基于自适应模板的非结构化道路检测

提出一种基于自适应变形模板的非结构化道路检测算法.新模板的形状随着道路的形状改变而改变,利用新生成的模板预测下一帧图像中可能出现的道路区域和非道路区域,分别计算道路区域和非道路区域的平均向量和协方差以及每一个像素点和平均向量间的Mahalanobis距离;通过中值滤波去掉噪声点,再进行边缘跟踪计算出路边.该算法运算量小,检测速度快,基本满足实时性要求,具有良好的抗阴影的能力.     

基于支持向量机的非结构化道路检测

摘要：机器视觉检测非结构化道路边缘的难点在于路面像素与非路面像素特征差异复杂,本文使用支持向量机分类算法实现了非结构化道路的边缘检测。算法引入感兴趣区域来消除环境噪声,并通过交叉验证方法优化了算法参数,最后在支持向量机的分类结果上使用霍夫变换提取道路边缘。Matlab实验证明算法具有很好的准确性和鲁棒性。     

基于改进区域生长和小波变换的非结构化道路检测

针对在复杂场景的非结构化道路中,由于众多的环境干扰因素从而不能准确检测车道线的问题,提出了一种基于改进区域生长法和小波变换相结合的非结构化道路检测算法。根据大多数情况下道路区域在车载摄像头的正下前方及道路区域与道路两旁背景灰度值的一定差异,来有效地选取区域生长的种子点及生长原则进行区域生长道路初分割。同时结合基于小波变换的边缘检测来修正由于初分割道路受复杂环境导致道路检测不准确的情况。实验结果表明,该算法能够较准确地检测出受光照等因素影响的道路区域,且具有较高的准确性。     

基于特征光流的多运动目标检测跟踪算法与评价

光流车辆检测算法其光流不仅携带了运动物体的运动信息,还包含丰富的三维结构信息,能够在未知场景信息的情况下对运动目标进行准确检测;但传统光流法计算方法复杂、抗噪性能差、处理速度缓慢,无法满足多目标实时检测的实际需求。为提高光流法实时检测效率,同时保持较好的检测精度,提出了一种基于Harris特征点光流及卡尔曼滤波模型的多运动目标跟踪算法;并提出新的视频目标检测算法性能评价指标。通过对不同实验场景下多个运动目标的检测与跟踪实验统计结果表明,对比主流Meanshift车辆跟踪算法,检测精度平均提高4.61%;且跟踪持续性提升41.5%,具有更好的鲁棒性及准确性。在时间效率上较比传统光流法平均提升42.9%,能够更好地满足目标跟踪实时性要求。     

一种轻量化非结构化道路语义分割神经网络

非结构化道路由于没有明显车道线且道路特征多、地域差异大,现有的结构化道路分割方法无法满足非结构化道路分割在实际应用中的实时性与准确性要求．为了解决上述难点,本文基于DeepLabv3+网络提出一种G-lite-DeepLabv3+网络结构,使用Mobilenetv2网络替换解码器中的Xception特征提取网络,并通过在Mobilenetv2网络与空洞空间金字塔池化模块中使用分组卷积替换普通卷积,且有选择地取舍批规范层来减少参数量,在不影响精度的同时提升分割效率．同时针对非结构化道路在图像里分布位置相对较固定的特点,引入注意力机制对高级语义特征进行处理,提升网络对有用特征的敏感度与准确性．选用与我国非结构化道路路况相似的印度道路驾驶IDD进行训练,并与其他经典语义分割网络进行实验对比,结果表明,相比于其他网络,本文提出的G-lite-DeepLabv3+准确率与实时性均表现较好、误分割与边缘清晰度均好于对照网络;与经典算法进行对比,平均交并比mIoU提升1.3%,平均像素精度提升6.2%,帧率提升22.1%.     

基于局部纹理方向的非结构化道路消失点检测

针对现有道路消失点检测方法存在的计算复杂度高、精确度低等问题,提出了一种新的非结构化道路消失点检测方法。首先采用Gabor滤波器计算每个像素点的局部纹理方向,然后根据纹理方向的置信区间筛选有效投票点,并通过一种基于距离加权的局部软投票方法进行道路消失点投票,最后选择获得最高票值的像素点作为非结构化道路的消失点。试验结果表明,本方法有效降低了计算的复杂度,提高了检测的精确度和速度,其精确度相对于经典的Kong等的算法和Moghadam等的算法分别提高了29%和10%。本算法可以在多种复杂环境下快速准确地检测出道路消失点的位置,因而对实际工程有一定的参考价值。     

基于类Haar纹理的非结构化道路消失点检测

在非结构化道路识别算法的研究中,因其在复杂道路环境下表现出较强的鲁棒性,基于纹理特征的道路消失点检测成为了学术研究的重点。因此,为了能够准确的检测出非结构化道路中的消失点,提出一种基于类Haar纹理的非结构化道路图像消失点的检测方法,即首先设计多尺度多方向的类Haar纹理的实部与虚部模板,利用积分图技术以及垂直投影法快速计算出图像像素的纹理主方向,再采用改进的局部软投票法选出分数最大的点作为初始消失点,最后通过现有两种不同的消失点检测方法与提出的算法进行对比实验。实验结果表明提出的算法可以显著提高非结构化道路消失点的检测性能。由此得出该方法具有良好的实时性、准确性和鲁棒性。     

采用非结构化网格求解颗粒流的一种数值方法

离散颗粒模型是计算稠密颗粒两相流的一种重要模型,该模型通常采用硬球模式描述颗粒间的作用。提出一种在二维非结构化网格下结合硬球模式求解颗粒群运动的数值方法,对颗粒间的碰撞检测策略进行了优化,通过对颗粒采用局部移动的方法大大提高了计算的效率。数值算例显示在颗粒粒径小于网格尺度时,该方法能适应多种类型的网格,这为进一步实现不规则区域下稠密颗粒两相流的数值模拟奠定了基础。     

基于特征匹配的非刚性大位移光流算法

针对非刚性大位移光流估计问题,提出了一种基于特征匹配的光流优化算法. 首先,传统数据项针对整副图像进行一致性假设的策略过于粗放,文中采用了一种根据图像中每个像素特点自适应选择一致性假设的优化方法;其次,针对传统各向同性的平滑项易造成演化过程中图像细节丢失、边缘模糊等问题,提出一种各向异性的平滑项,有利于实现图像细节的光流估计;另外融合特征匹配于变分光流框架中,充分利用特征匹配在大位移条件下的鲁棒性与变分光流的致密性;最后,基于MPI Sintel数据集对本文算法进行定量分析. 实验结果表明,本文算法能够实现非刚性大位移光流的准确估计,鲁棒性强,在market_5图像中,该算法比LDOF于AAE和AEPE指标上分别提升了18.9%与21.9%.      

基于几何特征与三维点云特征的道路边沿识别算法

针对目前典型道路边沿识别算法存在实时性与可靠性难以兼顾的问题,基于多线激光雷达,根据道路边沿的几何特征与三维点云特征,提出了一种权衡实时性与可靠性的道路边沿识别算法。依据多线激光雷达扫描获取的大量点云数据,基于RANSAC算法的地面分割方法,滤除了预设感兴趣区域内的地面数据点,然后将剩余的无序点进行有序栅格化投射处理,根据道路边沿区域的几何特征与点云分布特征进行匹配筛选,再融合RANSAC的最小二乘法,以完成道路边沿曲线的鲁棒拟合。实验表明,算法在直道和弯道场景识别准确率均大于95%,耗时均低于15 ms,具有良好的准确性和实时性。所提算法能有效识别道路边沿,可为智能车可行驶区域的识别及控制提供理论参考与方法依据。     

基于光流分析的车辆转弯及上下坡信息获取

传统的前照灯系统存在安全隐患,自适应前照灯系统(AFS)可以有效消除安全隐患、降低交通事故率,准确获取行车环境特征信息是AFS实现自适应照明的前提条件.文章采用摄像头获取车辆夜间行车时驾驶员视野前方视频图像序列,提出了一种图像区域分割方法,结合基于光流模型的图像运动估计方法计算出各个区域的所有像素点的光流速度,并依据不同区域光流速度提出车辆行车环境特征判断准则,来获取夜间行车转弯及上下坡信息,实验证明了该方法的有效性.     

基于SegNet的非结构道路可行驶区域语义分割

为了增强自动驾驶车辆对非结构化道路中可行驶区域的场景理解能力,基于SegNet深度学习网络结构,提出了一种针对非结构道路的可行驶区域语义分割方法。在传统的卷积神经网络基础上,构建编码-解码深度卷积神经网络,用于自动习得图片中非结构化道路的特征,通过在数据集上进行训练和学习,得到图像语义分割模型,可直接用该模型预测非结构道路中的可行驶区域,实现自动驾驶车辆在非结构道路中行驶时的环境感知。实验结果表明,研究方法分割效果和精确度提升明显,Dice相似度和Jaccard相似系数均可达80%以上。     

一种面向遮挡的光流计算方法

提出一种面向遮挡的光流计算方法,该方法根据两幅图像的前向光流和图像光强估计后向光流。针对产生遮挡的区域,使用线性插值、通过光强等像素信息选择合适的前向光流加权平均来计算后向光流。针对遮挡消失区域,基于前向光流矢量的方位信息,采用一种有向填充策略来估计后向光流。实验表明,该方法计算光流精度高,并且能正确有效地处理遮挡出现和遮挡消失区域的光流计算问题,从而对现有的光流计算方法进行了改进。     

基于支持向量机的高光谱遥感影像道路提取

为了从高光谱遥感影像中高精度提取各种线形道路,提出了基于支持向量机（SVM）的道路特征快速提取算法,首先利用PCA对高光谱影像进行合理压缩,由SVM模式识别理论推导出该算法具有快速精确提取道路网信息的能力,针对高光谱遥感影像高信息量和道路网复杂度高的特点,提出基于1Vm（一对多算法）的多种道路SVM一次性高精度提取的多分类策略,在提高精度的同时,兼顾了道路特征识别的效率。研究结果表明：SVM对线状道路模式判别能力比常规方法有更强的优势,对小样本的道路识别效果更加明显,从遥感影像中不仅能准确地辨别出道路的线形特征,还能识别出其材质和类型;该算法能同时识别出多种道路,执行效率更高。     

基于动载的路面不平度识别的小波特征提取

提出了基于车轮垂直动载的路面不平度识别的小波特征提取方案.对垂直动载采用bior 1.5小波,做4层小波分解,求4层细节系数和第4层近似系数幅值的均值和方差作为特征参数.使用Fisher判据和自组织映射(SOM)神经网络对小波参数、快速傅立叶变换(FFT)分段系数参数、全部数值的均值和方差、全变差、过零率、共振峰幅值参数以及实倒谱系数参数的分类能力进行了判定和比较.试验结果表明在路面不平度识别方面小波参数组合优于其他参数组合.     

基于光流场核密度估计的动态目标分割

在经典的核心密度估计模型中,基于像素亮度的估计能够将同一目标更好地连通显示,具有集中的像素分布规律.利用这一规律,可将经典核密度模型的计算维度扩展到二维,用其分割像素对应的光流场,并称该方法为基于光流场核密度估计的动态目标分割模型.实验证明,该方法能够从运动背景中很好地检测出较完整的运动目标.     

能源稳定型风光互补发电系统在道路照明中的应用

为了解决目前风光互补发电系统用于道路系统路灯照明的供能不稳定性,考虑利用车辆行驶引起的空气流动转化为电能来弥补自然风能的不足,构成新的风光互补发电系统。该文基于一定的理想化假定条件,根据功能原理得到了由于车辆行驶引起的空气流速与车速的定量关系,进而分析能量的供求关系。通过对首都机场高速公路的情况进行算例分析,计算结果显示:考虑车辆行驶引起的空气流动的能量的情况下,首都机场高速公路的照明能源完全可以依靠新型风光互补发电系统提供。     

非结构网格下两步压力校正算法的潮流模拟

针对非结构网格下的潮流数值计算,采用有限体积法离散基本方程,对流-扩散项离散采用幂率格式,交叉扩散项引入超松弛校正方法,水位校正方程应用Rhie-Chow动量插值思想和SIMPLEC类算法导出.采用两步压力校正法将交叉扩散项单独考虑,以提高模型对高度畸变网格的适应能力.计算结果表明,该处理方法可提高压力欠松弛系数,并能有效改善复杂区域潮流模拟的健壮性.通过对黄浦江感潮河段潮流的模拟,表明该模型的预测结果与实测资料吻合良好,模型对潮流的模拟结果是可靠的.