融合多元特征信息的前方车辆图像识别

为了进一步降低虚假目标车辆的检测风险,提出了一种基于多元特征信息匹配的前方车辆图像识别方法。首先依据路面灰度均值突变搜索车辆候选区域,然后利用双通道Gabor滤波器提取车辆样本图像的多尺度方向特征,联合AdaBoost分类器与Cascade级联分类器形成一系列强分类器,对产生的5尺度8方向高维特征向量实施降维处理,同时分类筛选特征样本,最后结合灰度信息熵对称性测度辨识目标车辆存在性,完成了前方目标车辆的检测定位。研究结果表明:所提方法的检测准确率为96.7%,比经典算法提高了1.6%;整个检测过程最长耗时35 ms,最短耗时15ms,平均耗时25ms,检测耗时主要受车辆的大小以及背景复杂程度的影响;避免了单一特征下局部有效鉴别信息的损失,具有较好的识别精度和处理速度,车辆误检率仅为3.2%,优于其他车辆识别算法的误检率,提高了虚假目标检测的辨识度。     

复杂道路环境中前方车辆检测方法研究

为提高前方车辆检测在不同道路环境中的鲁棒性和实时性,提出一种基于支持向量机的多传感器融合前方车辆检测方法。系统工作前利用多传感器数据融合建立雷达坐标与图像坐标的转化关系,以毫米波雷达在各种复杂道路环境中前方障碍物的检测数据为基础,利用支持向量机(SVM)训练分类器构建车辆与非车辆识别系统,最终根据车辆宽高比的统计规律建立前方车辆识别窗口。道路试验结果表明该方法前方车辆识别准确率为90.7%,单帧图像的处理速度为35ms,对于不同道路环境中的前方车辆检测表现出了良好的稳定性和准确性,总体性能取得较为显著的提高。     

面向高速公路的车辆换道安全预警模型

近年来在高速公路或快速道路上因车辆发生换道导致的交通事故频发,且后果都很严重.为此提出了面向高速公路的安全换道预警模型.首先描述了车辆换道过程和发生换道的动机;然后设计了模拟换道过程的场景,分析了车辆可能发生的碰撞类型;进而以避免发生碰撞为前提,分析车辆在换道过程中与周围相邻车辆间的位置关系,寻找出车辆发生碰撞的临界位置,并以此为依据,研究得到避免车辆发生碰撞的安全距离条件;最后以匀速换道为实例,验证了模型的有效性.     

纵向控制的巡航控制算法实验研究

汽车纵向控制算法包括设定速度算法、车速控制算法和间距控制算法.该控制方法考虑了车辆队列的稳定性.控制算法中汽车预计加速度的计算是基于汽车可行驶间距计算的而不是基于车辆间通讯计算的.本文通过尾随前车工况最终证明通过此车辆纵向控制算法可以实现确保车辆队列稳定的车辆间距控制.     

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.     

融合视觉与雷达数据的改进粒子滤波车辆目标跟踪

针对视觉跟踪中由于尺寸变化累积误差导致目标丢失的问题,提出一种融合视觉与毫米波雷达数据的改进粒子滤波车辆跟踪算法。首先,引入遗传算法改善标准粒子滤波中的粒子退化与粒子衰退问题,根据退化程度计算动态自适应的遗传交叉概率,并利用高斯分布替代平均分布计算种群适应度。然后,将图像HSV直方图特征与改进粒子滤波算法结合,实现车辆多目标跟踪。最后,通过雷达目标投影点与视觉跟踪框的位置关系实现关联匹配,利用深度信息修正跟踪框的位置与尺寸。实验结果表明,相对于标准粒子滤波,改进的粒子滤波算法可以使平均跟踪准确率与精度分别提高22.1%与21.1%。相对于仅采用视觉跟踪,融合雷达数据的跟踪算法能够使车辆目标跟踪精度再次提高9.2%。     

车辆纵向力和质心侧偏角层级估计方法设计与验证

为提高车辆状态估计结果的精度与可靠性,设计了一种车辆纵向力和质心侧偏角层级估计方法。研究了一种用于车辆行驶状态估计的加权容积卡尔曼滤波,采用移动窗估计法调整测量噪声的协方差矩阵,根据不同时刻信息对测量噪声统计的有用性,动态调整窗口中不同时刻信息的权重,从而提高车辆状态观测器的滤波精度。根据电驱动轮模型特点,并考虑轮胎松弛长度来构造纵向力微分方程,从而设计了纵向力观测器。在纵向力估计的基础上,将上层的纵向力估计值视为伪量测值,利用三自由度车辆动力学模型设计了基于级联卡尔曼滤波的车辆行驶状态估计策略,实现了车辆质心侧偏角估计。进行了变速正弦转向工况和定速Fishhook转向工况下的CarSim/Simulink联合仿真试验以及实车试验,结果表明:所提方法整体估计精度相比扩展卡尔曼滤波提升了6.82%,具有较高的估计精度和实时跟踪效果,满足车辆应用需求。     

大客车紧急状态纵向可控域模型研究

为提高车载避撞系统的工作效能,在充分考虑轮胎模型的情况下,针对不同路面附着系数建立相应的大客车紧急状态纵向可控域模型。首先通过车载DSP实时获取可控域模型参数,并在此基础上构建四轮八自由度的车辆模型,且结合大客车轮胎模型的特点,选取Gim轮胎模型作为大客车轮胎的简化模型,结合前后车辆运动关系构建了基于车速的紧急状态纵向可控域计算模型。依据不同天气条件发生的频次以及危险程度等级,将路面条件划分成晴天、雨天、冰天以及雪天四种典型路面,针对不同路面条件下附着系数的差异性建立相应的可控域模型,并与传统的基于制动过程的可控域模型进行了对比分析,最后,对两模型的有效性进行了验证。结果表明：考虑路面附着系数和轮胎模型的可控域模型能够准确的逼近真实的可控域范围。     

基于单目视觉的车辆3D空间检测方法

针对基于单目车辆检测的3D包围框检测精确率比较低的问题,提出了一种基于改进的FPN特征融合、ResNet残差单元、全连接层组合而成的新网络方法.在训练阶段,回归车辆的三维尺寸、残差角度和置信度;在推理阶段,检测出所属类别车辆的三维尺寸和局部角度(α).由车辆的3D包围框中心点坐标、车辆的三维尺寸、车辆偏航角(θ)和相机内参矩阵复原绘制出车辆的3D包围框.所提方法在KITTI验证集上进行了实验,与原方法的检测结果相比,改进的方法在容易、适中、困难三个检测等级下提升了车辆3D包围框平均精确率(AP_3D)为0.60%,1.37%,1.41%.     

广西计划系统纵向网安全体系研究与实践

广西计划系统纵向网安全体系的建设必须遵循整体性，实用性，动态化，长远安全预期，经济性和技术与管理相结合等原则，通过完成物理安全、网络安全，病毒防范以及安全管理等部分工作，初步形成了系统的安全体系结构。在此基础上，数字证书认证中心和网络安全检测和监控系统的建立，使网络安全体系更加完善。     

基于数字图像处理的汽车测距算法研究

测距是实现车辆安全系统的关键技术，本文在对路面图片进行数字图像处理的基础上，先对路面区域确定和汽车目标识别进行了算法改进，针对我国汽车常见车型，提出通过对图像进行等效变换，实现测量前车距离的新算法，根据实测数据，确定出相关测量系数，并给出了实验结果。     

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。     

基于类Haar特征和自适应提升算法的前车识别

针对汽车高级驾驶辅助系统（ADAS）中前方车辆识别率低的问题,基于机器视觉原理研究了前方道路图像中的类Haar特征,并进行积分图计算,在提取类Haar特征基础上,采用自适应提升（AdaBoost）算法进行正负样本训练并级联,得到训练好的模型,进而检测和识别汽车行驶中前方车辆。最后基于Opencv计算机视觉库在Visual Studio开发环境中进行了算法实现和测试,结果表明,每帧视频图像识别时间小于40毫秒,检测率准确可靠,满足多场景、多工况下的前方车辆实时识别。     

基于阴影线的智能车辆检测及测距方法研究

针对当前智能车辆检测算法在实际应用中存在误差、测量结果不够准确等问题,使用基于运动车辆中车底阴影线算法的车辆检测机制,并利用车底阴影稳定存在特征解决车辆检测问题,进一步基于机器视觉的双目立体匹配测距方法实现对前方最近车辆距离测量,为智能车辆及驾驶员辅助系统提供信息。笔者采用的车底阴影线方法及双目测距最终实现结果证实,可以获取较为精确的道路前方的车辆及距离信息,有效检测距离为10 ～ 50 m,整体识别率达到85%。     

基于单目视觉的跟驰车辆车距测量方法

为了解决结构化道路上跟驰车辆的防追尾碰撞问题,首先在对车辆制动模型进行分析的基础上得到了车辆制动距离的计算公式,进而计算出跟驰车辆与前方车辆之间的安全距离.然后,从针孔模型摄像机成像的基本原理出发,推导出基于图像中车道线消失点的车距测量公式.车距测量结果只与图像中的近视场点到摄像机的实际距离有关,无需对所有的摄像机参数进行标定,从而解决了单目视觉车距测量问题.最后,完成了不同距离处前方车辆的车距测量试验.试验结果表明,该方法的车距测量相对误差小于3％,具备了较高的检测精度,能够满足跟驰车辆防追尾碰撞的应用要求.     

基于开放式多媒体应用平台的汽车安全监测系统设计

采用以TI达芬奇技术芯片为核心处理器的硬件平台,以依据硬件裁剪定制的Linux系统为基础,设计开发了基于计算机视觉的汽车安全系统.该系统具有超速预警、安全车距预警、事故求助、车辆位置获取和车辆防盗、防抢等功能,且系统体积小、功耗低、使用方便,易于功能扩展和升级,在高速公路上开展安全监测试验表明,文中提出的算法漏检率低于5%,误检率低于0.5%.      

基于道路几何模型的单目测距算法

在研究前方障碍物识别及高速公路几何模型基础上,对其左右边缘线的几何约束关系进行了讨论,分析了常用的多目测距算法的不足,提出了一种实时、有效地利用计算机视觉原理实现单目测距的求解高速公路上障碍物距离测算方法,实验证明,系统的实时性好。精度高,达到了实用要求。     

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.