改进的道路区域和车道线识别技术应用研究

由于车辆在行驶中会遇到不同路况,从而使得道路检测成为一个难题,为此,本文提出一种应用方向可调滤波器进行车道检测的方法。方向可调滤波器解决了光线变化及阴影对车道线检测的影响,能有效强化车道线信息,去除图像噪声,通过试验验证这种算法能够稳定地对车道线进行识别,准确提取车道线参数,实时性很高。     

基于车道线斜率的车道偏离检测

针对结构化道路上运动车辆的车道偏离检测问题,采用单目视觉作为感知手段,分别从针孔模型下摄像机成像的空间几何关系和图像中车道线消失点的位置特点两个方面出发,推导出车辆直行情况下车道偏离率与两侧车道线斜率比之间的简单函数关系,该函数与摄像机内外参数无关。同时完成了在摄像机不同方向角下的车道偏离率测量试验,结果表明由于行车方向瞬时变化引起的摄像机方向角微小改变对车道偏离检测的影响可以忽略。道路现场试验结果表明,上述视觉测量方法得到的车道偏离率与手工实测结果相比,其相对误差小于5%。基于车道线斜率的单目视觉检测方法避开了繁琐的摄像机参数标定过程,达到了较高的车道偏离检测精度。     

结合Hough变换与Kalman滤波的车道线检测方法

车道线检测是智能驾驶系统的重要组成部分,它提供了车辆与车道位置关系的信息.针对智能车辆驾驶系统在视觉导航过程中车道线检测的精确性和鲁棒性的问题,提出一种有效的车道线检测方法.首先对原始RGB图像分别进行感兴趣区域设定、逆透视变换、灰度化和阈值处理;然后进行霍夫变换处理,利用斜率和中心点位置筛选检测结果;最后利用卡尔曼滤波对检测到的线段进行跟踪,预测当前车道线位置.实验结果表明,该算法能够有效解决图像中车道线不清晰以及一些干扰遮挡的问题,车道线检测准确率可达94%,具有较好的准确性、鲁棒性和较低的计算复杂度,有利于实时性检测系统的构建.     

基于移动机器视觉和多维图像特征的道路交通流检测方法研究

本文提出一种基于移动机器视觉的多维图像特征的道路交通流检测方法,使用搭载相机的无人机在空中获取图像,再用特征提取的方法将图像降维,使用车辆跟踪算法实现车辆检测与跟踪,结合混合高斯背景建模、中值滤波等图像处理算法对图像进行处理后,通过视频中的虚拟检测线、检测框并结合相应的交通流参数算法,实现对断面流量、车速、多车道车流等交通流量检测。     

Hough变换和最小二乘拟合的车道线协调检测

针对车道线检测的实时性和鲁棒性要求,借助车道线参数置信区间和Kalman滤波器,采用基于Hough变换的车道线参数全局提取和基于最小二乘拟合的车道线参数局部小窗口提取相协调的方法对车道线进行检测.通过设定车道线感兴趣区域,利用改进快速中值滤波、车道线特征滤波、梯度方向角直方图筛选和车道线连通性分析等图像预处理算法削减图...     

基于机器视觉的车道线在线识别系统设计

针对目前车道线识别系统因处理对象为离线图像或视频文件而难以实现车道线在线识别的问题,大多数车道线识别算法为了减少图像处理运行量,通常选取固定的兴趣区域（region of interest,ROI）进行处理,导致难以适应环境的动态变化且存在不同程度的识别误差。为此,提出了一种基于机器视觉的不设定兴趣区域的车道线在线识别系统。首先,利用VBAI（Vision Builder for Automation Inspection）平台对实时采集的彩色道路图像进行预处理,完成彩色图像的灰度化、滤波及二值化处理。然后,建立图像坐标系,并构建多条向外发散的灰度值采集线,灰度值采集线与车道线相交处的灰度值会发生较大改变,当某点的灰度值高于设定的灰度阈值时,记该点为边缘突变点。接着,借助直线拟合算法对所有车道边缘突变点进行拟合以完成车道线识别,并求解两侧内车道线的远方消失交点坐标和车辆行驶偏离车道中心线的相对航偏角,当相对航偏角超过不同等级的安全阈值时,系统人机交互界面的提示框呈现不同的颜色以进行提醒或预警。最后,借助LabVIEW进行API（application programming interface,应用程序接口）脚本调用,实现图像处理程序的连续运行与车道线在线识别。试验结果表明,所提出的车道线在线识别系统的识别准确率达98.41%以上,相对航偏角的测量误差小于0.056°,图像处理速度达42帧/s以上,兼具识别的准确性与实时性。综上可知,基于机器视觉的车道线在线识别系统可有效识别出不同环境路面的车道线,并实现行驶偏离预警,可将其应用于基于自动驾驶技术的车道保持辅助（lane keeping assist,LKA）系统。     

基于混合暗通道算法的图像去雾研究

基于混合暗通道算法对图像去雾进行了研究。首先通过阈值划分混合暗通道,混合暗通道为近景区域和远景区域之和,最大化相似度评价函数获得混合暗通道微调系数;接着通过像素点与区域中心点的暗通道光强差值实现近景区域去雾,远景区域去雾规则是通过像素的膨胀、腐蚀实现;最后给出了算法流程。实验仿真显示该算法去雾图像视觉比其它算法的效果好,定量分析指标较优。     

基于混合远景和近景区域暗通道算法的图像去雾研究

为了提高图像去雾效果,提出混合远景和近景区域暗通道算法。首先建立远景和近景区域暗通道,为近景区域最小值通道和远景区域最小值通道之和,不同区域设置不同的调节系数;接着估计大气光值,通过混合暗通道远景区域的前50个像素点颜色值的平均值获得,增设校正系数;然后导向滤波,采用自适应滑动窗口优化透射率;最后给出了算法流程。实验仿真显示所提算法去雾图像视觉效果较好,定量分析指标对比度、可见边对比度值较优。     

基于视频的车辆检测在交通噪声预测中的应用

目前交通噪声预测使用的FHWA模型在实际应用以人工方式来统计通过的车辆数和车型,人工成本高,统计值容易产生偏差。通过引入检测线上发生改变像素的连接程度,提出基于中介度量理论和车辆长度信息的车辆检测算法,利用先进的图像处理和模式识别等技术,自动的获得道路通过的车辆数和车型,车辆检测结果可与FHWA预测模型有效结合。从实验结果可以看出,算法达到了很好的效果,为FHWA模型提供了准确的车流量数据。     

多传感器融合的智能车定位导航系统设计

车辆定位导航系统实时、准确获取车辆位置对实现智能驾驶具有重要意义。针对传统定位导航系统存在的精度低、成本高、鲁棒性差等问题，基于GPS/INS(global positioning system /inertial navigation system,全球定位系统/惯性导航系统)、机器视觉和超声波雷达技术，设计了一种多传感器融合的智能车定位导航系统，旨在实现智能车在简单、结构化道路环境下的自动驾驶。利用GPS/INS技术实现智能车地理坐标获取，利用机器视觉技术实现智能车前方车道线检测，利用超声波雷达技术实现道路边沿检测，并对地理坐标、车道线和道路边沿数据进行深度融合，实现车道级定位导航。最后，进行了智能车定位导航现场测试，结果表明该系统满足车道级定位导航性能要求。研究结果表明，在简单、结构化道路环境下，多传感器融合的智能车定位导航系统结构简单，实际运行状况良好，可极大提高定位导航精度。     

基于视觉的驾驶机器人导航技术

对驾驶机器人的视觉导航技术进行了研究,提出了一种快速可靠的车辆引导线检测算法.该算法首先对感兴趣的移动窗口进行有条件的边缘检测,进而引入了梯度方向直方图的处理思想,制定了车辆引导线边缘候选点集与有效点集的筛选算法,最后,通过所提出的一种基于标量化处理Kalman滤波方法实现了引导线特征参数的快速准确提取.试验表明,本文提出的检测算法能够满足复杂路况下的导航需要,具有30ms/帧的实时处理速度.     

自然环境下路面裂缝的识别

论文提出了一种基于分数阶微分和图像形态学的路面裂缝检测算法。分数阶微分能有效增强信号中、高频部分,非线性保留信号的低频部分,通过构建分数阶微分掩模算子,增强裂缝信息特别是平滑区域中弱信号信息。利用图像形态学算子提取裂缝,通过组合中值滤波去除孤立噪声点。实验结果表明,该算法比传统算法能更有效地检测出细小裂缝信息,是一种具有较强鲁棒性且高效实用算法。     

Environment classification and hierarchical lane detection for structured and unstructured roads

This study presents a hierarchical lane detection system with the ability to deal with both structured and unstructured roads. The proposed system classifies the environment first before applying suitable algorithms for different types of roads. Instead of dealing with all situations with one complicated algorithm, this hierarchical architecture makes it possible to achieve high accuracy with relatively simple and efficient lane detection algorithms. For environment classification, pixels with lane-marking colours are extracted as feature points. Eigenvalue decomposition regularised discriminant analysis is utilised in model selection and maximum likelihood estimation of Gaussian parameters in high-dimensional feature space. For structured roads, the extracted feature points are reused for lane detection. Moving vehicles that have the same colours as the lane markings are eliminated from the feature points before the authors perform angles of inclination and turning points searching to locate the lane boundaries. For unstructured roads, mean-shift segmentation is applied to divide the scene into regions. Possible candidate pairs for road boundaries are elected from the region boundaries, and Bayes rule is used to choose the most probable candidate pairs as the lane boundaries. The experimental results have shown that the classification mechanism can effectively choose the correct lane detection algorithm according to the current environment setting, and the system is able to robustly find the lane boundaries on different types of roads in various weather conditions.     

基于车载16线激光雷达的障碍物检测方法

针对目前车载16线激光雷达点云数据中障碍物检测算法准确率不高的问题,提出了一种基于自适应网格聚类的障碍物检测方法。首先,结合八叉树与随机抽样一致性算法(RANSAC)去除地面点;其次,投影点云至二维网格,依据各网格高程信息快速提取高结构物;然后,建立两级网格模型,按照粗网格聚类结果的分布信息自适应地确定子网格分辨率,对可能包含多目标的障碍物在子网格层进行准确检测;最后,结合相邻时刻障碍物的状态信息修正检测结果。在16线激光雷达城市道路环境测试集下的实验结果表明:该算法可准确检测行驶区域内障碍物目标,优化后的聚类算法较好地降低了欠分割与过分割错误率,检测准确率达91%。     

基于UG/Motion重型货车主副弹簧悬架动力学仿真分析系统的构建

摘　要：提出了一种基于UG/Motion构建重型货车主副弹簧悬架动力学仿真分析系统的新方法,并应用该方法开发出了相应的软件原型系统。基于两自由度1/4车辆虚拟样机模型,原型系统的仿真分析模块可方便、快捷的实现虚拟样机模型主要设计参数的修改及基于谐波叠加法各种标准等级时域路面不平度的模拟生成。仿真分析模块通过调用UG/Motion集成的RecurDyn解算器来获取仿真分析结果,通过集成Matlab的绘图功能对分析结果进行输出查看;系统的遗传优化设计模块以整个载荷范围内悬挂质量加速度均方根值最小为目标函数,可对悬架的阻尼系数、主副弹簧刚度比和临界载荷比进行了动力学优化。通过一个设计实例验证了原型系统构建的正确性及遗传优化设计模块的有效性。     

Image tracking of motorcycles and vehicles on urban roads and its application to traffic monitoring and enforcement

Abstract

Image tracking has increasingly gained attention for use in vision‐based traffic monitoring and surveillance applications. For many cities in Asia countries, it is desirable to detect multiple motorcycles as well as cars for urban traffic monitoring and enforcement. In this paper, a novel contour initialization and tracking algorithm is presented to track multiple motorcycles and vehicles at any position on the roadway. This method has the capability to detect moving vehicles of various sizes and to generate their initial contours for image tracking. The proposed method is not constrained by lane boundaries or vehicle size. To track vehicles on roadways, dynamic models are designed to predict the horizontal and vertical positions of vehicle contours. A Kalman filter is designed to update the prediction based on real‐time image measurement. Practical experimental studies using video clips are presented to evaluate the performance of the proposed method. Traffic parameters such as traffic flow, vehicle speeds and traffic density are obtained with satisfactory accuracy.     

基于机器视觉的车距检测系统设计

为了探测前车车距,采用机器视觉方式,以 CCD构造单目成像系统采集前车图像,以检测车牌在图像中像素的数量方式实现车距的测量。系统以单目摄像头的成像模型,通过物像位置关系及大小关系,建立车牌图像与车距信息之间的模型;以CCD成像原理,建立车牌图像与传感器像元像素之间的模型。由此构建测距检测算法模型。采用MATLAB软件平台设计人机交互界面,对采集图像进行预处理提高图像的对比度;通过匹配连通域等算法,对车牌进行定位、分割,检测车牌水平方向像素数量;在此基础上,采取小孔成像原理计算车距的大小,并显示在软件平台上。实验证明了本系统能对前车图像进行分析从而计算出车距,该系统对3 m之外的车距检测平均误差为4%。     

基于危险斥力场的自动驾驶汽车主动避撞局部路径规划

针对平直道路上碰撞交通事故的多发性和复杂性,借鉴人工势场理论思想,提出了一种基于危险斥力场的自动驾驶汽车主动避撞局部路径规划算法.该算法建立了算盘式道路和危险斥力场模型,根据算珠受到来自道路边界斥力、障碍物边界斥力和线性拉伸弹簧拉力共同作用达到的受力平衡状态,得到一个非线性方程组,用牛顿迭代法求解出一条能安全避开障碍物且符合汽车动力学性能要求的避障路径.仿真结果表明,该算法有效可行,且具有运算量小、实时性好、安全可靠的特点.     

基于梯度直方图与密度度量模型的图像伪造检测算法

目的为了解决当前图像伪造检测算法在内容识别过程中易丢失色彩信息而导致不理想的检测精度与鲁棒性等问题,提出基于梯度直方图耦合密度度量模型的图像伪造检测算法。方法首先引入RGB彩色图像映射模型,求取图像的颜色不变量。将图像的颜色不变量作为输入量,利用算法检测图像的特征点。然后以特征点为中心构造四级窗口,通过求取窗口内梯度累加值,形成低维度的特征描述符,并利用特征点对应的梯度直方图构造相似性度量模型进行特征点匹配。最后借助欧式距离,构造密度度量模型,对特征点进行归类,以完成伪造检测。结果仿真实验表明,与当前图像伪造检测算法相比,所提算法具有更高的检测正确度,高达99.6%。结论所提算法具有较高的伪造检测精度与鲁棒性,在图像信息、包装印刷等领域具有良好的应用价值。