基于DSP的车道偏离检测与车辆前向车距检测

基于智能交通的快速发展,研究了在高速路段下基于机器视觉的车道偏离检测与车辆前向安全车距检测技术.首先固定车载相机,通过相机标定获取相机的内参数和外参数,进而设计车距检测模型.该模型不但能够检测出前方车辆与无人车的距离,还能计算出前方车辆相对于摄像机光轴的偏转角度.接着在CCP偏离检测算法的基础上,设定安全和报警区来建立车道偏离模型,并对当前车辆的偏离结果作出正常行驶的评判.最后借助TI的DVSDK组件包将算法移植到嵌入式平台DSP-DM3730上测试.实验表明,本文设计的车距检测模型和车道偏离模型在解决无人车的前向防撞检测和车道偏离检测等问题上具有较好的参考价值.     

考虑车辆横向主动安全的智能驾驶员模型

结合智能车面临的横向安全问题, 设计了一种具有横向安全性的智能驾驶员模型. 该系统由转向控制、速度控制和决策规划三个模块组成. 该系统的主要作用包括: 一是通过在转向控制中加入主要约束提高车辆在转向过程中的横向稳定性, 减小车辆发生侧滑、侧倾、侧偏等风险; 二是在换道场景下, 决策规划单元合理分析交通环境中的车间距并计算出驶入临近车道的速度和轨迹, 使智能车实现安全换道. CarSim/Simulink仿真结果表明, 该智能驾驶员系统提高了车辆行驶的横向安全性.     

智能车辆视觉导航横向模糊控制策略仿真研究

针对智能车辆视觉导航横向控制中存在的适应性问题,提出了一种基于横摆角速度与横向偏差的智能车辆横向模糊控制策略。根据车辆于车道内的位置状态信息,建立了横摆角速度预测模型、7自由度车辆操纵动力学模型以及横向模糊推理模型。仿真结果表明,与常规位置偏差控制策略相比较,采用横向模糊控制策略不仅能提高智能车辆横向控制的精确性,并且具有很好的鲁棒性和自适应性。     

基于颗粒分析和骨架化的车道线检测方法

车道线的正确检测是提高车道偏离预警系统正确率的重要保障,车道线检测往往受到多种因素的干扰。针对直线模型下车辆对车道线检测的干扰,提出一种基于颗粒分析和骨架化的车道线检测方法。首先运用最大类间方差算法对车道线图像进行二值化,然后利用数学形态学的颗粒分析对二值图像进行处理,消除车辆对车道线的干扰,最后用数学形态学的骨架化得到车道的中心线。经实验证明,在车道线有车辆干扰的情况下,该方法不仅能较好去除车辆干扰,而且可以检测出车道线中心线,具有较强的鲁棒性和抗干扰性。     

智能四轮转向车辆稳定车道线保持串级控制

为实现四轮前后轮转向车辆的稳定车道线保持控制,提出集成直接横摆力矩和车道线保持的串级控制策略.主控制器实现车道线保持前轮转角控制.副控制器实现车辆稳定性控制.主控制器基于MPC(model predictive control)算法控制车辆前轮转角,通过调整前轮转角使得横向位置偏差和航向角偏差最小.主控制器的车辆前轮转角作为副控制器的输入,计算期望滑移角和期望横摆率.车辆后轮转角和横摆力矩作为副控制器控制输入,基于LQ(linear quadratic)算法计算补偿车辆后轮转角和横摆力矩,实际车辆滑移角和实际横摆率跟踪期望滑移角和期望横摆率.车辆的前轮转角、后轮转角和横摆力矩作为控制输入,在副控制器实现车辆稳定性控制基础上,主控制器实现准确地车道线保持控制,保证智能车辆在车道内自主安全行驶.仿真结果表明,该串级控制策略的有效性,提高了智能车辆车道线跟踪的准确性,也提高车辆的稳定性和操纵性.     

车道线快速检测算法及其应用

针对汽车辅助驾驶中的车道偏离预警问题,提出一种车道线快速检测算法。引入当前车道的动态感兴趣区域(DROI),并依据空间坐标系去除摄像机视野底部车头区域,基于累计概率霍夫变换(PPHT)实时调整DROI,有效解决其他车道的车辆干扰;针对特殊路况中的灌木、围栏、路桩以及路面标识等干扰,基于动态规划,建立车道线检测优选模型,从PPHT检测到的候选线段中,选出最优线段;在此基础之上,进一步准确定位车道中心线位置,建立车道偏离预警模型,实现车道偏离预警。实验结果表明,提出的算法能够有效提高车道偏离预警的准确率以及鲁棒性。     

基于OpenCV的嵌人式车辆驾驶偏离报警系统

为减少因驾驶员无意识偏离车道行驶造成的交通事故,基于ARM和OpenCV建立嵌入式车道偏离报警系统。重点介绍了系统的设计、平台的搭建和算法处理流程。该系统通过摄像头采集获取图像信息,并应用OpenCV对图像进行预处理,通过提取图像中车道线信息,评估车辆行驶状态是否偏离车道中心位置,根据车辆的行驶状态,发出报警,提醒车辆驾驶人员当前行驶偏离情况,以达到辅助安全驾驶的目的。     

基于霍夫变换算法的车载视频车道线检测

基于车载视频监控,围绕车道线检测及车道线模糊或缺失等应用进行研究,并将研究成果应用到道路巡检管理系统中,取得了良好的工程实践应用效果。采用了霍夫变换检测算法筛选当前车辆行驶所在车道的左右车道线,通过数量检测对车道线缺失进行判断预警。为了进一步提升应用的可靠性、减少因车辆变道或前方车辆遮挡而导致的车道线缺失误判,研究了车道线偏离和前方障碍物判断预警方法。以俯瞰视角,对车道线、摄像头成像及车辆姿态进行建模,计算车辆行驶偏移的角度和相对距离,判断车辆偏移情况。     

商用车车道保持辅助系统设计

针对商用车质量大、轴距长、重心高的特性,难以精确建模和系统存在高迟滞等问题,综合考虑车速、车辆方位角、车道曲率、车道线置信度和驾驶员扭矩等信息,设计商用车车道保持辅助(LKA)系统激活策略;基于单点预瞄模型和比例—微分(PD)控制算法,提出一种仿人驾驶转向模型,输出辅助扭矩驱动电子助力转向器,控制助力电机实现车道保持功...     

兼顾可靠性和实时性的智能车辆车道保持北大核心CSCD

智能车辆车道保持的关键在于兼顾可靠性和实时性。为此,在车道识别时,利用已识别车道分区预测临近待识别分区车道候选位置,并仅在候选位置完成后续识别以提高识别实时性;在识别各分区时,依次采用分区阈值二值化、线性滤波、基于车道宽度滤波的方法,以提高识别的可靠性。同时,在提取车道线时根据2个检测区内的车道识别结果拟合不同曲线模型的目标车道线,并进行自适应预瞄控制。采用Lab View PXI8196和数字信号处理器F2812对智能车辆车道保持系统进行了设计。道路试验结果表明,提出的车道识别及跟踪控制方法同时保证车道识别及跟踪的可靠性和实时性,且稳定性较好。