汽车安全行驶智能辅助操作系统中的道路检测

研究了汽车智能辅助驾驶系统中的计算机视觉问题,讨论了基于区域生长的图象分割方法确定汽车的行驶路面区域和路面的边缘点,采用数据拟合的方法找到道路边界轨迹,提出了一种实时、有效的高速公路路面检测算法,并准确地估算公路延伸方向,实现汽车防偏预报,并结合的问题进行了有益的探讨。     

汽车导航系统中的道路检测

为了解决汽车智能辅助驾驶系统道路识别中的一般方法对路面适应性不强,实时性不够等缺点,在图像边缘提取确定了汽车行驶路面区域和路面边缘点的基础上,运用中值截距（Median of the Intercepts）与样条函数相结合的方法对道路进行分段拟合,从而找到道路边界轨迹．提出了一种实时、有效的高速公路路面检测算法,该方法能准确地估算公路延伸方向,为实现汽车防偏预报提供了可靠的依据,同时结合存在的问题进行了有益的探讨．     

基于阴影特征和Adaboost的前向车辆检测系统

为了解决汽车安全辅助驾驶系统中的前向车辆检测问题,提出了一种基于单目视觉的在线前向车辆检测系统。通过检测车底阴影特征来生成车辆假设,分别提出了自适应路面阈值方法和阴影区域融合方法以解决路面区域灰度变化和阴影边缘变形问题;使用基于梯度特征的adaboost方法来验证车辆假设;最后使用Kalman滤波对检测到的目标进行跟踪以改善系统性能。使用道路实拍的图像序列对系统进行了测试。结果表明,该系统能够在实时条件下有效检测前方车辆。     

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.     

DM6446平台下车道线检测系统设计与实现

为了克服传统的"驾驶员-汽车-道路"闭环汽车驾驶模式中存在的缺点,提高车辆行驶安全,提出一种基于ARM+DSP架构的嵌入式实时车道线检测系统.介绍该系统的总体架构和异构双核处理器的数据处理流程及系统核心算法的实现和优化方法.同时提出了针对DM6446异构双核开发平台的系统实现方案,并通过实验验证了系统的有效性.     

自动驾驶汽车连通专用道网络设计问题研究

【目的】现有自动驾驶汽车专用道设计模型不能保证设立的专用道彼此相互连通，将导致自动驾驶汽车频繁驶入驶出专用道。这不仅增加自动驾驶汽车的走行时间，也会增加与有人驾驶车辆的相互干扰，降低整个交通系统的性能。基于此建立了一个自动驾驶汽车连通专用道网络设计模型，用于设计连通的自动驾驶汽车专用道网络，保证无人驾驶汽车只使用专用道即可完成出行。【方法】提出的自动驾驶汽车连通专用道网络设计模型是一个离散双层规划模型，上层问题以系统总出行时间最小为目标，决策在哪些路径上设置自动驾驶汽车专用道；下层问题描述自动驾驶汽车连通专用道条件下有人驾驶汽车与自动驾驶汽车的均衡配流问题。由于所提模型的特点，基于模拟退火算法设计了求解算法，并通过数值试验验证了算法的有效性。【结果】通过数值分析发现即使在自动驾驶汽车的市场占有率较低时，所提连通专用道方案仍然可以有效减少系统总出行时间。【结论】当自动驾驶汽车在市场占有绝对份额后，应设立有人驾驶汽车的连通专用道，允许自动驾驶汽车自由使用剩余车道。这样既能保证有人驾驶汽车的路权，也能充分发挥自动驾驶汽车提高道路通行能力及减少系统总出行时间的潜力。     

基于数学形态学与Hough变换的道路边缘提取

道路边缘的提取是运动检测中最关键的一步。针对目前运动检测过程中更新数据量大、实时性不高的问题,提出了一种新型、快速的道路边缘提取方法。该方法首先利用数学形态学对原图像进行增强,然后通过Canny算子对增强图像进行边缘检测,最后采用Hough变换检测出二值图像中的道路边缘。实验证明,该方法准确性较高,可以减少后期运动检测的运算范围,提高运动检测速率。     

本期导读

<正>本期"智能控制与智能计算"栏目中,《一种智能汽车的实时道路边缘检测算法》,以无人驾驶汽车为平台,针对结构化、半结构化道路下无人驾驶汽车道路边缘检测问题,提出了一种智能汽车的实时道路边缘检测算法,经实验验证,该算法准确率高,可靠性强,能够准确完成     

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。     

智能型自动驾驶系统的多源信息融合算法

利用模糊积分方法融合高速公路上智能自动驾驶的多源信息，确定汽车应采用的安全运行模式，使之经过专家系统的知识推理，调整汽车运行中的可控参数值，为建立智能自动驾驶系统奠定了基础，并为具体实现智能型自动驾驶系统创造了重要条件，进而避免交通事故发生，提高道路的通行能力。     

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。     

基于滑动ROI的强鲁棒性实时车道侦测算法实现

车道线检测是智能交通系统(Intelligent Transport System,ITS)实现的重要组成部分,文章提出一种在复杂环境中的直弯道检测方法.首先采用带有自适应阈值的横向梯度算子对影像灰度图进行车道线资讯过滤,并采用模糊搜索策略修补过滤后的车道线资讯,提高系统鲁棒性及车道检测的正确率.然后采用滑动ROI(Region Of Interest)窗口策略统计车道边界资讯图梯度方向角,剔除异常梯度方向角的边界噪音资讯,同时采用影像关联方法减少冗余车道线边界资讯,以减少后续Hough转换运算量.直线车道部分提出一种快速查表的Hough转换方法,用于直线侦测;弯道部分引入双曲线对模型,其参数初始值承接于直线车道部分,并通过搜索策略最终确定其k参数,实现弯道部分的侦测.实验表明,此算法在路况复杂的环境中具有较好的鲁棒性,能够实时提供车道资讯信息.     

一种基于视觉的车道线检测与跟踪算法

提出了一种新颖的适用于自主驾驶系统的车道线检测与跟踪算法.该算法采用了广义曲线的车道线参数模型,能同时适应弯道和直道的检测.该检测算法最突出的贡献在于,没有仅仅使用单一方法求解各个参数,而是根据各参数的不同精度要求,分别使用自适应随机霍夫变换(ARHT)方法和禁忌搜索算法计算车道线模型中的各个参数,这样既准确计算车道线模型中的参数,也兼顾了车载系统的实时性要求.此外,为了提高算法的实时性,引入了多解析度的策略,以降低整个流程的时耗.最后,为了满足自主驾驶系统对稳定性的需求,还提出了一种基于粒子滤波器的跟踪算法.通过不同场景下进行的实验,充分表明提出的车道线检测与跟踪算法具有良好的鲁棒性和实时性,同时对不同的光照条件也有较好的适应性.     

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。     

基于线性逼近的车道线弯道识别方法

为提高车道线识别算法在大曲率弯道下的识别性能,提出一种基于线性逼近的弯道识别方法.基于车道线先验知识,利用改进的局部逆透视变换和Hough变换对车道线进行初步提取.根据初步提取结果,对未知区域进行循环线性逼近并提取车道线边界点.通过最小二乘法利用B-样条曲线完成车道线拟合.实验证明,该算法对大曲率弯道的车道线识别具有较高的精确性.      

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。      

基于车道的城市道路仿真数据模型

从满足城市道路仿真需求的角度分析了数据建模的特点,提出了一种能够较真实反映路面的平面剖分方法,结合车道数据模型,能够准确地描述车道的属性信息。该模型突破了传统平面道路描述的局限,能够描述道路系统的非平面部分。将实际道路网络分为多个道路等级,实现不同层次道路网络信息的互操作,为整个道路仿真系统数据库的建立提供了理论基础。同时也可实现基于低层次道路网络生成高层次网络拓扑的算法,为真实反映道路交通状况提供了可能。     

复杂环境下的夜间车道检测研究

夜间车道检测是汽车防撞系统适合在夜间工作的前提.分析了不同照明条件下夜间车道图像的特点,介绍了夜间车道的反射成像模型.根据模型特点,提出了一种基于光密度差的对数Prewitt边缘检测和Hough变换的车道检测算法.算法实验结果表明:该算法比白天典型的车道检测算法具有更好的夜间车道检测能力.     

考虑交通障碍的双车道扩展交通流模型

借助智能交通系统（ITS）,本文把扩展的车辆跟驰模型应用于双车道,建立根据确定规则进行换道的扩展交通流跟驰模型。通过改变发车车头间距,在开放边界条件下左车道有交通事故发生的时,重现实际交通中的交通流现象。数值模拟发现：双车道交通流模型能够有效的抑制交通流阻塞,提高交通流量。