基于改进卡尔曼滤波的车道线与车辆跟踪系统算法研究

针对传统的车道线跟踪系统在复杂交通流情况下,利用卡尔曼滤波无法有效跟踪车道线的问题,论文提出了一种融合车辆与车道线检测的跟踪算法.该算法首先利用二阶高斯方向滤波器提取车道线检测的响应,同时利用haar-like特征检测图像平面中的车辆的2D回归框,并利用卷积神经网络预测车辆的3D回归框区域.利用车辆3D回归框的在车道线...     

基于计算机视觉的车辆跟踪研究

基于计算机视觉的目标分割和跟踪被广泛应用于视频监控。首先在HSV空间利用阴影消除算法结合动态背景自适应更新技术分割目标,相比背景差分法提高了目标分割的抗干扰性。对分割出来的目标,将基于运动估计的卡尔曼滤波器应用于多个车辆目标的跟踪,提高了跟踪的速度和效果。最后给出运动车辆的分割和跟踪的实验结果。     

基于模型的车辆检测与跟踪

车辆检测算法是汽车辅助驾驶系统中的核心算法之一。为了对摄像机抖动下的目标进行鲁棒跟踪,提出了一种新的基于投影的曲线模型匹配方法,利用投影的完整度、匹配点相对于模型的偏移量期望和方差的加权和作为相似性度量。在此基础上建立模型匹配算法,利用车辆模型匹配进行车辆的检测和跟踪。实验结果表明,该算法具有良好的适应能力,对不同车型、大小、颜色的车辆都能够进行很好的检测和跟踪,并能够在车辆颠簸造成摄像机抖动的情况下保持目标的稳定跟踪。     

基于DSP的自适应车辆检测器

介绍线圈感应式车辆检测器的检测原理及其软硬件设计，利用DSP的高速数据处理能力实现完善的自适应算法，同时在设计中采用大规模的CPLD器件，有效地提高了检测器的性能。     

基于视频的车辆检测与跟踪算法综述

指出基于视频的检测跟踪技术是未来智能交通系统的发展方向。在前人的基础上,综合分析比较几种常用的车辆检测和车辆跟踪算法,其中车辆检测算法包括背景差分法、帧间差分法和光流法,车辆跟踪算法包括基于区域跟踪法、基于特征匹配法及MeanShifi快速跟踪法,分析讨论这几种算法的优缺点,并简单论述其发展趋势。     

基于视频的车辆检测与跟踪技术综述

基于视频的车辆检测器近年来在智能交通系统(ITS)中得到了越来越广泛的应用。本文介绍了近年来提出的一些主要的基于视频的车辆检测与跟踪技术,并对这些技术进行了分类。同时分析比较了各种方法的优缺点。最后,说明了这一领域仍然存在的问题和对可能的研究方向进行了一定的预测。     

基于视频的高速公路车辆检测和跟踪算法

采用一种基于像素的新方法来更新背景，同时将工作区域分为车辆检测和车辆跟踪两个部分，在车辆检测区建立跟踪对象，在车辆跟踪区仅仅对跟踪对象进行预测跟踪，从而减少了跟踪的盲目性和算法的计算量，提高算法精度。根据该算法设计的视频检测器已用于实际交通参数的采集，统计的结果表明该算法检测和跟踪的正确率分别高于96%和97%，并具有很好的实时性，能满足管理部门的需求。     

基于超声波的车辆检测器设计

分析了国内外车辆检测的现状和存在的问题,针对车辆检测环境设计了超声波车辆检测器,该系统由超声波探头、主机以及通讯三部分构成,超声波探头以STC12C5412AD为微处理器,利用LM1812超声波收发器检测车辆信息,主机采用STC12C32S2为微处理器,对来自探头的数据进行分析、处理和存储,并把数据发回中央处理机;经过对样机大量的数据测试表明,该检测器检测车流量准确率可达99%,平均车速检测准确率可达90%,车型(三种)分类的精度可达94%,实际运行表明,该检测器工作可靠,可用于检测行驶中机动车的车高、车长、车速等参数。     

基于可编程控制器的车辆检测器系统设计

文章介绍了一个低成本、高性价比的车辆检测器系统的解决方案，即采用PLC作为处理器的车辆检测器系统，并且分析了系统硬件参数设置和软件设计。     

车辆检测器锁相环路的设计

环形线圈检测器是高速公路中常用的车辆检测器,它具有性能稳定、性价比高的优点。本文从环形线圈检测单元电路存在的问题,提出了运用锁相技术的车辆检测器框图,并对锁相环路的各个部分进行了设计。     

实时车辆检测和跟踪系统设计

实时车辆检测和跟踪是室外移动机器人尤其是智能汽车研究领域的一个重要课题。本文介绍了多功能室外移动机器人THMR-V的实时车辆检测和跟踪系统。该系统包括车道线检测和车辆检测和跟踪两个主要模块。车道线检测算法使用新的搜索策略,实时检测结构化道路区域,减少车辆检测算法搜索范围。车辆检测算法以Adaboost算法为基础,利用边缘方向特征,颜色特征,和对称性特征实现车辆检测。文中详细介绍了系统的实现。     

基于MSP430行驶车辆检测器的设计

利用环形线圈、MSP430F1121A单片机与输出接口,组成低功耗行驶车辆检测系统,并能根据用户预先设定的灵敏度、工作方式、输出方式进行车辆检测与信号输出。还应用软件动态刷新基准的方法提高了检测的可靠性和准确性。实验表明:该系统具有结构简单、功耗低、调节方便等优点。     

基于卡尔曼滤波器的抗遮挡车辆跟踪算法

针对由于车辆相互遮挡而不能准确跟踪车辆的问题,提出一种基于卡尔曼滤波器的跟踪算法。算法利用基于图像内容敏感度的背景提取算法,获取目标车辆的二值化图像,然后采用卡尔曼滤波器预测目标车辆在下一帧中的状态,在预测区域中进行搜索匹配,建立相邻帧中目标车辆的对应关系,有效推理目标车辆的驶入、驶出以及遮挡和分离,并根据预测信息对发生遮挡的目标进行跟踪。实验结果表明,该算法能够获得良好的跟踪效果。     

一种基于改进码本的车辆检测与跟踪方法

为了解决固定摄像机下车辆跟踪过程中阴影对检测的影响,提出一种改进型码本模型的车辆检测方法。该方法直接对YUV空间的车辆序列进行处理,将采样到的背景值聚类成码本,对于新输入的像素值与其对应位置的码本作比较判断,提取出前景区域。车辆跟踪中采用Kalman预测的方法来处理车辆遮挡问题。实验结果表明,本算法可以从复杂交通场景图像序列中快速有效地检测出运动目标,能较好地处理阴影、高亮、遮挡和背景变化等问题,且计算复杂度小,能满足实时跟踪的需要。     

基于Cesium平台中车辆的碰撞识别跟踪

采用传统方法进行识别与跟踪,效果较差,无法得到精准车辆碰撞数据,提出了基于Cesium平台中车辆的碰撞识别与跟踪。针对车辆碰撞识别需先对样本进行训练,提取出正、负两种样本特征,利用离线车辆碰撞识别分类器识别尺度模块,并在Cesium平台下构建积分图,由此进行图像识别;针对车辆碰撞跟踪需进行阴影检测,根据获得的阴影区,排除非车辆碰撞阴影区,即完成车辆定位与验证。实验结果表明,该方法识别跟踪效果良好。     

车辆导航中的交互多模卡尔曼滤波跟踪方法

对GPS车辆定位中常用的卡尔曼滤波技术的扩展与应用进行了研究,建立了车辆运动的两种基本模型,并针对车辆机动目标给出了基于交互多模卡尔曼滤波跟踪的车辆导航方法,该方法能够有效地减小跟踪误差,并克服了传统目标跟踪算法的滞后性等缺点。     

高速路的车道检测与车辆跟踪

基于智能交通的快速发展,研究了基于高速路的车道检测和车辆跟踪技术.对于多车道检测,根据路面与分道线灰度级相差较大的特点来实现车道路面的分割,接着结合直线方程和Catmull-Rom Spline插值算法来拟合分道线.对于单车道检测,首先基于HSV颜色空间和Sobel边缘提取方法对其进行有效分割,接着在透视变换空间中提取分道线坐标点并用二次多项式拟合分道线.针对车辆检测,使用Hog+Gentle-Adaboost分类算法实现无人车前方路面车辆的检测,接着基于车底阴影的特征对车底阴影进行检测以验证学习算法检测到的车辆区域的真伪性.针对车辆跟踪,采用动态二阶自回归模型的方法预测车辆的状态.其中,对于粒子滤波固有的粒子退化问题,引入Thompson_Taylor算法改善了粒子退化和低多样性的缺陷.本文的车道检测和车辆跟踪算法能较容易地移植在嵌入式平台,可靠性和准确性较高,且有助于进一步实现车道偏离报警和前向防撞系统.     

一种基于区域的视频车辆跟踪系统

基于区域跟踪法提出一种视频车辆跟踪系统,改进了系统中涉及的多个方法。以车辆的提取检测结果为基础,提出基于混合差分的车辆检测方法,使检测更快速,检测结果质量更高。通过设计堆栈搜索技术和车辆识别规则,提高了基于差分法的识别准确率,改进了区域跟踪效果。实验结果证明了系统的可行性与实用性。     

卡尔曼粒子滤波的视频车辆跟踪算法研究

近年来,视频车辆跟踪作为城市智能交通系统（ITS）的一个关键技术受到关注。本文针对传统粒子滤波的非线性、非高斯性可能导致跟踪过程的不稳健性,提出一种基于卡尔曼粒子滤波的视频车辆跟踪算法,该算法利用基于重要区域的目标颜色直方图统计模型对视频车辆目标进行建模,并将其应用于卡尔曼滤波更新中,通过采用Mean Shift算法将卡尔曼滤波器引用到粒子滤波器当中,对车辆的运行轨迹进行校正,实现了局部线性滤波,实现了在保持跟踪系统整体上的非线性、非高斯性的同时,兼顾其局部的线性高斯特性。实验结果表明,本文所提出的方法与传统粒子滤波方法相比,能够更准确地对车辆进行跟踪,同时保证了在复杂环境下性能的稳健性。     

基于垂直投影和虚拟检测带的车辆检测

由于交通视频场景复杂,传统的帧差法在进行车辆检测时误差较大。为此本文在传统帧差法德基础上提出一种基于垂直投影和虚拟检测带的车辆检测法并提取该交通视频关键帧。首先采用帧差法提取运动目标,然后通过运动目标的垂直投影值与阈值的比较结果来判断是否该运动目标为车辆,最后根据判断结果来进行交通视频关键帧的提取。实验结果表明,该方法有较好的鲁棒性,能够有效的检测车辆并提取含有车辆的视频帧。