基于机器视觉的公交自动报站系统特征提取方法研究

摘要

本文将优化后的机器视觉和视频图像处理技术应用于公交自动报站系统，从而实现公交报站系统的信息化、智能化。利用摄像机实时采集公交沿线视频并提取关键帧，采集站点附近图像并建立站点图像数据库，将关键帧和图像数据库中对应的站点图像进行匹配，匹配成功驱动报站系统报站。图像特征提取是其中的一个关键环节，直接关系着报站系统的实时性和稳定性，本文主要研究适用于视觉报站系统的特征提取方法。
　　首先，通过实验研究表明SIFT和SURF算法虽然在视角、光照、尺度和噪声等各种变换下具有良好的稳定性，但运算速度较低，不能很好地应用于实时的报站系统，而FAST角点最大的优势在于较高的计算速度。本文基于FAST算子，结合直方图均衡化算法以及双边滤波算法，提出了快速鲁棒的FAST角点算子。实验证明改进FAST算法提取的角点重复率更高，光照不变性和抗噪声能力更好。
　　其次，提出并实现了一种局部二进制描述子LATCH，同时与SIFT、SURF以及传统的二进制算子BRIEF、ORB做了实验对比，验证了LACTH算子兼具高精度和高速度的特性，且存储要求较低，可以用于实时的应用。基于改进FAST算法，提出改进FAST+LATCH的特征提取方法。实验证明该算法实时性好，鲁棒性高，适用于公交报站系统。采用RANSAC算法剔除误匹配，进一步提高匹配精度。
　　最后，在Visual Studio2015+OpenCV平台下进行了公交报站系统仿真研究，提取公交视频关键帧，建立站点图像数据库，实现了本文改进的FAST+LATCH算法的实时视频试验，统计报站成功率，并与SIFT和SURF做比较。结果表明，本文提出的算法匹配成功率高，性能稳定，有效的提高了报站系统的准确性和稳定性。

目录

封面

声明

目录

中文摘要

英文摘要

插图索引

附表索引

第1章 绪 论

1.1课题研究背景及其研究意义

1.2机器视觉的发展现状与发展趋势

1.3图像特征提取及匹配方法概述

1.4本文的主要研究内容和论文安排

第2章 视觉公交报站系统概述及关键帧提取

2.1引言

2.2机器视觉公交自动报站系统概述

2.3公交视频关键帧提取

2.4关键帧提取方法的实验研究

2.5本章小结

第3章 特征点提取算法

3.1引言

3.2角点检测算法

3.3极值点检测算法

3.4特征点提取算法比较

3.5 FAST角点算法改进

3.6本章小结

第4章 特征点描述算法

4.1引言

4.2基于梯度直方图的局部描述子

4.3基于二进制位串的局部描述子

4.4去除误匹配方法的选择

4.5适用于视觉报站系统的特征提取方法

4.6本章小结

第5章 基于机器视觉的公交报站系统仿真研究

5.1引言

5.2建立站点图像数据库

5.3视频关键帧提取

5.4实验结果及性能分析

5.5本章总结

结论与展望

参考文献

致谢

附录A 攻读学位期间发表的学术论文目录