边界识别（共3篇）
边界识别 篇1
随着信息采集技术的发展与信号处理方法的多样化, 机器视觉技术得到长足发展。机器视觉技术是一种用机器代替人眼来作测量和判断的技术。机器视觉技术的引入, 使得智能车辆技术逐渐成为研究热点[1]。通过数字图像获取环境信息, 进而对车辆进行控制是实现车辆智能化的重要途径。道路边界的识别技术是获取环境信息的重要手段之一[2]。文献[3]对道路嫌疑点进行道路约束判定并采用霍夫变换进行拟合, 提高了识别的鲁棒性;文献[4]依据道路边界的先验知识与预测知识进行道路边界的识别;文献[5]依据自然边界不易受到污染的现象提出了依据自然边界进行道路边缘检测方法;文献[6]提出了小块统计目标函数, 剔除了不规则纹理噪声, 提高了识别的准确性;文献[7]引入蚁群算法, 利用信息素的正反馈作用, 确定道路边界模型的参数, 从而进行边缘识别;文献[8]依据DS证据理论, 利用局部区域提取方向、道路边界梯度与灰度3个特征进行道路边界识别, 从而提升算法对不同光照的适应性。上述文献中采用的识别算法较繁琐, 对单幅图像中道路边缘的识别准确性有所提高, 但会对算法实时性有影响。为在保证识别准确性的同时提高实时性, 简化了道路边界模型与识别算法。因为道路识别技术会在汽车行驶过程中一直开启, 只要剔除突变误差, 依然可以保证算法的可行性。
1 道路边界模型
为了描述道路的三维信息, 需要对道路模型给予约束假设。一般道路边界满足连续性、平行性与平面性。具体的说, 道路不能发生突变;道路的两个边界互相平行;汽车前方视野内的道路处于同一平面内。由于道路法规的限制, 道路曲率很小, 所以从道路的宏观特征出发, 直线模型能够模拟道路的边缘。
在道路平面上, 设LL和LR为道路左右边界
根据道路边界的平行性假设, 有
在图像平面上, 设LL和LR为道路左右边界
图1和图2为道路平面与图像平面的摄像机投影模型, 其反映了两者之间的映射关系。在图1中, 汽车行驶方向为Y轴;平面ABJUDK是道路区域;平面ABJCDK是摄像机拍摄到的区域;交点O是镜头中心点;虚线OG是光轴;交点O在道路区域上的垂直投影为点I, 其位于线UE上。在图2中, 小写字母代表的点线面对应于图1中大写字母代表的点线面。在道路平面ABCD上, 设任一点P的坐标为 (xP, yP) ;则对应于图像平面abcd上的p点的坐标为 (xP, yP) 。则在单目视觉系统中, 图像坐标与路面坐标之间的映射关系为
式中, h是镜头中心的安装高度;γ0是摄像机的俯仰角;α0是镜头垂直视场角的1/2;β0是镜头水平视场角的1/2;H是图像的高度;W是图像的宽度。
根据道路的边界模型, 可以推出应用于车辆导航的参考直线LN
上述各表达式的联合即为直线道路边界模型。
2 道路边界识别
道路边界的识别主要分为道路边界粗提取和道路边缘判定。
2.1 道路边界粗提取
为消除干扰, 增强边缘信息, 并为后续道路边缘判定提供较好的条件, 需对原始图像进行道路边界的粗提取处理;其主要包含灰度化, 直方图均衡化, 滤波处理, 边缘增强和二值化处理。
在能够反映彩色图像3通道信息的前提下, 为了提升运算速度, 可采用灰度图像来代替[5]。根据人眼对3个通道的敏感度, 采用加权平均法即可将RGB彩色图像转化为较合理的灰度图像
有些图像的灰度直方图聚集在局部领域, 为了增强图像的对比度, 可采用直方图均衡化处理。其以图像各灰度级概率的累积分布函数作为变换函数, 将原图像映射为一幅灰度级分布较均匀的图像[6]。其中累积分布函数的表达式为
式中, rj是直方图均衡化前的图像归一化灰度级, 取值范围在0~1之间;nj是直方图均衡化前的图像中出现第k级灰度级的像素个数;k的取值范围为0~L-1的整数值;n是图像中的像素点总数;rk是直方图均衡化后的图像的归一化灰度级, 取值范围在0~1之间;T是变换关系式;pr (rj) 是直方图均衡化前的图像取第k级灰度值的概率。
为保护道路边界不使其模糊, 可采用中值滤波这种非线性处理技术消除噪声。并能较好地抑制随机点状的噪声
式中, Neighbourhood (x, y) 是像素点f (x, y) 的邻域。
为了有效地消除图像中背景信息同时抑制噪声, 可采用一阶差分的Sobel算子来完成边缘增强, 从而突出道路边缘信息[7]。道路的边缘部分与道路其他部分在像素灰度值上有一定的差异, 离散Sobel算子能够很好地得到边缘梯度方向的信息
则梯度值的大小与方向为
为避免图像中背景的边界也被突出出来并提高计算速度与实时性, 只采用水平Sobel算子Sx进行边缘增强即可
二值化处理能在边缘增强后的图像上去除大量的背景信息[8];二值化处理中阈值的选取可采用基于矩特征的方法。类分离函数的定义为
式中, k是分割阈值;h (i) 对应于灰度直方图。
二值化处理中的最佳分割阈值T是使类分离函数δ (k) 为最大时的灰度值。综上所述, 道路边界粗提取的具体步骤为:
Step1对原始图像进行灰度化处理, 同时进行中值滤波处理。
Step2对灰度图进行直方图均衡化处理。
Step3对均衡化后的图像进行水平Sobel算子边缘增强。
Step4对边缘增强后的图像进行二值化处理。
在Step1中, 若图像质量较好, 可以不进行中值滤波处理;在Step3中, 若已知路边界的大致区域, 可采取对特定角度的边缘检测, 从而提高边缘检测的计算速度;在Step4中, 当图像光照不均匀时, 可将图像分为若干组子区域, 并分别对每一子区域内的图像进行最佳阈值判定, 从而实现对整幅图像采取不同阈值分割的技术, 最终达到增强算法可靠性的目的。
图4所示为道路边界粗提取的结果图。可看出滤波后的灰度图效果较好, 并能反应出彩色图像的信息;直方图均衡化后的结果与灰度图相比, 在对比度上有了明显的增强;边缘加强后的图像与直方图均衡化后的图像相比, 突出了图像中的边缘部分, 特别是道路边缘部分;二值图中, 道路与背景的灰度值上有区别, 边缘界限明显。
2.2 道路边缘判定
在图像进行道路边界粗提取后, 粗边界除了包含目标边缘即道路边缘以外, 还掺杂着行人、树木、楼宇等边缘。为了在这些干扰边界中准确判定出道路边缘这个目标, 需要进行特征审判。边界邻域的灰度平均值与边界区域的方差可作为裁决依据。
机器视觉技术中对平均值与方差特征定义为
式中, m2为分块中的像素点个数;O为偏移量;i为序号; (r, c) 为方块中中心像素点的坐标。
设图像边缘中的任一小方块灰度平均值为m, 方差为σ2。其中道路边缘区域中的方块需满足一定的关系
式中, CP为N个方阵的协方差, 表达式为
其中, 的表达式为
采用距离公式为道路边界判定函数;它定义为各小块Pi (m, σ2) 之间的距离Di
若距离Di小于设定的阈值t, 则认为该小块的中心像素点是道路边缘中的一点。则道路边缘判定的具体步骤为:
Step1提取出二值图像中的边缘曲线。
Step2计算图像边缘曲线上小方阵的平均值m和方差σ2, 即Pi (m, σ2) 。
Step3计算两个小方块之间的距离Di。
Step4判定Di与阈值t的大小, 若Di<t, 则标记为道路边界。
Step5统计边缘曲线上道路边界点的个数与该曲线所穿过的小方块数之比, 比值最大的边缘曲线就是道路边缘。
Step6对判定为道路边缘曲线上的边界点集合进行遴选, 剔除出误差较大点后, 应用最小二乘法来拟合出车道线的边缘线。
图5所示为完成道路边缘识别并经过直线拟合后的结果图。从图中的两条线位置可看出, 此算法准确识别出了道路的边缘部分。
3 结束语
采取单目视觉图像进行了道路边缘检测算法的研究。为简化道路模型, 提出了道路边界直线模型。同时将整个识别算法分为粗提取与精提取两部分。粗提取中引入直方图均衡化克服光照影响, 通过边缘增强提高识别准确性;精提取中结合道路边缘模型, 依据在复杂环境下对边缘邻域特征识别的效果依然较好, 替换掉繁琐的智能识别, 提升处理速度, 进而提高保证算法实时性所允许的汽车行驶最大速度。
摘要：为了能为汽车实时提供前方道路信息, 文中建立了直线道路边界模型, 并提出了道路边缘识别算法。通过灰度化、直方图均衡化、滤波, 边缘增强与二值化的处理粗略得到图像的边缘, 再利用道路边界的邻域特征从图像边缘中识别出道路边界。仿真结果表明, 该算法能准确识别出道路的边缘。
关键词：机器视觉,智能车辆,直线模型,道路边界,边界识别
参考文献
[1]张玲新, 季本山.基于AIS的近海水上智能交通系统[J].电子科技, 2012, 25 (8) :104-106.
[2]余天洪, 王荣本, 顾柏园, 等.基于机器视觉的智能车辆前方道路边界及车道标识识别方法综述[J].公路交通科技, 2006, 23 (1) :139-142.
[3]陈军, 徐友春, 赵明, 等.基于随机Hough变换的道路边界识别算法研究[J].中国图象图形学报, 2009, 14 (5) :905-911.
[4]徐杰, 李晓虎, 王荣本, 等.车辆自主导航中的道路边界识别算法[J].中国图象图形学报:A辑, 2004, 8 (6) :674-678.
[5]徐友春, 王荣本, 李克强, 等.一种基于直线模型的道路识别算法研究[J].中国图象图形学报:A辑, 2004, 9 (7) :858-864.
[6]马雷, 于福莹, 李昊.基于灰度图像的复杂环境下智能车辆道路边界识别[J].汽车工程, 2010 (4) :351-355.
[7]马雷, 武波涛, 李昊.基于蚁群算法的弯曲道路边界的识别[J].兵工学报, 2009 (9) :1236-1241.
[8]马雷, 臧俊杰, 张润生, 等.基于DS证据理论的不同光照条件下道路边界识别[J].汽车工程, 2011 (8) :707-712.
架座式机枪边界条件识别技术研究 篇2
通常采取实验的方法来确定驻锄和土壤的接触刚度系数。其方法为测试驻锄沿某坐标方向的位移和所受的合力，根据所受的位移变化曲线和阻力变化曲线，即可计算出接触刚度系数随时间以及位移的变化曲线。该方法的优点是，所得到的刚度系数即为武器实际的边界刚度系数，特别是该接触问题的非线性能准确地反映出来。其缺点是难以测试驻锄所受的阻力，并且难于得到每个驻锄所有三个方向的刚度系数。提出了一种依据测试模态参数辨识架座式机枪系统边界支撑参数的新方法。该方法利用结构系统在无支撑条件下低阶固有频率为零的特点，通过逆向运算来确定结构系统的边界支撑刚度。对某型机枪系统的边界支撑参数进行了辨识。计算结果表明，使用该方法能准确地识别机枪系统的边界支撑参数，克服了以往通过测试驻锄所受的阻力变化曲线和位移变化曲线确定刚度系数的不确定性和工程实现上的困难。
1 参数识别的数学模型
在进行试验模态分析时，通常采用单点激励多点响应的测试方法。在选取测点后，系统就被离散为由测点组成的离散振动系统。对应于所有测试通道的N个位移坐标组成一个向量。
系统的总体刚度矩阵K可以表示为无约束状态下的刚度矩阵Ku与边界刚度矩阵Kr之和：
式中，当Kr=0时，系统处于无约束状态。如果将测试坐标重新排列为内点ui和边界点ur，则边界刚度矩阵可以表示为：
式中，子矩阵κ可以表示为nr×nr个未知的离散的支撑刚度系数。对于通常遇到的边界点沿测试方向和固定点用弹簧连接，将κ作为对角阵处理。
假定通过模态试验得到了结构I阶固有角频率ωei和固有振型φei，并且固有振型按下式相对于质量矩阵进行了正定化处理。
阻尼对系统的影响可以忽略，则固有角频率和固有振型满足以下线性特征值问题：
引入下式：
将上式代入式(5)，得
考虑到式(4)，得到
若边界刚度发生了△Kr的变化，则系统的动态特性也相应发生变化，其特征值和固有振型变为Λn和Φn，引出了新的特征值问题：
再进行模态变换
将方程两端左乘ΦeT，得到
通过式(11)，可以进一步识别试验时的边界支撑刚矩阵Kr。若有△Kr=-Kr，则对空间结构而言，按照特征方程，系统的前6阶固有频率为0，则从任意选定的初值出发，用逐步搜索零点的方法寻找刚度矩阵中的各元素。也可以归结为非线性优化问题来求解，注意：当未知参量过多时，须验证得到的解是否为全局最优解。
2 架座式机枪试验模态分析
依据振动理论知机枪结构系统的振动微分方程可表示为：
式中，M,C,K分别为系统的质量、阻尼、刚度矩阵;x咬，x觶，x为系统的加速度、速度、位移响应列向量;F(t)为系统的激励列向量。
设激励力是频率为ω的简谐力，则系统的稳态响应为x(t)=Xeiωt，代入式(1)得到系统的频率响应函数为：
考虑机枪的力学特性，采用锤击法试验，利用单点瞬态激振，多点响应求出机枪导纳矩阵的一行或一列。依据有限元预分析的频带确定试验采样带宽为256Hz，测试方案如图1所示。试验所用设备包括：
(a)加速度计Brüel&Kj覸r 4508;(b)力锤CL-YD-315;(c)电荷放大器YE5853A;(d)数据采集前端LMS SCADASⅢ;(e)工作站DELL INSPIRON 8500。
建立了一个具有22节点的结构模型，某型机枪结构的试验测点模型如图2所示,其中除第3、5、9、11节点无法安装传感器外,其余各节点均为测试点。未能测试的点利用约束方程靠与其邻近两点模态的平均值确定。实验中在第1节点Y方向激励,其余测点的3个方向作为响应输出。通过LMSSCADASⅢ完成对测试信号的频响函数测量,各测点的频响函数进行5次平均,以降低噪声信号的影响,之后通过参数估计技术,使模型与测量数据相匹配以便求得模态参数值。
表1所示为试验模态分析所得前3阶机枪结构固有频率。
3 参数辨识
将架座式机枪测试固有频率和用质量矩阵标准化的固有振型作为实测参数。将机枪的前后驻锄简化为X、Y、Z三个方向的质量-弹簧系统，记kix、kiy、kiz(i=1,2,3)分别为驻锄三个方向的刚度系数，由于边界节点位移仅包含三个节点的位移，可以确定子矩阵为：
利用系统在无支撑条件下低阶固有频率为零的特点，将驻锄接触刚度系数求解归结为下述优化问题：
其结果为：
以计算出的边界支撑参数输入有限元模型,其计算模态与试验模态结果列于表2。从表中可以看出,用本文方法确定的边界支撑参数更接近武器系统的实际状况,两种方法得到的固有频率比较接近,振型也一致,证明该方法是有效的。
4 结论
提出了一种依据测试模态参数辨识架座式机枪系统边界支撑参数的新技术。该方法利用结构系统在无支撑条件下低阶固有频率为零的特点，通过逆向运算来确定结构系统的边界支撑刚度。计算结果表明，使用该方法能准确地识别机枪系统的边界支撑参数，克服了以往通过测试驻锄所受的阻力变化曲线和位移变化曲线确定刚度系数的不确定性和工程实现上的困难，对类似的架座式自动武器结构问题具有一定的参考价值和指导意义。
参考文献
[1]王晓天,高星亮.大口径机枪结构动力学建模方法研究[J].军械工程学院学报,2005,17(6):1-4.
[2]沃德.海伦,斯蒂芬.拉门兹,波尔.萨斯.模态分析理论与试验[M].北京:北京理工大学出版社,2001.
[3]刘广璞,潘宏侠.基于灵敏度分析的机枪结构动态特性优化研究[J].华北工学院学报,1999,20(2):162-165.
[4]刘兵.LMS模态分析软件在齿轮组件模态试验中的应用[J].燃气涡轮试验与研究,2003,16(2):43-45.
数值试井在边界识别中的应用 篇3
试井技术作为油气藏评价的重要手段在油田勘探开发中得到了广泛的应用, 并发挥了重要作用, 但常规解析试井技术限于数学问题的复杂性, 对于复杂渗流条件下的试井问题无法求解, 目前仅限于分析模拟一些规则简单的油藏形状和流体形态。而数值试井技术是根据地质资料、测井资料和生产资料建立初始化试井模型, 借助先进的非结构化网格划分实现对压力传导方程的数值求解, 通过对实际测试资料拟合分析, 得到更加符合油藏实际情况的试井动态模型。这对于勘探开发过程中的探边测试综合评价具有重要意义[1]。
2 不同边界数值试井模型及特征曲线举例
2.1 有限长度断层数值试井模型及压力响应特征曲线
有限长度断层指油气藏范围内存在的某些小断层和主断层的派生断层, 这种断层无法完全封隔地层[2] (见图1) 。由于解析试井是利用镜像反映原理和叠加原理对断层反映求解, 致使对有限长度断层无法处理。通过数值试井模拟出此种构造的压力及其导数双对数曲线 (见图2) 。测试初期, 为井储和表皮效应的反映, 随后进入径向流阶段, 导数曲线变平, 当压力扩散达到断层边界时, 导数曲线上翘呈现断层特征, 但随着测试的进行, 压力扩散绕过断层继续向远的地方扩散, 导数曲线开始下降。
2.2 特殊边界数值试井模型及压力响应特征曲线
在实际解释工作中, 往往会遇到特殊边界。以图3的井为例, 外边界为非对称油藏边界, 油藏内部发育一组夹角断层及一条单独的有限长度断层, 井位于这些断层之间。解析试井没有这样的模型, 利用数值试井可以建立, 其压力相应特征曲线见图4, 从图4可知早期为井储和表皮反映, 随后经历了短暂的径向流阶段, 压力很快扩散到边界, 受三条边界的共同影响, 导数曲线持续上翘, 斜率接近1, 末期压力越过不封隔断层向外扩散, 最终呈现图4特征曲线的形态。
3 应用实例
例1:D井为外国某盆地的一口探井, 此井共进行了6次测试, DST-1、DST-2为水层, 其他均为油层。该井第三次测试, 经过5个大小不同的油嘴产能测试后, 关井进行压力恢复测试, 在不太了解测试油层详细构造特征条件下, 对此油层的测试数据进行了解释 (见图5) 。从图中可以看出早期为井储和表皮效应的反映, 中期曲线变平为径向流的反映, 导数曲线后期上翘为储层不渗透边界的反映, 斜率≈1/2为平行断层断层, 因此选用软件中的平行断层模型进行拟合。经普通的解析试井拟合后效果不好, 软件中默认的两条断层为无限长, 而实际构造并非如此。因此采用数值试井方法进行分析。
根据分析建立初始化数值试井模型 (见图6) , 在井的东北位置建立一条无限长断层, 其西南位置建立一条有限长度的断层, 两条断层近似平行, 通过参数的不断调整, 最后拟合的效果很好 (见图7) 。通过对压力历史的拟合情况可以看出解释模型建立准确。
该井随后进行的第四次测试, 双对数曲线图与第三次测试曲线形态相似, 同样通过建立数值试井模型, 得到了较好的拟合, 也验证了上一层解释的准确性。两次测试的结果如下表1所示:
通过这两次的试井解释分析, 可以基本得知该井的边界形态:为深处平行距离较短往上逐渐变宽的下窄上宽的楔形构造。将数值试井方法解释的外边界形态与之后地震数据得出的平面构造特征进行对比, 表明两者吻合很好。
例2:M井为该本地另一区域的一口探井, 其双对数曲线呈现波浪状 (见图7) , 根据测试解释理论及平面构造可以判断, 该井位于两条断层之间, 且距离较近的断层为有限长度断层。当压力到达第一个断层时, 导数曲线上翘, 由于断层不完全封隔地层, 随着时间延长, 压力扰动将绕过断层继续扩散, 导数曲线开始下掉, 随后遇到第二个断层, 压力曲线继续上升。在解析试井外边界模型均无法达到满意的拟合效果的条件下, 根据导数曲线的变化形态, 利用数值试井的方法, 构造了非渗透外部边界形态 (见图8) 进行拟合, 获得了很好的拟合效果。
4 结论
(1) 数值试井解释技术解决了传统试井解释方法不能处理的复杂边界情况, 与传统解析试井方法相比, 在处理复杂边界方面具有独特优势, 扩宽了试井技术的应用领域, 提高了试井解释结果的准确性。
(2) 通过数值试井解释在某国D、M两口井的应用, 可以看出在对地层边界情况未知的情况下可以通过构建模型初步推测此油气藏的边界形态;在地层边界情况已知的情况下, 提高对测试油气藏边界形态的精确描述。为该区块油气藏下一步开发提供可靠依据。
摘要：数值试井作为一种新兴的试井解释技术, 在油气藏复杂边界的形态描述方面起到了很大的作用, 本文以国外某盆地的两口探井为例, 通过对此油气藏测试资料综合分析评价, 用数值试井解释方法, 确定边界情况, 验证地质构造结论, 为该区块的勘探开发提供依据。
关键词：试井解释,数值试井,非对称边界
参考文献
[1]黄登峰, 等.数值试井在描述油气藏复杂边界中的应用.油气井测试, 2006, 12 (15) :18～19