基于单目视觉传感器的车距测量与误差分析

为了解决结构化道路上基于单目视觉的运动车辆车距测量问题,从针孔模型下摄像机成像的基本原理出发,推导出基于图像中车道线消失点的车距计算公式.车距测量结果只与图像中的近视场点到摄像机的实际距离有关,而无需对所有的摄像机参数进行标定.分析了车距测量中的误差因素,并在前方道路上设置已知距离的横向标线,完成了摄像机不同安装高度、俯仰角及方向角情况下的标线距离测量实验.通过与实际距离比较发现,摄像机安装高度与方向角的微小变化对车距测量的影响可以忽略,而摄像机俯仰角的变化将引起较大的车距测量误差.最后,完成了不同距离处前方车辆车距测量实验,实验结果表明:采用上述方法的车距测量相对误差小于3％,具备了较高的检测精度.     

基于双目立体视觉的汽车安全车距测量方法

汽车安全车距测量作为智能交通系统的一个重要分支是近年来的研究热点.本文阐述了双目立体视觉的原理,提出一种应用于高速公路上的安全车距测量方法.该方法根据目标车辆在左右摄像头所获的图像中对应的不同坐标,利用公垂线中点法计算出目标车辆到摄像头的距离.实验结果表明:该测距方法测量范围广,对远距离测量也适用;测量精度能满足智能交通中车辆安全距离测量的实际需要,是一种有效的前方车距测量方法.     

基于单目视觉的纵向车间距检测研究

提出了一种在结构化公路上基于单目视觉的纵向车间距的检测方法;利用Hough变换识别两侧车道标识线,确定前方车辆识别区域,检测并跟踪本车道内的前方车辆,在传统的静态单帧图像测距模型的基础上,建立了一种改进的静态单帧图像测距模型,并实现了纵向车间距的测量;实验结果表明,该方法能够实时识别跟踪前方车辆,准确检测纵向车间距,其测量值与真实测量值相比较,误差比较小,测量精度较为准确,完全能够满足实际测距要求,是一种非常有效的纵向车间距检测方法,具有较强的通用性。     

基于无线通信的车辆主动防撞预警系统设计

提出了一种基于无线通信的车辆主动防撞预警系统,利用梯度方向直方图特征与支持向量机配合单目测距模型实现前方车辆的实时检测与测距,并利用传感器无线通信网络获取相对车速信息,最后根据相对车距与相对车速配合TTC预警模型实现碰撞预警。试验结果表明,系统平均处理时间100ms,车辆检测准确率95%,单目测距误差小于±4m,实现了实时、准确的车辆预警。     

基于机器视觉的智能驾驶车辆识别及测距研究

针对当前智能车辆辅助驾驶系统环境感知中目标识别存在的精度与实时性问题,对目标车辆识别定位及车距测量方面进行研究。通过YOLOv5算法对摄像头获得的图像进行检测,得到图像坐标,再用测距算法求出前方车辆的距离。在实际试验中证明了该算法基本满足智能驾驶的精度和实时性的要求。     

基于单目视觉的前方车辆检测与测距

针对智能车辆控制中的防碰撞问题,提出一种新的前方车辆检测与测距方法。采用多尺度分块二值模式与Adaboost提取车辆候选区域,根据候选区域内的水平边缘和灰度特征去除车辆误检,解决分类器检测过程中路面和绿化带的干扰问题。利用改进的车辆底部阴影定位方法获得车辆准确位置提高测距精度,建立基于位置信息成像模型的车距测量方法,测量前方车辆距离。实验结果表明,该方法在不同天气情况下车辆平均检测率为98.42%,车距测量平均误差为0.71 m。     

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.     

基于视觉传感器的道路前方车辆模型研究

车辆几何模型是基于视觉传感器的车辆检测系统的重要部分。为了提高前方车辆检测的鲁棒性,利用车尾轮廓的几何特征构建了世界坐标系的车尾模型,通过坐标系变换给出了视觉传感器坐标系的车尾模型,进而导出图像车尾模型,并给出了车尾模型参数的表达式及其与现实世界中车尾几何参数的对应关系,明确建立了图像中车辆位置和大小的关系。实验表明:将该模型应用于车辆检测可以抑制图像中不符合车辆透视关系的错误识别,能有效提高车辆检测的鲁棒性。     

基于特征模型驱动的前方车辆检测

为了准确地探测出前方车距,必须先检测出前方车辆的大概位置,对国内现有的车辆位置检测方法进行了大量的研究;充分分析了前方车辆的先验特征模型的基础上,提出了一种基于机器视觉模型驱动的前方车辆目标检测方法,主要包括以下步骤:首先基于目标的边界特征和灰度信息熵等对目标进行初步探测,建立目标感兴趣区;然后基于前方车辆的灰度对称特征进行目标确认,提出了一种新的对称性测度,并利用该对称性测度检测出车辆的对称轴;最后在图像序列中,利用线性预测方法对目标进行跟踪;可以准确地获得前方车辆的矩形轮廓.     

基于图像处理的车辆防偏防追尾预警系统研究

针对交通事故的不断上升,设计一种基于图像处理的车辆防偏防追尾预警系统。首先利用改进的Hough变换检测出前方车道线并进行预警决策;然后在此车道区域内根据车底部阴影的梯度特征确定前方可能存在的车辆区域,通过卡尔曼滤波器跟踪检测到的目标,并利用归一化转动惯量做车辆验证;最后根据世界坐标系和图像坐标系之间的几何映射关系测定与前车的距离,进而与计算得出的安全距离对比从而实现报警功能。实验结果表明,该系统能够有效的识别出车道线和车辆,并能很好的判断车道线偏离情况和测量车间距,从而实现预警输出。     

基于单目视觉的车辆下边沿估计和逆透视变换的车距测量

前方车辆测距在自动驾驶汽车技术领域中起着至关重要的作用。针对目前基于单目视觉的车辆测距技术忽略了车辆与地面相接的下边沿问题,提出一种基于车辆下边沿估计和逆透视变换的单目视觉测距方法,实现了对前方车辆进行横向和纵向的高精度车距测量。该方法首先通过对车辆关键点估计和几何关系模型完成对车辆下边沿的估计,然后从中计算测距关键点,再利用基于点的逆透视变换测距模型进行距离计算。实验结果表明,与其他基于单目视觉的车辆测距方法相比,该方法提高了测距的精度和稳定性。     

Design and research of automobile anti-collision warning system based on monocular vision sensor with license plate cooperative target

At present, detection method for the target vehicle based on monocular vision sensor uses the whole vehicle as targets. The automobile anti-collision technology proposed in this paper adopts monocular vision sensor for automobile measurement based on vehicle license plate cooperative target. Monocular vision sensor has advantages of good real-time performance and low cost. The technique can improve the detection capability of vehicle collision avoidance warning systems. In addition to the target vehicle positioning, it can also realize attitude determination. This technology eliminates the limits of road surface roughness and fluctuation. This paper designs the realization scheme of collision warning system based on monocular vision sensor from the automobile license plate cooperative target. Technology roadmap of automobile collision warning system is given. In this paper, license plate frame location is as the research background. The paper presents an analytic solution of positioning method for the license plate frame image. The method uses four vertex characteristics of license plate frame image to locate. Positioning speed of the method is fast. And it has a unique solution. This method can be used to positioning for the license plate frame. Simulation experiment is done for the collision warning location. The simulation results show that this method can locate the position for license plate frame image. License plate is regular shape, uniform, with identity recognition function markers on the automobile body. In the previous research on automotive collision warning and intelligent vehicle, we have not seen the research methods similar to the method introduced in this paper. The research enriches automobile anti-collision technology and theory of intelligent vehicle technology. It can also provide an auxiliary method for navigation and obstacle avoidance research for unmanned vehicle. It has certain scientific significance. Vehicle collision warning system can help the driver judgment, prompting warning, improving driving safety, and has broad application prospects.     

基于单目视觉的高速公路车道保持与距离测量

汽车智能辅助操作系统是智能交通系统的重要组成部分，也是目前国际上的热点问题．基于计算机视觉技术的车道保持，即视觉导航是辅助操作系统的核心问题之一．该文提出一种基于单目视觉的公路分道线二维重建算法和距离测量算法．其基本思想是根据分道线灰度与几何特征建立约束方程，进而跟踪提取分道线，并用二维模型重建，在此基础上，首先获得车道保持的必要道路参数，然后在二维重建的基础上，进一步实现了基于分道线几何约束的单目测距算法．在四川省与重庆市的高速公路上的实验证明，车道保持算法的实时性与精确性已基本满足实用要求；单目测距算法的精确度也能满足安全行车防止碰撞的需要．     

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...     

自适应B样条小波函数模糊距离测量方法

目的 双目测距和单目测距是目前常用的两种基于光学传感器的测距方法,双目测距需要相机标定和图像配准,计算量大且测量范围有限,而单目测距减少了对设备和场地的要求,加快了计算时间。为了解决现有的单目测距方法存在精度低、鲁棒性差等缺点,本文提出了一种基于单模糊图像和B样条小波变换的自适应距离测量方法。方法 引入拉普拉斯算子量化评估图像模糊程度,并根据模糊程度值自动定位阶跃边缘;利用B样条小波变换代替高斯滤波器主动模糊化目标图像,并通过分析图像模糊程度、模糊次数以及测量误差之间的关系模型,自适应地计算不同景物图像的最优模糊次数;根据最优模糊图像中阶跃边缘两侧模糊程度变化求解目标边缘和相机之间的相对距离。结果 本文方法与基于高斯模糊图像的距离测量方法相比精度更高,平均相对误差降低5%。使用不同模糊次数对同样的图像进行距离测量时,本文算法能够自适应选取最优模糊次数,保证所测量距离的精度更高。结论 本文提出的单视觉测距方法,综合了传统的方法和B样条小波的优点,测距结果更准确,自适应性和鲁棒性更高。     

基于深度学习的四旋翼无人机单目视觉避障方法

针对无人机避障问题，提出一种基于深度学习的四旋翼无人机单目视觉避障方法。首先通过目标检测框选出目标在图像中的位置，并通过计算目标选框上下边距的长度，以此来估量出障碍物到无人机之间的距离；然后通过协同计算机判断是否执行避障动作；最后使用基于Pixhawk搭建的飞行实验平台进行实验。实验结果表明，该方法可用于无人机低速飞行条件下避障。该方法所用到的传感器只有一块单目摄像头，而且相对于传统的主动式传感器避障方法，所占用无人机的体积大幅减小。该方法鲁棒性较好，能够准确识别不同姿态的人，实现对人避障。     

融合道路图像关键信息的车距视觉测量方法

提出了一种融合道路图像关键信息的纵向车距视觉测量方法,在道路成像平面内建立了基于车道平面约束的视觉测距模型,运用边界约束Hough变换采集两侧道路标识线的斜率、聚点坐标以及车道宽度信息,自动求解视觉传感器的高度及俯仰角等测距参数。选取双通道Gabor滤波器提取目标车辆的5尺度8方向特征样本,联合AdaBoost分类器与级联Cascade筛选有效特征,快速精确提取目标特征点的坐标参数。实验结果表明,视觉测量值与实测值的绝对误差平均值为1.37 m,相对误差平均值为2.38%,测距平均耗时32 ms,与传统测距方法相比较,测量精度和实时性均得到了提高,适合于汽车主动防撞安全系统中应用。     

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。     

基于进化优化与增强特征的车辆识别研究

提出了一种基于雷达和视觉传感器融合的实时车辆检测和识别系统。雷达数据用来测量前方车辆的距离和缩小图像中车辆尾部的搜索区域。利用视频传感器,可以验证雷达目标和确定车辆的宽度及横向位置。所做工作如下：第一,提出了一种新的进化优化对称测度方法;第二,阐述了一种车辆检测和识别算法,此算法包括两个步骤：（1）利用基于一组Haar滤波器和AdaBoost学习算法检测器的生成假设;（2）利用进化优化与生物机制车辆识别系统的验证假设。第三,利用经典的混淆矩阵及宽度和横向位置的准确度信息来对系统的性能做出评价。实验训练和测试了超过30 000幅图片,结果表明本系统具有良好的鲁棒性和实时性。