基于街景影像的交通指路牌变化检测
发布时间：2021-04-13 21:24
随着自动驾驶技术的发展,高精度导航地图的作用越来越明显。但高精度导航地图的更新存在着挑战。以道路交通指路牌更新为例,我国道路总体里程数大,交通指路牌的数量巨大,传统将地图整体更新的方式会产生过高的成本和大量的冗余信息,不能满足高精度导航地图高效、实时更新的要求。需要一种局部检测并更新道路交通指路牌的方法。本文主要利用街景影像检测街道交通指路牌信息变化。针对街景影像中无关变化信息较多,街景影像对往往无法直接匹配,本文先从街景影像中提取交通指路牌,再选择合适的预处理方法处理变化影像对。针对高精度导航地图中交通指路牌数据量大、更新速度快、精度要求高的特点,本文设计了一种能自适应判别阈值的机器学习变化检测方法,相比于传统方法,在提升变化检测精度的同时减少了时间消耗。为了增加检测模型的泛化性及自动化程度,本文设计了另一种有效的变化检测方法。两种算法对光照、天气及影像质量不佳等因素具有很强的抗干扰能力。具体而言,本文研究并开展了以下几个方面的工作:1.针对不同时间采集的街景影像,环境变化复杂,无法实现自动化匹配,本文先利用特定的色彩区间选取交通指路牌,再进行高斯模糊处理,提取出交通指路牌。其中,对...
【文章来源】：北京建筑大学北京市
【文章页数】：66 页
【学位级别】：硕士
【部分图文】：
交通指
第3章交通指路牌变化检测理论及算法21()(,)iiiiSVfxkxxb=+（3-21）3.2.3核函数一些线性不可分的问题可能是非线性可分的。使用非线性函数可以将非线性可分问题从原始的特征空间映射至更高维的希尔伯特空间（Hilbertspace），从而转化为线性可分问题，此时作为决策边界的超平面表示如下：T(X)+b=0（3-22）式中:为映射函数。图3-6高维空间非线性映射Fig.3-6High-dimensionalspacenon-linearmapping由于映射函数具有复杂的形式，难以计算其内积，因此可使用核方法（kernelmethod），即定义映射函数的内积为核函数（kernelfunction）以回避内积的显式计算：()()()1212+=TXXXX（3-23）核函数的选择需要一定条件，函数()12X+X:（3-24）
第4章交通指路牌变化检测实验分析34第4章交通指路牌变化检测实验分析4.1基于灰度化自适应SVM的交通指路牌变化检测4.1.1实验数据实验数据为两期不同时间获取的街景影像对，在百度地图街景影像中截取所得，共66对变化影像，拍摄时间分别为2013年与2015年，地点位于北京市大兴区。如图4-1所示。不同时间获取的影像大小相同，拍摄位置不同、摄像机的旋转角度不同，影像对间存在视差，同时光照条件、路面环境也存在差异。本文列举了三组交通指路牌变化的影像数据进行变化检测实验，以其中一组为例来说明交通指路牌提取过程。图4-1变化检测影像对Fig.4-1Changedetectionimagepair4.1.2交通指路牌检测与提取两期影像中，光照条件差异是在交通指路牌识别与提取过程中影响检测准确性的主要因素。为减少光照对交通指路牌的影响，将RGB色彩空间转换为HSV色彩空间。设定阈值分割影像，利用高斯滤波去除噪声点，找到连通区域内边缘角点连接，将交通指路牌在图中标记。
【参考文献】：
期刊论文
[1]两种基于向量化策略SVM分类器的对比分析[J]. 薛又岷,陈春玲,余瀚,王官中. 计算机技术与发展. 2020(02)
[2]结合背景估计与能量函数的图像二值化算法[J]. 熊炜,王鑫睿,王娟,刘敏,曾春艳. 计算机工程与设计. 2019(07)
[3]基于SVM的多特征自适应融合变化检测[J]. 杜慧. 测绘与空间地理信息. 2019(06)
[4]基于机器学习方法的智能机器人探究[J]. 李昊朋. 通讯世界. 2019(04)
[5]机器学习及其相关算法简介[J]. 周昀锴. 科技传播. 2019(06)
[6]KCCA与SVM算法支撑下的遥感影像变化检测[J]. 董岳,王飞. 遥感信息. 2019(01)
[7]高精度道路导航地图的进展与思考[J]. 刘经南,吴杭彬,郭迟,张宏敏,左文炜,羊铖. 中国工程科学. 2018(02)
[8]结合偏最小二乘法和支持向量机的遥感影像变化检测[J]. 黄杰,王光辉,杨化超,胡高强,李建磊,柴文慧. 测绘通报. 2016(07)
[9]《机器学习》[J]. 周志华. 中国民商. 2016(03)
[10]基于OB-HMAD算法和光谱特征的高分辨率遥感影像变化检测[J]. 陈强,陈云浩,蒋卫国. 光谱学与光谱分析. 2015(06)
硕士论文
[1]基于超像素和孪生卷积神经网络的无监督高分辨率多光谱遥感影像变化检测技术[D]. 赵景晨.浙江大学 2018
[2]基于SOM神经网络算法的地图建筑物聚类[D]. 王真.电子科技大学 2016
[3]基于SVM的图像分类与标注方法的研究[D]. 高幸.北京交通大学 2015
本文编号：3136029
【文章来源】：北京建筑大学北京市
【文章页数】：66 页
【学位级别】：硕士
【部分图文】：
交通指
第3章交通指路牌变化检测理论及算法21()(,)iiiiSVfxkxxb=+（3-21）3.2.3核函数一些线性不可分的问题可能是非线性可分的。使用非线性函数可以将非线性可分问题从原始的特征空间映射至更高维的希尔伯特空间（Hilbertspace），从而转化为线性可分问题，此时作为决策边界的超平面表示如下：T(X)+b=0（3-22）式中:为映射函数。图3-6高维空间非线性映射Fig.3-6High-dimensionalspacenon-linearmapping由于映射函数具有复杂的形式，难以计算其内积，因此可使用核方法（kernelmethod），即定义映射函数的内积为核函数（kernelfunction）以回避内积的显式计算：()()()1212+=TXXXX（3-23）核函数的选择需要一定条件，函数()12X+X:（3-24）
第4章交通指路牌变化检测实验分析34第4章交通指路牌变化检测实验分析4.1基于灰度化自适应SVM的交通指路牌变化检测4.1.1实验数据实验数据为两期不同时间获取的街景影像对，在百度地图街景影像中截取所得，共66对变化影像，拍摄时间分别为2013年与2015年，地点位于北京市大兴区。如图4-1所示。不同时间获取的影像大小相同，拍摄位置不同、摄像机的旋转角度不同，影像对间存在视差，同时光照条件、路面环境也存在差异。本文列举了三组交通指路牌变化的影像数据进行变化检测实验，以其中一组为例来说明交通指路牌提取过程。图4-1变化检测影像对Fig.4-1Changedetectionimagepair4.1.2交通指路牌检测与提取两期影像中，光照条件差异是在交通指路牌识别与提取过程中影响检测准确性的主要因素。为减少光照对交通指路牌的影响，将RGB色彩空间转换为HSV色彩空间。设定阈值分割影像，利用高斯滤波去除噪声点，找到连通区域内边缘角点连接，将交通指路牌在图中标记。
【参考文献】：
期刊论文
[1]两种基于向量化策略SVM分类器的对比分析[J]. 薛又岷,陈春玲,余瀚,王官中. 计算机技术与发展. 2020(02)
[2]结合背景估计与能量函数的图像二值化算法[J]. 熊炜,王鑫睿,王娟,刘敏,曾春艳. 计算机工程与设计. 2019(07)
[3]基于SVM的多特征自适应融合变化检测[J]. 杜慧. 测绘与空间地理信息. 2019(06)
[4]基于机器学习方法的智能机器人探究[J]. 李昊朋. 通讯世界. 2019(04)
[5]机器学习及其相关算法简介[J]. 周昀锴. 科技传播. 2019(06)
[6]KCCA与SVM算法支撑下的遥感影像变化检测[J]. 董岳,王飞. 遥感信息. 2019(01)
[7]高精度道路导航地图的进展与思考[J]. 刘经南,吴杭彬,郭迟,张宏敏,左文炜,羊铖. 中国工程科学. 2018(02)
[8]结合偏最小二乘法和支持向量机的遥感影像变化检测[J]. 黄杰,王光辉,杨化超,胡高强,李建磊,柴文慧. 测绘通报. 2016(07)
[9]《机器学习》[J]. 周志华. 中国民商. 2016(03)
[10]基于OB-HMAD算法和光谱特征的高分辨率遥感影像变化检测[J]. 陈强,陈云浩,蒋卫国. 光谱学与光谱分析. 2015(06)
硕士论文
[1]基于超像素和孪生卷积神经网络的无监督高分辨率多光谱遥感影像变化检测技术[D]. 赵景晨.浙江大学 2018
[2]基于SOM神经网络算法的地图建筑物聚类[D]. 王真.电子科技大学 2016
[3]基于SVM的图像分类与标注方法的研究[D]. 高幸.北京交通大学 2015
本文编号：3136029
本文链接：https://www.wllwen.com/shoufeilunwen/boshibiyelunwen/3136029.html
