毕业论文

打赏
当前位置: 毕业论文 > 计算机论文 >

无人驾驶车辆视觉导航中干扰阴影的检测与消除方法研究 (2)

时间:2020-12-06 13:47来源:毕业论文
但是,HIS在道路出现阴影时起不到有效的作用,因此,必须增加额外的条件来提高作用效果,例如使用道路的形状限制来发现未检测到的阴影检测区。除此


但是,HIS在道路出现阴影时起不到有效的作用,因此,必须增加额外的条件来提高作用效果,例如使用道路的形状限制来发现未检测到的阴影检测区。除此以外,还可以使用标准 RGB,但需要把更多的重点放在分类过程上。例如,可以用混合高斯法来进行道路建模。然而,选择适当数量的高斯并不容易,同时阴影的存在仍然是一个问题。 我们可以使用 RGB色彩空间来为道路和背景建一个模型,道路的变化可以用不同的直方图来表示,这些可以从帧到帧动态更新。这不是一个简单的过程,因为不断地产生新的直方图,代替旧的直方图,所以必须固定直方图的数量。背景可以用一个单一的直方图来建模。这样,来自一个框架下的背景像素可以用来建立下一帧中的背景模型,这是一种时间约束。因此会有误差产生,特别是在有其他车辆出现的情况下。 也可以考虑将几种颜色空间如 YUV,RGB,亮度等结合起来。每种颜色空间使用两种高斯混合模型:一个用来为道路建模,另一个用来为背景建模。然后每一个颜色空间获得的结果可以用比率的方法结合起来。然而,选择适当数量的高斯和背景建模都是比较棘手的问题。另外,该方法会受到道路形状的限制。 以上的这些方法通过利用道路的形状限制,时间限制或者复杂的模型来减轻光线的变化和阴影的问题。然而,这些假设和模型在许多常见的驾驶情况下失去了性能。例如,道路的形状限制很难适应复杂的道路形状(交叉或环形)或者道路边界不明显可见的情况(因为交通或者城市规划)。当驾驶发生突然的变化(加速或是减速,其他车辆的出现或消失)时,时间限制就会不起作用。 在本文中,我们的目标是使用有阴影存在的图片来进行道路检测。
此外,我们要避免使用道路形状限制或是时间限制来作为该算法的一部分。因此,我们可以将道路检测的前期工作过程分成两步来,第一步是使用由 VictorJ.D.Tsai 提出的 C1C2C3 颜色空间来进行阴影检测,我们都知道,在 RGB 彩色模型空间中,任何一种颜色都可由 RGB 三原色按照一定的比例构成,阴影区也不例外,因此阴影的光谱特性可以由颜色特性导出,光测量颜色特性可以用来描述阴影和亮区的颜色配置。 C1C2C3 是一个典型的光测量颜色不变量。 第二步,我们打算使用由 Finlayson 等人提出来的光照不变图像作为特征空间来进行道路阴影的消除。这种光照不变图像是利用常规相机(通常为窄带传感器)在一种普朗克光照下使真实情景成像(朗伯表面)。我们认为,阳光近似于普朗克光,道路表面可以认为是朗伯表面,普通的彩色摄像机近似于窄带。因此光照不变的特征空间适合于用来做道路阴影消除。 同时,在本文中,还涉及一些有关图像平滑的操作,图像平滑主要是为了消除被污染图像中的噪声 ,图像噪声是在图像处理中经常会遇到的问题,它的存在会使图像的质量下降,因此解决图像噪声问题在图像处理过程中是不可忽视的。  

无人驾驶车辆视觉导航中干扰阴影的检测与消除方法研究 (2):http://www.youerw.com/jisuanji/lunwen_65872.html
------分隔线----------------------------
推荐内容