车辆转弯中道路前方障碍高度的自动检测.rar
车辆转弯中道路前方障碍高度的自动检测,摘要 针对车辆转弯时道路前方存在一定的视觉盲区，本文提出一种车辆在道路前方转弯时基于机器视觉和图像分割技术对障碍高度进行自动检测方法。通过摄像机获取现实环境与实验环境2种障碍图像，经过分析对比选择实验环境的障碍图像作为检测障碍高度的输入图像。本文首先分别对3组距离摄像机1.5米、2.2米、2.6米采集的障碍图像进行图像...
该文档为压缩文件,包含的文件列表如下:
内容介绍
原文档由会员 渭水亭榭 发布
摘要
针对车辆转弯时道路前方存在一定的视觉盲区，本文提出一种车辆在道路前方转弯时基于机器视觉和图像分割技术对障碍高度进行自动检测方法。通过摄像机获取现实环境与实验环境2种障碍图像，经过分析对比选择实验环境的障碍图像作为检测障碍高度的输入图像。本文首先分别对3组距离摄像机1.5米、2.2米、2.6米采集的障碍图像进行图像分割，然后采用闭运算对障碍的二值图像优化后，提取障碍二值图像像素点元素的行列坐标数据，最后运用最小二乘法检测障碍的高度信息。实验表明，距离摄像机1.5米时障碍物检测高度的平均误差率最低，为1.70%。
关键字： 障碍图像；图像分割；高度自动检测
Abstract
According to the turning of the vehicle when there are certain visual road ahead blind area, this paper puts forward a kind of vehicles on the road ahead when turning and image segmentation based on machine vision technology of high automatic detection method obstacles. Through the camera for the realistic environment and experimental environment 2 kind of obstacles image, after analysis and comparison of the experimental environment choose obstacles image as a test of the height of the input image barriers. This paper first of three groups respectively from camera 1.5 m, 2.2 m, 2.6 m acquisition obstacles image segmentation image, then the operation of the obstacles to shut the binary image optimization, withdraw obstacles binary image pixels ranks of elements of the coordinate data, and finally the least square method of testing obstacle height information. Experiments show that distance camera 1.5 m obstacle detection of the height of the lowest average error rate, at 1.70%.
Key word：obstacles image; image segmentation; highly automatic detection
目录
1 绪论 1
1.1 障碍物高度自动检测的目的和意义 1
1.2 障碍物高度自动检测问题的研究现状 1
1.3 本论文的主要内容 3
2 障碍物图像的采集 4
2.1 图像的描述 4
2.2 图像采集的假设和实验条件 4
2.3 采集障碍物图像的特点 6
3 障碍物图像目标区域的提取 7
3.1图像分割的概述 7
3.2 图像阈值分割的基本原理 7
3.3障碍图像目标区域的提取 9
3.3.1 最大类间方差法求取阈值分割障碍物图像 9
3.3.2 障碍图像分割结果分析 10
4 障碍高度的检测 13
4.1障碍二值图像行列坐标的计算 13
4.2 检测障碍高度的最小二乘法原理 14
4.2.1 障碍高度检测中的因变量和自变量 14
4.3 障碍物高度的检测结果及分析 15
总结和展望 20
致谢 21
参考文献 22
附录 23
参考文献
[1] 檀柏红，任立肖，张丽. 基于视频图像处理技术的汽车防撞系统的研究[J].2008年10月，Vo1．18 No．5
[2] 魏怡, 李宇, 胡舒妹. 面向复杂背景中彩色立体图像的障碍物检测[J]. 自动化技术与应用[J].2007年, Vo1.26 No 7
[3] 杜歆 ,周围,朱云芳 ,刘济林. 基于单目视觉的障碍物检测[J]. 浙江大学学报, 2008年6月, Vol . 42 No. 6
[4] 何祖恩,吴海彬,李文锦. 基于双目视觉的移动机器人障碍物检测研究[J]. 2009年12月, Vo1.12
[5] 徐国艳，王传荣，高峰，王江峰. 车辆视频检测感兴趣区域确定算法[J]. 北京航空航天大学学报，2010年7月，Vol. 36 No.7
[6] 解兴哲，王姮，刘冉，刘满禄. 基于双目视觉的障碍物高度检测[J]. 传感器与微系统, 2010 年, Vo1.29 No 7
[7] 刘海波，刘朋鑫. 基于Matlab和VC++混合编程的障碍检测系统设计[J]. 北京电子科技学院学报, 2011年6月, Vo1.19 No.2
[8] 杨建荣，曲仕茹. 基于单目视觉的障碍物检测方法研究[J].计算机仿真，2009年2月， Vo1.26 No 2
[9] 陈磊，陈宗基. 基于视觉的无人作战飞机跑道障碍物检测方案[J]. 北京航空航天大学学报, 2007年12月, Vol. 33 No11
[10] 曹国. 汽车前方可行区域计算机视觉感知系统的研究[D].吉林大学硕士学位论文.2003年2月
[11] 朱习军,隋思涟，张宾，刘尊年. MATLAB在信号与图像处理中的应用. 北京：电子工业出版社.2009
[12] CONG Yang1, PENG Jun-Jian1,SUN Jing1,ZHU Lin-Lin1,TANG Yan-Dong. V-disparity Based UGV Obstacle Detection in Rough Outdoor Terrain[J]. May, 2010, Vol. 36, No. 5
[13] R. Venkatesh Babu, S. Suresh, Anamitra Makur. Online adaptive radial basis function networks for robust object tracking[M]. Computer Vision and Image Understanding，2010.
针对车辆转弯时道路前方存在一定的视觉盲区，本文提出一种车辆在道路前方转弯时基于机器视觉和图像分割技术对障碍高度进行自动检测方法。通过摄像机获取现实环境与实验环境2种障碍图像，经过分析对比选择实验环境的障碍图像作为检测障碍高度的输入图像。本文首先分别对3组距离摄像机1.5米、2.2米、2.6米采集的障碍图像进行图像分割，然后采用闭运算对障碍的二值图像优化后，提取障碍二值图像像素点元素的行列坐标数据，最后运用最小二乘法检测障碍的高度信息。实验表明，距离摄像机1.5米时障碍物检测高度的平均误差率最低，为1.70%。
关键字： 障碍图像；图像分割；高度自动检测
Abstract
According to the turning of the vehicle when there are certain visual road ahead blind area, this paper puts forward a kind of vehicles on the road ahead when turning and image segmentation based on machine vision technology of high automatic detection method obstacles. Through the camera for the realistic environment and experimental environment 2 kind of obstacles image, after analysis and comparison of the experimental environment choose obstacles image as a test of the height of the input image barriers. This paper first of three groups respectively from camera 1.5 m, 2.2 m, 2.6 m acquisition obstacles image segmentation image, then the operation of the obstacles to shut the binary image optimization, withdraw obstacles binary image pixels ranks of elements of the coordinate data, and finally the least square method of testing obstacle height information. Experiments show that distance camera 1.5 m obstacle detection of the height of the lowest average error rate, at 1.70%.
Key word：obstacles image; image segmentation; highly automatic detection
目录
1 绪论 1
1.1 障碍物高度自动检测的目的和意义 1
1.2 障碍物高度自动检测问题的研究现状 1
1.3 本论文的主要内容 3
2 障碍物图像的采集 4
2.1 图像的描述 4
2.2 图像采集的假设和实验条件 4
2.3 采集障碍物图像的特点 6
3 障碍物图像目标区域的提取 7
3.1图像分割的概述 7
3.2 图像阈值分割的基本原理 7
3.3障碍图像目标区域的提取 9
3.3.1 最大类间方差法求取阈值分割障碍物图像 9
3.3.2 障碍图像分割结果分析 10
4 障碍高度的检测 13
4.1障碍二值图像行列坐标的计算 13
4.2 检测障碍高度的最小二乘法原理 14
4.2.1 障碍高度检测中的因变量和自变量 14
4.3 障碍物高度的检测结果及分析 15
总结和展望 20
致谢 21
参考文献 22
附录 23
参考文献
[1] 檀柏红，任立肖，张丽. 基于视频图像处理技术的汽车防撞系统的研究[J].2008年10月，Vo1．18 No．5
[2] 魏怡, 李宇, 胡舒妹. 面向复杂背景中彩色立体图像的障碍物检测[J]. 自动化技术与应用[J].2007年, Vo1.26 No 7
[3] 杜歆 ,周围,朱云芳 ,刘济林. 基于单目视觉的障碍物检测[J]. 浙江大学学报, 2008年6月, Vol . 42 No. 6
[4] 何祖恩,吴海彬,李文锦. 基于双目视觉的移动机器人障碍物检测研究[J]. 2009年12月, Vo1.12
[5] 徐国艳，王传荣，高峰，王江峰. 车辆视频检测感兴趣区域确定算法[J]. 北京航空航天大学学报，2010年7月，Vol. 36 No.7
[6] 解兴哲，王姮，刘冉，刘满禄. 基于双目视觉的障碍物高度检测[J]. 传感器与微系统, 2010 年, Vo1.29 No 7
[7] 刘海波，刘朋鑫. 基于Matlab和VC++混合编程的障碍检测系统设计[J]. 北京电子科技学院学报, 2011年6月, Vo1.19 No.2
[8] 杨建荣，曲仕茹. 基于单目视觉的障碍物检测方法研究[J].计算机仿真，2009年2月， Vo1.26 No 2
[9] 陈磊，陈宗基. 基于视觉的无人作战飞机跑道障碍物检测方案[J]. 北京航空航天大学学报, 2007年12月, Vol. 33 No11
[10] 曹国. 汽车前方可行区域计算机视觉感知系统的研究[D].吉林大学硕士学位论文.2003年2月
[11] 朱习军,隋思涟，张宾，刘尊年. MATLAB在信号与图像处理中的应用. 北京：电子工业出版社.2009
[12] CONG Yang1, PENG Jun-Jian1,SUN Jing1,ZHU Lin-Lin1,TANG Yan-Dong. V-disparity Based UGV Obstacle Detection in Rough Outdoor Terrain[J]. May, 2010, Vol. 36, No. 5
[13] R. Venkatesh Babu, S. Suresh, Anamitra Makur. Online adaptive radial basis function networks for robust object tracking[M]. Computer Vision and Image Understanding，2010.
