论文总字数：28767字

摘 要

随着全球工业化的发展，车辆逐渐成为人们的代步工具。人们对汽车的安全性能、机动性能和动力效率等方面的要求和关注越来越高，相应地车辆试验这一研究领域也备受关注，其中计算机视觉是车辆试验智能化应用的焦点所在。本文就是研究一种基于计算机视觉来采集车辆试验路面图像信息，识别匹配道路路面，提供定位信息的准确、有效的算法。

与以往的计算机视觉在智能汽车上的传统研究不同，本文并不是研究分割道路区域与非道路区域的图像分割算法。而是着眼于利用图像识别与图像匹配算法提取路面特征信息，完成车辆试验路面定位。

本文基于形态学和色度学相结合的统计特征对车辆试验路面图像进行匹配和识别，进而提供定位信息。算法首先对路面图像进行滤波、腐蚀膨胀、开运算、均衡化、背景减除等预处理操作。对预处理图像会采取阈值化操作，计算Hu不变矩特征向量，并计算匹配程度。对灰度特征也采用具有统计意义的直方图，使用陆地移动距离（EMD）计算直方图相似程度。并提取轮廓特征信息，运用定位判据可靠性决策算法完成车辆试验路面的定位算法。经大量样本数据考证，定位结果具备良好的准确性和鲁棒性。本文算法是计算机视觉在车辆试验场相关领域的新的尝试，有一定的扩展性和创新性。

关键词：车辆试验、计算机视觉、图像识别、路面定位、统计特征、Hu矩、陆地移动距离(EMD)

HIGH-ACCURACY POSITIONING SISTEM FOR VEHICLE TEST ROAD

WuHao 22011114

Abstract：With the development of global industrialization，vehicles gradually become people's tool for riding instead of walk. As people‘s requirements and attention of the performance parameters such as automobile safety performance，motor performance and efficiency of become more and more high，research area such as automobile test has been paid much attention to . And the computer vision is the focus of the smart automobile test application technology，this paper is to research a kind of accurate and efficient algorithm based on computer vision to acquise image information from vehicle test pavement， identify matching road pavement，and provide the of auxiliary positioning information.

Be different from past application of computer vision in intelligent vehicle research，this article does not research image segmentation algorithm to segment road area and non-road area. But look at the image recognition and image matching algorithm to extract the road characteristic information，complete the road matching decisions.

This paper matchs and recognizes vehicle test pavement based on the statistical characteristic which is combining with the morphology and colorimetry. Algorithm such as filtering， corrosion and expansion，open operation，equalization，background deduction and other preprocessing operations was carried out on the pavement image. After threshold operation，the preprocessing image calculate the Hu moment invariant feature vector，and calculate the matching degree. Also uses characteristic like gray histogram which have statistical significance. Using Earth Mover’s Distance (EMD) to do histogram similarity computation. And extract the contour feature information，and using reliability criterion decision algorithm to complete the road image recognition and matching. It has been verified by a large number of sample data，the result has good accuracy and robustness. This paper has certain extensibility and innovative for computer vision application in smart car.

KEY WORDS: Vehicle testing， computer vision， image recognition，road positioning， statistical characteristic， Hu moment， Earth Mover’s Distance (EMD)

目录

第一章 绪 论 - 1 -

1.1研究背景及意义 - 1 -

1.1.1课题研究背景 - 1 -

1.1.2课题研究意义 - 1 -

1.2 国内外研究现状 - 2 -

1.3 论文组织结构 - 3 -

1.4技术路线 - 4 -

第二章 路面识别定位相关图像预处理算法 - 5 -

2.1 平滑处理算法 - 5 -

2.1.1 邻域平均滤波器 - 6 -

2.1.2 中值滤波器 - 6 -

2.1.3 高斯滤波器 - 6 -

2.2 背景减除算法 - 7 -

2.2.1 膨胀与腐蚀 - 8 -

2.2.2 背景构建与减除 - 9 -

2.3 阈值分割与开运算 - 9 -

2.3.1 单一阈值分割 - 10 -

2.3.2 自适应阈值分割 - 11 -

2.3.3 开运算 - 12 -

第三章 轮廓特征提取与轮廓匹配算法 - 14 -

3.1 轮廓特征提取 - 14 -

3.2 轮廓匹配算法 - 16 -

3.2.1 矩的基本概念 - 16 -

3.2.2 Hu矩与Hu矩匹配 - 17 -

第四章 灰度特征提取与直方图匹配 - 20 -

4.1 灰度特征提取 - 20 -

4.2 直方图匹配度量策略 - 22 -

4.2.1 基本的匹配度量标准 - 22 -

4.2.2 陆地移动距离 - 23 -

第五章 路面定位算法与实验验证分析 - 25 -

5.1 路面定位算法模块分析 - 25 -

5.2 实验环境及定位结果分析 - 26 -

5.2.1 实验环境介绍 - 27 -

5.2.2 定位结果与分析 - 27 -

5.2.3 准确性分析 - 29 -

5.2.4 鲁棒性分析 - 30 -

5.3 本章小结 - 30 -

第六章 结论与建议 - 31 -

6.1结论 - 31 -

6.2 建议 - 31 -

参考文献（References） - 33 -

致 谢 - 34 -

第一章 绪 论

1.1研究背景及意义

1.1.1课题研究背景

随着全球工业化与现代化的发展，汽车逐渐成为人们出行代步的主要交通工具之一。依据各大汽车制造商公布的自车企成立至今的累计产量数据，通用汽车以5亿辆遥遥领先，福特、丰田、大众和日产也都达到了亿辆水平。同时日益增多的汽车在方便人们的同时也带来了一系列的社会问题和环境问题。人们对于车辆的安全性能、机动性能、动力效率等方面的要求和关注不断增多，以此为背景，将多种先进技术应用到汽车上，进而提高运输效率，减轻驾驶员劳动负荷，降低交通事故发生率的思想应运而生。在这样的大背景下产生了一门多学科交叉的新兴学科——智能车辆系统IVS（Intelligent Vehicle System）。

剩余内容已隐藏，请支付后下载全文，论文总字数：28767字