面向嵌入式系统的复杂场景三维目标融合检测方法

为解决复杂道路场景下,运行在嵌入式设备上的3D目标检测算法存在准确率低、实时性差等问题,提出了一种基于视觉2D目标检测和激光雷达3D目标检测结果级融合的方法。首先在YOLOv3算法的网络结构引入注意力机制,得到图像坐标系下2D目标检测结果;其次融合谱聚类和基于动态半径阈值的欧式聚类,得到点云坐标系下3D目标检测结果;最后通过相机和激光雷达联合标定统一坐标系,利用交占比(IOU)方法得到融合检测结果。实验结果表明：文中提出的多传感器融合检测算法,在KITTI 3D目标检测数据集表现良好,并可以在实车嵌入式平台进行部署,实时获得目标的多维信息,为智能汽车在路径上最近的车辆(CIPV)进行目标跟踪和轨迹预测提供了有效的数据支撑。     

缩微智能车目标检测系统的设计与仿真

为实现对车辆前方目标检测,提出并模拟了一种对缩微智能车前方目标进行检测的方案。在交通沙盘中,搭载ARM9开发板的缩微智能车,通过多种传感器数据融合采集缩微智能车的前方目标信息,然后再对数据进行集中处理。处理过程包括对视觉数据进行行人识别、对雷达数据进行目标状态分析,以及对通信数据进行分包,最后将数据包发送到监控平台完成前方运动目标信息的实时显示。仿真结果表明：该系统实现了对缩微智能车前方目标信息的实时采集,其采集精度和系统稳定性优于传统的目标运动信息采集系统。     

基于激光雷达信息和单目视觉信息的车辆识别方法

采用单一传感器识别前方车辆易造成误判,为了提高检测准确率,提出了一种基于激光雷达信息和单目视觉信息的车辆识别方法,该方法综合考虑了激光雷达传感器和单目视觉传感器的信息。首先对激光雷达原始信号进行预处理,然后对筛选后的数据进行最临近距离法聚类处理,并转换到图像坐标系中,初步确定障碍物检测的ROI (感兴趣区域)。提取ROI区域的图像,并对其进行灰度化,灰度增强和图像滤波的预处理。通过计算预处理后图像的熵值归一化对称性测度,完成前方车辆的检测。通过实验,验证该方法可以较好地识别前方车辆,弥补了单一传感器在车辆识别中的不足,同时耗时较短,可以满足实时性的要求。     

多层激光雷达在无人驾驶车中的环境感知

为了使无人驾驶车获得可行驶区域和障碍物信息, 通过分析大量激光雷达扫描点数据, 总结并得出路沿数据点独有的特征, 提出一种基于路沿数据点特征和多层融合技术的路沿检测算法.应用Dezert-Smarandache理论 (Dezert-Smarandache theory, DSm T) 对无人驾驶车前方道路环境建立栅格地图, 并利用证据理论中的冲突系数检测动态障碍物.最后, 采用膨胀算法、侵蚀算法和改进的八邻域区域标记算法对动态障碍物进行聚类和信息提取.实车实验结果表明:本算法可稳定、准确地感知无人驾驶车周围环境信息.     

网格聚类在多雷达数据融合算法中的应用

应用网格聚类的方法区分同一雷达接收的不同目标的观测数据,通过类间数据融合,实现同一目标不同雷达接收数据的融合,以便对多目标进行实时跟踪。研究了观测数据网格聚类的基本思想、形式化描述及算法实现,讨论了对机动目标跟踪的Kalman滤波方程及空管系统中易于计算的各参数矩阵理论依据及相应的初值。仿真结果表明,通过网格聚类能很好地区分不同目标,聚类后再进行跟踪融合更加准确。     

基于欧几里得聚类算法的三维激光雷达障碍物检测技术

利用三维激光雷达对车辆前方障碍物进行辨识过程中,车辆的运动导致点云数据出现畸变,传统欧氏聚类方法也无法同时对远处和近处的障碍物进行精确检测,从而导致错误的聚类结果,容易出现障碍物误检或漏检的情况。针对上述问题,提出了一种对三维激光雷达点云数据去畸变的方法,同时改进了欧氏聚类方法,使其能自动更正距离阈值,从而使障碍物检测更加快速准确。对本文方法进行了实车试验,试验结果表明:本方法能同时快速准确地检测出较近和较远的障碍物。     

激光雷达动态障碍物检测

为了解决在未知环境情况下障碍物运动状态的检测问题,提出一种基于激光雷达自主动态障碍物的检测方法.通过近邻域法和规则分类器算法对激光雷达检测的数据进行聚类;在此基础上分析了聚类障碍物的特征参数,利用聚类障碍物数据的置信区间关联性分析确定了障碍物的类型,对同一类型障碍物进行相对坐标转化分析确定了障碍物的速度、航向.实验结果表明;该方法能够在25ms内实现对车辆通行区域内的障碍物进行有效的聚类,从而实现对同一障碍物速度和航向的检测.     

基于三维激光雷达的动态障碍实时检测与跟踪

为了解决在大数据量的情况下实现高效检测与跟踪的难点,提出一种室外动态未知环境下自主车的多障碍实时检测与跟踪的算法.由于Velodyne 64线三维激光雷达具有数据量大、精度高等特点,采用其与相机结合感知环境.算法结合从图像处理中得到的道边信息将原始激光雷达数据的感兴趣区域转化为栅格地图,在地图上采用区域标记和模板匹配的方法进行聚类和特征提取,检测得到盒子模型的障碍物,并进行障碍物跟踪.为了避免在多障碍物的情况下出现虚警和漏检,基于多假设跟踪数据关联和卡尔曼滤波来跟踪连续多帧的障碍物.本算法在自主车平台上能够以每帧100 ms实现准确、稳定地检测和跟踪.     

基于Adaboost算法的日间前方车辆检测

提出了一种基于类Haar特征和Adaboost算法的车辆检测方法,以解决汽车安全辅助驾驶系统中对前方车辆的信息感知问题。基于类Haar方法对训练集的积分图进行提取,采用Adaboost算法选取有效的类Haar特征并生成前方车辆检测分类器。利用前方车辆检测分类器对PETS(Performance evaluation of tracking and surveillance)提供的图片进行测试。试验结果表明:该方法可以快速、准确地实现日间前方车辆的检测。     

基于固态激光雷达的智能汽车目标检测算法

基于低成本的车载固态激光雷达,提出了一种动态目标状态检测方法.首先给出了针对目标位置和速度检测的总体框架,然后基于固态激光雷达的点云特点,提出了改进的RANSAC地面分割算法.在此基础上,进一步设计了求取运动目标相对速度的检测算法.最后,融合固态激光雷达和惯导数据,辨识交通环境中的运动目标,并获得目标的绝对速度.通过两...     

基于新型Canny算法雷达距离图像边缘检测算法

针对激光雷达距离像的噪声滤波和边缘检测问题,提出了一种结合改进环圈滤波算法和自适应Canny算法的距离像边缘检测算法.通过改进环圈滤波对距离像的噪声进行抑制,在滤除噪声的同时保留了图像的细节特征信息.从梯度幅值计算、非极大值抑制和阀值自动选择3个方面对传统Canny算法进行改进,克服了噪声影响和边缘检测模糊等缺点.实验结果表明,该算法能够可靠的对距离图像进行边缘检测,并且检测结果的信息熵和标准差指标数据优于传统的Sobel算法和Laplace算法,能够较好地满足激光雷达距离像边缘检测的实际需要.     

基于雷达图像的水面无人艇目标检测技术

针对水面无人艇雷达目标探测问题,进行了嵌入式雷达图像采集处理系统的研究.提出了嵌入式雷达图像采集处理系统的体系结构.在提取目标位置信息的基础上,选择目标的位置、面积、不变矩特征,完成目标在雷达图像序列中的匹配,实现目标跟踪.针对雷达图像序列中偶有目标丢失的问题,利用卡尔曼滤波预测目标位置信息,帮助建立完整的目标链.最后通过海试验证了所设计的嵌入式雷达图像采集处理系统的可行性,试验表明所提出的图像处理算法、目标的特征匹配和卡尔曼滤波预测算法可以有效的完成目标的检测和跟踪.     

用于激光雷达成像仿真的动态场景模型

基于激光雷达成像的基本原理,结合目标表面的空间反射特性,在图形处理器架构下,借助其强大的并行计算能力,建立了激光雷达场景动态仿真模型,实现了不同入射、观测位置条件下目标表面空间辐射亮度分布的计算．针对典型场景进行了模拟实验,并将实验结果与实际激光雷达系统采集到的图像数据进行了对比分析．实验结果表明,模拟结果与实测图像数据在基本特征上是相似的; 定量分析结果表明,模拟图像与实际图像在主要特征上是相符的．     

图像法在管道焊接裂缝检测中的应用

在管道焊接过程中,利用图像处理法可得到大量的焊接裂缝图像信息与特征信息。可通过对焊接裂缝信息的检测,从而实现在焊接过程中对焊接裂缝质量的实时控制。针对在管道焊接过程中容易造成焊接微小裂缝这一问题,提出了一种基于图像处理法的管道焊接裂缝检测系统。系统主要包括激光器、CCD摄像机、图像采集卡、计算机图像处理软件等。通过实验研究表明,该系统有协调能力好、抗干扰能力强、控制精度高,性价比高等优点。     

从高空摄像中获取车辆瞬态信息和驾驶行为

针对大交通量拥堵情况下现有视频车辆检测技术不能有效处理车辆相互遮挡而导致的大量漏检问题,提出了一种面向交通拥堵的车辆鲁棒检测及分车道到达累计曲线估计方法.首先,完成非拥堵区域的检测,避免针对交通拥堵停驶车辆进行复杂遮挡处理及检测的工作;然后,基于假设生成和验证框架,融合AdaBoost分类器与车底阴影检测结果,得到车辆鲁棒检测结果;最后,使用投影畸变车辆稳定特征将车辆位置划归特定的车道,准确估计分车道车辆到达累计曲线,实现针对交通检测断面分车道详细交通参数的有效分析.实验结果表明：该方法能够在高峰时段的交通拥堵状态下实时进行车辆鲁棒检测并准确地获取交通参数,有效避免针对车辆遮挡的复杂处理过程,对解决车辆到达率和车头时距调查成本高、工作量大、不确定因素多等问题具有实际的意义.

     

基于非监督特征学习的分叉道路检测算法

为了解决道路分叉环境中的智能车辆导航问题,提出一种大视场、近距离的道路检测方法.采用安装于车头的鱼眼摄像机,克服了普通相机视野窄、近处存在盲区的问题;通过鱼眼图像重投影,去除鱼眼畸变和透视失真,获得尺度一致的数据块;应用非监督特征学习和逻辑回归分类器,从海量未标记数据中得到原始数据块的稀疏表达,免除了人工标记数据,最后得到路面可通行概率.实验结果表明:此算法在缺乏先验道路几何信息、无手工标记数据的情况下,可以正确地识别分叉道路可通行区域,无视野盲区.     

面向交通拥堵的车辆鲁棒检测及分车道到达累计曲线估计

针对大交通量拥堵情况下现有视频车辆检测技术不能有效处理车辆相互遮挡而导致的大量漏检问题,提出了一种面向交通拥堵的车辆鲁棒检测及分车道到达累计曲线估计方法.首先,完成非拥堵区域的检测,避免针对交通拥堵停驶车辆进行复杂遮挡处理及检测的工作;然后,基于假设生成和验证框架,融合Ada Boost分类器与车底阴影检测结果,得到车辆鲁棒检测结果;最后,使用投影畸变车辆稳定特征将车辆位置划归特定的车道,准确估计分车道车辆到达累计曲线,实现针对交通检测断面分车道详细交通参数的有效分析.实验结果表明:该方法能够在高峰时段的交通拥堵状态下实时进行车辆鲁棒检测并准确地获取交通参数,有效避免针对车辆遮挡的复杂处理过程,对解决车辆到达率和车头时距调查成本高、工作量大、不确定因素多等问题具有实际的意义.     

基于图像补偿的隧道衬砌裂缝检测方法

针对检测平台振动导致隧道衬砌裂缝图像识别准确率低、检测数据可靠性差的问题,提出基于图像补偿的隧道衬砌裂缝检测方法.开发车载式隧道衬砌裂缝检测系统,提出图像帧间自适应运动估计的方法. 对采用环境光增强处理得到的图像进行基于特征点匹配的自适应运动估计,建立图像帧间的运动关系,用卡尔曼滤波算法对运动参数进行滤波,去除采集平台的无规则振动,经过双三次插值实现图像补偿. 提出基于自适应分块综合滤波和形态学方法的衬砌图像裂缝分割方法,有效地完成裂缝提取和裂缝参数计算. 实验结果表明,利用提出的方法能够较好地补偿采集平台的振动误差,准确地提取裂缝信息,实现隧道衬砌裂缝的高精度检测.     

基于中值背景模型的运动目标自适应检测方法

目的 在保证准确性的前提下,降低运动车辆检测算法的计算量,加快处理速度,满足实时性要求,提出一种基于中值背景模型和自适应阈值的运动检测方法 .方法 基于当前帧与背景图像的差分图像,利用自适应阈值分别对差分图像的三个颜色通道进行二值化,从而实现运动目标的精确检测.同时,根据检测结果 ,采用中值更新策略实现背景图像的实时更新.结果 实验结果 表明,笔者算法可以从复杂交通场景图像序列中有效地检测出运动目标,并且算法计算量小,具有良好的鲁棒性与实时性.算法每帧处理时间比混合高斯降低43%,背景更新时间比一阶Kalman算法降低了45%.结论 算法能够很好地满足智能交通监控系统中运动车辆实时检测的要求.