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),請進行舉報或認領
文檔簡介
1、隨著公路交通事業(yè)的發(fā)展和汽車保有量的增加,我國道路交通安全問題日益突出,己成為人們生命和財產(chǎn)安全的重要威脅。作為國際智能交通系統(tǒng)研究的重要內(nèi)容,安全輔助駕駛旨在通過先進技術(shù)解決交通安全問題,目前越來越受到人們的重視,而車輛檢測技術(shù)是安全輔助駕駛的重要組成部分。通過車載攝像頭獲取道路視頻圖像,檢測和跟蹤前方運行的車輛目標,提供準確實時的路況信息,是車輛檢測技術(shù)的實現(xiàn)目標。
本文在閱讀國內(nèi)外文獻并比較和分析各種算法的基礎上,提
2、出了相應的改進方法,并在此基礎上實現(xiàn)了車輛檢測與跟蹤原型系統(tǒng)。本文主要研究工作包括:
1、提出了一種結(jié)合車輛陰影與路面灰度和梯度分布特征的車底部陰影檢測方法。即首先在圖像中設定路面有效區(qū)域,然后分段統(tǒng)計路面灰度閾值,在此基礎上利用車底陰影與路面灰度及梯度在分布上的差異檢測車輛陰影,最后依此建立車輛感興趣區(qū)域。
2、提出了一種基于紋理、形狀和邊緣對稱性三種特征融合的車輛檢測方法。該方法使用改進分形維計算方法提取
3、紋理特征,應用邊緣模板匹配邊緣獲取車輛形狀的完整度,通過計算車輛垂直邊緣投影對稱性測度得到車輛對稱性特征,然后統(tǒng)計正反樣本的三種特征值,采用基于方差測度的方法計算各特征的幾何判據(jù),確定特征權(quán)值,建立融合三種特征的車輛判決式。提取感興趣區(qū)域的三種特征值,使用車輛判決式判斷區(qū)域內(nèi)是否存在車輛。
3、設計了一種基于Kalman濾波的車輛跟蹤方法。以車輛的位置和尺度作為跟蹤分量,使用Kalman濾波進行跟蹤預測。在預測產(chǎn)生的區(qū)域中
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)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 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)容負責。
- 6. 下載文件中如有侵權(quán)或不適當內(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確性、安全性和完整性, 同時也不承擔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
- 基于單目視覺的前方車輛檢測與跟蹤方法研究.pdf
- 基于機器學習的前方車輛檢測和跟蹤方法的研究.pdf
- 基于單目視覺的多特征前方車輛檢測及測距方法研究.pdf
- 智能車的前方車輛檢測和跟蹤方法研究.pdf
- 基于車載攝像頭的前方運動車輛檢測與跟蹤方法研究.pdf
- 基于視覺的前方車輛檢測與跟蹤系統(tǒng)設計.pdf
- 基于單目視覺與多特征的前方車輛檢測算法研究.pdf
- 基于多特征融合的運動目標檢測與跟蹤方法研究.pdf
- 融合多特征的前方車輛檢測技術(shù)研究及DSP實現(xiàn).pdf
- 基于特征檢測的車輛跟蹤技術(shù)的研究.pdf
- 基于圖像的前方車輛檢測.pdf
- 基于機器視覺的前方車輛檢測與測距研究.pdf
- 基于視覺的智能車前方運動車輛檢測與測距方法的研究.pdf
- 基于車輛檢測與跟蹤的交通事件檢測方法研究.pdf
- 基于虛擬車道模型的前方車輛圖像檢測方法研究.pdf
- 基于機器視覺的車輛檢測與跟蹤方法研究.pdf
- 復雜環(huán)境下基于多特征融合的車輛檢測方法研究.pdf
- 基于多特征級聯(lián)分類器的道路車輛檢測方法研究.pdf
- 基于視頻圖像的前方車輛檢測.pdf
- 視頻車輛檢測與跟蹤方法研究.pdf
評論
0/150
提交評論