基于图像处理的车辆防偏防追尾预警系统研究

针对交通事故的不断上升,设计一种基于图像处理的车辆防偏防追尾预警系统。首先利用改进的Hough变换检测出前方车道线并进行预警决策;然后在此车道区域内根据车底部阴影的梯度特征确定前方可能存在的车辆区域,通过卡尔曼滤波器跟踪检测到的目标,并利用归一化转动惯量做车辆验证;最后根据世界坐标系和图像坐标系之间的几何映射关系测定与前车的距离,进而与计算得出的安全距离对比从而实现报警功能。实验结果表明,该系统能够有效的识别出车道线和车辆,并能很好的判断车道线偏离情况和测量车间距,从而实现预警输出。     

基于TMS320C6713图像识别系统在汽车防追尾检测装置中的应用

为了减少汽车防追尾过程中障碍物的误判断,我们可以先确定本车前面的目标物是车,然后再对其进行跟踪测距、判断其安全性,并对不安全状况进行预警。本文介绍了一种基于汽车防追尾的图像识别系统软硬件设计。该系统由CCD摄取图像,经视频解码器处理后再传给车辆识别系统进行图像的车辆识别判断。     

基于TMS32OC6713图像识别系统在汽车防追尾检测装置中的应用

为了减少汽车防追尾过程中障碍物的误判断，我们可以先确定本车前面的目标物是车，然后再对其进行跟踪测距、判断其安全性，并对不安全状况进行预警。本文介绍了一种基于汽车防追尾的图像识别系统软硬件设计。该系统由CCD摄取图像，经视频解码器处理后再传给车辆识别系统进行图像的车辆识别判断。     

车路视觉协同的高速公路防碰撞预警算法

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。     

基于Android平台的车辆防碰撞预警系统设计

为了在行车过程中准确判断周边车辆安全距离,对危险情况及时进行预警,提醒驾驶员采取相应措施规避碰撞,基于Android平台设计了车辆防碰撞预警系统。利用CCD摄像头采集道路图像,对图像进度灰度及降噪等处理之后结合Hog特征与Haar特征进行目标车辆识别,利用单目视觉技术测算车辆间距,根据危险距离范围设定多级别预警机制。经过UAS数据集中5 561张道路图像测试,系统在晴天、黄昏、夜间等不同环境下车辆识别准确率均比较高。另外,通过设置不同车速下的危险距离,验证系统多级别预警准确。可以有效降低碰撞事故发生概率,为车辆安全驾驶提供了强有力的技术支持。     

基于自适应模糊神经网络的防车追尾控制器

研究防止汽车追尾优化识别问题,为解决防汽车追尾快速预报,传统方法在于精确计算安全距离,并未给出具体的控制力度,结合自适应模糊神经网络理论,提出让汽车“缓慢”降速的解决方案,能有效解决防汽车追尾的控制力度问题.采用自适应模糊神经网络模型,设计汽车刹车力度控制规则表,进一步设计防汽车追尾控制器.通过仿真结果可以看出,跟传统的纯模糊控制系统相比,自适应模糊神经网络生成的曲面更加平滑,控制效果更好.并且具有自学习与自适应能力,能够自动生成并调整隶属度函数,提高了快速性和实时性,为汽车防追尾控制器设计提供了参考.     

车载雷达防追尾预警系统中的目标跟踪研究

考虑毫米波雷达测量的误差和噪声的存在,为了提高毫米波雷达汽车防追尾预警系统的可靠性,设计了一个多模型算法实现对机动车辆的准确跟踪。针对汽车在高速公路上最常见的匀速、匀加速及转弯运动模型进行仿真实验,结果表明该算法能够有效地跟踪前方行驶车辆,探知自车与前车之间距离信息、速度信息等,从而降低雷达虚警率。     

基于计算机视觉的前方车辆检测与测距系统设计

随着我国私家车数量的增多,公路行驶道路安全成为社会关注的主要问题.而前方车辆距离检测系统的搭建,能够完成前方车辆检测与智能汽车导航工作.探讨了计算机视觉的前方车辆检测与测距系统设计,通过分析基于前方车身底部阴影的检测算法,阐述了前方车辆检测与测距系统的设计与应用.     

基于DSP与ARM技术在汽车防追尾系统中的应用

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。     

基于单目视觉的道路图像理解综述

基于视觉的道路图像提供了车辆运行局部环境的丰富的信息,对这些序列图像的分析理解在车辆辅助驾驶、自动导引车、室外移动机器人等多领域得到了广泛的应用。详细介绍了道路检测系统以及道路偏离预警等系统中对道路图像进行处理、分析、理解的各种方法,阐述了道路识别与跟踪的技术和方法,并进行了比较。最后给出了该领域今后的研究方向和发展趋势。     

车辆超车视觉辅助导航系统研究

为了能够提高行驶速度,保障行车安全,提高行驶环境认知,设计了一个基于单目视觉的车辆自适应道路、前车检测、超车指导系统,其主要应用于双车道结构化道路,而且在晴天与阴天不同天气情况下,车道线以及深色、浅色车辆均可识别,并可跟踪、超越前车。实验结果表明,该系统可以应用于不同环境背景下,该系统已通过了远距离自动、安全、准确地检测,并进行了超越前车的仿真实验。     

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。     

自动驾驶在拥堵路段的道路几何信息估计

道路几何信息是自动驾驶系统中重要的信息来源,也是后续路径规划的关键参考信息之一。 该研究针对城市内车道线遮挡及多路径效应导致的全球定位系统失效等问题,提出了一种基于前车信 息的道路几何估计方法。通过对当前车辆、前车以及道路之间关系的建模,获得了系统的运动模型和 观测模型。采用无损卡尔曼滤波框架对观测到的前车相对位置、相对速度、相对角度和本车角速度进 行滤波处理,估计出当前车道的曲率参数。在仿真软件 Car learning to Act(Carla)上的实验结果表明, 相比地图匹配方法,在无法获取车道线目标及精确定位信息的情况下,该方法道路几何精度得到了显 著提升。     

Identification of driver state for lane-keeping tasks

Identification of driver state is a desirable element of many proposed vehicle active safety systems (e.g., collision detection and avoidance, automated highway, and road departure warning systems). In the paper, driver state assessment is considered in the context of a road departure warning and intervention system. A system identification approach, using vehicle lateral position as the input and steering wheel position as the output, is used to develop a model and to update its parameters during driving. Preliminary driving simulator results indicate that changes in the bandwidth and/or parameters of such a model may be useful indicators of driver fatigue. The approach is then applied to data from 12 2-h highway driving runs conducted in a full-vehicle driving simulator. The identified model parameters (ζ ω_n , and DC gain) do not exhibit the trends expected as lane keeping performance deteriorates, despite having acceptably white residuals. As an alternative, model residuals are compared in a process monitoring approach using a model fit to an early portion of the 2-h driver run. Model residuals show the expected trends and have potential in serving as the basis for a driver state monitor     

基于PSO-IGA算法的高性能十字阵列的设计与综合

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。     

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.     

基于视觉的车道跑偏检测方法研究及仿真

为了保证辅助驾驶技术行车的安全,在分析了基于视觉的车道跑偏检测方法的具体步骤的基础上,首先提出了利用由计算机视觉获得的车道标志线来进一步获得车-路关系的方法,并推导了几种车道跑偏判据TLC(time to lane crossing)的计算公式;然后利用“预瞄最优曲率模型”来仿真人-车-路的关系,并验证了当人的状态发生变化时,TLC判据可以有效地提供报警的效果;最后在红旗自主驾驶样车的视觉导航系统中进行了实验,实验结果表明,上述分析和仿真是可行的。     

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.     

A novel adaptive vehicle speed recommender fuzzy system for autonomous vehicles on conventional two-lane roads

This paper presents an intelligent speed adaption system for vehicles on conventional roads. The fuzzy logic based expert system outputs a recommended speed to ensure both safety and passenger comfort. This intelligent system includes geometrical features of the road, as well as subjective perceptions of the drivers. It has been developed and checked with real data that were measured with an instrumental system incorporated in a vehicle, on several two-lane roads located in the Madrid Region, Spain. Along with the road geometrical characteristics, other input variables to the system are external factors, such as weather conditions, distance to the preceding vehicle, tire pressure, and other subjective criteria, such as the desired comfort level, selected by the driver. The expert system output is the most suitable speed for the specific road type, considering real factors that may modify the category of the road and thus, the appropriate speed. This information could be added to the adaptive cruise control of the vehicle. The recommended speed can be a very useful input for both, drivers and the autonomous vehicles, to improve safety on the road system.