共查询到10条相似文献,搜索用时 46 毫秒
1.
2.
3.
4.
5.
鉴于基于视频处理技术的交通流检测系统需要进行摄像机的标定才能得到准确的车流速度信息,而传统的人工标定法无法满足道路监控摄像机发生人为转动时的这一要求,提出了一种基于参考图像与路面信息的的道路监控摄像机标定方法.该方法利用车道标线的宽度和间距以及一条垂直于车道标线的线段,即可估计出摄像机的焦距、俯角、水平偏角和距离地面的高度,同时,为了计算“病态条件”下的摄像机参数,提出了在焦距保持不变的情况下,通过旋转摄像机来获取一组合适的参考图像,再通过参考图像来实现标定.在摄像机发生人为转动的情况下,也能方便地通过参考图像和路面信息来实现重标定.仿真试验表明,该方法具有操作方便、计算简单精确的优点,且无需人工现场操作,大大减少了外业工程量. 相似文献
6.
为在道路设计阶段确定平纵组合与相邻路段线形对车道偏离的影响,并为减少因道路线形因素引发的侧碰、追尾甚至车辆驶出路外事故提供改善依据,基于真实的山区高速公路道路设计参数及周边地形,搭建驾驶模拟场景,利用驾驶模拟试验获取小客车车道偏离数据,并对应获取车辆当前所在路段及上、下游路段的线形参数。以车辆车道内行驶为参照,沿道路行进方向,将车道偏离行为分为左偏驶离车道与右偏驶离车道。因车道偏离受驾驶人影响,采用双层Logit模型,分别判定道路线形及驾驶人层的影响。研究结果表明:相比直线路段,曲线更易引发车道偏离行为,驾驶人易偏向于曲线内侧行驶;上游300 m路段曲率差越大、平均车速越大,则车道偏离的概率增大;相对于缓坡(-2%≤坡度S≤2%),行驶于上坡(S>2%)或下坡(S<2%)路段时,车辆车道偏离概率减小;车辆行驶于外侧车道的左偏驶离车道概率大于行驶于内侧车道;驾驶人因素对左偏驶离车道的影响比例为8.8%,对右偏驶离车道的影响比例为25.6%。研究结论可从组合线形角度帮助工程师设计更安全的山区高速公路。 相似文献
7.
在智能车辆的同时定位与建图中,视觉特征点法通过对特征点的提取和匹配进行车辆位姿估计,但当环境缺少纹理或动态变化时,场景的特征稀疏、稳定性差,基于自然特征定位易导致精度下降甚至定位失败。在环境中加入视觉标签可有效解决特征稀疏问题,但基于视觉标签的定位方法高度依赖人工标定,且常因视角变化出现位姿抖动,影响定位的精度。为此,本文提出了一种基于标签的车辆视觉SLAM方法,充分利用标签信息,引入内外角点约束降低标签位姿抖动,同时借助视觉里程计建立低漂移、全局一致的地图;在定位时基于标签估计车辆位姿,并联合优化标签地图与车辆位姿,从而构建低成本、高鲁棒的视觉SLAM系统。试验结果表明,本文方法使用内外角点约束有效降低了标签的位姿抖动,使标签建图精度的提升率超过60%,定位精度的平均提升率超过30%,显著地提高了基于标签定位的精度与鲁棒性,有利于智能车辆的安全运行。 相似文献
8.
9.