可溃式限高门架的开发研究

车辆碰撞限高门架后容易发生重大事故。参考车辆碰撞限高门架的事故特点以及驾驶员的心理特点分析,研究开发了一种可溃式限高门架,该门架具有门式结构,不但解决了门架损坏后伤害其他用路者安全的隐患,还能有效阻止车辆碰撞前方桥梁,降低桥梁受损几率。     

基于深度置信网络的多源信息前方车辆检测

本文中以深度置信网络为理论基础,提出了一种多源信息的前方车辆检测方法。首先将毫米波雷达和摄像机进行联合标定,确定两个传感器坐标系之间的转化关系。然后通过对毫米波雷达数据进行预处理完成前方障碍物的标签分类,获得前方车辆目标和其他类障碍物的数据。接着利用深度置信网络对数据进行训练,完成前方车辆的初识别。最终根据常见车型宽度和高度的统计数据获得前方车辆识别的验证窗口。实验结果表明,采用所提出方法前方车辆识别的正确率为91.2%,单帧图像的总处理时间为37ms,有效地提高了系统实时处理速度,尤其对阴天、夜间、轻雨或雾霾等恶劣的道路环境中的车辆有良好的检测效果,能满足汽车辅助驾驶对于准确性和稳定性的要求。     

基于深度置信网络的多源信息前方车辆检测EI北大核心CSCD

本文中以深度置信网络为理论基础,提出了一种多源信息的前方车辆检测方法。首先将毫米波雷达和摄像机进行联合标定,确定两个传感器坐标系之间的转化关系。然后通过对毫米波雷达数据进行预处理完成前方障碍物的标签分类,获得前方车辆目标和其他类障碍物的数据。接着利用深度置信网络对数据进行训练,完成前方车辆的初识别。最终根据常见车型宽度和高度的统计数据获得前方车辆识别的验证窗口。实验结果表明,采用所提出方法前方车辆识别的正确率为91.2%,单帧图像的总处理时间为37ms,有效地提高了系统实时处理速度,尤其对阴天、夜间、轻雨或雾霾等恶劣的道路环境中的车辆有良好的检测效果,能满足汽车辅助驾驶对于准确性和稳定性的要求。     

基于图像的车道线内车辆目标识别

为了获取本车道内前方车辆信息,文章提出一种基于HOG特征与SVM模型的车辆识别方法。根据检测出的车道线确定搜索区域,结合车底阴影特征实施车辆的检测并确定车辆可能存在的假想区域,针对假想区域进行HOG特征提取,构建车辆正、负样本库,将假想区域进行HOG特征输入到训练好的SVM识别器,实现车辆目标的识别。通过大量测试图像进行验证,结果表明文章采用的方法可识别出本车道内前方车辆目标。     

奔驰交通标志辅助功能介绍

正一、概述交通标志辅助系统通过平面或立体探测多功能摄像头识别交通标志(图1),并将这些标志显示在仪表盘及驾驶室管理及数据系统(COMAND)显示屏的导航系统地图中。除通过多功能摄像头进行图像检测外,该系统还会通过导航系统的地图资料对其进行验证。交通标志辅助系统在160km/h的车速范围内启用。现多个车型已为标准配置,如新款E-class(213)、     

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。     

复杂路面环境下前方车辆识别目标函数的选取

首先利用道路边界信息限定车辆的存在范围,以提高识别的实时性.接着根据灰度图像上车辆底部的灰度特征、方差特征和下边界梯度特征构造车辆检测目标函数,以指导在车辆存在区检测前方车辆.最后利用区域增长方法剔除由噪声引起的误判.实验验证表明,在复杂环境下该目标函数能够有效地消除大量无规则噪声的影响,并能准确地识别出车辆目标.     

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。     

机动车辆自动识别收费系统

介绍了一个机车辆自动识别收费系统，该系统采用计算机图像分析和识别技术以及人工智能，人工神经网络等先进技术对通过车辆进行牌照和车型的识别。现场实用结果表明该系统已基本达到实用化技术指标。     

基于LPR的车距测量智能感知系统研究

本文基于车牌识别系统，提出一种基于单目视觉的前方车辆距离测量方法。全文根据图像变换、模型成像、视觉测量等方法，分析研究LPR测距的理论，设计出单目视觉测距的应用模型。利用车辆几何特征信息定位前方车辆的位置图像信息，最终利用车牌信息测量前方车辆距离。     

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。     

基于双目立体视觉安全车辆间距测量技术研究

基于双目立体视觉原理,提出了一种安全车辆间距测量方案.该系统根据目标车辆在左右摄像头所获得的立体图像对应的不同坐标,计算出目标车辆到摄像头的距离.试验结果表明,该测距方案测量精度高、测量范围广,能满足智能交通中车辆安全距离测量的实际需要,是一种有效的前方车距测量方案.本文的研究方法,同样适用于对车辆前方其他目标物的距离测量.     

车辆前方行驶环境识别技术探讨

基于雷达和视觉技术对车辆前方行驶环境识别,进而判断车辆安全状态和实现纵向横行运动状态警示和控制,其是实现汽车安全辅助驾驶的主要技术途径。介绍车辆前方行驶环境识别涉及到的雷达和视觉的一些技术,其中包括雷达种类和适用场合,雷达检测障碍物的算法,车用图像的性能要求,基于图像特征和模型的车道线识别的方法,利用图像实现其他环境信息识别的方法。     

交通标志识别研究综述

基于计算机视觉的驾驶员支持系统在智能交通系统的应用中大致有三方面的作用:(1)道路识别;(2)碰撞识别;(3)交通标志识别。前两方面研究较多,并取得许多好的结果;但对交通标志识别的研究相对较少,由于交通标志包含重要的交通信息,利用这些信息可为车辆自动驾驶、车辆的安全驾驶提供计算机辅助决策,从而提高交通的安全性和运输效率。因此对交通标志识别的研究近年来引起了广大学者的浓厚兴趣。文章首先简要地介绍交通标志的有关知识以及交通标志识别研究的主要难点,然后根据交通标志的识别一般分为侦测和分类两个模块的特点,分模块详细地讨论了交通标志识别的研究现状以及应用情况,同时也指出了在当前应用中的一些不足,最后针对这些不足对交通标志识别下一步的研究方向进行了展望。     

基于信息融合的道路前方车辆识别研究

将光学传感器与红外传感器进行信息融合以识别道路前方车辆.首先根据光学图像信息进行保守识别以初步确定车辆目标.在对相应的红外图像进行通道处理的基础上,充分利用其温度场信息提取车辆目标特征以构建车辆验证函数.以车辆验证函数值为依据建立基于最小风险的贝叶斯决策分类器,对光学初识别中得到的车辆目标进行验证,从而成功实现了光学图像与红外图像的信息融合.试验表明该方法能够利用红外热图信息在光学图像保守识别的基础上剔除误判目标,最终得到较为准确的识别结果.     

基于CNN和HUD技术的交通标志提醒辅助驾驶系统设计

为了提高驾驶的安全性,维护交通秩序,文章应用卷积神经网络(CNN)和抬头显示技术(HUD)提出了一种提醒驾驶员交通标志的系统。首先通过红外摄像头做成的视觉采集器收集车辆周围交通标志牌信息,再传递给训练好的卷积神经网络,通过卷积神经网络进行对捕捉到的图像进行识别并生成提示信息,然后通过抬头显示技术将卷积神经网络生成的提示信息显示到车辆的前挡风玻璃上,从而起到提示驾驶员辅助驾驶的作用。     

基于Matlab分析的Gabor滤波技术和SVM在交通标志识别中的应用研究

本文将现代统计学理论中的支持向量机技术与Gabor滤波技术相结合,提出一种基于支持向量机的交通标志识别方法,并使用MATLAB工具设计出一个简单的实验验证平台。整个系统由图像处理、特征提取、SVM分类器3个模块构成。首先对数码相机采集到的图像进行色彩分割处理,将得到的GRAY图进行Gabor滤波处理,将提取到的特征量与数据库中的基准元素通过使用SVM算法进行分类,最终实现了对交通标志的准确识别。     

基于机器视觉的道路上前方多车辆探测方法研究

提出一种基于车辆特征的方法识别和跟踪前方的车辆。首先,利用车辆底部存在阴影的特征,在图像中确定可能存在的车辆区域。然后,通过分形维数计算该区域的纹理特征,排除非车辆区域。最后,利用车辆的边缘信息,通过投影变换方法,对候选区域内的车辆进行定位。此外,利用NM I特征法对定位的车辆进行确认。该算法对不同环境和光照条件下的车辆图片进行了测试,以及在高速公路上进行了实时跟踪试验,具有较好的鲁棒性和可靠性。     

大货车被卡铁架内 交警迅速救援

3月13日上午,在黔东南州镇远县境内,一辆满载货物的大货车在通过一处施工工地的铁架隧道时,由于货车驾驶员对铁架子限高3.8米与货车车身高度估计不足,导致驾驶的货车在通过时被卡在铁架子里面,动弹不得。附近执勤的交警立即赶到现场,对周边的车辆进行疏导,随后帮助货车司机联系到了施工方,叫     

基于多传感器的军用车辆前方目标提取和融合算法研究

在目标车辆识别算法中,通常采用单一传感器作为感知器件。不论是摄像头还是雷达,都因为自身缺陷导致识别出的目标不准确,给ADAS系统的决策控制带来困难。文章提出了一种基于视觉传感器和毫米波雷达相融合的目标识别算法。该算法利用多传感器信息融合技术,按照本车道前方最危险目标(CIPV)的原则,并结合滤波原理,对目标车辆进行识别、提取和跟踪,以剔除无效目标,保留唯一、有效、可靠、稳定的目标,为ADAS系统的决策控制提供依据。