城市道路交通动态检测数据融合算法实证研究

针对城市交通动态监测中单一类别交通检测器检测数据的局限性问题,基于城市交通数据检测系统不断完善的前提,依据城市交通运行状况分析需求,对多源动态交通检测数据融合算法进行实证研究,以地磁数据、GPS数据及视频数据作为数据源,运用多源数据融合法、基于LS-SVM的数据融合法和基于人工神经网络的数据融合法进行融合分析,并对比3种数据融合模型及其算法的性能,实证分析结果表明通过多源传感器数据融合处理后的数据比单一传感器数据质量有所提高,支持向量机和神经网络法的融合效果较为良好.     

����˫Ŀ�����Ӿ��ĵ��������ϰ����������

倒车引发的交通事故是主要的城市交通安全隐患之一,本文针对倒车安全及障碍物检测中传统机器视觉倒车图像存在失真,以及距离感知精度低的问题,提出了一种基于双目立体视觉的倒车环境障碍物测量方法.首先根据双目标定理论获取摄像头内、外参数并分析摄像头畸变情况,使用标定参数对双目图像进行校正,运用极线约束使双目图像平行共面,通过双目图像视差和三角测量原理获取图像中各目标的实际坐标,利用固定单一物体计算测量距离与实际距离间的误差,进行双目立体视觉倒车障碍物检测测量有效性研究.实验结果表明:摄像机横坐标与实际测量距离基本吻合,图像校正结果比较理想,图像共面且极线对齐,能有效检测出后方障碍物,并有效提高倒车环境感知能力和倒车安全性能.     

基于压缩感知的SIFT图像匹配算法的研究

针对尺度不变特征变换(SIFT)算法的计算量大、速度慢等缺点,提出了一种融合压缩感知的图像匹配算法。首先对目标图像和待匹配图像进行预处理,利用压缩感知技术进行图像压缩,结合SIFT算法提取图像的特征点,通过自适应阈值序贯相似性检测(SSDA)匹配算法进行图像快速匹配搜索,从而找到最佳匹配位置。     

调频高斯小波变换在INS/GPS系统中的应用研究

在INS/GPS系统中,对组合导航系统中各传感器进行有效的在线故障检测是保证信息融合算法可靠运行的关键.小波分析在突变检测上有其独特优势.据此,文中以某型INS和MS860 GPS组合系统试验数据进行分析处理,利用调频高斯小波变换方法后,系统航向误差方差由原来的0.1°减小到0.03°,速度的发散也极大地得到抑制.因此,调频高斯小波变换方法有效解决了INS/GPS中在线软故障检测的难题, 提高了INS/GPS系统组合EKF滤波的稳定性和精度.     

基于激光雷达的无人驾驶障碍物检测和跟踪

针对激光雷达动态障碍物检测与跟踪过程中聚类适应性差、实时性低和跟踪准确度不高等问题，提出一种自适应的密度聚类算法和多特征数据关联方法，分别用于检测和跟踪. 首先，对激光雷达采集的点云进行路沿检测、感兴趣区域提取和地面分割等预处理，去除无关点云；然后，基于自适应的密度聚类算法对非地面的点云进行聚类，完成障碍物点云检测；最后，利用加权多特征数据关联算法结合卡尔曼滤波器实现对动态障碍物跟踪. 通过实验表明:本算法能够根据10 Hz的激光雷达数据实现对障碍物准确、稳定的检测和跟踪，且聚类时间缩短32%.      

基于激光与视觉融合的车辆自主定位与建图算法

定位与建图是车辆未知环境自主驾驶的基础,激光雷达依赖于场景几何特征而视觉图像 易受光线干扰,依靠单一激光点云或视觉图像的定位与建图算法存在一定局限性。本文提出一 种激光与视觉融合SLAM(Simultaneous Localization And Mapping)的车辆自主定位算法,通过融 合互补的激光与视觉各自优势提升定位算法的整体性能。为发挥多源融合优势,本文在算法前 端利用激光点云获取视觉特征的深度信息,将激光-视觉特征以松耦合的方式输入位姿估计模块 提升算法的鲁棒性。针对算法后端位姿和特征点大范围优化过程中计算量过大的问题,提出基 于关键帧和滑动窗口的平衡选取策略,以及基于特征点和位姿的分类优化策略减少计算量。实 验结果表明：本文算法的平均定位相对误差为 0.11 m 和 0.002 rad,平均资源占用率为 22.18% (CPU)和 21.50%(内存),与经典的 A-LOAM(Advanced implementation of LOAM)和 ORB-SLAM2 (Oriented FAST and Rotated BRIEF SLAM2)算法相比在精确性和鲁棒性上均有良好表现。     

基于重力分量的道路坡度动态测量

基于MEMS(微机械)加速度传感器的测量原理,采用车辆行驶坡道上的重力分量进行纵向坡度的动态测量,并结合陀螺仪的信号建立基于扩展卡尔曼滤波的数据融合模型,推导出数据融合流程。利用标定后的传感器完成水平道路和坡道的实车试验,采集实车试验数据进行离线算法验证。重力分量法与双天线GPS测量的坡度差值在±1°上下波动,表明重力分量法能够获得实时动态纵向坡度,满足智能汽车识别环境信息的需求。     

基于GPS与图像融合的智能车辆高精度定位算法

车辆自定位是实现智能车辆环境感知的核心问题之一.全球定位系统(Global Positioning System,GPS)定位误差通常在10 m左右,不能满足智能车辆的定位需求;惯性导航系统成本较高,不适于智能车辆的推广.本文在视觉地图基础上,提出一种基于GPS与图像融合的智能车辆定位算法.该算法以计算当前位置距离视觉地图中最近一个数据采集点的位姿为目标,首先运用GPS信息进行初定位,在视觉地图中选取若干采集点作为初步候选,其次运用Oriented FAST and Rotated BRIEF(ORB)全局特征进行特征匹配,得到一个候选定位结果,最后通过待检测图像中的局部特征点与候选定位结果中的三维局部特征点建立透视n点模型(Perspective-n-Point,Pn P),得到车辆当前的位姿,并以此对候选定位结果进行修正,得到最终定位结果.实验在长为5 km的路段中进行,并在不同天气及不同智能车辆平台测试.经验证,平均定位精度为11.6 cm,最大定位误差为37 cm,同时对不同天气具有较强鲁棒性.该算法满足了智能车定位需求,且大幅降低了高精度定位成本.     

基于遗传粒子群算法的船舶航迹融合研究

研究利用遗传算子对粒子群算法进行优化设计,建立了基于遗传算子的粒子群算法多源数据融合模型。该模型克服了粒子群算法在训练过程中容易陷入局部极值的缺陷,得到了更高的学习精度和更快的收敛速度。利用多传感器检测到的目标船舶航迹点数据进行了融合验证,MATLAB仿真结果表明,基于遗传算子的粒子群算法融合模型融合后的目标船舶航迹点比各传感器单独检测到的目标船舶航迹点数据更加精确,更适用于船舶航迹的跟踪及预测。     

未标定图像序列的隐式曲面重建方法

为了提高未标定图像序列三维重建得到的几何模型的质量,提出特征点检测算法,以得到更多的匹配点.其主要思想是在首帧图像指定密集的网格,在网格点附近确定最容易跟踪的特征点,利用迭代方法得到子像素精度的特征点坐标,然后用稀疏特征集的金字塔Lucas-Kanade光流跟踪算法跟踪这些特征点,再用自标定算法,重建出相对均匀和稠密的三维点云,最后利用基于径向基函数(RBF)的隐式曲面重建算法,生成目标的表面模型. 多个图像序列的重建结果表明,本方法对纹理丰富的场景能够获得较好的重建结果.