基于子块运动补偿的运动目标检测

鱼眼相机成像视角大,获得信息丰富,在车载应用中具有广阔应用前景.本文提出了一种适用于移动单目鱼眼相机的运动目标检测方法.首先,提出一种子块运动补偿模型补偿图像背景运动,解决了现有运动补偿模型对强视差背景补偿效果不好的问题.其次,在子块运动补偿模型参数求解时,通过引入自车运动参数简化模型参数个数,并结合直接方法求解,避免了传统基于特征点匹配方法求解参数时易受误匹配特征点影响的问题.然后,针对鱼眼相机的成像形变问题,本文提出了一种三平面校正方法获取鱼眼图像的子块运动补偿图像.最后,利用鱼眼图像的子块运动补偿图像和真实拍摄图像的差异信息实现运动目标检测.多种测试场景下的实验结果表明了本文方法的有效性.

基于鱼眼相机的自运动参数异步估计

自运动参数估计是辅助驾驶、机器人导航等领域的核心问题之一.本文提出了一种适用于鱼眼相机的自运动参数异步估计方法.该方法通过特征分类及虚拟面投影,对旋转运动参数和平移运动参数分步估计.解决了以往算法中,旋转参数和平移参数同时估计时,二者相互影响的问题,提高了估计精度.本文首先利用平台运动特性简化相机运动模型,并根据不同距离不同位置的景物对运动参数估计的作用,对背景特征进行分类.分析并推导了各类特征的运动规律.然后根据运动规律,利用远处背景及一般背景特征估计旋转运动参数,利用地面特征估计平移运动参数.实验结果表明,本文方法不易受光照和干扰点影响,同一些经典方法相比,本文方法更具准确性和鲁棒性.

一种新的基于单目视觉的广义障碍物检测方法

障碍物检测是辅助驾驶、机器人导航等领域的核心问题之一.本文提出一种新的基于特征点道路面投影位移矢量的单目视觉广义障碍物检测方法.基于道路平面假设,利用特征点估计相机自运动参数,并利用此参数对相机的旋转运动进行补偿.利用逆透视投影变换,分别推导并证明了道路平面上的点和障碍物上的点的道路面投影位移矢量与相机位移矢量的关系.提出了一种区间统计方法,实现了相机位移矢量的鲁棒估计.最后,通过分析连续图像特征点的道路面投影位移矢量与相机位移矢量的关系,实现了广义障碍物检测.各种场景下的实验结果表明,该方法能够检测任意类型、形状的障碍物.与传统的运动补偿方法相比,具有更好的鲁棒性和准确性.

基于单目视觉的横穿障碍物检测

提出一种基于单目视觉的横穿障碍物检测方法.首先,基于道路平面假设,根据特征点的位置约束以及逆透视投影变换下的性质,提取地面特征点对.其次,采用迭代加权最小二乘法估计自车平移和旋转运动参数.然后,利用估计的运动参数对图像光流进行旋转补偿,并基于道路C-速度空间生成障碍物的候选标记点.最后,对候选标记点进行分组聚类和验证,确定横穿障碍物区域.不同交通场景下的实验结果表明,上述方法能够适用于各种自车运动,有效检测横穿障碍物.

一种Apriori算法的高效实现方法及其应用

针对Apriori算法在扫描数据库和低维频繁项集时效率较低的问题,提出了一种基于Apriori算法的高效实现方法EI_Apriori算法。该方法基于向量的存储结构和预剪枝,降低了扫描数据库和低维频繁项集的次数,进而提高了Apriori算法的效率。根据学生成绩分析的实际情况,在关联规则挖掘中增加了课程间先后关系的约束,在关联规则中增加了对成绩等级区间的约束,将调整后的EI_Apriori算法在成绩关联分析中进行了应用。结果表明,EI_Apriori算法能精确地找到符合现实需求的关联规则,证明了EI_Apriori算法的优越性。

基于ResNet⁃18网络的城市生活垃圾识别方法研究

城市生活垃圾的自动化分类收集是解决城市生活垃圾精细化管理的有效途径。采用生活垃圾数据集Kaggle为图片样本,构建了基于ResNet⁃18卷积神经网络的生活垃圾识别模型,使用深度学习神经网络的方法对生活垃圾进行了分类识别研究。实验结果表明该方法识别的准确率可达90.0%以上,模型的平衡点在查全率和查准率分别为0.8和0.89处,为城市生活垃圾的自动化分类识别提供了依据。

一种融合特征点与运动补偿信息的运动目标检测新算法

动态背景下的运动目标检测在汽车辅助驾驶、机器人导航等领域具有广阔应用前景。提出一种融合特征点运动信息和运动补偿信息的运动目标检测方法,解决以往基于单一特征,运动目标检测完整性差的问题,同时提高运动目标的检测准确率。首先,通过特征点检测跟踪,对图像进行分块运动估计,获得背景特征点的帧间运动模型,通过衡量特征点真实运动位置与运动模型的匹配程度,构建特征点的运动度量函数,从而获得特征点的运动信息。接着,利用背景特征点帧间运动模型,计算图像像素点的运动补偿图像,构建像素点的多帧运动补偿差异度量函数,从而获得像素点的运动补偿信息。最后,将特征点运动信息与运动补偿信息融合,获得运动目标检测结果。实验结果表明了该方法的有效性。

基于最小生成树的DoG关键点医学图像配准

针对医学图像配准对鲁棒性强、准确性高和速度快的要求,提出一种基于最小生成树的DoG(d ifference of Gaussian)关键点配准算法。该算法首先从图像上提取DoG关键点,然后将关键点对应的灰度信息融入联合Rényi熵中,最后使用最小生成树来估计联合Rényi熵。新算法结合了DoG关键点的鲁棒性和最小生成树估计Rényi熵的高效性。实验结果表明,在图像含有噪声、灰度不均匀和初始变换范围较大的情况下,该算法在达到良好配准精度的同时,具有较强的鲁棒性和较快的速度。

基于CA-Res2-Unet的遥感图像土地利用现状信息提取研究

遥感图像信息提取与人工智能算法结合是国土资源及环境部门进行土地利用现状调查、监测和管理的重要技术手段。针对U-net在遥感图像提取产生的空间信息定位不足和多尺度目标特征分割不准确的问题,提出了一种在Res2Net头部融入注意力模块取代U-net编码部分的CA-Res2-Unet模型,旨在增强U型网络的空间定位和多尺度特征信息分割能力;通过WHDLD公共数据集和沈抚新区自制数据集,在主流网络和改进模型上进行了实验。结果表明,该模型较基础模型U-net在WHDLD公共数据集和沈抚新区自制数据集上实验的整体准确率、平均交并比和mF1分数(各类F1分类的平均值)三个评价指标分别提高了0.92%、2.00%、1.58%和1.18%、2.87%、1.91%,所提出方法的图像分割视觉效果和各项定量指标均优于其他主流语义分割网络,可为区域土地利用现状调查和相关部门决策提供科学依据。