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。     

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。     

车道偏离预警系统中偏离时间的估算方法

车道偏离时间(TLC)是指车辆从当前位置行驶至车道边界线的剩余时间,是车道偏离预警系统触发警告的判断依据,因此其计算精度至关重要.文中结合车辆运动学理论和三角函数知识研究车辆行驶在直线和曲线路段的轨迹形状,建立车辆轨迹为直线和曲线情况下的TLC估算模型,最后分别就横向距离、相对偏航角和曲线道路半径对TLC的影响进行了仿真分析.结果表明:在直线路段,TLC与相对偏航角成反比,与横向距离成正比;在曲线路段,TLC与相对偏航角和道路曲线半径成反比,与横向距离成正比,而当车辆从相反方向偏离时,对应关系则相反.文中研究能有效降低以TLC为决策标准的车道偏离预警系统的误警率.     

基于摄像机模型的运动车辆车道偏离检测

针对车道偏离检测中较难解决的车载摄像机标定问题,从分析摄像机成像模型入手,根据图像中3条或3条以上车道线的消失点位置以及车道线斜率关系,在道路现场调整摄像机安装位置,以实现对摄像机外部参数的直接设定,从而避开了繁琐的摄像机参数标定过程.同时,推导出图像内车道线斜率比与车道偏离程度的简单函数关系,该函数与摄像机内外参数无关.因此,行车过程中只需测量图像中车道线的斜率,即可计算出车辆当前的车道偏离量.现场试验结果表明,在车辆直行时采用该方法测得的车道偏离率与手工实测结果相比,其相对误差小于5%,具备了较高的检测精度.     

复杂光照条件下的车道偏离预警

本文采用图像直方图变换的方法,设计出一种适用于智能车辆的车道偏离预警系统,实现了复杂光照条件下的自适应车道偏离预警。对道路图像设定感兴趣区域,提高了检测速度。采用Canny边缘检测算子,得到包含清晰道路边缘的二值化图像,利用改进的Hough变换检测出两侧车道线。基于检测到的两侧车道线斜率,计算车辆当前位置,判断车辆的偏离趋势。实车试验表明,该系统能有效地满足预警的实时性及精确度要求。     

基于动态区域规划的双模型车道线识别方法

为提高车道偏离预警以及前方车辆识别系统性能,提出一种基于动态区域规划的双模型结构化道路车道线检测方法。通过基于模板的腐蚀、膨胀处理改善了图像预处理效果。根据“微元”理论进行图像动态细化分区,对各区域局部独立识别,整体综合分析,最终利用直线和B-样条曲线双模型完成车道线拟合。 实车试验证明,直线/B-样条曲线双模型拟合,提高了算法对不同车道线的适应性。      

基于机器视觉的车道偏离报警系统

为了提高基于机器视觉车道偏离报警系统的可靠性和实用性,对基于视觉的车道偏离报警系统各个环节的优化做了研究.介绍了基于视觉的车道偏离报警系统的构成和工作原理,提出了各个环节的实现方法.通过选择直线车道数学模型和限定车道提取的感兴趣区域(ROI)以简化系统复杂度和提高检测精度.首先使用方向可调滤波器进行图像预处理,然后使用Kalman预测器和距离判别法得到车道线有效点集,最后采用抗干扰能力强的Hough变换得出车道线参数.研究并采纳了一种无需对摄像头标定的车道偏离决策方法,通过综合道路图像中2条车道线的斜率值来判断车辆偏离车道的程度.实验表明,该系统具有良好的车道识别能力以及准确的偏离决策能力,能够满足高速公路环境车道偏离报警要求.     

车道偏离和预警系统

<正>车道偏离预警系统是使用安装在车辆上的图像传感器获取道路图像数据,通过综合运用图像处理与分析、模式识别、人工智能、自动控制、车辆工程等理论知识和技术实现对当前车辆的辅助驾驶,解决车辆偏离正常行驶车道而引起的交通事故等问题。该系统在日常车辆运行中,特别是高速路等车道线清晰的路段预     

基于移动终端的实时车道偏离预警系统的研究与实现

为了减少交通事故、保证行车安全,设计一种基于移动平台的实时车道偏离预警系统.在图像预处理阶段,使用矩形感兴趣区域精简采集到的图像信息,在HSV颜色模型中对黄色车道进行增强,再综合运用高斯滤波、形态学图像处理和自适应阈值来提高车道线特征;在车道检测阶段,使用类车道特征的梯形掩膜对由Canny算子获得的车道边缘特征进行细化...     

物流运输车辆车道偏离安全预警系统研究

车道偏离是引发高速公路交通事故的重要起因之一,本文阐述了物流运输车辆车道偏离安全预警系统研究的意义,介绍了项目涉及的相关技术在国内外研究现状和发展趋势,提出了车道偏离预警系统研究的主要内容和关键技术.     

鲁棒的车道偏移实时警告系统

提出了一种应用于安全驾驶辅助的鲁棒的车道偏移实时警告系统.采用ALTERA公司片上NIOS II系统的CycloneⅡ FPGA作为处理核心,应用了一种鲁棒的快速车道线偏移警告算法,利用Avalon总线进行IP核的定制,实现了车道偏移警告系统的软硬件设计.测试结果表明,系统的准确率和实时性能满足全天候车道偏移警告需求.     

考虑驾驶人换道意图的车道偏离预警系统

 为降低基于机器视觉车道偏离预警系统的误警率,提出一种考虑驾驶人换道意图的车道偏离预警系统。运用SteerableFilter 方法对所采集的道路图像信息进行滤波,运用局部搜索区域法提取车道线参数,运用基于图像信息的识别方法检测车辆的车速、转向信号、车道偏离状态以及驾驶人的头部动作状态,判断驾驶人的换道意图,建立了车道偏离预警的决策算法及系统。应用Matlab 软件对实车采集得到的视频进行算法验证和系统仿真试验,结果表明,提出的车道偏离预警决策算法是可行的,该预警系统将有意识与无意识的车道偏离区分开,从而能有效屏蔽在驾驶人有意识偏离车道时的误报警,具有更高的可靠性。     

基于两级信息融合的隧道掘进机拆装装置作业安全预警模型

为了能对隧道掘进机（TBM）拆装装置作业时的安全做出有效预警,通过研究两级信息融合建立最优的安全预警模型,为TBM拆装装置吊装作业提供安全保障。一级融合将数据通过层次分析法-熵权法算法融合得出安全状态系数;二级融合建立灰色（GM）、差分自回归移动平均（ARIMA）、长短期记忆网络(LSTM)预测模型,通过三个单项预测模型构建4个简单平均组合模型和4个最优加权组合模型,对拆装装置作业时的安全状态系数进行预测分析,通过R、MAE、MAPE、RMSE四个评价指标以及后期预测数据的相对误差对预测模型精度进行比较,选出最优组合模型。结果表明：①最优加权组合模型的评价指标、后期数据相对误差、模型拟合效果明显优于单项与简单平均模型;②通过两级信息融合,构建了权重为（0.21,0.10,0.69）的TBM拆装装置作业时的最优加权组合预警模型GM-ARIMA-LSTM。可见创建的二级信息融合安全预警模型在TBM拆装装置作业时能有效判断装置的安全状态,对危险作出及时预警。     

基于改进型AHP的食品质量安全时间序列预警模型的研究

运用改进型AHP建立食品安全状态的时间序列预警模型。模型采用3标度法构建判断矩阵可较为简单计算确定质量安全预警指标的权重,判断食品安全状态,应用食品质量安全技术标准和指标可建立食品安全状态预警模型,用于食品安全状态预警,并以稻米为例建立稻米质量安全预警模型,为建立其他食品安全状态预警模型研究提供参考,也可为食品质量安全监管部门进行食品监测与综合评价、科学监管提供参考。     

基于模型融合的低照度环境下车道线检测方法

针对低照度环境下车道线检测准确率低和稳定性差的问题,提出了一种基于模型融合的低照度车道线检测算法.采用基于ALTM(adaptive local tone mapping)算法改进的颜色平衡算法做数据增强处理,有利于车道线特征的提取;融合改进的Deeplabv3+模型和Unet模型,有效降低了过拟合现象;使用实例分割得...     

基于Logistic模型的驾驶人换道意图识别方法

 为有效降低车道变换行为诱发事故的风险性,提出一种基于Logistic 模型的驾驶人换道意图识别方法。利用faceLAB 视觉追踪系统,通过真实环境下的实车测试,结合换道前驾驶人对后视镜的注视特性确定换道意图时窗,分析车道保持与换道意图阶段的注视特性差异,提取扫视次数、扫视幅度、水平方向视觉搜索广度、头部水平转动角度标准差等驾驶人换道意图特征指标,构建了Logistic 模型,并经效度检验后应用于对驾驶人换道意图的识别。结果显示,基于Logistic 模型的驾驶人换道意图识别方法的识别成功率达到90.24%,与基于转向灯信号的驾驶人换道意图识别方法相比,具有明显的时序及成功率方面的优势。