近年來(lái),軌道交通行業(yè)發(fā)展迅速,而調(diào)車(chē)機(jī)車(chē)的作業(yè)場(chǎng)景開(kāi)放復(fù)雜,司機(jī)控制工作量大,存在諸多安全隱患,有著輔助駕駛的需求。本文從調(diào)車(chē)機(jī)車(chē)駕駛的實(shí)際需求出發(fā),針對(duì)作業(yè)過(guò)程中存在的侵限安全和駕駛控制兩大關(guān)鍵問(wèn)題,基于機(jī)器視覺(jué)技術(shù)展開(kāi)研究,主要內(nèi)容如下:(1)提出調(diào)車(chē)機(jī)車(chē)監(jiān)控視頻預(yù)處理算法,實(shí)現(xiàn)了霧天、夜晚和雨天多種惡劣環(huán)境的圖像增強(qiáng)。霧天中,先將Retinex算法的中心環(huán)繞高斯濾波修改為雙邊濾波,去除噪聲的同時(shí),保證邊緣信息完整性,以此獲得對(duì)數(shù)域的增強(qiáng)結(jié)果;再采用Sigmoid函數(shù)對(duì)其進(jìn)行處理,降低運(yùn)算量,還原真實(shí)顏色。夜晚中,基于HSV顏色空間,獲取光源位置,保留顏色信息,并減小光源區(qū)域?qū)χ苓叺母蓴_;所得到的圖像反色后采用暗通道先驗(yàn)算法進(jìn)行類(lèi)霧天增強(qiáng);再結(jié)合白天對(duì)應(yīng)圖像的Lab直方圖信息改善偏色現(xiàn)象。雨天中,采用分?jǐn)?shù)階傅里葉變換處理圖像,得到方向頻譜能量曲線(xiàn),提取雨痕方向,以此旋轉(zhuǎn)圖像將高頻信息中非雨痕邊緣濾除,并提高橫向周邊像素權(quán)重,得到雨天增強(qiáng)圖像。文中不同環(huán)境下增強(qiáng)圖像的視覺(jué)效果和客觀評(píng)價(jià)指標(biāo)表明,新提出的算法提高了圖像對(duì)比度,更好的還原了色彩信息,為司機(jī)和后續(xù)計(jì)算提供了清晰圖像。(2)...

【文章頁(yè)數(shù)】：150 頁(yè)

【學(xué)位級(jí)別】：博士

【部分圖文】：

圖１－３是本文通過(guò)對(duì)現(xiàn)有技術(shù)分析得到的軌道交通技術(shù)成熟度曲線(xiàn)：??

?（ｅ）?（ｆ）??圖１－２鐵軌區(qū)域異常環(huán)境示意圖??Ｆｉｇ．?１－２?Ｉｍａｇｅｓ?ｏｆ?ａｂｎｏｒｍａｌ?ｃｏｎｄｉｔｉｏｎｓ?ｏｎ?ｒａｉｌｗａｙ?ｔｒａｃｋ??從軌道交通技術(shù)的發(fā)展趨勢(shì)可以看出，機(jī)器視覺(jué)相關(guān)技術(shù)是未來(lái)多年內(nèi)十分??重要的研究發(fā)展方向，隨著時(shí)間的推移會(huì)應(yīng)用到....

圖1-3軌道交通技術(shù)成熟度曲線(xiàn)

（ａ）?（ｂ）?（ｃ）??（ｄ）?（ｅ）?（ｆ）??圖１－２鐵軌區(qū)域異常環(huán)境示意圖??Ｆｉｇ．?１－２?Ｉｍａｇｅｓ?ｏｆ?ａｂｎｏｒｍａｌ?ｃｏｎｄｉｔｉｏｎｓ?ｏｎ?ｒａｉｌｗａｙ?ｔｒａｃｋ??從軌道交通技術(shù)的發(fā)展趨勢(shì)可以看出，機(jī)器視覺(jué)相關(guān)技術(shù)是未來(lái)多年內(nèi)十分??重要的研究....

圖1-5鐵軌檢測(cè)算法示意圖

ｇ．－ａｇｒａｍ?ｏｒａｗａｙ?ｔｒａｃｅｔｅｃｔｏｎ?ａｇｏｒｔｍ??對(duì)于鐵路站場(chǎng)和工礦路段的限界指的是鐵軌之間及其周邊區(qū)域，保證調(diào)車(chē)機(jī)??車(chē)能夠安全平穩(wěn)的作業(yè)，實(shí)時(shí)監(jiān)控系統(tǒng)真正感興趣區(qū)域（Ｒｅｇｉｏｎ?Ｏｆ?Ｉｎｔｅｒｅｓｔ，ＲＯＩ）??為限界區(qū)域，行人侵入限界在圖像中的劃分....

圖1-6深度學(xué)習(xí)行人檢測(cè)原理圖

到Ｃｏｄｅｂｏｏｋ背景建模算法中，通過(guò)背景建模算法為行人檢測(cè)提供候選搜索范圍，降低行人誤檢率［５８］。上述算法都是由研究者們提取的行人特練學(xué)習(xí)得到的檢測(cè)方式，傳統(tǒng)的行人檢測(cè)特征如表１－２所示：??表１－２經(jīng)典行人檢測(cè)特征概覽???Ｔａｂｌｅ?１－２?Ｃｌａｓｓｉｃａｌ?ｐｅｄｅｓ....

本文編號(hào)：3997616