基于机器视觉的调车机车辅助驾驶的研究

发布时间：2024-06-29 13:22

　　近年来,轨道交通行业发展迅速,而调车机车的作业场景开放复杂,司机控制工作量大,存在诸多安全隐患,有着辅助驾驶的需求。本文从调车机车驾驶的实际需求出发,针对作业过程中存在的侵限安全和驾驶控制两大关键问题,基于机器视觉技术展开研究,主要内容如下:(1)提出调车机车监控视频预处理算法,实现了雾天、夜晚和雨天多种恶劣环境的图像增强。雾天中,先将Retinex算法的中心环绕高斯滤波修改为双边滤波,去除噪声的同时,保证边缘信息完整性,以此获得对数域的增强结果;再采用Sigmoid函数对其进行处理,降低运算量,还原真实颜色。夜晚中,基于HSV颜色空间,获取光源位置,保留颜色信息,并减小光源区域对周边的干扰;所得到的图像反色后采用暗通道先验算法进行类雾天增强;再结合白天对应图像的Lab直方图信息改善偏色现象。雨天中,采用分数阶傅里叶变换处理图像,得到方向频谱能量曲线,提取雨痕方向,以此旋转图像将高频信息中非雨痕边缘滤除,并提高横向周边像素权重,得到雨天增强图像。文中不同环境下增强图像的视觉效果和客观评价指标表明,新提出的算法提高了图像对比度,更好的还原了色彩信息,为司机和后续计算提供了清晰图像。(2)...

【文章页数】：150 页

【学位级别】：博士

【部分图文】：

图１－３是本文通过对现有技术分析得到的轨道交通技术成熟度曲线：??

?（ｅ）?（ｆ）??图１－２铁轨区域异常环境示意图??Ｆｉｇ．?１－２?Ｉｍａｇｅｓ?ｏｆ?ａｂｎｏｒｍａｌ?ｃｏｎｄｉｔｉｏｎｓ?ｏｎ?ｒａｉｌｗａｙ?ｔｒａｃｋ??从轨道交通技术的发展趋势可以看出，机器视觉相关技术是未来多年内十分??重要的研究发展方向，随着时间的推移会应用到....

图1-3轨道交通技术成熟度曲线

（ａ）?（ｂ）?（ｃ）??（ｄ）?（ｅ）?（ｆ）??图１－２铁轨区域异常环境示意图??Ｆｉｇ．?１－２?Ｉｍａｇｅｓ?ｏｆ?ａｂｎｏｒｍａｌ?ｃｏｎｄｉｔｉｏｎｓ?ｏｎ?ｒａｉｌｗａｙ?ｔｒａｃｋ??从轨道交通技术的发展趋势可以看出，机器视觉相关技术是未来多年内十分??重要的研究....

图1-5铁轨检测算法示意图

ｇ．－ａｇｒａｍ?ｏｒａｗａｙ?ｔｒａｃｅｔｅｃｔｏｎ?ａｇｏｒｔｍ??对于铁路站场和工矿路段的限界指的是铁轨之间及其周边区域，保证调车机??车能够安全平稳的作业，实时监控系统真正感兴趣区域（Ｒｅｇｉｏｎ?Ｏｆ?Ｉｎｔｅｒｅｓｔ，ＲＯＩ）??为限界区域，行人侵入限界在图像中的划分....

图1-6深度学习行人检测原理图

到Ｃｏｄｅｂｏｏｋ背景建模算法中，通过背景建模算法为行人检测提供候选搜索范围，降低行人误检率［５８］。上述算法都是由研究者们提取的行人特练学习得到的检测方式，传统的行人检测特征如表１－２所示：??表１－２经典行人检测特征概览???Ｔａｂｌｅ?１－２?Ｃｌａｓｓｉｃａｌ?ｐｅｄｅｓ....

本文编号：3997616