基于单目视觉的区域交通智能车辆道路边界检测方法研究

基于单目视觉的道路边界检测由于其在车辆辅助驾驶系统中的重要应用价值成为当前计算机视觉和智能车辆领域最为活跃的研究课题之一。指出图像边缘检测现有算法的不足,采用领域平均法对图像进行平滑处理,根据图像的边缘特征运用Prewitt算子实现边缘增强,以获取精确的边缘信息。使用最大熵算法分割二值化图像进一步减少噪声,从而得到良好的道路特征图像数据。利用道路约束条件,建立视觉系统动态感兴趣区域(DAOI),运用改进的Hough变换最终识别道路边界。试验结果表明:本文所述算法不仅能准确、实时检测出道路板边界,而且能有效地抑制噪声,为区域交通智能车辆的换道和超车提供研究基础。     

基于双目视觉计算的车辆跟驰状态实时感知系统

双目视觉技术能够实现目标的识别与距离计算，在自动驾驶领域有很大的应用空间。然而，现阶段双目视觉存在光照干扰、遮挡、弱纹理区域歧义匹配等问题，影响其测量的准确性和可靠性。提出基于双目视觉的跟驰状态实时感知系统，该系统采用基于车辆跟驰模型的扩展卡尔曼滤波方法对车辆跟驰状态进行实时估计，包括跟驰距离、前后车速度差等。通过实际道路试验，证明了该系统能够识别并修正测量数据中的异常值，解决弱纹理区域误匹配问题。试验结果表明：25 mm焦距与12 mm焦距的双目系统跟驰间距测量值的平均误差分别为2.66%与9.14%；在相对速度测量方面，2种焦距系统的测量精度基本相同，平均误差均为1 m·s^-1左右。所提出的方法在自动驾驶车辆环境感知领域有较好的应用前景。     

基于机器视觉的道路斑马线检测

基于机器视觉对道路图像进行采集,随后使用MATLAB进行处理,包括图像的灰度化、二值化,高斯滤波,边缘检测,感兴趣区域划分和基于斑马线形态特征识别出斑马线。     

基于边缘对称性的车辆前方行人检测方法研究

利用视觉传感器信息丰富的特性，提出了一种基于边缘对称性的行人检测方法。利用Sobel算子和Hough变换确定车辆前方的感兴趣区域（AOI），然后提取感兴趣区域图像的垂直边缘，根据行人腿部的垂直边缘对称性确定垂直边缘对称轴，并结合行人形态特征以确定行人初始候选区域，最后采用灰度对称性和局部熵对行人候选区域进行目标识别验证。道路试验结果表明，该检测方法识别有效、可靠，并具有良好的鲁棒性。     

双目视觉技术在目标测量中的应用

给出了一种用于目标空间三维距离、方位信息探测的立体视觉系统实现方法。该系统根据双目视觉原理,利用预制三维标定物对图像获取系统的内、外参数进行标定,求出投影变换矩阵,根据图像识别结果运用灰度模板、连续性假设和对极几何约束进行识别目标的特征匹配,进而获得目标的三维信息。试验结果表明,该方法可以有效地获取目标周边环境的信息。     

基于道路特征的车道线识别算法分析及平台搭建

基于当前智能驾驶背景下道路特征模型的车道线识别现状,对应用于智能汽车的图像预处理中的灰度化处理算法、滤波处理算法和感兴趣区域提取技术分别进行对比分析,研究不同的图像预处理方法在车道线识别算法的应用适用性。对车道线实时提取算法中的边缘检测技术原理、道路特征条件转化算法进行综合运用分析,搭建基于道路特征的车道线识别算法模型,经过在Visual Studio平台验证,算法模型满足智能驾驶汽车车道线识别要求。     

双目视觉技术在城市道路路面裂缝检测中的应用

针对传统城市道路路面裂缝检测效率低下、成本过高等问题,提出了一套基于双目视觉与数字化图像处理的自动化检测方法。用一对CCD工业相机同时采集道路表面裂缝,再对图像进行数字二值化处理以提取裂缝特征点,根据双目视觉理论计算特征点的坐标,由此计算路面裂缝的最大宽度和最大长度,从而实现对城市道路路面裂缝的快速自动化测量。计算结果表明:被测路面裂缝的最大宽度与最大长度测量误差分别控制在10%和1%以内,符合相关技术标准要求,且检测耗时大为缩短。     

基于IPM和边缘图像过滤的多干扰车道线检测

在基于视觉的自动驾驶环境感知中,路面阴影、雨水、污渍和反光会对车道线识别和车辆导航造成干扰,针对此问题提出了一种基于逆投影映射（IPM）和边缘图像过滤的改进车道线识别方法。通过逆投影方法可以得到原始道路图像的鸟瞰图像,很大程度上增强了车道线的视觉特性并减少了干扰。同时提出迭代聚类分割方法对IPM图像中的灰度值进行分析,并保留与车道线颜色和形态特征最为接近的灰度点作为车道线边缘。随后提出一种搜索统计边缘图像中连续边缘区域的方法,通过分析边缘点并保留最长区域实现过滤道路干扰因素的目的。最后将该算法与其他常用车道线检测算法进行对比。研究结果表明：该方法可以更好地过滤路面各种干扰因素,有效增强干扰环境下识别模糊车道线、实车道线、虚车道线、弯车道线的能力,大幅提高了自动驾驶环境中的车道保持能力,并且由于该方法相比其他方法能够更加有效地去除路面干扰区域,因此识别车道线的速度得到大幅提高,可以满足自动驾驶对于实时性的要求。     

城市道路土基病害核匹配追踪识别算法

为准确识别道路土基病害以避免路面塌陷事故的发生,采用探地雷达对城市道路进行检测。针对城市非硬化道路和硬化道路土基病害出现的一般规律,首先通过维纳滤波器对探地雷达图像进行一维滤波,在滤波过程中,对增益函数进行倒谱域内的平滑处理,进而得到增强的雷达图像;然后,采用傅里叶变换、小波变换等信号处理方法,得到探地雷达图像在不同变换域的结果,并通过构建傅里叶核函数、多项式核函数、克罗内克核函数等不同的核函数字典,对探地雷达图像在不同变换域的结果进行匹配追踪,比较在不同核函数下的核匹配追踪序列;最后,通过比较不同核匹配追踪序列的差异,分别找出对道路土基水害和空洞病害类型敏感的核匹配追踪序列,通过该序列识别城市道路土基病害的类型。利用基于相关系数的病害度量算法比较核匹配追踪序列,判断城市道路土基病害发生的区域,并通过算法识别非硬化道路与硬化道路的地下病害。结果表明:病害类型及范围与实际情况相符,水害和空洞均能得到有效识别;通过5组城市道路探地雷达探测数据集验证了算法的有效性,识别准确率达到了99%以上;利用核匹配追踪算法处理探地雷达图像有助于城市道路土基病害识别,可减少路面塌陷事故的发生。     

1种基于平行直线对模型的车道检测方法

针对智能车辆安全辅助驾驶系统中利用单目视觉进行车道识别的问题,提出了1种基于平行直线对模型的车道检测方法。该方法根据高速公路图像特征构建平行直线对模型,在此基础上先利用 Hough变换提取直线,再由改进的级联 Hough变换检测出平行直线对的消失点,最后通过消失点和先验信息来提取当前车道线。使用M atlab对高速公路上不同路段、不同光照情况、不同车辆干扰下共150幅道路图像进行实验,检测精度达88.6%,平均检测时间为0.24 s。实验结果表明,这一方法在高速公路行驶环境下能较准确地检测出当前车道线,具有很好的光照适应性、抗车辆干扰性和一定的实时性。      

基于中介理论的车道线识别方法研究

以中介真值程度的数值化度量为基础,利用单个像素点的真值度,设计了新的图像去噪滤波算法。与经典算法相比,新算法具有较好的视觉效果。通过研究道路图像车道线的特点,采用中介距离比率函数来衡量像素点间相似程度,并设计了相应的图像边缘检测算法。与传统的道路图像边缘检测算法相比,新方法边缘增强效果显著。最后,基于道路直线模型,采用Hough变换实现了车道线的识别。     

隧道开挖支护质量3DZI检测技术及应用研究

为解决钻爆法隧道施工过程中隧道围岩及开挖支护质量难以快速、完整、准确检测的难题,通过对三维重建与全景展开图技术的融合与改进,提出基于3DZI技术(3D Reality and Deep Zoom Image)的隧道开挖与支护质量检测方法。通过用参数化流线与迹线方程构建网格化的设计轮廓曲面,建立三维轮廓与二维展开平面之间的映射关系,实现三维实景与平面全景展开图的信息协同与辨识;通过网格曲面法线方程与三维实景模型求交,实现对空间距离测量和体积估算,并生成净空偏差云图和断面图;通过求交修正后的网格曲面实现对图像无视差矫正拼接,生成高质量的全景展开图,用于还原记录围岩和初支表面情况,实现对表面物体长度和面积的测量。结果表明:该方法设备成本低且作业灵活,仅需在现场布置若干控制点后自由设站拍摄照片,可实现隧道围岩地质编录、超欠挖与初支工程量等量化检测,以及隧道塌方体积与大变形量的快速测定,并可揭示各项作业效果之间的因果关联性。工程现场应用表明:该方法检测结果能直观全面地反映隧道开挖支护效果及围岩地质情况,同时获得超欠挖分布规律和初支材料用量信息,可为隧道施工开挖与支护质量控制、动态设计提供可靠的信息化检测结果和依据。     

高速公路隧道火焰检测技术研究

高速公路隧道火焰检测从20世纪90年代以来一直是研究的热点问题之一。结合目前高速公路隧道中火焰检测技术的研究状况,针对性地对感温光纤、红外以及紫外探测方式在实时性、检测距离等方面进行论述,从火焰的视觉动态特征和静态特征2方面重点阐述利用视频图像处理技术进行隧道火焰检测的思路和特点。研究表明,利用视频图像技术并结合一些辅...     

高速公路广告牌对驾驶员视觉影响研究

以视觉特性的理论研究为基础,以广告牌距道沿的距离、广告视觉传达的基本要素（即文字、图形、色彩）以及版面编排等为分析对象,采用眼动仪测试了驾驶员在高速公路上行驶时,广告牌对其视觉的影响。利用眼动仪记录受试驾驶员在行驶过程中对广告牌的凝视时间及视角等数据,通过分析采集的数据,得出高速公路广告牌设置时距道沿的距离以5-6m范围为最佳,内容以多图片、大字体表示,且与背景颜色差异大为宜。     

基于图像分析技术的混凝土表面色差检测及评定

混凝土色差是混凝土结构外观质量检测与评定时的重要参数之一。目前,混凝土色差的评定主要依据检测人员的经验对混凝土表面颜色的均一性进行直观定性判断,其结果难以客观评定混凝土的外观质量。基于图像分析技术的应用,提出采用数码相机现场采集混凝土结构表面图像,对图像进行灰度转换,计算灰度图像的标准差,考虑人类视觉识别特征和拍摄环境的影响,建立混凝土表面色差的定量评价体系和方法。基于所提方法,对一混凝土结构的表面进行了对比试验,结果表明：该方法能有效检测与评定混凝土表面色差缺陷。     

基于卷积自编码的沥青路面目标与裂缝智能识别

目前基于深度学习的路面裂缝识别经常面临训练数据集小，以及路面图片标注成本高等问题，基于小规模路面图片数据集，利用卷积自编码（CAE）方法进行数据增强，开展包括路面裂缝在内的路面目标智能化识别方法研究。在传统图像几何变换数据增强的基础上，采用CAE重构图片方法对原始数据集进行两步骤扩增；利用卷积神经网络DenseNet，设置了不同数据扩增方法的对比试验；针对沥青路面裂缝图片背景较黑，裂缝特征不清晰，无监督聚类学习难度大等问题，采用了一种基于CAE预训练的深度聚类算法DCEC，对经数据增强的路面图片进行无标注的聚类识别。研究结果表明：经过DenseNet网络100代的训练，在同一测试集的测试下，基于原始数据集训练的网络分类准确度为78.43%，利用传统图像处理方法进行扩增后准确度为83.44%，利用所提出的图片增强方法进行数据扩增后准确度达87.19%；在保持扩增后数据集样本量大小相同的情况下，与几何变换、像素颜色变换等经典数据增强手段相比，CAE重构图片的数据扩增方法有较高的路面图片识别精度；CAE数据扩增方法较受训练数据集样本量的影响，利用传统方法将数据集扩增后进行CAE特征学习，重构后的图片样本更易被机器识别；相较于传统机器学习聚类算法，所提出的的DCEC深度聚类方法将聚类准确率提升了约10%，初步实现了无需人工标注的路面目标的端到端智能识别。     

红外国像处理在汽车昉撞系统中的运用

基于红外图像的视觉处理,提出了新的汽车夜视安全控制方法.通过对车载热像仪所拍摄的红外图像的一系列处理,包括图像滤噪、图像分割和图像分析,得到前方车辆的排气管的形心坐标.根据这个坐标和已知的参数,建立测距几何模型,可以实时得到本车与前车的距离.指出将这一控制识别方法可以用在汽车防撞系统中,具有一定的应用前景.     

路面裂缝自动识别系统开发中若干问题的探讨

通过对比分析几类路面数据采集传感器，提出了基于CCD摄像机的路面裂缝识别技术，研究了如何利用数字图像处理技术解决路面裂缝自动识别的问题。此外，针对利用并行处理提高系统实时处理能力、测距技术和辅助照明系统等几个关键技术进行了探讨。这些问题的解决，对该类系统的开发具有重要意义。     

半挂车承载轴偏斜角对车辆行驶性能影响及检测方法研究

半挂车承载轴偏斜会造成汽车的偏驶现象,为保持半挂车具有良好的技术状况,使其安全、低消耗的运行,最有效办法就是定期对半挂车承载轴进行检测和维修。在分析了半挂车承载轴偏斜角产生的原因及其对车辆使用性能影响的基础上,采用激光测距仪测出左右车轮边缘到半挂车铰接点的水平距离和光电编码器测出激光测距仪所转动的角度,利用距离和角度关系,建立了半挂车承载轴偏斜角的检测数学模型,通过研究,提出了承载轴偏斜角对车辆行驶性能评价的检测方法,为进一步研究承载轴偏斜对半挂车性能的影响提供了理论依据。     

总线式车身控制系统的规则化建模方法

提出一种新的汽车车身控制系统建模方法,采用汽车总线技术构建车身控制网络,用规则化描述方法进行建模。将组成系统的对象分解为多层,用逻辑规则表达式来描述系统对象之间的逻辑控制关系,用消息来传递控制关系。该方法易于理解和掌握,可降低系统设计与开发的难度,提高系统的可靠性和易维护性。