直线模型下的车道线跟踪与车道偏离检测

为了解决规格化道路上车道线跟踪及车道偏离检测的问题,利用Kalman滤波器来动态确定感兴趣小窗口的大小和位置。首先,在小窗口内采用Hough变换方法进行车道线识别;同时,根据摄像机的成像几何性质,推导出车道偏离程度与道路图像中车道线斜率之间的函数关系,从而简化了摄像机标定过程。现场试验表明,完成一帧道路图像的预处理及车道线识别的所需时间小于30ms,车辆直行隋况下的车道偏离率相对测量误差小于5％,试验结果验证了该方法的实时性和正确性。     

基于单目视觉的车道偏离预警算法研究

随着科技的发展,智能交通已成为当前的研究热点,自适应巡航是智能交通主要应用之一,而车道偏离预警在主动安全、自适应巡航中起着关键性的作用。因此,提出一种基于视频的车道偏离预警算法。把检测到的车道线的ROI分割为两个子区域,两个子区域分别应用霍夫变换寻找左右车道线。分割的方法可以提高车道线检测的计算速度。综合车辆驾驶状态、驾驶环境等相关影响因素,基于混合高斯隐型马尔科夫模型建立了驾驶人换道意图识别模型,以提高驾驶员换道意图辨别的准确率与灵敏度。     

车道偏离预警中车道线实时视频图像识别仿真

传统车道线图像识别与现实路况差异较大,提出了一种车道线实时视频图像识别方法.方法 对车道线图片进行逆透视转变,采用改进的Sobel算子对最近车道线边缘进行检测.在此基础上利用自适应双阈值对检测到的图像做二值化处理,增强图像信息.使用改进Hough变换算法减少拍摄图像与实际路况的差异,完成车道线实时视频图像识别.仿真结果...     

结合机器视觉的车道偏离识别算法研究

首先确定车道偏离检测的目标区域,然后利用数字图像处理技术及多种算法进行处理,将推算出的左右车道线夹角作为判别车辆是否偏离车道行驶的预警依据。实验结果表明,该算法具有较好的稳定性和一定的应用价值。     

基于视频的高速车道偏离预警系统

在驾驶过程中发生非意识车道偏离时,偏离预警系统采用报警方式保障行车安全。针对高速公路频发的车道偏离事故,设计和实现了基于视频处理的高速车道偏离预警系统(Highway Departure Warning System,HDWS)。算法处理上,分别进行感兴趣区域(Area of Interest,AOI)设定、图像预处理和Otsu自适应阈值二值化,应用直线模型和改进Hough变换提取车道线,采用像素距离与车道线斜率信息融合的偏离决策,并在MATLAB R2015a上仿真测试。仿真结果表明,该系统能提前1.2 s报警,准确率高于95%,漏报率低于3%,满足高速道路环境下偏离预警性能要求。     

基于机器视觉的车道偏离预警系统的实现

目前高速公路上由于车道偏离而导致的交通事故造成了巨大的损失,从而使得车道偏离预警系统的研究成为了社会的一大热点.本文基于DSP计算和FPGA计算,构造出一套基于视觉的车道偏离预警系统.本文给出了系统的框架结构以及硬件实现方式,并基于所提出的系统详细研究了视觉系统中大容量数据的传输、存储和处理等问题.最后,基于构造的系统,通过一系列典型的视觉处理算法和应用于车道跑偏决策的软件算法,验证了系统的可行性.     

基于Keras神经网络模型的车道线识别技术研究

车道线识别是车辆安全驾驶的重要研究方向,本文通过Keras神经网络模型来进行车道线的识别。使用不同场景下车道线图片,通过数据预处理和搭建的神经网络模型进行训练,通过反复实验,使模型识别的平均准确率达到96%,具有一定的实用性。     

基于主动鉴别字典学习的自主导航偏离控制算法

针对传统道路偏离检测算法仅对结构化道路适用的缺陷,提出一种基于主动鉴别字典学习的偏离控制算法用于非结构化道路的偏离检测与控制.采用主动学习算法从未标记样本中学习得到主动鉴别字典,根据其结构化重构误差判断车辆偏离方向,并以此为依据控制车辆行驶方向;定义有代价的加权错误率,作为衡量算法纠偏能力的新准则.实验结果表明,所提出的算法对于结构化和非结构化道路偏离检测均有较强的有效性和可靠性.     

基于模型驱动的车线偏离警告系统

车线偏离警告系统(LDWS)是车载主动安全系统的一项主要功能,研究了LDWS中的关键技术,以车道模型为核心,采用基于模型驱动的方法探测车道,为解决弯道探测的问题,将车线探测区域划分为多个子区域,独立探测每个子区域中的车线段,为提高探测效率并减少误识别,每个子区域的尺寸根据每次探测的结果和车道模型的拟合值动态变化,为增加探测的稳定性,对近处子区域采用Sobel滤波处理,对远处子区域采用根据车道几何特征动态设置的Gabor滤波处理,实验表明,系统能准确探测弯道并精确测算车道偏离范围,在噪声环境中有良好的鲁棒性.     

基于形态学结构元素建模的车道线检测算法

针对智能车辆辅助导航系统中车道线检测算法复杂、鲁棒性差的问题,提出了一种基于形态学结构元素建模的车道线检测算法。算法首先通过交变序列滤波器对原始图像进行滤波,然后利用具有车道模型特征的结构元素对预处理后的图像进行特定目标提取,再对提取出的车道左、右标识线进行外线判断运算以去除双边缘,将所得结果进行整合得到车道左右内侧边缘线,最后进行Hough变换标记车道线。实验表明,该算法简单、鲁棒性强,能准确地检测到车道标识线。     

基于贝叶斯网络的航班离港延误预警分析

贝叶斯网络是一种有效的概率预测方法,尝试将其应用于航班数据分析预警,应用Netica软件工具构建实际航班及其关联的贝叶斯网络,特别是针对航班延误的最主要环节——离港延误,分时间段对国内某航空公司在某机场的离港数据进行了延误原因分析和延误预警分析。     

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。     

Applying fuzzy method to vision-based lane detection and departure warning system

As the high growth of population of vehicles, the traffic accidents are becoming more and more serious in recent years. Most occurrences of the car accidents results from the distraction, inattention and driving fatigue of the driver. Hence, in order to avoid the driver being in danger as much as possible. In the lane detection, in order to enhance lane boundary information and to suitable for various light conditions all day, we combine the self-clustering algorithm (SCA), fuzzy C-mean and fuzzy rules to process the spatial information and Canny algorithms to get good edge detection. In the lane departure warning, the system uses instantaneous information from the lane detection to calculate angle relations of the boundaries. The system sends a suitable warning signal to drivers, according to degree different of the departure. These experiments have been successfully evaluated on the PC platform of 3.2-GHz CPU and the average frame rate is up to 14 fps.     

高速路的车道检测与车辆跟踪

基于智能交通的快速发展,研究了基于高速路的车道检测和车辆跟踪技术.对于多车道检测,根据路面与分道线灰度级相差较大的特点来实现车道路面的分割,接着结合直线方程和Catmull-Rom Spline插值算法来拟合分道线.对于单车道检测,首先基于HSV颜色空间和Sobel边缘提取方法对其进行有效分割,接着在透视变换空间中提取分道线坐标点并用二次多项式拟合分道线.针对车辆检测,使用Hog+Gentle-Adaboost分类算法实现无人车前方路面车辆的检测,接着基于车底阴影的特征对车底阴影进行检测以验证学习算法检测到的车辆区域的真伪性.针对车辆跟踪,采用动态二阶自回归模型的方法预测车辆的状态.其中,对于粒子滤波固有的粒子退化问题,引入Thompson_Taylor算法改善了粒子退化和低多样性的缺陷.本文的车道检测和车辆跟踪算法能较容易地移植在嵌入式平台,可靠性和准确性较高,且有助于进一步实现车道偏离报警和前向防撞系统.     

基于模糊双曲模型的可靠控制器设计

考虑执行器出现故障,提出一种基于模糊双曲模型(FHM)的可靠保性能控制策略.首先用模糊双曲模型表述一类离散非线性系统,建立基于模糊双曲模型的控制器;然后通过LMI方法设计该控制器,以保证系统在正常状况和执行器出现故障时都是渐近稳定的,并通过求解一个基于LMI的优化问题,得到最优的控制器增益矩阵,使得保性能指标的上界最小.仿真结果表明了该方法的有效性.     

基于混沌粒子群的车道线检测算法

为解决在恶劣天气、光照条件变化和路面信息干扰等情况下的车道线检测识别率低的问题,提出一种采用核Fisher线性判别分析灰度变换以及混沌粒子群的车道线检测算法。将高维的RGB彩色图像通过最佳鉴别投影向量投影到低维的子空间,通过混沌粒子群算法,根据车道线特征,遍历粒子取值范围内的空间,寻找适应度函数最大的解,根据最优解获得的直线参数在图像上拟合车道线。实验结果表明,所提算法能够实现各种道路情况下的车道线检测功能,验证了该算法具有良好的鲁棒性。