基于改进霍夫变换的车道检测及偏离预警仿真

现有的车道线识别和偏离预警方法对道路有干扰时处理效果不太理想.针对这一问题,论文在现有车道图像预处理的方法上进行了对比优化,选取了适用于Hough变换的车道图像预处理方法,并对传统的Hough变换进行改进,设计了车道线筛选算法,只保留汽车当前行驶车道的车道线,同时提出了斜率法对车道进行偏离预警.仿真试验证明,论文提出的...     

车道线的检测与跟踪技术应用研究

本论文主要介绍了有运动车辆的交通场景中车道线的检测。首先,车道标记的获取是基于颜色信息的,其次,对于有同样颜色标记的区域我们主要利用尺寸、形状和运动信息与真正的车道标记区别。最终准确的获得车道边缘标记。本文中的方法在各种光线条件的检测效果都是很好的,实验结果证实了此方法具有很好的效率。     

一种车辆偏离车道报警系统的图像处理方法

近年来,公路交通事故严重地威胁着人们的生命安全,据统计,约有50%的汽车事故是偏离正常行驶的车道引起的。车辆偏离报警系统会在车辆高速行驶时提醒驾驶员,汽车正在偏离正常行驶的车道,让驾驶员及时纠正行车路线。本文介绍一种车辆偏离车道报警系统的图像处理方法。     

轴注意力引导的锚点分类车道线检测

由于车道线的多样性以及交通场景的复杂性等问题,车道线检测是一项具有挑战性的任务。其主要表现在当车辆行驶在拥堵、夜晚、弯道等车道线不清晰或被遮挡的道路上时,现有检测方法的检测结果并不理想。本文基于检测方法的框架提出了一种轴注意力引导的锚点分类车道线检测方法来解决两个问题。首先是车道线不清晰或缺失时存在的视觉线索缺失问题。其次是锚点分类时用混合锚点上的稀疏坐标表示车道线带来的特征信息缺失问题,从而导致检测精度下降,所以通过在骨干网络中添加轴注意力层来聚焦行向和列向的显著特征来提高精度。在TuSimple和CULane两个数据集上进行了大量实验。实验结果表明,本文方法在各种条件下都具有鲁棒性,同时与现有的先进方法相比,在检测精度和速度方面都表现出综合优势。     

基于多尺度信息融合的车道线检测方法

针对超快速车道线检测方法中,其特征提取方法未充分利用低层次特征引起的车道线定位不准问题,提出一种融合多尺度信息的车道线检测方法,将低层次特征中包括的位置信息传递到高层次特征中,丰富高层次特征的语义表达能力。试验结果表明,所提出的方法提高了车道线检测精度。     

基于语义分割的实时车道线检测方法

车道线识别是自动驾驶环境感知的一项重要任务。近年来,基于卷积神经网络的深度学习方法在目标检测和场景分割中取得了很好的效果。本文借鉴语义分割的思想,设计了一个基于编码解码结构的轻量级车道线分割网络。针对卷积神经网络计算量大的问题,引入深度可分离卷积来替代普通卷积以减少卷积运算量。此外,提出了一种更高效的卷积结构LaneConv和LaneDeconv来进一步提高计算效率。为了获取更好的车道线特征表示能力,在编码阶段本文引入了一种将空间注意力和通道注意力串联的双注意力机制模块(CBAM)来提高车道线分割精度。在Tusimple车道线数据集上进行了大量实验,结果表明,本文方法能够显著提升车道线的分割速度,且在各种条件下都具有良好的分割效果和鲁棒性。与现有的车道线分割模型相比,本文方法在分割精度方面相似甚至更优,而在速度方面则有明显提升。

     

Hough变换和最小二乘拟合的车道线协调检测

针对车道线检测的实时性和鲁棒性要求,借助车道线参数置信区间和Kalman滤波器,采用基于Hough变换的车道线参数全局提取和基于最小二乘拟合的车道线参数局部小窗口提取相协调的方法对车道线进行检测.通过设定车道线感兴趣区域,利用改进快速中值滤波、车道线特征滤波、梯度方向角直方图筛选和车道线连通性分析等图像预处理算法削减图...     

改进的道路区域和车道线识别技术应用研究

由于车辆在行驶中会遇到不同路况,从而使得道路检测成为一个难题,为此,本文提出一种应用方向可调滤波器进行车道检测的方法。方向可调滤波器解决了光线变化及阴影对车道线检测的影响,能有效强化车道线信息,去除图像噪声,通过试验验证这种算法能够稳定地对车道线进行识别,准确提取车道线参数,实时性很高。     

结合Hough变换与Kalman滤波的车道线检测方法

车道线检测是智能驾驶系统的重要组成部分,它提供了车辆与车道位置关系的信息.针对智能车辆驾驶系统在视觉导航过程中车道线检测的精确性和鲁棒性的问题,提出一种有效的车道线检测方法.首先对原始RGB图像分别进行感兴趣区域设定、逆透视变换、灰度化和阈值处理;然后进行霍夫变换处理,利用斜率和中心点位置筛选检测结果;最后利用卡尔曼滤波对检测到的线段进行跟踪,预测当前车道线位置.实验结果表明,该算法能够有效解决图像中车道线不清晰以及一些干扰遮挡的问题,车道线检测准确率可达94%,具有较好的准确性、鲁棒性和较低的计算复杂度,有利于实时性检测系统的构建.     

基于复杂环境下的车道线识别

传统的车道线检测算法主要为直接在图像中进行霍夫(Hough)变换,但这种算法实时性差、计算量大。该文提出了一种新的基于Hough变换的复杂情况下车道线检测的算法,这个算法能够成功在夜晚、白天、有阴影和车道线磨损不太严重等复杂情况下检测出车道线。该算法为先对原图像进行处理,即为了减少计算量,该算法设置了感兴趣区域(ROI区域),通过转换颜色空间并扫描图像灰度值划分出有阴影的区域,并对其进行处理,判断出最有可能出现车道线的区域,再进行Hough变换,以检测出车道线。试验表明,这种算法的实时性更好,能够成功在复杂情况下检测出车道线。     

分段切换模型参数寻优的车道检测算法

车道检测算法的研究是智能车辆基于道路标识线或边界信息自主导航的首要环节。根据道路先验知识和驾驶员视觉处理经验,将道路图像分为近景和远景区域,近景区使用直线模型拟合车道线,远景区切换直线模型或三次曲线模型匹配车道线。融合道路图像的梯度幅值、梯度方向和灰度特征信息,建立概率判别函数,采用基于遗传算法操作的改进粒子群优化算法,快速搜索关于概率函数的最优模型参数,实现对车道的检测。对实际道路图像的试验结果表明,在路面存在阴影、光照不均匀、车辆遮挡以及车道标识线污损情况下,该算法都能很好地识别车道,具有很强的鲁棒性。     

基于最大熵原理的复合形法及其在边坡稳定分析中的应甩

将最大熵原理应用于基本复合形法的优化计算中,旨在提高算法的寻优成功率.具体步骤为选取复形中熵最大的顶点为寻优点;在复形其余各点的加权中心点与寻优点的连线上,搜索比寻优点改善的新顶点;并替换掉寻优点构成新的复形;如此迭代直至复形中的信息被完全利用.采用基本复合形法和基于最大熵原理的复合形法对两个复杂土坡的最小安全系数进行了搜索,结果表明基于最大熵原理的复合形法的全局搜索能力有了明显改善.     

清江高坝洲工程左岸边坡开挖爆破试验研究

比较了预裂与光面爆破的适用条件 ,探索了高坝洲工程灰岩及岩溶角砾岩的可爆性 ,针对该工程左岸边坡的特殊性 ,提出了相应爆破开挖方案 ,确保了边坡的安全与稳定。     

一种基于三消隐点的摄像机自标定算法

提出了一种对摄像机进行自标定的方法.该方法是利用自然场景中三组两两正交的平行线所获得的消隐点之间具备的约束条件来实现标定的,并能够对获取的消隐点进行优化校正.利用该方法开展了实验研究,并与采用传统标定方法得到的结果进行了比较,结果表明本文所提出的算法具有较好的应用前景.     

基于机器视觉的车距检测系统设计

为了探测前车车距,采用机器视觉方式,以 CCD构造单目成像系统采集前车图像,以检测车牌在图像中像素的数量方式实现车距的测量。系统以单目摄像头的成像模型,通过物像位置关系及大小关系,建立车牌图像与车距信息之间的模型;以CCD成像原理,建立车牌图像与传感器像元像素之间的模型。由此构建测距检测算法模型。采用MATLAB软件平台设计人机交互界面,对采集图像进行预处理提高图像的对比度;通过匹配连通域等算法,对车牌进行定位、分割,检测车牌水平方向像素数量;在此基础上,采取小孔成像原理计算车距的大小,并显示在软件平台上。实验证明了本系统能对前车图像进行分析从而计算出车距,该系统对3 m之外的车距检测平均误差为4%。     

经验因素与车道类型对汽车驾驶员变道决策的影响

目的考察驾驶经验与车道类型对驾驶员变道决策的影响以及不同经验驾驶员的眼动注意搜索模式。方法使用Tobii眼动仪和驾驶场景视频收集了35名驾驶员的变道决策反应时、变道频率及眼动数据。结果驾驶经验与车道类型对驾驶员变道决策反应时交互作用显著;驾驶经验、车道类型与兴趣区对驾驶员总注视时间交互作用显著,同时驾驶员前方视野总注视时间对其边侧车道变道决策反应时有负向预测作用。结论中间车道条件下,实习驾驶员变道决策反应时更慢;边侧车道条件下结论相反;中间车道条件下,实习驾驶员对于侧视镜的总注视时间更长;边侧车道条件下,实习驾驶员对于前方视野的总注视时间更长;边侧车道条件下,实习驾驶员对于前方视野注视时间越长,变道决策反应时越快,这可以被视为实习驾驶员变道决策反应时更快的主要视觉注意机制。本研究对驾驶员改善变道行为和安全驾驶具有重要意义。     

基于三维点云聚类的坡度估计方法

为了提高火星探测器着陆时对坡度的估计精度,研究了一种基于三维点云数据聚类与随机搜索最优拟合平面的坡度估计方法。将通过激光雷达测量获得的三维点云数据进行稀疏表示,利用稀疏系数对数据点进行聚类与分割,划分子空间;对子空间中的数据点进行平面拟合,随机搜索最优拟合平面;根据最优拟合平面计算平面法向量之间夹角,其在数值上等于坡度角,从而完成坡度估计。实验表明:该方法可以对坡度进行较为准确的估计;与常用的坡度估计方法相比,相对误差较小。     

基于演化博弈论的可变导向车道设置策略研究

可变导向车道的设置,在提高道路通行效率的同时会造成驾驶人情绪紧张或者因不了解路况导致违规甚至发生事故,对交通系统的安全和稳定运行产生负面影响。以交管部门设置可变导向车道的策略选择为研究目标,结合驾驶人走可变导向车道时产生的紧张情绪损失等因素,构建交管部门−驾驶人群体两方博弈模型。采用演化博弈论的方法分析博弈双方选择行为演化和稳定策略,对系统中存在的5个演化均衡点进行分析,得到系统的3种理想稳定状态和相对应的参数条件,为交管部门设置可变导向车道进行策略选择提供理论支撑。     

基于SLAM导航的多目视觉AGV系统设计

目的为了进一步提高SLAM定位精度和小障碍物识别能力。方法采用SLAM与多目视觉结合的方法,首先构建AGV运动学模型,然后构建双目立体视觉模型,基于SURF+RANSAC改进的分区域加权算法,尽可能剔除冗余误匹配对,显著提高匹配精度。其次,在传统SLAM导航基础上融入单目视觉,实现关键工位点精确定位停靠,并给出二维码遮挡缺损情况下的解决方法,采用双目视觉实现距离实时测量。结果双目距离检测精度可达±1.88 mm,轨迹精度可以控制在±2 mm。结论融合SLAM和多目视觉可以有效提高导航定位精度和小障碍物识别能力,提高了SLAM的应用领域,具有一定的推广前景。