一种虚拟场景车辆检测与测距方法

为了提升前方车辆测距精度,提出了一种基于改进目标检测(SSD)算法的车辆检测与测距方法。采用场景仿真软件PreScan搭建测试场景,使用改进的SSD算法,对摄像头采集的视频进行车辆目标检测。将检测框下边缘的中心点坐标作为图像中车辆坐标,根据单目视觉测距算法进行车辆目标测距。实验结果表明:在网络阈值为0.9时,改进的SSD算法对小车辆目标检测精度提升了6.6%。可以检测到70 m左右的目标,提出的测距方法可以达到2%的精度。     

基于阴影特征和Adaboost的前向车辆检测系统

为了解决汽车安全辅助驾驶系统中的前向车辆检测问题,提出了一种基于单目视觉的在线前向车辆检测系统。通过检测车底阴影特征来生成车辆假设,分别提出了自适应路面阈值方法和阴影区域融合方法以解决路面区域灰度变化和阴影边缘变形问题;使用基于梯度特征的adaboost方法来验证车辆假设;最后使用Kalman滤波对检测到的目标进行跟踪以改善系统性能。使用道路实拍的图像序列对系统进行了测试。结果表明,该系统能够在实时条件下有效检测前方车辆。     

基于单目序列图像的运动目标跟踪

对于视频监控图像中运动目标位置的检测,现有的定位跟踪系统主要采用双目或结构光立体视觉技术,存在系统设计复杂、检测速度慢等缺点.有鉴于此,文中将地面约束引入到单目视觉监控中,提出了一种单目序列图像运动目标跟踪方法.该方法利用摄像机安装信息和几何成像原理,结合非线性补偿,推导出单目不对称非线性成像的地面运动目标实际位置计算公式.通过搭建室内监控测试平台,在序列图像中进行了寻找步行者足印位置的实验,结果验证了文中方法的有效性.     

基于单目视觉的车距测量方法综述

测距是实现车辆安全系统的关键技术,计算机视觉提供人类视觉的计算模型。在总结国内外已有的车辆测距的理论的基础上,比较了机器视觉中单目视觉和立体视觉测距的优缺点,重点总结了国内已有的基于单目视觉的车距测量方法,并给出了相应的原理及测距模型。最后,给出了每一种方法存在的优点和一些不足,并对未来进行了展望。     

基于多传感器融合的路面车辆检测

为了高效地检测路面车辆目标,提出了一种基于毫米波雷达及视觉传感器融合的车辆检测方法.采用了底层的数据融合策略.在雷达数据通道,利用霍夫变换及切比雪夫定理排除非路面车辆目标点,生成稀疏概率图.在图像数据通道,结合稀疏概率图与图像底层特征,建立视觉显著模型并生成车辆显著图像.在显著图上利用过分割方法快速定位路面车辆的位置.本方法在结构化道路下进行了大量实验,结果表明:本方法有效的克服了基于视觉传感器的车辆检测方法对光照敏感的缺陷,相比于基于单一传感器的车辆检测方法,本文方法具有更高的精确度和鲁棒性.     

车辆安全例检的图像识别与跟踪定位方法研究

为满足车辆安全例检智能化和信息化的需要,研究了室外复杂场景下例检车辆的图像识别与跟踪定位问题。针对运动历史图算法在运动检测中出现目标轮廓的拖尾、空洞、边缘不连续等缺点,引入了高斯塔式分解及形态学滤波方法对轮廓进行补偿修正。针对跟踪过程中镜头抖动及积水倒影造成的多目标干扰,提出了一种缩小目标检测区域与图像帧数并结合车体颜色直方图和车牌SIFT描述子逐帧匹配的跟踪方法。实验结果证明,在不损失鲁棒性与准确性的情况下,完成了车辆的实时跟踪。     

基于单目视觉的距离测量研究

针对目前单目视觉中依靠图像标定及其在双目视觉中立体匹配方法的不足,提出了利用单目视觉测量物体与镜头之间距离的测距方法。首先利用步进电机控制镜头移动来引起图像放大倍数的变化,然后根据图像的放大倍数和镜头移动的距离来计算镜头与物体之间的距离,距离计算的准确性已通过测量试验得到验证。     

基于单目立体视觉的NAO机器人的目标定位与抓取

为了实现NAO机器人对空间目标的定位与抓取,提出了一种单目立体视觉的导航方法.首先利用机器人上部摄像机的平动获取两幅目标图像,等效于双目立体视觉,采用FFT频域互相关和累加求和快速算法,进行两幅目标图像的立体匹配,实现目标位置的快速检测;然后根据测得的目标高度,运用视野中心算法和三角测量原理计算出目标距离,进行目标的跟踪逼近,当机器人到达目标邻近区域时使用下部摄像机进行目标检测并进行姿态调整,直到距离误差落在目标中心许可的圆形区域内,进行目标抓取,实际测试表明采用这种视觉导航方法的NAO机器人抓取成功率在90%以上.     

单目视觉下基于图像裁剪的行人小目标检测算法

为解决室内监控场景中行人小目标不易检测的问题,提出一种基于图像裁剪的行人小目标检测算法.在固定的单目视觉监控视频数据流中,图像序列中不同帧之间存在相关性,使用斯皮尔曼等级相关系数找出两幅图像间不相关部分并进一步精确验证,运用差异函数对传输的图像进行高频感兴趣区域的提取,再利用图像裁剪剔除冗余部分,最后在单阶段目标检测模型SSD上进行行人检测.经实验验证,该方法对小目标检测率有所提升,同时保证了检测的实时性.     

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。     

基于单目视觉的实时车距侦测算法的实现

针对汽车自主驾驶技术领域车距侦测问题,利用影像摄取硬件和软件系统,并提出一种基于单目视觉的车距侦测算法,实现了车距的实时侦测.实验证明此方法在白天、黑夜、复杂路况及天气恶劣的情况下均能稳定运行,且此算法有效减少了Hough运算量,具有较强鲁棒性及实时性.     

一种基于多传感器融合的车辆检测与跟踪方法

针对城市道路环境,提出了一种基于激光雷达和视觉的车辆检测与跟踪方法.首先,采用透视变换和多传感器联合标定,根据激光雷达数据生成包含车辆假设的兴趣区域,以提高车辆检测的可靠性和降低图像处理的计算量;然后,提出了一种基于多维特征空间马氏距离的车辆检测算法,通过提取兴趣区域内图像特征向量,并将其与标准向量间的马氏距离作为车辆状态估计;最后,采用Kalman滤波实现车辆运动跟踪.为了提高鲁棒性,将粒子滤波算法与Kalman滤波相结合,以在雷达信息不准确的情况下准确地实现目标状态估计.实验结果表明,该方法在城市环境中取得了比较理想的车辆跟踪效果.     

基于计算机视觉的车流量检测算法

提出了一种基于计算机视觉的车流量检测算法。通过分析CCD摄像头采集的现场交通视频数据,运有用图像处理的方法提取图像中通行车辆的车速以及通过视场内的车流量,研究了视场距离标定算法和基于灰度统计的通行车辆识别算法,仿真结果表明了该算法的正确性和有效性。     

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.     

基于计算机视觉的汽车流量检测统计

利用计算机视觉和图像处理的方法对交通路口通行车辆进行流量统计.首先,由摄像机视场的标定原理和标定公式,得到了摄像机成像平面内的像素距离与实际三维空间距离的对应关系;然后,采用基于光流场的车辆检测方法,对所有经过设置的虚拟线圈的车辆进行实时检测和信息提取;最后,对提取的车辆信息进行统计和计算,得到实时路况信息.实验结果表明,该算法具有较高的检测概率,能够满足系统的精度和实时处理要求.     

一种基于环视相机的自动泊车方法

针对泊车摄像头视场有限的问题,提出了一种基于环视相机的自动泊车方法.采用4个鱼眼摄像头,构建了一种环绕车身360°的实时视觉泊车辅助系统,用于停车位的实时检测和识别.首先,运用多项式鱼眼校正模型校正失真图像,用Levenberg-Marquardt算法求得最优的缝隙拼接方向并合成环视图;其次,采用Radon变换提取停车位特征识别停车位;最后,使用基于双圆弧的路径规划算法和基于预瞄点的改进PID路径跟踪算法,实现自动泊车.实验表明,该方法具有较高的检测精度和鲁棒性.     

基于工况识别的安全距离模型

针对传统自适应巡航控制系统安全距离模型缺乏对车辆驾驶工况变化考虑的问题,提出一种基于驾驶工况识别的安全距离模型。依据城市驾驶工况特点构建了4种典型城市工况,引入人工神经网络对车辆实时驾驶工况进行识别与预测,然后以现有安全距离模型为基础,结合工况识别结果,完成对该模型的优化。通过CarSim和Simulink联合仿真验证,结果表明：基于驾驶工况识别的安全距离模型可以更好地实现与前车的速度跟随与距离控制,提高了乘坐安全性与道路利用率。     

非合作航天器间相对位姿的单目视觉确定算法

针对非合作航天器接近操作过程中200m以内的相对位姿参数确定问题，该文充分利用目标航天器已知的结构模型信息，推导了利用单个光学相机实现非合作航天器相对位姿参数测量的迭代算法。与传统的交会对接视觉系统不同，该视觉系统不需要在目标航天器上安装光学特征，而是充分利用了目标航天器的自身结构特征，因此更适用于一般航天器间的相对位姿参数测量。为解决相对位姿单目视觉确定的非线性问题，该文选择了求解非线性问题性能优良的Levenberg—Marquardt算法。最后对该文算法进行数学仿真，仿真结果表明算法的有效性和可靠性，适合航天器在轨实时应用。