版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡介
1、智能車輛視覺魯棒檢測與識別方法的研究對于降低日益增長的交通事故發(fā)生率,提高現(xiàn)有道路交通安全和運(yùn)輸效率,緩解駕駛員疲勞程度等問題具有重要意義,得到國內(nèi)外學(xué)者們的廣泛關(guān)注,本文針對智能車輛的環(huán)境感知關(guān)鍵技術(shù),對基于機(jī)器視覺的目標(biāo)魯棒檢測與識別問題進(jìn)行深入研究,具體研究內(nèi)容和創(chuàng)新點(diǎn)歸納如下:
(1)提出一種幀間等角度圓周運(yùn)動(dòng)約束下的相機(jī)分層自標(biāo)定方法。利用幀間等角度圓周運(yùn)動(dòng)約束推導(dǎo)了關(guān)于三視圖之間無窮遠(yuǎn)平面坐標(biāo)的約束條件,相比模約束
2、條件,能有效減少可能解的數(shù)量。此外,針對序列圖像,提出分層迭代粒子群算法(SIPSO)對無窮遠(yuǎn)平面坐標(biāo)進(jìn)行優(yōu)化求解。相比傳統(tǒng)方法在度量重構(gòu)時(shí)利用序列圖像信息提高解的精確度,本文方法在仿射重構(gòu)這一步就能充分挖掘序列圖像信息。實(shí)驗(yàn)證明,算法對噪聲干擾具有一定的魯棒性。
(2)提出一種利用城市交通場景中直線進(jìn)行相機(jī)在線標(biāo)定的方法。算法通過檢測三維場景中的曼哈頓直線,并估計(jì)曼哈頓方向的消影點(diǎn),進(jìn)而估計(jì)相機(jī)內(nèi)參數(shù)。此外,針對準(zhǔn)曼哈頓場景
3、,提出相應(yīng)的直線擬合方法以提高消影點(diǎn)估計(jì)的準(zhǔn)確性。分別設(shè)計(jì)了單幀和多幀圖像測試方案,實(shí)驗(yàn)證明,雖然單幀圖像能夠滿足相機(jī)內(nèi)參數(shù)估計(jì)的要求,但利用連續(xù)多幀圖像對相機(jī)內(nèi)參數(shù)進(jìn)行最小二乘估計(jì)能提高參數(shù)估計(jì)的準(zhǔn)確性和穩(wěn)定性。
(3)提出一種基于局部能量聚類分割和感興趣區(qū)域語義驗(yàn)證的交通標(biāo)志檢測方法。提出利用多重差分高斯濾波器代替Gabor濾波器提取圖像的局部能量實(shí)現(xiàn)感興趣區(qū)域的快速分割。為進(jìn)一步驗(yàn)證感興趣區(qū)域,提出一種多核嵌入的測度學(xué)習(xí)
4、方法,通過融合感興趣區(qū)域的顏色、形狀及幾何特征實(shí)現(xiàn)感興趣區(qū)域的語義分類。實(shí)驗(yàn)證明,利用該算法能有效地排除假性感興趣區(qū)域,并且,算法對復(fù)雜背景、光照變化、視角變化等情況具有一定的魯棒性。
(4)提出一種多模態(tài)多任務(wù)學(xué)習(xí)的交通標(biāo)志識別方法。在最小二乘回歸模型中引入兩種不同的結(jié)構(gòu)化稀疏范數(shù),其中樹結(jié)構(gòu)引導(dǎo)的稀疏范數(shù)用于對交通標(biāo)志多類別之間的相似性建模,利用樹結(jié)構(gòu)嵌入的多任務(wù)學(xué)習(xí)選擇相似類之間的共享特征,提高分類模型的泛化能力;另一結(jié)
5、構(gòu)化稀疏范數(shù)用于同時(shí)實(shí)現(xiàn)模態(tài)內(nèi)部和模態(tài)間特征選擇。此外,提出采用交替方向乘子法對模型迭代求解,并分析了解的收斂性。實(shí)驗(yàn)證明,算法得到的分類模型具有較強(qiáng)的可釋性,且算法對光照、視角變化、遮擋等情況具有較強(qiáng)的魯棒性。
(5)提出一種融合高、低分辨率特征的魯棒行人檢測方法。算法利用線性變換矩陣分別將高、低分辨率樣本特征融合映射至同一特征空間,并在該空間內(nèi)學(xué)習(xí)最優(yōu)檢測分類器,實(shí)現(xiàn)高分辨率和低分辨率樣本特征融合以提高行人檢測魯棒性。在最
6、優(yōu)檢測分類器優(yōu)化學(xué)習(xí)過程中,同時(shí)考慮了最小化來自不同分辨率的樣本的分布散度,同時(shí)最小化分類器的結(jié)構(gòu)化風(fēng)險(xiǎn)函數(shù),推導(dǎo)得到關(guān)于線性變換矩陣和分類器函數(shù)的凸優(yōu)化模型,提出了相應(yīng)的模型求解方法,并證明解的全局最優(yōu)性。實(shí)驗(yàn)證明算法在近距離(高分辨率)和遠(yuǎn)距離(低分辨率)尺度目標(biāo)檢測上具有一定的魯棒性。
綜上所述,本文研究了相機(jī)離線、在線自標(biāo)定方法,以提高視覺檢測和識別的魯棒性能,此外,研究了交通標(biāo)志魯棒檢測和識別方法,及行人魯棒檢測方法
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 魯棒的目標(biāo)檢測與識別方法研究.pdf
- 單目視覺車輛檢測與類型識別方法研究.pdf
- 面向智能車輛的單目視覺行車安全信息檢測與識別方法研究.pdf
- 基于雙目視覺的智能車輛路徑識別方法研究.pdf
- 智能視覺監(jiān)控中運(yùn)動(dòng)目標(biāo)檢測與行為識別方法.pdf
- 姿態(tài)魯棒的人臉圖像識別方法研究.pdf
- 姿態(tài)魯棒的人臉圖像性別識別方法研究與應(yīng)用.pdf
- 交通參數(shù)視覺實(shí)時(shí)檢測與識別方法研究.pdf
- 基于稀疏編碼的魯棒說話人識別方法研究.pdf
- 基于視覺信息的車牌檢測與識別方法研究.pdf
- 低照度圖像的車輛檢測與識別方法研究.pdf
- 基于視覺的智能車輛道路識別與障礙物檢測方法研究.pdf
- 復(fù)雜環(huán)境下運(yùn)動(dòng)車輛檢測與識別方法研究.pdf
- 光照和表情魯棒的人臉圖像識別方法研究.pdf
- 基于高魯棒性特征的人體動(dòng)作識別方法研究.pdf
- 面向智能車輛的交通標(biāo)志視覺檢測與識別研究.pdf
- 非理想條件下的魯棒虹膜識別方法研究.pdf
- 具有混響魯棒性的遠(yuǎn)距離語音識別方法研究.pdf
- 智能車環(huán)境下車輛典型行為識別方法研究.pdf
- 基于單目視覺的車輛前方行人識別方法研究.pdf
評論
0/150
提交評論