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。     

车道偏离预警系统关键技术设计

车道偏离系统是一种安全辅助驾驶系统,针对传统车道偏离预警系统实时性不足,设计了基于改进Sobel算法和Hough变换识别车道线的实时车道偏离预警系统。系统将摄像机采集的道路图像经过改进Sobel算法处理,能更快得到车道线边缘像素信息,再应用Hough变换连接有效边缘像素确定车道线位置,最后通过与预警决策模块的匹配度实现车道偏离的预警判定。经测试系统性能良好。     

基于双曲线模型的车道识别与偏离预警

针对车道识别与偏离预警算法在准确性、可靠性和计算效率方面存在的问题,提出一种基于双曲线模型的车道识别与偏离预警算法。首先,在图像预处理基础上通过特征点搜索筛选道路边缘点,采用双曲线构建道路模型,利用最小二乘原理拟合道路参数,再根据拟合车道线及邻近点信息构建车道置信度函数,将置信度大于设定阈值的车道线作为最终检测结果;然后,根据相邻帧车道线连续变化的特点,在前帧拟合道路线附近使用粒子滤波算法进行道路边缘点筛选、拟合以及置信度计算,实现对车道线的跟踪;最后,在图像坐标系中建立时空联合预警模型,对车道偏离行为进行预警。在PC平台上进行的算法实现与道路实验结果表明:所提方法在一般路况下,具有92%的车道识别和偏离识别正确率和40ms/帧的平均处理速度,满足车道偏离预警应用要求。     

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。     

人机共驾智能车辆车道偏离横向辅助控制仿真

车道偏离辅助控制对于提高人机共驾智能车辆行驶安全性具有重要的现实意义,为此进行人机共驾智能车辆车道偏离横向辅助控制仿真研究.对车道线进行识别与跟踪,并采用基于车辆当前位置和基于车辆跨越车道线时间的联合算法进行智能车辆车道偏离判断;建立车辆系统模型和驾驶员模型,并通过基于转向和制动的可拓联合方法实现车辆偏离的横向辅助控制.实验结果表明,所研究方法在转向反应时间、车道偏离持续时间、最大转向角速度与最大横向偏离量四个指标的表现上更好,人机共驾智能车辆车道偏离横向辅助控制效果更佳.     

基于机器视觉的车道偏离预警系统的实现

目前高速公路上由于车道偏离而导致的交通事故造成了巨大的损失,从而使得车道偏离预警系统的研究成为了社会的一大热点.本文基于DSP计算和FPGA计算,构造出一套基于视觉的车道偏离预警系统.本文给出了系统的框架结构以及硬件实现方式,并基于所提出的系统详细研究了视觉系统中大容量数据的传输、存储和处理等问题.最后,基于构造的系统,通过一系列典型的视觉处理算法和应用于车道跑偏决策的软件算法,验证了系统的可行性.     

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。     

基于视频的高速车道偏离预警系统

在驾驶过程中发生非意识车道偏离时,偏离预警系统采用报警方式保障行车安全。针对高速公路频发的车道偏离事故,设计和实现了基于视频处理的高速车道偏离预警系统(Highway Departure Warning System,HDWS)。算法处理上,分别进行感兴趣区域(Area of Interest,AOI)设定、图像预处理和Otsu自适应阈值二值化,应用直线模型和改进Hough变换提取车道线,采用像素距离与车道线斜率信息融合的偏离决策,并在MATLAB R2015a上仿真测试。仿真结果表明,该系统能提前1.2 s报警,准确率高于95%,漏报率低于3%,满足高速道路环境下偏离预警性能要求。     

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.     

基于TMS320DM6437的车道偏离报警系统设计

据统计约有50%的汽车交通事故是因为汽车偏离正常的行驶车道引起的,如果在驾驶员无意识偏离原车道时提前预警,则可以大大减少因车道偏离引发的碰撞事故。因此,本文以TI公司推出的达芬奇系列多媒体图像处理器TMS320DM6437为核心,设计了一套嵌入式车道偏离预警系统。本文给出了车道偏离预警系统的结构及工作原理,阐述了硬件设计和软件设计实现方法。实验证明,该系统具有较好的实时性和较高的车道偏离预警准确率,能够满足车道偏离预警要求。     

基于光流法的快速车道线识别算法研究

为提取无人驾驶车前方车道线信息,提出一种使用光流法的快速车道线识别算法。首先,根据连续视频帧之间的时间相关性,运用光流法检测车辆前方背景的相对移动。然后,利用车辆背景中特征点的移动方向和距离,对本帧图像中车道线的位置进行粗略定位,从而缩小本帧图像中车道线的检测区域,加速车道线识别算法。最后,通过对车道线像素点的处理,给出车道线类型信息。该算法提升了车道线检测算法的效率,降低了复合算子车道线检测算法的时间复杂度。在720*480像素下,算法实现了13.5Hz的处理速度,相较仅使用复合算子的处理算法提升了39.6%的处理速度,且算法检测效果良好。实车实验证明了算法的有效性和实时性。     

基于车道标线分解的车道检测

利用图像处理技术,提出了一种基于车道标线检测的自动车辆驾驶控制方法。针对公路上车道标线的图像特征,将图像平面的车道标线分割为下标线(LLM)和上标线(ULM),研究了它们的性质。在此基础上,提出了基于车道标线分解的车道检测新方法。实验结果表明所用方法能有效提取用于车辆驾驶控制的车道状态参数。     

梯形视野结构化道路视觉识别方法研究

本文对基于机器视觉的路径识别方法进行了研究。通过对采集的路面图像进行中值滤波、边缘增强、动态阈值二值化,获得良好的路标图像。根据道路特征识别出道路标识线,并拟合出车辆运动的引导线。使用梯形小视野直线拟合法,减少图像处理时间和提高道路识别的可靠性。通过自制小车的实验表明,该算法具有良好的实时性、可靠性。     

基于最优阈值和Hough变换的车道线检测方法

针对智能车辆视觉导航系统中的车道保持问题,采用图像处理技术检测结构化道路上的车道线。详细介绍了图像的灰度特征,并在此基础上选取感兴趣的道路区域,通过最优阈值对道路区域进行边缘检测,再结合Hough变换技术检测当前车道线。实验表明用结合最优阈值和Hough变换来检测车道线具有很强的鲁棒性和抗干扰性。     

面向复杂城市交通场景的一种实时车道线检测方法

车道线检测是智能交通监控及自动驾驶的基础步骤,为提高其鲁棒性和实时性,针对复杂城市交通场景中自动驾驶需要检测车道线的需求,提出了一种实时车道线检测算法,首先运用改进灰度化变换突显车道线的特征,并通过改进的Gabor滤波算法增强车道线的边缘信息;最后采用多约束霍夫变换筛选得到平行车道线从而实现实时车道线检测。实验表明,该方法在三种不同真实的交通道路场景下,提高了车道线检测精度及处理速度,可应用于实时车道线检测系统。     

Predictive virtual lane method using relative motions between a vehicle and lanes

We propose a new approach for virtual lane prediction. The main contribution of the proposed method is that the predicted virtual lane can be substituted for lane detection using a camera sensor when the camera image processing fails to detect the lane. The proposed method generates the predicted virtual lane using the relative movement between a vehicle and a lane. To predict the lane, a third-order polynomial function of the longitudinal distance is used as a lane model. Each coefficient of the lane polynomial function at the next sampling time is geometrically calculated using the relative movement of a vehicle, the lanes, the longitudinal velocity and the yaw of the vehicle at the present time. Then, the predictive virtual lane at the next sampling time is obtained without the lane information from the camera sensor at the next sampling time. The proposed method is simple enough that it is suitable for real implementation. The performance of the proposed method was evaluated via experiments with a test vehicle.     

Experiment and analysis on microscopic characteristics of pedestrian movement in building bottleneck

In this paper, evacuation experiments are carried out to study pedestrian movement behaviors in building bottleneck. An image processing method based on mean-shift algorithm is used to extract pedestrian movement trajectory. Based on the extracted trajectory, we analyze the microscopic movement characteristics of pedestrians such as lane formation, change of velocity and distance between two sequential pedestrians. A pedestrian lane is a group of pedestrians moving in a column. The lane formation is verifie...     

基于改进概率霍夫变换的车道线快速检测方法

车道线是行车安全的重要参考。为提高无人驾驶行车过程中车道线检测的准确性和实时性,提出一种基于改进概率霍夫变换的车道线快速检测方法。首先对获取的图像进行感兴趣区域提取,根据车道线颜色的特殊性,合理选取三色通道的比值对图片进行灰度化,为增强阈值处理的鲁棒性,采用大津二值化法对灰度图像进行二值化,由于Canny算子具有良好的定位边缘的能力,本次边缘提取算子选取为Canny。接着分别从车道线长度、角度、车体和车道宽度4个方面提出4点约束条件对该算法加以改进,剔除干扰线和伪车道线,最后通过线性回归法拟合出正确车道线。实验结果表明,该算法在快速检测车道线的同时保证了检测的准确率,并将实验结果与其他算法进行比较,证明了该算法的实时性和准确性优于其他算法。     

基于机器学习的车道线检测系统仿真与优化

真实的道路行驶环境是复杂多变的,会对车辆识别算法造成较大干扰。为准确识别车道线,提高车道线检测算法的实时性和鲁棒性,进行了多方面的改进。首先对采集到的图像进行预处理,包括图像灰度化、45°sobel算子边缘检测和二值化处理等,获得高质量图片。其次采用改进的Hough变换进行车道线识别和优化,提高检测结果的准确性,促进检测有序进行。最后通过最小二乘法对结果进一步优化,以期得出更加精确的车道线。实验结果表明:改进后的算法可以较为准确的识别车道线,具有较强的实时性、鲁棒性和准确率。