原文传递
基于机器视觉的智能车辆跟踪方法研究与应用
| 论文题名： | 基于机器视觉的智能车辆跟踪方法研究与应用 |
| 关键词： | 机器视觉;智能车辆跟踪;图像处理;边缘检测算子;Camshift算法 |
| 摘要： | 随着智能车辆的飞速发展，目标跟踪成为车辆智能化的主要研究内容之一。由于机器视觉技术越来越成熟，使用成本逐渐降低，所以广大学者在机器视觉的基础上进一步研究目标跟踪这一问题。本文依托山西省科技攻关项目(20130321005-04)，提出了基于机器视觉的智能车辆跟踪方法这一研究方向，对实时路况中的车辆进行检测和跟踪。 对车辆跟踪过程中，程序处理对象为视频中的每一帧，即一幅图像，本文首先从图像预处理方向着手，选择适合本文运行环境的预处理方法，通过对比各灰度化处理方法对采集的实时路况视频图像的处理结果，最终选择加权平均法，并利用中值滤波完成原始图像中噪声的滤除，最后采用Sobel边缘检测算子完成对图像信息的边缘检测。该方法为后期目标检测提供了简单而有效的图像信息。 为了保证摄像机拍摄的车辆道路信息的准确性，本文对实验相机进行了标定，采用张正友标定法，通过自制8*10棋盘标定板，得出了摄像机的内部参数，校正了摄像机的畸变。 由于车辆运行环境较为复杂，传统Camshift跟踪方法不能满足复杂环境下的跟踪要求，当被跟踪车辆颜色与外界环境颜色相近时，该跟踪方法失效。针对这一问题，本文提出交比不变量的Camshift跟踪方法，利用亚像素角点检测方法，检测出所选目标区域的特征角点。然后利用交比不变原理求解各特征角点之间的位置关系，利用这些位置关系对所选目标区域进行约束，通过理论及实验的方法验证本文算法。通过标准视频库的测试，得出本文算法的可行性和优先性，通过实时路况的测试，证明了本文算法的可行性。 本文编译环境为VS2013，并利用OpenCV视频处理库对本文跟踪方法进行算法编译，分别对标准视频库中以及现实环境中的车辆信息进行跟踪实验，实验结果表明，本文通过添加约束改进的跟踪方法具有可行性和实时性，且具有较高的跟踪效率。 |
| 作者： | 宋国浩 |
| 专业： | 机械工程 |
| 导师： | 黄晋英 |
| 授予学位： | 硕士 |
| 授予学位单位： | 中北大学 |
| 学位年度： | 2017 |
| 正文语种： | 中文 |
检索历史
应用推荐
