基于3D激光雷达的实时道路边界检测算法

针对室外自然环境下无人自主地面智能车辆的道路检测问题,提出了一种基于3D激光雷达的道路边界检测算法.算法的原理是:根据道路区域与非路区域之间存在的高度跳变的特性,首先提取道路的可通行区域,然后把得到的障碍网格图利用线性鉴别分析(LDA)的分类的思想划分出最佳的左右非路区域,进而拟合得到道路的边界信息.试验结果表明,该边...     

基于单目视觉的车辆碰撞模型

为了解决主动安全研究中车辆在行驶过程中与前车的碰撞危险判定问题,该文提出了一种车辆碰撞模型。基于针孔成像原理,分析图像中目标车辆与世界坐标系中实际车辆的映射关系。检测图像中路面消失点与车辆底部的位置,并以其差值作为车辆尺寸特征。分析多帧图像中车辆目标尺寸特征的变化规律,从而分析出车辆行进趋势,并估算出前车同本车的相对碰撞时间。该碰撞模型既为驾驶员反馈了碰撞时间信息,又通过分析加速度避免虚警。与已有模型相比较,该文模型在车辆距离大于30 m时效果不稳定,在距离小于30 m时误差低于5%。实验结果表明该模型具备较强的实用性与准确性。     

基于角点检测的快速匹配算法

针对复杂图像的快速匹配,提出基于Shi -Tomasi角点检测的特征匹配算法.依据图像的角点特征、图像灰度和位置信息,采用最大互相关函数进行相似度计算和粗匹配,用随机样本一致性算法对匹配点对进行校正并消除错误匹配.将该算法应用于实景照片拼接,实验结果表明,对存在较大色差和形变的图像,其匹配精度为97％左右,匹配精度和速度均优于传统匹配算法.     

基于改进SMOG模型的目标跟踪算法

空间颜色混合高斯模型(SMOG)是一种优于经典颜色直方图的目标颜色表示模型.然而,SMOG模型初始化时不可避免的会引入背景象素,且极有可能被误选为一个有效的目标分布,严重影响后续的相似性度量,且各目标分布鉴别性能的发挥会受到自身权重的严重制约,当背景中出现与目标颜色相似的干扰物体时,算法的跟踪准确性仍会有所降低.针对这些不足,提出了-种改进的SMOG模型,通过衡量背景与目标分布在空间颜色域上的联合距离来剔除误引入的背景分布,同时将联合距离作为目标分布鉴别能力高低的一种度量,引人到相似性度量函数中,并在跟踪过程中根据局部背景的变化动态的进行更新,充分根据每个高斯分布的鉴别性能调整其匹配权重.实验证明,改进后的SMOG模型能有效提高目标跟踪的鲁棒性.