无人驾驶汽车视觉导航中车道线检测的研究

为了提高无人驾驶汽车视觉导航系统中车道线检测的准确性和实时性,在对车道线检测技术进行深入研究的基础上,提出一种能快速准确检测出车道线的新算法。首先采用分块思想将RGB图像中与道路无关的区域去除,以缩短数据处理时间。然后对余下的RGB图像进行灰度化处理,接着用中值滤波法消除随机噪声,再用最大类间方差法(Otsu法)初步得到二值图像。最后对二值图像利用数学形态学进一步边缘细化,使位于车道线上的每个像素行只有一个像素特征点,再采用Hough变换检测出车道线。Matlab仿真结果表明,此算法能够快速准确地检测出车道线,较传统检测算法具有更强准确性和实时性。     

基于多尺度小波变换的二维图像角点检测技术

提出一种基于多尺度小波变换的二维图像角点检测算法。首先利用二维零交叉边缘检测算子对图像进行边缘提取得到二值边缘图，通过基于边素（边过程）的围线跟踪算法得到图像的边缘围线。对边缘围线的方向曲线进行多尺度小波变换，利用变换结果的局部最大值信息检测和定位出图像角点。仿真结果表明该算法可有效地实现二维图像的角点检测与定位，具有较高的精度     

一种基于改进SIFT的航拍图像自动配准算法

针对传统SIFT算法匹配时间长、错匹配较多等问题,提出了一种基于改进SIFT特征的航拍图像自动配准算法.首先,通过特征点检测时设定检测极值点数目,按照DOG空间层次结构由粗到精来搜索特征点,并使用改进的SIFT特征描述符生成算法;其次,利用最近邻匹配准则进行初步匹配得到初始匹配点对,并采用双向匹配方法对匹配特征点对进行筛选;然后,基于马氏距离的特征点相似度量方法进行二次匹配,并使用RANSAC算法求取仿射变换模型;最后,通过双线性插值对变换后的图像进行重采样和插值.实验结果表明:该算法可以实现航拍图像之间的有效配准,在配准性能上优于传统SIFT算法.     

基于三级数据关联的红外点目标跟踪方法

介绍了目前红外系统的目标跟踪方法;在目标跟踪时的数据关联阶段,提出了三级门限数据关联算法,根据门限级别所划分的疑似目标点位置,算法采用不同的数据关联策略。该算法能减少轨迹分叉时的计算量,能有效地检测出速度〈1像素／帧的运动点目标。实验结果证明了该算法的有效性。     

基于对偶四元数的单目视觉/惯性组合导航算法

提出一种适用于结构化道路的单目视觉/惯性组合导航定位算法.针对点特征匹配和连续多帧追踪受车速和相机视野制约的不足,提取道路上车道线的直线特征,引入对偶四元数描述直线特征.在基于对偶四元数的相对位姿估计算法的基础上,推导了图像特征增量与相机位姿增量的表达式.通过配准和时间同步,用惯导系统和相机分别解算的载体速度之差作为组合导航的观测量,建立kalman滤波修正组合导航系统的误差,包括相机测速标度因数误差.车载实验结果表明在结构化道路上算法是有效的.     

一种基于圆阵列标定板的光栅投影系统标定方法

针对光栅投影系统中棋盘格标定板角点检测时易受图像噪声和模糊影响,提出了一种新颖的基于圆阵列标定板的光栅投影系统标定方法.利用摄像机的非线性成像模型,设计了一种基于透视变换和圆心排序的圆心自动匹配算法,实现了圆心像素坐标与对应世界坐标的匹配;将投影仪视作逆向摄像机构成双目立体视觉模型,借助采集的水平与垂直光栅图像,利用九...     

新的空间物点定位解算方法

目前近景摄影测量学空间物点定位主要应用的是空间点线线交会原理,其数学基本形式有两种:共线方程交会法和投影矩阵交会法.针对近景摄影测量学空间物点定位原理,在共线方程交会法的基础上,提出了一种新的空间物点定位解算方法.该方法应用多元函数极值定理和克莱姆法则对空间线线交会问题进行求解,给出了详细的运算过程.实验证明了该算法的准确性.     

基于特征提取的三维流线分布算法

特征提取与清晰表达是三维流场可视化研究中的两个主要问题.提出了一种基于特征提取的三维流线分布算法,既保障了流场临界点附近的特征结构得以正确描述,同时又使输出结果具有良好的清晰性.该算法分为三个步骤:首先,在临界点的快速检测基础上,根据临界点处Jacobian矩阵特征值对临界点进行分类,并对临界点与种子点模板进行匹配;其次,种子点依照优先规则排序,并从这些种子点出发在物理空间计算出流线;最后,在图像空间由预先设置的阈值对流线进行间距控制,并根据深度检测来保留离视点最近的流线,使得屏幕上的输出结果清晰.     

TIN数字地形模型的通视性算法

数字地形模型的地形通视性分析有着广泛的应用,对TIN地形模型上两点间的通视性算法进行了研究、改进与实现.研究结果表明,视线与三角形相交法算法简单直观,但计算效率太低;改进的视线与边相交法数据结构简单,编程实现容易,适合地形数据结构单一的系统;而投影覆盖检测算法通用性好,适合地形数据结构多样的系统.     

基于提升框架检测的空中强机动视频目标跟踪

空中强机动性目标在视频中表现出运动形变剧烈、运动规律难预测且背景特征不明显不稳定等特点,传统的检测跟踪算法不能有效地对其实施检测跟踪.为解决上述问题,提出一种不依赖于帧间运动特性的基于提升框架检测的空中强机动视频目标跟踪算法.首先,利用提升框架实现图像的小波变换,得到目标的高频分量信息.然后,对高频分量进行融合,并提出了目标特征增强的方法,完成单帧图像的目标检测.最后,实现视频序列的实时跟踪.实验结果表明,该算法能够实时、准确地对空中背景下的强机动性目标进行检测跟踪,有效地解决了目标运动形变剧烈、某些帧中存在遮挡而造成后续帧失跟等跟踪困难.