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.     

用于交通检测的光纤轴检测器

本文重点阐述了光纤轴检测器在交通检测中进行车辆计数和轴计数的工作原理及应用，同时对交通检测的基本概况和光纤传感器的基本原理做了简要介绍。     

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.     

基于阴影抑制和自适应背景更新的车辆检测系统

在基于视频的交通监控系统中,车辆的正确检测是关键,目前采用的典型方法是背景相减法.为了提高对多车道上运动车辆检测的正确率,该文提出的车辆检测系统采用了快速自适应背景生成与更新算法,并结合基于轮廓跟踪的阴影去除技术,可以达到精确定位车辆的目的.实验图像数据表明:该检测技术较传统方法更具鲁棒性和准确性,并且从算法实现的角度来看,具有简单易用、实时性较高的特点.     

基于视频的交通参数的自动提取

介绍一种基于视频的交通参数的自动提取系统.针对实时交通图像的特点,提出一种基于RGB彩色向量聚类的动态背景生成方法.通过背景差法提取出目标物体,并应用形态学方法消除噪声.根据汽车在交通图像中的位置进行汽车长度的按比例换算,统计出汽车占用车道总长,从而得到每一车道的车辆数、车辆占有率及车辆平均占有率.实验结果表明,系统能够较准确地检测出车道的车辆占有率.     

针对运动物体的视频检测方法

视频检测技术是交通检测领域的一种新技术，是一种结合视频图像和电脑化模式识别的技术，在路上安装摄像机，通过软件在显示器视频图像的车道上设置虚拟车道检测器，每个虚拟车辆检测器代表一个区域，当车辆通过任何一个虚拟检测器时，就会产生一个检测信号，再经过软件数字化处理得到车型、车流量、车速、车头距离、占有率、车辆排队长度等交通数据。这里从另外一个角度介绍一种针对运动物体的图像处理方法，即通过图像灰度的一种代码变换，比较连续的两副图像，进而检测物体的轮廓及运动方向。     

触发式车辆实时检测新算法

提出了一种使用高速公路路面纹理特征来检测车旁超车车辆的实时算法.在由单摄像机获取的序列图像中,算法片先利用标志线信息在待检测车道上设置一个检测窗口,并对窗口内路面的纹理特征进行建模;然后利用帧间窗口内路面纹理的连续性信息和相邻车道路面的相似性信息,根据异常检测函数来触发检测,判断检测窗口内是否存在感兴趣区域;最后根据图像中消失点和标志线的信息来确认感兴趣区域内是否存在超车车辆.实验结果表明:此方法能够及时准确地检测出从本车侧后方出现的超车车辆,算法计算量低,满足系统的实时性要求,并具备较强的鲁棒性.     

基于双波束雷达的车流量检测系统

针对目前智能交通系统对于高性能车流量检测器的迫切需求,本文详细说明了基于双波束雷达的车流量检测系统的组成,分析了其检测原理,推导了信号处理过程,给出了仿真结果。理论分析和仿真结果表明:该检测系统不仅能够实现车辆存在与否、车道判别、车辆密度和时空占有率等各种交通参数的获取,还能实现车辆瞬时速度的测量。     

基于多尺度特征图像分割的车道线提取方法

识别与检测车道线作为自动驾驶感知周围环境的一环，为自主车辆在众多复杂场景中提供交通数据信息参考.为了提取车道线本身含有的交通语义信息，按照实际含义分为不同类别，提出一种多尺度分辨率特征的图像分割方法提取车道线，生成低分辨特征，同时保持高分辨尺度子网.针对卷积神经网络无法充分探索空间信息的局限，引入全自注意力网络结构改进下采样解码部分，将特征图通过嵌入向量映射完成线性采样，再经由全自注意力网络结构提取空间上下文语义信息，最后对图像进行降采样完成最终的下采样过程.利用滑窗多头注意力机制，解决嵌入向量映射层因划分造成边界上下文语义信息的不连续问题.针对改进的模型采用交并比损失函数进行优化，能够在保持精度的情况下正确识别相应类别，交并比和F1系数分别达到49.36%和63.02%.经实际测试，在遮挡、阴影等复杂场景下的车道线识别也能更加准确，具有更好的鲁棒性.     

基于全局与局部模型相互制约及具有模型不确定性评估的车道线检测方法

针对无人驾驶车辆,提出了一种新的基于全局与局部模型相互制约及具有模型不确定性评估的车道线检测方法.该方法基于车道线的全局与局部模型,通过它们之间的相互制约与影响,有效地实现了视觉测量噪声的过滤与全局信息的获取.进一步利用对检测结果或全局模型的不确定性程度进行评估,不仅可稳定可靠地检测到车道线,而且还可为多源异构传感器之间的信息融合提供基础支撑.面向高速公路进行了大量的真实道路实验.实验结果表明,利用所提方法获得的预瞄点,其平均侧向偏差小于0.3 m,平均角度偏差小于0.03°,能够满足无人驾驶车辆在高速公路上进行自主行驶的需要.     

基于改进Canny边缘检测算法的车辆排队长度检测方法

提出了一种新的车辆队列检测方法,主要通过一种改进Canny边缘检测方法来检测交通路口的车辆排队长度.实验表明,与传统的基于图像处理的方法相比,该方法的耗时有显著降低,利用该方法可提高道路资源利用率,缓解交通堵塞情况,提高车辆通行率.     

基于交通状况的道路停车时空管理方法研究

为科学制定道路停车管理方法,通过观测典型一幅路12 m路宽设置两侧停车条件下道路机动车和非机动车不同流量下的速度变化情况,探究机动车和非机动车混行时流量与速度的互动规律,根据影响程度提出设置道路停车的非机动车和机动车流量阈值;然后利用软件搭建仿真场景,探究了停车位数量的分组情况和每组停车带之间的距离对道路交通的影响大小。结果表明：当单向每车道非机动车流量大于420 bic/h的时候,机动车速度变化率较大,比自由流状态时降低了15%左右;当非机动车流量小于420 bic/h,机动车流量大于368 veh/h的时候,机动车速度变化较明显,速度降低了30%左右;当停车位数量分组为每6个一组且每组停车带之间的距离为18 m时,道路停车对交通状况的影响最小。因此得到停车位最佳的布置方式及流量阈值,即分别以非机动车流量420 bic/h、机动车流量368 veh/h作为道路停车管理时间层面的约束条件,不满足约束条件的时段不宜允许道路停车,以达到既不影响正常的交通运行又可以解决停车需求的目的。     

Bayes估计理论在交通流检测中的应用

运用Bayes估计的基本思想,在已知先验概率的情况下,对交通顺畅时车辆和交通拥挤时车辆的分布情况进行估计,并对某条马路的连续100个周期进行观测的数据进行仿真.仿真结果证明,估计的车辆数与实际车辆数的分布情况基本相同,准确度比较高,运行速度较快,可以用于实时检测.     

前车刹车状态对交通流的影响

在交通流BJH模型基础上,考虑前车刹车状态对车流行为的影响,提出改进后的交通流BJH模型．模拟结果表明,在道路车辆密集程度不太大时,前车减速刹车是时断时续的影响车流;当道路车辆密集时,密度超过转捩点密度时,平均车间距小于安全车距,驾驶员对前车刹车的行为将作出刹车反应,这样导致了交通阻塞．计算机数值模拟反映了接近实测的交通通行能力以及交通的崩溃．     

一种新的交通流视频检测方法

提出一种基于彩色虚拟检测线的交通流信息视频检测方法．该方法通过分析光照、车道和阴影等模型之间的相互关系来判断车辆的存在，提高车流量检测的性能．通过引入色彩饱和度信息、自适应背景更新和运动检测，有效地区分阴影和车辆；通过二叉决策树来分析车辆的压线过程，提高了车流量检测的可靠性；通过一维视频跟踪的方式，解决了车辆速度检测的难题．试验结果表明，所采用的局部区域检测方法大大提高了交通流信息检测的实时性，且车流量检测的准确率可提高到98％．     

基于视觉的缩微智能车车道检测与控制

针对智能车辆自主驾驶行为研究,提出并实现了一种基于视觉导航的缩微智能车系统.从软硬件架构、数据通信方式上介绍了缩微智能车系统的整体设计,并针对缩微道路交通环境中传统车道线检测技术易受光照变化影响的问题,提出一种灰度形态学Top-Hat变换与亮度轮廓扫描方法相结合的车道线检测算法.为分析智能车在缩微交通环境下的自主驾驶表现,设计了一种模拟驾驶员转向行为的舵机模糊控制算法.实验结果表明,该方法可以有效模拟车辆在真实道路交通环境中的自主驾驶行为,为智能交通系统研究提供了一种新思路.     

城市道路施工区交通延误建模与仿真

随着城市的快速发展,为了提高道路通行能力,许多道路必须扩建,而施工区广泛存在于路段和交叉口区域,城市道路施工区将改变车道的宽度,对车辆的正常行驶产生一定的影响,导致大量排队和交通延误.针对城市路段施工区的交通流和交通延误进行了仿真,研究施工区域环境中不同因素对车辆延误的影响、机动车和非机动车到达率,分析了受施工区影响的入口交通延误的特征,施工区的尺寸与位置等因素对路段施工区交通延误的影响,提出了基于社会力模型的城市路段施工区交通延误分析方法,并考虑了路段施工区长度、施工区宽度、大型车比例将对路段施工区的交通延误和平均通行速度产生显著影响.模拟结果表明,本文建立的基于社会力模型的施工区交通延误计算方法具有良好的适用性.基于分析结果可制定合适的交通管理措施,减少路段施工区的交通拥堵降低延误和事故率.     

用于交通治安卡口的全天候视频车辆检测方法

文章针对交通治安卡口应用,提出了一种基于视频的全天候智能车辆检测方法。该方法主要特点是不考虑车辆跟踪,提高了计算速度并避免了跟踪误差,适于嵌入到监控摄像机中;而且自动区分白天/夜间场景。对于白天场景,通过背景剪除、阴影抑制、形态学计算等手段获得运动信息,然后根据车辆的尺寸、对比度与纹理特征实现车辆检测;对于夜间场景,利用车灯的高亮度与对称性特征得到车辆检测结果。该方法快速有效,在现场采集的实际路况视频数据上,白天与夜间车辆检测准确率分别为96.42%和95.96%。     

基于行车声音端点检测的交通量统计

基于传统特征的行车声音端点检测法存在重叠有车段识别率低、双门限阈值较难确定的问题,针对这两个问题,探索性地将梅尔频率倒谱系数(Mel frequency cepstral coefficients,MFCC)倒谱距离特征和短时能量特征进行了融合并应用于交通量检测。首先选取了周围环境较为安静的一个双车道路段,并采集了该路段上包含重叠有车段的行车声音;其次提取了行车声音的短时能量特征和MFCC倒谱距离特征,并对它们在端点检测中的优劣进行了分析对比;再次提出了一种融合短时能量特征和MFCC倒谱距离特征的新特征,并基于新特征将传统的双门限判决思路改进成了单门限判决思路;最后利用新特征对有车段进行端点检测并统计交通量。实验结果表明:基于融合特征的端点检测方法能有效解决重叠有车段识别率低和双门限阈值较难确定的问题。