基于单目视觉的车辆碰撞预警系统

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。     

基于单目视觉的矿井机车障碍物检测和测距方法

针对现有矿井机车障碍物检测和测距方法存在测距精度低、测量范围小及成本高等问题,提出了一种基于单目视觉的矿井机车障碍物检测与测距方法。该方法首先对CCD摄像机采集的图像进行预处理,然后根据障碍物的特点进行特征提取得到准确的障碍物区域,最后利用基于摄像机内部参数和几何关系的单目视觉测距方法得到机车与前方障碍物之间的距离。测试结果表明,该方法能有效检测机车前方障碍物,且测距精度在有效误差范围内。     

基于单视觉的车辆防碰撞预警系统研究

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。     

基于单目视觉的移动机器人测距方法

本文针对多机器人编队过程中的跟踪控制,提出了一种跟踪机器人采用单目视觉技术获取前方被跟踪机器人距离信息的方法.该方法首先对跟踪机器人摄像机进行内参数标定,并在目标机器人背部设置视觉标记.然后系统获取目标机器人的含有视觉标记的单帧图像,预处理此图像,并识别出图像中的视觉标记所在的目标区域,用Hu氏不变矩计算该区域形心.最后推导出单目测距算法,利用图像信息和其它参数可以计算出两机器人之间的距离.实验结果表明,所设计的单目测距系统能得到准确的距离,为跟踪控制提供了重要的反馈信息.     

基于颗粒分析和骨架化的车道线检测方法

车道线的正确检测是提高车道偏离预警系统正确率的重要保障,车道线检测往往受到多种因素的干扰。针对直线模型下车辆对车道线检测的干扰,提出一种基于颗粒分析和骨架化的车道线检测方法。首先运用最大类间方差算法对车道线图像进行二值化,然后利用数学形态学的颗粒分析对二值图像进行处理,消除车辆对车道线的干扰,最后用数学形态学的骨架化得到车道的中心线。经实验证明,在车道线有车辆干扰的情况下,该方法不仅能较好去除车辆干扰,而且可以检测出车道线中心线,具有较强的鲁棒性和抗干扰性。     

基于单目视觉的车辆前方障碍物测距方法

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。     

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。     

基于单目视觉的结构化道路检测算法研究

为了全面了解基于单目视觉的结构化道路检测方法的现状,给出近些年来一些典型的道路检测算法,并进行分类,包括基于灰度特征和彩色特征的检测算法、基于模型的识别算法,最后对该领域的难点和趋势给出简要的论述。     

基于单目视觉的结构化道路检测算法研究

为了全面了解基于单目视觉的结构化道路检测方法的现状,给出近些年来一些典型的道路检测算法,并进行分类,包括基于灰度特征和彩色特征的检测算法、基于模型的识别算法,最后对该领域的难点和趋势给出简要的论述。     

基于视觉词典的单目视觉闭环检测算法

针对移动机器人单目视觉同步定位与地图构建中的闭环检测问题,文中设计一种基于视觉词典的闭环检测算法。算法对采集的每帧图像通过SURF进行特征提取,应用模糊K均值算法对检测的视觉特征向量进行分类,在线构建表征图像的视觉词典。为精确表征局部视觉特征与视觉单词间的相似关联,利用混合高斯模型建立视觉词典中的每一视觉单词的概率模型,实现图像基于视觉词典的概率向量表示,通过向量的内积来计算图像间的相似度。为保证闭环检测的成功率,应用贝叶斯滤波融合历史闭环检测与相似度信息来计算闭环假设的后验概率分布。另外,引入浅层记忆与深度记忆两种内存管理机制来保证算法执行的快速性。实验结果证明该方法的有效性。     

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。     

基于单目测距技术的道路障碍物检测方法

本文从计算机视觉的角度,对障碍物检测进行了研究。本文将单目视觉系统简化为摄像机投影模型。通过几何关系推导法建立测距模型,获得图像坐标与世界坐标系之间的转换关系,最后实现障碍物距离的测算。经试验证明,本文选用的测距模型的误差在可接受范围之内。     

基于单目视觉和里程计的SLAM算法研究

已有的基于视觉的SLAM方法大多采用双目立体视觉,存在成本高,标定过程复杂,鲁棒性低等缺点.因此,提出了基于单目视觉和里程计的SLAM方法.该方法采用尺度不变特征变换算法提取特征,用扩展卡尔曼滤波更新地图.此外,由于单个CCD摄像头不能直接获得图像的深度信息,采用特征点延迟初始化的方法来解决这个问题,这种方法使得基于单目视觉的导航变得可能.在MATLAB环境下实现了SLAM算法仿真,实验结果表明,在室内环境下,该算法运行可靠,定位精度高.     

基于曲线拟合的单目视觉测量方法

针对传统单日视觉测量精度不高,尤其是深度方向测量精度较差的缺点,建立了球体针孔成像模型,提出了一种基于圆锥曲线拟合的球体成像边缘哑像素定位方法,可求出圆形目标的中心和半径,再同过统计目标边缘点到圆心的距离均值和方差,通过3σ原则剔除野值,再进行一次拟合进一步提高精度.实验表明,方法边缘定位精度为0.02pixel.直径为40mm的球体在1m范围内成像,平行于像平面方向上测量误差小于0.2mm,沿光轴方向小于0.6mm.     

基于单目仿人机器人的障碍物测距方法

为了能够实时测量机器人与障碍物的距离,提出一种单目视觉的方法。首先将机器人获取的 RGB 图像转换为HSV图像,在HSV颜色空间对障碍物进行检测和识别,然后利用小孔成像原理和几何坐标变换,计算障碍物与机器人的距离。最后将该方法应用到实验室 Darwin 仿人机器人上,实验结果表明该方法具有可行性和有效性。     

智能车视觉导航的道路和前车检测系统

设计了一个基于单目视觉的智能车自适应道路、前车检测系统,主要应用于结构化道路,可以根据输入图像的可见度自动在夜间模式和日间模式间切换。结果表明系统可以在不同可见度下,自动、快速、准确地检测前车。     

基于单目计算机视觉的目标跟踪与识别方法讨论

通过实验,对几种常用的图像处理方法在单目计算机视觉下进行目标的跟踪与识别,并进行对比,总结出各方法在不同场景中的处理效果,并提出了相应的使用建议。