基于视频序列的车道线检测和跟踪

车道线检测是无人驾驶系统以及一系列辅助驾驶系统的关键技术环节。传统的车道线检测方法容易受到其他交通标志线干扰,提出了一种新的车道线检测与跟踪方法。该方法首先使用自适应阈值算法提取特征,通过ROI二次设置以及跟踪区域规划,逐步减小感兴趣区域,最后将感兴趣区域内的特征点从图像坐标系转换到世界坐标系下,以最小二乘方法进行曲线拟合。在高速公路及城区道路等多种工况下的实验表明,提出的方法能够正确实时的识别出车道线,有效的消除了其他交通标线的干扰。     

车道线的GrowCut快速检测算法

针对目前智能交通领域中车道线检测算法效率低、鲁棒性差等问题,提出了一种基于GrowCut的车道线快速检测方法。从监控摄像机中采集图像并标定初始种子点,利用GrowCut算法进行边缘分割,对分割结果经过中值平滑滤波、边缘提取、分半处理及曲线拟合,最终得到清晰的车道线。将GrowCut算法与分水岭算法进行了对比,结果表明:该算法简便快捷、鲁棒性好,优于经典算法,可广泛应用于智能交通、公共安全领域。     

基于DSP的车道线检测系统的设计与实现

车道线检测是智能交通中的研究重点之一,论文以DSP为载体,设计并实现了嵌入式车道线检测系统,同时针对于该系统提出了一种新的快速有效的检测算法,该算法结合了特征提取与模型匹配的各自优点,主要通过对图像的采集、自适应、中线提取、车道线匹配和最小二乘法拟合来最终实现。嵌入式系统采用模拟PAL制摄像头采集图像,图像经解码后输入到DSP中得到处理。实验结果表明,该系统车道线检测结果清晰,干扰小,效果良好,并能很好的满足实时要求。     

基于平行Snake耦合Kalman滤波器的车道线检测算法

针对当前车道线检测算法中易受到车道线磨损、遮挡、阴影等影响,导致检测算法精度不高,鲁棒性不强,提出了平行Snake耦合Kalman滤波器的车道线检测方案。首先,为了获得道路左右边界的平行属性,引入期望最大化(EM)算子,通过最小化目标函数来估计消失点,并估算其单应矩阵;并在齐次坐标空间中进行单应性变换,将车道线透视图转变为鸟瞰图。然后,通过参数预测算子建立车道模型,将平行性约束添加到主动轮廓模型(Snake)中,构建了一种平行Snake车道线检测方法。在平行Snake方法中,为了克服图像梯度低时Snake无法有效收敛到车道边界,引入了膨胀力,将两条平行的主动轮廓往道路的左右两边推挤,最终收敛到道路的左右边沿。最后,考虑到前后帧之间参数的连续性,采用Kalman滤波器进行跟踪优化,并抑制噪声,提高算法对车道线的识别精度。实验结果表明,与当前常用的车道线检测算法比较,提出的方案在精度与鲁棒性均得到改善,在阴影、光照变化、边界破损等车道数据集上取得了良好的性能。     

基于树莓派的无人监控避障船

为了使无人船在水域能够顺利的避开障碍,提出的无人船是以树莓派为核心,包括电器驱动模块、超声波模块、红外模块、摄像头模块、LED灯、语音模块、雨滴传感器。由于考虑到水面的情况复杂,通过多传感器融合的方式进行避障,通过雷达模块进行对动态障碍的避障,通过红外进行静态避障。可以探测水面4.5m的障碍,并且精度可达7%。通过树莓派的WiFi通信技术将船体与上位机连接,可以事实观测无人船运行情况。可以广泛应用于湖泊内河作业,具有广泛的应用前景。     

基于树莓派的静脉注射辅助装置设计与实现∗

由于注射人员技艺不娴熟或是患者本身静脉不明显,有时会出现注射困难问题.设计的基于树莓派的静脉 注射辅助装置可以提高静脉注射成功率.静脉注射辅助装置由图像采集、图像处理、图像投影三个模块组成,结构简 单,功能易于实现和扩展.经过试验验证,该装置能够在静脉注射过程中突显血管位置,协助完成注射,提高注射成 功率,减少患者痛苦,在医疗行业中有很好的应用前景.     

基于树莓派4B的无人机动态追踪平台设计

针对无人机领域中的监管问题,基于YOLOv5-Lite的改进模型,提出了一种随着训练过程为模型动态地分配损失权重的指数移动样本加权函数。通过模型运算,控制二自由度云台对无人机实时跟踪,且视频采集、模型计算和二轴云台控制均在树莓派4B本地进行。优化过的模型在保持原模型参数量的同时,在mAP@.5:.95指标中达到了70.2%,相较于原模型提高了1.5%。在树莓派上的实时推理平均速度为2.1 FPS,处理效率更高。树莓派在模型推理的同时,通过I2C协议控制舵机平台对无人机目标进行追踪,保持对无人机的实时动态监测,提高了系统的可靠性,具有更好的实用价值。     

基于 MultiRes+UNet 网络的车道线检测算法

无人驾驶技术改变人类生活方式,带车道线属性的高精地图,是无人驾驶领域的重要一环。 针对现有算法在车道线检 测时存在准确率低、效率低等问题提出基于 MultiRes+UNet 检测方法。 该方法通过空洞卷积扩大卷积感受野,从而对全局信息 统筹,运用 MultiRes block 和 Res path 结构减轻编码器-解码器特征之间的差异,大大降低了内存的需求。 实验结果表明,此算 法在保证检测准确率的同时, 提高了算法的稳定性和运行速率,在纯车道、复合车道、阴影污损车道等多情况下,调和平均值分 数分别为 0. 959、0. 942、0. 891,该算法存在高效性、高鲁棒性。     

基于Transformer的车道线分割算法研究

车道线检测任务包含道路磨损、阴影遮挡和弯道等困难样本,这些样本中线条信息均有不同程度的缺失,使检测结果出现漏检或误检现象。基于深度学习的检测方案通过卷积操作提取特征信息。卷积操作摒弃人工设计滤波器等一系列传统图像处理的繁琐操作,得益于权重共享和归纳偏置大大减少了特征提取的工作量。该操作在缩小图像分辨率的同时获取长距离的信息,导致小分辨率的特征图损失区域边缘等细节,影响检测结果的质量。深度学习中分割模型比检测模型处理的信息更细致,本文在分割模型的基础上引入Transformer改进采样方式,改善卷积操作在获取全局信息上的不足。模型改进后在Tusimple上测试准确率提高0.4%,像素精准度提高0.3,乘法累加运算量增加36.09 G。结果表明Transformer特有的采样方式可以改善卷积操作采样的不足,改善语义分割网络对车道线困难样本识别漏检的情况。     

基于树莓派的环境监控小车设计与实现

介绍了智能小车在环境监测和远程视频监控中的应用。基于树莓派核心板,通过温湿度传感器获取环境温湿度数据,高清摄像头获取实时的视频图像数据,然后采用WiFi方式将视频图像数据传送到手机终端,手机终端通过蓝牙方式发出控制指令。小车接收指令后,通过直流电机芯片TB6612FNG驱动小车运动,达到远程的可移动式环境监控的目的。系统具有自动循迹和手动控制功能,自动循迹可以在设定路线进行巡线数据采集。实验结果表明,智能小车样机较好地实现了预期的环境数据和视频图像采集功能,实现了远程环境监控。     

基于定向距离变换耦合多粒子滤波器的车道线检测算法

针对复杂环境下车道线检测精度不高的问题,提出了一种定向距离变换耦合多粒子滤波器的车道线检测算法。首先,利用四点透视映射方法,将输入图像转换为鸟瞰图,使车道边界平行,便于车道检测。引入定向距离变换(oriented distance transform,ODT),将鸟瞰图边缘像素标记到水平和垂直方向上最近的点,寻找初始边界点。其次,利用车道中心、中心到左右边界的角度以及左右车道边界的切角来构建车道线模型,通过分别考虑两个独立的4D粒子空间,以应用于左右车道边界。随后,在车道模型引入多粒子滤波器,利用左右两侧独立传播的粒子来侦测和追踪一对车道边界点,并使用局部线性回归调整得到的边界点。为了优化多粒子滤波器性能,根据粒子状态向量创建动态依赖关系。最后,通过迭代来确定粒子对应的权重,利用多粒子滤波来检测车道线。实验表明,与当前流行车道线检测算法比较,在多种复杂干扰环境下,所提算法具备更高的检测精度与鲁棒性。     

基于Spark平台的推荐算法研究

传统的推荐系统无论是在处理效率还是推荐准确度上都有一些不足之处,Spark作为新一代的数据处理的分布式框架,在数据处理效率上相较于hadoop有飞速的提升。主要针对Spark平台上的主流推荐算法ALS算法只考虑隐含信息而忽略了相似度信息的缺点展开研究,目的是进一步提高ALS算法的推荐精确度。通过将用户的相似度信息加权到ALS算法评分预测的公式中对ALS算法进行改进,并在Spark平台上使用MovieLens数据集验证改进前后的ALS算法的均方根误差(RMSE)值。实验证明,改进后的ALS算法的RMSE值更小,推荐的精度更高。     

基于改进Hough变换耦合密度空间聚类的车道线检测算法

为了提高车道线检测的准确性与鲁棒性,降低光照变化与背景干扰的影响,提出了一种改进的Hough变换耦合密度空间聚类的车道线检测算法。首先,建立车道线模型,将车道边界分解为一系列的小线段,借助最小二乘法来表示车道线中的线段。再利用改进的Hough变换对图像中的小线段进行检测。引入具有密度空间聚类方法(density based spatial clustering of applications with noise, DBSCAN),对提取的小线段进行聚类,过滤掉图像中的冗余和噪声,同时保留车道边界的关键信息。随后,利用边缘像素的梯度方向来定义小线段的方向,使得边界同一侧的小线段具有相同的方向,而位于相反车道边界的两个小线段具有相反的方向,通过小线段的方向函数得到车道线段候选簇。最后,根据得到的小线段候选簇,利用消失点来拟合最终车道线。在Caltech数据集与实际道路中进行测试,数据表明:与当前流行的车道线检测算法相比,在光照变化、背景干扰等不良因素下,所以算法呈现出更理想的准确性与稳健,可准确识别正常车道线。     

基于对称性的最小二乘拟合随机椭圆检测算法

提出了1种基于椭圆对称性和最小二乘拟合的椭圆检测算法.首先,通过CANNY算子获取边缘点;其次,改进采样方法,利用椭圆的对称性和旋转不变性,对边缘点进行采样,有效避免了传统算法大量无效采样;最后,利用分布均匀的两对采样点,使用最小二乘拟合的方法对椭圆进行检测.实验表明,该算法有效地解决内存和运算量较大等问题.利用椭圆的...     

基于模型识别的消弧线圈接地系统单相接地选线方法

基于模型识别的继电保护思想提出了一种消弧线圈接地系统单相接地故障选线新方法。在特征频带内将线路等效成电容模型,首先利用故障暂态信号通过最小二乘方法求解出各出线的电容初值,然后用故障稳态信号求解电容值并与电容初值比较。由于故障线路不符合所建立的电容模型,模型误差较大;健全线路基本符合所建立的电容模型,模型误差接近于0,基于此特点就可以实现故障线路的识别。该方法具有自举性,通过仿真和录波数据验证了所提方法的有效性。     

基于线性约束最小均方的谐波检测算法

最小均方(Least Mean Square, LMS)算法因其计算复杂度低、稳定性好的特点已广泛应用于谐波检测领域中。但为了避免权重偏移,进一步提高收敛速度,提出了一种基于线性约束最小均方(Linearly Constrained Least Mean Square, LCLMS)的谐波检测算法。该算法在LMS算法的基础上,对权重变量加入了一个线性约束条件,并应用于不同高斯白噪声环境下谐波、间谐波信号的幅值和相角参数评估。最后又在稳态信号、动态信号和电弧炉算例下检验了该算法的可行性。实验结果表明,该算法可以快速准确地检测不同环境下谐波的相关信息,且相比LMS算法有较快的收敛速度和较高的抗干扰能力。     

基于小波变换的超高压输电线路暂态保护新原理

在分析电力系统故障时故障暂态电流特征的基础上,利用小波变换的奇异性理论构造新的保护算法.通过检测故障暂态电流的模分量小波变换的模极大值,利用最小二乘法估计其短时李氏指数.通过计算一段时间内李氏指数的平均值来区分区内和区外故障.通过大量ATP仿真证明,对各种故障情况该保护算法能准确可靠地区分.