利用能量函数和主动轮廓模型提取道路边缘线

针对高分辨率遥感影像道路边缘线交叉口断裂问题,提出一种利用能量函数和主动轮廓型提取遥感道路边缘线方法。在利用概率增进树算法和形态学运算提取道路条带,通过细化算法获取道路中心线基础上,沿道路中心线外推以检测初始道路双边缘线;鉴于道路边缘线存在局部曲率变化过大的问题,利用梯度特征和光谱信息构建能量函数,设计路径代价,结合Dijkstra算法优化初始道路双边缘线。通过构建Snake模型,利用离散动态规划算法解算模型,连接交叉口断裂处,解决交叉口断裂问题,进而得到最终道路双边缘线。实验结果表明,该方法能够较好提取连续、平滑的道路双边缘线,准确率达88%。     

基于D-S证据理论的城市航拍道路提取方法

针对有复杂场景的城市航拍图像,提出了一种基于D-S证据理论的道路提取方法.首先建立道路模型;然后将图像分块,建立灰度连通集,并选取子图像中较大的灰度连通集作为候选道路段;根据道路模型从候选道路段中提取特征来定义多个概率分配函数BPAF(basic probability assignment functions),并使用Dempster合成法则对其进行合成,识别出道路段;最后将已识别出的道路段进行合并,排除错误路段,形成道路.实验结果证明了这一方法的有效性.     

车载激光点云道路标线提取方法

针对车载激光点云中道路标线的强度随扫描距离与扫描入射角等因素变化较大而难以提取的问题,提出了一种在强度特征图像中进行边缘检测的道路标线提取方法。该方法首先将道路面点云投影成强度特征图像,然后在图像上检测图像边缘,并根据道路标线的几何特征进行连通分析,提取道路标线边缘,最后通过道路标线边缘信息从道路面点云中提取道路标线候选点云,并引入高斯混合模型剔除路面噪声点,得到最终的道路标线点云。3份测试数据的实验结果表明,该方法提取道路标线的平均完整率和平均正确率分别为93%和97%。     

交叉口入口路段车流量及车辆换道率检测研究

针对交叉口入口路段交通视频中存在车辆遮挡严重、频繁走停以及频繁换道插队等特点,提出了一种获取交叉口停车线后大视野范围内车流量以及车辆换道率的检测方法.首先采用多级虚拟特征线生成多级时空图,对车辆进行快速检测和分割,获得车辆候选区域;然后对车辆候选区域内局部特征点进行初步分组和跟踪,并根据相同组内特征点运动趋势相似性来修正分组,解决车辆遮挡问题,用于检测车辆换道率;最后将多级时空图与特征点跟踪相结合,进行相互反馈,实现对车辆准确分割和鲁棒跟踪,避免车辆行驶中走停的影响.实验结果表明,通过该方法能实时准确地获取大视野范围内交叉口入口路段车流量和车辆换道率的交通参数.     

基于B样条曲线模型的结构化道路检测算法

提出一种新的基于均匀非周期B样条曲线模型的结构化道路检测算法. 算法首先利用Canny边缘检测算法提取道路边缘, 然后使用最小二乘法拟合道路标识线, 最后利用所提取的道路标识线求取道路中央线, 进而完成道路拟合. 为了准确定位道路弯道位置, 算法运用最大转向偏差定位(Maximum deviation of position shift, MDPS)方法求解道路模型控制点. 实验证明该算法快速、稳定、灵活, 可以满足智能导航的要求.     

高速公路弯道边界的识别与重建

分析了智能车辆安全辅助驾驶系统中弯道分道线的检测提取方法,提出一种基于道路区域分割的弯道检测新算法,包含道路区域分割和弯道边界检测。在分割出道路区域和天空区域并划定弯道检测的感兴趣区域后,提取分道线候选点,并对候选点进行校正,最终拟合并重建出弯道分道线,且准确判断了车道线弯曲方向。实验证明,该算法的实时性和准确性均高于在整幅图像中提取车道线的传统方法。     

一种基于深度学习的新型小目标检测方法

快速、精准的目标检测方法是计算机视觉领域的研究热点之一,目前通用的目标检测模型主要包括两个部分,候选区域提取和分类器设计。基于卷积神经网络CNN和超像素算法提出了一种新型面向微小目标的检测方法。首先对目标图像进行超像素过分割,然后提取过分割区域的特征并以此进行区域合并,最后提取候选区域。与传统建议区域提取方法相比,本方法能够在保证召回率的前提下大量减少候选区域的数量。为了克服小目标特征提取的困难,本算法利用多尺度和多层次CNN提取候选区域的中高层语义信息进行目标分类。通过对车辆年检标示数据的实验表明提出的基于超像素过分割候选区域提取算法具有较高的召回率,在同等候选区域数量的情况下与Edge Box、Bing、Selective search等方法相比分别提高2%、2.4%和3.5%,同时基于多层次多尺度的目标分类算法能有效降低误检率,提高检测率。     

融合候选区域提取与SSAE深度特征学习的心脏MR图像左心室检测

左心室检测在计算机辅助心脏MR图像诊断方面具有重要价值,针对由于成像质量、部分容积效应、目标复杂多变等因素影响,导致左心室自动检测准确度较低的问题,提出一种融合候选区域提取与栈式稀疏自编码器(SSAE)深度特征学习的心脏MR图像左心室检测方法.在候选区域提取阶段,先用超像素算法产生初始区域,然后对SSAE学习到的深度特征采用层次聚类算法生成候选区域;在检测阶段,先使用SSAE提取候选区域的深度特征,然后训练SVM分类器对候选区域进行分类,并使用难分负样本挖掘算法对模型进行调节.对心脏图谱数据集左心室目标检测的实验结果表明,相对于手工特征及基于候选区域等方法,该方法取得了有竞争力的检测精度.     

基于时延Petri网的交通信号配时方案建模与分析

针对一般情况提出一个建立道路交叉口交通信号配时方案时延Petri网模型的方法.该方法将进入交叉口车流通行权的描述细化到了每一个行驶方向每一个转向,因此便于对系统模型各种性质进行分析以及适合将其作为基于Petri网的城市交通网络仿真模型的一个组成部分.讨论模型分析并针对一个实例给出了模型仿真运行的结果.     

一种利用形状片段的物体检测方法

针对物体检测中传统方法计算量大, 对复杂背景敏感, 且大部分物体检测方法只能得到物体所在区域而不能精确定位物体边缘等问题, 本文提出一种基于形状片段特征的物体检测方法. 该方法首先根据训练集得到具有多尺度特性的物体形状片段模型; 对测试图像按照和模型中边缘片段提取一致方法, 根据形状片段间的相似度, 选取出候选形状片段; 然后根据候选形状片段估计出模型中的片段与测试图像中片段之间的旋转角; 最后结合具有全局约束的概率Hough变换, 将物体检测问题转换为Hough空间概率问题; 根据Hough空间求解出的物体中心位置, 对候选形状片段验证, 得到实际物体轮廓片段. 理论分析和实验结果表明, 本文提出的算法具有较好的效果.     

An iterative/subdivision hybrid algorithm for?curve/curve?intersection

The problem of finding all intersections between two space curves is one of the fundamental problems in computer-aided geometric design and computational geometry. This article proposes a new iterative/subdivision hybrid algorithm for this problem. We use a test based on Kantorovich’s theorem to detect the starting point from which Newton’s method converges quadratically and a subdivision scheme to exclude certain regions that do not contain any intersections. Our algorithm is guaranteed to detect all intersections in the domain for nondegenerate and non-ill-posed cases.     

无信号交叉口网联车调度与分布式控制策略

针对多车道无信号交叉口,在高交通流量时易发生拥堵的问题,提出了一种适用于交叉口智能网联车（connected automated vehicle,CAV）通行的解决方案,将问题解耦成顺序决策和分布式控制两个问题。而车辆调度是方案中的关键点,对通行效率有很大的影响,且问题的复杂度是指数级。为解决该问题,提出一种基于队列评价模型的决策方法（queue evaluation spanning tree,QEST）,将网联车存到的多个队列模型中,并以通行效率和车辆延迟建立代价函数,以此对队列进行评价,通过不断循环选择最佳的队列,优化车辆在交叉口的通行顺序,有效提升了通行效率。对第二个问题,提出一种分布式控制框架,使得车辆按预定顺序通过交叉口。结果表明,该方案在中高交通流量时能有效提升交叉口的通行效率并降低车辆延迟和能量消耗。     

基于GIS的三维道路模型交叉口自动检测与建模

为解决三维道路模型中多条道路交叉时交叉路口的快速检测与建模问题,在对国内外三维道路模型的建立和显示方法进行分析研究的基础上,提出了一种在三维道路建模中利用计算机自动进行交叉路口快速检测与建模仿真的方法.该方法统一考虑了多条道路交叉的复杂情况,能够与地形自适应,目前已经在一个地理环境建模系统中得到成功应用.实践证明,该方法具有速度快、准确性高、适应能力强等优点.     

基于时空分析的路口相似度计算方法

在交通领域中,传统的交通时空数据分析方法存在拥堵路口的时空数据相似性检索效率低、可靠性差的问题,从空间场景相似度和动态数据相似度等角度出发,提出一种基于时空分析的交通路口相似度计算方法.该方法由交通路口静态数据模型和动态数据模型构成,路口静态数据模型将交通路口作为空间场景,计算目标路口与数据库路口的空间场景相似度,路口动态数据模型根据路口检测器数据的时间属性,创建时序数据库,在时间维度上对路口动态数据进行切片,计算目标路口与数据库路口在相同时段内的相似度,在此基础上构建路口相似度计算模型,对满足相似检索的路口进行排序,以增强检索结果的可靠性.实验结果表明,与时空索引检索算法相比,该方法能够有效提高交通路口检索的准确性,且具有较强的实用性.     

区域特征融合的高血压视网膜病变分类方法

由于高血压性视网膜病变(hypertensive retinopathy,HR)病灶特征不明显,传统分类算法难以对其进行有效分类.针对这一问题,提出一种具有整体特征和局部特征的区域特征融合HR分类方法,即在整体HR分类模型的基础上,融合局部特征动静脉交叉压迫(arteriovenous nicking,AVN)分类模型...     

Traffic lights detection and recognition based on multi-feature fusion

Many traffic accidents occurred at intersections are caused by drivers who miss or ignore the traffic signals. In this paper, we present a method dealing with automatic detection of traffic lights that integrates both image processing and support vector machine techniques. Firstly, based on the color characteristics of traffic lights, the paper proposes a method of traffic light segmentation in RGB and HSV color space. And then, according to the geometric features and backplane color information of traffic lights, we design an algorithm to remove false targets in images. Moreover, in order to solve traffic lights diffusion problem, we apply a strategy that we first map the candidate regions onto the original image, then using Otsu algorithm re-extract the target region. Finally, HOG features are extracted from the target regions, and recognized by the trained SVM classifier. Experimental results show that the proposed method has relatively high detection rate and recognition accuracy in different natural scenarios, and is able to meet real-time requirements.     

Hierarchical control of traffic signals using Q-learning with tile coding

Multi-agent systems are rapidly growing as powerful tools for Intelligent Transportation Systems (ITS). It is desirable that traffic signals control, as a part of ITS, is performed in a distributed model. Therefore agent-based technologies can be efficiently used for traffic signals control. For traffic networks which are composed of multiple intersections, distributed control achieves better results in comparison to centralized methods. Hierarchical structures are useful to decompose the network into multiple sub-networks and provide a mechanism for distributed control of the traffic signals. In this paper, a two-level hierarchical control of traffic signals based on Q-learning is presented. Traffic signal controllers, located at intersections, can be seen as autonomous agents in the first level (at the bottom of the hierarchy) which use Q-learning to learn a control policy. The network is divided into some regions where an agent is assigned to control each region at the second level (top of the hierarchy). Due to the combinational explosion in the number of states and actions, i.e. features, the use of Q-learning is impractical. Therefore, in the top level, tile coding is used as a linear function approximation method. A network composed of 9 intersections arranged in a 3×3 grid is used for the simulation. Experimental results show that the proposed hierarchical control improves the Q-learning efficiency of the bottom level agents. The impact of the parameters used in tile coding is also analyzed.     

细分曲面求交交线计算方法的研究

主要针对三角网格的细分曲面求交提出了一种有效的交线计算的方法,该方法适用于任意三角网格的细分曲面中.在利用AABB和二部图进行初始控制网格相交性检测后,利用该方法快速有效地求出细分曲面的交线.     

基于预信号的交叉口信号优化控制方法仿真

为充分利用交叉口有限的进出口车道资源,提升交叉口时空资源利用率及通行能力,采用基于预信号的交叉口几何设计方法,构建了以最大化通行能力为目标的交叉口车道划分模型及配时方案求解模型。在此基础上考虑车辆随机到达性,提出了基于实时交通需求的预信号动态控制方法。最后,基于实例,通过对比不同信号控制方案下的运行情况,利用VISSIM仿真平台进行验证,仿真结果表明:相较于传统的交叉口控制方法,所提出的车道划分模型及信号动态控制算法可有效提升交叉口通行能力并减小延误。     

基于Petri网的道路交叉口建模方法及比较研究

离散Petri网和连续Petri网的各自优势和缺点明显,前者建模准确但复杂度高,后者复杂度较低但模型不够精确。混合Petri网作为两者的结合,能在一定程度上弥补各自的缺点,非常适合用于道路交叉口系统的建模。但是以往的文献中缺乏纯离散模型和混合模型之间的定量比较。提出了一种自上而下的混合Petri网方法,能够快速建立道路交叉口系统模型;以一个4相位固定相序交叉口为例,建立其混合Petri网模型并与纯离散模型进行了定量的比较与分析。通过对不同系统负载下交叉口内交通流排队长度的仿真,并考察混合模型与离散模型之间的误差变化,在一定程度上为模型选择的合理性提供了定量的依据。