]. 和文丽.厦门大学 2017
[2]基于双目视觉的智能车道路环境识别研究[D]. 程一伦.吉林大学 2017
[3]基于网格化场景下多车式机器人运动协调算法研究与实现[D]. 章谨.北京交通大学 2017
[4]室外无人车自主导航方法研究[D]. 张高明.浙江大学 2017
[5]基于立体视觉的道路场景分割与车辆检测算法研究[D]. 王泽运.南京理工大学 2017
[6]辅助驾驶中基于单幅图像的复杂道路场景分类方法研究[D]. 杨景超.燕山大学 2016
[7]基于多特征融合的交通标志检测与识别[D]. 蔡会祥.电子科技大学 2016
[8]基于双目视觉的无人车行驶障碍物定位跟踪方法研究[D]. 陈盼.长安大学 2016
[9]微装配系统图像识别与定位技术研究[D]. 张炳银.北京理工大学 2016
[10]基于多特征融合的全景图道路轮廓自动提取方法及应用研究[D]. 线冰曦.北京工业大学 2015
本文编号：3515643
本文链接：https://www.wllwen.com/nykjlw/nygclw/3515643.html
