基于轮胎特征点的并行大型车辆朝向角计算

针对自动驾驶环境感知中并行大型车辆朝向角预测结果稳定性差的问题，本文中提出一种新的方法进行并行大型车辆朝向角计算。首先，基于相机逆投影模型提出根据轮胎特征点图像位置计算目标车辆朝向角的计算方法。然后，在现有单目3D目标检测模型上增加并训练子分支用于进行大型车辆轮胎特征点的检测。最后，对本文算法进行可视化验证。结果表明，该方法可得到准确的并行大型车辆朝向角，具有比单目3D目标检测模型更好的稳定性。     

基于视觉信号提示的碰撞预警系统的人机交互界面

为了辅助驾驶员安全行驶,设计了一种基于视觉信号提示的碰撞预警系统的人机交互界面(HMI),向驾驶员提供车辆周围的危险方位和程度的信息。用STISIM软件,把视频采集到的实际交通场景,转化为虚拟场景,设计了一种固定式驾驶模拟器,在该模拟器的试验平台上,由25名驾驶员进行测试,用问卷统计判断主观感受,用STISIM软件测量碰撞次数、速度、纵向加速度、侧向位移、即碰时间(TTC)等数据,来评价该HMI的有效性和用户接受度。结果表明:参试者对该人机交互界面具有积极的主观感受,该系统工作时,驾驶员的驾驶操作更为平稳,碰撞次数有所减低。     

基于OpenCV的AEB系统车辆检测和预警研究

为降低汽车换道时碰撞事故发生概率,提出基于OpenO_4CV的AEB系统车辆检测和预警算法。首先利用Haar-like+Adaboost实现前方车辆的识别与检测,并结合粒子滤波原理建立车辆跟踪模型。然后基于单目视觉模型对前方车辆距离进行测量,根据障碍物与车辆的安全距离估测碰撞时间。最后,基于AEB系统进行车辆防撞预警测试,测试仿真结果表明,在不干扰驾驶员正常驾驶的前提下,即碰时间的TTC算法性能最佳,有效提升了前方车辆检测预警精确率。     

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。     

车载视觉导航系统中的交通标志识别技术

文章提出一种在车载视觉导航系统中实现交通标志识别的技术。该算法利用安装在车辆上的视频采集模块获取真实交通环境的视频,通过基于颜色—形状模型的目标检测算法和基于BP神经网络的识别算法,准确、实时地获得交通标志信息,并对驾驶员发出警示信息,从而达到进一步完善车载辅助驾驶系统和提高汽车主动安全性的目的。     

基于双车辆可变形部件模型的车辆检测方法

针对被部分遮挡车辆的漏检率高这一难点,在深入分析可变形部件模型的基础上,提出了基于双车辆可变形部件模型的车辆检测算法。该算法采用对图像分区域匹配和对匹配结果进行融合的方法来减少多车辆检测中被部分遮挡车辆检测的漏检情况。实验结果表明:该算法在部分遮挡车辆的检测中要优于已有算法,它明显地降低了漏检率,满足安全驾驶辅助技术应用中的实时性要求。     

Vehicle Rear-end Collision Warning Algorithm Based on Driver's Braking Behavior

利用图像式汽车行驶记录仪在北京市采集了大量自然行驶状态下的驾驶行为数据,基于追尾碰撞中的驾驶员制动操作行为,分析驾驶员安全与危险跟车状态和车辆状态参数之间的关系,利用Fisher判别分析法建立了符合驾驶员危险感知特性的车辆追尾预警算法.研究结果表明该算法总的判别准确率高达95％.     

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。      

基于红外光源的驾驶员眼睛特征提取

驾驶员疲劳与精神分散是引发夜间行车交通安全事故的主要因素之一,驾驶员服睛位置的快速准确定位是利用视觉方法对驾驶员的夜间驾驶状态进行监测和预警的前提。文中利用Otsu阈值方法分割驾驶员人脸,根据分割后的二值化图像进行水平和垂直方向投影确定人脸位置,并在可靠定位人脸区域的基础上,建立了眼睛位置检测的感兴趣区域。采用Harris角点特征提取的方法在感兴趣区域内进行眼睛位置的快速有效定位。实验结果表明,该算法具有很好的可靠性和实时性,为后续夜间驾驶员状态研究奠定了良好基础。     

基于机器视觉的客运车辆危险行驶状态辨识技术研究

为了提高客运车辆危险驾驶状态的辨识效能,提出利用机器视觉辨识危险驾驶行为。使用车载CCD实时采集路面图像,依据图像处理算法检测车道标识线的位置以及本车与前方目标车辆的实时距离,建立了车辆横向偏航辨识模型和车辆纵向危险行驶状态辨识模型;结合所建模型的辨识结果,确定预警方案。实车试验结果表明,所建模型能有效辨识车辆横向偏航和纵向跟车过近危险行驶行为,可用来降低潜在的危险驾驶行为,提高车辆在途行驶安全性。     

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。     

货运车辆主动安全预警系统

在科技高速发展与追求高效的当今社会,保证货运车辆行驶安全尤为重要,为了能够有效避免事故发生,在事故发生前给出提示预警至关重要。本文首先分析了组成货运车辆主动安全预警系统的高级驾驶辅助系统ADAS、司机驾驶行为预警系统DMS的组成以及关键技术。其次,定义主动安全预警系统能够预警的危险类型;通过整合ADAS、DMS系统获取的数据及视频结合主动安全预警算法,最终生成风险等级对应不同等级提醒驾驶员改正危险驾驶行为。最后阐述对货运主动安全预警系统的价值总结以及前景展望。     

机器视觉在汽车驾驶辅助系统中的应用

机器视觉是汽车驾驶辅助系统应用领域的重要技术,文章主要综述了机器视觉在车道检测技术、交通标志识别技术、车辆识别技术、行人检测技术和驾驶员状态检测技术等领域的应用,着重介绍了机器视觉技术在上述领域目前的研究现状,为机器视觉在汽车驾驶辅助领域的进一步研究提供了参考。     

基于AdaBoost算法的疲劳驾驶检测系统研究

为提高行车安全性,结合驾驶员人眼开度特征开展了疲劳驾驶检测系统研究,提出采用AdaBoost算法实现人脸及人眼的定位方法。驾驶员视频图像在动态直方拉伸和训练好的AdaBoost算法分类器作用下实现人脸、人眼定位;对获得的眼部图像进行边缘检测及轮廓提取,计算轮廓内像素点得到眼睛的开度信息;利用PERCLOS算法计算一段时间内驾驶员的闭眼帧数及眨眼频率比例,获得驾驶员疲劳状态。试验结果表明,该系统具有较好的抗环境干扰和实时性,能准确地完成疲劳判断。     

驾驶员在真实交通危险工况中的制动反应时间

本文研究了驾驶员在真实交通危险工况中的制动反应时间。通过对上海地区采集到的真实交通工况进行筛选和分类,得到6种典型的危险工况类型。对这6种危险工况,特别是"前车减速"工况中驾驶员制动反应时间进行了测量和分析。结果表明,驾驶员的制动反应时间随危险工况类型不同而不同。相对于由其他车辆导致的危险,当危险是由行人等易受伤害的道路使用者引起时,驾驶员的制动反应时间更短。在"前车减速"工况中,当车速上升、危险紧急程度增加或者在非路口行驶时,驾驶员制动反应时间有减小的趋势。本研究为开发适合我国特殊交通状况的先进驾驶辅助系统提供依据。     

汽车夜间安全行车的视觉增强装置--车辆辅助驾驶系统

车辆辅助驾驶系统最初来源于军事需求。为了实现战场夜间闭灯驾驶，降低被敌方发现的概率，满足战场上夜间快速隐蔽运输的需要，增强驾驶员的视野和视觉强度，一种车辆辅助驾驶系统——夜间安全行车视觉增强装置应运而生。例如，美军研制成功的驾驶员视觉增强器——一种安装在车辆上的红外影像仪，能够提高陆军战术轮式车辆的运输能力。     

汽车安全辅助驾驶支持系统信息感知技术综述

随着我国汽车保有量的激增,汽车驾驶安全日渐重要.围绕人-车-路系统中的人和路开发车载汽车安全驾驶支持系统受到广泛的关注.在智能运输系统的交通安全研究中,与汽车安全辅助驾驶系统相关的信息感知技术研究主要有:车辆状况检测、交通环境的检测、非常规条件下驾驶员视觉增强和对驾驶员的检测等.文中将对上述汽车安全辅助驾驶支持技术国内、外最新研究现状进行综述,并展望该领域研究动向.     

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。     

一种基于雷达和机器视觉信息融合的车辆识别方法

为提高先进驾驶员辅助系统对车辆前方环境识别的准确性,提出一种基于雷达和视觉传感器信息融合的车辆识别方法。系统工作前预先对毫米波雷达和摄像头进行联合标定,并确定雷达坐标系和摄像头坐标系的变换关系。车辆识别过程中,首先根据雷达信息确定图像坐标系中的车辆识别感兴趣区域;然后对感兴趣区域进行对称性分析获得车辆对称中心,并对车辆底部阴影特征进行分析处理完成车辆边缘检测;最后根据逆透视变换得到车辆识别宽度,根据识别宽度对识别结果进行验证。结果表明该算法具有较强的环境适应性和准确率,弥补了单一传感器在车辆识别中的不足。     

基于轨迹数据的交叉口相位切换期间危险驾驶行为实证分析

基于交叉口相位切换期间的车辆轨迹数据,分别根据单车和跟车行驶状态,识别和分析了相位切换期间可能发生的危险驾驶行为。通过视频拍摄和图像处理的方式,提取了曹安公路沿线3个交叉口共312条单车状态和四平路-大连路交叉口共449条跟车状态的高精度车辆轨迹数据。针对交叉口相位切换期间的危险驾驶行为特征,利用速度、加减速度、减速度变化率、潜在碰撞时间（TTC）等指标,研究在此期间车辆发生危险驾驶行为的特点和类型。对于单车状态下行驶的车辆,按停止、通过分类,依据减速度、减速度变化率、减速度变化率的峰值差等指标将停止车辆的危险驾驶行为分为紧急减速型、增强减速型和持续急减型,依据过停车线时间、速度、加速度等指标将通过车辆分为闯红灯型、超速过线型、激进加速型和持续高速型。对于在跟车状态下行驶的车辆,按前、后车不同的停止、通过决策组合分类,依据连续5个时间间隔（0.12 s）的TTC分析前、后车的危险驾驶行为及发生追尾事故的危险程度。针对识别出的危险驾驶行为类型,讨论车辆的关键行为参数与危险驾驶行为之间的内在关联。研究结果表明：单车状态下有17%的车辆存在危险驾驶行为,其中53%为紧急减速行为;跟车状态下有19%的跟车行为是危险的,其中停止车辆的比例是通过车辆的2倍以上。研究成果可进一步应用于驾驶行为模型的参数标定、基于车辆轨迹的交叉口安全评价以及预防危险驾驶行为的主动安全控制策略等。