学位论文 > 优秀研究生学位论文题录展示

视觉导航中基于图像的道路边界识别研究

作　者: 吴哲
导　师: 孙涵
学　校: 南京航空航天大学
专　业: 计算机应用技术
关键词: 视觉导航道路边界识别 GVF Snake算法快速直线段提取最小化连接势能线形连接
分类号: TP391.41
类　型: 硕士论文
年　份: 2009年
下　载: 57次
引　用: 1次
阅　读: 论文下载

内容摘要

当今社会,一方面,随着城市化的进展及汽车的普及,交通环境日趋恶劣,交通拥挤加剧,交通事故频发,交通问题已经成为全球范围令人困扰的严重问题;另一方面,计算机技术、传感器技术、机器视觉技术的发展日新月异。在这种背景下,将各种先进技术应用到汽车工程中,来减少交通事故,提高运输效率,减轻驾驶员的工作负荷,以及提高车辆在紧急情况下的应急反应能力成为当今研究的热点。因此,基于图像的视觉导航研究在汽车自动驾驶中日益受到重视。计算机视觉系统在自动驾驶研究中主要起到环境探测和辩识的作用。环境的探测和辨识主要包括对道路边界、行驶标识线、行驶周围环境和行车状态标志符及交通符号的探测和识别。因此,道路边界的识别问题是基于图像的视觉导航技术的核心问题之一。本文以道路图像序列为研究对象,主要对道路图像中的道路边界识别技术进行了研究和改进,并提出了新的方法。针对非结构化道路,本文首先根据一定的区域扩散规则,得到区域的粗分割结果。然后,基于Snakes模型具有良好的目标边界表示能力,本文以粗分割的结果为初始边界线,使用Snakes算法搜索真实的道路边界。但是传统的Snakes算法耗时严重,无法满足高速行驶中的车辆对道路检测的实时性要求。因此,本文提出了新的算法以满足实时性要求。针对结构化道路,本文提出了基于快速直线段提取的道路标识线识别算法。首先在分析现有直线检测方法的基础上,根据链码直线检测算法,结合结构化道路图像中道路标识线存在的固有特征,逐级筛选出有用特征,最后获得道路标识线的完整描述。最后本文给出了视觉导航中基于图像的道路边界识别系统的实例描述,并介绍了上述算法在系统中的具体应用。

全文目录

摘要  4-5
ABSTRACT  5-12
第一章绪论  12-17
  1.1 课题研究背景及意义  12
  1.2 国内外研究现状  12-14
    1.2.1 国外研究状况  12-14
    1.2.2 国内研究状况  14
  1.3 本文的工作  14-15
  1.4 本文的结构  15-17
第二章基于视觉的道路识别方法及相关技术  17-23
  2.1 常用的道路识别方法  17-19
    2.1.1 基于特征的道路检测与识别  17-18
    2.1.2 基于边界模型的道路检测与识别  18-19
  2.2 道路边界模型及表示  19-21
    2.2.1 直线模型  19-20
    2.2.2 曲线模型  20-21
  2.3 道路识别算法的评价标准  21-23
第三章基于 Snakes 算法的非结构化道路边界提取  23-51
  3.1 Snakes 模型  23-25
    3.1.1 Snakes 模型基本原理  23
    3.1.2 Snakes 模型的数学表达  23-25
    3.1.3 Snakes 能量最小化过程  25
  3.2 Snakes 经典算法  25-29
    3.2.1 高斯力参数活动轮廓模型  25-26
    3.2.2 气球力Snakes 模型  26
    3.2.3 GVF Snakes 模型  26-29
    3.2.4 其他Snakes 模型  29
  3.3 Snakes 算法仿真即对比  29-35
    3.3.1 高斯外力Snakes 模型仿真  29-31
    3.3.2 气球力Snakes 模型仿真  31-33
    3.3.3 GVF Snakes 模型仿真  33-34
    3.3.4 各方法对比结论  34-35
  3.4 图像区域分割  35-39
    3.4.1 道路区域与边界的先验规则  35
    3.4.2 道路区域提取算法描述  35-39
  3.5 基于 GVF Snakes 算法的道路边界提取  39-48
    3.5.1 传统GVF Snakes 算法的时效性分析  39-41
    3.5.2 在局部区域内使用GVF Snakes 模型  41-47
    3.5.3 边界过度收敛的抑制  47-48
  3.6 实验步骤及实验结果  48-50
    3.6.1 实验步骤  48-49
    3.6.2 实验结果及算法耗时分析  49-50
  3.7 本章小结  50-51
第四章基于快速直线段提取的道路标识线检测  51-68
  4.1 引言  51
  4.2 边缘检测  51-57
    4.2.1 边缘检测的数学表达  51-52
    4.2.2 边缘检测算子  52-57
  4.3 链码跟踪  57-58
    4.3.1 边界的链码表示  57-58
    4.3.2 基于链码的快速直线段提取  58
  4.4 候选道路标识线段的提取  58-61
    4.4.1 方向与长度判别  58-59
    4.4.2 线形连接  59-61
  4.5 道路边界标定  61-64
    4.5.1 道路边界线的方向表示  61-62
    4.5.2 道路边界的标定  62-64
  4.6 算法描述及实验结果  64-66
  4.7 本章小结  66-68
第五章道路边界识别系统介绍和在DSP上的实现  68-75
  5.1 道路边界识别算法流程总述  68-69
    5.1.1 道路边界识别流程  68
    5.1.2 道路图像的预处理  68-69
    5.1.3 道路图像中的道路分割与边界识别  69
    5.1.4 道路边界信息描述  69
  5.2 基于图像的道路边界识别在ADZS-BF561-EZLITE 上的实现  69-73
    5.2.1 ADSP-BF561 芯片介绍  69-71
    5.2.2 相关优化技术  71-73
  5.3 道路识别结果  73-74
  5.4 本章小结  74-75
第六章结束语  75-77
参考文献  77-81
致谢  81-82
在学期间的研究成果及发表的学术论文  82

视觉导航中基于图像的道路边界识别研究

内容摘要

全文目录

相似论文