视频图像中的运动车辆检测算法研究及仿真

对于运动车辆跟踪和检测是实现准确采集和检测交通信息的难题和关键,人们非常关注通过对跟踪车辆的视频图像来分析车辆的运动规律。对比分析背景差分法和帧差法来检测运动车辆的效果,帧差法的算法要比背景差分法简单,但是效果不如背景差分法明显。     

基于跟踪轨迹的车辆异常行为检测

为提高ITS(Intelligent Traffic System)交通事件管理的智能性, 提出基于跟踪轨迹的车辆异常行为检测,分为目标检测跟踪、轨迹分析处理和车辆行为分析3 个步骤。首先利用三帧差法对目标进行初始定位, 采用基于Kalman 预测器的改进跟踪算法对车辆进行跟踪; 然后提出采用最小二乘法自适应分段直线拟合算法对目标跟踪获得的运动轨迹进行快速拟合; 最后结合运动方向变化率和速度变化率两个参数建立车辆异常行为检测模型。实验结果表明, 在道路监控视频中, 该算法能快速准确检测急刹车、急转弯和急转弯刹车等车辆异常行为。     

智能车辆轨迹跟踪控制方法研究

针对智能车辆的轨迹跟踪控制问题,提出了一种可以调节参数的智能车辆轨迹跟踪控制方法.首先,设计了模糊控制器对智能车辆进行路径跟踪控制;其次,为了提高车辆在高速下的路径跟踪效果,设计模型预测控制器,并结合轮胎的动力学特性及车辆动态特性对轮胎侧偏角、质心侧偏角等进行约束;然后,为了提高车辆在不同工况下的路径跟踪效果,进一步设计了基于PSO算法的模型预测控制器.比较三种控制器的控制效果,选择典型工况在联合仿真平台上进行仿真.结果表明,提出的智能车辆的轨迹跟踪控制方法可以有效地对车辆轨迹进行跟踪.     

一种有效的车辆跟踪算法与异常车辆检测

交通监控视频中车辆检测、跟踪与车型判别是智能交通监控系统的重要组成部分。本文运用W4背景减除法和光流法相结合的技术进行车辆检测。利用区域滤波和空洞填充方法提高目标检测精度。采用质心距离约束和目标大小约束条件实现目标区域之间的匹配和车辆跟踪。最后,根据车辆的几何形状特征对助动车等异常车辆进行检测和标记。通过对高速公路实际视频的测试表明,本算法对机动车进行了有效的跟踪与标记,并对道路上助动车等异常车辆进行了有效的检测。     

多轴转向车辆模型跟踪控制分析

为降低对多轴转向车辆的控制难度,在考虑前轴机械转向对车辆转向性能的影响的基础上,对多轴转向车辆动力学模型进行了改进,将前轴车轮转角隐含到控制变量中;在改进的动力学模型的基础上,利用模型跟踪控制理论结合极点配置方法对多轴转向车辆进行了分析,得到车辆在不同车速情况下的横摆角速度和质心侧偏角的瞬态响应和频域特性.分析结果表明,利用模型跟踪方法对车辆进行控制,能获得较理想的跟踪效果,车辆在高速时瞬态响应没有超调量,响应时间缩短,提高了车辆在高速时的稳定性.     

低速无人驾驶车辆双向行驶控制方法

针对无人驾驶车辆在复杂景区场景低速双向行驶的问题,概述了正向行驶的运动学模型及其跟踪结果,并且在分析车辆倒车运动学模型的基础上,提出一种基于模型预测控制理论的无人驾驶车辆双向轨迹跟踪控制方法。对该双向轨迹跟踪控制方法使用MATLAB工具进行仿真,并在实车上进行验证。结果表明,该方法可以保证无人驾驶车辆稳定地进行双向跟踪参考轨迹行驶。     

一种应用于交通环境中的运动车辆跟踪方法

针对利用卡尔曼滤波进行运动车辆跟踪过程复杂的问题,提出了根据相邻两帧车辆的面积重叠率进行运动车辆预测的车辆跟踪方法,该方法提取前后两帧中所有车辆的最小外接矩形框等特征,把与前帧中面积重叠率最大的车辆作为前帧中对应车辆的最佳预测,根据提取的车辆特征进行匹配,从而完成车辆的跟踪。实验结果表明,该车辆跟踪方法的效果较好。     

交通视频中的Kalman滤波的多车辆跟踪算法

提出了一种交通视频中的Kalman滤波的多车辆跟踪算法.该算法利用Kalman滤波器反馈控制系统估计运动状态进行预测和修正,并为运动目标建立模型;利用当前车辆的信息对下一帧目标的位置进行预测,以便缩小目标的搜索范围和搜索时间,从而快速跟踪车辆.利用车辆的外接矩形框大小、质心等特征对车辆进行特征匹配,为交通视频中的车辆建立对应关系,利用新的系统参数更新模型,获得车辆的轨迹,如此反复,从而实现对车辆的跟踪.实验结果表明,此算法运算速度很快,对于车辆这样的快速运动目标,也具有较好的跟踪效果.     

基于改进粒子群算法优化的车辆运动侧倾控制研究

为了避免车辆在不同路面状况下发生侧翻现象,提高车辆行驶的稳定性,采用改进PID控制车辆侧倾角位移运动轨迹。创建车辆模型简图,给出车辆侧倾运动方程式。引用PID控制方法,对粒子群算法惯性权重系数进行改进,将改进粒子群算法用于优化PID控制,设计出车辆侧倾角位移控制流程,对控制器参数进行优化和调节。通过MATLAB软件对车辆侧倾角位移跟踪效果进行仿真验证,并与PID控制效果进行比较。结果表明:路面在无波形干扰条件下,采用传统PID控制和改进PID控制方法都能较好地完成车辆侧倾角位移跟踪,跟踪误差较小;路面受到波形干扰条件下,采用传统PID控制侧倾角位移跟踪误差较大,而改进PID控制侧倾角位移跟踪误差较小。采用改进PID控制方法,可以抑制路面波形的干扰,提高车辆侧倾角位移跟踪精度。     

基于图像运动区域的车辆遮挡跟踪算法

针对区域跟踪算法难以解决因车辆遮挡而引起误检的问题,提出了基于图像运动区域的车辆跟踪算法:采用背景剪除法提取运动区域,通过计算相邻帧运动区域的位置变化实现区域跟踪;建立车辆的二维矩形框模型,分析"区域--车辆"关系,结合区域跟踪的结果来判定车辆之间是否发生遮挡,并根据车辆行为来初始化车辆模型轮廓及速度;采用Kalman滤波器预测车辆在当前帧的位置,并以此预测位置作为车辆模型的初始位置进行模型轮廓的自适应调整,得到模型新的矩形轮廓;将新轮廓其所确定的几何中心位置作为测量值反馈回Kalman滤波器,修正Kalman系数,进行自回归运算和计算最佳匹配位置,从而实现车辆跟踪.算法测试实验使用的视频采集自江苏省通启高速公路视频监控系统,采用P4/2.4单CPU,结果表明,在为25帧/s视频流下,该算法准确跟踪率达到94.72%,有效解决遮挡问题,并具有较好的鲁棒性.     

新的基于反馈线性化的车辆编队控制

以编队中各车辆的运动学模型为基础,在跟随领航者体系下建立新的车辆编队系统动态模型.设计带有不定离轴点的输入输出反馈线性化跟踪控制器,将跟随车辆与领航车辆的跟踪问题转化为特定误差系统的控制问题.利用图论将所设计的跟踪控制器扩展到车辆编队控制中,并对车辆编队控制效果进行仿真验证.     

车辆主动悬架的模型跟踪变结构控制研究

主动悬架是未来悬架的发展方向.将模型跟踪变结构控制理论应用于主动悬架系统的控制器设计中,研究了模型跟踪变结构控制系统的跟踪条件;用极点配置法设计了滑模切换函数,用指数趋近率改善滑模运动的动态品质.在1/4车辆动力学模型的基础上,利用matlab/simulink对该控制算法进行了计算机仿真,仿真结果表明：该控制器控制效果明显,能较好地改善车辆的乘坐舒适性.     

基于状态估计的无人车前轮转角与横摆稳定协调控制

针对无人车轨迹跟踪问题,提出了一种基于状态估计的无人车前轮转角和横摆稳定协调控制策略.建立了车辆轨迹跟踪模型,利用模型预测控制算法设计了轨迹跟踪控制器,得到实时跟踪参考轨迹所需的前轮转角.根据车辆模型设计了一种基于未知输入观测器的前轮转角估计方法,并将估计结果作为前轮转角跟踪控制的输入量.基于非奇异终端滑模控制设计了前轮转角跟踪方法,通过转向电机扭矩来控制车辆转向以实现轨迹跟踪.同时,设计了车辆横摆稳定控制器,通过控制横摆角速度跟踪误差确保车辆横摆稳定.建立了CarSim-Simulink联合仿真模型并进行仿真实测试.结果表明,未知输入观测器具有较好的前轮转角估计效果,从而为车辆协调控制提供可靠信息源,协调控制策略能够在保证车辆横摆稳定性的同时完成车辆轨迹跟踪.      

基于改进高斯混合模型和卡尔曼滤波的车辆检测与跟踪

提出一种基于改进高斯混合模型和卡尔曼滤波的车辆检测与跟踪方法.该方法在车辆检测阶段,为了解决传统高斯混合模型对运动目标速度变化自适应能力较差的问题,通过定义运动目标速率因子,给出一种模型学习率自适应更新策略,对传统高斯混合模型进行了改进,并用以实现车辆检测;在车辆跟踪阶段,通过建立一个适用于视频目标跟踪的卡尔曼滤波系统,并以车辆检测阶段输出的车辆质心为该卡尔曼滤波系统的量测值,实现了选定车辆目标的跟踪.实验结果表明,该方法车辆检测与跟踪效果良好,能满足实际交通监控系统的需求.     

一种基于运动目标检测的视觉车辆跟踪方法

针对复杂交通场景中动态光照变化、阴影和遮挡等因素带来的影响,提出了一种基于运动目标检测的高效、鲁棒的车辆跟踪方法. 采用自适应背景建模获取动态场景中的运动信息,通过阴影去除获得准确的运动区域,并针对场景中的遮挡问题提出了相应的遮挡检测与处理策略,最后通过区域匹配获得跟踪结果,同时使用Kalman滤波器建立车辆的运动模型,对跟踪结果进行了约束和优化. 实验结果表明,提出的视觉车辆跟踪方法可以在复杂多变的室外场景下有效地解决场景中的阴影和遮挡问题,得到鲁棒的车辆跟踪结果.      

考虑横纵向误差协调的智能汽车路径跟踪控制研究

针对传统轨迹跟踪控制方法应用场景局限,精度不高的问题,为实现车辆横纵向联合控制从而提升无人驾驶汽车在结构化场景下的轨迹跟踪效果,本文建立了自然坐标系下的车辆跟踪误差模型,设计基于LQR与PID相结合的车辆横纵向耦合控制器。在横向控制层面,为消除系统稳定误差,通过引入前馈控制量实现系统的整体稳定,减小车辆在实际运行过程中产生的横向误差,提升控制过程的稳定性;在纵向控制层面,运用PID控制策略进行调节,实现车辆的实际速度与规划速度,实际位置与规划位置之间的精确匹配。通过MATLAB/Simulink与Carsim搭建联合仿真平台,针对日常泊车、驶入主路以及超车多种工况进行仿真验证。仿真结果表明：本文所设计的横纵向联合控制器将车辆的轨迹跟踪误差控制在可接受范围之内的同时,轨迹跟踪效果满足乘客对车辆乘坐舒适性的要求,故本文设计的控制器具备一定的稳定性和准确性。     

基于故障估计的无人车容错控制方法

考虑转向控制系统故障和未知干扰同时作用对无人车辆路径跟踪效果的影响,为提高无人车辆控制系统的可靠性,设计了一种无人车路径跟踪容错控制方法. 对转向控制系统输入性故障进行分析,结合未知干扰情况定义了名义故障并建立相应的数学模型. 利用高阶滑模观测器构造名义故障微分方程,并利用自适应容积卡尔曼滤波设计了车辆质心侧偏角和名义故障估计方法,从而为无人车容错控制提供可靠信息源. 基于滑模控制理论设计了无人车路径跟踪容错控制器并证明了其收敛性. 联合仿真和硬件在环试验结果表明,所提出的估计方法能够得到精确可靠的质心侧偏角和名义故障估计结果,且与无容错控制相比,所设计的路径跟踪容错控制器在面对故障和干扰时能够明显地提高车辆的控制性能,并同时保证车辆的路径跟踪能力及其自身的稳定性.      

一种基于Mean Shift和C-V模型的车辆跟踪算法

针对传统Mean Shift算法跟踪窗口固定不变,无法对不断改变尺寸的车辆目标进行有效跟踪的问题,文中根据车辆跟踪的特点,提出一种基于Mean Shift和C-V模型的车辆跟踪算法.首先利用传统Mean Shift得到初始跟踪窗口,然后根据C-V方法所提取的车辆形状信息对跟踪窗口的中心和大小做进一步修正,在跟踪过程中综合利用了目标颜色、形状等信息,同时对传统C-V方法进行改进,采用一种新的初始化水平集函数表达方法.实验结果表明,文中算法在满足实时性要求的同时,大大提高了车辆跟踪精度.     

低速巡航工况非线性车速跟踪控制

电控机械式自动变速器（AMT）车辆在车速较低时,其跟车巡航控制的性能对于车辆安全有重要影响,为此,提出三步法控制策略对离合器滑差进行精确控制,从而确保AMT车辆在低速巡航工况下的车速跟踪性能。三步法控制利用参考跟踪轨迹的前馈信息和车辆速度的反馈信息,控制器推导过程中采用李雅普诺夫函数法,以保证控制系统的渐近稳定性。仿真和实车试验结果表明,采用所提出的三步法控制策略,可使AMT车辆在各种工况下均能保持良好的速度跟踪性能。     

夜间车流量检测算法

为了解决夜间车辆检测和车辆跟踪的问题,提出了一种基于车前灯的夜间车流量检测算法。首先,分析了夜间车辆检测的特点及采用车前灯进行夜间车辆检测的原因。其次,利用图像二值化的方法对车灯进行分割,通过比较车灯和车灯投射光线之间的差异识别出车灯,然后在此基础上分别利用车灯帧内配对规则和车灯帧间匹配规则实现车辆检测和车辆跟踪。最后,在跟踪过程中,利用该算法实现了车流量的统计。