针对复杂光照情况下的道路区域提取问题,提出一种基于颜色不变量和暗原色分割的道路区域提取算法,该算法通过正交分解法提取光照不变图像,并基于暗原色先验的道路图像聚类分割,提取图像的消失点等道路信息,构造软投票函数来判别道路区域,经过形态学处理得到最终精确的道路区域。为了有效评价复杂光照场景的道路区域提取算法的精度和效率,构建了一套复杂光照场景的道路图像数据集,并针对9种道路区域提取的算法构建了Benchmark。实验结果表明,所提方法能有效降低阴影等干扰因素的影响,与另外8种算法相比,本文算法能够实现与最新算法具有相近或更加准确的精度,并且本文算法在消失点位置提取准确时,道路的提取效果比其他算法更加完整和精确。此外,本文构建的数据集和Benchmark能够有效地用于测评复杂光照环境下道路区域提取算法的性能。

场景理解是信息科学里的重要研究内容,而三维(3D)数据相比于二维(2D)数据有着众多优势。目前点云的获取有多种方式,且不同获取方式的点云具有不同的特点,此外,基于点云的3D场景理解中的关键技术研究还没有完整、系统的综述。为此,总结了不同方式的点云获取方法,并对不同的点云数据及相关数据库进行对比分析。基于目前3D场景理解的研究进展,针对3D场景理解中的点云滤波、特征提取与点云分割和点云语义分割等技术进行了对比分析与总结。通过对近些年国内外文献的结论进行梳理,凝练出3D场景理解关键技术中存在的问题,并对3D场景理解问题的发展趋势做了展望。基于点云的3D场景理解因其数据的丰富性而被广泛应用在众多领域中,但是目前基于3D点云的场景理解效果,尤其是针对具有颜色信息的激光点云的场景理解,还有众多内容有待深入研究。

根据胃镜下的肿瘤特征,利用基于加速稳健特征(SURF)的模板匹配跟踪算法对肿瘤进行跟踪,通过去除特征点的误匹配点,提高了跟踪定位精度。在基于SURF的匹配跟踪算法中,利用匹配特征点的聚类中心及包围特征点的最小圆位置,测量了每帧跟踪效果。对两组胃窥镜下病灶的视频帧进行跟踪实验,结果表明,改进的基于SURF的匹配跟踪算法具有较好的稳定性和跟踪精度。