论文部分内容阅读
随着我国社会经济的快速发展,智能交通系统研究逐渐成为了交通系统领域研究的重点。车辆信息检测是当前图像处理领域正在研究和广泛关注的课题。论文所研究的基于图像处理技术的车辆信息检测研究正是在这种应用背景下展开的,与传统的车辆信息检测方法相比,通过对道路现场的车辆图像进行智能化分析和处理,能够收集到所需要的各种车辆信息参数,主要包括机动车辆的高度、宽度和车辆的轮轴信息。本文根据图像处理领域的相关结论和方法,针对汽车图像信息的检测、识别中存在的问题,如图像边缘检测、目标特征提取和背景差分去除进行了相关的研究,并将研究结果应用到了机动车辆参数检测的测试系统中。 论文首先介绍了智能交通和车辆信息检测研究的相关背景和研究现状,然后介绍了在对机动车辆图像进行图像处理计算时用到的图形处理算法,主要包括机动车辆图像边缘检测、车辆目标图像的特征点提取和轮轴提取,最后提出机动车辆参数检测测试系统的设计思想与实验分析。论文在车辆信息检测的算法研究方面,根据车辆的几何特征,采用了一种改进实现车辆图像的直线线段特征点检测算子的方法进行车辆图像特征点定位计算;在针对轮轴区域图像定位的基础上,设计一种利用轮轴图像特点、简单有效处理快速封闭的轮轴提取方法,构建了一种车辆图像像素特征点的匹配搜索方式。实验处理图像数据显示测试系统基本能够有效实现对机动车辆的参数检测识别。由于实验测试系统是利用OpenCV和Visual C++6.0组建的实验平台下编写的,因此如何将该系统移植到其他操作体统或嵌入式平台,并进一步提高系统的通用性和鲁棒性还有待进一步的研究。