基于多傳感器信息融合的目標(biāo)檢測(cè)及應(yīng)用技術(shù)研究.pdf

1、多傳感器信息融合技術(shù)主要研究如何合理的利用不同位置多個(gè)或多種傳感器提供的信息來(lái)獲取目標(biāo)或場(chǎng)景更加可靠、全面的描述，因此，多傳感器信息融合技術(shù)是圖像處理與模式識(shí)別、機(jī)器視覺(jué)等領(lǐng)域的一個(gè)重要研究?jī)?nèi)容。研究成果被廣泛應(yīng)用于機(jī)器人視覺(jué)、軍事目標(biāo)模擬、無(wú)人機(jī)導(dǎo)航、車輛輔助駕駛以及文物保護(hù)等領(lǐng)域。
　　近年來(lái)，雖然國(guó)內(nèi)外眾多專家、學(xué)者對(duì)多傳感器信息融合技術(shù)展開(kāi)大量研究，也取得了諸多顯著成果和應(yīng)用案例，但針對(duì)多傳感器信息融合技術(shù)在不同應(yīng)用領(lǐng)域中

2、傳感器類型的選擇與確定、不同傳感器信息的準(zhǔn)確獲取與遴選以及不同傳感器信息的多層次、多維度融合等研究仍存在諸多問(wèn)題。本文針對(duì)自然場(chǎng)景下的目標(biāo)檢測(cè)與重建問(wèn)題，采用將紅外、可見(jiàn)光以及激光掃描儀進(jìn)行組合，并針對(duì)可見(jiàn)光與激光掃描儀的外部標(biāo)定、紅外與可見(jiàn)光圖像的配準(zhǔn)與融合以及運(yùn)動(dòng)目標(biāo)分割與三維重建等關(guān)鍵問(wèn)題進(jìn)行研究，主要研究成果包括：
　　1.針對(duì)激光與可見(jiàn)光傳感器的外部標(biāo)定問(wèn)題，首先設(shè)計(jì)一個(gè)具有四個(gè)面和五條棱的標(biāo)定靶；然后通過(guò)Hough變換

3、檢測(cè)出標(biāo)定靶的直線特征，并利用直線擬合和直線相交原理獲取標(biāo)定靶特征直線對(duì)應(yīng)的激光數(shù)據(jù)；最后根據(jù)激光坐標(biāo)系與圖像坐標(biāo)系之間的關(guān)系求解旋轉(zhuǎn)和平移矩陣，完成激光與可見(jiàn)光傳感器的外部標(biāo)定。
　　2.針對(duì)可見(jiàn)光與紅外圖像的精確配準(zhǔn)問(wèn)題，提出一種基于模板圖像的由粗到精紅外與可見(jiàn)光圖像配準(zhǔn)方法。首先在離線情況下，根據(jù)設(shè)定的模板圖像，通過(guò)直線檢測(cè)的方法求取粗配準(zhǔn)參數(shù)；然后設(shè)計(jì)基于Rényi互信息與Harris角點(diǎn)函數(shù)相結(jié)合的R-MI-Rényi匹

4、配測(cè)度，并根據(jù)粗配準(zhǔn)參數(shù)確定匹配特征點(diǎn)的搜索區(qū)域與匹配窗口尺寸；最后使用RANSAC方法完成圖像的精確配準(zhǔn)。
　　3.針對(duì)可見(jiàn)光與紅外圖像的準(zhǔn)確融合問(wèn)題，提出基于PCNN與小波變換的NSCT域紅外與可見(jiàn)光圖像融合方法。首先利用NSCT分解得到紅外與可見(jiàn)光圖像的低頻分量和高頻分量；然后采用小波分解與PCNN對(duì)圖像低頻與高頻分量進(jìn)行二次分解，并分別設(shè)計(jì)高頻與低頻信息的改進(jìn)融合準(zhǔn)則；最后根據(jù)圖像低頻與高頻融合結(jié)果進(jìn)行NSCT重構(gòu)獲得融合