基于随机Hough变换的道路边界识别算法研究

道路边界识别是基于机器视觉的智能车辆关键技术之一,提出了一种基于直线道路模型的道路边界识别和跟踪算法,该算法包括道路边界初始识别算法和跟踪算法两部分。在初始道路边界识别阶段,对预处理后的图像进行逐行搜索道路边界候选点,并结合相关的道路约束条件,采用Hough变换对候选边界点进行拟合,以提高鲁棒性。该方法的创新点是在道路跟踪算法中,建立目标搜索区域（OSA）,OSA的宽度根据道路边界识别的拟合可信度的变换进行动态调整,并采用随机Hough变换的算法对OSA中的边界点进行拟合,这样显著减少了运算时间和存储空间。试验结果表明,该方法不仅满足道路边界识别的实时性要求,还具有较好的鲁棒性。     

一种基于粒子群的道路检测新算法

为了提高道路环境图像识别中抗干扰性和鲁棒性,提出了一种基于粒子群优化的道路检测算法.该方法针对道路几何特征引入直线变形模型描述道路结构.利用似然估计概率评价道路图像与模型的匹配程度.在先验知识的条件下结合粒子群优化算法搜索参数空间的全局理想值.同时,在模型中定义友谊区域减少运算复杂度与干扰因素.通过对实际大量路面的检测,证明了该方法在阴影、光照等干扰环境下对道路检测的有效性和实用性.     

一种新的车道线快速识别算法

针对现有的的车道线识别算法在复杂环境下识别率低、鲁棒性和实时性较差的问题,提出了一种基于形态学多结构元素建模的车道线快速识别算法。该算法首先对车道图像进行感兴趣区域提取,通过Canny算子对感兴趣区域进行边缘检测,然后利用具有车道模型特征的多结构元素进行车道线提取、霍夫变换,以及峰值检测点参数的筛选,从而得到实际车道左右标识线的参数以重建原车道线。仿真实验表明,该算法能在多种复杂环境下快速、准确地识别出车道标识线,且鲁棒性高。     

车辆自主导航中的道路边界识别算法

道路边界识别是车辆基于道路区域或边界信息自动导航的首要问题．根据驾驶员视觉处理经验和车辆运动轨迹方程，总结出道路边界识别的先验知识与预测知识，在所选取的二次曲线道路形状模型基础上,分别利用边界识别算法和跟踪识别算法得到车辆起步和稳定行驶过程中的实时道路边界信息，为车辆控制器计算出位置偏差和方向偏差两个参数，以实现车辆基于前向单目视觉的自主导航．通过对实际路面试验结果的分析，证明了该方法的有效性和准确性．     

基于视觉动态模型的道路检测算法研究

道路的检测与识别是自主导航车辆视觉感知研究的重要问题之一。在阴影、光照不均匀、边缘信息模糊等情况下,道路的识别与环境的理解变得尤为困难。为了提高道路识别中抗干扰和鲁棒性能力,提出了一种基于视觉动态模型的道路检测算法。该算法利用计算机视觉方法对摄像机观测系统进行建模,引入了直线变形模型描述道路环境的几何结构。基于道路图像的连续性建立对车辆运动状态的动态预测模型,并利用粒子滤波算法对状态模型参数进行预测,以达到对道路边缘的跟踪。同时,引入了似然概率作为评价道路图像与结构模型的匹配程度。通过对大量实际路面的检测,证明了该方法的有效性和实用性。     

一种新型快速直线检测算法

针对传统的Hough变换直线检测的方法需要对整幅图片的每一个像素点进行判断和计算,最后才能得出直线参数,这样就造成计算量大,计算时间长,且需要存储大量数据将占用大量内存资源等缺陷。提出了一种新型的直线检测算法来解决以上存在的问题。与已有算法不同,该算法不需要进行坐标变换,该算法的思想就是依次检测直线上的像素点,当检测到图片中某一像素点特征值为1（图片中的直线像素点特征值为1,背景点特征值为0）,则需要判断以该像素点为圆心,以常数R为半径的圆周上是否存在一对特征值为1的像素点,且该对像素点之间的相位相差180°,故可以快速地得到该直线的参数方程。若以该点为圆心的圆周上不存在这样一对灰度不为零的像素点,则继续检测图像的下一个像素点,直到扫描完整幅图像或是得到一条直线参数。与传统的Hough变换相比,该算法计算量和计算时间最多是原算法1／R（与选取的半径参数R相关）,Hough变换占用内存与图片大小相关,本算法占用固定的内存,几乎可以忽略。     

基于密集连接卷积神经网络的道路车辆检测与识别算法

针对现有道路车辆检测识别算法中存在的检测精度不高、实时性差以及小目标车辆漏检等问题,提出一种基于密集连接卷积神经网络的道路车辆检测与识别算法.首先,基于YOLOv4网络框架,通过采用密集连接的深度残差网络结构,加强特征提取阶段的特征复用,实现对浅层复杂度较低的特征的利用;然后,在多尺度特征融合网络引入跳跃连接结构,强化...     

基于立体视觉平面单应性的智能车辆可行驶道路边界检测

道路检测是智能车辆及先进驾驶辅助系统(Advanced driver assistance systems, ADAS) 研究的关键问题之一.本文提出了一种基于立体视觉的可行驶道路区域与非道路区域间边界的检测方法. 该方法基于立体视觉平面单应性建立了一个隐马尔科夫模型(Hidden Markov model, HMM).针对该模型,我们应用Viterbi算法,并提出了一种巧妙的状态序列的观测概率函数,以寻找道路/非道路边界的最优状态序列. 实验结果证明了该方法在各种典型且复杂的实际道路场景中的有效性和鲁棒性.     

基于运动模型的道路识别与跟踪算法的研究

自主驾驶与辅助导航是目前国际上研究的热问题,通过对室外行驶车辆上的ＣＣＤ摄像机所采集的长序列立体图象的处理与分析,研究公路汽车自动视觉导航中的道路识别与跟踪问题。     

一种基于行车区域改进的高速公路车辆检测法

在高速车辆速度的检测中,视频检测因其本身的优势得到了越来越多的人的青睐,而视频测速中的运动目标提取通常会采用背景差法来实现,但在实际应用中这种方法很容易受到周边环境的影响,特别是绿化带和其他车道车辆的影响显著。本文针对高速公路中车辆行驶在车道线中的特点,先提取车道线,根据车道线求出行车区域,再对行车区域进行背景差提取运动目标,消除了周边环境对运动目标的影响。实验证明,该方法很好地克服了周边环境的影响,消除了误检目标,可以准确地检测出所需的运动车辆。     

基于遗传算法和数学形态学的道路识别方法

随着将智能车辆适用环境拓展到乡村道路、荒漠、越野环境等非结构道路,机器视觉导航的难度进一步加大,成为当今人们研究的重点。文章针对智能车辆行驶的复杂道路环境提出一种新的道路检测与识别的算法。该算法采用了遗传算法对道路图像进行分割,并在此基础上对已分割图像进行数学形态学处理,然后利用canny算子进行道路边缘检测,最终得到准确清晰的道路边界信息。实验结果表明,该方法可以有效地分割出道路区域,对多种复杂路况具有良好的适应性。     

基于非参数统计分类模型的交通标志识别方法研究

交通标志识别是智能汽车或移动机器人自动导航的重要组成部分,由于现实环境中的交通标志存在着光照变化、褪色污损、扭曲变形等问题,使得同一类交通标志的模式分布呈现非高斯形态。为此,我们构造了一种非参数统计分类模型来识别交通标志。它对具有高度离散的模式识别问题有较好的适应性。实验表明这种分类模型用来识别特征高度离散的交通标志是有效的。     

基于非参数统计分类模型的交通标志识别方法研究

交通标志识别是智能汽车或移动机器人自动导航的重要组成部分,由于现实环境中的交通标志存在着光照变化、褪色污损、扭曲变形等问题,使得同一类交通标志的模式分布呈现非高斯形态.为此,我们构造了一种非参数统计分类模型来识别交通标志.它对具有高度离散的模式识别问题有较好的适应性.实验表明这种分类模型用来识别特征高度离散的交通标志是有效的.     

一种自适应的区域生长算法用于道路分割

针对汽车在高速公路上行驶的道路区域分割问题,以路面颜色特征为研究对象,提出了一种将聚类分析应用于区域生长准则的算法,实现道路分割.为了提高算法的精确度,对图像进行预处理,消除车道线对道路分割的干扰.根据图像预处理之后道路信息分布的特点,将图像分为3块子区域分别用不同的算法进行检测.对于道路信息丰富,非道路信息也较多的中...     

基于分层道路网络的新型路径规划算法

为了降低路径规划算法的搜索空间,同时使得规划的结果更加合理,提出一种分层路径规划算法．该算法利用道路网络中道路的不同等级特性对路网进行分层处理,构造分层搜索策略,达到加快路径规划速度的目的．结合路径规划算法在实时车辆导航系统中的实际应用,给出了该算法的一个应用实例．实验结果表明,该算法能将路网中任意两点间的最短路径解算时间控制在1s之内．     

Road Friction Coefficient Real-Time Identification Based on the Tire Dynamic Friction Model

Road friction coefficient real-time estimation methods is an important issue and problem in automotive active safety con- trol system development. First a fixed feedback gain sliding mode observer of road adhesion coefficient is designed through the es-tablishment of tire/road dynamic friction model in this article. The simulation results shows that the observer can well real-time iden-tify the current road adhesion characteristics. And more importantly, the observer only need wheel speed signal and the braking torque （brake pressure） signal, so the system is low cost, and its adaptability is good. There is no doubt this estimation method has a good application prospect.     

基于LSTM的道路拥堵分析模型研究

针对利用交通流量和平均车速等交通要素分析交通拥堵,无法实时分析出用户车辆当前所处道路拥堵的问题,提出一种基于LSTM网络的道路拥堵分析模型.首先采用车辆检测算法判断出当前用户视角中前方车辆位置,并利用位置信息估测车距;然后结合车距信息、车辆与车道位置关系,生成车距信息矩阵;最后通过训练好的神经网络分类模型,以车距信息矩...     

基于视觉特征的材质辨别算法

针对视觉识别过程中物体材质难以被识别的问题,提出一种基于物体表面光学特征的识别算法。以样本的H,I,S分量为坐标形成HIS颜色空间,通过连接处理,使样本曲面尽量连续。利用边缘检测方法去除被检测图像中的杂质点。求出剩余像素的S分量到该曲面的平均距离,作为判断图像中物体材质和样本材质相似度的标准。实验结果证明该方法简单有效。     

智能网联车环境下基于路段评分的数据转发模型

智能网联车之间的拓扑快速变化导致车间链路质量不稳定,从而使得数据转发的效率降低。对此,本文面向城市路网提出一种基于路段实时评分的智能网联车数据转发模型(Road section scoring-based data forwarding model for intelligent connected vehicles,RSSM)。首先,根据车辆密度将路段分为两部分,并分别对两部分路段上节点间的连通性进行建模,之后得到整条路段上节点间的连通性作为该路段的得分。然后,计算整个路网中所有路段上节点间的连通性并将其作为上述路段的得分,依据整个路网对路段的评分实现源节点到目的节点的动态路径规划,保障所规划的数据转发在整体上最优。最后,在结合实验平台NS3与SUMO上进行仿真对比,实验结果表明：与同类算法相比,本文提出的数据转发模型RSSM在数据投递成功率和时延方面均优于同类数据转发方法。     

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.