基于逆透视变换的智能车辆定位技术

为了根据车道线参数准确地确定本车在车道中的位置和方向信息,提出了一种基于逆投影变换的本车定位算法。算法利用逆透视变换对投影图中的车道线进行三维逆透视重建,得到实际路面的车道线,并经过坐标变换求出本车在车道中的当前位置参数、方向参数及车道宽度等信息。试验表明,该算法对光照条件、道路结构等变化具有较好的适应能力和抗干扰能力,在一定程度上满足多种横向主动安全系统的要求。     

基于逆透视变换的车辆排队长度检测方法

交通路口的车辆排队长度检测是智能交通系统的重要组成部分,传统的检测方法易受背景噪声、摄像机透视效果等因素的干扰造成检测失败,而且其实现都是基于串行结构的处理器,不能用于实时处理的场合。本文设计了一种充分利用平直道路几何特征并适合FPGA实现的排队长度自动检测算法,该算法利用逆透视变换消除图像几何失真,引入公路的结构性约束有效检测了车道线;接着采用Sobel边缘算子检测出各车道的车辆轮廓,通过一种基于信息量的度量方法提取排队的队尾,从而确定了车辆排队长度,并且通过硬件化设计使得整个检测过程达到实时的处理速度。     

梯度点对约束的结构化车道检测

车道检测是无人驾驶车辆及车道偏离预警等系统的关键技术。针对复杂道路环境中,阴影、路面破损及车辆遮挡等常造成车道检测不准确的问题,提出利用结构化道路两侧车道线上常具有相反方向梯度的性质,将两侧车道线的检测转化为梯度点对约束下的车道中线及宽度检测。然后分别采用平行透视投影模型及线性双曲线模型,通过Hough变换获得了对车道消失点、宽度及车道中线等参数的估计,最终实现了对不同形状结构化车道的检测。比较了本文算法与其他两种车道检测算法在不同复杂道路环境下的车道线检测性能,结果表明了本文算法的有效性。     

直线模型下的车道线跟踪与车道偏离检测

为了解决规格化道路上车道线跟踪及车道偏离检测的问题,利用Kalman滤波器来动态确定感兴趣小窗口的大小和位置。首先,在小窗口内采用Hough变换方法进行车道线识别;同时,根据摄像机的成像几何性质,推导出车道偏离程度与道路图像中车道线斜率之间的函数关系,从而简化了摄像机标定过程。现场试验表明,完成一帧道路图像的预处理及车道线识别的所需时间小于30ms,车辆直行隋况下的车道偏离率相对测量误差小于5％,试验结果验证了该方法的实时性和正确性。     

车道偏离预警系统关键技术设计

车道偏离系统是一种安全辅助驾驶系统,针对传统车道偏离预警系统实时性不足,设计了基于改进Sobel算法和Hough变换识别车道线的实时车道偏离预警系统。系统将摄像机采集的道路图像经过改进Sobel算法处理,能更快得到车道线边缘像素信息,再应用Hough变换连接有效边缘像素确定车道线位置,最后通过与预警决策模块的匹配度实现车道偏离的预警判定。经测试系统性能良好。     

车道线破损检测与测量

针对传统的人工车道线破损检测方法存在费时费力的问题,论文提出一种有效的处理方法.用车载相机进行图像采集,将原始道路图像灰度化之后,采用高斯滤波去除图像采集过程中引入的噪声.利用反透视变换将图像转换成俯视图,得到准确的车道线图像信息.最后基于ROI的提取算法,提出将Rect函数用于车道线面积计算,以改善传统边缘检测算法对边缘破损的车道线无法识别的情况.经过对实际道路的实验测试,检测效果良好,准确度高.     

试飞机载测试系统一体化验证平台的设计与实现

为提高智能车对多车道的实际道路车辆行驶环境的适应性,提出了一种基于三车道模型的车辆检测方法。方法在预处理的基础上利用极角及位置约束的Hough变换得到可能的车道线信息并利用消失点对车道线进行筛选;利用三车道四线模型对车道线进行匹配;对于每条车道,分别利用车辆灰度信息对车道线内车辆进行识别,并利用视频的连贯性对车辆识别结果进行修正并跟踪车辆。该算法通过对车道线的二次筛选,提高了三车道模型的准确率,进一步提高了对于不同车道车辆识别的正确率。实验结果表明,在结构化道路上,对于不同路况,算法均具有较好的实时性和鲁棒性。     

基于霍夫变换算法的车载视频车道线检测

基于车载视频监控,围绕车道线检测及车道线模糊或缺失等应用进行研究,并将研究成果应用到道路巡检管理系统中,取得了良好的工程实践应用效果。采用了霍夫变换检测算法筛选当前车辆行驶所在车道的左右车道线,通过数量检测对车道线缺失进行判断预警。为了进一步提升应用的可靠性、减少因车辆变道或前方车辆遮挡而导致的车道线缺失误判,研究了车道线偏离和前方障碍物判断预警方法。以俯瞰视角,对车道线、摄像头成像及车辆姿态进行建模,计算车辆行驶偏移的角度和相对距离,判断车辆偏移情况。     

基于改进Hough变换的车道线检测技术

为提高车道线识别的实时性和可靠性,提出了一种基于改进Hough变换的车道线检测方法;在图像预处理时对不同光照图像进行分类处理,得到二值化图像;利用极角约束Hough变换进行车道线初始定位;根据前一帧图像信息使用基于动态ROI的Hough变换进行车道跟踪;算法加入了车道线检测失效判别模块,以提高检测的可靠性;由于该方法减少了图像空间中被投票的目标点数,缩小Hough变换的投票空间,在一定程度上提高了车道检测的实时性和稳定性;实验结果表明,在结构化道路上,对于不同的路况,算法均具有较好的实时性和鲁棒性。     

单目视觉车道偏离预警系统的开发

车道偏离预警系统的主要任务是当驾驶员在驾驶过程中非意识发生车道偏离时,采用预警的方式来保障完成汽车的安全。采用基于机器视觉的方法,设计了一款用单个摄像机采集道路信息,用TMS320DM642作为主处理器对采集到图像进行预处理并提取车道线,然后结合汽车CAN总线传输的汽车当前的状态信息进行预警决策。硬件方面,双片SDRAM对图像进行高速缓存以解决视频数据量大的问题,TVP5150对采集到的图像进行解码为后续图像处理提供数据,SAA7121对图像数据进行编码以实现实时视频显示。算法方面,首先对图预处理后,依据道路特征设定感兴趣区域,使用改进Hough变换提取车道线的线形特征。结果证明,本系统采用单目可以降低成本,算法可以很好地移植,能够提前2.5 s进行偏离预警,达到实时性要求。     

基于双曲线模型的车道识别与偏离预警

针对车道识别与偏离预警算法在准确性、可靠性和计算效率方面存在的问题,提出一种基于双曲线模型的车道识别与偏离预警算法。首先,在图像预处理基础上通过特征点搜索筛选道路边缘点,采用双曲线构建道路模型,利用最小二乘原理拟合道路参数,再根据拟合车道线及邻近点信息构建车道置信度函数,将置信度大于设定阈值的车道线作为最终检测结果;然后,根据相邻帧车道线连续变化的特点,在前帧拟合道路线附近使用粒子滤波算法进行道路边缘点筛选、拟合以及置信度计算,实现对车道线的跟踪;最后,在图像坐标系中建立时空联合预警模型,对车道偏离行为进行预警。在PC平台上进行的算法实现与道路实验结果表明:所提方法在一般路况下,具有92%的车道识别和偏离识别正确率和40ms/帧的平均处理速度,满足车道偏离预警应用要求。     

结合机器视觉的车道偏离识别算法研究

首先确定车道偏离检测的目标区域,然后利用数字图像处理技术及多种算法进行处理,将推算出的左右车道线夹角作为判别车辆是否偏离车道行驶的预警依据。实验结果表明,该算法具有较好的稳定性和一定的应用价值。     

基于启发式搜索的车道线识别算法研究

在车道边界识别中,边界点的提取是关键,常用的边界点提取方法因对噪声的抑制能力不强产生较多噪声点,从而影响识别效果。提出一种边界点启发式搜索算法,根据梯形匹配模型、车道线灰度变化特征和实际车道宽度约束,确定搜索的起始点,从起始点根据度量代价准则函数搜索车道边界点。采用直线道路模型结合Hough变换来拟合车道边界。实验表明,该算法实时性好、可靠性强、鲁棒性高。     

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。     

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。     

汽车偏离车道线的图像分析与视觉计算方法

针对汽车自主驾驶技术的车道检测和跑偏告警问题,提出了一种快速可靠的视觉计算方法。利用方向滤波算子对路面图像进行5×5模板运算,得到边缘图像;采用Otsu自动阈值算法对图像进行二值化处理,并根据车道在图像中的位置特性对边沿图像细化去点,减少后续处理运算量;在此基础上,根据车道几何特性引入约束条件,去除干扰点,并采用Hough 变换检测出车道线;依据针孔摄像机模型建立空间坐标系,用于计算汽车相对于车道线的偏转角和垂直距离,估计驶离车道的时间,为汽车自主驾驶中的安全预警及智能控制提供信息支撑。     

车道标识线识别和跟踪方法研究

为了得到比较理想的道路图像中车道标识的边缘,文中采用了基于二维直方图熵最大化的车道标识边缘提取方法。对此边缘图像采用定向边界跟踪方法提取出车道标识特征点,对这些特征点采用线性回归技术就可以得到车道标识线参数,从而完成对道路图像中的车道标识线的识别,并且文中还采用了建立梯形的感兴趣区域的办法实现了对车道标识线的实时跟踪。     

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。、     

基于车道标线分解的车道检测

利用图像处理技术,提出了一种基于车道标线检测的自动车辆驾驶控制方法。针对公路上车道标线的图像特征,将图像平面的车道标线分割为下标线(LLM)和上标线(ULM),研究了它们的性质。在此基础上,提出了基于车道标线分解的车道检测新方法。实验结果表明所用方法能有效提取用于车辆驾驶控制的车道状态参数。     

基于Hough变换的车道检测改进算法研究

车道检测是车道侧偏检测的前提,是车辆辅助驾驶系统的重要组成部分,针对这一特点,提出了利用Hough变换来实现对车道检测的直道检测,而对于弯道部分的检测,则是该算法的一个创新之处.通过统计较小区域的目标像素数目,设置感兴趣区域(ROI)来判断车道的弯曲方向,并在该方向上进行弯道像素的搜索,采用多段折线的方法对弯道部分进行重建.实验结果表明该算法具有运算速度快、准确性高、鲁棒性较好的特点.