图像识别及嵌入式技术在智能交通系统中的应用研究PDF|Epub|txt|kindle电子书版本网盘下载

图像识别及嵌入式技术在智能交通系统中的应用研究PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1章 绪论1

1.1 研究背景及意义1

1.2 基于图像识别理论的智能交通系统2

1.3 智能交通系统中的图像识别相关技术研究现状4

1.3.1 基于图像识别理论的智能泊车技术研究现状4

1.3.2 基于图像识别理论的车牌识别技术研究现状6

1.3.3 基于图像识别理论的车辆识别技术研究现状8

1.4 本书的主要工作与研究成果10

1.5 本书的整体结构安排12

第2章 图像识别基本方法及关键技术14

2.1 图像识别基础14

2.1.1 图像识别的分类14

2.1.2 图像识别方法的基本框架16

2.2 图像预处理技术17

2.2.1 彩色图像灰度化17

2.2.2 灰度图像二值化18

2.2.3 图像增强19

2.2.4 图像去噪21

2.2.5 图像分割22

2.3 图像特征提取26

2.3.1 图像特征提取的基本思想26

2.3.2 图像特征提取方法27

2.4 图像分类算法32

2.4.1 有监督分类方法32

2.4.2 无监督聚类方法34

2.5 计算机视觉图像相关理论34

2.5.1 计算机视觉理论的发展34

2.5.2 计算机视觉基本理论37

2.5.3 计算机视觉的应用39

2.6 嵌入式系统技术40

2.6.1 嵌入式Linux开发平台40

2.6.2 嵌入式系统软件42

2.7 本章小结45

第3章 基于摄像机标定模型的智能泊车系统算法研究46

3.1 智能泊车系统的基本框架47

3.2 传统的智能泊车轨迹算法研究48

3.2.1 阿克曼转向几何特性理论49

3.2.2 侧方位泊车轨迹算法分析50

3.2.3 垂直倒车轨迹算法分析52

3.3 基于摄像机标定的智能泊车算法54

3.3.1 传统摄像机标定算法54

3.3.2 基于改进畸变模型及初值优化的摄像机标定算法66

3.3.3 基于改进摄像机标定模型的智能泊车轨迹算法70

3.4 实验结果与分析78

3.4.1 采集帧率测试78

3.4.2 泊车轨迹精度测试80

3.5 本章小结86

第4章 基于嵌入式技术的避障泊车系统的设计研究88

4.1 实时可视避障泊车系统的构建88

4.2 可视泊车系统硬件开发平台选择91

4.3 可视泊车系统硬件架构设计96

4.4 实时可视避障泊车系统硬件设计97

4.4.1 电源子系统模块设计97

4.4.2 复位系统模块设计98

4.4.3 SDRAM子系统设计99

4.4.4 Flash子系统100

4.4.5 串口和JTAG调试接口101

4.4.6 图像识别采集模块102

4.4.7 角度信号获取模块103

4.4.8 图像识别显示模块103

4.5 可视泊车系统软件体系结构设计105

4.5.1 嵌入式操作系统的选择和设计105

4.5.2 图像识别数据采集技术选择108

4.5.3 嵌入式图形系统技术选择109

4.5.4 系统软件架构设计110

4.5.5 系统软件总体流程设计111

4.6 图像识别采集模块设计114

4.7 实时可视避障泊车系统测试118

4.7.1 播放器模块的测试118

4.7.2 绘制轨迹精度测试实验118

第5章 车牌识别关键算法研究123

5.1 车牌识别图像预处理算法研究124

5.1.1 车牌图像增强处理124

5.1.2 车牌图像去噪处理126

5.2 基于多重分形维数的车牌图像二值化129

5.2.1 差分盒子维数算法130

5.2.2 差分盒子维数改进算法130

5.2.3 基于改进差分盒分形维数的灰度图像二值化131

5.3 基于边缘检测精度的车牌定位算法133

5.3.1 基于传统Sobel算子的图像边缘检测算法133

5.3.2 基于Sobel算子的图像边缘检测改进算法134

5.3.3 基于Sobel算子的车牌精确定位改进算法135

5.4 车牌字符校正分割算法136

5.4.1 基于Radon变换字符校正的改进算法136

5.4.2 基于垂直投影法的车牌单字符分割改进算法138

5.4.3 基于车牌字符边框归一化的改进算法141

5.5 基于改进隐马尔科夫模型的车牌字符识别算法143

5.5.1 隐马尔科夫模型143

5.5.2 改进隐马尔科夫模型144

5.5.3 基于隐马尔科夫模型的鲁棒性特征提取146

5.5.4 分类器的构造和实施147

5.6 实验结果与分析148

5.6.1 基于改进分形维数方法的二值化测试148

5.6.2 基于EHMM车牌字符的识别测试149

5.6.3 多种车牌识别算法的测试结果比较150

5.6.4 本书算法评估150

5.7 本章小结151

第6章 车辆识别关键技术研究153

6.1 基于改进SIFT算子与BP网络相融合的车标识别算法154

6.1.1 车标识别技术概述155

6.1.2 车标特征描述子的构造156

6.1.3 基于改进SIFT算法的车标特征提取158

6.1.4 基于神经网络的车标识别算法164

6.1.5 实验结果及分析167

6.2 基于改进HOG特征与SVM分类器结合的车型识别算法169

6.2.1 对HOG特征算法改进170

6.2.2 基于改进HOG算法的车型图像特征提取172

6.2.3 SVM模型训练174

6.2.4 实验结果及分析178

6.3 本章小结181

第7章 总结与展望182

7.1 本书的基础性工作182

7.2 本书的创新性工作183

7.3 进一步的研究工作183

参考文献185

作者简介及在学期间所取得的科研成果210