非结构化道路的路边检测算法研究

非结构化道路的路边检测算法研究

论文摘要

本文基于ATRV-2地面移动平台,在非结构化的复杂道路环境下,对多种常用的边缘检测方法进行了探讨和研究,并在具体的实验环境中加以实现。针对本课题的实验环境,本文对一种基于HSI色彩空间的ABOD算法进行了改进,将用固定模板作为参考区域改为用根据道路形状变化而变化的可变模板作为参考区域,并取得了良好的效果。为了得到更稳定的路边检测算法,本文将这种用可变模板作参考区域的算法应用到了YIO色彩空间,改进了一种KTSS算法,并且针对不同的道路状况将约束条件分为两种:一种只考虑道路区域作为约束条件,另一种同时考虑道路区域和路边区域作为约束条件。针对两种约束条件,本文设计了一种比较选择算法,将两种约束条件下得到的路边检测结果进行融合,取得了令人满意的效果。通过对各种算法的时间上和路边检测结果上进行比较可以得出结论:本文所用的基于YIQ色彩空间的改进后的KTSS算法无论从实时性还是鲁棒性来说,已经可以在一定程度上满足本课题实验环境下的机器人室外导航的需要。

论文目录

  • 摘要
  • Abstract
  • 1 绪论
  • 1.1 问题的提出
  • 1.2 本课题实验环境
  • 1.3 当前国内外研究状况
  • 1.4 本课题的主要工作
  • 2 彩色道路图像的边缘检测算法研究
  • 2.1 彩色道路图像的滤波算法
  • 2.1.1 算法步骤
  • 2.1.2 滤波结果
  • 2.2 彩色道路图像的LMGG算法
  • 2.2.1 人眼最小分辨力的视觉模型
  • 2.2.2 对数域最大块梯度法
  • 2.2.3 LMGG算法的检测结果
  • 2.3 彩色道路图像的Cumani算法
  • 2.3.1 Cumani算法的理论基础
  • 2.3.2 Cumani算法的具体实现
  • 2.4 基于色差的彩色道路图像的边缘检测算法
  • 2.4.1 算法具体步骤
  • 2.4.2 检测结果
  • 2.5 彩色道路图像的Canny算子的实现
  • 2.5.1 Canny算子的基本理论
  • 2.5.2 彩色道路图像的Canny算子实现
  • 2.6 基于四叉树模型的彩色道路图像路边检测
  • 2.6.1 基本概念
  • 2.6.2 非平衡四叉树的算法
  • 2.6.2.1 建立非平衡四叉树
  • 2.6.2.2 基于四叉树结构的边缘算法
  • 2.6.3 结果及问题
  • 2.7 本章小结
  • 3 基于道路模型的彩色道路图像路边检测算法
  • 3.1 一种新的基于可变模板的ABOD算法
  • 3.1.1 基于固定模板的ABOD算法
  • 3.1.1.1 HSI色彩空间
  • 3.1.1.2 根据道路给出参照区域
  • 3.1.1.3 算法具体步骤
  • 3.1.1.4 运算结果及存在的问题
  • 3.1.2 基于可变模板的改进的ABOD算法
  • 3.1.2.1 可变模板的设计思想
  • 3.1.2.2 模板变形结果
  • 3.1.2.3 变形模板存在的问题
  • 3.2 一种新的基于YIQ色彩空间的KTSS算法
  • 3.2.1 算法的思想来源
  • 3.2.2 存在的问题
  • 3.2.3 采用道路和路边两种约束检测边缘
  • 3.2.3.1 算法具体步骤
  • 3.2.3.2 算法结果
  • 3.2.4 仅采用道路区域约束检测边缘
  • 3.2.4.1 算法步骤
  • 3.2.4.2 算法结果
  • 3.2.5 将两种方法进行比较选择
  • 3.2.5.1 两种方法结果比较算法设计思想
  • 3.2.5.2 比较后选择的结果
  • 3.3 本章小结
  • 4 算法比较
  • 4.1 从时间上比较
  • 4.2 从结果上比较
  • 4.2.1 从结果出错率进行比较
  • 4.2.2 从对阴影图像的处理进行比较
  • 4.3 对非结构化的野外道路的处理结果
  • 5 结论
  • 致谢
  • 参考文献
  • 相关论文文献

    • [1].安全问题不是大数据发展拦路虎[J]. 网络安全和信息化 2016(07)
    • [2].基于深度学习模型的非结构化数据标注方法研究[J]. 西北民族大学学报(自然科学版) 2020(02)
    • [3].面向大数据的音乐艺术院校非结构化资源的管理与应用[J]. 科教文汇(上旬刊) 2020(08)
    • [4].大数据时代下的数据仓库新升级[J]. 金融电子化 2017(07)
    • [5].分析非结构化数据的10个要点[J]. 电脑知识与技术(经验技巧) 2017(12)
    • [6].铁路货运非结构化数据的应用与应用框架研究[J]. 交通运输工程与信息学报 2017(01)
    • [7].企业非结构化数据元数据模型设计[J]. 云南电力技术 2016(S2)
    • [8].浅析非结构化电子文件[J]. 兰台世界 2016(16)
    • [9].基于素质教育的地理非结构化教学研究[J]. 中学教学参考 2020(10)
    • [10].运用非结构化材料 创造无限教育价值[J]. 基础教育研究 2017(18)
    • [11].“大数据”的温情[J]. 中小学信息技术教育 2017(05)
    • [12].面向中文科技文献非结构化摘要的知识元表示与抽取研究——基于知识元本体理论[J]. 情报理论与实践 2020(02)
    • [13].基于关键词检索的非结构化数据审计应用研究[J]. 中国内部审计 2020(04)
    • [14].非结构化道路识别研究综述[J]. 科技资讯 2019(02)
    • [15].大型企业非结构化数据管理平台设计[J]. 中国科技信息 2019(07)
    • [16].非结构化机器数据范式化处理的研究[J]. 现代信息科技 2018(06)
    • [17].非结构化数据安全需关注[J]. 网络安全和信息化 2016(02)
    • [18].非结构化电子病历关系抽取的机器学习[J]. 中国数字医学 2017(06)
    • [19].面向云存储的非结构化数据存储研究[J]. 计算机光盘软件与应用 2014(19)
    • [20].开放教育对学生流动非结构化管理的策略研究[J]. 当代教育实践与教学研究 2015(09)
    • [21].非结构化材料在大班表现性活动区中的有效运用[J]. 新课程(综合版) 2018(05)
    • [22].非结构化数据存储管理研究[J]. 科研信息化技术与应用 2013(01)
    • [23].一种非结构化数据的多牵度分配存取实现方法[J]. 科技通报 2014(08)
    • [24].基于主体行为的非结构化数据模型[J]. 计算机工程与设计 2013(03)
    • [25].基于词语语义和隐喻逻辑的顾客非结构化需求分析[J]. 中国机械工程 2013(08)
    • [26].世博会旅游形象的结构化与非结构化测量——以重庆市民对世博会感知为例[J]. 安徽农业科学 2009(27)
    • [27].集成非结构化数据[J]. 软件世界 2008(01)
    • [28].基于公共模型技术的非结构化数据模型设计与应用研究[J]. 电子设计工程 2018(05)
    • [29].从容应对金融海量非结构化数据存储[J]. 金融电子化 2018(04)
    • [30].面向大数据的城市轨道交通非结构化数据管理[J]. 城市轨道交通研究 2016(11)

    标签:;  ;  ;  ;  ;  

    非结构化道路的路边检测算法研究
    下载Doc文档

    猜你喜欢