文档介绍：导师:
学生:

学号:

学科:
基于无人机航拍图像
的道路检测
目录
1
选题背景和意义
2
研究现状和发展趋势
3
研究内容简介
4
可能遇到的问题
5
课题进度安排
选题背景和意义
UAV对信息获取的需求
视觉传感器的优势
无人飞行器(Unmanned Aerial Vehicle) UAV的快速发展和应用
研究现状
传统面向UAV的道路检测方法主要包括基于特征的方法和基于模型的方法,前者通过检测图像中一般道路区域所具有的低层特征,如边缘和颜色信息,实现道路的检测,后者利用高层模型实现道路的自适应分割。
近十年来,基于识别的通用目标检测方法取到的长足的发展,这些方法较好地利用了目标整体可识别的信息,比如,使用多尺度滑动窗口的区域提议结合目标识别的方法在人脸、车辆和行人目标检测方面取得了较高的准确性。
进一步研究并提出更加快速准确的道路检测方法对UAV具有重要意义。
研究内容简介
图像获取
图像预处理
检测算法设计
实验结果分析
图像分析主要完成图像分割和特征提取。图像理解就是根据已有的特征参数,采用相应的识别匹配方法,完成对目标物的识别或理解。
实验需要配备一架搭载相机的无人机。无人机能够直上直下并能够调整角度,飞行高度为200-400m。人可以在地面控制无人机来采集高清图像。
图像处理主要完成对原始图像的噪声过滤,灰度校正、图像平滑、图像增强等。
针对不同场景不同时段的图像进行试验处理,得到结果。将设计算法与已有算法进行对比。
传统SWT
笔画宽度变换(SWT)
(1)建立宽度图像,初始化宽度图像中每个像素值为无穷大
(3)提取边缘点,沿该点的梯度方向搜索其他边缘点,如果找到为像素赋值
算法示意图
(2)计算图像的边缘和梯度方向
改进SWT
问题
(1)若相机拍摄视角并不垂直朝下,而是向正前方倾斜时会存在***投影,导致道路的两条边界在图像上不平行。
(2)其他景物,如河流等也具有宽度较为一致的特征。
改进
扩展SWT,在宽度图上赋值过程中每个像素点既记录所在笔画的宽度同时也记录笔画线的方向,并将方向量化为0~180度。因为道路区域在宽度图上一般由方向一致的线产生,而非路区域由于杂乱边缘点多,虽然在宽度图上可能产生与道路宽度相同的结果,但方向却往往是由杂乱的线产生的。
可能遇到的问题
二、道路场景的复杂性和多样性
三、处理采集到的数据的复杂性
一、采集平台的限制
(1)姿态稳定性差、不易操纵;
(2)光照的影响。
(1)道路本身的复杂性和多样性;
(2)外界的干扰。
(1)算法的通用性;
(2)算法的高效性。
课题进度安排