1.文章一
爲提高軍用地面無人平臺自主跟隨過程中對目標領航車輛檢測識別的準確性和實時性, 提出了一種基於激光雷達和視覺攝像機信息融合的目標領航車檢測識別方法。
在識別系統工作前,需對激光雷達和攝像機兩種傳感器進行標定,確定激光雷達座標、 攝像機座標、 車體座標三者之間的相互關係。車輛識別過程中, 首先對激光雷達數據進行最近鄰域法聚類分析, 根據聚類的結果對周圍目標進行初步篩選生成假設目標;根據激光雷達數據和攝像機圖像之間的轉換關係, 確定假設目標在圖像中的感興趣區域, 可以有效減少圖像處理的計算量;最後, 利用多特徵級聯分類識別方法驗證假設目標是否爲目標領航車輛。實驗結果表明該算法具有較好的環境適用性,彌補了單目視覺傳感器在目標領航車輛檢測識別過程中無法檢測到深度信息,以及激光雷達不能準確判斷出目標爲何物的不足。
2.文章二
隨着信息技術在全球的快速發展，行人檢測技術廣泛的應用到視頻監控、醫療診斷和各種智能交通領域。行人檢測技術包括行人識別,分類和行爲分析等幾個方面,涉及到圖像處理、模式識別和人工智能等諸多領域。
傳統的行人檢測方法主要採用單目攝像機,提取行人的輪廓、形狀和紋理等特徵,採用統計學習的方法對行人進行行人檢測。由於攝像機自身的限制,採集的視頻圖像容易受天氣光照變化的影響,提取的行人特徵完全依賴於圖像中的顏色特徵,信息較爲單一,
因此檢測精度和速度都有待提高。
針對傳統的行人檢測方法中出現的諸多問題,本文采用3D激光掃描儀和攝像機協同工作,利用激光點雲對視頻圖像進行初步目標區域提取,減小計算範圍,採集行人的反射強度信息,擴充視頻圖像的HOG特徵,並利用線性SVM進行訓練得到行人檢測分類器,從而進行行人檢測。
本文的主要工作如下:
1)激光掃描儀和攝像機的聯合標定。本文采用手動和自動結合的聯合標定方法,手工調整將激光點雲映射到對應的視頻圖像並達到基本重合,從重合的激光點雲和圖像上選擇對應的標定點,使用標定點計算得到校正參數。
2)視頻圖像和激光點雲的特徵提取。提取視頻圖像中行人的HOG特徵;利用配準後的激光點雲生成反射強度灰度圖,對反射強度灰度圖進行預處理,然後提取反射強度灰度圖中行人的HOG特徵。
3)利用激光點雲提取目標檢測區域。首先剔除激光點雲中的地面點、噪音點以及遠距離背景點,保留行人和車輛區域,然後生成激光點雲灰度圖並提取目標檢測區域,大大減小了滑動窗口的檢測搜索範圍,提高了檢測速度。
4)融合視頻圖像和激光點雲行人特徵。在像素層面上融合激光點雲中反射強度信息和視頻圖像信息,豐富了單一視頻圖像中行人HOG特徵,使用線性SVM訓練融合後的行人HOG特徵進行行人檢測,降低了誤檢率和漏檢率。
本文分別從時間和檢測效率上對比了單一攝像機和激光點雲和視頻融合後的檢測效果,實驗結果表明,本文提出的數據融合方法在行人檢測時效果更好。