基于计算机视觉高速智能车辆的道路识别

论文研究了基于计算机视觉高速智能车辆的道路识别。通过对JLUIV-4智能高速车辆系统采集的图像进行中值滤波、边缘增强、最优阈值二值化,获得良好的梯度图像。根据道路特征采用Hough变换识别出道路边界。使用感兴趣区域,减少图像处理时间和提高道路识别的可靠性。JLUIV-4的高速导航实验表明,该算法具有良好的实时性、可靠性和鲁棒性。     

基于遗传算法和数学形态学的道路识别方法

随着将智能车辆适用环境拓展到乡村道路、荒漠、越野环境等非结构道路,机器视觉导航的难度进一步加大,成为当今人们研究的重点。文章针对智能车辆行驶的复杂道路环境提出一种新的道路检测与识别的算法。该算法采用了遗传算法对道路图像进行分割,并在此基础上对已分割图像进行数学形态学处理,然后利用canny算子进行道路边缘检测,最终得到准确清晰的道路边界信息。实验结果表明,该方法可以有效地分割出道路区域,对多种复杂路况具有良好的适应性。     

基于链码的道路导向标志检测研究

随着交通智能化和智能车技术的发展,智能车对道路目标的识别成为智能车辆研究的一个重点问题。文中首先对道路图像进行了二值化处理、空间域平滑处理和边缘检测,使道路中如道路边沿、道路标线、导向标志的大致区域得到了初步认定,然后分析了道路导向标志的影像、形状等特征,利用数学形态学方法进行了初步识别,最后研究了基于链码特性的道路导向标志目标检测算法,实现了导向标志目标的初步识别和检测。     

基于SPCE061A单片机车载语音导航系统的研究

本文提出一种集射频识别和语音导航为一体的车辆监测和导引车载系统.该系统以DSRC通信协议为基础,对路边单元射频信号进行语音播报处理,实现了为出行者提供实时语音导航信息的功能.语音导航系统突出主动式智能管理,把车辆识别、电子收费、出行者服务几大智能管理系统的功能集成在一个车载系统中,改变了目前道路导引系统的被动管理状态,为智能交通系统中的出行者服务子系统提供了一种实用的车载方案.     

智能车辆SINS/DGPS/光电测速仪组合导航的研究

为适应自主驾驶车辆的高精度、高频率与高可靠性的导航要求,本文对智能车辆的多传感器组合导航进行了研究.提出了一种双向光电测速仪和CP-DGPS共同辅助SINS的智能车辆组合导航方法,进行了仿真试验验证.结果表明,该组合导航系统能为智能车辆提供丰富的导航信息,并具有100 Hz的高频输出、厘米级的导航精度和较强的容错能力,当GPS较长时间中断时,通过SINS/光电测速仪的组合仍能为智能车辆提供可靠的导航数据.     

基于均值移动和特征聚类的道路识别方法

智能车辆研究是目前世界各国学者研究的热点,也是计算机视觉应用的一个重要方向.视觉系统是智能车辆的关键部分,其中道路识别和跟踪算法是智能车辆的核心部分.本文用鲁棒特征空间分析方法-均值移动法,对道路颜色信息进行聚类,聚类结果结合参考区域法实现道路的识别,从而得到智能车辆的可行驶区域.实验结果表明,该算法具有较强的鲁棒性、自主性和并行性,特别适用于实时图像处理系统,如智能车辆视觉系统、移动机器人视觉导航部分.     

基于三帧差法和交叉熵阈值法的车辆检测

考虑运动车辆图像的时间相关性和空间相关性,采用三帧差分法与二维交叉熵阈值法相结合的方法对运动车辆进行检测。利用三帧差分法对视频图像进行运动车辆的检测,得到灰度图像的差分图像,使用二维交叉熵阈值法对差分图像进行二值化。实验结果证明,该方案能够检测出完整的运动车辆,具有良好的可靠性和鲁棒性,满足智能交通系统的要求。     

基于图像局部奇异值向量和BP神经网络分类器的道路导航方法

提出以道路图像矩阵的局部奇异值向量作为特征输入,以BP神经网络作为分类器的道路导航方法.首先将图像分割成若干子图像,然后分别对子图像进行奇异值分解,提取子图像的代数特征向量.子图像的特征奇异值组成整个图像的局部奇异值向量,作为分类器的输入.再利用BP神经网络分类器对道路图像进行训练及识别.实验中处理了三类道路图像(偏左、偏右、正确方向),每类用20 幅图像作为训练样本,30幅用作测试.结果表明,这 种道路导航方法的识别率达到了100%.􀁳 􀁨 􀁱     

车牌自动识别方法中的关键技术研究

车辆牌照的自动识别是智能交通系统中一项很重要的技术。针对车牌识别的前期技术，即车牌定位、车牌图像的对比度判断和二值化、字符分割等技术进行了研究并提出了新的处理方法，实验结果表明提出的算法简洁、实时性好、处理正确率高，达到了实用的标准。     

逆透视投影下车道偏离时间的在线估计

提出了一种基于图像逆透视变换后的车道偏离时间的实时在线估计算法。该算法先对道路图像进行预处理,得到二值化的道路图像,然后通过逆透视变换方法消除图像的透视效果,用Hough变换方法检测车辆所在车道的左右道路标志线,最后估算车辆偏离车道的时间,判定车辆是否会偏离车道。对该算法进行了详细介绍并给出了实验结果,结果表明该算法能够准确地判断车道偏离。