结合信号配准技术的小波多尺度车辆边缘检测方法

为了在准确检测边缘的同时有效地抑制噪声,提出了结合信号配准技术的小波多尺度边缘检测方法。该方法首先基于小波变换的特点设计小波多尺度边缘检测算法检测图像边缘;而后结合信号配准技术将不连续的边缘连接为完整的边缘轮廓,减弱由噪声或干扰造成的影响。试验结果表明:该方法不仅能准确检测出清晰连续的边缘图像,而且能有效抑制噪声,是边缘检测的实用方法。     

基于视觉伺服的汽车几何参数测量方法研究

提出基于视觉伺服的汽车几何参数测量方法。通过视频图像采集系统采集汽车图像,应用Sobel算子得到边缘增强图像,应用Hough变换得到图像的特征点,利用特征点与摄像机光轴偏差驱动伺服机构,通过伺服机构的运动计算出汽车的几何参数。研制了原理性试验样机,并对所提出的方法进行了试验验证。     

Hough变换在汽车几何参数视觉测量中的应用

基于视觉伺服的汽车几何参数测量系统中，图像特征点的实时在线识别是其中的关键技术之一。本文应用Hough变换研究了汽车实时车轮图像检测技术。原理性验证试验表明，该方法具有较好的效果。     

一种基于断面剖分的线状道路特征提取方法

针对既有道路特征精确提取的难题,该文提出了一种基于断面剖分的线状道路特征提取方法。通过引入断面剖分思想,将所采集的密集三维激光点云投影到二维剖分切片中进行处理,简化了特征提取难度。针对不同的特征形态,分别采用基于RANSAC稳健估计直线拟合求交的方法和基于道路特征点云模板配准的方法来获取道路特征点的精确位置。通过对某公路工程路缘石、护栏等简单和复杂线状道路特征进行试验,验证了该文方法的有效性。     

图像处理方法在粗集料形态评价中的应用研究进展

粗集料是沥青混合料的主要成分之一,我国每年公路建设需要消耗几十亿吨的粗集料。粗集料形状、棱角和纹理对沥青混合料高温稳定性、水稳定性和抗疲劳性能具有显著影响。准确评价粗集料的形态特征对于粗集料的质量控制和沥青混合料设计具有重要意义。图像处理方法是研究粗集料形状、棱角和纹理特征的有效手段。系统总结了二维图像处理方法(基于图像尺寸和半径的方法、腐蚀-膨胀法、分形维数法、梯度法和多边形拟合法、霍夫变换法、傅里叶变换法、小波变换法)和三维图像处理方法(球谐变换法、傅里叶变换法、小波变换法、腐蚀-膨胀法)在粗集料形态评价中的应用和取得的研究成果,并针对不同方法的局限性进行了评述。针对二维图像方法的固有缺陷,提出了今后的研究重点是基于粗集料的三维点云数据使用三维图像处理方法构建粗集料形状、棱角和纹理评价指标。最后结合作者现行的研究,介绍了使用激光三维扫描技术采集粗集料三维图像的步骤,并探讨了利用三维点云数据计算粗集料三维尺寸、处理粗集料棱角和平滑粗集料纹理的方法。     

双重下采样增强的点云改进配准算法研究

自动驾驶领域对点云配准实时性要求高，而已有ICP算法及其变体存在对初始位姿要求高、配准速度慢等问题。鉴于此，本文提出了一种改进的快速点云配准方法，首先采用双重下采样方法对初始点云数据进行预处理，在保留原始特征的同时快速降低点云数据量，然后引入内部形状描述子（ISS）来优化超级全等四点集（Super4PCS）算法，降低其时间复杂度，最后选用线性最小二乘优化ICP算法进行快速精配准。采用斯坦福点云数据和自动驾驶Kitti点云数据对该算法有效性进行了测试和对比验证，结果表明：该算法具有良好的鲁棒性，且配准精度和配准速度均比已有算法有明显提高。     

基于CCD参数智能调节的车道线检测

在分析传统Hough变换优缺点后,提出一种基于CCD参数智能调节的车道线检测方法。通过建立图像特征区域,调节CCD的亮度、增益和曝光时间等参数,增强车道线与周围道路的对比度,减少路面噪声;在此基础上提出改进的Hough变换算法,对整幅图像进行种子点的选取与归类,再对每组种子点进行Hough变换,最后通过一定的角度约束提取车辆当前运行车道线。道路试验验证了该方法的有效性、实时性和准确性。     

基于小波变换的图像压缩

近10多年来，随着小波理论研究的不断深入，基于小波变换的图像压缩应用日趋成熟。小波变换是不同于传统变换的现代分析工具，章论述了小波变换的概念和小波的选择一般原则，着重介绍了基于小波变换的图像压缩方法和小波图像的特征。     

基于结构相似度的公路监控图像质量客观评价方法分析

介绍了3种基于结构相似度(SSIM)图像评价方法的改进算法,即基于频域的结构相似度、基于小波变换的结构相似度和基于Contourlet变换的结构相似度。通过3种方法的实验结果比较分析,认为基于Contourlet变换的结构相似度算法评价结果优于其他算法,其优势在于算法对图像信息进行了不同频率和不同方向的信息提取,更符合人类的视觉特征,该结果为公路监控图像质量客观评价算法设计提供了参考。     

用双目视觉方法重建交通事故现场空间点

由于交通事故现场测量对象呈静态特性,根据计算机视觉中的双目视觉原理,可以使用两幅从不同方位拍摄的事故现场图像对事故现场进行测量.在实现过程中用预制三维方块标定物对拍摄使用的照相机内外参数进行标定,求取投影变换矩阵,并用基于面积的配准方法进行对应点匹配.模拟事故现场的测量结果表明用该方法对交通事故现场进行测量,可为事故再现提供大量数据.     

基于小波提升框架的交通目标检测与跟踪

交通图像分析是智能交通领域的关键技术之一。为实现复杂交通场景中的多目标检测与跟踪,设计了一种结合小波提升框架和KLT特征点跟踪的多运动目标检测与跟踪算法。对序列图像中相邻两帧图像的融合图像进行小波提升变换,求取水平和垂直方向上的小波能量,通过合理阈值二值化小波能量矩阵,再利用贴标签方法检测出运动目标;利用KLT特征点集合代表目标,通过跟踪后的特征点集合与目标检测区域的相互关联,实现多目标的跟踪。实验结果表明了所提算法的有效性。     

基于分形理论的土体级配评价方法及应用

为优化《土工试验方法标准》中的土体级配评价方法,探索应用分形理论研究路基工程中土颗粒级配评价方法。基于土体的自相似性特征,应用分形理论,建立不均匀系数Cu、曲率系数Cc与分维系数D之间的函数关系,通过土体分维系数D来评价土体级配特征,为土体级配特征研究提供了一种新方法;通过工程案例应用,验证了评价方法的可靠性。由于分维系数概念清晰,物理意义明确,可通过颗粒分析试验获得,便于在工程上推广应用。     

道路裂纹线检测中的脊波域图像增强算法

为了解决传统的图像增强方法中背景和裂痕区之间的对比度拉伸不足,致使基于图像处理的道路裂纹线自动检测方法不能有效地提取道路裂纹线的问题,基于破损道路裂纹线所呈现的特点,由图像脊波变换等效于拉东变换域一维小波分解的原理出发,提出了一种新的适用于道路裂纹线检测的脊波域图像增强算法.试验结果及其与其他图像增强算法的结果对比均表明:该算法能够有效地增强道路裂纹图像中的线状特征,有利于破损道路裂纹线的检测.     

自动驾驶中周围车辆识别与信息地图构建技术

为提高自动驾驶时单传感器对周围车辆识别成功率及工程实用性,提出了一种基于相机图像与激光雷达信息相融合的车辆识别和地图构建方法。对相机与激光雷达进行了联合标定和时间配准。对图像中的车辆阴影与激光雷达检测信息进行提取,获得两者间的坐标关联度特征,并根据其阈值范围确定周围是否存在车辆。将相机图像信息与激光雷达检测信息进行融合,构建周围车辆的信息地图,进行了实验验证。结果表明：采用坐标关联度特征对两传感器采集的信息进行融合,车辆识别的正确率比用D-S证据理论法结果高4.25%;本车辆信息地图,可以在安全的前提下实现基于三阶Bessel曲线的超车轨迹行驶。     

基于3D空间球面的车载全景快速生成方法

为了高效生成具有低失真度的车载全景,以保证基于此影像信息的辅助驾驶系统的实时性,提出针对运算效率进行优化的车载全景生成方法。首先,利用多扫描线趋近、圆拟合的方法实现鱼眼成像有效区域的准确自动提取,并对参数进行优化以提升算法鲁棒性。基于鱼眼成像有效区域轮廓,计算得到有效区域半径以及圆心。以圆心为原点,半径为单位长度重构笛卡尔坐标系。再基于此坐标系,将鱼眼成像通过经纬映射投射至3D空间球面并在球心建立虚拟相机,利用梯度下降获取视锥体最优旋转角后进行视角重构并成像,直接获取该方向鸟瞰图,实现通过一步变换完成鱼眼校正与逆透视变换,达到提升车载全景影像生成速率与减少图像失真的效果。最后,对图像位置进行配准,使虚拟相机直接成像在指定位置,并对4幅图像进行融合,从而降低由于拼接缝带来的图像信息损失,保证生成的车载全景影像最大程度保留道路信息。研究结果表明:使用该方法在同等硬件平台下,基于标定参数计算生成车载全景影像速率提升接近1倍,从视觉上图像失真程度明显降低;该算法可以提升车载全景生成速率,减少计算资源占用,降低图像失真,从而提升基于车载全景影像的辅助驾驶系统的实时性与可靠性。     

针对铰接工程车辆的变角度全景环视系统研究

针对铰接工程车辆车头与车厢间存在铰接角度且车身长导致的视觉盲区大的问题，提出了一种可以根据铰接角度实时调整拼接图像的变角度全景环视系统。对于静态俯视图像的生成，提出一种用于将畸变图像转换为俯视图像并对齐到指定位置的查找表快速映射方法，实现了通过一步变换完成鱼眼校正、逆透视变换与图像配准，提升了静态俯视图像生成的速率。对于动态全景环视图像的生成，提出了一种根据铰接角度改变后对应的动态查找表直接生成变角度全景环视图像的方法，提升了角度改变时图像重新配准的速率。对于全景环视图像的融合，提出了一种循环颜色调整和透明度融合相结合的方法，从而对整幅变角度全景环视图像进行均衡化处理并降低拼接缝带来的图像损失。试验结果表明：在同样的硬件平台下，对于静态俯视图像的生成，该系统不仅将运行速度提升了接近1倍，并且有效减少了图像的失真程度；在图像融合方面，该系统不仅获得了较好的融合效果，并且保证了运行的实时性；通过实车验证，该系统可以生成全局均衡且无缝的变角度全景环视图像并在嵌入式处理器上实现了接近30 帧·s^-1的处理速度；该系统实时生成的变角度全景环视图像可以有效消除铰接工程车辆周围的视觉盲区，从而提升铰接工程车辆行驶的安全性和便捷性。     

1种基于平行直线对模型的车道检测方法

针对智能车辆安全辅助驾驶系统中利用单目视觉进行车道识别的问题,提出了1种基于平行直线对模型的车道检测方法。该方法根据高速公路图像特征构建平行直线对模型,在此基础上先利用 Hough变换提取直线,再由改进的级联 Hough变换检测出平行直线对的消失点,最后通过消失点和先验信息来提取当前车道线。使用M atlab对高速公路上不同路段、不同光照情况、不同车辆干扰下共150幅道路图像进行实验,检测精度达88.6%,平均检测时间为0.24 s。实验结果表明,这一方法在高速公路行驶环境下能较准确地检测出当前车道线,具有很好的光照适应性、抗车辆干扰性和一定的实时性。      

高速公路场景图像的二值化及交通标志定位检测方法

采用CCD摄像机采集高速公路场景图像，并通过图像颜色空间变换，将图像的RGB量值转换为色度-饱和度-亮度（HSV）量值。采用基于阈值的方法对场景图像中颜色饱和度分量进行二值化分割处理；利用场景二值化图像形状特征（周长、形状参数、圆形性参数）去除非目标区域，并通过搜索场景二值化图像方向投影值序列的突变点实现标志准确定位。采用HSV颜色模型中的亮度分量和最佳阈值法对场景图像中标志区域进行二值化处理。结果表明，应用上述方法能取得良好的效果。     

一种新型交通标志自动识别系统

道路交通标志自动识别系统是智能交通系统的重要组成部分,本文介绍了一种基于MATLAB的交通标志自动识别方法。摄像机采集道路交通标志图像,输入图像预处理模块后进入计算机,计算机用matlab基于直方图均衡化对图像作预处理改善图像的像质。然后以颜色为依据通过阈值分割的方法提取颜色特征的目标区域。之后通过孤立点和面积去噪去掉一些不必要的干扰提取目标区域。腐蚀,最后与模板库交通标志对比基于特征模板进行识别。     

基于小波变换的多源遥感图像融合方法

数据融合是目前遥感应用领域的一个热点问题,文中分析了传统的多源数据融合方法,提出了采用基于多分辨率的小波分解技术进行多源图像融合的方法.它将高分辨率图像的小波系数添加到多频谱(低分辨率)数据上,再将全色图像小波变换的高阶系数添加到多频谱图像的浓度组件上.实验表明,此方法切实可行,能使低分辨率图像的信息提取与利用接近于高分辨率图像.