基于云台相机的铁路异物侵限检测方法研究
致谢 | 第5-6页 |
摘要 | 第6-7页 |
ABSTRACT | 第7-8页 |
1 绪论 | 第11-21页 |
1.1 研究背景及意义 | 第11-12页 |
1.2 国内外研究现状 | 第12-19页 |
1.2.1 国外研究现状 | 第12-15页 |
1.2.2 国内研究现状 | 第15-18页 |
1.2.3 存在问题及发展方向 | 第18-19页 |
1.3 研究内容及章节安排 | 第19-21页 |
2 基于云台相机的异物侵限检测总体算法设计 | 第21-27页 |
2.1 系统需求分析 | 第21-22页 |
2.2 算法设计 | 第22-25页 |
2.3 本章小结 | 第25-27页 |
3 限界区域自动识别和标记方法 | 第27-43页 |
3.1 识别限界区域方案设计 | 第27-28页 |
3.2 基于分时图像融合的匹配模板生成 | 第28-29页 |
3.3 基于小波和形态学的图像预处理 | 第29-34页 |
3.3.1 Haar小波分析 | 第29-31页 |
3.3.2 形态学闭运算断线重连 | 第31-32页 |
3.3.3 连通域标记初步筛选钢轨 | 第32-34页 |
3.4 基于极向投影与Sift匹配的限界区域确定 | 第34-42页 |
3.4.1 Hough变换确定平行钢轨消隐点 | 第34-37页 |
3.4.2 极向投影确定钢轨位置 | 第37-38页 |
3.4.3 基于Sift特征匹配的限界再标记方法 | 第38-42页 |
3.5 本章小结 | 第42-43页 |
4 背景建模与目标提取方法 | 第43-65页 |
4.1 算法设计 | 第43-44页 |
4.2 基于相邻帧差与多帧平均的背景建模 | 第44-56页 |
4.2.1 基于投影特征匹配的去抖处理 | 第44-50页 |
4.2.2 基于连续多帧图像的背景提取与更新 | 第50-56页 |
4.3 基于背景帧差与区域特征确定运动目标 | 第56-64页 |
4.3.1 基于背景帧差与形态学处理提取前景 | 第56-58页 |
4.3.2 基于区域特征的目标去噪 | 第58-63页 |
4.3.3 目标侵限报警 | 第63-64页 |
4.4 本章小结 | 第64-65页 |
5 基于相机自标定的异物定位与尺寸估计方法 | 第65-83页 |
5.1 目标位置、尺寸估计算法研究 | 第65-78页 |
5.1.1 相机成像模型 | 第65-67页 |
5.1.2 目标定位与尺寸估计算法研究 | 第67-75页 |
5.1.3 基于云台相机的相机自标定算法 | 第75-78页 |
5.2 基于相机自标定的异物定位与尺寸估计 | 第78-81页 |
5.2.1 异物定位 | 第78-80页 |
5.2.2 尺寸估计 | 第80-81页 |
5.3 本章小结 | 第81-83页 |
6 总结与展望 | 第83-85页 |
6.1 总结 | 第83-84页 |
6.2 展望 | 第84-85页 |
参考文献 | 第85-89页 |
作者简历及攻读硕士学位期间取得的研究成果 | 第89-93页 |
学位论文数据集 | 第93页 |