复杂环境基于多信息融合的车辆跟踪方法

平交路口复杂环境下基于视觉的车辆跟踪容易受到如车辆在图像上投影的尺 度变化,车辆的排队与消散过程中邻近车辆间的遮挡及分离等因素的影响.针对该问题, 本文提出了一种利用局部特征增强的Mean-shift 改进算法,利用SIFT 特征点对尺度、旋 转变化鲁棒的特性,将其与基于跟踪区域颜色特征的跟踪方法相融合实现车辆跟踪,较 好地解决了在车辆尺度、运动方向变化,以及遮挡情况下的跟踪问题.同时通过引入跟踪 车辆分离的判定条件,结合特征点聚类算法解决了相邻车辆发生分离时的判断及跟踪问 题.实验结果表明,在多种交通场景的车辆跟踪过程中,本文提出的算法有较好的鲁棒性, 定位结果更加精确.     

基于ST-MRF的自适应车辆跟踪算法研究

可靠的车辆跟踪是实现交通事件自动检测的重要前提,车辆跟踪中的车辆相互遮挡则是影响车辆跟踪结果的关键因素.为了解决这一难题,文中提出一种基于ST-MRF模型的自适应车辆跟踪算法.在ST-MRF模型中,把图像分成块,将相邻图像间的块通过它们的矢量联系起来,建立运动序列图像的时空马尔可夫随机场模型并且构造其相应的能量耗费函数,然后利用松弛算法实现目标地图最小化能量计算,从而解决车辆跟踪中的遮挡问题.实验结果表明,跟踪不遮挡的车辆时达到的跟踪成功率为95%,遮挡情况时成功率也可达到91%.通过实验得出以下结论:基于ST-MRF模型的自适应车辆跟踪算法能在交通量比较大,且车辆出现相互遮挡的情况下,能较准确地获得车辆跟踪数据.为以后的交通事件检测提供重要的数据基础.     

结合双向光流约束的特征点匹配车辆跟踪方法

针对复杂交通场景中动态光照变化、目标尺度变化和部分遮挡等因素带来的影响,提出了一种基于特征点的稳定可靠的车辆跟踪方法.针对运动车辆高速行驶时具有较大帧间运动的特点,构造KLT算法的金字塔模型,根据前向和后向跟踪偏移量,对稳定性较差的特征点进行剔除.同时,采用SURF特征匹配算法对目标特征点集进行更新和校正.最后,利用特征点之间的位置信息,确定目标的尺度和旋转变化因子,从而实现当前帧中目标区域的定位.实验结果表明,提出的车辆跟踪方法可以有效地解决复杂场景中目标形变和部分遮挡等问题,对尺度和旋转变化也具有较强的鲁棒性.     

一种改进的基于轮廓特征拐点的遮挡车辆分离方法

在传统的基于4类特征拐点的遮挡车辆分离方法的基础上进行改进,提出了一种基于8类特征拐点的分离方法．该方法以车辆常用的矩形模板为先验知识,首先对存在遮挡的连通区域提取边缘轮廓,并将轮廓上的特征拐点分为8类;然后在对相邻且同类的轮廓特征拐点进行合并的基础上,利用改进的车辆轮廓特征拐点的类型组合来实现遮挡车辆的识别和分离．仿真实验表明,本文所提出的新方法具有更好的鲁棒性和精确性,且方法简单,具有很高的实际应用价值．     

基于运动矢量的车辆实时跟踪系统

建立了基于摄像机、图像采集卡及计算机的车辆跟踪硬件系统.研究了基于运动矢量的车辆跟踪算法.作者首先进行背景初始化,然后,利用背景差法和检测线法对通过目标交通场景的车辆进行检测,进而根据三步法计算车辆的运动矢量,并进行车辆位置的更新和遮挡处理,实现了车辆的实时跟踪.     

基于小波分解的车辆视频检测算法

作为智能交通系统(ITS)的基础部分,车辆检测系统在ITS中占有很重要的地位,目前常用的基于视频的车辆检测方法主要有:灰度比较法、背景差法、帧差法、边缘检测法.本文在分析这几种方法的优缺点的基础上,提出了一种基于数学形态学滤波和小波分解的算法.该算法首先对视频图像进行形态学滤波,然后在虚拟检测区进行小波分解,通过分析小波系数来检测车辆,它计算量小,复杂度低,可正确判断有无车辆、完成车辆的计数,实现车流量计算.     

环形线圈实现电子警察对逆行闯红灯车辆的抓拍

电子警察执法在道路交叉口的应用越来越普及.然而由于常规的电子警察不能抓拍逆行车道的车辆,在路口红灯的时候,部分驾驶员根据长期驾驶经验,从逆行车道通过道路交叉口,逃避电子警察的抓拍,对正常行驶的车辆和行人都造成很大的危害.为了更好地保证道路安全畅通,减少道路交通事故的发生,研究在交叉口逆行车道设置方向性车辆检测器,对逆行车辆进行检测、拍照并处罚.     

基于机器视觉的车辆偏航预警系统设计

设计了一种基于机器视觉的车辆偏航预警系统。首先对图像进行灰度化、均值滤波、边缘增强等预处理,采用Ostu算法检测可靠的车道边缘;然后运用Hough算法准确识别不同环境、不同道路下的车道线;在此基础上提出了一种基于车道线斜率的车道偏航预警模型,并进行了试验。结果表明:模型可实时检测车辆运行状态并进行预警,具有较高的准确率。     

基于视频检测的车辆变道轨迹识别方法研究

采用Hough变换检测车道线,然后采用背景减差法对运动目标进行检测;目标车辆的跟踪使用改进的形心跟踪算法和模板匹配算法,对运动车辆的轨迹进行提取,计算已有车辆轨迹与车道线的距离;结合高速公路三种常见变道情况,对车辆变道进行定义;通过车辆轨迹与车道线距离方差判断车辆轨迹是否发生违法变道。实验结果表明,该算法能有效地识别车辆变道轨迹,且算法简单可靠。     

基于自适应背景更新的运动车辆检测技术

在基于视频的交通检测系统中，运动车辆的正确检测是关键，目前采用的典型方法是背景差分法。为了得到较理想的背景图像，利用基于动态信息窗口的自适应背景更新算法，解决了背景的复杂性问题，提高了对多车道上运动车辆检测的正确率。     

基于Darknet框架下YOLO v2算法的车辆多目标检测方法

针对道路车辆目标检测传统方法需随场景变化提取不同特征, 检测率较低与鲁棒性差的问题, 提出了一种基于Darknet框架下YOLO v2算法的车辆多目标检测方法; 根据目标路段场景与车流量的变化对YOLO-voc网络模型进行改进, 基于ImageNet数据集和微调技术获得分类训练网络模型, 对训练结果和车辆目标特征进行分析后进一步调整改进的算法参数, 最终获得更适合于道路车辆检测的YOLO-vocRV网络模型下车辆多目标检测方法; 为验证检测方法的有效性和完备性, 采用不同车流密度进行了车辆多目标检测试验, 并与经典YOLO-voc、YOLO9000模型进行了对比; 采用改进YOLO-vocRV网络模型, 选取20 000次迭代, 分析了多目标检测结果。试验结果表明: 在阻塞流样本条件下, YOLO9000网络模型检测率为93.71%, YOLO-voc网络模型检测率为94.48%, 改进YOLO-vocRV网络模型检测率达到了96.95%, 因此, 改进网络模型YOLOvocRV检测率较高; YOLO-vocRV模型精确度和召回率均聚集在0.95, 因此, 在获得较好精确度的条件下损失的召回率明显较小, 达到了很好的折中; 采用混合样本训练后, 基于YOLO-vocRV模型的车辆多目标检测方法的检测率在自由流状态下可达99.11%, 同步流状态下可达97.62%, 阻塞流状态下可达到97.14%, 具有较小的误检率和良好的鲁棒性。      

混合交通流交叉口共享空间交互行为建模及仿真

为准确刻画交叉口共享空间内交通个体的运动和交互过程，并为智能汽车虚拟测试提供可靠背景交通流仿真环境，本文提出一种混合交通流交叉口共享空间交互行为模型。基于人类认知过程，模型被设计为“感知-决策-执行”的3层通用框架结构，模拟混合交通流中不同类型交 通个体从感知、决策直至执行的交互全过程。感知层提出一种二维平面交互对象选择方法，通过个体感知范围和轨迹冲突有序筛选交互对象，表征冲突交互的动态性特征；决策层基于当前时刻的交互对象和实时交通环境状况，使用交互行为决策方法为不同类型的交通个体分别选择适合的行为进行交互；执行层通过计算生成执行当前行为决策所需要的轨迹、加速度等关键参数，共 同控制仿真个体按照行为决策结果在二维平面上运动和交互。基于智能汽车Opendrive高精度 路网，构建虚拟测试仿真平台，并将所提出的模型注入平台进行测试。仿真结果表明，模型能较 好地复现交叉口共享空间中交通个体间的交互。研究结果有助于为智能汽车虚拟测试提供可靠背景交通流环境，并进一步提高虚拟测试工具的测试可信度、测试效率及泛化能力。     

基于异构图学习的交通场景运动目标感知

为了提高无人车在交通场景中的运行效率和运输安全,研究了基于异构图学习的交通场景运动目标感知; 考虑实际交通场景中运动目标之间的复杂交互关系对目标运动的影响,基于异构图学习提出了交通场景中多目标检测-跟踪-预测一体化感知框架; 结合YOLOv5和DeepSORT检测并跟踪运动目标,获得目标的运动轨迹; 使用长短期记忆(LSTM)网络从目标历史轨迹中学习目标的运动信息,使用异构图学习目标间的交互信息,以提高运动目标轨迹预测准确度; 使用LSTM网络对目标运动信息与交互信息解码得到目标未来轨迹; 为了验证方法的有效性,在公共交通数据集Argoverse、Apollo和NuScenes上进行了评估。分析结果表明:结合YOLOv5和DeepSORT可实现对运动目标的检测跟踪,对交通场景中的运动目标实现了75.4%的正确检测率和61.4%的连续跟踪率; 异构图能够有效捕捉运动目标之间复杂的交互关系,并且捕捉的交互关系能够提高轨迹预测精度,加入异构图捕捉交互关系后,运动目标的平均位移预测误差降低了63.0%。可见,考虑交通场景中运动目标之间的交互关系是有效的,引入异构图学习运动目标之间的交互关系可以感知运动目标的历史与未来运动信息,从而帮助无人车更好地理解复杂交通场景。      

应用小波模历史图像的运动车辆视频检测

为提高车辆目标检测的稳定性和准确性,提出了基于背景减除和小波分解模历史图像的运动车辆检测算法.首先对原始图像进行小波分解,对低频分量用混合高斯模型和纹理特征相结合的方法,自适应更新背景并标记运动目标初始区域;然后,基于高频分量计算模值,并通过逐帧历史累积得到模历史图像;最后,利用车辆目标与阴影相比富含边缘细节的特点,对目标进行倾斜校正后,将目标边缘分别沿图像x和y方向投影,利用投影曲线将边缘信息与目标初始区域信息迭代融合,得到最终检测结果.实验结果表明,用本文方法检测车辆的捕获率达到99.0%,有效率为92.5%;与使用单一自适应背景提取方法相比,在实际交通场景中可有效处理阴影导致的多目标粘连问题,检测结果更准确.     

基于序列图像运动分割的车辆边界轮廓提取算法

为了准确获得图像感兴趣区中运动车辆的形状特征,提出了一种新的车辆边界轮廓提取算法.利用连续3帧图像,对包含同一运动车辆的图像感兴趣区进行光流场分割,以获取目标运动区域,通过平移运动区域的左、右边界获得正确的车辆区域及其封闭边界轮廓,通过放大运动矢量计算公式的阈值来提高其运行效率.试验结果表明:该算法可从具有复杂自然场景的图像序列中检测出完整的运动车辆边界轮廓,检测正确率在95%以上.     

面向动静态混合环境的智能车运动规划方法

针对存在动态和静态障碍物环境中的智能车运动规划问题，本文提出一种基于三维搜索的方法。该方法首先在笛卡尔坐标系中增加时间维度以建立时间-空间栅格，构建不同车速下的车辆运动基元；将智能车转化为多个圆心组成的线段，采用膨胀静态障碍物的方法进行不规则障碍物碰撞检测，运用时间间隔法将动态障碍物碰撞检测简化为线段交叉性检测；构建包含最大速度和加速度约束的速度启发式函数，用于引导搜索树在时空空间中快速到达目标位置和速度；最后基于启发式方法和局部运动规划方法在时空栅格中进行搜索，获取融合时间信息和“停止-等待”等决策信息的运动轨迹。实验结果表明：本文运动规划方法在动静态混合环境中能够引导智能车安全行驶，相比速度障碍方法，安全行驶的平均成功率提升23%；相比混合A*方法，平均成功率提升19%，行驶耗时缩短21%。     

基于动态时间弯曲的多模板匹配车型分类

针对环形感应线圈采集数据的特点,讨论一种基于动态时间弯曲(DTW)算法的车型分类新方法。由于采样波形与车速、车辆自身结构以及其通过线圈时的相对位置有关,导致实际同类车辆波形存在伸长、压缩,甚至波形残缺不全或局部振荡等复杂情况。为此,本方法首先对样本数据进行降噪滤波,补齐不完整信号等预处理;熟后结合DTW方法和最优聚类分析原理选取同类车型的多个模板,综合考虑误纳与误拒情况,可降低单模板匹配存在的误拒率;最后利用DTW算法和多个分类区分度指标进行多模板匹配,得出分类结论。论文仿真部分以一类车型为例,分析了本文方法与其他方法比较存在的优势。     

基于MATLAB的公路桥梁车桥耦合数值计算方法

应用达朗贝尔原理推导了两自由度车辆和桥梁的振动平衡方程,提出用龙格-库塔法和NEWMARK法来求解车桥耦合振动问题。针对NEWMARK法提出了求解分离的车辆和桥梁运动方程组的分析策略:在每一个时间步长内进行迭代计算并将桥梁的振动平稳状态作为收敛条件。利用MATLAB结合两种数值计算原理分别编制了车桥耦合计算程序。算例分析表明:两种方法的计算精度都较高;采用NEWMARK法求解时,在每个时间步内迭代计算至桥梁振动平稳状态是有意义的。     

考虑道路属性特征的中观排放模型研究

准确地对机动车排放污染进行量化评估是机动车排放控制策略制定的前提. 为提高模型计算精度,提出低速行驶比例的概念,用于描述车辆在路段上行驶时瞬时速度的分布特征. 在传统的VSP分布排放模型的基础上,纳入更多的中观影响因素,包括路段平均速度、路段长度、道路等级和低速行驶比例,采用多元回归方法构建一种新型的中观排放模型. 经比对,所建排放模型相对于传统VSP分布排放模型精度更高. 所建模型考虑的新增影响因素均较易获得,故可应用于城市大规模交通路网的排放计算,对提高城市路网排放计算精度,辅助机动车排放控制策略制定具有一定意义.