基于跟踪轨迹的车辆异常行为检测

为提高ITS(Intelligent Traffic System)交通事件管理的智能性, 提出基于跟踪轨迹的车辆异常行为检测,分为目标检测跟踪、轨迹分析处理和车辆行为分析3 个步骤。首先利用三帧差法对目标进行初始定位, 采用基于Kalman 预测器的改进跟踪算法对车辆进行跟踪; 然后提出采用最小二乘法自适应分段直线拟合算法对目标跟踪获得的运动轨迹进行快速拟合; 最后结合运动方向变化率和速度变化率两个参数建立车辆异常行为检测模型。实验结果表明, 在道路监控视频中, 该算法能快速准确检测急刹车、急转弯和急转弯刹车等车辆异常行为。     

智能交通中车辆跟踪算法的研究

智能交通系统中车辆跟踪模块的准确性非常重要,其跟踪结果直接影响车流量、违章事件、交通事故的统计与分析结果。基于交通车辆,该文对目标特征跟踪法、动态轮廓跟踪法、区域中心点匹配跟踪法分别进行分析选取,并对效果最好的方法进行了实现和效果对比,从而为日后的车辆跟踪提供一种切实可行的算法以提高跟踪的效率。     

自动检测违章车辆的方法

为了自动检测违章车辆，提出一种利用统计模型和目标灰度场结构信息的算法。该算法是从视频图像中自动检测和动态跟踪违章车辆，它包括3个处理步骤：第一，利用车辆违章时的统计特征，发现视频图像中包含违章车辆的第一帧；第二，利用第一帧图像对违章车辆进行定位，即动态跟踪的起点；第三，对违章车辆进行动态跟踪。给出和研究了3种检测跟踪方案。仿真试验结果表明，用统计模型检测违章车辆具有一定的柔性，并具有较强的抗噪性和稳定性。     

基于视频的车辆检测与跟踪算法综述

首先介绍了交通检测系统,指出视频交通检测技术日益成为计算机视觉领域中备受关注的前沿方向.在此基础上,分别讨论了常用的车辆检测算法,基于模型的车辆检测算法,车辆跟踪的基本类型,以及基于模板匹配、卡尔曼滤波和粒子滤波的车辆跟踪算法,同时分析比较了各种算法的优缺点.最后,展望了这一领域未来研究的热点.     

基于数据关联融合KCF与Kalman滤波的车辆多目标跟踪

在复杂交通场景下的车辆多目标跟踪,由于车辆之间较高的相似性和交互性,跟踪算法为了保证精度一般都较为复杂,无法满足智能分析应用需求。为此,本文结合简单有效的数据关联算法和快速精准的单目标跟踪算法,提出在线数据关联的多目标跟踪新方法。方法利用目标检测算法获得的当前目标集,通过关联算法建立目标与已形成轨迹集的关联矩阵,并通过行列耦合原则选出最佳关联对作为关联结果,针对不同的关联结果尤其是漏检和严重遮挡的情况,引入KCF与Kalman滤波联合完成目标轨迹的持续更新。实验表明,本文算法对目标误检、漏检以及严重遮挡情况均可以很好解决,并且对目标轨迹的实时准确获取,可以为交通视频智能分析提供可靠的轨迹数据。     

基于计算机视觉的红灯违章车辆检测算法研究

车辆闯红灯的违章抓拍作为智能交通管理系统的核心,其依托于计算机视觉对运动车辆的检测识别和跟踪,是目前国内外研究的热点.受外部环境的噪声影响,对于车辆的精准定位是该项研究的难点.重点对高斯模型视频检测算法进行研究,针对其存在的实时性不足、受噪声影响较大的问题,引入了改进的帧间差分算法调整算法的稳定性和准确性,同时也极大地降低了运算开销.在此算法基础上,通过对数据集进行图像预处理和特征提取、违章认定等操作,完成了实验论证.与传统的高斯模型进行比对实验后可以得出此改进算法的鲁棒性和实时性有了极大的提升.     

考虑道路形状约束的车辆轨迹聚类方法

随着车联网技术的不断发展,产生了海量车辆轨迹数据。这些车辆轨迹数据可以通过聚类分析方法挖掘出车辆行驶的潜在规律,从而实现指导车辆出行的目的。提出一种基于密度的车辆轨迹聚类方法,对基于道路形状关键点位置选取的车辆轨迹信息进行重构,并考虑车辆在路网中移动的空间约束,分析聚类结果得到城市道路的交通状况,以此指导车辆出行以避免或减轻车辆拥堵。基于福州市真实的车辆数据对提出的车辆轨迹聚类算法进行验证,并对最后的聚类结果进行了详细的分析。实验结果表明,针对车辆轨迹聚类并结合道路网络的方法能够更加真实反映车辆的行为特征。     

基于广域雷达数据的交叉口微观仿真研究

为实现交叉口的精细化仿真与控制优化,提出一种基于广域雷达数据的交叉口车辆轨迹提取与微观仿真方法.首先运用广域雷达检测器等现代化交通检测技术采集车辆的位置、速度、方向等数据,得到每辆车的行驶轨迹;然后通过数据清洗、车道编号、车辆编号重置、统一坐标等步骤对数据进行处理;最后利用车辆行驶轨迹,建立了交叉口仿真平台,能够真实再...     

基于自适应轮廓匹配的视频运动车辆检测和跟踪

为了对高空拍摄的交通场景进行图像处理，实现对运动车辆的检测和跟踪，以获得车辆的运行轨迹，在固定模板的基础上，利用自适应轮廓匹配算法，结合误检判断和轮廓分解，较好地检测出了车辆轮廓，并能避免由于两辆车靠近带来的误检．将自适应轮廓匹配思想移植到车辆跟踪中，可以实现较为准确的跟踪．计算机检测和人工检测的比对实验表明，在一定的条件下，这种算法有效消除了误检和多检现象，其正确检出率达到95．01％，即使存在一定的漏检，也可以通过插值实现填充．     

一种有效的车辆跟踪算法与异常车辆检测

交通监控视频中车辆检测、跟踪与车型判别是智能交通监控系统的重要组成部分。本文运用W4背景减除法和光流法相结合的技术进行车辆检测。利用区域滤波和空洞填充方法提高目标检测精度。采用质心距离约束和目标大小约束条件实现目标区域之间的匹配和车辆跟踪。最后,根据车辆的几何形状特征对助动车等异常车辆进行检测和标记。通过对高速公路实际视频的测试表明,本算法对机动车进行了有效的跟踪与标记,并对道路上助动车等异常车辆进行了有效的检测。     

基于变预测时域的电动汽车轨迹跟踪控制

针对在不同车速下由于车辆动力学参数改变导致轨迹跟踪的误差变大的问题,研究电动汽车自适应性轨迹跟踪控制器设计.首先,基于模型预测控制(model predictive control,MPC)设计轨迹跟踪控制器,对比分析不同车速下不同预测时域对轨迹跟踪的影响;其次,通过仿真结果,发现不同车速下采用恒定预测时域,轨迹跟踪在不同速度下自适应性变差,易产生较大的跟踪误差;最后,设计了基于车速变化的变预测时域轨迹跟踪控制器.CarSim/MATLAB/Simulink联合仿真结果表明,改进后的轨迹跟踪控制器在不同车速下轨迹跟踪具有良好的控制精度和稳定性.     

基于状态估计的无人车前轮转角与横摆稳定协调控制

针对无人车轨迹跟踪问题,提出了一种基于状态估计的无人车前轮转角和横摆稳定协调控制策略.建立了车辆轨迹跟踪模型,利用模型预测控制算法设计了轨迹跟踪控制器,得到实时跟踪参考轨迹所需的前轮转角.根据车辆模型设计了一种基于未知输入观测器的前轮转角估计方法,并将估计结果作为前轮转角跟踪控制的输入量.基于非奇异终端滑模控制设计了前轮转角跟踪方法,通过转向电机扭矩来控制车辆转向以实现轨迹跟踪.同时,设计了车辆横摆稳定控制器,通过控制横摆角速度跟踪误差确保车辆横摆稳定.建立了CarSim-Simulink联合仿真模型并进行仿真实测试.结果表明,未知输入观测器具有较好的前轮转角估计效果,从而为车辆协调控制提供可靠信息源,协调控制策略能够在保证车辆横摆稳定性的同时完成车辆轨迹跟踪.      

基于无线传感器网络的车辆跟踪算法设计与分析

设计了一种基于传感器网络的车辆跟踪方法,为了达到降低能量消耗的目的,文中结合车辆动力学的知识,减小跟踪区域,减少活动节点个数.现实中,车辆运动带有目的性,车辆的位置和速度在时间上具有相关性,为此本论文采用GM模型来预测车辆下一时刻的位置,依据车辆位置来更新跟踪区域,确保移动目标始终处于跟踪区域内.仿真结果表明,相对于OCR法,本方法降低了22%的能量开支.     

基于自适应MPC的无人驾驶车辆轨迹跟踪控制

根据自适应模型预测控制相关原理,设计一种无人驾驶车辆的轨迹跟踪控制策略.基于车辆动力学模型,建立轨迹跟踪控制器,并设计目标函数与相关约束,利用自适应MPC(model predictive control)控制算法对其进行求解.在每一个控制时刻工作点,不断更新卡尔曼状态估计器相关增益系数矩阵以及控制器的状态来适应无人驾驶车辆当前的工作环境,以此补偿车辆的非线性以及状态测量噪声带来的影响.在MATLAB中搭建仿真模型并进行仿真验证,得出自适应MPC对于无人驾驶车辆的轨迹跟踪拥有较好的控制精度与鲁棒性,验证了该算法应用在轨迹跟踪控制层的有效性,为轨迹跟踪控制的研究提供了参考.     

视频监控系统中的车辆斑块分析算法

在交通视频监控中,车辆信息的提取是最为重要的环节,这是对车辆进行有效识别与跟踪的前提和基础,而车辆信息提取的准确性是建立在斑块信息准确的基础之上的.提出一种有效提取斑块信息的分析算法,通过顺时针方向准则检测斑块边缘,运用点处理或线处理方法对斑块填充、聚合等.从实验结果可见,该算法能处理各种形状的斑块,可以得到较为准确的车辆信息,具有较强的鲁棒性,处理速度较快,能满足监控的实时性.     

基于滚动预瞄模型的纯跟踪算法

针对无人驾驶车辆采用纯跟踪算法对不同曲率路径跟踪时,出现道路适应能力弱和跟踪精度差的问题,提出一种基于代价的滚动预瞄模型(rolling preview model, RPM),以提高纯跟踪算法跟踪精度与鲁棒性。首先,根据车辆运动学与阿克曼转向几何,提出预瞄轨迹的确定方法以及预瞄轨迹与待跟踪路径间的几何约束;其次,设计道路弯曲度加权项并构建目标函数对预瞄轨迹进行优化,以获得预瞄距离的最优值;最后,在ROS/Gazebo仿真环境下设置不同初始状态与不同曲率的工况进行对比仿真实验,并在空旷环境中对8字形路径进行实车跟踪实验。实验结果表明,所提出的滚动预瞄模型能够根据预瞄轨迹与待跟踪路径的几何关系有效调节预瞄距离,相较于麻省理工(Massachusetts Institute of Technology, MIT)算法和Stanley算法,滚动预瞄模型在特殊初始状态、大曲率道路下有利于跟踪精度的提高。     

双舵轮自动导引车轨迹追踪控制算法

为提高双舵轮自动导引车(automated guided vehicle, AGV)轨迹跟踪控制性能,设计了基于模型预测控制的轨迹跟踪控制器。以双舵轮自动导引车为研究对象,首先建立自动导引车运动学模型,求得车体转弯半径,并重点分析双舵轮自动导引车转向优势;然后,对双舵轮导引车建立了基于模型预测控制的轨迹跟踪模型,并考虑车体运动性能指标及各类约束,最后通过仿真实验验证了模型预测控制算法用于双舵轮自动导引车的可行性,且分析了控制时域权重和预测时域长度两项模型参数对系统性能的影响;与基于比例-积分-微分轨迹跟踪控制器的自动导引车进行轨迹跟踪对比仿真实验。最终实验表明,采用该模型预测控制器可以满足各类约束条件,高效精准完成对连续大曲率目标路径的有效跟踪,同时具有较高的实时性和鲁棒性。     

临近空间高超声速飞行器轨迹跟踪控制研究

临近空间高超声速飞行器在大空域飞行过程中,呈现复杂的不稳定运动模态,对控制器设计提出了较高的要求。以一种通用临近空间高超声速飞行器纵向运动模型为研究对象,在分析运动模态随飞行空域变化的基础上,提出了一种基于轨迹线性化与反演控制相的轨迹跟踪控制方法。该方法以参考轨迹为基准,采用Jacobian线性化方法动态建立系统平衡状态,采用反演控制方法对跟踪误差进行修正,以实现对参考轨迹的精确跟踪,并通过 Lya-punov方法分析了系统的稳定性。仿真结果表明,论文所设计的控制器在高超声速飞行器大范围飞行过程中具有良好的跟踪性能。     

基于视觉和后推方法的智能车轨迹跟踪控制

通过基于视觉的车道标志线识别系统建立智能车的期望跟踪轨迹,并将智能车运动学模型转换为链式系统模型,同时利用Backstepping方法设计控制律,克服了动态反馈线性化的方法设计的控制器维数较高以及滑模变结构控制器会呈现高频的抖振的缺点。通过仿真试验表明该方法得到了较好的轨迹跟踪控制效果和良好的全局稳定性。