基于无人机航拍图像道路检测开题报告.ppt

无人飞行器（Unmanned Aerial Vehicle）是一个可以携带多种有效载荷的空中机器人研究平台，具有机动灵活、携带方便、成本低的优点，能够协助操作人员完成一系列的任务。自二十世纪九十年代以来，由于微电子技术、传感技术、数字通信技术、全球精确导航技术的发展，使得小型或超小型无人飞行器得到快速发展，无人飞行器在军事侦察、抢险救灾、地质勘探、交通运输、电线、输油管线检测等方面具有重要的实际应用价值。 这些应用中，视觉传感器由于具有重量轻、功耗低、隐蔽性好、信息丰富等优点，已成为为UAV主流信息获取方式。当前UAV的一个重要研究方向是利用视觉传感器提升其自主导航和场景理解能力，其中，道路检测是视觉导航和场景理解的重要基础，例如，固定翼无人飞行器着陆时需要准确的实现跑道的检测；利用UAV实现目标侦察时，道路信息能为目标检测与跟踪提供重要的参考信息。 1：这些方法忽略了目标整体可识别的信息。比如，使用边缘检测结合Hough变换的方法容易丢失弱边缘，导致目标漏检；图割模型易受光照、阴影和背景干扰等影响产生过分割和欠分割； 笔画宽度变换（SWT）是一种实用的自然场景文字检测方法。虽然它是针对文字检测提出的，但实验发现该方法能有效检测绝大多数具有较强宽度一致性的目标，其中，本文研究的航拍图像中的道路区域就属于这样一种典型目标。 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。 算法设计思路 鉴于此，提出了一种基于道路宽度变换的道路检测方法。该方法利用道路宽度变换这一形状特征对道路预提取，在此基础上建立准确的道路颜色模型；并将道路检测问题转化为超像素的标记问题，使用二次凸优化算法计算最优标记。 最直接的道路特征: 颜色特征 形状特征 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透视投影，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 任务起止时间 任务内容 2