结构化道路车道线识别的一种改进算法

基于机器视觉高速智能车辆,提出了一种改进的道路识别算法. 通过实车采集的图像进行灰度化、中值滤波、边缘增强、最优阈值二值化,获得良好的二值化图像. 根据道路特征采用一种改进的Hough变换识别出边界. 在预处理和检测时都使用感兴趣区域(AOI),减少了图像处理时间,提高了道路识别的可靠性. 实车实验表明,该算法具有良好的实时性、可靠性和鲁棒性.     

基于目标检测算法与迭代阈值分割的道路标线可视度评估

提出了一种基于目标检测与迭代阈值分割的道路标线分割算法。首先采用基于BiFormer改进的YOLOv5目标检测算法对道路标线区域进行快速定位与框选,然后运用快速迭代阈值分割对框选区域内的道路标线进行精细提取,最后对提取后的道路标线采用韦伯对比度进行人眼可视度评估。结果表明：该方法能够完成道路标线的快速准确提取,并实现对道路标线可视度的有效检测。     

一种基于消失点和颜色过滤器的车道线检测算法

针对经典霍夫车道线检测方法实用性较差,无法准确区分车道线和路沿与应用道路场景简单等问题,提出 了一种基于消失点和颜色过滤器的车道线检测算法,不仅提高车道线检测的准确率,而且能够应用较复杂行车场 景;首先,对行车视频连续五帧图像进行预处理,获取行车环境下车道线消失点位置,能够自适应选取行车环境图 像的感兴趣区域(Region of Interest,ROI);然后,对 ROI 图像根据车道线颜色特征进行过滤得到二值图像,获取二 值图像中所有连通区域质心和倾斜角等数据,通过结合消失点特征和角度阈值进行限制,筛选记录符合车道线特 征连通区域的数据,接着分割较大区域获取更多质心点,识别漏检符合车道线特征的区域质心点;最后,对获取的 质心点使用最小二乘法进行拟合并标识车道线;实验结果表明:算法能够在多场景道路上快速准确的检测出车道线,与经典霍夫算法进行仿真比较,算法具有一定的鲁棒性和实时性。     

基于加速度特征的人体跌倒检测算法

针对跌倒检测系统必须快速准确响应的需求,提出一种基于三轴加速度传感器的人体跌倒实时检测算法.该算法通过分析人体运动的加速度特征,提取加速度信息特征向量,采用机器学习的方法对样本数据进行分析,获得分类阈值.在实时检测过程中,当采集的加速度信息的特征值大于阈值时,通过分析其产生峰值之后的加速度分量特征,确定是否发生跌倒事件.通过测试多种日常活动及各种跌倒的加速度信息,证明了该算法的有效性.     

一种基于光流和二级聚类的移动背景下的目标检测算法

针对现有的移动背景下的目标检测算法存在检测速度较慢、自适应性差和检测准确度不高的问题,提出了一种基于光流和二级聚类的移动背景下的目标检测算法;该算法融合了阈值自适应规则和基于优化检测结果的反馈机制。首先采用Lucas-Kanade光流跟踪算法和DBSCAN聚类算法提取出前景目标,然后采用改进的凝聚层次聚类算法将前景目标分类。在第一级聚类时建立基于初始聚类结果的自适应规则,实现了自适应地检测目标;在第二级聚类后,通过去除错误匹配特征点和阴影区域特征点优化检测结果;并将优化后的检测结果反馈给第一级聚类过程以更新适用阈值,使目标检测更准确。在多个视频库上进行验证,实验结果证明该算法检测速度快、自适应性良好、检测准确度高。     

基于双特征的前方车辆实时检测

提出一种在无先验知识的情况下,综合利用车辆阴影和对称性两种特征进行前方车辆检测的算法.该算法通过检测车底阴影特征生成车辆存在假设,首先,利用大津阈值分割方法(OTSU)得到车辆阴影特征,采用阴影区域融合方法解决阴影边缘的变形问题,得到可能包含车辆的区域;然后,利用车辆对称性特征对感兴趣区域进行验证,并对其中的车辆区域进行准确定位.通过对实际采集的道路图像序列进行测试,结果表明:该算法能够实时、有效地检测出前方车辆.     

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.     

基于相位角点检测的特征匹配研究

基于特征的匹配是立体匹配中最常用的方法,但是匹配结果受特征检测精度的影响较大.针对这一问题,提出一种基于相位一致性角点检测的匹配算法,该算法采用相位一致性模型对图像中的角点特征进行检测,检测结果不受亮度、对比度等因素影响,因此在不同光照环境下的多幅图像可以使用相同的固定阈值,避免了特征检测中阈值选取的困难.在此基础上,结合场景的深度信息采用图像的灰度局部区域相关系数进行特征匹配.实验结果表明,该算法获得的匹配结果具有很高的正确匹配率.     

基于相位一致性的人脸特征匹配研究

为避免立体匹配算法特征点定位易受噪声影响的问题, 提出一种基于相位一致性的人脸特征点匹配算法。首先对获取的平行双目图像进行人脸的精确定位, 降低立体匹配的搜索范围; 然后采用相位一致性模型对人脸纹理特征进行检测, 检测结果不受亮度、 对比度等因素影响, 在不同光照环境下的图像可以使用固定阈值, 避免了特征检测中阈值选取的困难; 最后结合利用梯度旋转直方图算法对特征点描述, 减小视角变化对结果的影响。实验结果表明, 该算法鲁棒性较好、 正确匹配率较高, 达到80%以上。     

基于决策树参数优化算法的人行横道检测

为了使车辆快速并准确地检测出人行横道,针对车载摄像头获取的路面图像,提出了一种基于决策树参数优化的人行横道检测方法,该方法分3个步骤完成:首先,通过逆透视变换获得指定区域内的道路俯瞰图;其次,通过阈值分割提取出路面白色标线;最后根据人行横道的特征属性实现检测。其中,白色标线的提取是准确检测的基础,因此结合边缘信息与自适应阈值,改进了分割算法,并使用决策树优化分割参数。结果表明:即使在路面光照不均匀的情况下,改进后的算法分割效果显示良好,有效提高了人行横道检测率。     

基于改进 Hough 变换与双点去除 R-最小二乘法的车道线检测优化算法

针对传统Hough变换和最小二乘法的不足分别提出改进算法,并应用到车道线检测中,对道路图像进行预处理得到车道线的边缘点,对拟合车道线的两种方法进行改进,提高车道线检测的准确率和实时性。在实际检测中,设计一种结合改进Hough变换和双点去除R-最小二乘(R-least squares with dual removal,R-LSDR)法的检测算法,并运用Kalman滤波器跟踪车道线,在实车采集的道路图像序列上进行初步测试。实验结果表明,优化的车道线检测算法提高了检测准确率和运行效率。     

一种基于边缘信息的改进车辆检测方法

实时获取车辆有无、车流量等交通信息,在智能交通系统中有着及其重要的作用.基于视觉的交通监视系统具有直观明了、系统使用和维护费用相对较低等优点,因而广泛应用于公路干线和交叉道口的交通监控.但是由路边建筑、树木引起的阴影,是导致车辆检测错误的一大主要因素.笔者提出了一种基于边缘信息的改进车辆检测算法,用于检测车辆,进而实现对过往车辆的正确计数.     

基于目标检测的激光雷达道路边缘检测算法

道路边缘检测是自动驾驶车辆环境感知的重要组成部分,有效地从点云数据中提取道路边缘信息,有利于进行目标检测以及可行驶区域检测。针对点云道路边缘检测问题,提出了一种考虑车辆等道路参与者对道路边缘检测带来干扰的解决方案。首先,采用地面点云分割算法,将原始点云分割成地面点云和非地面点云;其次,根据车辆等道路参与者的固有特性,采用点云聚类算法对点云进行聚类,并将符合车辆等道路参与者特性的非地面点云进行滤除;再次,根据道路边缘点云在二维平面内,能够有效地遮挡激光发射中心点与非道路边缘点之间的连线,从而提取道路边缘点云;最后,采用随机抽样一致性(random sample consensus, RANSAC)算法对道路边缘点云进行多项式拟合,并使用扩展卡尔曼滤波器对道路边缘进行跟踪。实验结果表明,所提点云道路边缘检测算法能够消除车辆等道路参与则对点云道路边缘检测的影响,且算法满足实车实时性和鲁棒性要求。     

Abnormal driving behavior identification based on direction and position offsets

Abnormal driving behavior identification( ADBI) has become a research hotspot because of its significance in driver assistance systems. However,current methods still have some limitations in terms of accuracy and reliability under severe traffic scenes. This paper proposes a new ADBI method based on direction and position offsets,where a two-factor identification strategy is proposed to improve the accuracy and reliability of ADBI. Self-adaptive edge detection based on Sobel operator is used to extract edge information of lanes. In order to enhance the efficiency and reliability of lane detection,an improved lane detection algorithm is proposed,where a Hough transform based on local search scope is employed to quickly detect the lane,and a validation scheme based on priori information is proposed to further verify the detected lane. Experimental results under various complex road conditions demonstrate the validity of the proposed ADBI.     

一种基于无人机影像的高精地图车道线检测与提取方法

高精度地图是实现自动驾驶技术必不可少的基础设施,车道线是高精度地图车道级路网的重要组成部分。以往高精度地图的车道线检测多基于车载摄像头数据,存在成像范围有限、需要透视变换和多次拼接造成的效率问题。基于无人机航拍影像,采用U-Net网络识别道路区域,过滤非道路区域噪声,通过HSL颜色变换和Sobel算子分别计算车道线颜色和边缘梯度特征,使用Otsu算法自动确定特征分割阈值获得二值化车道线特征图,通过局部最大值算法确定滑动窗口的初始位置,最后借助滑动窗口算法和多项式检测拟合车道线。实验结果表明,在保证一定检测精度的前提下,单条车道线检测长度超过了百米,道路检测效率达到25.2 m/s,对比于地面影像的检测算法具有明显的效率优势。     

基于5G手机的交叉路口行人检测

针对目前在交叉路口通过摄像头进行行人识别与检测容易受到天气的影响,且摄像头统计范围有限的问题,利用5G通信低时延的特性,提出了一种基于5G手机的交叉路口行人检测方法。该方法采集行人携带的5G移动终端的位置、速度、密度、方向4个典型运动特征,然后在路侧设备上建立模型进行行人检测,降低单一运动特征的行人检测造成的误差,提高了准确率。通过搭建车联网测试平台对该方法的有效性进行验证,试验结果表明:该方法可以准确地统计交叉路口行人,同时也实现了满意的检测速度,为未来的智能交通、安全预警等方向研究和应用提供技术支持。     

基于三维激光路面轮廓调查系统及应用

路面轮廓包含道路质量评定的多种信息,其中路面车辙是衡量路面状况的重要指标.现行人工检测和目前基于点激光或线激光测量设备存在局限性.基于三维激光设备,研究并开发了一种路面轮廓调查系统.设计了一种全新的车载设备布置架构,采用高精度三维数据生成路面轮廓信息并连续计算路面车辙.采用边缘算法对车道区域外数据进行剔除,通过对横断面...     

基于Sigmoid函数拟合的亚像素边缘检测方法

亚像素边缘检测技术是采用图像处理软件算法来提高检测精度的有效途径,因而在基于计算机视觉的检测中具有重要地位。本文对矩法、拟合法和插值法等常用的亚像素边缘检测算法的原理、优点和不足进行了分析。提出了Sigmoid函数拟合的亚像素边缘定位算法,该算法采用Sigmoid函数拟合边缘模型,然后利用图像边缘灰度信息,对该模型进行非线性最小二乘拟合,求得边缘的亚像素位置。实验中测得本文提出的基于Sigmoid函数拟合的亚像素边缘定位算法定位精度为0.045像素,但检测的速度比灰度矩提高了一个数量级,比空间矩、Zernike矩和插值法提高了两个数量级。理论分析和实验结果表明：本文提出的亚像素定位算法能较好的满足影像测量中的稳定可靠、精度高及实时性的要求。     

一种基于小波变换和数学形态学的边缘检测算法

结合小波变换和数学形态学的优点,提出了一种基于小波变换和数学形态学的边缘检测算法.基于数学形态学的边缘检测,对现有的检测算子进行改进,构造了一种抗噪型边缘检测算子,并使用不同方向的线型结构元素;基于小波变换的边缘检测能有效地保留图像边缘的细节信息,使提取的边缘完整连续.实验结果表明,本研究提出的算法与几种经典边缘检测算子相比,有效抑制了噪声的影响,提高了检测的精度,对各种不同图像具有很好的鲁棒性.     

基于深度残差网络的医学超声图像多尺度边缘检测算法

为提高医学超声图像在临床诊断的效果, 需先对图像进行优化检测和识别, 提出一种基于深度残差网络的医学超声图像多尺度边缘检测算法. 首先, 通过对原始医学超声图像进行自动标注, 构建医学超声图像灰度分布矩阵, 利用分布矩阵完成医学超声图像的多尺度分割; 其次, 构建医学超声图像多尺度边缘的轮廓模型, 提取多尺度图像边缘特征; 再次, 构建深度残差网络结构, 采用深度残差学习算法进行超声图像的底层图像信息融合; 最后, 对融合后的边缘图像数据进行多尺度边缘检测. 实验结果表明, 该算法的图像分割精度高, 特征提取准确率达80%以上, 图像边界中间断区检测效果较好, 边缘点查全性较高, 算法检测耗时短、收敛性强.