露天礦區(qū)無人駕駛智能視覺技術(shù)及應用

1緒論
1.1礦山智能視覺應用及意義
1.2礦山智能視覺研究概況
1.2.1機器視覺應用現(xiàn)狀
1.2.2目標檢測研究現(xiàn)狀
1.2.3道路檢測研究現(xiàn)狀
1.2.4障礙檢測研究現(xiàn)狀
1.2.5多模態(tài)數(shù)據(jù)融合研究現(xiàn)狀
1.3礦山智能視覺發(fā)展趨勢…
2礦山智能視覺相關(guān)理論與技術(shù)
2.1深度學
2.2卷積神網(wǎng)絡(luò)·
2.3目標圖像分割算法
2.3.1大類間分割法
2.3.2大熵法
2.4道路邊緣檢測算法
2.4.1 Sobel算法
2.4.2 Prewitt算法
2.4.3梯度幅值算法
2.5雙目視覺目標測量
2.6相機標定理論·
3礦區(qū)道路圖像數(shù)據(jù)集處理
3.1圖像數(shù)據(jù)降噪濾波處理
3.1.1均值濾波
3.1.2中值濾波
3.1.3高斯濾波
3.1.4雙邊濾波
3.1.5導向濾波
3.1.6加權(quán)小二乘濾波
3.1.7小波濾波
3.2圖像數(shù)據(jù)處理
3.2.1直方圖均衡化
3.2.2灰度變換…
3.2.3對數(shù)變換
3.2.4伽馬變換·
3.2.5 Retinex理論
3.3礦區(qū)道路圖像數(shù)據(jù)集構(gòu)建
3.3.1礦區(qū)道路圖像數(shù)據(jù)集標注
3.3.2礦區(qū)道路圖像數(shù)據(jù)増強…
3.3.3礦區(qū)道路圖像數(shù)據(jù)集擴增
4礦區(qū)非結(jié)構(gòu)化道路分割…
4.1 BiSeNetV2雙邊分割網(wǎng)絡(luò)模型
4.1.1模型結(jié)構(gòu)…
4.1.2道路特征提取階段
4.1.3道路特征融合階段
4.2OP-BiSeNetV2礦區(qū)道路分割模型·
4.2.1優(yōu)化模型結(jié)構(gòu)
4.2.2細節(jié)特征提取效率優(yōu)化設(shè)計
4.2.3.注意力機制優(yōu)化設(shè)計·
4.2.4特征圖上采樣優(yōu)化設(shè)計
4.3礦區(qū)道路分割實驗與分析
4.3.1實驗準備與設(shè)計
4.3.2.多模型分割實驗結(jié)果分析
4.3.3連續(xù)幀識別效果測試
4.4本章小結(jié)
5礦區(qū)非結(jié)構(gòu)化道路邊緣線跟蹤
5.1礦區(qū)道路邊緣線處理
5.1.1礦區(qū)道路邊緣線提取·
5.1.2礦區(qū)道路左右邊緣的分割
5.2礦區(qū)道路邊緣擬合
5.2.1直線道路邊緣擬合模型構(gòu)建
5.2.2彎道擬合模型構(gòu)建
5.2.3直線-拋物線擬合模型構(gòu)建
5.3礦區(qū)道路邊緣跟蹤
5.3.1道路跟蹤算法
5.3.2道路邊緣區(qū)域劃分
5.4礦區(qū)道路邊緣跟蹤實驗與分析
5.4.1礦區(qū)道路邊緣檢測
5.4.2礦區(qū)道路邊緣跟蹤
5.5本章小結(jié)
6礦區(qū)無人車道路偏離檢測
6.1礦區(qū)車道偏離特征提取·
6.1.1礦區(qū)車道識別圖像預處理
6.1.2礦區(qū)車道邊緣線擬合
6.2基于PSO-BP的礦區(qū)車道偏離檢測
6.2.1BP神網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計
6.2.2粒子群優(yōu)化網(wǎng)絡(luò)權(quán)重設(shè)計
6.3礦區(qū)車道偏離實驗與分析
6.3.1實驗準備與設(shè)計
6.3.2實驗結(jié)果分析
本章小結(jié)
7礦區(qū)復雜道路動態(tài)路網(wǎng)構(gòu)建
7.1礦區(qū)道路提取數(shù)據(jù)集的建立
7.1.1礦區(qū)道路數(shù)據(jù)集的人工標注
7.1.2露天礦區(qū)道路圖像預處理
7.1.3數(shù)據(jù)集擴增及劃分
7.2 DeepLabv3 道路提取模型結(jié)構(gòu)
7.2.1空洞卷積
7.2.2空洞空間金字塔池化
7.2.3解碼-編碼器結(jié)構(gòu)
7.3礦區(qū)路網(wǎng)圖像分割優(yōu)化模型構(gòu)建
7.3.1礦區(qū)道路提取優(yōu)化模型
7.3.2礦區(qū)道路特征提取
7.3.3道路數(shù)據(jù)不平衡修正
……
9.2.1雙目相機立體校正原理
9.2.2雙目相機立體校正實驗
9.3立體匹配算法研究
9.3.1立體匹配的步驟與約束條件
9.3.2 SGBM半全局立體匹配算法
9.4 立體匹配視差測距
9.5本章小結(jié)
10跨模態(tài)融合的礦區(qū)無人車道路障礙測量
10.1跨模態(tài)數(shù)據(jù)融合架構(gòu)設(shè)計
10.1.1時間融合
10.1.2 空間融合
10.2礦區(qū)行車障礙跨模態(tài)數(shù)據(jù)空間匹配
10.2.1 障得物圖像畸變矯正算法
10.2.2基于特征點匹配的跨模態(tài)數(shù)據(jù)融合
10.3礦區(qū)行車障礙空間距離融合計算·
10.3.1碰撞目標特征設(shè)計
10.3.2距離估計模型
10.4行車障礙空間距離融合計算
10.5障礙空間測量實驗與分析
10.6本章小結(jié)
11礦區(qū)智能視覺綜合應用案例
11.1礦區(qū)道路障礙目標數(shù)據(jù)集
11.1.1礦區(qū)行車數(shù)據(jù)采集
11.1.2障礙目標標注
11.2礦區(qū)道路障礙目標檢測實驗分析
11.2.1實驗環(huán)境配置與評價指標
11.2.2預網(wǎng)絡(luò)
11.2.3結(jié)果與分析
11.3礦區(qū)道路障礙目標距離估計實驗分析
11.4本章小結(jié)
參考文獻