远程交通微波传感器中的门限检测算法

为了确保远程交通微波传感器的测量精度,在信号的恒虚警处理技术以及车道自动识别的基础上,提出了一种分车道门限检测算法.根据车辆位置的概率密度函数,对车道进行自动识别,在此基础上对车道进行划分,在划分的各个车道上设定恒虚警门限,并设置第二门限,对检测结果进行判决.实验结果表明,该方法能够正确的检测各车道内的车辆目标,且有效减小"零信号"对车流量检测的影响.     

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.     

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。     

实值离散Gabor变换用于雷达信号的表示

针对雷达在检测弱目标能力的不足,基于雷达信号与噪声的实际模型,为构建基于实值离散Gabor变换的移动目标检测系统(MTD),提出了一种基于实值离散Gabor变换(RDGT)的快速的雷达信号Gabor表示算法.基于DCT的实值离散Gabor变换是一种重要的联合时频域分析工具,文中采用基于DCT的实值离散Gabor变换的算法对雷达信号进行Gabor域表示,并给出了一些仿真实验来验证算法的有效性.仿真结果表明该算法能够将被白噪声污染的不同多普勒频率不同到达时间的雷达目标回波信号在联合时频域中进行有效地区分.     

一种快速的公交专用车道检测方法

为了提高车道线检测的准确性和实时性,提出了一种快速准确的车道线检测方法。首先根据道路的纹理特征求出道路的消失点,再采用改进的Hough变换检测出车道线,结合车道线的一些特征以及摄像头的参数,在不影响测量结果的情况下缩小检测空间,快速准确地检测道路的车道线,并结合BRT车道(快速公交车道)的一些特征识别车辆所在车道是否为BRT车道,从而实现对BRT车道内前方车辆的监督。将代码移植到DM6437平台,实验结果表明,该方法具备较好的实时性和鲁棒性。     

试飞机载测试系统一体化验证平台的设计与实现

为提高智能车对多车道的实际道路车辆行驶环境的适应性,提出了一种基于三车道模型的车辆检测方法。方法在预处理的基础上利用极角及位置约束的Hough变换得到可能的车道线信息并利用消失点对车道线进行筛选;利用三车道四线模型对车道线进行匹配;对于每条车道,分别利用车辆灰度信息对车道线内车辆进行识别,并利用视频的连贯性对车辆识别结果进行修正并跟踪车辆。该算法通过对车道线的二次筛选,提高了三车道模型的准确率,进一步提高了对于不同车道车辆识别的正确率。实验结果表明,在结构化道路上,对于不同路况,算法均具有较好的实时性和鲁棒性。     

基于CFAR和摆角自修正多目标交通雷达算法优化

基于FSK体制多目标交通雷达进行了多目标检测算法的相关研究与优化。多目标检测时,采用恒虚警检测方法设置自适应检测门限进行处理。同时,对于由雷达安装摆角引起的系统抓拍性能下降问题,采用基于样本统计特性的雷达摆角自修正算法,提高了目标检测率以及场景适应性。实际道路测试表明,多车道、多目标的有效抓拍率达到95%,具有很好的多目标监测效果。对于多目标交通雷达推广应用具有很大的现实意义。     

一种混合式机场跑道异物监测系统的研究与实现

为改变传统人工监测机场跑道异物方法的不足,提出了一种基于雷达探测与视频辅助识别的混合式机场跑道异物监测方法,并基于此种方法设计了机场跑道异物安全检测系统.分析了机场异物跑道监测要求,介绍了监测系统的工作原理和构成,详细阐述了雷达子系统、视频摄像子系统、控制中心等核心子系统的设计思路和实现方法,并对监测系统的测试情况进行了详细描述.测试结果表明,该系统能够有效检测出跑道中摆放的异物,实现了异物检测的功能.     

高分辨雷达信号的平移不变KPCA特征提取算法

研究高分辨雷达信号特征提取,针对传统提取平移不变特征存在信息损失量大、识别的准确率低的问题,提出了一种平移不变KPCA特征提取算法。首先计算高分辨雷达信号的原点矩,并在低信息损失的前提下利用高分辨雷达信号相对原点矩的位置来描述原信号,从而消除高分辨雷达信号的平移敏感性。然后结合KPCA特征提取算法得到平移不变的特征信号。最后应用SVM分类器对特征信号进行分类识别。实验证明,改进算法识别率高于雷达目标识别系统中的传统特征提取算法,略低于KPCA特征提取算法,且在常用雷达探测距离内都能够保持较高的识别率。     

汽车防撞雷达的目标识别

提出了一种降低雷达虚警率的解决方法。从波束的限制到波形的选择,对如何快速准确地采集目标信息进行了分析,为减少路面、防护栏或旁车道车辆所造成的干扰,采用FSK LFM方式的雷达波形处理多目标问题,算法快速方便,提高汽车防撞雷达的性能。