基于放射性投影直方图及角点探测的车辆识别与测距研究

论文摘要

在高速公路日益快速发展的时代,高速公路上发生的恶性交通事故成为一个严重的社会问题,不仅给家庭带来不可挽回的经济损失而且还危及人民的生命安全。因此,车辆的检测与测距研究成为一个迫切的要求。本文针对AOI提取算法和车辆识别与测距算法进行了一系列研究,并取得以下成果。(1)对结构化公路AOI提取算法和车辆的识别、测距算法进行了分类与分析。(2)针对现有的基于模型的结构化公路AOI提取算法时间复杂度高,且不能适应于弯道的问题,构建一种既能适用于直道,又能适用于有一定曲率的弯道,且有较强抗噪能力的基于放射性投影直方图的AOI区域提取算法,对车辆的行驶方向要求较弱,不仅可抗车辆遮挡、较强日光照射下形成的阴影干扰,而且还可以抗车道线严重污损、长距离断线、减速带形成的强干扰。对强、暗光线有一定的适应能力,具有较强的抗干扰能力。(3)针对车辆的传统特征提取困难、定位不太准确的问题,在研究应用具有较强鲁棒性的基于放射性投影直方图的AOI提取算法建立AOI区域的基础上,进一步研究了基于角点探测的车辆检测与测距算法,实现了特征提取的易实现性,检测与测距的同步性。实验表明,本算法在鲁棒性、可实施性方面有较大提高。总之,本文对高速公路AOI的提取和车辆的检测与测距进行了较深入的研究,提出了一种适应面更广、鲁棒性更强的AOI提取算法；提出了一种基于角点特征的车辆检测与测距算法；对上述算法在车辆检测与测距方面的有效性、鲁棒性进行了实验验证。

论文目录

• 摘要
• ABSTRACT
• 致谢
• 第一章 绪论
• 1.1 车辆检测与测距研究背景及意义
• 1.2 国内外研究现状
• 1.2.1 车辆检测方法现状
• 1.2.2 车辆测距方法现状
• 1.3 本文研究内容及结构
• 第二章 图像处理与车辆检测、测距
• 2.1 图像处理基本方法
• 2.1.1 RGB至灰度图像的变换
• 2.1.2 图像灰度变换
• 2.1.3 二值化和阈值处理
• 2.1.4 图像平滑
• 2.1.5 图像的形态处理学
• 2.1.6 图像分割
• 2.2 车辆检测的基本方法
• 2.2.1 车辆检测算法的分类
• 2.2.2 检测方法分析
• 2.3 车辆测距算法分析
• 2.3.1 单目视觉测距
• 2.3.2 双目视觉测距
• 2.3.3 单、双目视觉测距方法分析
• 2.4 本章小结
• 第三章 AOI构建技术分析
• 3.1 基于特征的AOI提取算法分析
• 3.1.1 随机游动检测法
• 3.1.2 基于道路中心点的车道线检测算法
• 3.2 基于模型的AOI提取算法分析
• 3.2.1 基于抛物线模型匹配的投票方法
• 3.2.2 基于边缘提取和特征跟踪的AOI检测算法
• 3.2.3 基于Adaboost的AOI检测法
• 3.2.4 中心线蛇形法
• 3.2.5 双曲线模型检测法
• 3.2.6 基于Kalman滤波器的AOI检测
• 3.3 AOI构建方法的比较分析
• 3.4 本章小结
• 第四章 基于FPHCD的车辆检测与测距算法设计
• 4.1 Hough变换提取AOI区域
• 4.1.1 利用直角坐标系中的Hough变换进行直线检测
• 4.1.2 利用极坐标系中的Hough变换进行直线检测
• 4.2 基于放射性投影直方图的AOI的构建算法设计
• 4.2.1 AOI的提取策略
• 4.2.2 基于放射投影直方图的AOI分割
• 4.2.3 基于放射性投影直方图的AOI点的划分
• 4.3 基于FPHCD的车辆检测与测距
• 4.3.1 算法思路
• 4.3.2 车辆下边沿的探测
• 4.3.3 特征的选择
• 4.3.4 基于投票机制的角点配准
• 4.3.5 检测与测距
• 4.4 本章小结
• 第五章 实验结果与分析
• 5.1 基于放射投影直方图AOI提取实验结果
• 5.2 基于FPHCD的车辆检测与测距实验结果
• 5.3 实验分析
• 5.4 本章小结
• 第六章 结束语
• 6.1 本文总结
• 6.2 进一步的工作展望
• 参考文献
• 攻读硕士学位期间发表的论文及参与开发的项目