基于单目视觉的跟驰车辆车距测量方法

为了解决结构化道路上跟驰车辆的防追尾碰撞问题,首先在对车辆制动模型进行分析的基础上得到了车辆制动距离的计算公式,进而计算出跟驰车辆与前方车辆之间的安全距离.然后,从针孔模型摄像机成像的基本原理出发,推导出基于图像中车道线消失点的车距测量公式.车距测量结果只与图像中的近视场点到摄像机的实际距离有关,无需对所有的摄像机参数进行标定,从而解决了单目视觉车距测量问题.最后,完成了不同距离处前方车辆的车距测量试验.试验结果表明,该方法的车距测量相对误差小于3％,具备了较高的检测精度,能够满足跟驰车辆防追尾碰撞的应用要求.     

一种基于机器视觉的前方车辆距离检测方法

为了有效控制并避免交通事故的发生,文章提出了一种基于机器视觉检测前方车辆障碍物距离的方法。利用机器视觉检测到前方车辆可能存在的感兴趣区域,通过边缘特征确定前方车辆的位置。对于采集到的图像进行去噪与增强,通过路面灰度值与基于窗口能量的方法准确定位车辆在图像中的位置。在对摄像机进行预先标定的基础上,通过透视投影的几何关系计算出前方车辆距离的方法。仿真试验结果表明,该方法准确有效。     

单目视觉的前车位置识别及安全车距监测

针对自动驾驶中的前车位置识别及安全车距监测问题,提出了基于单目视觉的解决方案:首先,通过图像中前车轮廓与本车道及同向车行道分界线是否相交判断前车是否为监测车辆;其次,根据图像中像素坐标系与空间坐标系的对应关系构建转换模型,计算前方监测车辆与本车的真实车距;最后,根据可跨越的同向车行道分界线在连续图像帧中的位置变化计算本车的行驶速度,并依据交通法规判断本车与前方监测车辆之间是否为安全距离.实验结果表明,该解决方案可以有效地识别前车位置、监测安全车距并降低系统成本.     

基于自适应背景抽取的车辆外形参数识别

针对车辆的侧面图像,设计了一种基于数字图像处理技术的车辆图像特征参数识别方法.为克服噪声的影响,采用自适应高斯混合模型进行背景抽取,在此基础上对车长和车高的测量方法进行了研究,通过实验分析了车速和物距对测量精度的影响.试验结果表明:在低速范围内车速对测量精度的影响很小,物距对测量结果的影响较大.在此基础上建立了车辆外形参数与物距的关系,可有效测量车辆的外形参数,为进一步对车辆进行识别分类提供了参考依据.     

一种基于视频传感器的嵌入式车距测试系统

车距检测在智能交通系统中起着重要的作用.研究提出一种基于图像处理技术的汽车追尾碰撞预警方法,利用图像传感器在驾驶过程中实时监测汽车与附近车辆的距离.该技术通过CCD摄像头摄入车辆前方道路状况,由计算机进行主要的数据处理,以现有的车牌定位技术为基础计算车牌面积,根据透视原理判断车辆间是否保持安全距离.当距离过近时,系统将发出警报提醒驾驶员保持车距.     

基于多传感器融合的前方车辆识别方法研究

为提高汽车安全辅助驾驶系统对前方车辆识别的准确性和实时性,提出了一种基于摄像头和毫米波雷达信息融合的前方车辆检测方法。首先将毫米波雷达和摄像头进行联合标定,并确定两个传感器坐标系之间的相互转化关系,对毫米波雷达数据进行预处理快速分割图像,以获得前方车辆识别的感兴趣区域;然后采用自适应阈值对感兴趣区域内的图像进行二值化处理以获得车辆底部阴影信息,利用边缘检测和霍夫变换得到车辆上下边界的位置信息;通过底部阴影和上下边界信息获得车辆识别的高度与宽度,最后根据车辆对称性特征建立识别窗口。试验验证表明,该方法前方车辆检测准确率为90.2%,单帧图像的处理速度为32 ms,能够满足智能汽车应用中的实时性和准确性的要求。     

基于视觉AI的车道参照车距测量方法

车距测量技术对于减少交通安全事故,提高行车安全具有重要的意义.目前车距检测技术多是以车辆为参照进行测距,检测结果为两车的直线距离,但在弯道情况下则与实际车间距误差较大.因此,在分析现有的测距方法的优点及不足之处的基础上,基于视觉AI技术提出一种车道参照车距测量方法.该方法首先通过逆透视变换算法,实现从车道正视图到鸟瞰图...     

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.     

多车道复杂环境下前方车辆检测算法

为了解决智能车安全辅助驾驶系统中前方车辆目标的检测问题,提出了一种基于改进阴影多特征与深度网络学习的车辆检测算法。基于前方车辆与本车存在安全距离,选取道路图像底部几行作为候选道路背景并对其预处理排除干扰,通过差分得到车底阴影增强图像。利用自适应阈值法确定图像灰度分割阈值并对道路二值化图像进行形态学预处理。然后,利用最小外接矩形框选候选车辆目标,结合车底阴影几何位置特征、对称度特征进行滤波生成车辆假设。最后,基于局部二值模式纹理特征和深度学习方法验证车辆假设。实验结果表明:在复杂干扰的多车道环境中,算法可以有效地检测前方车辆目标。     

基于车道线识别和多特征的前车检测算法

前车检测是安全辅助驾驶系统的主要研究领域,实时鲁棒的检测方法能够使智能车实现有效的防偏防撞预警和控制。提出了一种基于车道线识别和多特征的前车检测方法。首先基于车道线识别方法将感兴趣区域定位于两条车道线之间,然后依据车底阴影特征自适应确定中远距离车辆假设区域,最后利用纹理特征、垂直梯度投影均值和边缘对称性特征三层约束来验证车辆区域。实验结果表明:该方法能够实时准确地检测出不同光照条件下本车车道前方中远距离的车辆。     

基于计算机视觉的远距离动态前景测距方法

针对当前测距算法标定步骤复杂、图像匹配困难和不准确的问题,提出了一种远距离动态前景测距的方法,系统中由两个摄像头负责采集实时环境图像,利用前景检测算法检测出实时图像中的目标物,根据透视投影模型通过测量两个摄像头之间的距离、标定板与摄像头之间的距离、标定板自身的宽度和高度等数据,计算出目标物在标定板上映射点的三维坐标;再根据两个摄像头坐标,得到空间中两条直线的方程,则两直线的交点就是目标物的物理坐标;最后利用欧氏距离公式,计算出目标物距离摄像头的距离。通过实验可知,在目标距离小于3000m时,两种方法测量误差均小于3%;当目标距离大于3000m时,计算机视觉动态前景测距和传统测距方法的测得的数据平均误差分别为2.90%和25.50%,计算机视觉动态前景测距方法表现出更高的精度。     

基于单目视觉测距的测高测面积方法

利用单目摄像头所建立的三维测距模型,提出了一种地面上任意物体实际高度测量的计算方法。同时为了克服双目视觉对应点匹配和面积计算所利用的像素当量产生的误差,提出了一种更精确的目标实际面积测量方法。首先,利用三维几何测距模型,推算得出地面上任意一点到摄像头的距离计算公式,并根据透射点几何转换得到一种地面上物体高度的测量方法。其次,依据成像模型,与特定选取的世界坐标系、摄像机坐标系、图像坐标系三者之间的关系,推算出一种新的测量目标实际面积的方法。最后通过实验对误差进行了分析,提出了误差来源与相应的解决思路,证实了该方法的有效性。     

基于轮廓特征点凹性分析的遮挡车辆分割算法

在智能交通系统的拍摄场景中,由于车辆间距过近和摄像角度原因,引起车辆遮挡的现象,增加了目标车辆检测和跟踪的难度。根据轮廓特征点,结合轮廓凹凸性,提出一种凹陷区域检测与分割算法。首先采用背景差分法提取车辆区域,根据车辆区域外接矩形的长宽比和占空比判断是否是多车遮挡,同时通过凸包分析算法提取遮挡凹陷区域;然后通过Freeman链码确定凹陷区域的轮廓特征点,对特征点进行凹性分析;最后匹配分割点,采用Bresenham直线生成法分割遮挡车辆。实验结果表明,该算法有效解决遮挡车辆分割不准确问题,与其他算法相比,具有较好的场景适应性。     

山地城市道路长上坡路段交通噪声分布特性实测研究

为了得到山地城市道路长上坡路段汽车行驶噪声的幅值水平和影响因素,在重庆市主城的长大上坡路段上采集了汽车行驶噪声值,分析了车型、横向间距(距路缘线之间的距离)、坡长、驾驶行为等因素对噪声的影响。结果表明:夜间的交通噪声水平与日间相比并没有出现大幅度的衰减;汽车行驶噪声随着传播距离的增加而逐渐衰减,每增加5 m,噪声均值要衰减约3 d B左右,距离路侧5 m时,噪声值会降到重度污染的阈值以下;距路侧10 m时则会进一步降到中度污染水平以下;小轿车噪声均值要比公交车低10 d B;驾驶员有冲坡习惯时坡底第二个测试断面的噪声值会显著增加,驾驶员在到达坡顶之前也会再次加速冲坡,导致坡顶的噪声值显著增加;在大型车数量相当的情况下,路段的坡度值越高,噪声值越大。     

CCD摄像机标定中角点亚像素定位方法

CCD摄像机的标定是实现光学三维轮廓测量技术的必要步骤,其标定精度在很大程度上取决于标定特征点的定位精度.在分析现有棋盘格角点像素级和亚像素级定位方法不足的基础上,提出了一种基于改进SV方法的棋盘格角点亚像素定位方法.首先,采用SV算子对角点进行像素级检测;其次,选取标定图像中以初定位角点坐标为中心的5×5像素区域,对其灰度值进行双线性插值;最后,计算插值图像的灰度质心,再根据插值放大倍数,将质心转换到亚像素坐标,实现了角点亚像素定位.实验结果表明,该方法可以获得亚像素级角点坐标,实现CCD摄像机的高精度标定,标定平均误差为0.108 mm.     

基于阴影线的智能车辆检测及测距方法研究

针对当前智能车辆检测算法在实际应用中存在误差、测量结果不够准确等问题,使用基于运动车辆中车底阴影线算法的车辆检测机制,并利用车底阴影稳定存在特征解决车辆检测问题,进一步基于机器视觉的双目立体匹配测距方法实现对前方最近车辆距离测量,为智能车辆及驾驶员辅助系统提供信息。笔者采用的车底阴影线方法及双目测距最终实现结果证实,可以获取较为精确的道路前方的车辆及距离信息,有效检测距离为10 ～ 50 m,整体识别率达到85%。     

车联网环境下信息交互形式对驾驶行为的影响

为研究车联网环境下不同信息提供方式对驾驶行为的影响,设计了车联网环境下的模拟驾驶实验,采集了4个场景下车辆运行数据。对比不同分心任务的驾驶行为特征和正常驾驶行为的差异,从转向角、车辆侧向偏移、速度、跟车距离等特征参数描述了车联网信息导致分心的驾驶行为规律,并构建了基于模糊综合评价方法的驾驶人分心等级评判模型,横向对比了不同信息提供方式对驾驶行为的影响程度。     

应用居民出行状况估算北京市机动车污染排放量

通过调查获取北京市各交通方式分担率、人均出行距离等居民出行参数,并由此确定机动车总行驶里程并估算出北京市各种机动车污染物年排放总量.结果表明:公交车、私家车和出租车的满载率分别为0.44,0.25和0.375,人均出行距离分别为8.5,24.0和10.0 km/人/次.北京市机动车(轿车和公交车)尾气HC、CO、NOx污染总量达106.57万t,其中私家车占污染排放总量的85.3%,出租车占12.4%,公交车占2.3%.