机器视觉在动态目标识别与跟踪中的应用研究

摘要

由于视觉导航具有信号探测范围宽、目标信息完整、价格相对便宜及最符合人类感知方式等特点,因此广泛应用辅助驾驶及自主导航系统中。根据现有的实验条件,本课题拟以车辆为移动载体,完成机器视觉对运动目标的检测与跟踪应用研究。目前,国内外已有很多视觉导航系统,但在系统的实时性、鲁棒性和实用性方面尚不能满足人们的要求,这些系统还不能达到完全智能,主要是因为对环境的感知不完全准确。因此本文主要在以下三方面做了进一步研究。
　　 (1)本文提出了基于模板的道路检测算法。该算法是用设计的模板匹配图像,把符合规律的线段保留下来,这样可以从积水、阴影等恶劣道路环境中准确地提取出车道线。
　　 (2)本文提出一种融合多种目标特征的单目视觉车辆检测方法。首先,利用车辆尾部的结构对称性提取出感兴趣区域,减少搜索范围。再利用车辆底部的阴影特征,在感兴趣区域中搜寻车辆可能出现的位置,找出假设目标。然后,利用亮度和轮廓信息对假设目标进行对称性验证,排除虚假目标,同时对车辆在图像中的位置实现精确定位。
　　 (3)车辆跟踪方面,国内外算法做的比较完善,本文在均值平移算法的基础上,对特征值的选取做了改进,更进一步地提高了跟踪的准确率。
　　 文章最后选取了三个路段对本文提出的算法做了验证,实验验证了本文提出的算法实时性和鲁棒性。

目录

文摘

英文文摘

论文说明:图表目录、注释表

第一章 绪论

1.1 课题研究背景和意义

1.2 研究目的

1.3 国内外研究现状

1.3.1 道路检测与跟踪的系统研究现状

1.3.2 障碍物检测的与跟踪

1.4 本文的结构布局

第二章 道路图像的预处理

2.1 图像滤波

2.1.1 领域平均法

2.1.2 中值滤波法

2.2 边缘检测

2.2.1 Robert边缘检测算子

2.2.2 Sobel边缘检测算子

2.2.3 Prewitt边缘检测算子

2.2.4 Laplacian of Gaussian(LOG)边缘检测算子[25]

2.2.5 Canny边缘检测算子

2.3 直线检测

2.3.1 启发式连接法

2.3.2 层次记号编粗法

2.3.2 Hough变换法

2.4 本章小结

第三章 车道线检测

3.1 基于扫描线的道路检测

3.1.1 特征点选取

3.1.2 最小二乘法拟合车道标志线

3.2 基于模板的道路检测算法

3.2.1 边缘检测

3.2.2 模板匹配

3.2.3 霍夫变换检测直线性

3.2.4 Catmull-Rom样条拟合车道线

3.3 本章小结

第四章 车辆检测与跟踪

4.1 车辆检测算法概述

4.1.1 多目立体视觉法

4.1.2 多传感器融合法

4.1.3 特征法

4.2 多特征融合的车辆检测算法

4.2.1 感兴趣区域提取

4.2.2 阴影检测

4.2.2 对称性验证

4.3 常用的目标跟踪方法

4.3.1 基于特征的跟踪

4.3.2 基于3D的跟踪

4.3.3 基于变形模型的车辆跟踪

4.3.4 基于非参数估计的跟踪方法

4.4 基于Mean Shift的车辆跟踪

4.4.1 基本的Mean Shift理论

4.4.2 Mean Shift的扩展形式

4.4.3 车辆跟踪

4.5 本章小结

第五章 实验过程及结果分析

5.1 摄像头成相原理及标定

5.1.1 成像原理

5.1.2 摄像头标定

5.2 实验设计与过程

5.2.1 实验目的

5.2.2 实验环境

5.2.3 实验软件设计

5.3 实验结果及分析

5.4 本章小结

第六章 总结与展望

6.1 总结

6.2 展望

参考文献

致谢

在学期间的研究成果及发表有学术论文