共查询到17条相似文献,搜索用时 171 毫秒
1.
基于单目视觉的车辆碰撞预警系统能够发现道路前方的车辆并估算出与前方车辆之间的距离,利用预警机制及时提醒驾驶员危险状况。车道检测和车辆识别是该系统需要解决的两个主要难题,提出了利用边缘分布函数EDF检测车道标线,利用车辆底部纹理和对称性特征识别车辆,并根据图像坐标系和世界坐标系之间的几何映射关系测距。实验结果表明,提出的方法能够有效检测出车道标线,并能很好地测定与前车的距离。 相似文献
2.
目的 基于视觉的前车防碰撞预警技术是汽车主动安全领域的一个重要研究方向,其中对前车进行快速准确检测并建立稳定可靠的安全距离模型是该技术亟待解决的两个难点。为此,本文提出车路视觉协同的高速公路防碰撞预警算法。方法 将通过图像处理技术检测出来的视频图像中的车道线和自车的行驶速度作为输入,运用安全区实时计算算法构建安全距离模型,在当前车辆前方形成一块预警安全区域。采用深度神经网络YOLOv3(you only look once v3)对前车进行实时检测,得到车辆的位置信息。根据图像中前车的位置和构建的安全距离模型,对可能发生的追尾碰撞事故进行预测。结果 实验结果表明,重新训练的YOLOv3算法车辆检测准确率为98.04%,提出算法与马自达CX-4的FOW(forward obstruction warning)前方碰撞预警系统相比,能够侧向和前向预警,并提前0.8 s发出警报。结论 本文方法与传统的车载超声波、雷达或激光测距的防碰撞预警方法相比,具有较强的适用性和稳定性,预警准确率高,可以帮助提高司机在高速公路上的行车安全性。 相似文献
3.
4.
车辆检测是汽车防碰撞预警的前提,为了提高前方车辆检测的实时性和鲁棒性,提出一种结合多特征的前方车辆检测跟踪方法。该方法不依赖车道检测,利用车底部阴影的梯度特征确定可能存在车辆的区域,使用差分盒子维计算对应区域的分形维数来排除噪声,根据车辆的水平边缘特征信息精确定位,通过卡尔曼滤波器跟踪检测到的目标,利用归一化转动惯量做车辆验证。实验结果表明,该方法能够在多种交通环境中实时有效地检测前方车辆。 相似文献
5.
车辆轨迹预测能够有效降低车辆轨迹突变造成的碰撞风险,是实现安全驾驶的关键技术之一.针对传统轨迹预测算法缺乏对驾驶员意图分析的问题,本文提出了一种融合生成对抗网络和驾驶意图识别的车辆轨迹预测模型.该模型基于生成对抗网络框架预测车辆轨迹,并引入基于深度神经网络的变道意图识别模块识别驾驶员的变道意图.通过在公开数据集NGSIM上与LSTM、S-LSTM、CS-LSTM和S-GAN模型进行对比试验,实验结果表明与其他轨迹预测模型相比,本文提出的CS-DNN-GAN模型具有较好的预测精确度. 相似文献
6.
应用单目视觉车辆防碰撞预警系统能够发识别周围车辆并估算出与其之间的距离,利用预警系统及时提醒驾驶员。解决了车道线和车辆的检测识别问题,提出了新的边缘检测算法识别道路线,然后利用特征识别算法识别车辆,并根据车辆之间的距离判定危险等级。实验结果表明,系统能够有效的识别车道线和车辆,并能很好的测量车间距,实现预警输出。 相似文献
7.
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
8.
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。 相似文献
9.
针对行车过程中的防碰撞预警问题,提出一种基于单目视觉车辆前方障碍物检测与测距方法。为解决传统车辆检测泛化性差且人工提取特征不准确问题,通过深度学习目标检测YOLOv4算法对车辆前方多种障碍物进行检测,获取障碍物的类别信息与位置信息。运用改进的边缘检测算法调整检测框的位置,提升检测算法目标定位的准确性。根据摄像机成像原理及几何关系,得到路面三维坐标与像平面二维坐标转换模型从而进行测距,对所得测量数据进行三次曲线拟合、对测距过程和算法进行优化提升测距精度。在50m范围内平均误差为0.54m,在80m范围内平均测距误差为0.78m。实验分析对比结果表明,所提方法能够实现较精准、高效率的单目视觉测距。 相似文献
10.
针对远光灯交汇会影响汽车驾驶员的视觉注意力,导致汽车驾驶员夜间行驶安全难以得到保障的问题,研究基于机器视觉及深度学习的ADB汽车大灯的外界环境检测方法。 通过机器视觉的CCD相机采集ADB汽车大灯外界环境图像数据,利用数据筛选方法剔除采集到的图像数据中干扰光源数据,依据路况特征差异,划定ADB汽车大灯外界环境检测目标区域后,通过深度学习算法检测外界环境目标车灯光源,结合扩展卡尔曼预测各目标车灯光源轨迹,当车辆前方有车灯光源经过时,ADB系统及时调整汽车远光灯对应区域灯珠亮度,减少在高速行驶时因远光灯交汇对汽车驾驶员的视觉影响,保障汽车安全行驶。实验结果表明,该方法可有效剔除各类干扰光源,准确检测目标车灯光源,且目标车灯光源轨迹预测结果与真实结果非常接近,可精准完成ADB汽车大灯的外界环境检测。 相似文献
11.
12.
提出了一种基于无线通信的车辆主动防撞预警系统,利用梯度方向直方图特征与支持向量机配合单目测距模型实现前方车辆的实时检测与测距,并利用传感器无线通信网络获取相对车速信息,最后根据相对车距与相对车速配合TTC预警模型实现碰撞预警。试验结果表明,系统平均处理时间100ms,车辆检测准确率95%,单目测距误差小于±4m,实现了实时、准确的车辆预警。 相似文献
13.
行人碰撞预警系统通常依据行人检测与碰撞时间判断的方式为驾驶员提供预警信息。为了提供更加可靠的危险判断依据,本文提出一种同时分析道路状况与驾驶员头部姿态的行人碰撞预警方法,用两个单目相机分别获取车辆内外环境图像。通道特征检测器用于定位行人,根据单目视觉距离测量方法估计出行人与自车间的纵向与横向距离。多任务级联卷积网络用于定位驾驶员面部特征点,通过求解多点透视问题获取头部方向角以反映驾驶员注意状态。结合行人位置信息与驾驶员状态信息,本文构建模糊推理系统判断碰撞风险等级。在实际路况下的实验结果表明,根据模糊系统输出的风险等级可以为预防碰撞提供有效的指导。 相似文献
14.
目的 基于视觉的车辆行驶安全性预警分析技术是目前车辆辅助驾驶的一个重要研究方向,对前方多车道快速行驶的车辆进行精准的跟踪定位并建立稳定可靠的安全距离预警模型是当前研究难点。为此,提出面向高速公路场景的车路视觉协同行车安全预警算法。方法 首先提出一种深度卷积神经网络SF_YOLOv4(single feature you look only once v4)对前方车辆进行精准的检测跟踪;然后提出一种安全距离模型对车辆刹车距离进行计算,并根据单目视觉原理计算车辆间距离;最后提出多车道预警模型对自车行驶过程的安全性进行分析,并对司机给予相应安全提示。结果 实验结果表明,提出的SF_YOLOv4算法对车辆检测的准确率为93.55%,检测速度(25帧/s)领先对比算法,有效降低了算法的时间和空间复杂度;提出的安全距离模型计算的不同类型车辆的刹车距离误差小于0.1 m,与交通法建议的距离相比,本文方法计算的安全距离精确度明显提升;提出的多车道安全预警模型与马自达6(ATENZA)自带的前方碰撞系统相比,能对相邻车道车辆进行预警,并提前0.7 s对前方变道车辆发出预警。结论 提出的多车道预警模型充分考虑高速公路上相邻车道中的车辆位置变化发生的碰撞事故;本文方法与传统方法相比,具有较高实用性,其预警效果更加客观,预警范围更广,可以有效提高高速公路上的行车安全。 相似文献
15.
针对露天矿山采用公路开拓方式存在的大型运输卡车体量巨大、司机视角差、易发生危险事故的问题,设计了基于飞行时差技术的露天矿山卡车防撞预警系统。该系统采用具有测距功能的WSN模块,通过无线测距方法和三角定位法确定大型车辆、辅助车辆和人员的位置,并进行方位显示和报警提示。测试结果表明,该系统测距距离不低于200m,误差不大于4m,能够满足防撞预警系统的要求,同时降低了系统成本和功耗。 相似文献
16.
汽车碰撞预警主动安全预测方法 总被引:1,自引:0,他引:1
汽车主动避撞系统的研究主要是为了能够提前对汽车碰撞做出预警及自动处理,有效抑制交通事故的发生。文中开展基于摄像头、激光雷达、车间通信的车辆防碰撞预警关键技术研究,提出了一种适用于智能车超车换道阶段的基于TTC和冲突概率估计的碰撞概率主动安全预测算法。综合考虑时间域和超车距离等条件的约束,建立车辆超车换道最小安全距离模型;依据超车行为约束条件,提出碰撞时间与碰撞概率的公式(TTC);同时引入多元高斯分布的概率密度函数,用冲突潜在领域表示潜在冲突的可能性大小,建立了两车潜在冲突区域重合的概率密度计算模型。在1∶10模拟赛道仿真平台上对所提方法进行了模拟测试,其对4辆智能车200次的同向及反向接近预警警报和紧急警报的准确率均为100%,从而验证了该方法的有效性。 相似文献