基于机器视觉的智能车辆导航综述

基于机器视觉的智能车辆导航是智能车辆系统的关键,包括道路检测和障碍物检测两部分。结合国内外最新研究动态,本文主要总结道路检测和障碍物检测中的典型方法,并列出国内外具有代表性的一些智能车辆系统,同时详细介绍当前最具代表性的、美国军方研制的DEMOⅢ系统;最后指出基于机器视觉的智能车辆导航技术的研究与发展趋势。     

基于机器视觉的智能车辆前方道路边界及车道标识识别方法综述

为了全面了解国内外在基于机器视觉的智能车辆前方道路边界及车道标识识别领域的研究进展，文章介绍了近年来一些典型的基于机器视觉的道路边界及车道标识识别系统，对基于机器视觉的前方道路边界及车道标识识别方法进行了分类，对各大类方法中采用的不同技术进行了阐述，然后对基于机器视觉与其他传感器融合的识别方法进行了总结，最后就该领域的研究难点及发展趋势进行了简要论述。     

基于LabVIEW和激光雷达的智能车辆障碍物检测

将LabVIEW引入智能车辆研究与应用领域,提出基于LabVIEW和激光雷达的智能车辆障碍物检测系统。该系统采用激光雷达探测智能车辆前方的物体,测到的距离数据经串口传输至计算机（LabVIEW）后,由LabVIEW对数据进行处理和分析,完成智能车辆前方障碍物检测。该系统设计了激光雷达控制、串口VISA操作、数据采集、处理及存储、直角坐标和极坐标图像、障碍物检测等程序。实验结果表明,该方案是可行的,可以作为研究智能车辆技术的一种新的方法。     

基于视觉的车辆与车道线检测系统的设计

随着汽车的软硬件迅猛发展，智能驾驶已成为热门领域。为提高汽车的行驶安全性，发展环境感知技术至关重要，其中视觉传感器获取信息直观且成本低廉，已成为智能汽车提高行驶安全性的优先选择方式。据此，基于视觉的车辆与车道线检测方法，进行了系统设计，并以数字图像处理为理论基础，分析了车辆与车道线识别的步骤和检测，同时利用Python编写代码，经过运行达到了预期的设计目标。     

汽车智能雨刮系统雨滴检测方法研究进展

在雨雪天气,为了保证驾驶员前方视野清晰,各类车辆均需配备雨刮装置。汽车智能雨刮系统作为汽车高级驾驶辅助系统的重要组成部分,是智能驾驶领域研究重点之一。详细介绍了汽车智能雨刮系统中常用的两种雨滴检测方法,分别基于雨量传感器和视觉传感器来实现。详细阐述了传统的基于雨量传感器的雨滴检测方法的工作原理及其研究现状,分析了各种类型雨量传感器存在的主要问题。针对新兴的基于视觉传感器的智能雨刮系统,分析了雨滴特征及其目标检测方法的发展历程。基于视觉传感器的汽车智能雨刮系统可以和高级驾驶辅助系统的其他组件共用视觉传感器和硬件设备,极大地降低了智能雨刮系统的应用成本,但是在准确性、实时性和适应性等方面仍存在较多问题亟待解决。     

基于机器视觉的智能车辆障碍物检测方法研究

着重阐述基于机器视觉的前方车辆障碍物检测方法，首先根据公路上前方车辆的先验特征模型，建立障碍物探测的感兴趣区，以缩小搜索区域，随后提出一种新的对称变换算子，用于检测障碍物车辆的对称轴，并确定障碍物车辆的矩形轮廓，为进一步提高障碍物检测的实时性，采用递归模板匹配法对障碍物进行跟踪，试验表明上述方法是有效的。     

世界智能车辆行人检测技术综述

对世界智能车辆行人检测技术进行综述,重点介绍世界主要发达国家智能车辆行人检测技术的研究方法以及所采用的传感器,提出了智能车辆行人检测技术当前存在的一些问题,展望了今后的发展趋势。     

基于立体视觉的安全车距新型识别技术的研究

车辆行驶距离是交通安全的重要指标之一。安全车距的测量已成为智能交通领域的一个日益热门的研究领域。通过分析立体视觉的基本原理,标定CCD传感器的内外参数,提出了一种测量立体视觉的方法,建立了基于立体视觉和DSP的车辆距离控制系统。一旦车辆的速度和距离形成非安全关联,它就会发出警告,并上传数据或强制限速。该方法根据从左右传感器获取的目标车辆图像的不同坐标,识别特征点,计算到目标车辆的距离,分析车辆距离的安全性。实验结果表明,该方法测量范围宽,测量精度高,运算速度快,能够满足智能交通中安全车距测量的实际需要。     

基于机器视觉的车辆检测与参数识别研究进展

近年来公路交通运输快速增长，交通车辆的快速准确检测与识别对智能交通系统和交通基础设施运维具有重要意义。随着机器视觉和深度学习技术的迅速发展及其在目标检测领域的广泛应用，车辆目标检测和参数识别也取得新的突破。该文从车辆参数的识别方法和应用研究两方面梳理了机器视觉和深度学习在车辆检测与参数识别领域的研究现状、最新研究成果和未来发展趋势。在识别方法方面，将车辆检测方法分为3类：运动目标检测方法、目标实例检测方法和细粒度检测方法，系统总结了这3类方法的基本原理和各自特点。在应用研究方面，详细综述了基于机器视觉的车辆检测方法在车辆参数识别中的应用现状，主要包括车辆类别、车辆时空参数、车辆重量参数识别以及车辆多参数识别系统。最后对基于机器视觉和深度学习的车辆参数识别研究进行了归纳总结，并讨论了当前存在的挑战和未来可能的发展趋势。研究表明，对于不同的环境条件和车辆参数，应根据实际需要和各算法特点选择合适的车辆检测方法。目前方法仍局限于单参数或少量参数的独立检测，且识别精度和效率难以同时满足。后续研究应注重与新技术的融合，提高在现实复杂环境下车辆参数识别的精度、效率、鲁棒性及全面性，以使其更好地应用于工程实际。     

基于扩展卡尔曼滤波的车道融合跟踪

车道检测算法的研究是智能车辆自动导航的首要环节。与目前基于视觉的车道检测与跟踪系统不同,本文提出一种基于扩展卡尔曼滤波的车道融合跟踪方法。该方法利用毫米波雷达探测到前方车辆的距离信息,并采用扩展卡尔曼滤波技术和图像处理技术,建立车道跟踪的动态视觉窗口,提取车道边界,并判断前方车辆相对于车道的位置。该方法大大缩减了处理时间,且增强了系统的鲁棒性。     

智能车辆安全辅助驾驶技术研究近况

论述了安全辅助驾驶技术的研究现状、研究的必要性以及研究进展。安全辅助驾驶技术包括车道偏离预警与保持、前方车辆探测及安全车距保持、行人检测、驾驶员行为监测、车辆运动控制与通讯等。分析了各种传感器的优缺点及其在实际应用过程中存在的问题,基于单一传感器不能很好地解决安全辅助驾驶技术可靠性和环境适应能力的要求,应结合激光雷达技术解决图像模糊问题,利用红外传感器增强机器视觉识别的可靠性,未来的安全辅助驾驶技术应该采取多种传感器融合的技术,结合毫米波雷达和激光雷达系统具有深度测量精确的特点,将极大的推动汽车安全辅助驾驶系统的应用和推广。     

Road boundary detection and tracking for structured and unstructured roads using a 2D lidar sensor

Road boundaries can give useful information for evaluating safe vehicle paths in intelligent vehicles. Much previous research has studied road boundary detection, using different types of sensors such as vision, radar, and lidar. Lidar sensors, in particular, show advantages for road boundary extraction including high resolution and wide field of view. However, none of the previous studies examined the problem of detecting road boundaries when roads could be either structured or unstructured. In this study, we developed a road boundary detection and tracking algorithm using lidar sensing for both structured and unstructured roads. The algorithm extracts road features as line segments in polar coordinates relative to the lidar sensor. The extracted road features are then tracked with respect to a vehicle’s local coordinates using a nearest neighbor filter. The proposed algorithm accurately detected the road boundaries regardless of the road type.     

一种基于特征的车辆检测方法

提出了一种应用单目视觉进行车辆检测的方法。该方法以车辆阴影以及边缘作为检测的主要特征。在图像预处理中采用自适应双阈值以满足不同光照条件下的使用要求;利用能量密度验证提高车辆垂向边界识别的准确性;用可变模型用来规划车辆检测范围,以满足不同距离车辆的检测需要。为提高车辆检测的准确性及效率,在算法中融合了雷达的探测数据。试验验证表明,该方法有较高的车辆检测准确率,并且能满足智能车应用中的实时性要求。     

智能路面发展与展望

为了促进智能路面的发展,综述了智能路面各项技术的研究进展和发展趋势。首先提出了智能路面的定义,在此基础上明确了智能路面的体系架构,包括路面信息感知获取层、信息集成处理层、综合服务层和能量供给层;重点介绍了智能路面信息采集技术、信息管理与分析技术、能量收集与利用技术、自我调节技术和基于智能路面的车路协同技术等关键技术的发展现状,讨论了智能路面的设计和建造方法;最后提出了智能路面现有研究存在的问题和不足,并对其今后的发展做出展望。研究结果表明：智能路面是由特定的结构材料、感知网络、信息中心、通信网络和能源系统组成,具有多种智能,并且能够为人、车、环境提供服务的道路路面;智能路面的发展将有助于充分发挥道路自身潜力和适应未来的交通工具;在路面信息的采集过程中,传感器在耐久性和实用性等方面存在的技术难题仍需进一步解决;智能路面的各种能量收集和自我调节技术应着重解决低成本和高性能的问题;物联网、大数据、云计算和各种人工智能方法在智能路面的监测和管理过程中具有广阔的应用前景;智能路面作为一种新型的道路路面,其设计和施工可以结合建筑信息模型（BIM）、模块化施工、3D打印和智能压实技术,集合成一套新的建造工艺。     

无人驾驶电动游览车底盘集成控制研究

介绍了具有自动寻迹行驶和遥控行驶2种模式的无人驾驶电动游览车,该车采用光电传感器自动辨识行驶路径,自动完成寻迹行驶,且在自主行驶过程中通过超声波传感器探测技术自动检测障碍物信息,具有防碰撞功能,在底盘控制上实现了无人驾驶技术、轮毂电机驱动技术和线控转向技术以及防碰撞技术等的集成控制,对于实现车辆的智能驾驶具有重要意义。     

基于“互联网+”与“物联网”混合发展的智能网联汽车发展研究

汽车行业迅猛发展,大量新技术和设备应用其中,极大的推动了汽车行业发展。智能网联汽车作为现代企业行业发展的主要趋势,基于互联网+与物联网混合发展,基于控制器、执行器和传感器等装置,与通信技术和网络技术有机融合,可以实现数据云端传输共享,协同控制和智能决策,赋予驾驶人员更加高效、舒适与安全的驾驶体验。相较于传统交通出行方式,智能网联汽车出行方式更加安全可靠,对于推动汽车行业更高层次发展具有积极作用。文章重点就智能网联汽车发展展开分析,把握互联网+与物联网带来的技术优势,积极践行到实处,力求为我国汽车行业发展提供支持与参考。     

公路桥梁智能检测技术研究进展

为促进公路桥梁智能检测技术的发展，系统梳理了桥梁智能检测装备、智能检测方法、智能损伤识别算法、智能安全评价及养护决策的发展现状与趋势。综合分析表明：随着桥梁智能检测技术的发展，针对桥梁检测环境和构件特点，出现了包括无人机、移动机器人、环形爬升机器人、多功能检测机器人、爬索机器人、水下机器人、声呐探测装置等多种类型的智能检测装备。智能检测装备大多采用搭载的图像采集装置进行病害信息收集，其避障及抗环境干扰能力和图像采集精度是设备性能表征的关键；在智能检测方法领域，图像采集技术、激光点云扫描技术、全息摄影技术发展日趋成熟，探地雷达、干涉合成孔径雷达及声呐探测技术可作为桥梁基础及冲刷深度检测的有效手段；但以光纤传感、热成像技术、声发射技术、超声波检测、电磁传感为特征的桥梁检测新技术，其抗环境干扰的能力还有待提升，需要进一步的工程验证。随着桥梁智能装备能力的提升、智能检测技术的发展，不同类型海量数据的涌现，传统的从病害、构件、部件到结构的分层综合安全评价算法已不能适应，采用数字孪生技术进行结构状况的实时再现与评价，以多源数据融合技术进行区域级、路网级桥梁服役性能及抗灾韧性评价是桥梁智能检测与安全评估的主要发展方向。