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。     

基于步行GPS轨迹的路网提取方法

准确提取和及时更新路网信息,对于道路规划和车辆导航等方面至关重要。目前,基于GPS轨迹的路网提取方法一般是从浮动车或出租车的GPS轨迹中挖掘城市主干路网。然而,现有方法忽略了小路的自动提取,它对于抗震救灾、小区导航或乡村游览等场合非常重要。因此,本文提出基于步行GPS轨迹的路网提取方法,分为数据预处理、道路中心线生成和路网精度评价3个部分。其中,先后采用轨迹点聚类、聚类点分割和中心线拟合等方法生成道路中心线。通过自行采集的步行GPS数据进行实验,结果表明,本文方法能够准确提取路网,覆盖率可达96.21%,而误检率仅3.26%;并且能够提取小路和更新路网。     

一种车道导航的方法

本文发明了一种车道信息导航的方法。该方法首先从导航路线的引导信息中提取车道信息,然后根据目标引导点和关联引导点之间的位置关系,向用户推荐最合适的车道。     

智能交通系统车道保持纵横向耦合控制

考虑车辆纵横向运动之间的相互影响,采用位置预瞄和固定车辆间距跟随策略,对基于一列车队的自动化公路系统车道保持纵横向耦合控制进行了研究.利用车载前后双位置传感器检测车辆位置偏差,基于车辆纵横向动力学耦合模型,推导了基于预瞄的车道保持控制系统数学模型;采用非奇异的终端滑模控制技术,设计了车道保持纵横向耦合控制规律.通过构造李雅普诺夫函数,结合相平面方法,分析了控制系统的有限时间收敛性.采用6车辆编队,通过计算机仿真,对文中设计的控制规律进行了验证.仿真结果显示,车队中每个被控车辆在纵向上跟随期望状态的同时能够实现对期望车道轨迹的理想跟踪,跟踪误差精度不超过0.05 m.     

基于实例分割的车道线检测及自适应拟合算法

车道线检测是智能驾驶系统的重要组成部分。传统车道线检测方法高度依赖手动选取特征,工作量大,在受到物体遮挡、光照变化和磨损等复杂场景的干扰时精度不高,因此设计一个鲁棒的检测算法面临着很大挑战。为了克服这些缺点,提出了一种基于深度学习实例分割方法的车道线检测模型。该模型基于改进的Mask R-CNN模型,首先利用实例分割模型对道路图像进行分割,提高车道特征信息的检测能力;然后使用聚类模型提取离散的车道线特征信息点;最后提出一种自适应拟合的方法,结合直线和多项式两种拟合方法对不同视野内的特征点进行拟合,生成最优车道线参数方程。实验结果表明,该方法提高了检测速度,在不同场景下都具有较好的检测精度,能够实现对各种复杂实际条件下的车道线信息的鲁棒提取。     

基于Edline线特征的既有道路中公交专用车道划分方法

由于现阶段已有车道规划方法未能考虑特征分布不均匀问题,影响点特征的提取,导致车道半径提取精度以及公交交通效率较低.为了有效解决上述问题,提出一种基于Edline线特征的既有道路中公交专用车道划分方法.针对既有道路图像进行平滑处理,通过边缘检测算法进行边缘绘制,形成像素链,通过最小二乘线拟合方法提取基于Edline线特征...     

基于边界的车道标识线识别和跟踪方法研究

在道路图像中，为了得到较理想的车道的标识边缘，该文采用基于LOG算子边缘增强的方法得到梯度图像，利用SUSAN算子对该梯度图像进行分割，实现了车道标识线边界的提取。在分割后的梯度图像中，利用Hough变换提取出车道标识线参数，完成了对道路图像中的车道标识线的识别，采用建立梯形的感兴趣区域的办法，实现了对车道标识线的实时跟踪。试验结果表明该方法具有较强的鲁棒性和较好的实时性。     

基于逆透视变换的智能车辆定位技术

为了根据车道线参数准确地确定本车在车道中的位置和方向信息,提出了一种基于逆投影变换的本车定位算法。算法利用逆透视变换对投影图中的车道线进行三维逆透视重建,得到实际路面的车道线,并经过坐标变换求出本车在车道中的当前位置参数、方向参数及车道宽度等信息。试验表明,该算法对光照条件、道路结构等变化具有较好的适应能力和抗干扰能力,在一定程度上满足多种横向主动安全系统的要求。     

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。     

一种基于直线模型的车道线识别算法研究*

为了更好地满足车道标志线识别算法的实时性和鲁棒性要求,提出了一种新的、有效的车道标志线识别算法。将图像灰度化后,采用中值滤波去除图像采集过程中引入的噪声,应用方向可调滤波器进行边缘提取,在提取过程中对原图像进行感兴趣区域划分并采用边缘分布函数法确定方向可调滤波器的初始方向角。提出使用基于梯度加权的霍夫变换对车道标志线进行识别,通过建立梯形感兴趣区域的方法实现对车道标志线的实时跟踪,并对多段实地采集的视频进行实验测试。结果表明:基于方向可调滤波器与梯度加权的霍夫变换相结合的车道标志线识别方法,简化了对车道标志线信息特征参量的估计;不仅大大缩减了算法的执行时间,而且使算法的鲁棒性得到很大的提高。     

基于直线模型的车道线实时检测方法

为提高车道线检测的精度和实时性,提出了一种基于直线模型的实时车道线检测方法.采用改进的Sobel算子进行边缘检测,利用自适应双阈值的方法进行图像的二值化.对基于Hough变换的车道线检测方法进行了改进,令识别视觉效果大大提升.并利用Kalman滤波器来动态确定感兴趣小窗口的大小和位置,实现后续帧道路图像的跟踪.实验结果表明,该方法准确性高,具有较好的实时性和鲁棒性.     

一种交通监控场景下的多车道检测方法

为自动有效地获取交通监控场景中的多车道信息,提出一种利用骨架化边缘的多车道检测算法,以克服视频处理对固定场景和明确的先验车道位置信息的依赖。算法主要针对静态的交通背景图处理,采用背景提取、滤波和数字形态学预处理等,由Hough变换确定车道位置的骨架线;由行车方向约束车道线角度,利用车道线几何成像特性检测出准车道线,获取车道线和车道区域。实验表明,对不同的交通场景和不同光照条件,该方法能有效检测多车道,鲁棒性强,具有较高的工程应用价值。     

基于传感器融合和方向可调卷积神经网络的车道检测算法研究

针对传统的卷积神经网络在复杂道路场景中无法有效地提取车道特征的问题,论文提出了一种基于传感器融合和方向可调卷积神经网络的车道检测算法.该算法首先利用激光雷达对道路场景下的道路表面激光点进行提取,然后将提取的道路点投影到图像坐标,之后将融合道路表面空间信息的二维图像作为网络输入.在提取车道特征过程中,方向可调卷积神经网络...     

基于共享单车GPS数据的小区道路生成方法

利用GPS数据生成路网对城市交通有着重要意义。由于机动车自身对道路条件的要求,利用机动车GPS提取路网主要针对城市主干道及主路,忽略了小路及小区路网。为完善城市路网,提出了一种基于共享单车GPS轨迹的道路拓扑结构生成方法。首先提取路网拓扑节点,通过引入趋势夹角判断转折点后利用转向角分析确定拓扑点。然后提取道路线型,通过OW(opening window)算法对轨迹进行分割、基于DBCSAN算法思想提出一种对子轨迹聚类方法,再提取特征点来拟合道路中心线。利用缓冲区验证路网的精度,结果表明该方法生成的道路既能确保拓扑结构又具有较高的覆盖率。     

基于车辆平均轨迹的车道提取方法

针对视频中噪声点难以消除和路面背景难以提取的问题,提出一种基于车辆平均轨迹的车道提取方法。对视频中的车辆进行跟踪,得到它们在每一帧中的位置,将这些位置中心点根据算法拟合成一条平均轨迹。从视频帧中选择出合适的一帧作为背景图,对背景图进行形态学处理以消除天空及两边景物等干扰较大的噪声点,并通过进一步处理得到二值化的背景图。将平均轨迹与二值化图进行匹配,提取出车道。实验结果表明,该方法适用于多种道路且不易受到噪声点的干扰,成功率较高并具有较强的灵活性和适应性。     

基于快速直线段提取的道路标识线识别算法

在道路图像中,为了得到比较理想的车道标识线边缘,首先采用Canny算子对道路图像进行边缘提取,然后,利用基于链码跟踪的快速直线段提取方法,将边缘图像中弯曲度超过预设周值的线段剔除,并使用长度判别与方向判别,过滤掉图像中的不可靠标识线边缘.在提取车道标识线边缘的过程中,提出了基于线段连接势能最小化原理的线形连接方法,得到可靠的候选标识线边缘.最后,通过点方向投票POV(Point Orientation Vote)以及重心计算确定道路的边界.结果表明,文中方法在复杂的道路环境中能够很好地获得道路标识线的信息,具有快速、鲁棒性好、实用性强的特点.     

基于多传感融合的车道线检测与跟踪方法的研究

车道线的有效检测与跟踪是智能车正确识别道路的前提。针对现有车道线检测与跟踪算法的效率不高的难题,提出一种基于视觉传感器和车道级高精度地图相融合的车道线检测与跟踪方法。该方法首先用改进的Hough变换提取边缘线段,其次基于滤波预测与更新车道线模型状态参数,最后结合高精度地图中车道线先验模型参数,跟踪车道线轨迹。现场实测结果表明,算法的实时性和鲁棒性满足算法性能评价体系的各项指标,较符合智能车对车道线检测的要求。     

基于机载LiDAR和高分辨率遥感影像的城市道路网提取

利用单个数据源的数学形态学道路提取方法不能充分利用道路的特征,提取的道路信息不完整。针对这一缺陷,并考虑到机载LiDAR数据可以提供高程信息,提出了将机载LiDAR数据和高分辨率遥感影像数据结合起来的城市道路网的提取方法。以徐州市的机载LiDAR数据和高分辨率遥感影像数据作为实验数据,首先将两者进行精确配准,然后利用伪道路信息去除的方法分别将植被信息和建筑物信息等去除,得到基本的道路轮廓,再利用形态细化算法提取道路的中心线,最后,在ArcGIS和Matlab编程环境下实现了改进的道路修剪算法(IRT),利用该算法进行道路修剪,得到了平滑和连贯的城市道路网。经过精度评价可以看出:利用该方法可以较好地避免建筑物阴影、低矮植被群等对道路提取的影响,道路的识别精度达到84%以上。     

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。     

基于视频车流轨迹的虚拟车道划分方法

针对车道线磨损、临时改道以及非结构化道路等情况下的车道划分问题,在利用YOLOv3得到车辆检测模型前提下,提出基于视频车流轨迹的虚拟车道划分方法。密度矩阵统计时间t内由车辆检测模型得到车流量密度分布,运用三维坐标系对其进行分析;使用EM算法对一元混合高斯模型求解;建立虚拟车道宽度数学模型,运用3σ准则得到车道边界点集合,利用最小二乘法对边界点进行曲线拟合,完成虚拟车道线划分。该方法可以有效避免环境和天气因素对车道线检测的影响,具有一定的鲁棒性和灵活性。实验结果表明,该方法在不同道路中能够取得88.7%的准确率。