智能车视觉导航的道路和前车检测系统

设计了一个基于单目视觉的智能车自适应道路、前车检测系统,主要应用于结构化道路,可以根据输入图像的可见度自动在夜间模式和日间模式间切换。结果表明系统可以在不同可见度下,自动、快速、准确地检测前车。     

智能车视觉导航系统

智能车或自主陆地车的研究是一种综合性的现代科学技术,它涉及到人工智能,计算机视觉、机械设计、控制和计算机新的体系结构等学科。它在未来战场和恶劣环境下作也等方面有着广泛的应用前景。国外对智能车的研究给予了高度的重视,从八十年代初就开始了智能车技术的研究。目前一些研究成果相继出现。如 CMU 的N AVLAB,它能在校园道路和公园有树荫的道路上行驶;FMC 的 Mobile Robots 能在野外环境中行进;西德国防军大学研制的智能车在结构公路上以相当高的速度行驶。     

单目视觉智能车的伺服规律研究

通过分析单目视觉智能车的运动特征,建立其空间约束模型以及与运动控制密切相关的图像坐标系和运动平面坐标系,在此基础上根据摄像头相对位姿的不同推导出2种不同的坐标映射关系,讨论将其应用在单目标跟踪和连续目标跟踪时的车体运动控制规律,形成一个有较强针对性和实用价值的手眼机器人视觉伺服框架。实验验证了单目视觉智能车伺服规律的有效性。     

基于单目视觉的智能车路口实时定位方法

为解决智能车在路口的高精度实时定位问题,基于单目视觉,提出一种路口实时定位方法。对需要定位的路口进行编号并建立路口场景特征库,采用路口场景识别的方法进行路口粗定位,通过路口图像中的停止线检测与测距以及车道线检测计算车辆航向角和偏移距离,综合距离、航向角和偏移距离进行位置坐标计算。在真实道路环境的路口测试结果表明,提出的定位方法具有精度高、实时性好、鲁棒性强的优点,适合于智能车路口视觉导航。     

基于单目视觉的结构化道路检测算法研究

为了全面了解基于单目视觉的结构化道路检测方法的现状,给出近些年来一些典型的道路检测算法,并进行分类,包括基于灰度特征和彩色特征的检测算法、基于模型的识别算法,最后对该领域的难点和趋势给出简要的论述。     

基于单目视觉的结构化道路检测算法研究

为了全面了解基于单目视觉的结构化道路检测方法的现状,给出近些年来一些典型的道路检测算法,并进行分类,包括基于灰度特征和彩色特征的检测算法、基于模型的识别算法,最后对该领域的难点和趋势给出简要的论述。     

基于视觉传感模块OV7670的颜色导航智能车设计

基于低成本CMOS图像传感器和51单片机搭建了颜色导航的智能车教学演示平台.系统分为视觉传感模块和核心控制模块,两模块并行处理图像数据、决策运动模式.考虑到单片机的存储空间和运算性能的限制,引入了FIFO存储芯片和基于Raw RGB阈值判定的简化颜色辨识方案.     

基于单目视觉的车道线和道路边界同步检测

针对智能车辆视觉导航中的车道保持问题,采用了单目视觉技术检测结构化道路上的车道线和道路边界.详细介绍了标线灰度特性与道路边缘信息的特征提取,并在此基础上结合公路几何线形进行道路模型匹配.算法整体采用初始检测和后继跟踪的循环处理流程,大大提高了实时性和抗噪性.通过CCD测试结果表明,方法能够快速、准确、同步地检测出车道线和道路边界.     

结构化公路车道的精确检测与跟踪

在结构化道路情况下,车道检测简化为白线检测。文章利用图像处理技术和优化技术,提出了一种在结构化道路中精确检测车道的两层算法。同时利用白线的局部特性和全局特性,鲁棒的提取特征;将感兴趣区域分为近视野和远视野,按照″拟和-判断-拟和″的流程,用直线或直线与二次曲线的光滑组合匹配白线;并针对具体应用环境,为优化算法添加适当的权值因子,提高算法抗噪性。测试结果表明算法能够自动、快速、准确的检测白线。     

基于计算机视觉的行人检测技术的发展

智能车辆作为智能交通系统的关键技术,是许多高新技术综合集成的载体。智能车辆的一个非常重要的研究课题就是在城市道路交通环境下如何避免行人被车辆碰撞。总结了基于计算机视觉的行人检测的现有的主要技术,针对摄像机在交通视频监控系统中的静止情况,以及在智能车辆上的运动情况下的行人检测算法及其性能进行了评述和比较,并分析了当前行人检测技术的研究现状,指出了存在的问题和研究前景。     

基于视觉传感器的道路前方车辆模型研究

车辆几何模型是基于视觉传感器的车辆检测系统的重要部分。为了提高前方车辆检测的鲁棒性,利用车尾轮廓的几何特征构建了世界坐标系的车尾模型,通过坐标系变换给出了视觉传感器坐标系的车尾模型,进而导出图像车尾模型,并给出了车尾模型参数的表达式及其与现实世界中车尾几何参数的对应关系,明确建立了图像中车辆位置和大小的关系。实验表明:将该模型应用于车辆检测可以抑制图像中不符合车辆透视关系的错误识别,能有效提高车辆检测的鲁棒性。     

基于单目视觉的矿井机车障碍物检测和测距方法

针对现有矿井机车障碍物检测和测距方法存在测距精度低、测量范围小及成本高等问题,提出了一种基于单目视觉的矿井机车障碍物检测与测距方法。该方法首先对CCD摄像机采集的图像进行预处理,然后根据障碍物的特点进行特征提取得到准确的障碍物区域,最后利用基于摄像机内部参数和几何关系的单目视觉测距方法得到机车与前方障碍物之间的距离。测试结果表明,该方法能有效检测机车前方障碍物,且测距精度在有效误差范围内。     

Mobile robot localization based on effective combination of vision and range sensors

Most localization algorithms are either range-based or vision-based, but the use of only one type of sensor cannot often ensure successful localization. This paper proposes a particle filter-based localization method that combines the range information obtained from a low-cost IR scanner with the SIFT-based visual information obtained from a monocular camera to robustly estimate the robot pose. The rough estimation of the robot pose by the range sensor can be compensated by the visual information given by the camera and the slow visual object recognition can be overcome by the frequent updates of the range information. Although the bandwidths of the two sensors are different, they can be synchronized by using the encoder information of the mobile robot. Therefore, all data from both sensors are used to estimate the robot pose without time delay and the samples used for estimating the robot pose converge faster than those from either range-based or vision-based localization. This paper also suggests a method for evaluating the state of localization based on the normalized probability of a vision sensor model. Various experiments show that the proposed algorithm can reliably estimate the robot pose in various indoor environments and can recover the robot pose upon incorrect localization. Recommended by Editorial Board member Sooyong Lee under the direction of Editor Hyun Seok Yang. This research was conducted by the Intelligent Robotics Development Program, one of the 21st Century Frontier R&D Programs funded by the Ministry of Knowledge Economy of Korea. Yong-Ju Lee received the B.S. degree in Mechanical Engineering from Korea University in 2004. He is now a Student for Ph.D. of Mechanical Engineering from Korea University. His research interests include mobile robotics. Byung-Doo Yim received the B.S. degree in Control and Instrumentation Engineering from Seoul National University of Technology in 2005. Also, he received the M.S. degree in Mechatroncis Engineering from Korea University in 2007. His research interests include mobile robotics. Jae-Bok Song received the B.S. and M.S. degrees in Mechanical Engineering from Seoul National University in 1983 and 1985, respectively. Also, he received the Ph.D. degree in Mechanical Engineering from MIT in 1992. He is currently a Professor of Mechanical Engineering, Korea University, where he is also the Director of the Intelligent Robotics Laboratory from 1993. His current research interests lie mainly in mobile robotics, safe robot arms, and design/control of intelligent robotic systems.     

基于HCS12单片机的智能寻迹模型车的设计与实现

设计并实现了一种基于HCS12单片机的智能寻迹模型车系统.采用飞思卡尔公司HCS12系列16位单片机MC9SDG128作为核心控制单元,使用CCD摄像头采集路面信息.通过对检测图像的分析和计算,自动控制舵机转向,并对直流驱动电机进行PID调速控制,从而实现智能车快速稳定的寻黑线行驶.     

路面车辆的视觉检测方法

智能车辆是近年来的研究热点,基于视觉的车辆检测与识别技术是智能车辆技术研究的一个重要组成部分。介绍国内外路面车辆检测技术的研究方法和发展现状。根据检测的不同方法,以视觉传感器为主,从特征和运动的角度论述目标检测的方法;从模板、外观和分类的角度论述目标识别的方法。介绍立体视觉和多传感器融合的技术。对智能车辆障碍物检测和识别技术的发展进行了展望。     

基于单目视觉传感器的车距测量与误差分析

为了解决结构化道路上基于单目视觉的运动车辆车距测量问题,从针孔模型下摄像机成像的基本原理出发,推导出基于图像中车道线消失点的车距计算公式.车距测量结果只与图像中的近视场点到摄像机的实际距离有关,而无需对所有的摄像机参数进行标定.分析了车距测量中的误差因素,并在前方道路上设置已知距离的横向标线,完成了摄像机不同安装高度、俯仰角及方向角情况下的标线距离测量实验.通过与实际距离比较发现,摄像机安装高度与方向角的微小变化对车距测量的影响可以忽略,而摄像机俯仰角的变化将引起较大的车距测量误差.最后,完成了不同距离处前方车辆车距测量实验,实验结果表明:采用上述方法的车距测量相对误差小于3％,具备了较高的检测精度.     

基于PSoC的智能车窗控制系统设计

基于PSoC及Cyfi无线通信技术,设计了一种智能车窗控制系统方案,具有无线控制车窗升降、车窗防夹手等功能.实验结果表明,该方案具有设计简单灵活、操作方便、功耗低、抗干扰等特点,可作为一种无线智能控制方案应用于汽车电子领域.     

基于自适应卡尔曼滤波的运动车辆检测

卡尔曼滤波是一种根据时变随机信号的统计特性,对信号的未来值做出尽可能接近真值的一种估计方法,首先介绍了卡尔曼滤波原理,然后阐述了它在运动目标检测的应用。针对传统的固定值的卡尔曼滤波方法的缺陷,提出了自适应更新参数的卡尔曼滤波方法。通过与传统的卡尔曼滤波方法、帧差法、光流法和高斯混合模型方法的比较,证明了该方法的有效性。