结构化道路车道线的鲁棒检测与跟踪

针对智能车在视觉导航过程中车道线检测的鲁棒性和实时性问题,提出一种适用于结构化道路的车道线鲁棒检测与跟踪方法。首先,简化的Sobel算子提取车道线边缘图像,将边缘图像与改进的Otsu方法得到的车道线分割图像进行融合,实现对车道线标记点的鲁棒检测;然后,采用迭代最小二乘方法拟合车道线标记点并去除干扰点,并根据拟合参数建立车道线模型;最后,引入尺度无迹卡尔曼滤波(SUKF)对车道线进行跟踪。通过对多段实地采集的视频进行了仿真实验,结果表明,该方法对于高速公路车道线的检测率可达到99%,并具有较好实时性能;对于受损和弄污的城市道路车道线也体现出较好的鲁棒性和时间性能。     

基于Bayes后验概率的鲁棒性车道线检测算法

针对道路场景中常见的由阴影、地面积水、刹车印记等因素引起的车道线对比度低和车道线不明显问题,提出一种基于Bayes后验概率的鲁棒性车道线检测算法.该算法在二次曲线道路形状模型基础上,在图像平面中引入中心车道线模型描述左右车道线,结合图像信息和车道线先验概率构造后验概率函数,将车道线检测问题引申为最大后验概率问题,并在优化过程中将具有参数少、结构简单和收敛速度快等特点的粒子群优化算法与具有全局搜索特性和不易早熟等特点的免疫克隆策略相融合,提高车道线检测的鲁棒性.实验结果验证了上述算法在车道线检测过程中对阴影等不良因素的鲁棒性.     

Real-time lane departure warning system based on principal component analysis of grayscale distribution and risk evaluation model

A technology for unintended lane departure warning was proposed. As crucial information, lane boundaries were detected based on principal component analysis of grayscale distribution in search bars of given number and then each search bar was tracked using Kalman filter between frames. The lane detection performance was evaluated and demonstrated in ways of receiver operating characteristic, dice similarity coefficient and real-time performance. For lane departure detection, a lane departure risk evaluation model based on lasting time and frequency was effectively executed on the ARM-based platform. Experimental results indicate that the algorithm generates satisfactory lane detection results under different traffic and lighting conditions, and the proposed warning mechanism sends effective warning signals, avoiding most false warning.     

基于梯度增强和逆透视验证的车道线检测

为解决高速公路和城市道路上复杂条件下的弱线漏检问题,提出了一种基于梯度增强和逆透视验证的车道线检测方法。该方法使用车道线的结构和对比度特征提取车道线区域,利用提取的车道线区域进行车道线和道路样本的选择,并采用基于模糊线性鉴别分析获得从彩色RGB图像到灰度图像变换的最佳投影系数,以确保车道线和道路像素间的灰度差异最大,从而有效突出道路上的弱线;利用逆透视变换对候选车道线间的空间位置关系进一步验证,以此找回漏检的虚线。不同场景、不同天气状况下的实际道路图像的实验表明,方法具有很好的鲁棒性和准确性。     

基于立体视觉的移动机器人障碍检测算法研究

针对室内导航环境的特点以及匹配精度和匹配算法的实时性问题,本文提出了一种基于区域分割的障碍检测方法。通过区域分割,把图像对应点的匹配问题简化为区域边界点的匹配,提高了匹配的精度。分割后的区域作为一个独立的对象进行处理,障碍物三维信息计算转化为视差的判断,提高了匹配的速度。该算法能够实现在室内环境下的实时障碍检测,不需要利用环境的先验知识,具有较强的自适应性。实验结果表明了该方法的有效性。     

Vision-based long-distance lane perception and front vehicle location for full autonomous vehicles on highway roads

A new vision-based long-distance lane perception and front vehicle location method was developed for decision making of full autonomous vehicles on highway roads. Firstly, a real-time long-distance lane detection approach was presented based on a linear-cubic road model for two-lane highways. By using a novel robust lane marking feature which combines the constraints of intensity, edge and width, the lane markings in far regions were extracted accurately and efficiently. Next, the detected lane lines were selected and tracked by estimating the lateral offset and heading angle of ego vehicle with a Kalman filter. Finally, front vehicles were located on correct lanes using the tracked lane lines. Experiment results show that the proposed lane perception approach can achieve an average correct detection rate of 94.37% with an average false positive detection rate of 0.35%. The proposed approaches for long-distance lane perception and front vehicle location were validated in a 286 km full autonomous drive experiment under real traffic conditions. This successful experiment shows that the approaches are effective and robust enough for full autonomous vehicles on highway roads.     

基于逆投影差分的移动机器人障碍物快速检测

移动机器人的障碍物快速检测是其导航、避障、轨迹跟踪的关键技术。目前多数传感器存在距离盲区以及异常尺度等问题,且现有算法大多计算复杂,难以满足实时性需求。为了改善这些问题,本文提出了一种基于环视逆投影差分的移动机器人障碍物快速检测与定位新方法。该方法以水平地面为参考平面,对移动机器人上环视系统中相邻视角相机拍摄的图像进行逆投影变换,再经图像差分得到逆投影差分图,图中像素值为零的点位于参考平面,反之则位于参考平面之外,经过阈值化、滤波后即可用来区分参考平面与非参考平面目标,实现其视场公共区域内障碍物的快速检测;同时以逆投影差分图为基础,通过像素坐标系到机器人自身坐标系的转换可获得目标相对于移动机器人精准的位置信息。在实际场景中对5 m范围内不同类型、大小、距离的障碍物进行测试,平均检测精度为97.3%,平均检测耗时为46 ms/帧,平均定位误差为1.1%。实验结果表明,本文方法能快速有效地检测和定位移动机器人附近的动、静态障碍物。     

基于单目视觉的运动障碍物检测

针对室内结构化环境中光照和外界环境的实时变化,提出一种基于单目视觉的改进的运动障碍物检测算法。利用单目摄像头截取图像,进行灰度转换和中值滤波,将混合高斯模型背景差分法和帧差法相结合,并引入面积信息,对二值化后的差分图像进行形态学处理和连通性分析,有效的解决了空洞问题,得到完整的运动目标信息。实验结果表明,该方法能准确快速检测所观测区域内的运动障碍物,实时性,鲁棒性好,对光照等外界条件的变化有很好的适应性。     

城市道路机非冲突分析与自行车道宽度计算方法

为了给自行车道设计提供参考依据,通过开展城市道路路侧自行车与机动车冲突调查,分析给出了路侧自行车数量对机非冲突的影响规律,采用回归分析方法分别构建了主、次干路及支路单车道路侧自行车数量与机非冲突次数的关系模型.基于机非冲突与事故数量的关系,分别以周和月均事故一次作为阈值,将机非冲突划分为轻微冲突、一般冲突与严重冲突.基于所建理论模型,结合机非冲突等级划分,给出城市道路自行车道宽度计算方法,并进行实例分析.研究结果表明:随着单车道路侧自行车数量的增加,自行车与邻近车道机动车的冲突次数随之增长,主干路、支路满足二次函数关系,次干路满足幂函数关系;建议在机非冲突次数达到严重等级时拓宽自行车道,以增加自行车道数量,降低单车道自行车数量,从而减少机非冲突次数,保障自行车行车安全.     

基于反演法的智能车辆弯路换道轨迹跟踪控制

基于车辆的运动学模型,研究了具有非完整约束特性的智能车辆弯路换道的轨迹跟踪控制问题。结合弯曲车道的曲率半径,针对换道过程中车辆横向运动和纵向运动对换道轨迹的耦合作用,提出了一种适用于弯道的换道轨迹规划方法。根据换道轨迹,利用积分反演法,引入中间虚拟控制量,设计了轨迹跟踪控制算法,并用Lyapunov稳定性理论证明了控制系统的稳定性。仿真结果表明:该控制器可以保证车辆在弯路换道的轨迹跟踪误差一致有界收敛,且具有快速、准确跟踪和全局稳定的特性。     

基于道路图像对比度-区域均匀性图分析的自适应阈值算法

针对道路图像检测易受光照及车道标志线曲率等交通环境条件变化干扰而导致检测算法稳定性不佳的问题,在图像阈值分割的经典大津法基础上,对直路、左右转弯、有少量积雪和阴影等多种典型道路行驶图像进行了对比度和区域均匀性图分析,并以此实现了基于大津法的道路图像自适应阈值分割,有效地提高了环境条件变化时道路图像检测算法的鲁棒性。     

雷达与视觉信息融合的行人检测方法

首先建立两传感器间的坐标变换模型,将雷达扫描的深度信息映射到图像上。然后对雷达扫描的数据进行聚类分析,并结合行人物理属性,对聚类点簇进行筛选获得有效点簇信息;根据摄像机的成像规律,确定行人成像区域与其所处位置的关系,从而确定行人检测感兴趣区域。在此基础上,提取感兴趣区域的梯度方向直方图特征,运用支持向量机检测行人。实际交通场景测试结果表明本文方法能够对行人实时检测,且准确率可达93%以上。     

基于非接触采集下的鲁棒掌纹识别

为了扩大掌纹识别的应用范围,使非接触式掌纹识别系统在复杂背景和光照变化的条件下都能使用,提出了一种适用于非接触采集下的鲁棒掌纹识别算法.该算法使用肤色阈值的方法把手掌从复杂的背景中分割出来,采用一种新颖的指根点检测算法找到指根点,用指根点来定位掌纹ROI,使用对光照具有良好鲁棒性的LBP算法提取掌纹特征,并用Chi平方统计法进行分类.实验使用的数据库是在不同光照和复杂背景下采集的,当等错率为3.098 6%时,正确识别率达到97.833 7%.实验结果表明,该方法能够扩大掌纹识别的应用范围,使非接触掌纹识别系统在复杂背景和可变光照的条件下达到较理想的识别效果.     

基于时间效益的城市公交专用道设置流量条件

为了精确分析公交专用道设置临界条件,在基本路段车速模型适用性分析的基础上,引入公交车流量、社会机动车流量、公交车比例等参数,分别建立了改进的混行机动车运行速度模型和设置公交专用道后机动车运行速度模型,并选取单向三车道路段进行实验调查,用采集的数据对改进模型进行标定．运用改进的模型,对公交专用道设置前后车辆运行速度差异性的分析可以发现,随着路段车流量(饱和度)的变化,车辆速度差异的变化呈现无差异、差异变大两个显著的阶段．进而从总出行时间的最小的角度,建立时间效率模型,用于计算设置公交专用道的临界条件．试算结果表明在公交比例较小时公交专用道设置的临界条件低于传统标准,公交比例较大时公交专用道设置的临界条件高于传统标准,公交比例变量的引入有助于细化公交专用道设置的临界条件．     

基于主动机器视觉的人脸跟踪与表情识别系统

搭建了一个基于主动机器视觉平台的人脸跟踪与表情识别系统,并进行了相关实验研究。阐述了该平台的系统结构,以及实现人脸表情识别系统的关键功能模块。该系统在主动机器视觉平台基础上,对注意力选择的区域进行人脸检测,通过控制云台完成跟踪动作,并对人脸区域进行实时地表情识别。同时在实验平台上做了大量的人脸检测跟踪和表情识别实验,包括对复杂和简单背景下人脸跟踪及表情识别的准确性进行了实验,实验结果验证了平台的有效性。     

基于空间约束的自适应单目3D物体检测算法

引入无须先验模版匹配的3D目标检测算法,通过简化消失点（VP）计算和改进角点提取等步骤,提出一种自适应的单目3D物体检测算法. 针对复杂场景下VP 计算易受干扰的问题,根据室内场景中世界坐标系、相机以及目标物体之间的空间关系,建立目标、相机偏航角与VP之间的约束模型,提出一种基于空间约束的 M 估计子抽样一致性（MSAC）消失点计算方法;为了提高3D框的估计精度,在VP透视关系的基础上,提出一种自适应估计3D框角点的方法,通过建立目标3D轮廓线与2D框的空间约束关系,实现目标物体的3D框快速检测. 相关数据集的实验结果表明,所提方法相比于其他算法不仅在室内场景下具有估计精度高、实时性好的优势,而且在室外场景实验下也具有更好的精度和鲁棒性.     

非约束环境下人脸识别技术的研究

设计了一种基于全方位视觉传感器(ODVS)和多个高速快球摄像机(PTZ)相融合的装置.利用ODVS在动态图像序列中进行大范围多人体对象目标的检测跟踪,得到大范围内各跟踪人体对象目标的位置、大小等信息;然后根据检测到的这些信息来控制不同方位上的多个高速快球摄像机对人体对象目标的头部进行抓拍;最后根据人脸和人眼检测算法检测出来的人体对象目标的脸部特征对所拍摄到的图像进行筛选,淘汰一些不能用于识别的图像,并统计可以用于人脸识别的图像数量,如果没有达到一定的数量,则控制高速快球继续对该人体对象目标的头部进行抓拍,直至抓拍到足够的可用于人脸识别的图像为止.实验结果表明,通过ODVS和多个高速快球摄像机的视频图像信息融合,即使在人体非约束的情况下也能很好的获取到可用于人脸识别的图像,同时能满足多目标实时跟踪与识别的要求.该装置在安全监控、门禁检查、身份认证等领域都具有很好的实际应用价值.     

基于小波神经网络的掌纹识别

提出了一种基于小波神经网络的掌纹识别方法。首先对掌纹图像经过预处理得到掌纹的感兴趣区域（ROI）,然后利用小波包分解的方法对该区域进行掌纹特征的提取,再利用RBF网络的容错能力和较快的收敛性对掌纹图像加以识别。针对香港理工大学掌纹数据库进行了实验,实验结果证明,本算法可以达到很好的识别效果,为掌握识别提供了一种新途径。     

多目立体视觉三维重建系统的设计

针对工业产品质量检测过程中产品三维表面的重建问题,提出一种基于多目立体视觉三维重建方法.设计了一套由八个直线分布的工业相机构成的三维重建系统方案.首先通过图像采集模块,在八个不同方向对目标物体进行图像采集.其次对采集到的图像进行预处理,其中包括图像背景抑制和目标物体分割.然后通过相机标定模块,对八个相机进行标定,获得它们的内外参数,并结合Harris角点检测及高斯差分检测算法对预处理后的图像实现特征点提取.在此结果上,再利用三角形法对提取到的特征点进行匹配和校正.最后采用泊松表面重建方法准确地获取和优化角点,并找到角点特征的匹配点,从而对物体进行三维表面的精确重建.实验结果表明,设计的系统能够重建出静止物体的局部三维表面,重建结果中的物体表面完整,结构清晰,表面上的字符重建完整,能够很好地进行识别.     

基于双目立体视觉的前方车距测量

提出了一种在公路上利用车载双摄像机测量前方车距的方法．通过对道路前方车辆进行快速探测以及对摄像机进行预先标定,利用摄像机参数和三角测量原理,计算出前方车距．实验表明该方法具有较高的测量精度．