基于分段切换模型的点集优化车道线识别方法

针对车辆的横向运动偏差及相关安全监控技术存在缺陷的问题,提出一种基于分段切换模型的点集优化车道线识别方法。首先建立稳定可靠的分段切换车道线模型,然后利用单目视觉和毫米波雷达的传感器组合对车辆进行识别,筛选掉干扰车道线识别的无效候选点,如果缺少有效的识别点,则利用卡尔曼滤波和车道线等宽条件进行有效点的补充。实验证明,该方法能够准确有效的识别车道线,对于减少车辆行驶过程中安全事故的发生具有重要意义。     

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.     

基于深度学习的无人驾驶汽车车道线检测方法

车道线检测是实现当前汽车辅助驾驶和未来无人驾驶汽车的关键,深度学习技术在近年来迅猛发展,在图像识别、图像分割、语音识别及数据预测等方面都取得了出色成绩。结合深度学习技术对无人驾驶汽车环境感知中的车道线检测进行了相应的研究,提出一种基于深度学习的车道线识别算法。对比研究已有算法,针对其中的信息融合问题,提出了一种新的特征图上下文信息融合方法,将该方法与VGG(Visual Geometry Group)网络相结合提出融合上下文信息的车道线识别网络VGG-FF,进一步加入空洞卷积提出融合空洞卷积及上下文信息的车道线识别网络VGG-FFD。将该网络模型在公开数据集以及自制数据集上进行了性能测试,实验结果表明该模型具有良好的识别效果。     

基于分段切换模型的点集优化车道线识别方法

针对车辆的横向运动偏差及相关安全监控技术存在缺陷的问题,提出一种基于分段切换模型的点集优化车道线识别方法。首先建立稳定可靠的分段切换车道线模型,然后利用单目视觉和毫米波雷达的传感器组合对车辆进行识别,筛选掉干扰车道线识别的无效候选点,如果缺少有效的识别点,则利用卡尔曼滤波和车道线等宽条件进行有效点的补充。实验证明,该方法能够准确有效的识别车道线,对于减少车辆行驶过程中安全事故的发生具有重要意义。     

基于驾驶员行为的神经网络无人驾驶控制

针对铰接式自卸车的转向特性,提出了一种基于驾驶员行为的神经网络无人驾驶控制方法.建立了以激光雷达、角度传感器为主要环境信息的采集系统,通过分析铰接式车辆转向特征建立铰接式自卸车运动学模型和动力学模型,利用ADAMS动力学软件建立车辆动力学模型并进行车辆稳态测试.建立基于最优预瞄控制的人工神经网络控制算法的驾驶员模型,通过ADAMS-Matlab/Simulink联合仿真验证模型.最后搭建真实巷道环境进行直线路段回正实验和曲线路径跟踪实验,结果显示,该控制模型在变曲率路段中,横向位置偏差小于可通过路径宽度的10%,航向角偏差优化90%,表明该神经网络驾驶员控制模型收敛速度快,稳态特性好,具有良好的无人驾驶能力.     

基于多信息融合优化的鲁棒性车道检测算法

为了提高复杂环境下车道线检测的鲁棒性,提出一种基于多特征信息融合优化的鲁棒性车道线检测算法.首先构建了基于二次曲线空间道路模型图像中左右车道线数学模型;然后融合像素梯度值、梯度方向、像素灰度以及车道线结构等多特征信息,构造后验概率函数;最后采用基于免疫克隆策略的改进粒子群优化算法优化车道线模型参数,实现车道线提取.对实际道路图像的实验结果表明,引入多特征信息后,在道路中存在阴影、车辆和道路标记等干扰因素,以及车道线模糊、对比度较低的情况下,该算法也能快速准确地提取车道线,具有很强的鲁棒性.     

基于车道线直线模型的道路曲率估计方法

在车道偏离预警、防止及车道保持等基于机器视觉的驾驶安全辅助系统中,为解决单一直线模型无法预估道路曲率,而曲线拟合方法计算量大等问题,应用车道线直线模型,提出了一种基于远端直线拟合的弯道曲率估计方法,其特征在于车道线仍使用全局直线描述,估计曲率时对远端候选点进行直线拟合.由于保证了较多的候选点数量且使用Hough变换检测直线,以及利用跟踪、滤波等方法,算法在保证车道线检测鲁棒性的同时,基于远端直线拟合方法实现了对弯道曲率的相对定量估计.采用装有全球定位系统(GPS)的实车试验进行验证,结果表明:所提方法在增加候选点数量以提高曲率估计精度的同时,保障了算法的实时性.     

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。      

基于改进的暗通道先验去雾辅助导航算法

经典的去雾算法无法满足车道线检测的实时性和准确性要求,因此提出一种改进暗通道与边缘检测融合的雾天车道线识别算法。首先对有雾图像进行对比度增强处理,突出边缘、颜色等有效信息,基于道路先验信息对图像进行感兴趣区域处理,利用暗通道先验算法对静态约束图像进行去雾操作,并通过双边滤波器细化透射率图,得到清晰的去雾图像;然后引入动态约束理念,提取车道线可能存在的区域,借助Sobel算子检测动态约束后的车道线区域,提取车道线边缘点;最后利用Hough变换进行准确的车道线拟合。实验表明,改进的去雾算法得到的图像清晰度与对比度更高,满足了车道线检测的准确性与实时性要求;去雾及车道线检测算法平均处理时间为297. 305 ms,满足无人驾驶时间要求。     

基于实测的公路桥梁车辆荷载统计模型

基于动态称重系统获取的运营交通基本信息,依据轴组类型对所有车辆进行分类及筛选,建立了6种主要车型的车重、车距、车道交通量、轴重与轴距的统计模型,然后按损伤等效原则提供了6种车型的等效模型车辆,为桥梁疲劳可靠性评估提供了实用的车辆荷载模型.研究表明该建模方法能够准确描述交通荷载,建模过程与方法对同类问题具有普遍意义,可应用于建立各种交通状况下的疲劳车辆荷载模型或提供参考.     

一种移动车辆遮挡下的车道线检测方法

针对存在移动车辆遮挡等强干扰的情况,提出了一种基于轮廓筛选的车道线检测方法.首先基于轮廓角度和像素数目滤除非车道轮廓进而实现特征点粗提取,然后提取像素点的位置信息,通过设计一种基于相对距离与梯度的自适应双阈值筛选法进行车道线特征点的精提取,进而拟合车道线.实验结果表明,该算法具有较强的抗遮挡能力,且满足实时性要求.     

一种高速公路隧道交通流元胞自动机模型

针对高速公路隧道交通瓶颈,通过分析高速公路隧道区域通行环境特性,研究车辆行驶在高速公路隧道路段时的换车道、加速、减速等微观交通现象,在双车道元胞自动机模型STCA模型基础上,引入车辆速度控制条件和车道控制条件,提出了一种高速公路隧道交通瓶颈元胞自动机模型,分析了不同长度高速公路隧道对区域路段交通流的影响。研究结果表明：建立的模型能够模拟车辆在高速公路隧道区域的时空变化特征;高速公路隧道瓶颈会对紧邻瓶颈下游的特定长度路段的交通流产生缓冲作用;隧道路段区域的最大流量以及平均车速与无隧道路段区域相比,将会随着隧道长度的增加而逐渐降低。     

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。     

基于视觉和毫米波雷达的车道级定位方法

提出了一种基于视觉和毫米波雷达的车道级定位方法.利用机器视觉方法,通过摄像头检测车道线,并用圆曲线模型进行拟合;采用毫米波雷达检测道路两旁的静止护栏边沿,以获取道路的边界信息,采用低精度全球定位系统(GPS)获取当前道路信息,并对比车道线与道路边沿的相对位置关系,从而进行车道级定位.结果表明,针对中、高速城市道路及高速公路场景,所提出的车道级定位方法的定位效果较好.     

一种基于IPM-DVS的车道线检测算法

为了提高在复杂情形下车道线检测的鲁棒性,提出了一种基于IPM-DVS的车道线检测算法。首先,对视频序列中连续两帧图像进行IPM得到鸟瞰图像,对这两帧鸟瞰图像进行差值运算,对差值图像进行Sobel算子卷积,然后将卷积结果与鸟瞰图像进行DVS,实现车道线信息的分离,最后根据车道线特征信息进行滤波检测。通过阴影、水渍、逆光等场景对该方法进行测试,实验结果表明:该方法能在各种复杂环境中检测出车道线,具有实时性好、鲁棒性强、正确率高的优点,适用于无人驾驶智能车视觉导航。     

基于多通道融合和极线约束的道路检测与定位

计算机双目视觉道路检测及定位在实现无人运动平台自主导航中具有重要意义.根据双目摄像机系统模型,提出基于多通道阈值融合的车道线检测方法,融合车道线边缘和色彩信息进行图像阈值分割,采用透视变换和自适应动态滑窗法提取车道线像素,采用最小二乘法拟合道路模型并依据极线约束关系进行定位,投影至SLAM地图中.实验结果表明,算法在光照变化、阴影遮挡等场景中均能精确检测车道线,将车道线信息投影至三维地图可以有效地将车道信息与地图信息进行融合,提高了道路感知能力.      

基于云模型的信任评估研究

讨论了信任关系的随机性和模糊性共存以及相互融合问题。分析云模型描述不确定性概念的方法和实现定性语意与定量数值相互转换的算法,提出了基于云理论的信任评估模型—信任云。该模型提出云特征参数表达的信任传递和合并算法,在精确描述信任期望值的同时,通过熵和超熵刻画了信任的不确定性。相对于传统的信任评估策略,该模型获取的信任值包含更多的语意信息,更适合作为信任决策的依据。     

基于双向窗口特征提取技术的车道线检测算法

为提高车道线检测算法的准确性与稳定性, 提出一种基于双向窗口特征提取技术的车道线检测算法。融合运用Hough 变换与边缘分布函数技术得到车道线的直线特征点; 运用双向窗口特征提取技术获得所有车道线特征点, 包括直线部分与弯曲部分。获得直线与双曲线相结合的车道线模型: 在近视场, 应用直线车道线模型能获得较好的鲁棒性; 在远视场, 使用双曲线模型可有效检测出车道线的弯曲部分。实验结果表明, 相较于已有的车道线检测算法, 该方法可有效提高多种场景下车道线检测的准确性和稳定性。     

触发式车辆实时检测新算法

提出了一种使用高速公路路面纹理特征来检测车旁超车车辆的实时算法.在由单摄像机获取的序列图像中,算法片先利用标志线信息在待检测车道上设置一个检测窗口,并对窗口内路面的纹理特征进行建模;然后利用帧间窗口内路面纹理的连续性信息和相邻车道路面的相似性信息,根据异常检测函数来触发检测,判断检测窗口内是否存在感兴趣区域;最后根据图像中消失点和标志线的信息来确认感兴趣区域内是否存在超车车辆.实验结果表明:此方法能够及时准确地检测出从本车侧后方出现的超车车辆,算法计算量低,满足系统的实时性要求,并具备较强的鲁棒性.     

基于预训练蛋白质语言模型的氨基酸致病突变预测

依赖于临床标签的氨基酸致病突变预测方法通常由于标签存在跨基因的偏差、稀疏噪声等因素，出现性能膨胀的情况.为解决此问题，创新地在不需要标签的情况下，利用预训练蛋白质语言模型计算ClinVar数据库中突变位点的氨基酸概率分布，并基于此分布构造突变型与野生型氨基酸出现概率的对数优势比（LOR），使用一种全局-局部结合的高斯混合模型拟合LOR，从而无监督地计算突变致病效应概率分数（PPE）并推断致病性，最后给出预测的不确定性度量.使用与深度突变扫描（DMS）实验的相关性作为评估指标以避免标签泄漏等问题.模型评估结果验证PPE具有稳健的致病性预测性能，在2458个蛋白质上的接收者操作特征曲线下面积（AUC）平均值约为0.89，与4种DMS实验的平均斯皮尔曼相关系数约为0.44，优于大部分依赖标签的计算方法，且与高通量实验的性能相当.该研究为遗传变异的解释、疾病的研究、诊断和临床治疗提供了可靠的辅助工具.