汽车智能辅助驾驶系统中的单目视觉导航技术

在智能交通系统中，自动驾驶系统或许是最难于实现的技术之一．许多学者努力 想找到解决自动驾驶这个难题的方法．本文介绍了一种新的思想和一些新的算法，它立足于 单目视觉技术来实现车道保持和进行障碍物检测，进而力图解决视觉导航问题．首先运用多 阈值分割技术提取高速公路上当前车道的分道线，接着对分道线建立了圆锥曲线模型进行二 维重建．在道路模型的约束下，笔者提出方向分形维的算法确定前方车辆的位置，进而运用 旋转，平移和缩放中心不变矩（RTM）判断其真伪，最后采用有色噪声的卡尔曼滤波对真实 障碍物进行跟踪．本系统不但能根据分道线模型获得保持车道所需的方向信息，也能检测本 车道前方障碍物而防止碰撞．系统在四川和重庆的高速公路上以每小时100公里的速度进行 了试验，能圆满完成车道保持和障碍物检测的任务．     

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。     

基于计算机视觉的车道标线与障碍物自动检测

车道标线与障碍物检测是智能车辆辅助驾驶系统的关键技术问题。论文提出了一种基于计算机视觉的车道和障碍物检测新方法。它根据摄影几何投影变换从图像内容重建出道路平面图,解决了图像中远方车道过于细小、难以检测的缺点,算法对虚线车道特别有效。文中对重建参数选择进行了分析比较,实验表明重建结果对参数变化具有很好的鲁棒性。     

高速路的车道检测与车辆跟踪

基于智能交通的快速发展,研究了基于高速路的车道检测和车辆跟踪技术.对于多车道检测,根据路面与分道线灰度级相差较大的特点来实现车道路面的分割,接着结合直线方程和Catmull-Rom Spline插值算法来拟合分道线.对于单车道检测,首先基于HSV颜色空间和Sobel边缘提取方法对其进行有效分割,接着在透视变换空间中提取分道线坐标点并用二次多项式拟合分道线.针对车辆检测,使用Hog+Gentle-Adaboost分类算法实现无人车前方路面车辆的检测,接着基于车底阴影的特征对车底阴影进行检测以验证学习算法检测到的车辆区域的真伪性.针对车辆跟踪,采用动态二阶自回归模型的方法预测车辆的状态.其中,对于粒子滤波固有的粒子退化问题,引入Thompson_Taylor算法改善了粒子退化和低多样性的缺陷.本文的车道检测和车辆跟踪算法能较容易地移植在嵌入式平台,可靠性和准确性较高,且有助于进一步实现车道偏离报警和前向防撞系统.     

基于机器视觉的轻量级驾驶辅助系统

为了解决计算机视觉应用中数据量大、算法复杂的问题,根据道路结构特征和车辆行为特征,采用单个摄像头作为传感器,实现了一种轻量级的安全辅助驾驶系统。首先采用改进的边缘提取算法和车道线检测算法对摄像机内外参数进行离线标定;接着根据标定结果在二维平面图像上采用标识出实际空间距离的多窗口划分方法,并按不同的车间距将不同窗口划分为不同安全系数的区域,以赋予道路视觉检测的几何先验知识;当区域中出现障碍物时发出相应警示信息进行安全驾驶辅助,能为智能辅助驾驶提供轻量级的视觉检测平台。以便携式计算机和固定在车内的摄像头作为实验装置,在城市道路上进行车载实验。系统在车载实验中能够快速地提取车辆两侧的车道线,并利用离线标定的结果快速生成不同安全系数的警示区域,其中车辆在车道内正常行驶时的误检率和漏检率很小,可以忽略不计。与传统的驾驶辅助系统相比,本系统计算量大大降低,检测流程得到简化,可实现轻量级的车道和车辆检测,为系统在嵌入式系统上的实现奠定基础。     

智能无杆飞机牵引车视觉定位算法

为了在智能无杆飞机牵引车中利用单目视觉实时检测牵引车相对飞机前轮的位置信息,实现无杆牵引车与飞机的自动对接,在研究基本几何理论的基础上,建立了一种飞机轮胎的近似几何模型。通过对模型的分析,提出利用飞机轮胎平面图像检测车身相对机轮偏角的算法,以及利用像平面与地平面的坐标映射关系检测车身中线相对机轮偏距的算法。算法仿真结果显示,该基于单目视觉的定位算法具有较高的准确性,可以为系统提供满足精度要求的横向控制参数。     

基于单目视觉的车道线和道路边界同步检测

针对智能车辆视觉导航中的车道保持问题,采用了单目视觉技术检测结构化道路上的车道线和道路边界.详细介绍了标线灰度特性与道路边缘信息的特征提取,并在此基础上结合公路几何线形进行道路模型匹配.算法整体采用初始检测和后继跟踪的循环处理流程,大大提高了实时性和抗噪性.通过CCD测试结果表明,方法能够快速、准确、同步地检测出车道线和道路边界.     

未知环境下单目视觉移动机器人路径规划

针对室内未知环境下的避障和局部路径规划,提出了一种单目移动机器人路径规划算法,该算法通过对环境图像的自适应阈值分割,获取障碍物与地面交线轮廓点集。通过对现有几种单目测距方法的分析比较,提出一种改进的空间几何约束单目视觉测距计算方法,并依据单目测距的几何关系建立了图像坐标系与机器人坐标系的映射,绘建了一定比例的局部地图。在局部地图上通过改进的人工势场算法为机器人规划路径,改进的人工势场算法解决了传统算法目标点不可到达的问题。通过MATLAB进行仿真实验,结果表明该方法可以规划出有效合理的路径。     

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.     

结构光视觉三维点云逐层三角网格化算法

针对结构光视觉恢复的大规模三维点云的可投影特点,提出一种基于投影网格的底边驱动逐层网格化曲面重建算法。该算法首先将点云投影到一个二维平面上;然后基于点云投影区域建立规则投影网格,并将投影点映射到规则二维投影网格上,建立二维网格点与三维点云间的映射关系;接着对投影网格进行底边驱动的逐层网格化,建立二维三角网格;最后根据二维投影点与三维点的对应关系及二维三角网格拓扑关系获得最终的三维网格曲面。实验结果表明,算法曲面重建速度快,可较好地保持曲面细节特征。     

基于计算机视觉的智能小车路径规划

针对危险或者不适合人类活动的场合,构建了基于计算机视觉的智能小车路径规划系统,系统主要实现了图像处理、单目视觉测距、虚拟地图生成、全局路径规划和小车避障等功能。率先提出基于地面颜色和纹理的单目视觉测距算法,并结合小车性能和实际运行环境对蚁群算法进行优化,经过大量实验证实,此设计较其他算法既能满足设计需求,又能大幅提高运行时间。     

基于单目测距技术的道路障碍物检测方法

本文从计算机视觉的角度,对障碍物检测进行了研究。本文将单目视觉系统简化为摄像机投影模型。通过几何关系推导法建立测距模型,获得图像坐标与世界坐标系之间的转换关系,最后实现障碍物距离的测算。经试验证明,本文选用的测距模型的误差在可接受范围之内。     

基于单目视觉的障碍物检测方法研究

为了解决车辆的碰撞问题,提出了一种基于单目视觉的车道标识线二维重建及障碍物检测与跟踪的方法.主要采用最大类间方差法对初始图像进行分割,给出一种新的车道标识线特征点搜索策略,用统计模型的方法获取车道线参数.利用障碍物(前方车辆)在道路中留下的阴影,检测车辆边缘并确认车辆存在,运用卡尔曼滤波方法跟踪车辆具体位置.所设计的方法能够准确地检测跟踪车道线及前方障碍物.实验结果表明:方法满足车辆安全行驶的前提需要,具有较高的准确性和实时性.     

动态船舶行驶场景下的实时单目测距算法研究

为了利用单目视觉实时监测船舶行驶过程中与周围船舶之间的距离,首先分析单目视觉测距现状及其成功应用实例,基于小孔成像原理建立单目相机模型,通过几何推导,得到世界坐标系、相机坐标系、图像坐标系及像素坐标系之间三层坐标转换关系.随后通过实验验证pitch俯仰角与yaw水平角对单目视觉测距的影响程度,从而分析出动态船舶行驶场景...     

智能车视觉导航的道路和前车检测系统

设计了一个基于单目视觉的智能车自适应道路、前车检测系统，主要应用于结构化道路，可以根据输入图像的可见度自动在夜间模式和日间模式间切换。结果表明系统可以在不同可见度下，自动、快速、准确地检测前车。     

车辆超车视觉辅助导航系统研究

为了能够提高行驶速度,保障行车安全,提高行驶环境认知,设计了一个基于单目视觉的车辆自适应道路、前车检测、超车指导系统,其主要应用于双车道结构化道路,而且在晴天与阴天不同天气情况下,车道线以及深色、浅色车辆均可识别,并可跟踪、超越前车。实验结果表明,该系统可以应用于不同环境背景下,该系统已通过了远距离自动、安全、准确地检测,并进行了超越前车的仿真实验。     

基于单目视觉的倒车障碍物测距技术的研究

在摄像头相对障碍物移动距离可知的前提条件下,基于单目视觉的距离测量技术,结合运用有限局域图像快速匹配算法,研究一种可以实时测量后方障碍物距离的增强型倒车影像系统.模拟实验结果表明,所研究的关键技术具有较高的测量精度和较快反应速度,为该系统产品的深入研发和推广应用奠定了良好的技术基础.     

基于限定区域和Hough变换的车道线的检测方法

车道线检测和预警是智能车辆视觉导航系统中的重要组成。为提高检测的实时性,提出一种基于限定区域Hough变换的车道线检测方法。首先利用车道线角度和范围的约束对车道线进行的限定区域划定,然后在区域内检测到符合条件的车线时再进一步建立动态ROI区域,使区域最小化,减少图像空间中被投票的目标点数,缩小Hough变换的投票空间。针对不同的光照情况,根据图像的平均灰度值来设计自适应预处理步骤,提高了算法抗干扰性。实验结果表明,在结构化的高速公路上,算法具有较好的实时性和抗干扰性。     

目标位姿测量中的三维视觉方法

要测量出一组特征点分别在两个空间坐标系下的坐标，就可以求解两个空间目标间的位姿关系，实现上述目标位姿测量方法的前提条件是要保证该组特征点在不同坐标系下，其位置关系相同，但计算误差的存在却破坏了这种固定的位置关系，为此，提出了两种基于模型的三维视觉方法－基于模型的单目视觉和基于模型的双目视觉，前者从视觉计算的物理意义入手，通过简单的约束迭代求解实现模型约束，后者则将简单的约束最小二乘法和基于模型的单目视觉方法融合在一起来实现模型约束，引入模型约束后，单目视觉方法可以达到很高的测量精度，而基于模型的双目视觉较传统的无模型立体视觉方法位移精度提高有限，但姿态精度提高很多。