基于分段切换模型的点集优化车道线识别方法

针对车辆的横向运动偏差及相关安全监控技术存在缺陷的问题,提出一种基于分段切换模型的点集优化车道线识别方法。首先建立稳定可靠的分段切换车道线模型,然后利用单目视觉和毫米波雷达的传感器组合对车辆进行识别,筛选掉干扰车道线识别的无效候选点,如果缺少有效的识别点,则利用卡尔曼滤波和车道线等宽条件进行有效点的补充。实验证明,该方法能够准确有效的识别车道线,对于减少车辆行驶过程中安全事故的发生具有重要意义。     

基于改进SegNet算法的车道线检测方法

无人驾驶车辆在结构化道路中需要通过车道线判断自身位置,为提高其检测的实时性与准确性,本文提出一种利用改进SegNet网络算法与连通域约束相结合的方法实现车道线检测识别。将对称的SegNet网络算法改为非对称结构对车道线作逐像素提取：利用卷积与池化提取车道线特征,摒弃传统的车道线聚类过程,利用二值化图像结合连通域约束与关联对车道特征点进行分类,最后对相同类别的车道特征点进行车道线拟合。该算法在香港中文大学的 CULane 数据集和图森未来的TuSimple数据集上进行了训练与测试,该算法对车道分割准确、实时处理能力优秀,检测识别效果优于传统SegNet网络算法,其平均检测精度为 94.60%,每帧检测耗时提升53毫秒。     

基于分段直线模型和ATN的车道识别方法

为了满足室外移动机器人高速安全行驶的要求,提出了一种基于分段直线模型和增强型状态转移网络(ATN)的车道识别方法。给出了高速公路车道线的分段直线模型;在车道识别阶段,首先采用动态双阈值二值化方法对原始图像进行预处理得到二值化图像,再利用基于ATN的图像理解算法识别出车道线。使用该算法的清华大学室外移动机器人(THM R-V)系统在高速公路上的最高自主行驶速度已经超过了150 km/h,另外在各种天气和不同路况下的稳定表现也说明了该算法的鲁棒性。     

基于特征点提取的弯道识别算法研究

针对高速公路弯道处事故率高的特点,研究了一种基于特征点提取的高速公路弯道识别方法,以降低弯道处交通事故发生率。采用Hough变换求出车道线直线方程,根据高速公路的特点建立适当的道路模型,确定对应直线段上的最低点和最高点;分别比较直线段两侧白色像素点的个数判断出曲线道路的弯曲方向,从而进一步确定曲线段上的特征点,同时对车道线候选特征点进行滤波;分段拟合车道线的直线段和曲线段,实现车道线的二维重建。实验表明,能识别不同形状的车道线,具有很高的实时性和准确性,且在不同道路干扰下对连续型分道线和虚线型分道线的检测都有良好的识别效果。     

基于特征点提取的弯道识别算法研究

针对高速公路弯道处事故率高的特点,研究了一种基于特征点提取的高速公路弯道识别方法,以降低弯道处交通事故发生率。采用Hough变换求出车道线直线方程,根据高速公路的特点建立适当的道路模型,确定对应直线段上的最低点和最高点;分别比较直线段两侧白色像素点的个数判断出曲线道路的弯曲方向,从而进一步确定曲线段上的特征点,同时对车道线候选特征点进行滤波;分段拟合车道线的直线段和曲线段,实现车道线的二维重建。实验表明,能识别不同形状的车道线,具有很高的实时性和准确性,且在不同道路干扰下对连续型分道线和虚线型分道线的检测都有良好的识别效果。     

一种新型车辆偏离车道预警系统的研究

文章针对使用预处理对图像进行二值化的传统道路识别方法时,丢失大量有效的信息和识别效果差,介绍了一种新型车辆偏离车道预警系统。该系统利用灰度图像提取道路边界的灰度和梯度信息,并构造基于小块统计的目标函数,去除复杂环境下的各种噪声并且识别出车道线,判断车辆是否偏离车道从而提供报警信息。该系统结构简单、实时性高,能显著提高车辆行驶的主动安全性,减少事故的发生。     

基于改进Hough变换的结构化道路车道线识别

针对现有结构化道路车道线弯道检测识别技术的准确性和鲁棒性不高的问题,提出一种基于改进Hough变换的车道线识别方法。首先利用Canny边缘算子进行车道边缘检测,其次对比相邻区域距离内的Hough变换峰值参数值,将小于设定阈值距离的直线段进行连接,拟合形成车道线检测区域,然后根据消失点的横坐标距离图像中心点的位置来预测车道线方向,最后借助MATLAB平台完成车道线的识别。验证结果表明:该方法避免了曲线模型复杂、计算量大的缺点,实现了直、弯车道的识别统一化,识别准确率为95.3%,平均耗时0.036s,具有很好的实时性和鲁棒性。     

基于分数阶微分Frangi的夜间车道线检测

基于机器视觉和图像处理的夜间车道线检测一直是该领域的研究难题,即使是近年的深度学习方法,检测精度只能达到50%左右.为此,研究了一种新的算法,根据车道线的特点和车辆的行驶速度,将视频中多幅图像融合到一幅图像中;利用图像的特点,在区域合并中识别出有效的车道线检测区域;将有效区域分割成新的图像后,采用基于Frangi和Hessian矩阵的算法对图像进行平滑和增强;为了提取车道线的特征点,提出了一种新的分数阶微分模板进行车道线特征点检测,该算法根据车道线在图像中可能的位置,从4个方向检测特征点;在检测出候选点后,应用递归Hough直线变换得到候选车道线,为了确定最终的车道线,一条车道线的角度应介于25°～65°之间,而另一条车道线的角度应介于115°～155°之间,否则,通过降低线点数的阈值继续进行Hough直线检测,直到获得两条车道线为止.通过对数百幅夜间车道线图像的测试,并与深度学习方法和传统的图像分割算法进行比较,新算法的检测准确率可达70%.     

车道偏离预警图像处理滞后时间补偿

现有的车道偏离预警系统有着较长的图像处理时间,这使得图像采集时间点处的车道线与图像处理完成时间点处的车道线之间存在一定差异,从而影响系统的准确性和有效性。本文中提出了一种补偿图像处理滞后时间的方法。该方法利用一个基于二自由度车辆模型的状态观测器,将图像采集时间的的车道线转换为图像处理完成时间点处的车道线,以提高系统的准确性。最后利用carsim与matlab联合仿真来验证该方法的有效性。     

基于相关向量机和方向导数的车辆识别

由于图像匹配需预先组建庞大的图片库以及图像识别对灰度梯度的严重依赖性,提出利用相关向量机和灰度的方向导数对车辆进行识别。针对不同车道数将背图像作为图片库的基元,对图片进行编码;对采集到的图像进行车道线提取,确搜索域;并进行相应的网格划分,依据灰度均值确网格的属性标签,从而建立图片的特征向量,将原图与模板特征向量的2范数作为表征指标,并利用相关向量机对车辆进行分类,从而对车辆进行位;对提取的车辆区域灰度进行函数拟合,通过求解函数极值确车辆的中心区域,并建立相应的搜索方向,将满足双阈值的像素点作为最终的轮廓边缘,从而实现对车辆轮廓边缘的细化。用大量真车试验图片对模型进行测试,结果表明:所建模型仅需有限的图片库,搜素量小,识别耗费时间短,准确率高;模型对图像灰度梯度的依赖性小,且通过双阈值有效剔除伪轮廓点,细化车辆边缘。     

基于模糊化SOBEL自适应算子的直线车道处理

针对汽车安全辅助驾驶系统领域的车道线检验问题,提出了一种改进的基于模糊化SOBEL自适应算子直线车道线检验.首先在车道线边缘检验时,采用了模糊化SOBEL自适应算子进行边缘检验;为了更好地选取阈值,采用了一种基于体育项目评分标准的阈值选取方法,保证所保留的车道线信息的正确性,并给出了一种增修补车道线信息的数学模型;利用梯度函数的分布特性过滤掉噪声,最大限度地保留车道线分布信息,利用Hough变换拟合出最终的车道线.经MATLAB仿真,并在嵌入式系统上实现.实验表明,该方法简单,能保证系统的实时性.     

自适应模型预测控制的车道保持控制策略

建立车辆侧向动力学模块、车辆传感模块、道路曲率预瞄模块.在传统模型预测控制(MPC)算法的基础上,利用辛普森法则,结合车道保持优化性能指标和系统约束,设计基于自适应模型预测控制的车道保持控制策略.在Simulink环境下,将其与基于传统模型预测控制器进行比较分析.仿真结果表明:相较于模型预测控制,自适应MPC能够在各控制周期实现车辆模型更新,在强非线性工况下具备较好的鲁棒性,进而能够保证行车安全的前提下,获取较好的乘坐舒适性.     

基于特征选择的公交专用道设置方法

本文研究城市公交专用道的设置方法,以贵州省贵阳市城市道路为实验城市,融合了电警、卡口过车数据、公交车GPS数据、公交车线路数据、公交车站点分布数据、道路基础信息数据和电警、卡口地理信息数据。构建视频检测设备的网络拓扑结构,分析公交车和社会车辆速度的关系特征构建特征选择模型,判断出城市哪些路段需要设置公交专用道。然后设计模型优化算法进一步判断各路段适不适合设置公交专用道以及怎样设置的方法,最终研究出一套能够基于数据自动计算城市公交专用道设置方案的方法。     

基于车牌检测的前方车辆识别方法

为解决前方车辆识别过程中的实时性问题,提出了一种基于车牌检测的前方车辆识别方法。首先,利用图像中的路面或车道线等细节提取感兴趣区域。其次,利用HSV( Hue-Saturation-Value) 色彩空间转换与矩形图像检测从感兴趣区域中过滤光照变化,阴影和杂乱背景,从而检测出车辆的车牌信息。同时,在初次检测失败的情况下进行二次定位和验证。最后,利用检测出的车牌信息识别前方车辆。该方法在自建与公共数据库视频上进行评估。实验结果表明,识别率超过90% ,并且具有较高的实时性,证明了该方法的有效性。     

苜蓿叶立交集散车道内车辆运行速度特征分析

为了确定高速公路苜蓿叶立交集散车道车辆运行速度特征和速度值,确保车辆在集散车道上运行协调可控,使车辆在行驶时能够安全运行。采用雷达测速仪对集散车道各出入车辆运行速度进行实地采集,选取互通立交集散车道特征点处自由流状态下车辆速度作为分析样本,建立主线车辆通过集散车道驶出高速和相交高速车辆通过集散车道驶入主线的速度运行曲线。结果表明:车辆通过集散车道进入出口匝道1,整个车辆运行过程中处于减速状态,从分流点到鼻端减速较慢;而从鼻端到第一个出口车辆减速较快。车辆通过集散车道进入出口匝道2,车辆先减速后匀速,到达交织区时再次减速,最后驶入匝道。车辆从入口匝道1进入集散车道,车辆以较为稳定的加速驶入主线。车辆从入口匝道2进入集散车道,先以较大的加速行驶,后缓慢加速驶入主线。可见,车辆通过集散车道出入高速公路运行速度呈现出规律性。通过对车辆运行速度分析,对集散车道车辆的交通安全防控和规范的完善有着重要价值。     

基于hp自适应伪谱法的飞行器多阶段轨迹优化

为解决助推-滑翔飞行器的多阶段多约束轨迹优化问题,在考虑速度约束、轨迹阶段切换点约束与轨迹末端参数约束的条件下,建立了助推-滑翔飞行器纵向运动模型与多阶段轨迹优化模型。采用基于hp自适应伪谱法的Legendre-Gauss-Radau离散点,将该最优控制问题转换为多阶段非线性规划问题,求解得到最大飞行距离轨迹。为解决多阶段轨迹优化算法难以确定位置自由的阶段切换点的问题,基于动态规划的思想,设计了新的多阶段轨迹优化策略。改进后的优化策略在得到了多阶段全局近似最优解结果的同时,减少了原优化算法的计算量。仿真结果表明,改进的hp自适应伪谱法能有效解决多阶段助推-滑翔飞行器轨迹优化问题,优化结果优于最大升阻比滑翔飞行轨迹。      

面向园区场景的车道线局部定位检测方法研究

面向校园驾驶场景,提出一种综合性能表现较好的通用车道线检测算法,即局部定位检测法。 首先,采用经典图形学与基于噪声容忍的递归神经网络的学习模型相结合的方法,完成车道线所在局部区域 的检测,对目标车道线的灰度图像进行霍夫变换和灰度拉伸,设计递归神经网络学习模型,以梯度数据作为引导,对算法模型训练学习,以排除梯度信息相似的干扰物,并识别几何属性相关的不完整车道线形态,进而完成补全工作,应用稀疏惩罚,设计具有噪声容忍的递归学习模型,最大效率地利用具有被污染数据标注的 自建车道线图像数据集,以此为基础,采用深度强化学习方法,通过6个标识点对目标车道线进行精确定位, 并基于6个准确的定位点,检测和绘制车道线。     

基于融合分割和LASSO回归的实时车道偏离预警

在有路面污染、标识干扰等复杂高速道路环境下,车道偏离预警系统的鲁棒性和实时性会变差。为此提出一种利用两种算法融合分割和LASSO回归模型进行车道线检测和偏离预警的新方法。首先,分别采用TopHat算法和OTSU算法分割出车道线背景并进行"与"运算融合,据此准确提取出车道信息;其次,分两步检测车道线,第一步基于概率Hough变换进行直线检测,将检测出的车道线位置设为动态ROI区域并进行卡尔曼滤波跟踪处理,第二步是基于LASSO多项式回归模型对车道线再次进行参数估计和拟合,以改善使用最小二乘法时的过拟合问题;最后,根据设置的虚拟车道线和角度模型进行车道偏离预警决策。实验结果表明,所提出的方法在复杂道路环境下的平均正检率为96.07%,检测速率可达到32 ms/帧,即具有良好的鲁棒性和实时性。