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

菜单

建筑

毕业论文

1 介绍 . 1

2 基于C1C2C3颜色空间的阴影检测 . 3

2.1 RGB与 C1C2C3 颜色空间的变换 3

2.2 基于OTSU的阴影区域分割 4

2.3 阴影区域的后处理 . 5

2.4 实验结果分析 . 6

3 基于光照不变空间的阴影消除 9

3.1 光照不变空间理论 . 9

3.2 最佳投影角度的求取 10

3.3 阴影消除 13

3.4 实验结果分析 14

4 实验数据及工具 . 15

4.1 数据获得 15

4.2 开发工具及辅助工具 16

4.3 界面介绍 17

5 结论与展望 . 17

5.1 结论 17

5.2 未来工作展望 18

致谢 . 20

参考文献 . 21
1 介绍从 2004年美国开始连续举办的 DARPA智能车大赛、 Urban Challenge 比赛，Google 不断研发的智能车,到国内近四年由国家基金委连续举办的 Future Challenge智能车大赛最好的说明了无人驾驶车辆研究的必要性和前瞻性，而智能车辆在各种复杂环境下如何安全可靠的行驶更是研究的难点，因为这种智能车辆更贴近人类的生活，对人类的帮助也更大。视觉导航是无人驾驶车辆安全行驶的重要保障，然而实际情况中，各种建筑物在道路上投射的大面积阴影，树木的叶子投射的斑驳阴影，道路上其它车辆投射到地面的移动阴影，背光时无人驾驶车辆（以下简称无人车）自身产生的阴影等均不同程度地影响行道线和自然道路边界的检测。这些影响有时甚至会导致无人车的安全行驶出现极其严重的后果。本文中，我们致力于视觉路面检测，也就是说，用车载相机来检测车辆前方的道路。道路检测是无人驾驶中的一项重要任务。此外，道路检测对于其他功能如汽车和行人检测等来说还是一种非常有效的背景分割方法。清晰的道路有利于减少图像区域来搜索这些目标，从而实现实时检测并减少错误检测。道路检测是一个具有挑战性的任务，因为这些道路图片是由一个移动的相机获取的，因此，从一方面来说，该算法必须应对不断变化的背景和随时出现的对象（如行人，车辆，路牌等），还有一些未知的运动。另一方面，该算法必须处理一个由于各种道路类型（形状，尺寸还有磨损情况）和不同的成像条件（光照变化）所造成的组内变异。通过对相关文献的回顾表明，使用单眼彩色摄像机作为传感器是首选。因为纹理和颜色是识别路面的潜在因素。然而，成像的道路纹理会受到相机距离的很大影响，因此，颜色是最好的分析项。目前的道路检测算法使用了不同的颜色空间特征以及不同的分类方法。例如色相饱和度-强度源]自=751-^论-文"网·www.751com.cn/ （HSI）彩色空间。HIS是一个色彩空间，减轻了照明变化的影响。