共查询到20条相似文献,搜索用时 640 毫秒
1.
基于单目视觉的车辆碰撞预警系统能够发现道路前方的车辆并估算出与前方车辆之间的距离,利用预警机制及时提醒驾驶员危险状况。车道检测和车辆识别是该系统需要解决的两个主要难题,提出了利用边缘分布函数EDF检测车道标线,利用车辆底部纹理和对称性特征识别车辆,并根据图像坐标系和世界坐标系之间的几何映射关系测距。实验结果表明,提出的方法能够有效检测出车道标线,并能很好地测定与前车的距离。 相似文献
2.
应用单目视觉车辆防碰撞预警系统能够发识别周围车辆并估算出与其之间的距离,利用预警系统及时提醒驾驶员。解决了车道线和车辆的检测识别问题,提出了新的边缘检测算法识别道路线,然后利用特征识别算法识别车辆,并根据车辆之间的距离判定危险等级。实验结果表明,系统能够有效的识别车道线和车辆,并能很好的测量车间距,实现预警输出。 相似文献
3.
4.
前碰撞预警系统是安全辅助驾驶领域的一项重要部分,通过计算机处理交通环境信息,当检测到潜在危险时,及时提醒并辅助驾驶员。采用计算机视觉方法,通过目标检测和跟踪算法,获取图像中目标车辆的位置和轨迹信息,并利用相机标定,计算当前车辆和前方车辆在世界坐标系中的距离、速度及轨迹等信息,综合该信息,实现前车碰撞时间预警、前车并线预警以及非机动车预警算法。在前车并线过程中,利用轨迹信息实时检测前车并线意图,及时提示驾驶员注意避让前方车辆。实验表明,本文提出的预警算法具有较高的准确性和鲁棒性,特别在高架或高速道路场景下,并线预警算法能检测到前车的并线意图,及时预警。 相似文献
5.
行人碰撞预警系统通常依据行人检测与碰撞时间判断的方式为驾驶员提供预警信息。为了提供更加可靠的危险判断依据,本文提出一种同时分析道路状况与驾驶员头部姿态的行人碰撞预警方法,用两个单目相机分别获取车辆内外环境图像。通道特征检测器用于定位行人,根据单目视觉距离测量方法估计出行人与自车间的纵向与横向距离。多任务级联卷积网络用于定位驾驶员面部特征点,通过求解多点透视问题获取头部方向角以反映驾驶员注意状态。结合行人位置信息与驾驶员状态信息,本文构建模糊推理系统判断碰撞风险等级。在实际路况下的实验结果表明,根据模糊系统输出的风险等级可以为预防碰撞提供有效的指导。 相似文献
6.
针对车辆在换道过程中易发生碰撞的问题,提出了一种针对车辆侧后方包括盲点区域在内的道路图像的检测算法.该算法对车辆侧后方车道线分为内外两侧进行分析,解决了因摄像机安放位置所产生的感兴趣区域不对称问题.利用基于梯度特征的阴影检测法对接近的车辆进行识别,在此基础上,通过单目视觉测距和两车的几何位置关系计算两车的距离.实验结果表明,该方法可以准确地识别本车后方的车道线和车辆,并且当两车距离在55米以内时,系统可以有效的对车距进行估计. 相似文献
7.
雾霾环境下驾驶员的视野受到限制,无法准确估计周围的环境信息,对行车安全具有重大影响.自主紧急制动(AEB)系统是一种重要的车辆主动安全功能,用来避免碰撞或减轻碰撞程度.通常,AEB系统利用一个碰撞时间TTC衡量与障碍物发生碰撞的危险程度.通常设计用于制动的TTC门槛值时假设道路摩擦系数为常数,然而,道路情况复杂多变,道路摩擦系数也是变化的,驾驶员在雾霾环境下更难准确估计道路摩擦系数.因此,开发了一个考虑不同摩擦系数对TTC门槛值影响的AEB控制策略.首先用一个复合滑移率轮胎模型来估计峰值道路摩擦系数,再用该系数计算TTC的门槛值,进而利用该Trc门槛值衡量与障碍物发生碰撞的危险程度.因为可以实时识别道路摩擦系数,提出的AEB策略可以自适应雾霾环境下不同的道路表面.仿真结果表明了该方法的有效性. 相似文献
8.
为了提高自动驾驶中碰撞预警系统的性能,提出一种基于5G通信的碰撞预警策略,帮助自动驾驶车辆规避车辆间的碰撞与剐蹭。具体则是在5G通信下,针对不同行驶状态进行安全距离的测算与分析,构建出安全距离测算模型,最后进行仿真实验进行验证。仿真结果表明:在一般刹车与紧急刹车两种情况下,得到的预警碰撞距离分别为23.15 m和18.26 m,安全距离数值较为适中,不会出现预警提示过早或过晚的问题,可以应用于驾驶系统中;在实际联车实验中,车与车之间的距离小于设定的安全距离时会发出预警,达到了预期的预警效果。 相似文献
9.
10.
本系统的研究是将DSP技术与嵌入式ARM技术应用到汽车防尾追系统中。它利用DSP技术在图像信号的处理中突出特点,首创目标运动的模型,进行目标状态的识别和判定,用ARM强大的运算功能完成数据处理识别与判断,准确迅速提供前方车辆信息与本车的距离等并适时预警,自动提醒驾驶员与目标保持安全行驶距离。 相似文献
11.
12.
13.
车辆的检测和识别一直是道路监控、安全辅助驾驶、车辆自主导航等领域的重要研究内容.文中基于机器视觉方法,在Lab颜色空间通过对经典K-Means算法的聚类中心、聚类数和距离测度三方面的改进实现了L分量的聚类,从而达到图像分割的目的.提取图像的矩形度、Hu矩和Affine矩的特征,针对不同的车型建立各自的模板,利用改进Hu不变矩和仿射不变矩的组合不变矩对分割后图像进行车型的识别.实验结果表明,文中提出的方法对于复杂环境下的车辆检测和识别具有良好的可靠性和鲁棒性 相似文献
14.
本系统采用沁恒的32位MCU—CH32V307VCT6作为主要控制单片机,采用总钻风摄像头作为摄像头模块来采集灰度图像,在对采集的灰度图像进行优化后的大津法I二值化后得到黑白图像,之后用以进行图像处理,通过检测边沿和道路特征,识别道路。根据处理得到的赛道中间值信息,对舵机进行PD算法控I制,控制行驶方向。通过“有来有去”超声波模块来检测车辆间距离,来确保一个安全的行驶距离。通过编码器采集行驶的速度,通过PD算法对电机进行控制,来控制车速,以达到保持安全行驶距离的作用。使用CH573蓝牙组网模块实现多车之间的通讯,可以交互前车得到的车路信息,保持编队形态下的自动行驶。本系统目标是总体实现三辆小车在自动识别道路的条件下,组成一个编队有序行驶,不发生碰撞且速度较快。 相似文献
15.
为了提高汽车夜间行驶安全性能,设计并实现了一套基于红外图像处理的夜视安全系统;使用被动式红外相机对车辆和行人进行红外成像以得到车辆前方行人和车辆的准确位置;测距必须确定对象的形心,对红外图像的灰度值进行判定区分行人和车辆,对行人使用中值空域滤波方法进行降噪,对车辆使用db4小波进行预处理,然后使用基于图像边缘的图像分割方法进行图像分割,使用最大类间方差评估确定分割结果,再进行区域提取得到形心坐标;使用小孔成像模型计算形心与本车的距离,提取本车速度、加速度参数计算理论碰撞时间,当理论碰撞时间小于时间阈值时进行声光告警,从而实现实时预警;系统使用DIR-384-P红外相机,系统算法使用PFGA实现,测试结果表明,经过标校和加固后,系统与目标存在5 m距离时,车辆测距的误差率达到2.74%,行人测距的误差率低于3.9%,具有一定的实际应用价值. 相似文献
16.
目的 基于视觉的车辆行驶安全性预警分析技术是目前车辆辅助驾驶的一个重要研究方向,对前方多车道快速行驶的车辆进行精准的跟踪定位并建立稳定可靠的安全距离预警模型是当前研究难点。为此,提出面向高速公路场景的车路视觉协同行车安全预警算法。方法 首先提出一种深度卷积神经网络SF_YOLOv4(single feature you look only once v4)对前方车辆进行精准的检测跟踪;然后提出一种安全距离模型对车辆刹车距离进行计算,并根据单目视觉原理计算车辆间距离;最后提出多车道预警模型对自车行驶过程的安全性进行分析,并对司机给予相应安全提示。结果 实验结果表明,提出的SF_YOLOv4算法对车辆检测的准确率为93.55%,检测速度(25帧/s)领先对比算法,有效降低了算法的时间和空间复杂度;提出的安全距离模型计算的不同类型车辆的刹车距离误差小于0.1 m,与交通法建议的距离相比,本文方法计算的安全距离精确度明显提升;提出的多车道安全预警模型与马自达6(ATENZA)自带的前方碰撞系统相比,能对相邻车道车辆进行预警,并提前0.7 s对前方变道车辆发出预警。结论 提出的多车道预警模型充分... 相似文献
17.
18.
交通标志的自动识别技术是智能车辆中辅助驾驶系统中的关键技术,未来会发挥越来越重要的作用。根据当前该领域的研究现状,结合图像处理、计算机视觉和模式识别技术,提出了包括道路标志、红绿灯和车道线的道路信息识别算法,开发出一款智能车辆系统。该系统可以根据摄像头采集的道路视频图像,实时准确地识别图像中的道路标志信息,并对驾驶员发出相应的文本及语音提示,从而实现交通信号的自动识别和预警。 相似文献
19.
基于HOG特征和SVM的前向车辆识别方法 总被引:1,自引:0,他引:1
为了解决汽车安全驾驶辅助系统中的前向车辆实时识别问题,提出了一种基于梯度方向直方图特征和支持向量机的前向车辆识别方法。通过分割提取车辆底部阴影特征生成假设区域,采用基于直方图分析的方法实现车辆底部阴影的准确分割,综合分析车底阴影的水平边缘特征和垂直边缘特征完成假设区域的生成;使用基于梯度方向直方图特征和支持向量机得到的车辆分类器对获得的车辆假设区域进行验证,剔除了假设区域中的非车辆区域。利用采集的道路视频对提出的方法进行了车辆识别实验,结果表明,该方法能够在不同光照条件下自适应地进行实时车辆识别,其中在正常光照下的识别率为96.52%,误识别率为3.59%。 相似文献
20.
目的 基于视觉的前车防碰撞预警技术是汽车主动安全领域的一个重要研究方向,其中对前车进行快速准确检测并建立稳定可靠的安全距离模型是该技术亟待解决的两个难点。为此,本文提出车路视觉协同的高速公路防碰撞预警算法。方法 将通过图像处理技术检测出来的视频图像中的车道线和自车的行驶速度作为输入,运用安全区实时计算算法构建安全距离模型,在当前车辆前方形成一块预警安全区域。采用深度神经网络YOLOv3(you only look once v3)对前车进行实时检测,得到车辆的位置信息。根据图像中前车的位置和构建的安全距离模型,对可能发生的追尾碰撞事故进行预测。结果 实验结果表明,重新训练的YOLOv3算法车辆检测准确率为98.04%,提出算法与马自达CX-4的FOW(forward obstruction warning)前方碰撞预警系统相比,能够侧向和前向预警,并提前0.8 s发出警报。结论 本文方法与传统的车载超声波、雷达或激光测距的防碰撞预警方法相比,具有较强的适用性和稳定性,预警准确率高,可以帮助提高司机在高速公路上的行车安全性。 相似文献