智能车中基于单目视觉的前车检测和跟踪

提出了一个改进的单目视觉方法,用于智能车在结构化公路环境下准确检测和跟踪前方车辆。该方法先利用图像灰度梯度检测前车,剔除可能的虚检测,建立新目标的二维模型;然后用卡尔曼滤波方法预测下一帧的目标位置,在预测位置附近用边缘投影方法定位目标;设计了一种新的四因素似然度函数,验证跟踪结果与检测结果的匹配度,当跟踪失败时,重新检测前车。利用长图像序列PETS2001进行实验,结果表明该方法可以有效的检测和跟踪本车车道前方视野中的车辆障碍物,为智能车的防撞预警和控制系统提供可靠信息。     

车辆视觉导航系统中的实时道路检测

提出了一种新的道路检测算法。该算法中首先采用基于线段的区域增长法将采集到的实际道路边缘图像分割成道路区域和非道路区域,使下一步搜索道路标志的区域限定在道路区域;然后恢复道路标志并根据其特征定位道路标志线;最后采用数据拟合的方法找出道路轨迹线。在复杂路况下可以准确、快速估算出车道的延伸方向,实现车辆的防偏预报。、     

光电导航智能车

通过讨论导航技术,设计了一个采用调制技术的红外导航和光电管报警的无人驾驶智能车,在有限的赛道内,尽可能快的自主完成转弯、入库等智能化的行为.     

电磁导航智能车检测和控制系统的研究

对电磁导航智能车的信号检测、控制系统的设计和实现做了介绍。通过Matlab对不同路径进行了磁场分析,确立了传感器的排布方案,并针对采集的信号进行了后续信号处理电路的设计,完成了信号的采样,确定了控制策略,单片机根据传感器采集的跑道信号通过A/D转换进行分析,通过增量式PID来控制智能车的速度,并通过脉宽控制舵机转角来实现智能车的拐弯,最终实现了能够针对不同路径稳定快速运行的电磁导航智能车的制作。     

基于车载视觉导航的智能车控制系统研究

视觉路径识别技术是汽车智能化发展的必然趋势.在基于MC9S12XS128MAA单片机为主控制器的智能车控制系统设计中,探索采用CMOS摄像头作为路径导航数据采集单元,实现自主导航的软硬件设计方案.通过边缘追踪等多种算法提取导航路径信息,对舵机和驱动控制电机分别采用合理的控制算法,使得智能车平稳快速地行驶.研究表明:此方...     

基于蓝牙传输的智能车信号检测系统研究

设计了基于蓝牙传输的电磁导航智能车磁场信号检测系统。采用工字型电感线圈作为传感器,通过MATLAB对电感线圈在磁场中的特性进行了仿真分析,优化了传感器的排布方案。系统下位机以MC9S12XS128单片机作为信号采集的核心控制器,选用蓝牙模块作为无线发送与接收设备,利用LabVIEW 2012图形化编程集成开发环境编写上位机程序,最终实现了单片机与PC的无线数据互传。实验结果表明,该系统能够实时检测出智能车与导航线的相对位置,并可方便快捷地进行导航路况判断与速度给定。     

基于计算机视觉高速智能车辆的道路识别

论文研究了基于计算机视觉高速智能车辆的道路识别。通过对JLUIV-4智能高速车辆系统采集的图像进行中值滤波、边缘增强、最优阈值二值化,获得良好的梯度图像。根据道路特征采用Hough变换识别出道路边界。使用感兴趣区域,减少图像处理时间和提高道路识别的可靠性。JLUIV-4的高速导航实验表明,该算法具有良好的实时性、可靠性和鲁棒性。     

基于LabVIEW的智能车检测系统的设计

在智能车类竞赛中,参赛者基本采用编码器测量智能车的实际车速,再通过PID控制算法调整驱动电机的转速,最后利用轮胎的差速实现转弯操作。然而,在外界环境温度较高的情况下,电机长时间的高速运转可能会出现问题,严重时甚至会损坏智能车本身。本设计由传感器、信号调理、PXI数据采集系统和LabVIEW软件设计程序组成,能够实时查看电机的运转状态,分析波形图得出故障原因,从而使智能车稳定运行。最终完成的振动检测系统试验结果显示,检测效果较好,且该系统快速灵活,具备很好的扩展性和兼容性。     

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.     

巡线导航智能车的路径优化

针对现实应用中的巡线导航智能车道路检测范围小、路径规划困难的问题,提出增加传感器随动舵机的巡线导航智能车路径优化算法。安装随动摆头舵机带动传感器运动,增大传感器的路径识别范围。采用局部路径优化的方法,构建一个导航传递关系,用以在传感器数据和智能车行驶控制之间建立映射。实验结果表明,增加传感器随动舵机的巡线导航智能车在采用路径优化算法之后视觉范围增大,能改善巡线导航智能车的行驶性能,提高了寻线的可靠性,增大了巡线速度。     

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。     

基于单目视觉的前方车辆检测与测距

针对智能车辆控制中的防碰撞问题,提出一种新的前方车辆检测与测距方法。采用多尺度分块二值模式与Adaboost提取车辆候选区域,根据候选区域内的水平边缘和灰度特征去除车辆误检,解决分类器检测过程中路面和绿化带的干扰问题。利用改进的车辆底部阴影定位方法获得车辆准确位置提高测距精度,建立基于位置信息成像模型的车距测量方法,测量前方车辆距离。实验结果表明,该方法在不同天气情况下车辆平均检测率为98.42%,车距测量平均误差为0.71 m。     

基于计算机视觉的车道标线与障碍物自动检测

车道标线与障碍物检测是智能车辆辅助驾驶系统的关键技术问题。论文提出了一种基于计算机视觉的车道和障碍物检测新方法。它根据摄影几何投影变换从图像内容重建出道路平面图,解决了图像中远方车道过于细小、难以检测的缺点,算法对虚线车道特别有效。文中对重建参数选择进行了分析比较,实验表明重建结果对参数变化具有很好的鲁棒性。     

基于单目视觉的车道线分离警告算法研究

车道线检测技术是自动驾驶领域的研究热点。通过对车道线图像基本特征的分析,研究了一种基于车道线识别的稳健方法。在初始检测部分,图像预处理中采用大津法来适应不同的光照条件,并根据车道线特征进行车道线初始检测。然后,用Hough变换检测车道线。在车道线跟踪部分,用Kalman滤波器预测参数,动态建立感兴趣区域,在此区域搜索车道线。并根据一定的失效判决模块,验证跟踪结果。最后,根据交通工具与车道线之间的距离来判决偏离情况。实验证明,该算法具有较高的实时性和稳健性。     

基于单目视觉的高速公路车道保持与距离测量

汽车智能辅助操作系统是智能交通系统的重要组成部分，也是目前国际上的热点问题．基于计算机视觉技术的车道保持，即视觉导航是辅助操作系统的核心问题之一．该文提出一种基于单目视觉的公路分道线二维重建算法和距离测量算法．其基本思想是根据分道线灰度与几何特征建立约束方程，进而跟踪提取分道线，并用二维模型重建，在此基础上，首先获得车道保持的必要道路参数，然后在二维重建的基础上，进一步实现了基于分道线几何约束的单目测距算法．在四川省与重庆市的高速公路上的实验证明，车道保持算法的实时性与精确性已基本满足实用要求；单目测距算法的精确度也能满足安全行车防止碰撞的需要．     

基于单目视觉的障碍物检测方法研究

为了解决车辆的碰撞问题,提出了一种基于单目视觉的车道标识线二维重建及障碍物检测与跟踪的方法.主要采用最大类间方差法对初始图像进行分割,给出一种新的车道标识线特征点搜索策略,用统计模型的方法获取车道线参数.利用障碍物(前方车辆)在道路中留下的阴影,检测车辆边缘并确认车辆存在,运用卡尔曼滤波方法跟踪车辆具体位置.所设计的方法能够准确地检测跟踪车道线及前方障碍物.实验结果表明:方法满足车辆安全行驶的前提需要,具有较高的准确性和实时性.     

基于单目视觉的车辆检测算法研究

本文在全面总结现有的国内外前方行驶车辆的视觉检测算法的基础上,利用由于光照因素使得前方车辆在图像内形成的底部阴影这一先验知识,建立了基于车辆阴影区域检测的前方障碍物视觉检测算法。     

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.