首页 基于立体视觉交通对象的三维重建技术

基于立体视觉交通对象的三维重建技术

举报
开通vip

基于立体视觉交通对象的三维重建技术随着计算机技术在智能交通系统中广泛应用,立体视觉成为重建混合交通场景、检测混合交通流参数的重要技术。文章主要对利用计算机立体视觉观测交通环境状况获取交通信息进行综述,同时介绍了复杂背景中交通对象的分割、阴影检测和抑制、三维重建、模型匹配与识别等技术的研究。最后对立体匹配的三维重建研究趋势发展及难点进行了展望。标签:立体视觉;图像分割;阴影抑制;三维重建1概述立体视觉的交通场景理解系统关键技术主要解决交通对象(行人、汽车、摩托车、自行车等)的三维信息模型化;低层处理,即先把图像数字符号化和特征點的提取过程,主要包括图...

基于立体视觉交通对象的三维重建技术
随着计算机技术在智能交通系统中广泛应用,立体视觉成为重建混合交通场景、检测混合交通流参数的重要技术。文章主要对利用计算机立体视觉观测交通环境状况获取交通信息进行综述,同时介绍了复杂背景中交通对象的分割、阴影检测和抑制、三维重建、模型匹配与识别等技术的研究。最后对立体匹配的三维重建研究趋势发展及难点进行了展望。标签:立体视觉;图像分割;阴影抑制;三维重建1概述立体视觉的交通场景理解系统关键技术主要解决交通对象(行人、汽车、摩托车、自行车等)的三维信息模型化;低层处理,即先把图像数字符号化和特征點的提取过程,主要包括图像的分割和描述;运动检测与运动匹配,主要技术有基于时空梯度的方法、基于相关的方法、频率域法等;模型匹配与识别;交通对象的阴影检测;系统实时性,由于三维重构计算量较大,提高系统实时性等六大问题。其中对三维重建、运动检测与运动匹配和模型匹配与识别是立体视觉的交通场景理解系统关键技术主要研究方向。从计算机视觉的角度进行分类,基于模型交通流量检测技术的方法可以分类为:基于区域跟踪的方法;基于动态轮廓的目标跟踪方法;基于特征的跟踪方法;基于3D模型(立体视觉)的车辆跟踪识别方法。2立体视觉的三维重建研究方法基于立体视觉的三维重建是指通过对二维图像的处理,利用立体视觉的原理获取场景中目标的三维信息。双目立体视觉是直接模拟人类双眼来处理景物的一种新型研究方法,由于其灵活性较高,可以测量多种条件下景物的三维信息。2.1图像自适应阈值分割法图像自适应阈值分割法无论参数的选取为何种特征值,都能准确快速的捕捉待处理的运动目标。采用自适应阈值分割方法对获得的交通对象的视频图像进行处理,把交通目标特征层经行分类处理,提高了类判别能力。同时,阈值来源较为广泛和准确,因此,不仅具有较好的识别率还具有较强的实时性。在背景存在微小运动和环境亮度突变的情形下也具有很好的鲁棒性。徐文聪等人主要从自适应阈值分割的方法对运动车辆进行检测和流量统计。在徐文聪研究中,阈值的取值为图像的形态值,结合车道线和标定的摄像机内外参数,利用Dtsu算法提取候选车灯连通域信息。张虹波、孙明玉研究中,阈值的取值为图像的灰度值。张虹波利用图像差分方法获得运动目标。提取虚拟检测区域内的车辆图像,进行图像的数字化和滤除噪声等预处理,对视频图像提取背景模型,得到车流量信息。孙明玉提出基于新型自适应阈值的运动目标提取算法。孙明玉[4]提出基于新型自适应阈值的运动目标提取算法。首先,根据运动属性,分成两个聚类,一是运动目标,二是背景。对提取的图像按像素灰度进行分类,以聚类间的方根-算术均值距离最大值作为分割阈选择的准则,实时更新提取的运动目标的二值化阈值,从而实现对运动目标的准确完整提取。2.2基于侧影轮廓的三维重建方法基于侧影轮廓的三维建模是一种新的建模方法,也称为可见外壳(VisualHull)生成方法。侧影轮廓法是利用摄像机拍摄的不同角度的图像进行立体重建,具有良好的几何和拓扑结构的一致性,同时提取的特征点较少,易于计算,有较好的鲁棒性。阮孟贵、章毓晋利用摄像机在各个相异的角度获取的多幅图像完成三维重建。主要利用反射投影的交叉轮廓进行匹配,重建物体表面。伍燕萍用MarchingCubes算法,把获取的多幅图像进行侧影轮廓重建,生成物体的可见外壳。曹煜利用平面镜反射原理,对图像轮廓线之间极的线几何关系进行 分析 定性数据统计分析pdf销售业绩分析模板建筑结构震害分析销售进度分析表京东商城竞争战略分析 ,获得相应的相机内外参数,实现目标物体的三维重建。2.3基于序列图像的三维重建方法序列图像法主要是利用数字图像处理的方法对图像二值化,便于计算机处理。通过对提取的特征点之间进行相似度的匹配,利用矩阵分析进行三维重建。此类方法关键在于正确三维数据的获取,利用计算机相关软件进行图像扫描、图像预处理、建立数据模型,怎样辨别噪声是此方法的难点。虽然序列图像法存在一定的噪声污染,但由于其设备简单,在交通场景中运用面较广。刘同敏利用提取的图像序列作为测量矩阵的参数,提出了一种基于匹配相似度的最小二乘法三维重建方法。谭论正提出了基于PCA的交通场景点的重建方法。利用最小二乘法求场景点的三维轨迹,根据获得的数据实现运动目标和背景模型的三维重建。孙丽娟通过透视投影重建算法中引入了迭代算法。利用矩阵扰动理论,分析图像噪声对不同特征点重构的影响,得出图像数量越多重建精度越高的结论。彭科举提出了尺度不变特征变换特征和角点特征相结合的三维重建算法。2.4混合高斯模型进行背景建模随着信息技术、计算机技术、数据通信技术、传感器技术、电子控制技术快速发展,基于视频的智能交通控制系统在交通控制中占主要作用。在交通对象的监测中,高斯背景模型在建立对运动目标的提取有着至关重要的作用。研究发现,视频图像提取的特征值背景颜色和像素的灰度值符合高斯分布。由于像素在时间域上的分布信息符合高斯分布,利用其构造其背景模型能解决光线突变等问题带来的影响,能够适应于户外复杂光线的环境。此方法建模后模型的鲁棒性强,准确率高。目前,高斯背景建模在交通智能控制系统中发挥着越来越重要的作用。刘亚利等人提出了基于边缘特征的混合高斯背景建模方法。此方法加快了高斯模型的收敛速度,有较强的光变性。同时利用像素在时间域及空间域上的分布信信息,王永忠等人提出了一种基于自适应混合高斯模型的时空背景建模方法。监控系统采集的数库不仅仅有时间上的信息,还有空间位移信息。王永忠提出的时空背景建模方法利用时间和空间上的像素分布信息,不仅提高了建模精度还解决了传统的混合高斯背景建模方法对不平稳场景建模失效的这一缺点。3结束语基于立体视觉的三维建模技术研究是一个非常有意义的研究课题,在交通参数检测技术的研究中,我们要结合相关的计算机图像采集和处理技术,充分利用道路已有的资源,并将其采集的资源图形化、数字化。双目立体视觉技术对目前的单视点平面监控系统缺点进行很好的弥补。利用双目立体视觉对交通对象进行检测和监控,对获得图像数据分析,完成运动目标的三维空间定位和追踪。结合现有的计算机、电子信息技术,互联网技术,对交通加强智能化建设,逐步实现增强道路交通监控的信息化和自动化。参考文献[1]周冬梅,张明星,代永霞,等.基于纹理的车辆阴影消除新算法[J].自动化与仪表,2014(1):133-138.[2]徐文聪,刘海.夜间环境交通数据采集系统设计与实现[J].测控技术,2012,31(6):60-66.[3]张虹波.基于视频检测技术的交通车流量研究[D].宁夏大学,2014.[4]孙明玉,丁莹,李文辉,等.一种自适应阈值的运动目标提取算法[J].计算机应用研究,2010(6).
本文档为【基于立体视觉交通对象的三维重建技术】,请使用软件OFFICE或WPS软件打开。作品中的文字与图均可以修改和编辑, 图片更改请在作品中右键图片并更换,文字修改请直接点击文字进行修改,也可以新增和删除文档中的内容。
该文档来自用户分享,如有侵权行为请发邮件ishare@vip.sina.com联系网站客服,我们会及时删除。
[版权声明] 本站所有资料为用户分享产生,若发现您的权利被侵害,请联系客服邮件isharekefu@iask.cn,我们尽快处理。
本作品所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用。
网站提供的党政主题相关内容(国旗、国徽、党徽..)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
下载需要: 免费 已有0 人下载
最新资料
资料动态
专题动态
is_477730
暂无简介~
格式:doc
大小:16KB
软件:Word
页数:5
分类:
上传时间:2022-08-09
浏览量:0