原文传递
基于视觉的特殊天气环境下山区城市道路信息增强技术研究
| 论文题名： | 基于视觉的特殊天气环境下山区城市道路信息增强技术研究 |
| 关键词： | 智能驾驶;山区城市道路;能见度检测;图像增强;图像去雾;支持向量机;分类识别 |
| 摘要： | 视觉感知已成为智能驾驶领域的热点方向之一，而在雾、雨、低光照等环境因素影响下，视觉传感器获取道路交通信息不足，致使依赖视觉SLAM的智能驾驶车辆运行受影响。因此，研究特殊天气环境下视觉图像的快速增强算法和检测道路信息是视觉SLAM中关键问题之一。 本课题是贵州省科技厅重大专项（项目号：黔科合重大专项ZNWLQC[2019]3012）的子课题，主要围绕特殊天气环境下山区城市道路信息增强技术开展研究。具体内容如下： 1）深入分析了雾天和夜间特殊天气影响视觉能见度的因素。以此为基础，利用构建的视觉图像采集平台，结合贵州山区道路特征，建立了雾天、夜间低照度等状况下的道路专用数据集。提出了一种基于Canny边缘检测的道路能见度实时检测方法，计算边缘强度值评估道路能见度。设定一定阈值，能见度低时开启图像信息增强。 2）针对雾天山区城市道路，提出了一种基于大气散射模型的视频图像快速去雾算法。在暗通道先验去雾的基础上，提出动态计算大气光值的方法，提升去雾速度，优化去雾系数取值，并利用CLAHE算法进一步去雾，增强图像交通信息。经算法处理后的道路图像标准差和平均梯度提升2~4倍，边缘强度提升近2倍，道路能见度提升，实时去雾速度大幅提升，平均每帧处理时间控制在300ms以内。 3）以山区夜间低照度城市道路为对象，优化改进了一种基于图像对数变换的增强方法。根据夜间图像亮度分布不均匀且整体亮度低的特点，结合两种对数图像增强方法，增强图像低亮部分，抑制高亮部分。利用LIP模型结合已处理图像的特征，增强对比度。采用CDF-HSD函数进一步提升图像亮度。处理后道路图像亮度提升近4-5倍，边缘强度、标准差和平均梯度提升近2倍，每帧图像处理耗时在250ms以内。 4）利用SVM支持向量机，选择HOG特征提取器，建立了针对车辆检测的分类模型。并以此模型对雾天道路和夜间低照度道路数据集进行了增强前后的分类对比实验。结果表明去雾增强算法处理后图像，车辆检测的准确率提升5.04%、精确率提升1.12%、召回率提升6.56%；低照度增强算法处理后，检测准确率提升4.26%，精确率提升3.26%，召回率提升5.72%。两者召回率提升明显，说明对于正样本的识别能力提高，表明本文研究成果对于道路车辆等交通信息的增强具有良好应用价值。 |
| 作者： | 钟魁松 |
| 专业： | 机械工程 |
| 导师： | 冯治国 |
| 授予学位： | 硕士 |
| 授予学位单位： | 贵州大学 |
| 学位年度： | 2022 |
检索历史
应用推荐
