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。     

点云空间与反射强度融合的非结构化道路可行驶区域检测

可行驶区域检测旨在检测和提取智能车辆在道路上可行进的区域, 目前主流的检测方法主要基于三维激光雷达的空间特征实现, 难以处理路面边缘无清晰空间特征的非结构化道路. 为此, 本文提出了一种基于点云空间和反射强度融合的非结构化道路可行驶区域检测方法. 首先, 通过融合反射强度因子改进了基于空间特征的柱坐标系检测模型; 然后, 使用强度和降维空间检测对检测精度较低的环形检测模型进行优化, 并将其与柱坐标系检测模型联合使用以提高方法检测准确率; 最后, 在自录实际道路数据集上进行对比实验. 实验结果表明本文方法显著提高了非结构化道路可行驶区域检测的成功率与精确率, 在结构化道路上也具有良好效果.     

基于视频车流轨迹的虚拟车道划分方法

针对车道线磨损、临时改道以及非结构化道路等情况下的车道划分问题,在利用YOLOv3得到车辆检测模型前提下,提出基于视频车流轨迹的虚拟车道划分方法。密度矩阵统计时间t内由车辆检测模型得到车流量密度分布,运用三维坐标系对其进行分析;使用EM算法对一元混合高斯模型求解;建立虚拟车道宽度数学模型,运用3σ准则得到车道边界点集合,利用最小二乘法对边界点进行曲线拟合,完成虚拟车道线划分。该方法可以有效避免环境和天气因素对车道线检测的影响,具有一定的鲁棒性和灵活性。实验结果表明,该方法在不同道路中能够取得88.7%的准确率。     

伪彩色空间完全非结构化道路检测方法

完全非结构化道路检测是智能车辆自主行驶所面临的关键技术难题,解决该问题可以增强智能车辆的环境适应能力。以实时道路图像的真彩色信息为研究对象,提出一种三次样条曲线模型和分块子区生长模型相结合的完全非结构化道路检测算法。该算法运用三次样条曲线插值实现了真彩色空间到伪彩色空间的映射,采用主次伪色调和纹理信息相结合的子区生长方法,实现了完全非结构化道路检测。实地图像测试和对比试验表明,该算法对道路区域检测准确性高,对受到阴影、水迹等影响的道路区域具有较强抗干扰能力,实时性好。     

自适应道路模型的非结构化道路检测算法

为克服非结构化道路中不能准确检测边界线的问题,提出了一种自适应道路模型的非结构化道路检测方法。根据非结构化道路的灰度特征提取感兴趣区域,利用HSV空间图对感兴趣区域使用二维Otsu算法分割,进而提取道路边界点,再针对不同的道路模型自适应选择最小二乘法或随机抽样一致性(RANSAC)算法进行边界点拟合操作。实验结果表明:该方法不仅适用于直线道路,也能检测弯曲道路,且对受阴影影响以及边界不清晰的道路都具有良好的鲁棒性。     

基于视觉的自主车道路检测技术研究

针对结构化道路检测中基于单一特征的检测易受影响,非结构化道路检测算法对多种类型的非标准道路缺乏适应性的问题,分别提出了一种基于D-S证据理论的多视觉特征融合的车道线检测方法和一种基于增量模糊支持向量机(IFSVM)的非结构化道路在线学习检测方法;选取梯度幅度等检测算子分别设计基本概率分配函数,根据建立的分段线性道路模型进行求解,FSVM分类器通过从前先的检测结果中学习,在耗费少量计算时间与内存空间的情况下,不断再训练以增强分类器的性能;实验结果表明,该算法比单纯利用图像的边缘或颜色等特征进行道路检测具有更高的可靠性,对复杂环境下的道路检测具有较强的鲁棒性和较强的抗干扰能力。     

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。     

基于B样条曲线模型的结构化道路检测算法

提出一种新的基于均匀非周期B样条曲线模型的结构化道路检测算法. 算法首先利用Canny边缘检测算法提取道路边缘, 然后使用最小二乘法拟合道路标识线, 最后利用所提取的道路标识线求取道路中央线, 进而完成道路拟合. 为了准确定位道路弯道位置, 算法运用最大转向偏差定位(Maximum deviation of position shift, MDPS)方法求解道路模型控制点. 实验证明该算法快速、稳定、灵活, 可以满足智能导航的要求.     

基于单目视觉的车道线和道路边界同步检测

针对智能车辆视觉导航中的车道保持问题,采用了单目视觉技术检测结构化道路上的车道线和道路边界.详细介绍了标线灰度特性与道路边缘信息的特征提取,并在此基础上结合公路几何线形进行道路模型匹配.算法整体采用初始检测和后继跟踪的循环处理流程,大大提高了实时性和抗噪性.通过CCD测试结果表明,方法能够快速、准确、同步地检测出车道线和道路边界.     

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QuickBird影像城市道路特征语义信息提取

快速、准确地获取城市道路信息,对于城市GIS数据更新具有重要意义。以昆明市为研究区,采用QuickBird卫星影像为数据源,开展了城市道路信息提取的特征语义信息提取实验研究。结果表明:①引入人脑认知OAR模型,提出高分辨率遥感影像城市道路认知框架,建立了道路信息提取语义模型,用数学方法和逻辑规则语言表达道路语义模型,再进行特征语义信息提取的研究思路是可行的;②采用Canny算子进行边缘检测道路、道路特征点细化、基于结点的线段追踪,进而提取对象语义信息、空间关系语义信息、局部上下文语义信息,最后通过GIS对提取的道路网络优化,实现道路网络最终提取,经检验提取道路信息长度的准确率为89.19%,宽度的准确率为71.54%,道路提取完整率为50.32%。     

Feature aggregating hashing for image copy detection

Currently, research on content based image copy detection mainly focuses on robust feature extraction. However, due to the exponential growth of online images, it is necessary to consider searching among large scale images, which is very time-consuming and unscalable. Hence, we need to pay much attention to the efficiency of image detection. In this paper, we propose a fast feature aggregating method for image copy detection which uses machine learning based hashing to achieve fast feature aggregation. Since the machine learning based hashing effectively preserves neighborhood structure of data, it yields visual words with strong discriminability. Furthermore, the generated binary codes leads image representation building to be of low-complexity, making it efficient and scalable to large scale databases. Experimental results show good performance of our approach.     

The recognition of road network from high‐resolution satellite remotely sensed data using image morphological characteristics

With the development of remote sensors and satellite technologies, high‐resolution satellite data such as IKONOS images have been available recently. By these new high‐resolution satellite data, remote sensing technologies can be successfully applied to more application areas such as extracting road network from high‐resolution satellite images. This paper proposes a newly developed approach to extract a road network from high‐resolution satellite images. The approach is based on the binary and greyscale mathematical morphology and a line segment match method. First, the outline of road network is detected based on the grey morphological characteristics. Then, the basic road network is detected by the line segment match method. Next, the detected basic road network is processed based on the knowledge about the roads and binary mathematical morphological methods. Finally, visual analysis and three indicators are used to evaluate the accuracy of the extracted road networks. The results of the accuracy evaluation demonstrate that the developed road network extraction approach can provide both good visual effect and high positional accuracy.     

Archival image indexing with connectivity features using randomized masks

Connectivity properties capture a natural spatial feature of a binary image. Albeit they are easy to compute, more often than not, they alone fail to provide a good characterization of the image because of the fact that several different images may have the same connectivity features. Typically, other types of parameters, e.g., moments, are used to augment the connectivity feature for efficient indexing and retrieval purposes. In this work, an alternative approach is proposed. Instead of considering other diverse features, which are computationally intensive, only the connectivity features of the image are used iteratively using a novel concept of spatial masking. For this purpose, a greedy algorithm for constructing a spatial feature vector of variable length for a binary image, is proposed. The algorithm is based on XOR-ing the image bit-plane with a few pseudo-random synthetic masks, and its novelty lies in computing the feature vector iteratively, depending on the size and diversity of the image database. The classical Euler number and the two primary connectivity features from which it is derived, namely, the number of connected components and the number of holes, are used to finally generate a unique feature vector for each binary image in the database using a fuzzy membership function customized for the given database. The method is particularly suitable for large-sized image archives of a digital library, where each image contains one or more objects. It is found to converge within only three iterations for a postal stamp database consisting of 2598 images, and also for a logo database of 1034 images. A data structure called discrimination tree has been introduced for supporting efficient storage and indexing of the images using the above feature vector.     

基于特征融合的高分辨率SAR 图像道路提取

随着机载和星载高分辨率SAR图像得到越来越多的应用, 人们开始研究新的有效的解译工具。虽然一个专业判读人员或许能够通过观察图像上亮的或暗的线性结构来检测道路网, 但是道路的自动检测仍然非常困难。提出一种简单的高分辨率SAR 图像主要道路自动提取方法。该方法分为三步: 第一步, 对原始图像进行预滤波, 分别进行了两个阈值化过程, 目的是去除不感兴趣区域;第二步, 输入第一步结果, 用Hough 变换分别进行道路识别; 最后一步基于特征融合技术, 利用一定的融合方法将检测的结果进行融合。根据对实际图像检测的结果, 证明该方法对于检测高分辨率SAR图像上的主要道路是有效的。     

基于图像显著性的路面裂缝检测

有效的视觉显著性方法能准确快速地帮助人们在大量视觉信息中找到感兴趣的物体.针对实际路面图像噪声成分复杂、覆盖面广的特点,提出一种基于图像显著性的路面裂缝检测算法.该算法对路面裂缝图像分块灰度校正后,根据灰度稀疏性、全局对比度计算粗尺度下的裂缝显著值,然后由裂缝局部亮度、边缘特性、连续性特点进行不断扩张的细尺度的局部邻域显著性增强,再经空间显著性加强后,采用自适应阈值分割提取裂缝.大量的实验结果表明,该算法比传统算法更能正确、有效地检测出裂缝整体区域,抗噪声能力强,漏检率和误检率很低,具有和人类视觉特性相符合的检测结果.     

基于局部重要性采样的SAR图像纹理特征提取方法

合成孔径雷达（Synthetic aperture radar,SAR）图像因为相干斑现象和目标响应的空间变化呈现出一种纹理特性,局部二进编码等局部图像特征 在光学纹理描述中获得较好的结果,但光学纹理特征在描述SAR图像纹理特性中因为相干成像特性往往失效. 本文 在前期工作纹理特征框架的基础上,提出了一种局部重要性采样二进编码的SAR图像纹理特征（Feature extraction based on local important sampling binary,LISBF）描述方法:首先,利用样本图像对局部采样位 置进行随机自适应采样,基于重要性采样（Important sample,IS）方法输出递归学习位置结果;然后,利用学习出的纹理重要采样点对进 行二进特征编码;最后,通过映射和统计生成描述算子. 该特征较固定位置采样能够获取更大范围信息,同时能通 过采样避免特征维数的急剧增大;通过自适应学习重要性关键点较随机采样 更容易捕捉纹理固有信息;较好地适应了SAR图像极低信噪比和斑点现象的纹理. 本文将该特征用于真实图像和标准纹理库的分类研究,实验结果证明了该特征的有效性.     

基于图像扩散速度模型和纹理信息的人脸活体检测

为了解决人脸身份认证中的欺诈问题,提出了一种基于图像扩散速度模型和纹理信息的人脸活体检测算法。真实人脸和虚假人脸图像的空间结构不同,为了提取这种差异特征,该方法使用各向异性扩散增强图像的边缘信息。然后,将原始图像与扩散后图像的差值作为图像的扩散速度,并构建扩散速度模型。接着使用局部二值算法提取图像扩散速度特征并训练分类器。真实人脸图像和虚假人脸图像之间存在很多差异特征,为了进一步提高人脸活体检测算法的泛化能力,该方法同时提取人脸图像的模糊程度特征和色彩纹理特征,通过特征矩阵级联的方法将两种特征进行融合,并训练另一个分类器。最后根据分类器输出概率加权融合的结果做出判决。实验结果表明,该算法能够快速有效地检测出虚假的人脸图像。