共查询到18条相似文献,搜索用时 93 毫秒
1.
智能车中基于单目视觉的前车检测和跟踪 总被引:5,自引:0,他引:5
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。 相似文献
2.
车辆视觉导航系统中的实时道路检测 总被引:2,自引:2,他引:0
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。、 相似文献
3.
刘慧勤 《电子制作.电脑维护与应用》2012,(8)
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. 相似文献
4.
5.
6.
7.
基于计算机视觉高速智能车辆的道路识别 总被引:18,自引:0,他引:18
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。 相似文献
8.
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。 相似文献
9.
10.
11.
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。 相似文献
12.
13.
基于计算机视觉的车道标线与障碍物自动检测 总被引:3,自引:0,他引:3
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。 相似文献
14.
15.
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. 相似文献
16.
基于单目视觉的障碍物检测方法研究 总被引:2,自引:1,他引:2
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. 相似文献
17.
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。 相似文献
18.
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ThompsonTaylor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. 相似文献