- 1、本文档共13页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
ETC系统中的车辆定位识别技术研究(资料)
文档信息
:
文档作为关于“通信或电子”中“3G”的参考范文,为解决如何写好实用应用文、正确编写文案格式、内容素材摘取等相关工作提供支持。正文7140字,doc格式,可编辑。质优实惠,欢迎下载!
目录
TOC \o 1-9 \h \z \u 目录 1
正文 1
文1:ETC系统中的车辆定位识别技术研究 1
见于图1。 4
文2:ETC系统中的车牌识别技术研究 6
1 设计原理 6
字符归一化 10
参考文摘引言: 11
原创性声明(模板) 12
文章致谢(模板) 13
正文
ETC系统中的车辆定位识别技术研究(资料)
文1:ETC系统中的车辆定位识别技术研究
车型的识别虽有多年的发展史,但到目前为止,这仍是一个难题,原因在于:(1)车辆在新旧程度不同时,颜色鲜艳程度、光亮程度各不相同,而且车辆可能由于通过收费站时车速太快,使得摄像头所拍摄的车型数据不准确;(2)摄像头放置的位置,环境影响和周围物体对车辆的遮挡也会给车型识别带来影响;(3)背景图像的持续变化以及光照条件、天气季节变化等因素也会给识别造成影响。因此车辆识别技术还是不够完美,需要我们寻求一些方法,以提高识别的准确性。
1 车辆定位信息提取
正是由于此种原因,车辆的定位技术应运而生,如果在识别车辆之前,能够对车辆的位置进行定位,对于我们的研究工作是非常有益的,实现车辆的定位应注意一些特征值的提取。
反射信息提取
反射信息提取指的是在图像中将反射光的像素点提取出来,利用车辆的反光特性显示出车的位置。因为当光照射在立体上时,立体的各个面对光线的反射性各不相同,一般来说反射性最差的像素点位于目标的边缘部位,由于没有反射光,因此摄像头也很难摄入这样的区域。只有使用软件的方法对它进行提取,采用灰度图法可将其凸显出来,方法是先对彩色图像取灰度图,再将其转化为黑白图像,在显示为完美图像的二值化过程中要反复经过测试选取合适的阙值[2]
颜色信息提取
颜色信息提取是将色彩变化的区域从整张图像中提取出来,这样的区域一般都出现在图像的边缘地带。通过检测色变的区域,可以帮助我们定位目标。在检测时,算法一定要非常精确。适用于色彩信息的检测及提取的模型较多,这其中使用得最多的还是RGB色彩。根据前面所说,我们要提取边缘部分,信息识别没有那么准确,比如要识别车辆部分,有可能将一部分道路表面的色变信息也识别进来,从而拓宽了车辆的宽度,使得识别结果不准确。因此,色变边缘信息提取只能被组合起来使用才有效。在我们知道车辆颜色的情况下进行识别较为方便,我们可以将车辆的颜色信息作为检测条件来找出车辆区域。可与前面的反射光信息提取法组合起来用,但它有其独特的使用条件,不是在什么条件下都可以适用的。我们的使用条件通常是在弱反射光条件下,在强光下的检测结果误差较大。提取弱反射光信息是很有效的,可在整个图像中用于识别所指定车辆的大致位置。因此,我们可以将色块提取方法与弱反射光提取法结合起来使用。具体的操作步骤是:先使用弱反射光提取法,找到一个车辆可能处在的大致区域范围,然后再在这个区域中进行色度的检测,以我们所预知的汽车颜色为基础,找到这样的色块区域,最后将我们所检测到的两个区域重叠合成,一起构成完
整的图像,就完成了第二次图像定位,这就是我们所要的结果。
2 车辆定位技术
定位的内容包括对车辆位置的定位和特征值的选取区域定位。简而言之,也就是对车的侧面和车窗部分进行定位。不管是对车辆目标的定位还是对特征值的定位,其原理都是一样的,都是使用水平和垂直图像分割的图像投影数据进行分析,并寻找出定位的矩形区域。定位处理和信息提取过程还是没有完全分离开来,完成最初的定位处理后还需要精益求精,从定位信息中求出最精确的定位位置。定位的精度在很大程度上取决于准确的分割阈值,并可
以根据拍摄距离设置参数自动调整分割阈值。
车侧定位算法
对于车辆边缘的定位算法主要有两种方法:提取色块法和提取阴影法。
提色块算法
提色块算法在我们的设计应用中非常有效,对于颜色较浅的车辆在深色背景中的定位尤为准确。这种算法的识别误差较小,在周围没有图像噪声存在的情况下,识别率可以达到100%。而也会存在着差分图识别不出来的情况,一般是浅色车辆遇到浅色背景。比如说当白色汽车停在道路上,会受到路面上的白线影响,使得识别时将白线也作为车体的一部分,将两者混为一谈,不能得到正确的定位,显示出来的车辆形状不是真实的车型。此效果图可
见于图1。
这样的问题我们当然要解决,解决方法是对算法做一些改进。它的总体思路是:从颜色信息中提取出一个二值化后的矩形区域。在车体和白线之间,显然车体占的位置较大,并且是连接在一起的,而白线是分隔开的。根据此种情况,我们在矩形区域中取一
您可能关注的文档
- 高校职称档案完善计策(行业资料).doc
- 教师职称制度改革溯源(资料).doc
- 高校教师职称评审知识(资料).doc
- 大学图书职称评审的要素(资料).doc
- 高校实验技术职称评聘工作(资料).doc
- 医务工作者职称评定应对措施(资料).doc
- 国有企业职称聘任完善(资料).doc
- 中国职称制度改革的迫切性(资料).doc
- 图书馆职称聘任原则(资料).doc
- 脱髓鞘脑病分析(行业资料).doc
- 四川省乐山市2024届高三三调数学文科含答案.pdf
- 天津市十二区重点学校2024届高三毕业班二模语文含答案解析.pdf
- 四川省凉山州2024届高三第三次诊断性检测数学(文)试题含答案.pdf
- 四川省大数据精准教学联盟2021级(2024届)高三年级第二次统一监测(大数据二统)文科数学答案.pdf
- 重庆市第八中学2024届高考适应性月考卷(七)化学答案.pdf
- 云南省昆明市2023-2024学年高三三模数学试题含答案解析.docx
- 南京市商品房买卖契约模板通用合集.docx
- 个人施工安全生产协议书合集.docx
- 二线城市乡下土地承包协议书合集.docx
- 一室一厅规格二手房买卖合同合集.docx
文档评论(0)