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Kalman预测及逆投影的车道识别技术

针对结构化道路的特点,提出一种实用的基于组合模型的车道线自动识别方法.近视场区域采用Hough变换初始检测车道线,远视场区域采用三次曲线模型拟合车道线.车道跟踪用Kalman预测参数动态建立ROI(region of interest),用扫描线法搜索车道线边界点,在车道线间断处用Kalman预测器定位车道线边界,还设计了一个失效判别模块来验证跟踪结果.最后将投影图中检测到的车道线进行逆投影重建,得到实际路面的车道线.实验结果表明,对于不同的车道线种类和在部分车道线被前方车辆遮挡的条件下,该算法均具有较高的实时性和鲁棒性.     

基于整体最优阈值的车道线快速识别方法

针对现有车道线识别算法难以自适应地匹配图像,在车辆过弯途中识别率低,鲁棒性和实时性较差的问题,提出并实现了一种整体最优阈值的快速车道线识别算法.该算法首先对图像进行自适应二值化分割;然后对图像中的感兴趣区域进行提取;提出逐行检索的方法进行车道线内侧特征点的筛选,从而得到实际车道的左右标志线参数以进行道路模型重建.结果表明:区别于以往常用的霍夫变换,此方法具有更好的实时性及准确性,可在车辆过弯途中为系统提供更多的有效信息.     

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。     

形态学在道路图像边界检测中的应用

在道路图像边缘检测中,为实时、有效地从获取图像中提取出路面边界,研究了一种结合数学形态学的道路图像边界检测算法。形态学是一种从集合的角度来刻画和分析图像的图像处理和分析理论,其算子的性能主要以几何方式进行刻画,更适合于视觉信息的处理和分析。对采集到的原始道路图像经由图像预处理、道路边缘检测后,应用特殊结构元素对得到的二值图像进行形态学处理。保障有用信息比例的同时,去除了大量冗余和干扰信息,减少了边缘信息总量,减轻了后续运算的压力。最后采用Hough变换对腐蚀后图像进行处理,以实现道路边界的精准定位。和未采用腐蚀运算而直接对初始边缘检测后图像进行Hough变换的效果相比,能精准、有效地提取出道路边界线,并且大大地提高了算法的实时性。     

基于模糊逻辑的SHEV控制策略设计与仿真

针对一辆串联式混合动力电动汽车设计了一种基于模糊逻辑的控制策略,根据蓄电池组荷电状态(SOC)及车辆需求功率的变化实时调整发动机输出功率,以实现恒SOC控制,同时兼顾发动机燃油消耗及排放.给出了模糊控制器的结构,建立了车辆前向仿真模型,进行了离线仿真及硬件在环仿真.仿真结果表明,模糊控制策略能够较好将蓄电池组SOC维持在期望值0.7附近,且发动机可以稳定地工作在其高效率区以获得较低的燃油消耗及排放.     

基于交比不变量的摄像机标定方法

为了解决摄像机标定的菲线性优化过程中解的不稳定性问题,针对具有镜头径向畸变的摄像机模型,提出了一种实用的摄像机线性标定方法.该方法利用透视投影的交比不变性原理标定镜头的畸变系数,基于摄像机成像的单应性矩阵及内部参数的基本约束,线性标定出其他摄像机参数.实验结果表明,该方法标定模板制作简单,速度快,具有一定的鲁棒性,可以满足工业机器视觉的精度要求.     

基于二维模型理论的离散观测器重复控制系统

为了克服传统设计方法在一维时域中忽视控制和学习这2种行为的差异所带来的保守性,提出了一种应用离散的观测器重复控制(RC)的设计方案,基于二维(2D)系统的理论,研究某些带有不确定性的线性系统.首先,建立了一种二维离散模型,既考虑用来描述在一个重复周期之内的控制行为,也考虑用来描述在周期之间发生的学习过程.然后,通过重建状态变量,将重复控制器的设计转化为反馈增益的设计问题.最后,通过线性矩阵不等式(LMI)获得其稳定性的条件,以及重复系统的增益系数.对比分析表明:该方案算法的适用性强,对鲁棒性与跟踪速度的改善显著.经过数据仿真,检测结果显示出仅需几个学习周期就可达到很高的控制精度,说明二维系统理论在重复控制设计与分析中具有广泛的应用前景.     

高速公路车道线检测与跟踪算法研究

为提高高速公路上车道线识别的快速性和鲁棒性,提出了一种有效的车道线检测与跟踪方法。采用霍夫变换进行车道线检测,具有较强的抗干扰能力,能够准确地识别车道线。车道线跟踪利用Kalman预测参数建立感兴趣区域,然后用扫描线法搜索车道线边界点,在车道线间断区域利用Kalman预测器定位车道线边界。由于搜索限制在预测范围内,提高了搜索精度,减少了搜索范围,保证了实时性能,且对虚线车道线识别特别有效。仿真实验结果表明,对于不同的天气状况和车道线种类,该算法均有较好的识别效果。     

智能车辆环境感知传感器的应用现状

介绍了智能车辆环境感知传感器的优缺点,分析了环境感知传感器在智能车辆技术中尤其是在车道线识别、障碍物检测中的应用现状。由于车辆运行环境的复杂性和传感器的局限性,仅利用某一种传感器难以保证在任何时刻都能提供完全可靠的信息,基于此,讨论了多传感器信息融合技术在智能车辆技术中的应用现状及其发展方向,以便在今后的应用中根据实际需要选择适当的传感器和检测方法。