导读:本文包含了逆透视变换论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:透视,车辆,视觉,车道,可编程,门阵列,鸟瞰图。
逆透视变换论文文献综述
赵学观,马伟,高原源,臧云飞,何义川[1]（2019）在《基于逆透视变换的条播作物早期作物行识别》一文中研究指出根据条播作物田间作业的对行要求,提出了一种新的作物行检测方法.首先通过选取透视图像中底部区域进行垂直投影,获得透视图像中作物行的边缘点并进行逆透视变换,然后基于逆透视变换算法消除图像几何失真,利用骨化算法求取逆透视图像中作物行的骨架线交点集,在逆透视变换图像中根据边缘点对骨架线交点集进行划分,最后对交点集分类后的作物行进行拟合,以获取不同的作物行.通过对300幅不同生长条件下的小麦作物行图像进行识别试验,其行识别拟合结果表明:作物行拟合的平均误差为2.136 7°,标准差为1.024 3°,平均耗时为0.364 7 s,能够满足实时工作要求.(本文来源于《江苏大学学报(自然科学版)》期刊2019年06期）
刘军,后士浩,张凯,晏晓娟[2]（2018）在《基于单目视觉车辆姿态角估计和逆透视变换的车距测量》一文中研究指出针对一般的单目视觉测距方法忽略汽车在行驶过程中姿态角变化的问题,该文提出了一种基于变参数逆透视变换和道路消失点检测的单目视觉测距模型,实现了车辆在相对运动过程中的纵向距离和横向距离实时测量。首先,该文通过基于纹理方向估计的道路消失点检测算法计算出汽车运动的偏航角和俯仰角,然后运用变参数的逆透视变换和几何建模分析方法,建立车辆测距模型。对不同道路环境和测距方法的2组对比试验分析该文方法的可行性和有效性,结果表明,该文所提出的测距模型能够有效测量纵向70 m、横向4 m以内的目标车辆距离,测量误差在5%以内,且道路环境越好,误差越小,道路良好的平坦道路测距误差在3%以内;该文算法的平均处理速度达到了40帧/s。(本文来源于《农业工程学报》期刊2018年13期）
王闯,贺莹[3]（2016）在《基于逆透视变换的车辆排队长度检测方法及硬件实现》一文中研究指出交通路口的车辆排队长度检测是智能交通系统的重要组成部分,传统的检测方法易受背景噪声、摄像机透视效果等因素的干扰造成检测失败,而且其实现都是基于串行结构的处理器,不能用于实时处理的场合;设计了一种充分利用平直道路几何特征并适合FPGA实现的排队长度自动检测算法,该算法利用逆透视变换消除图像几何失真,引入公路的结构性约束有效检测了车道线;接着采用Sobel边缘算子检测出各车道的车辆轮廓,通过一种基于信息量的度量方法提取排队的队尾,从而确定了车辆排队长度,并且通过硬件化设计使得整个检测过程达到实时的处理速度;试验结果表明,在消除了视觉偏差的图像上进行的排队长度检测结果比校正前更加真实准确,所提出的检测方法可以很容易工程化并用于实际交通路口的车流量自动实时检测。(本文来源于《计算机测量与控制》期刊2016年08期）
程增木,王悦宏,程琳琳[4]（2016）在《基于逆透视变换的道路检测技术》一文中研究指出为了在不同环境条件下准确地提取道路边缘与中心线,提出了一种基于逆透视变换的道路检测算法,利用逆透视变换对道路进行叁维逆透视重建,得到道路的边缘与中心线,并同时模糊周边环境。试验表明:基于逆透视变化的道路检测技术对不同环境、不同道路结构具有很好的适应性,在一定程度上可以实现不同道路的边缘与中心检测。(本文来源于《电子科学技术》期刊2016年02期）
张代明[5]（2015）在《基于消失点的鲁棒逆透视变换》一文中研究指出逆透视变换在计算机视觉和道路交通标志检测和识别方面得到了广泛的应用。逆透视变换是透视变换的逆过程,主要是结合相机的内在和外在参数,将图像从图像坐标系映射到世界坐标系,从而消除透视影响对图像检测和识别任务的干扰和误差。因此,鲁棒的逆透视变换对于透视影响的消除和获取图像信息的不变量有着非常重要的作用。本文主要研究了基于消失点的鲁棒逆透视变换及其应用,采用消失点对逆透视变换需要的部分偏转角度参数进行了自动计算,并将逆透视变换应用到导向箭头的检测和识别任务中。首先,本文介绍了基于消失点的鲁棒逆透视变换的选题背景以及研究意义,总结了现有逆透视变换算法的国内外研究现状以及存在的难点问题。其次,本文介绍了逆透视变换的基本概念及其数学原理,总结了逆透视变换在道路交通标线检测的广泛应用,并对常见逆透视变换方法进行了分类总结。从基于点变换的逆透视变换、基于矩阵变换的逆透视变换和基于简化相机模型推导的逆透视变换叁个方面介绍了现有逆透视变换的优点和缺点。其中,本文主要介绍了基于简化相机模型推导的逆透视变换,该类逆透视变换方法计算简单,具有很高的实用价值。再次,本文提出了一种基于消失点检测的鲁棒逆透视变换方法。消失点反映了图像的透视结构,可以采用消失点坐标对相机俯仰角和偏航角进行计算,为逆透视变换提供实时偏转角度参数,增强逆透视变换对于上下坡等非常规道路环境的鲁棒性。同时,改进了一种逆透视变换方法,加上了偏航角矫正,提高了道路平面俯视图的质量。本文首先检测出消失点坐标,然后根据消失点计算相机俯仰角和偏航角,最后通过逆透视变换得到道路平面的俯视图,消除道路平面的透视形变。最后,本文将逆透视变换应用到导向箭头的检测和识别当中。导向箭头作为一种道路交通标线,对车辆的规范行驶有着重要的指示作用。因此,导向箭头的检测与识别可以为智能交通系统提供重要的导向信息。本文首先通过逆透视变换消除透视影响从而得到道路平面的俯视图,然后检测出导向箭头候选区域,最后对候选区域采用形状上下文进行形状特征提取,并结合基于蚁群优化的形状匹配算法来识别导向箭头。(本文来源于《重庆大学》期刊2015-04-01）
张鹏,徐友春,李华[6]（2014）在《基于逆透视变换的乡村道路图像分割算法》一文中研究指出针对非结构化道路所处自然环境复杂、传统检测算法受各种因素干扰较大的问题,提出一种将逆透视变换和图像自适应阈值选择相结合的分割算法,对道路图像进行分割。详细介绍了算法流程及其原理,并实现了目标区域的有效提取,结果证明此算法正确、有效。(本文来源于《军事交通学院学报》期刊2014年02期）
刘洪涛,蒋如意,胡文,莫锦秋,王石刚[7]（2012）在《基于路面垂直轮廓建模的一般路面逆透视变换》一文中研究指出提出了一种由单帧立体图像实现一般路面图像逆透视变换的方法.针对双目视觉得到的路面垂直轮廓进行B样条建模,利用建模得到的路面高度代入路面图像成像过程中,从而实现一般路面的逆透视变换.实验表明,通过该方法能有效地实现上下坡等一般路面图像的逆透视变换.(本文来源于《上海交通大学学报》期刊2012年11期）
高德芝,郑榜贵,段建民[8]（2009）在《基于逆透视变换的智能车辆定位技术》一文中研究指出为了根据车道线参数准确地确定本车在车道中的位置和方向信息,提出了一种基于逆投影变换的本车定位算法。算法利用逆透视变换对投影图中的车道线进行叁维逆透视重建,得到实际路面的车道线,并经过坐标变换求出本车在车道中的当前位置参数、方向参数及车道宽度等信息。试验表明,该算法对光照条件、道路结构等变化具有较好的适应能力和抗干扰能力,在一定程度上满足多种横向主动安全系统的要求。(本文来源于《计算机测量与控制》期刊2009年09期）
李颢,杨明[9]（2008）在《基于非线性逆透视变换的摄像机畸变参数标定》一文中研究指出为实现摄像机畸变参数标定,提出了一种基于非线性逆透视变换模型的标定新方法.根据线性透视变换模型和畸变模型推导出非线性逆透视变换模型,以及逆透视变换参数与畸变参数之间的关系;在此基础上,建立以畸变参数为最优解的泛函,然后进行优化搜索求解.在优化搜索中,采用改进牛顿法确定搜索方向,然后,采用试探法沿搜索方向进行一维搜索.该方法仅需对数目较少的畸变参数进行优化搜索,可大幅降低优化搜索的维度和复杂度.仿真和实验结果表明:该方法正确有效,求解精度较高.(本文来源于《上海交通大学学报》期刊2008年10期）
朱维乐[10]（1989）在《共面N点叁维逆透视变换及运动估计》一文中研究指出由于摄象时光学系统产生的“透视投影变换”是一种损失深度讯息的变换,在叁维景物分析中,“深度”这一重要讯息极难提取。本文提出的图象序列“叁维逆透视变换”方法,对联系空间中共予N点在任意运动前后的相继两幅透视图象的对应象面参数——深度——运动间存在的高度非线性方程组可以全局线性化处理,分离出以“归一中位奇异值”的3×3矩阵所代表的刚性运动的“运动矩阵方程”及一组线性的“相容方程”,并系统地得到了基于自由参考坐标系的“共面N点叁维逆透视变换”的显式解,用以同时确定物点在运动前后的深度讯息及它们实际经受的运动。该显式解直接由象面坐标进行计算,算法简单、稳定。特别是由线性的“相容方程”的最小方差解可对带有测量误差的N点象面坐标取最小方差估计,不仅有效地利用了多点讯息,使深度讯息的恢复十分准确,而且也给共面N点对的自动匹配提供了新的方法.(本文来源于《信号处理》期刊1989年03期）
逆透视变换论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
针对一般的单目视觉测距方法忽略汽车在行驶过程中姿态角变化的问题,该文提出了一种基于变参数逆透视变换和道路消失点检测的单目视觉测距模型,实现了车辆在相对运动过程中的纵向距离和横向距离实时测量。首先,该文通过基于纹理方向估计的道路消失点检测算法计算出汽车运动的偏航角和俯仰角,然后运用变参数的逆透视变换和几何建模分析方法,建立车辆测距模型。对不同道路环境和测距方法的2组对比试验分析该文方法的可行性和有效性,结果表明,该文所提出的测距模型能够有效测量纵向70 m、横向4 m以内的目标车辆距离,测量误差在5%以内,且道路环境越好,误差越小,道路良好的平坦道路测距误差在3%以内;该文算法的平均处理速度达到了40帧/s。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
逆透视变换论文参考文献
[1].赵学观,马伟,高原源,臧云飞,何义川.基于逆透视变换的条播作物早期作物行识别[J].江苏大学学报(自然科学版).2019
[2].刘军,后士浩,张凯,晏晓娟.基于单目视觉车辆姿态角估计和逆透视变换的车距测量[J].农业工程学报.2018
[3].王闯,贺莹.基于逆透视变换的车辆排队长度检测方法及硬件实现[J].计算机测量与控制.2016
[4].程增木,王悦宏,程琳琳.基于逆透视变换的道路检测技术[J].电子科学技术.2016
[5].张代明.基于消失点的鲁棒逆透视变换[D].重庆大学.2015
[6].张鹏,徐友春,李华.基于逆透视变换的乡村道路图像分割算法[J].军事交通学院学报.2014
[7].刘洪涛,蒋如意,胡文,莫锦秋,王石刚.基于路面垂直轮廓建模的一般路面逆透视变换[J].上海交通大学学报.2012
[8].高德芝,郑榜贵,段建民.基于逆透视变换的智能车辆定位技术[J].计算机测量与控制.2009
[9].李颢,杨明.基于非线性逆透视变换的摄像机畸变参数标定[J].上海交通大学学报.2008
[10].朱维乐.共面N点叁维逆透视变换及运动估计[J].信号处理.1989
论文知识图
