基于光流及背景先验的夜视系统车辆检测算法研究

随着中国汽车保有量的快速增长,驾驶安全问题将日益突出。夜间路面照度低,路边识别率低,同时司乘人员夜间的驾驶能力变弱而导致事故的发生,所以研究研究夜间的行车安全极为必要。本文通过对大气散射物理模型的研究,首先采用图像增强算法将夜视图像的特征增强,其次选取光流法中基于梯度的金字塔光流法与背景先验知识进行结合,将其应用于夜间道路环境的车辆检测,通过对实际场景的综合实验测试,此方法能够较好的检测出夜间行驶车辆。     

基于水平特征的车辆检测与跟踪

利用加权平均滤波算法对图像进行了滤波处理,去除部分噪声,利用Sobel算子的水平算子对图像的水平边缘进行增强处理,利用最大类间方差法对边缘增强后的图像进行图像分割;提出了利用车辆的水平特征中的列直方图和行直方图对车辆进行检测,根据检测结果得出该方法检测效果良好,即使是复杂环境下的车辆也能得到有效的识别,且对货车的识别效果良好;最后,利用限定感兴趣区域法对车辆进行跟踪,验证了识别方法与跟踪方法的有效性。     

一种应用于车辆识别的去除路面干扰方法

提出了一种应用零高度假设检验的车辆检测方法以去除路面上阴影、交通标志等造成的干扰。该方法的原理是,假设初始检测所得到的所有目标物都是位于路面上的二维物体,利用目标物在跟踪过程中的位置变化对假设进行检验,通过假设检验的目标即为路面干扰。车辆的初始检测是利用基于特征的方法对单目视觉获取的图像和激光雷达获取的数据进行检测的,把未能通过假设检验的初始检测结果加入跟踪档案,删除那些通过假设检验的目标。试验表明,该方法能够在多种工况下对车辆进行识别,并能降低存在路面干扰情况下的识别误检率。     

一种曝光时间自适应宽动态行车记录仪设计

针对夜间行车环境中,行车记录仪后路摄像头处于逆光、强光或明暗反差大等复杂光线情况下不能清晰获取汽车后方影像的问题,提出一种像素单元曝光时间自适应技术来拓宽CMOS图像传感器的动态范围。在有源像素传感器像素单元电路基础上增加积分电容、电压比较器和时间-电压编码信号读入电路。其功能是当积分电容电压低于曝光时间阈值电压时,光电二极管停止积分,像素单元曝光时间短;当积分电容电压高于曝光时间阈值电压时,光电二极管曝光至固定时间,以此实现像素单元曝光时间自适应。在受到后方车辆远光灯照射情况下对两种行车记录仪摄像头进行测试,试验结果表明:与采用传统有源像素传感器的行车记录仪相比,安装有宽动态CMOS图像传感器的行车记录仪所拍摄的图像明亮区域图像不刺眼、阴暗区域图像不失真,降低了眩光、反射光、阴影对画面清晰度的影响,能够清晰、真实地还原拍摄环境图像信息。     

图像处理在医用纱布表面缺陷检测中的应用

针对医用纱布表面缺陷的特点,研究缺陷检测算法。运用迭代算法对图像进行预处理,有效地去除噪声对图像的影响。采用了一种特殊的图像分割方法即基于数学形态学的分割技术对图像进行边缘检测及分割,保证了边缘检测的连续性,能够分割出完整的缺陷目标图像。利用提取的纱布表面缺陷图像中的形态学特征对缺陷进行分类,实现纱布表面破洞、缺经、断纬等缺陷的识别目的。通过MATLAB软件对一些医用纱布图像进行测试,验证了该方法的可行性和准确率。     

尾随运动车辆识别与超车检测方法研究

针对尾随车辆由于类型、尺寸、颜色、环境等非确定因素导致识别不稳定、不可靠的问题,提出基于时空域纵向投影跟踪滤波和相对运动检测的车辆识别与超车行为检测算法。首先在对比度空间对序列图像进行定向滤波,采用概率Hough变换估计车辆横向边缘,通过时间域投影方法过滤环境噪声,得到尾随车辆跟踪轨迹,同时使用光流法对序列图像特征角点进行跟踪检测,通过目标运动方向矢量将车辆和背景予以区分。在此基础上,采用车辆置信度函数对上述两种方法的识别结果进行综合决策,提出基于行为检测的超车检测算法。试验结果表明,该方法在结构化道路环境中能够快速准确提取近视场运动尾随车辆,对环境干扰和目标车辆类型变化具有较强的免疫能力。       

基于图像特征点匹配的车辆运动检测

提出了应用于交通视频监控系统中车辆运动检测和分割的一种新颖有效的方法.采用了较为简易的特征点匹配检测车辆并利用纹理识别对车辆进行分割.此方法不需要对序列图像进行预处理,能有效消除光照阴影和背景,实验结果表明该方法可以实时准确提取道路交通信息.     

实时车辆流量检测系统的研究

介绍了在智能交通系统中的实时图像处理技术,论述了视频车辆流检测的设计思想,重点介绍了智能交通的核心--车辆检测.根据环境的不同提出不同的检测办法,即白天利用图像序列进行差分运算和夜间利用数学形态学方法.实验数据表明,白天车辆正确识别率在92%以上,而夜间正确率在80%左右.     

一种新的兴趣区域车辆定位方法

利用哈夫变换检测图像中的直线结合车辆位置特征确定兴趣区域,实现感兴趣区域的确定,使用最大类间方差法将感兴趣区域的车辆进行分割提取,去除道路等背景信息。计算阈值分割后的图像的行/列的平均灰度值,再对该值来确定车辆的精确位置信息。实验结果表明,若车辆存在兴趣区域,文中提出的基于兴趣区域车辆定位方法可以实现有效检测。该方法计算简便,检出率高,具有一定的实际应用价值。     

基于视频图像的车辆流量实时检测系统

基于运动车辆在视频图像序列中存在颜色变化,提出了基于颜色变化的城市道路车辆流量实时统计检测方法对检测带上的区域进行差分运算,从而快速地检测出运动的车辆;在识别中采用水平投影技术和双差分技术,能够方便、准确地确定车辆阈值并识别出车辆.路面实际检测结果表明该系统的正确识别率可达92%以上,实现了在交通中,对车辆进行智能指挥控制,引导各种车辆行驶,满足了实际应用要求.     

基于计算机视觉的车道线检测与识别

该文基于计算机视觉基础,设计了一种车道线的检测与识别技术,通过汽车搭载的前置摄像头获取道路前方包含车道线等信息的实时画面,并对画面进行预处理、形态学运算、Canny边缘检测、累计概率Hough变换等一系列转换,得到正确的车道线信息。实验结果表明,该方法可以有效快速地检测和识别出正确车道线,满足了汽车无人驾驶系统的响应时间需求,在汽车无人驾驶的开发过程中有一定的现实研究意义。     

基于双目视觉的车辆行驶跑偏在线自动检测系统

为了解决车辆行驶跑偏测量问题,研制了一种车辆行驶跑偏在线自动检测系统。该系统通过建立的双目机器视觉模型实现了车辆行驶跑偏量的自动测量,研制的大视场激光光源解决了测量中的环境干扰问题,采用优化数据处理算法解决了测量精度不高的难题,构建的无线网络测试系统实现了车辆行驶跑偏在线自动检测。该系统测量精度高、运行稳定可靠,可广泛应用于汽车生产企业及各种车辆检测线上车辆行驶跑偏量的在线自动测量。     

高速列车驾驶界面设计中的照明眩光评估

高速列车驾驶环境中的照明眩光对界面设计有着十分重要的影响,如何在设计阶段对眩光进行有效的评估,是目前高速列车驾驶界面设计中面临的一个难题。针对高速列车驾驶界面照明环境复杂,眩光源的形状和边界难以判定,眩光计算参数值难以准确采集等问题,提出一种基于统一眩光评估(Unified glare rating,UGR)公式和小光源UGR修正公式的高速列车驾驶界面照明眩光评估模型,在利用视觉仿真方法获得包含驾驶员视觉仿真图像及其每一像素点光度学信息的基础上,通过对视觉仿真图像内的眩光源像素点进行判定、整合和筛除,获取高速列车驾驶界面照明眩光评估模型计算参数值,实现高速列车驾驶界面的眩光评估。采用被试主观评价试验对CRH3型车驾驶界面的12种照明方案进行眩光评估,并与提出的基于视觉仿真的照明眩光评估方法的计算结果进行对比分析,分析结果表明提出的方法与主观感受具有显著的线性关系。该方法可在设计阶段对高速列车驾驶环境照明眩光进行有效评估,为驾驶界面相关设计与优化提供指导。     

基于视觉对抗色的交通标志检测方法

面向智能车辆的交通标志检测是国内外研究的热点。在复杂的交通环境下,采用传统颜色空间的方法鲁棒性差,算法效率低,难以准确有效地检测出交通标志。鉴于人类视觉特点和视神经信号处理机制,提出一种基于视觉对抗色的方法。首先,将图像在不同的对抗色空间进行高斯金字塔分解;然后,采用中央周边差算法,增强交通标志的颜色特征;最后,对二值化图像进行水平方向和竖直方向的投影,统计显著信息区域,标记交通标志的位置。通过编程实现和实验验证,检测准确率和实时性满足实际要求,为交通标志语义理解提供有效的数据。     

基于行驶环境识别的汽车自动换挡系统研究

针对通常自动变速器由于对行驶环境不适应而出现的一些问题,如坡道行驶中的换挡循环问题,转弯时的频繁换挡问题以及湿滑路况下的打滑问题等,建立了一种基于行驶环境识别的多模式汽车自动换挡系统。这个系统能够利用通常自动变速器上的传感器信号,自动识别汽车的当前行驶环境,并根据外界行驶环境的变化选择相应的换挡规律,从而解决了通常自动变速器在特定行驶环境下出现的问题,提高了自动变速器的整体性能。这种环境自适应的控制方法将是今后汽车控制系统的发展方向。     

基于多模态特征融合的自主驾驶车辆低辨识目标检测方法#br#

针对自主驾驶车辆在真实驾驶环境下对低辨识目标的识别问题,提出了基于多模态特征融合的目标检测方法。基于Faster R-CNN算法设计多模态深度卷积神经网络,融合彩色图像、偏振图像、红外图像特征,提高对低辨识目标的检测性能;开发多模态（3种）图像低辨识度目标实时检测系统,探索多模态图像特征融合在自动驾驶智能感知系统中的应用。建立了人工标注过的多模态（3种）图像低辨识目标数据集,对深度学习神经网络进行训练,优化内部参数,使得该系统适用于复杂环境下对行人、车辆目标的检测和识别。实验结果表明,相对于传统的单模态目标检测算法,基于多模态特征融合的深度卷积神经网络对复杂环境下的低辨识目标具有更好的检测和识别性能。     

机器自动化与视觉系统在车灯制造行业的应用

自动化在车灯制造企业中已得到广泛的应用,机器人已被应用到汽车零部件装配的工位中。视觉系统集成机器人,解决了现阶段各种复杂组装难题。视觉检测广泛应用在车灯模组的导热胶检测,判断涂胶的位置和胶量,有效控制车灯质量;视觉系统代替人工完成检验工作,提高产品的生产效率;视觉测量可以用在车灯自动化生产线的来料检测,控制来料零件的尺寸、特征,从源头避免不合格零件的流入,提高产品的合格率。     

基于视觉的盲区车辆探测方法研究

汽车后视镜盲区内车辆是造成许多交通事故的原因,针对这一问题提出了一种基于视觉的盲区车辆探测方法。采用两步法：首先假设车辆存在,得到代表车辆所在的感兴趣区域;再利用车辆前脸特征的先验知识验证假设是否成立。该探测过程利用图像处理技术对由安装在本车后视镜位置的摄像机所捕捉到的图像进行分析,并及时向驾驶员发送检测结果,从而达到减少交通事故的目的。     

超低照度下微光图像的深度卷积自编码网络复原

微光/红外图像彩色融合是目前国内外夜视技术的重要发展方向,在超低照度下(环境照度小于2×10-3 lux),由于成像器件限制,微光图像具有低信噪比、低对比度等特点,导致目标难以辨识,成为制约彩色夜视技术的关键。为了提高目标的探测和识别率,提出了一种基于卷积自编码网络的微光图像复原方法,利用卷积自编码网络从微光图像训练集中学习超低照度下微光图像特征,实现去噪和对比度增强。实验结果表明,本文提出的方法得到的峰值信噪比(Peak Signal to Noise Ratio,PSNR)较经典的BM3D算法平均提高1.67dB,结构相似度(Structural Similarity Index,SSIM)的值平均提高0.063,均方根对比度的值(Root Mean Square Contrast,RMSC)平均提高0.19。对微光图像复原具有很好的效果,能够有效地提高信噪比和对比度水平。