基于多通道融合和极线约束的道路检测与定位

计算机双目视觉道路检测及定位在实现无人运动平台自主导航中具有重要意义.根据双目摄像机系统模型,提出基于多通道阈值融合的车道线检测方法,融合车道线边缘和色彩信息进行图像阈值分割,采用透视变换和自适应动态滑窗法提取车道线像素,采用最小二乘法拟合道路模型并依据极线约束关系进行定位,投影至SLAM地图中.实验结果表明,算法在光照变化、阴影遮挡等场景中均能精确检测车道线,将车道线信息投影至三维地图可以有效地将车道信息与地图信息进行融合,提高了道路感知能力.      

基于视觉和毫米波雷达的车道级定位方法

提出了一种基于视觉和毫米波雷达的车道级定位方法.利用机器视觉方法,通过摄像头检测车道线,并用圆曲线模型进行拟合;采用毫米波雷达检测道路两旁的静止护栏边沿,以获取道路的边界信息,采用低精度全球定位系统(GPS)获取当前道路信息,并对比车道线与道路边沿的相对位置关系,从而进行车道级定位.结果表明,针对中、高速城市道路及高速公路场景,所提出的车道级定位方法的定位效果较好.     

基于驾驶人视觉感知的低等级公路行车速度预测

低等级公路环境下的行车速度变化特征比较复杂,已有的基于几何线形指标的车速模型不足以全面地表述这种特征.通过大量实车实验发现,低等级公路环境下驾驶人所采用的行车速度和其视觉感知到道路条件之间存在很好的相关性.驾驶人感知的道路条件分为视觉车道信息和视觉路侧环境信息.采用Catmull-Rom样条曲线拟合的视觉车道模型能够反应驾驶人感知的低等级公路几何特征,根据视觉车道模型形状参数,使用遗传算法优化BP神经网络(GABP)建立了基于几何信息感知的几何车速模型.同时,基于路侧环境信息利用Logistic回归模型建立了路侧车速修正模型.将上述模型结合起来,形成了基于驾驶人视觉感知的低等级公路行车车速预测方法.由此方法计算的驾驶人行车速度与实测情况吻合性好,能够很好地描述驾驶人在低等级公路环境下通过对道路条件视觉认知而产生行车速度的行为特征,是低等级公路运行车速预测计算的一种有效方法,不仅可以作为道路安全评价的基础,也可以为基于行车速度的公路几何设计提供有力支持.     

基于信息负荷的城市地下道路视觉环境影响车辆运行特征机理分析

计算不同道路环境下驾驶员所获得的视觉信息负荷,解析导致车辆在不同道路环境下存在运行特征差异的机理,提高地下道路技术设计和运营管理水平.应用实车试验技术获取地上和地下道路环境中车辆运行特征数据和视觉环境资料,进行不同道路环境系统中车辆运行特征和驾驶员视觉信息负荷的对比研究,分析视觉信息负荷对车头间距和运行车速等车辆运行特征的影响规律.在此基础上深入研究了地下道路视觉环境影响驾驶员视觉信息负荷的机理.最后通过模拟驾驶技术提出了完善和提高地下道路视觉环境交通安全性的技术措施.     

基于车道线直线模型的道路曲率估计方法

在车道偏离预警、防止及车道保持等基于机器视觉的驾驶安全辅助系统中,为解决单一直线模型无法预估道路曲率,而曲线拟合方法计算量大等问题,应用车道线直线模型,提出了一种基于远端直线拟合的弯道曲率估计方法,其特征在于车道线仍使用全局直线描述,估计曲率时对远端候选点进行直线拟合.由于保证了较多的候选点数量且使用Hough变换检测直线,以及利用跟踪、滤波等方法,算法在保证车道线检测鲁棒性的同时,基于远端直线拟合方法实现了对弯道曲率的相对定量估计.采用装有全球定位系统(GPS)的实车试验进行验证,结果表明:所提方法在增加候选点数量以提高曲率估计精度的同时,保障了算法的实时性.     

标志信息及驾驶时间影响驾驶员视觉特性分析

为定量分析长时程驾驶条件下,驾驶员视认草原公路直线段上不同信息量交通标志设施时,视觉特性的变化,以信息量化理论为基础,通过开展草原公路重复驾驶实验,分析不同标志信息量和驾驶时间耦合作用下驾驶员视认行为变化规律。结果表明：随着标志信息量的增加,两次重复实验中驾驶员扫视持续时间与注视持续时间都呈波动上升趋势,扫视平均速度都呈波动下降趋势;对于标志中的重复道路信息,驾驶员的视认行为会发生与以上相反的变化趋势;进行多项式拟合,依据拟合结果,进一步利用相关分析方法与独立样本检验,探究驾驶员视觉特性变化规律。     

基于驾驶员操纵特性和交通环境状态的换道行为预测

为排除驾驶员在换道过程中存在的交通安全隐患,基于驾驶员操纵特性和交通环境状态分析,提出了一种能有效预测驾驶员换道行为的方法。依托自然道路条件下的实车实验,将驾驶员视觉特性与数据分析相结合,确定了意图时窗宽度为5 s。依据在车道保持与意图换道两阶段的操纵特性和交通环境等参数差异化分析,构建了换道行为预测的表征参数体系。引入二元Logistic模型,确定各参数的回归系数,并进行换道行为预测。研究结果表明:该模型可至少提前2. 5 s预测出换道行为;且换道行为起始时刻的预测精度为96. 34%。与基于视觉特性和转向灯状态预测换道行为相比,具有更高的准确率和更优的时序性。     

基于多信息融合优化的鲁棒性车道检测算法

为了提高复杂环境下车道线检测的鲁棒性,提出一种基于多特征信息融合优化的鲁棒性车道线检测算法.首先构建了基于二次曲线空间道路模型图像中左右车道线数学模型;然后融合像素梯度值、梯度方向、像素灰度以及车道线结构等多特征信息,构造后验概率函数;最后采用基于免疫克隆策略的改进粒子群优化算法优化车道线模型参数,实现车道线提取.对实际道路图像的实验结果表明,引入多特征信息后,在道路中存在阴影、车辆和道路标记等干扰因素,以及车道线模糊、对比度较低的情况下,该算法也能快速准确地提取车道线,具有很强的鲁棒性.     

城市环境下无人驾驶车辆驾驶规则获取及决策算法

城市道路多源信息环境下换道行为决策是无人驾驶车辆实现实际道路行驶的关键技术之一.为提取复杂动态环境下驾驶员的换道决策规则,利用PreScan软件搭建虚拟城市道路环境,基于Simulink建立6自由度车辆动力学模型,采用粗糙集提取驾驶员换道行为决策规则.结果表明本车与当前车道车辆的相对速度维持在4~7 m/s、相邻车道空间距离在20~35 m时驾驶员就会进行换道决策.研究结果可以为无人驾驶车辆在线机器学习提供规则知识库,并为进一步深入研究换道行为不确定决策提供理论基础.      

地下道路横断面对驾驶行为的影响

基于8自由度的驾驶模拟器研究了地下道路车道宽度、车道位置、侧向净宽对驾驶行为的影响.受试者在一条单向三车道的地下道路场景中进行了试验.试验结果表明车道宽度和侧向净宽对车速、偏移及主观感知都有影响,而车道宽度的影响更为显著.不同车道上,驾驶行为表现出与驾驶人的主观感知不一致.基于横向偏移状态分析了不同条件下的行车安全性,并为地下道路设计车速、车道宽度、限速、车道组合等方面提出了建议.     

中间视觉条件下的道路照明反应时间

道路照明中的亮度水平应属中间视觉范畴.而世界各国的现行道路照明标准均是在明视觉条件下确定的,这与中间视觉效果差别很大,由此带来的问题将造成照明质量的评价误差.为此,通过反应时间来研究中间视觉条件下的道路照明已成为该学科国际上的前沿研究课题.对此,文章介绍了采用自行研制的中间视觉反应时间测试系统进行光源光效的研究.该系统以不同光源形成中间视觉光环境,用变化的光斑模拟夜间行车道路前方可能出现的障碍物,并分别在不同背景亮度、视标对比度和视标偏心角的条件下,利用电子快门记录受测人员确认光斑的反应时间.通过对大量实测数据的回归分析,拟合出不同实验条件下反应时间与背景亮度的函数表达式,从而得出金卤光源视觉功效高于钠灯光源的结论.文中对测试系统的构造、工作原理、实验方法及数据处理结果进行了分析与讨论.该项研究成果对创建中间视觉条件下的可见度模型提供了实验依据,为中国道路照明工程的具体实施和实际改进有很好的借鉴意义.     

城市道路绿化对行车视线诱导的植物合理种植间距

【目的】规范城市道路绿化交通安全功能,提高绿化植物对行车视线诱导的可靠性。【方法】通过驾驶员视觉特性分析,根据《城市道路工程设计规范》(CJJ 37—2012),以双向四车道为基本线型,构造两个数学模型; 一个是在不同设计速度下形成连续景观的直线段模型,另一个是在不同设计速度下形成最佳曲线曲率感知效果的曲线段模型。【结果】在道路直线段,车速分别为30、40、60、80、100 km/h时,使驾驶员形成连续景观感受的绿化植物种植间距(L)分别为1.74、2.32、3.48、4.64、5.80 m。在道路曲线段,车速分别为40、60、80、100 km/h时,使驾驶员保持对道路曲线曲率最佳感知效果的植物种植间距(L')分别为2.49、3.56、4.25、0.44 m。【结论】在城市道路直线段,以L间距种植绿化植物能达到最佳视线诱导效果; 在城市道路曲线段以相同设计速度下L与L'的最小值间距种植绿化植物,能达到最佳视线诱导效果,同时保持较高的曲线曲率感知精度。     

动态交通流分配模型

为了构造更先进的动态交通流分配模型,针对城市道路上车流的速度和密度特性,利用Green-shields速度密度关系对元胞传输模型进行了优化改进。改进后的模型能较好地模拟城市道路上交通流的运行特性,且在保证计算精度的同时,降低了算法的计算复杂度。算例结果表明,该模型可以出色地再现路段上时变的交通流,使乘客在任意节点都能获得当时交通条件下到达终点的最短路径,从而实现其交通分析与诱导功能。     

基于Logistic模型的驾驶人换道意图识别方法

 为有效降低车道变换行为诱发事故的风险性,提出一种基于Logistic 模型的驾驶人换道意图识别方法。利用faceLAB 视觉追踪系统,通过真实环境下的实车测试,结合换道前驾驶人对后视镜的注视特性确定换道意图时窗,分析车道保持与换道意图阶段的注视特性差异,提取扫视次数、扫视幅度、水平方向视觉搜索广度、头部水平转动角度标准差等驾驶人换道意图特征指标,构建了Logistic 模型,并经效度检验后应用于对驾驶人换道意图的识别。结果显示,基于Logistic 模型的驾驶人换道意图识别方法的识别成功率达到90.24%,与基于转向灯信号的驾驶人换道意图识别方法相比,具有明显的时序及成功率方面的优势。     

基于图像矩和矢量积法的六自由度机械臂视觉伺服控制

针对眼在手上的六自由度机械臂系统,提出一种基于图像的视觉伺服控制.通过图像矩和矢量积法,建立机器人正向、逆向运动学模型,引入雅可比矩阵解决机器人逆运动学解析问题.建立了图像矩特征变化量和笛卡尔空间的关节角速度之间的映射关系即复合雅可比矩阵,由矩特征变化量得到伺服过程中六自由度机器人各关节角速度.保证在图像逼近期望图像时,机械臂末端到达期望位置,并且此时关节角速度将收敛到零.仿真结果表明,计算复合雅可比矩阵的方法可控制机械臂渐近稳定到期望位置.     

基于视觉的智能车辆横向偏差测量方法

针对横向偏差传统测量手段的不足,提出了一种智能车辆横向偏差的视觉测量方法.该方法是根据摄像机的成像特点和高等级路面的特征,通过重构路面的空间关系来实现的.对其中的关键环节车载摄像机的标定采用了非线性分步优化的过程,该过程不需要知道不同取向的靶标图像的变动情况,能适应室外道路简便、快速的标定要求.试验表明,所提出的横向偏差测量方法在近视野情况下对于坡度不大的一般道路可以取得厘米级的实时测量精度,能够满足多传感器组合导航对横向偏差测量的要求.     

基于车道的城市道路仿真数据模型

从满足城市道路仿真需求的角度分析了数据建模的特点,提出了一种能够较真实反映路面的平面剖分方法,结合车道数据模型,能够准确地描述车道的属性信息。该模型突破了传统平面道路描述的局限,能够描述道路系统的非平面部分。将实际道路网络分为多个道路等级,实现不同层次道路网络信息的互操作,为整个道路仿真系统数据库的建立提供了理论基础。同时也可实现基于低层次道路网络生成高层次网络拓扑的算法,为真实反映道路交通状况提供了可能。     

基于视觉特性的扩展变换量化指纹算法研究

针对扩展变换量化指纹算法的性能平衡问题,提出了基于视觉特性的扩展变换量化指纹算法。该算法基于扩展变换的量化指纹算法模型,根据数字图像的局部视觉特性,采用非均匀同步量化的方法调节指纹算法的量化参数,有效减少了指纹图像的量化误差,并实现指纹嵌入检测过程的一致性,从而提高数字指纹的检测效率和载体图像的保真度。实验仿真结果表明,提出的指纹算法明显优于扩展变换量化指纹算法的性能,能够在抗共谋能力和视觉质量之间获得较好的平衡。     

基于特征颜色模型的粒子滤波改进算法

针对在视觉跟踪任务中,当目标体的外形发生变化时,传统的粒子滤波算法在模型更新的过程中往往出现偏差并逐渐累积,最终导致跟踪性能降低的问题,作者通过挖掘目标体区别于背景的颜色信息,建立特征颜色模型,提出了一种改进算法.该算法首先使用粒子滤波进行粗定位,然后基于特征颜色模型分割目标.实验表明,作者提出的算法速度快,能够准确地跟踪目标的外观变化,对目标体的旋转和遮挡以及光线变化具有一定的鲁棒性,特别适合于跟踪行人和车辆等具有显著颜色的目标.