【導(dǎo)讀】除文中已經(jīng)注明引用的內(nèi)容外，本論文（設(shè)計）不包含任何其。他個人或集體已經(jīng)發(fā)表或撰寫的作品成果。對本人實驗或設(shè)計中做出。重要貢獻的個人或集體，均已在文中以明確的方式注明。識到本承諾書的法律結(jié)果由本人承擔(dān)。故卻隨之不斷發(fā)生。對大量交通事故進行調(diào)查發(fā)現(xiàn)，在彎道上發(fā)生的事故約占全部交通事。一方面，駕駛員行駛在彎道時，會感受到一部分可見彎道線形；另一方面，由于以上兩點，本論文針對基于彎道要素特征，提取彎道線形進行了研究。綜上所述，本論文以MATLAB軟件為工具，研究了彎道線形圖像預(yù)處理技術(shù)，圖像分割技術(shù)，為提取彎道線形提出了很實用的參考價值。本論文創(chuàng)新性對駕駛

　　

【正文】 p2*x^3 + p3*x^2 + p4*x + p5 其中： p1 = (, ) p2 = (, ) p3 = (, ) p4 = (, ) p5 = (, ) 圖 100mm 彎道的曲線圖 曲線方程為： f(x) = p1*x^4 + p2*x^3 + p3*x^2 + p4*x + p5 其中： p1 = (, ) p2 = (, ) p3 = (, ) p4 = (, ) p5 = 1585 (1757, 1413) 經(jīng)過上述的數(shù)據(jù)可以得到結(jié)論，當通 過圖像處理后，距離彎道不同距離下的曲線圖若如圖所示，方程式與上述方程接近，則可判定當前彎道曲率為 25 1?m 。 31 通過同樣的處理，可以得到曲率為 20 1?m 的彎道不同距離下的曲線圖為： 圖 200mm 彎道的曲線圖 曲線方程為 f(x) = p1*x^4 + p2*x^3 + p3*x^2 + p4*x + p5 其中 p1 = (, ) p2 = (, ) p3 = (, ) p4 = (, ) p5 = (, ) 圖 150mm 彎道的曲線圖 32 曲線方程為 f(x) = p1*x^4 + p2*x^3 + p3*x^2 + p4*x + p5 其中 p1 = (, ) p2 = (, ) p3 = (, ) p4 = (, ) p5 = (, 1770) 依照這種辦法，建立曲率為 17 1?m 的彎道模型，然后對其不同距離進行拍攝，得到彎道圖像，處理得到的彎道圖像，得到彎道線形，對彎道線形進一步處理分析，得到其曲線圖及曲線 4階方程如下： 圖 200mm 彎道的曲線 曲線方程為 f(x) = p1*x^4 + p2*x^3 + p3*x^2 + p4*x + p5 其中 p1 = (, ) p2 = (, ) p 3 = (, ) p4 = (, 126) p5 = 5305 (4054, 6555) 33 圖 150mm 彎道的曲線 曲線方程為 f(x) = p1*x^4 + p2*x^3 + p3*x^2 + p4*x + p5 其中 p1 = (, ) p2 = (, ) p3 = (, ) p4 = (, ) p5 = (, ) 圖 100mm 的彎道曲線 曲線方程為 f(x) = p1*x^4 + p2*x^3 + p3*x^2 + p4*x + p5 其中 p1 = (, ) 34 p2 =(, ) p3 = (, ) p4 = (, ) p5 = 1683(1986, 1380) 經(jīng)過上述一系列的計算，從得到的圖像和結(jié)果可以找到不同曲率下的彎道對應(yīng)的不同 4階曲線圖，及其對應(yīng)的公式，因此拍攝得到的彎道圖像當通過電腦處理后，可通過其對應(yīng)的曲線圖及公式判斷其彎道曲率。 坡度彎道要素特征計算 上 節(jié)介紹了平坡彎道要素特征的計算及其對應(yīng)的曲線圖和公式，但實際生活中的彎道并不是全部的沒有坡度，因此有必要研究不同坡度下的彎道要素特征，得到相應(yīng)的規(guī)律以便判斷彎道的坡度及曲率。 為了研究坡度彎道的要素特征，建立了具有坡度的彎道模型。建立的彎道模型坡度為 ?20 ，曲率為 17 1?m ，路寬為 70mm，模擬汽車中的拍照系統(tǒng)對彎道模型進行拍攝，且拍攝距離由遠及近， 得到彎道圖像。仿照對平坡彎道的處理，對坡度彎道進行邊緣檢測，得到不同距離下的彎道線形，如圖所示： 圖 200mm 彎道的線形 35 圖 150mm 彎道的線形 圖 100mm 彎道的線形 從這些圖像上看到，隨著距離的改變，視覺上的彎道有所不同，然后應(yīng)當處理這些彎道線形圖像，使用 find 函數(shù)求出二值圖像非零帶點像素坐標值，再次使用 Matlab 中曲線擬合工具 （ Curve Fitting Tool ） 擬合曲線，并算出其相應(yīng)的曲線階數(shù)方程。距離 200mm的曲線擬合結(jié)果為： 圖 因為其彎曲程度較大，擬合的曲線方程階數(shù)也相應(yīng)的變大，這里采用 7 階指數(shù)擬合曲線 : 曲線方程為 f(x) = p1*x^7 + p2*x^6 + p3*x^5 + p4*x^4 + p5*x^3 + 36 p6*x^2 + p7*x + p8 其中 p1 = (, ) p2 = (, ) p3 = (, ) p4 = (, ) p5 = (, ) p6 = (, ) p7 = (, ) p8 = (, ) 距離彎道 150mm的曲線擬合結(jié)果是： 圖 同樣，其曲線方程為 7 階指數(shù)方程： f(x) = p1*x^7 + p2*x^6 + p3*x^5 + p4*x^4 + p5*x^3 + p6*x^2 + p7*x + p8 其中 p1 = (, ) p2 = (, ) p3 = (, ) p4 =(, ) p5 = (, ) p6 = (, ) p7 = (, ) p8 = (, ) 距離彎道 100mm的曲線擬合結(jié) 果為： 37 圖 由于其曲線彎曲程度較小，因而采用 4 階指數(shù)方程表示該曲線： f(x) = p1*x^4 + p2*x^3 + p3*x^2 + p4*x + p5 其中 p1 = (, ) p2 = (, ) p3 = (, ) p4 = (, ) p5 = (, ) 根據(jù)上面的曲線圖及曲線方程，就可得到對應(yīng)的關(guān)系，當彎道圖像處理后得到的結(jié)果與上述相符合是，便可判斷對應(yīng)的彎道特征要素為坡度 ?20 ，曲率為17 1?m 。若對大量的坡度彎道進行圖像處理與計算分析，便可建立對應(yīng)的數(shù)據(jù)庫。當汽車行駛行駛在彎道上時，便可通過圖像處理手段，得到當前行駛的彎道對應(yīng)的曲線 圖及曲線方程，便可據(jù)此求得當前行駛彎道的要素特征。 誤差分析 上面進行的圖像處理與計算分析雖然較好的建立了彎道要素特征關(guān)系，但結(jié)果并不能完全表達彎道要素特征，這是由于圖像處理操作等原因造成結(jié)果與實際會有一定的誤差。 造成結(jié)果誤差的原因有自然原因，也會有人為原因。自然原因包括：彎道兩邊輪廓與臨界點灰度級接近，難以區(qū)分，造成圖像處理得到的彎道線形產(chǎn)生偏差； 由于藍天、白云等自然景物造成彎道路面變暗，彎道周圍背景變得明亮，造成圖像分割時難以將彎道與背景很好的分割；彎道兩側(cè)輪廓并不是很好的線形，根 據(jù) 38 提取的彎道線形不會得到正確的曲線方程等等原因。人為原因包括：根據(jù)彎道線形的曲線圖采用的曲線方程并必能良好的表達彎道線形；彎道距離計算的并不是很準確等。這些誤差共同影響彎道要素特征的表達結(jié)果，減少或避免這些誤差，將得到更好的結(jié)果。 小結(jié) 本章首先建立彎道模型，采集彎道模型真實的彎道要素特征，隨后在彎道模型上進行彎道圖像采集。通過先前的處理手段得到彎道線形。通過 find 函數(shù)對得到的彎道線形進行了坐標采集，進而根據(jù)坐標求得彎道線形對應(yīng)的曲線圖及曲線方程，在大量的試驗下，建立了曲線圖及曲線方程與真實 彎道要素特征的對應(yīng)關(guān)系。根據(jù)對應(yīng)關(guān)系，便可通過圖像處理等操作手段獲取車輛形勢下真實的彎道要素特征。 第 5 章 總結(jié)與展望 論文的工作總結(jié) 交通事故一直是人們研究的主題，而避免彎道上交通事故的發(fā)生則可極大地減少交通事故所帶來的損失與傷亡。為了減少駕駛員由于彎道不可見線形的影響而引發(fā)交通事故，本文創(chuàng)新性的對彎道線形的提取與彎道要素特征進行了研究。具體做了以下幾方面的工作： 、圖像分割、邊緣檢測、數(shù)學(xué)形態(tài)學(xué)等圖像處理技術(shù)的基本原理，對進一步處理彎道圖像，提取彎道線形做出了奠 基石的作用 ，通過圖像分割技術(shù)將彎道與背景分隔開來，然后通過 Canny 算子邊緣檢測技術(shù)提取彎道等一系列操作代碼與圖像處理結(jié)果，達到提取彎道線形的目的。 ，通過彎道模型圖像處理得到不同曲率下對應(yīng)的彎道圖像像素坐標，建立了對應(yīng)的關(guān)系，進而根據(jù)圖像處理后得到彎道線形的像素坐標求得相應(yīng)的曲線圖及曲線方程。據(jù)此便可推斷汽車所行駛彎道的曲率，完成彎道要素特征研究的目的。 39 論文的展望 本論文主要做了兩方面的工作，一是對彎道線形進行了 提取處理，二是根據(jù)彎道模型研究處理得到不同彎道曲率對應(yīng)的像素坐標，繼而反向推理，得到不同彎道圖像要素對應(yīng)的像素坐標，就可查找到其對應(yīng)的彎道曲率，且本論文的諸多研究成果都是建立在第一手實驗數(shù)據(jù)上，保證了結(jié)論的客觀性與可靠性。 盡管如此，由于客觀條件的限制，導(dǎo)致沒有對實際彎道的多方面圖像進行處理，以便根據(jù)實際彎道的圖像處理結(jié)果得到更加有信服力的結(jié)果。今后如果條件允許的話，應(yīng)當多在實際彎道上進行試驗，得到彎道要素特征更加全面的研究。 40 參考文獻 [1]Zhu ML,PS road work extraction on aerial Vision and Pettern Computer Society . [2]劉芳 .遙感影像中道路自動提取方法研究 .北京建筑工程學(xué)院 .2020 年 . [3]葉發(fā)茂 .高分辨率遙感影像提取道路的方法綜述與思考 .國土資源遙感 .2020年 . [4]周明月 .基于小波變換的圖像混合去噪算法 .長春工業(yè)大學(xué)學(xué)報（自然科學(xué)版） .2020 年 . [5]郝文化 .MATLAB 圖形圖像處理應(yīng)用教程 .中國水利水電出版社 .2020 年 . [6]謝建林 .基于小波變換的金相圖像邊緣檢測 .中國科技博覽 . 2020 年 . [7]顧強 .數(shù)字化無人機航空像片拼接技術(shù)研究 .影像技術(shù) .2020 年 . [8]柏春嵐 .Matlab 在圖像邊緣提取中的應(yīng)用 .科技信息 . 2020 年 . [9]林曉梅 .空間域圖像去噪方法 .長春工業(yè)大學(xué)學(xué)報（自然科學(xué)版） .2020 年 . [10]尉世強 .基于小波的圖像閾值去噪方法 .青島大學(xué) .2020 年 . [11]胡艷 .基于小波變換和形態(tài)學(xué)的織物疵點邊緣檢測 .測試技術(shù) 學(xué)報 . 2020 年 . [12]鄧潔 .基于 HPF融合與數(shù)學(xué)形態(tài)學(xué)的 ETM＋遙感影像道路提取 .石家莊學(xué)院學(xué)報 .2020 年 . 41 致 謝 本論文是在孫文財老師的悉心指導(dǎo)和幫助下完成的。孫文財老師在剛開始選課題時給予我指導(dǎo)建議，當研究課題遇到困難時，又毫不耐煩地指導(dǎo)和點撥我，我的論文的完成離不開孫老師啟發(fā)與指點。孫老師謙遜和藹的態(tài)度令我十分感動，孫老師對我的關(guān)愛難以言表，在此表示我深深的謝意。 42 畢業(yè)論文（設(shè)計）原創(chuàng)性聲明 本人所呈交的畢業(yè)論文（設(shè)計） 是 我在導(dǎo)師的指導(dǎo)下進行的研究工作及取得的研究成果。據(jù)我所知， 除文中已經(jīng)注明引用的內(nèi)容外，本論文（設(shè)計）不包含其他個人已經(jīng)發(fā)表或撰寫過的研究成果。對本論文（設(shè)計）的研究做出重要貢獻的個人和集體，均已在文中作了明確說明并表示謝意。 作者簽名： 日期： 畢業(yè)論文（設(shè)計）授權(quán)使用說明 本論文（設(shè)計）作者完全了解 **學(xué)院有關(guān)保留、使用畢業(yè)論文（設(shè)計）的規(guī)定，學(xué)校有權(quán)保留論文（設(shè)計）并向相關(guān)部門送交論文（設(shè)計）的電子版和紙質(zhì)版。有權(quán)將論文（設(shè)計）用于非 贏利目的的少量復(fù)制并允許論文（設(shè)計）進入學(xué)校圖書館被查閱。學(xué)?？梢怨颊撐模ㄔO(shè)計）的全部或部分內(nèi)容。保密的論文（設(shè)計）在解密后適用本規(guī)定。 作者簽名： 指導(dǎo)教師簽名： 日期： 日期：