基于视频图像的路面性能参数采集方法研究

论文摘要

为实现路面性能参数采集的高效、准确、自动化过程,提出利用采集的视频图像(对)进行路面性能参数采集。根据摄影测量学原理,利用左右立体像对进行路面目标点空间三维坐标计算。利用计算机图像处理技术,对路面破损图像进行预处理,获得路面破损二值图像。根据摄影测量学基本理论,考虑到非量测相机的特性,采用直接线性变换方法进行普通数码相机直接线性变换系数的计算。从理论上论证了根据直接线性变换系数采用影像内定向方法进行普通数码相机方位元素解算的不可行性。推导了采用基于数字阵列坐标的直接线性变换方法的非量测普通数码相机方位元素解算方法。根据摄影测量学中核线的定义,采用非量测相机方位元素,推导了立体像对左右影像中过左(右)影像给定像点的核线方程及其在立体像对对应影像中的同名核线方程。将建立的非量测相机双目立体视觉识别理论应用于路面性能参数采集中。对车辙等变形类路面病害,提出了主动式路面车辙深度检测方法和被动式路面车辙深度检测方法。建立了全虚线型路面标线和实线型路面标线条件下车道宽度检测方法。在图像噪声检测的基础上,对路面破损图像脉冲噪声和高斯噪声,采用了自适应中值滤波和自适应加权均值滤波算法进行图像滤波。根据路面破损图像灰度值分布特征,提出了全局阈值与动态阈值相结合的加权阈值和基于直方图阈值分割的插值阈值分割算法用于路面破损图像分割。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 课题研究目的与意义
• 1.2 课题主要研究内容
• 1.2.1 路面破损图像预处理技术
• 1.2.2 路面图像的深度图像重建技术
• 1.3 课题需要解决的主要技术问题
• 1.3.1 路面破损图像预处理技术
• 1.3.2 路面深度图像重建技术
• 1.4 课题来源与选题依据
• 1.5 论文技术路线
• 第二章 文献综述
• 2.1 路面破损图像识别
• 2.1.1 路面破损图像采集
• 2.1.2 路面破损图像预处理
• 2.1.3 路面破损图像后处理
• 2.1.4 目前路面破损图像识别技术研究存在的不足
• 2.2 其它类路面病害数据检测方法
• 2.3 双目立体视觉识别技术
• 2.3.1 双目立体视觉的应用研究
• 2.3.2 普通数码相机摄影测量精度问题研究
• 2.3.3 图像分割与目标提取研究
• 2.3.4 直接线性变换和相机标定研究
• 2.3.5 影像匹配研究
• 2.3.6 核线相关技术研究
• 第三章 基于普通数码相机的路面图像摄影测量原理与处理方法研究
• 3.1 普通数码相机双目立体视觉识别
• 3.1.1 摄影测量坐标体系
• 3.1.2 影像的内外方位元素
• 3.1.3 微孔成像模型与共线条件方程
• 3.1.4 像点平面坐标与物方空间坐标直接线性变换
• 3.1.5 影像匹配与核线相关
• 3.1.6 同名像点对应物点空间三维坐标解算
• 3.2 路面图像中人工标志目标点的提取
• 3.2.1 人工标志的设置
• 3.2.2 人工标志像点坐标的自动提取与识别
• 3.3 三维控制场的建立与控制点坐标计算
• 3.4 普通数码相机标定实例
• 3.4.1 三维控制场的布设与人工控制点三维坐标
• 3.4.2 人工控制点像点坐标提取
• 3.4.3 普通数码相机内外方位元素标定
• 3.4.4 目标点空间三维坐标计算
• 本章主要结论
• 第四章基于双目识别技术的被动式路面车辙深度检测方法研究
• 4.1 被动式路面车辙深度检测实现的前提条件
• 4.2 人工附加像点的产生方法
• 4.3 全局人工像点分割
• 4.4 局部区域人工像点分割
• 4.5 被动式车辙深度检测
• 4.5.1 路面车辙立体像对的获取
• 4.5.2 人工标志像点坐标的提取
• 4.5.3 普通数码相机方位元素的标定
• 4.5.4 人工标志点空间三维坐标计算
• 4.5.5 车辙深度量测
• 本章主要结论
• 第五章基于双目识别技术的主动式路面车辙深度检测
• 5.1 影像匹配的一般性方法
• 5.1.1 基于影像灰度的影像匹配算法
• 5.1.2 基于影像特征的影像匹配算法
• 5.1.3 最小二乘影像匹配算法
• 5.2 一维影像相关与核线相关影像匹配
• 5.3 同名核线确定方法
• 5.3.1 同名核线确定基本条件
• 5.3.2 同名核线几何关系
• 5.3.3 坐标的左影像像空间坐标系转换
• 5.3.4 左右影像同名核线方程
• 5.4 核线相关影像匹配算法
• 5.5 基于双目识别技术的主动式路面车辙深度检测实例
• 5.5.1 普通数码相机标定
• 5.5.2 左右影像同名核线方程的计算
• 5.5.3 左右影像同名像点匹配
• 5.5.4 空间三维坐标计算
• 本章主要结论
• 第六章 基于双目视觉技术的车道宽度测量方法研究
• 6.1 公路车道宽度测量的基本原理
• 6.1.1 数码相机标定
• 6.1.2 车道宽度测量立体相对采集
• 6.1.3 车道标线轮廓线提取
• 6.1.4 车道宽度的数字摄影测量
• 6.2 公路车道宽度测量的基本假设
• 6.2.1 全实线型公路路面标线
• 6.2.2 全虚线型公路路面标线
• 6.3 全虚线型公路路面标线车道宽度量测
• 6.3.1 路面标线立体像对的获取
• 6.3.2 普通数码相机内外参数的标定
• 6.3.3 标线轮廓点空间三维坐标的计算
• 6.3.4 车道宽度量测
• 6.4 实线（部分实线）型公路路面标线下车道宽度量测
• 6.4.1 普通数码相机标定
• 6.4.2 立体像对中目标点的提取
• 6.4.3 目标像点空间三维坐标计算
• 6.5 计算精度检验
• 本章主要结论
• 第七章 路面破损灰度图像滤波算法研究
• 7.1 路面破损图像处理的一般思路
• 7.2 路面破损灰度图像噪声
• 7.2.1 路面破损图像噪声的噪声源划分
• 7.2.2 路面破损图像噪声类型划分
• 7.3 路面破损图像灰度分布特征
• 7.3.1 路面破损图像子块灰度值分布特征分析
• 7.3.2 路面破损图像像素灰度值分布特征分析
• 7.4 路面破损图像像素类型划分
• 7.5 路面图像滤波算法
• 7.5.1 邻域平均法
• 7.5.2 中值滤波法
• 7.5.3 路面破损图像脉冲噪声自适应中值滤波算法
• 7.5.4 路面破损图像高斯噪声自适应加权均值滤波
• 7.6 路面破损图像滤波效果计算机仿真分析
• 本章主要结论
• 第八章 路面破损图像分割算法研究
• 8.1 路面破损图像的灰度值分布特征
• 8.2 全局阈值与动态阈值相结合的路面破损图像最大类间方差分割
• 8.2.1 全局最大类间方差阈值法与动态最大类间方差阈值法
• 8.2.2 全局阈值与动态阈值相结合路面破损图像分割基本原理
• 8.2.3 路面破损图像的全局阈值与动态阈值最小类间方差分割
• 8.3 基于直方图阈值分割的路面破损图像的阈值插值算法
• 8.3.1 路面破损图像的直方图阈值分割
• 8.3.2 路面破损图像直方图阈值迭代插值图像分割算法基本原理
• 8.3.3 路面破损图像直方图阈值分割的阈值迭代
• 8.3.4 路面破损图像直方图阈值分割的阈值插值
• 8.3.5 基于直方图阈值分割的路面破损图像阈值插值分割
• 8.3.6 不同类型路面破损图像分割效果
• 8.4 两种路面破损图像分割算法的比较
• 8.5 路面破损图像滤波效果对比
• 本章主要结论
• 第九章 主要研究结论与展望
• 9.1 论文主要研究成果
• 9.2 后续研究工作的展望
• 致谢
• 参考文献
• 作者简介