基于图像分割的三维重建及道路区域检测方法的研究

摘要

在移动机器人的相关技术研究中，导航技术是其核心技术之一。根据周围环境信息，检测道路区域是移动机器人导航技术研究的一个重要内容。在移动机器人行驶环境中，复杂的、未知的环境占有很大比例，所以对这些环境中的道路进行分析有着重要的意义。 本论文研究的是基于视觉的移动机器人的道路检测，尝试了一种基于模糊C均值聚类的彩色图像分割和立体视觉相结合的道路区域检测方法。主要的研究内容包括：基于模糊C均值聚类的彩色图像分割、立体视觉障碍物检测两个部分。 引入多项式分割技术对图像进行聚类数目的精确估计，解决了模糊C均值聚类的参数初始化问题。在此基础上，通过采用各向异性权重信息，充分利用彩色图像的颜色信息，对传统的模糊C均值聚类进行改进，克服了该算法对于噪声十分敏感的缺点。 立体视觉障碍物检测部分利用图像分割区域的垂直扫描线作为研究对象，通过改进的空间点三维重建方法获得图像中像素点的三维信息，然后根据其高度值判断是否为障碍物区域。由于采用的立体视觉系统是类似于双摄像机平行放置的系统，提高了图像对的像素点匹配速度，并对空间点的三维重建方法进行了改进。 最后，实验结果表明该方法能适应不同环境的变化，比较可靠地检测出移动机器人行进前方的道路区域。

目录

文摘

英文文摘

声明

1绪论

1.1研究背景和意义

1.2移动机器人国内外研究现状

1.3论文的主要工作

1.4论文结构

2图像分割颜色特征提取

2.1颜色空间变换

2.1.1 RGB空间模型

2.1.2 HSI空间模型

2.1.3引入YUV颜色空间的RGB空间到HSI空间的变换

2.2引入YUV空间的RGB空间到HSI空间转换实验分析

2.3本章小结

3基于改进的模糊C均值聚类的彩色图像分割

3.1模糊C均值聚类

3.1.1模糊C均值聚类

3.1.2传统模糊C均值聚类算法的实验分析

3.2基于多项式分割技术的聚类数目初始化

3.2.1多项式分割技术

3.2.2基于多项式分割技术的聚类数目初始化

3.3基于颜色特征和各向异性权重相结合的模糊C均值聚类

3.3.1基于颜色特征和各向异性权重相结合的模糊C均值聚类

3.3.2算法实验结果与分析

3.3.3彩色图像分割实验

3.4本章小结

4双目立体视觉三维重建

4.1双目立体视觉系统的构建

4.2空间点三维重建

4.2.1基于空间相交直线的空间点的三维重建

4.2.2三维重建实验分析

4.3本章小结

5基于FCM图像分割与立体视觉相结合的道路区域检测

5.1道路区域检测系统

5.2基于图像分割与立体视觉相结合的道路区域检测

5.2.1基于FCM的图像分割

5.2.2三维重建及障碍物检测方法

5.2.3实验分析

5.3本章小结

6总结与展望

6.1论文的总结

6.2工作展望

致谢

参考文献