非结构化道路的检测和跟踪

在智能车辆的道路检测中,非结构化道路检测的研究处于初级阶段.针对非结构化道路,提出了基于区域生长和边缘检测相结合的检测算法,同时利用数学形态学进行修正,并讨论了对道路的感兴趣区域跟踪.     

基于3D激光雷达道路边缘实时检测算法的研究与实现

针对自然环境下无人驾驶车辆的道路边缘检测问题,提出一种基于3D激光雷达的实时道路边缘检测算法。对激光雷达的点云数据进行网格化处理,求出每个网格中的高度差,并针对道路边缘的高度特征,对网格数据进行阈值处理;再由近及远逐个提取左右道路边缘,利用最小二乘法对左右道路边缘网格进行曲线拟合平滑处理,得到左右道路边缘。实验结果表明,该道路边缘检测算法可靠性高,稳定性强,能够准确完成道路边缘检测,满足实时系统的要求。     

视觉机器人对于快速道路检测问题的研究

针对复杂环境下视觉机器人道路检测算法的抗干扰性差、速度慢的缺点,为抑制噪声的干扰,提高算法的运行速度,提出了一种基于边缘和区域相结合的道路检测算法。算法先采用Canny算子求出图像的边缘,再根据道路的色彩信息进行自适应的区域分割,然后结合图像边缘信息和区域分割信息确定出道路的边界区域,最后对该区域的边缘图像进行Hough变换检测道路。实验结果表明,边缘提取的检测算法有效地提高了算法的抗噪性能和运行速度,具有更好的道路检测效果。     

基于数学形态学的道路提取

利用遥感图像进行道路提取已经有了一些研究,如图像分割,基于知识的道路特征识别和数学形态学等,但尚有许多问题需要解决,设计了一种基于数学形态学的遥感图像道路提取算法。该算法首先将遥感图像二值化,然后进行噪声滤除、形态学边缘检测与边缘连接。通过采用ETM+遥感图像进行实验表明,该算法与传统的边缘检测与边缘闭合的算法相比,具有更好的抗噪能力,且精度较高,具有一定的现实意义。     

基于双目相机深度图的道路边缘测距方法

为了实现道路划线喷头的自动定位，提出一种基于双目相机深度图的道路边缘测距方法。首先采用张氏标定法进行双目相机参数标定，获得相机的内部参数和外部参数，并对标定纸和标定板的标定结果进行比较；然后采用BM算法计算左右图像匹配点对之间的视差值得到深度图，通过二值化、腐蚀、膨胀和寻找最大色块的方法检测深度图中的道路边缘中心点；最后通过坐标转换得到双目相机与道路边缘的距离。实验证明，该方法能有效检测双目相机与道路边缘之间的横向距离。     

基于移动终端的道路边缘检测方法

面向自动驾驶技术,研究一种实时的道路边缘检测方法—MERD(Mobile Equipment based Road-edgeDetection).该方法基于智能移动终端的Android系统平台,将针对HSV图像的数学形态学方法和针对灰度图的Hough变换检测方法相结合,针对不同路段环境进行道路边缘检测.实验验证了该方法在处理傍晚路段、阴影较多路段等不同情况的道路环境时,能够提供较高准确度的实时道路边缘检测,为车辆的自动驾驶提供安全保障.     

一种快速的基于边缘的道路检测算法

道路检测是机器人视觉导航中的重要环节。本文提出了一种新的非结构化道路检测算法。算法基于这样的一个基本假设，即道路的轮廓由一些具有一定长度的连续直线段组成。在一定的范围中通过计算边缘点，然后通过Hough变换求得直线段，从而确定道路边界的位置。但是边缘图像中不仅仅包含道路的边缘，还有阴影，植物等其他的边缘。如果不消除这类边缘的影响，将大大削弱算法的效率和准确性。本文提出一种基于颜色和方差的规则有效地消除这类非道路的边缘。一旦当前帧中获取道路的边缘，通过限定下一帧中的感兴趣区域（ROD减少搜索范围从而快速定位帧中的道路边缘，从而进一步提高算法的效率。大量实地（校内公园道路）实验验证了该算法的快速和鲁棒性．     

基于机器视觉的非结构化道路检测算法研究

提出了一种提高非结构化道路边缘检测实时性和准确性的算法。该算法中首先对原始道路图像进行中值滤波,抑制随机噪声,并选择基于双峰法的多阈值Otsu方法进行图像分割,使分割效果和分割时间得到优化。通过Canny算子进行初次边缘检测,然后,采用数学形态学修正,从而得到完整、清晰的道路边缘图像。仿真结果表明:该非结构化道路检测方法具有良好的实时性和准确性。     

一种基于直线模型的道路识别算法研究

为了提高道路识别的鲁棒性和抗干扰能力，提出了一种道路边缘识别算法。该算法的创新点在于采用自然边界作为道路识别的依据，同时算法也可以将白色路标作为识别道路边缘的标志。由于道路的自然边界不像车道标志线那样容易受到污染，因而使该算法具有了较高的鲁棒性。该算法是采用像素级特征和帧图像特征来识别道路边缘，可称为全局道路边界模型。在模型中由于采用了有关的道路约束条件，因而使得算法具有较好的抗干扰能力。该算法包括初始检测算法和跟踪算法两个部分，其中在跟踪算法中采用感兴趣区域算法(ROI)来限制检测区域，以提高实时性。最后，还提出了一个道路边界可信度检测函数，该函数可以用于计算道路边缘检测结果的可信程度。     

一种基于彩色图像边缘检测的道路检测方法

针对非结构化道路的特点,提出了一种基于色度差的边缘检测算法。算法将原始图像的RGB颜色空间转化为L*a*b*颜色空间,利用L*a*b*颜色空间中明度与色度分离的特点,通过对色度差的信息融合提取图像道路边缘,排除了大面积阴影、水渍对真实道路边界的干扰,有效地提高了道路识别的准确性。通过Hough变换提取出图像边缘得到道路边缘信息。实验表明,该算法的优点在于对道路形状不敏感,需要先验知识少,能够很好地过滤道路中存在的水渍、阴影等干扰。     

任意两多边形相交点最大可能数目的计算法

本文提出计算任意两多边形相交点最大可能数目的算法，文中导出并通过实例证明，如果已知两多边形Ｐ和Ｑ分别有ｐ和ｑ个顶点，那末就能够确定它们之间最大可能的交点数目，这样使我们能有效地分析某些领域求解问题算法的复杂性以及解其它有关问题。     

An efficient lane model for complex traffic simulation

Traffic simulation heavily relies on lane model. This paper presents a novel method to model lanes based on the road axis under the Frenet frame. The road axis is generated from the geographic information system data after curve approximation, discretization, and compression. This lane model couples mileage information with three‐dimensional geometric information, so it offers an easy and fast position transformation from mileage to the Cartesian coordinate. It also keeps strictly consistent for mileage among neighboring lanes so that it facilitates lane‐change processing. Compared with existing methods that depict lanes as simple polylines or curves, the proposed lane model is more functional and more efficient, especially for complex traffic simulation with a large number of lane‐changes. Copyright © 2015 John Wiley & Sons, Ltd.     

多尺度MRF边缘检测

本文提出一种改进的多尺度MRF边缘检测方法．基于图像的八邻域结构在MRF模型 中引入了Gibbs分布的线过程,有效地改善了MRF边缘检测算子的方向灵敏性．给出了对应于 八邻域线过程结构的能量函数．基于该算法对检测边缘的精确定位性能,提出了一种容易的 多尺度检测边缘合成规则．     

基于单目视觉的道路图像理解综述

基于视觉的道路图像提供了车辆运行局部环境的丰富的信息,对这些序列图像的分析理解在车辆辅助驾驶、自动导引车、室外移动机器人等多领域得到了广泛的应用。详细介绍了道路检测系统以及道路偏离预警等系统中对道路图像进行处理、分析、理解的各种方法,阐述了道路识别与跟踪的技术和方法,并进行了比较。最后给出了该领域今后的研究方向和发展趋势。     

基于梯形模型和支撑向量机的非结构化道路检测

在H.Jeong的梯形模型的基础上,提出了基于梯形模型和支撑向量机——SVM（Support Vector Machine）的道路检测算法。算法先对视频中提取的图像帧进行预处理,然后采用Kalman滤波及EM算法进行处理,接着用SVM得到道路检测结果,并进行滤波处理得到最终的检测结果。由于算法采用了比BP（Back Propagation）网络具有更好的分类识别效果的SVM,所以比采用BP网络的H.Jeong等人提出的模型具有更好的检测效果。该算法在预处理部分采用脉冲耦合神经网络即（PCNN-Pulse Coupled Neural Network）消除道路上的阴影,减少了光照变化对最终检测结果的不利影响。实验表明,与H.Jeong的梯形及BP算法相比,道路的检测效果更好。     

回归测试中边的控制域问题的研究

本文介绍了回归测试的一种方法，该方法利用控制流图(Control Flow Graph简称CFG图)进行测试用例的选择，并使用继承的思想解决了CFG图中边的控制域问题，为测试用例的选择提供了一种有效的方法。     

基于边缘检测的对比度增强法

该文主要介绍了图像增强方法及其分类,详细介绍了基于边缘检测的对比度增强法原理,其主要思想是将像素的边缘度结合到局部对比度定义中,因此更有利于边缘细节的对比度增强。     

基于车道映射矩阵的多车道车辆计数系统

针对城市交通路口的多车道车辆数量统计问题,提出基于车道映射矩阵的车道划分方案。根据车道映射矩阵分布情况判断车道中心线位置,利用相邻车道中心线间的距离对车道进行划分,与车辆计数算法结合,实现多车道车辆计数系统。该方案能够减少环境因素对车道划分的影响,在白天与夜晚情况下均取得较好效果。实验结果表明,该方案准确率为93.6%,能够适应复杂道路,多车道实时车辆计数系统准确率能够达到91%以上,在保证系统实时性的基础上,提供了较高的系统准确性和鲁棒性。     

一种基于可见边的平面细分遍历算法

文章描述了一种基于可见边的平面细分遍历算法。该算法不需要增加标志位,也不需要堆栈和队列,只使用O(1)的辅助内存空间,并且充分利用了边的可见性。对于面集为F、每个面f具有f条边的平面细分,该算法最多进行f∈F∑4·f·lnf2次边的比较。理论分析和实际运行结果都表明,该算法与同类遍历算法相比速度要快得多。     

基于图象边缘的水印算法

提出一种基于图象多尺度边缘的水印算法，利用常于边缘检测的二进小波变换检测出图象的多尺度边缘，在选择出的重要多边缘中嵌入数字水印。利用相关检测器进行水印检验，检验过程需要原始图象，实验证明算法具有不可见性，安全性，对通常的图象处理有较强的鲁棒性。