车辆自适应车道偏离识别算法研究

针对车辆在行驶时由于车道线检测方法单一,导致对直道线和弯道线检测效果不一致,从而影响车道偏离识别效果的问题,基于摄像头采集到的图像信息,提出了1种自适应车道偏离识别算法。该算法对车辆在直道行驶时采用偏离判断基准线法,而在弯道行驶时采用基于触线时间阈值法,分别对行驶状态进行车道偏离判断,该算法既保证了计算速度,又保证了结果的准确性。为了验证所提出方法的有效性,采用仿真的方法,使用车道偏离识别算法获取的数据,通过比例-积分-微分(PID)算法对车辆行驶状态进行控制,得到车辆在预期车道内的行驶状况,以此证明了所提出的车道偏离识别算法的有效性。     

基于VBOX设备的车道偏离预警系统性能一致性验证方法

为解决目前车道偏离预警系统性能只能通过驾驶员主观感受去评价、难以通过客观数据去验证其性能一致性等难题,利用VBOX设备的定位及车道线勘测功能,获取车辆车道偏离预警系统触发时车辆与车道线的距离值,通过数据分析软件Origin对获取的多组数据进行统计分析,经过试验与分析验证,成功验证该车的车道偏离预警功能一致性较好。结果表明,本文提出的车道偏离预警性能一致性验证方法可行。     

基于优化最大类间方差法阈值分割与滑动窗口法的车道偏离预警

为了改善因传统边缘算子在车道线特征提取时鲁棒性差、传统霍夫变换弯道拟合能力较弱导致车道偏离预警率降低的问题，提出了一种基于优化最大类间方差法（OTSU算法）阈值分割与滑动窗口法的车道偏离预警方法。首先，使用遗传退火算法优化求解OTSU算法的最优阈值并调用整体嵌套边缘检测（HED）模型获取车道线边缘特征，将感兴趣区域转换成鸟瞰图形式；然后，使用滑动窗口法将车道线切分并逐个对窗口内的车道像素点进行二阶多项式拟合；最后，根据车辆与车道线的相对位置关系进行车道偏离预警以及弯道预警。试验结果表明，该方法的综合路况预警准确率为95.92%，检测速率可达34 ms/帧。     

基于小波分解的车道偏离预警算法研究

针对当前车道偏离预警系统成本高且精度较低等问题,提出基于小波分解的车道偏离预警算法。该算法利用车载CCD实时采集路面图像信息,运用小波分析对图像进行去噪和二值化处理,利用车道线对称性精确识别车道线,通过判定车道中心线所在位置辨识自车是否偏离车道。试验结果表明该算法能对主车的偏离进行准确识别,识别精度达到95.4%。     

基于主动转向与差动制动协调的双级预警车道偏离防止预测控制

在设计车道偏离防止系统时,为充分利用差动制动控制和主动转向控制,同时兼顾车辆行驶的安全性与驾驶员驾驶自由,提出了一种双级预警的利用主动转向与差动制动协调控制的车道偏离防止策略。当车辆危险程度较低时仅采用差动制动控制,保证驾驶员对转向盘的控制;当车辆危险程度较高时,采用预测控制实现主动转向与差动制动系统的协调控制,使车辆能快速地回到车道中心线。选取跨道时间来设计车辆偏离预警算法,并根据车辆转向系统的响应分别设定预警阈值。为保证车辆的稳定性,采用模型预测控制算法添加合理的约束,设计差动制动控制和主动转向与差动制动协调控制器。仿真与硬件在环试验结果表明,所设计的基于主动转向与差动制动协调的车道偏离防止控制策略在保证车辆行驶安全性的前提下给予了驾驶员充分的驾驶自由。     

识别驾驶人意图的车道偏离防避有界控制

为了防止车辆偏离车道导致交通事故的发生和避免车道偏离防避系统（Lane Departure Avoidance Systems,LDAS）对驾驶人行为不必要的干预,提出基于中心区操纵特性阈值法和基于D-S（Dempster-Shafer）证据理论的车辆偏离车道驾驶人意图识别准则,并运用CarSim/Simulink联合仿真对比2种识别准则的有效性。建立转向盘角速度为输入的车路模型,设计LDAS滑模转向控制器,基于预瞄点的侧向偏移量和横摆角速度设计LDAS的期望横摆角速度观测器,并与基于道路曲率和预瞄点侧向偏移量的期望横摆角速度的LDAS进行性能对比。运用相平面法确定保证LDAS车辆稳定性的前轮转向角最大值,并基于CarSim/LabVIEW RT硬件在环试验平台验证基于BP神经网络训练获得D-S证据理论的初始概率赋值的驾驶人意图决策算法的有效性。结果表明：所提出的识别准则能够及时识别车辆偏离车道时的驾驶人意图,为LDAS控制器介入赢得了宝贵的时间,所设计的期望横摆角速度观测器具有很好的稳定性,所提出的方法能够有效避免车辆偏离车道。     

车道偏离预警系统原理研究及未来技术展望分析

车道的偏离是交通事故的重要诱因,因此,利用车道偏离系统来进一步的减少交通事故率具有重要的实践意义,文章从车道偏离系统的工作原理出发,对车道偏离系统的原理进行了分析,对应用进行了阐述,同时,车道偏离系统的未来发展进行了展望,文章的研究对车辆车道偏离系统的技术应用拥有重要的意义。     

一种基于机器视觉的车道偏离报警系统

本文介绍了车道偏离报警系统及其国内外的研究现状,重点介绍了基于机器视觉的车道偏离报警系统。对基于机器视觉的车道偏离报警系统中的CPCI架构的硬件结构和车道线实时检测算法进行了描述,提出了一种切实有效的车道线检测算法。     

基于直接线性变换的车道偏离预警系统

为了提高车道偏离预警系统的检测精度及其便利性,提出了一种在感应区域内建立搜索窗口的车道识别算法,并利用数字图像处理及分析技术对所获道路图像进行滤波、增强及边缘识别处理,然后通过直接线性变换法将所获取的车道边缘信号的像素坐标转换为道路二维物方坐标,最后根据所获车道线坐标及汽车预设坐标显现汽车行驶状态,继而联系汽车驾驶状况,达到对汽车行驶状态的监控和对车道偏离的预警功能,具有良好的发展前景。     

基于人机共驾的车道保持辅助控制系统研究

车道保持控制系统是汽车安全辅助驾驶的重要组成部分,可有效提高汽车主动安全性、避免车辆无意识地偏离本车道。目前,大部分车道保持控制系统在工作时将驾驶人的操作视为外界干扰,没有考虑人机共驾阶段下驾驶人与控制系统的控制权分配问题,易造成人机冲突、影响驾驶人的驾驶感受。论文兼顾驾驶人与辅助控制系统各自优势,基于人机共驾技术对车道保持控制系统进行研究。构建基于安全行驶区域与最晚预警边界相结合的车道偏离决策模型,在保证其预警精度的同时降低计算复杂性,根据车辆行驶状态和路面附着系数动态调整预警阈值;研究串级MPC-PID控制策略实现对车辆横向位置的控制,将最优问题转化为二次规划求得目标前轮转角,利用PID算法完成对目标前轮转角的跟踪;引入共驾系数对车辆的控制权进行分配,研究共驾系数分配模型,以车辆状态误差和驾驶人转向力矩作为模糊控制的输入变量、共驾系数作为输出变量,降低辅助控制系统与驾驶人之间的冲突;最后,利用CarSim与Simulink联合仿真对所研究的控制策略进行仿真验证,结果表明共驾系数能够根据驾驶人的操作和车辆运行状态的变化实现动态调整,辅助控制力矩与驾驶人输入力矩变化趋势相同,在保留驾驶人一定操作的基础下可避免车辆偏离车道、降低人机冲突。     

Analysis of driver response to collision warning during car following

This paper describes research on drivers’ responses to a forward vehicle collision warning by driving simulator experiments in which 36 subjects were disposed randomly to the following three kinds of dangerous scenes while the subjects were intentionally distracted: closing to a preceding vehicle, sudden cut-in of a vehicle from an adjacent lane, and lane departure of own vehicle. The responses of the subjects to the warning against cut-in vehicles were analyzed. It is shown that the subjects could take proper evasive action, but the average brake response time was longer than those for simpler scenario tests. It is also verified that there were statistically significant effects of warning sound on the subjects’ response times.     

车道偏离预警系统研究概述

本文介绍了车道偏离预警系统的研究背景和近十几年来国内外开发出的一些典型的车道偏离警告系统,最后指出了车道警告偏离系统研究的发展趋势。     

基于机器视觉的车道偏离警告系统研究综述

介绍了采用智能车辆道路系统对策的车道偏离避撞警告项目和近十几年来开发出的一些典型的基于视觉的车道偏离警告系统,并就这种系统所采用的警告标准进行了总结,最后对车道警告偏离系统研究的发展趋势进行了简述。     

智能安全车辆技术前沿跟踪

通过对智能安全车辆技术的起源和发展介绍。并针对有应用前景的智能安全车辆技术如：车道偏离预警系统、主动纵向避撞系统和自适应巡航控制系统,逐一进行了深入分析;给出了系统功能的定义和实现原理,指出了关键核心技术和实现难点所在。为我国开展实施智能安全车辆技术提出了建议和技术路线。     

基于ISD4003的车道偏离警示系统语音报警实现

介绍了车道偏离警示系统的语音报警实现方法和MC9S12DP256单片机与ISD4003语音芯片之间的SPI串行通信原理,给出了MC9S12DP256单片机与ISD4003语音芯片的电路连接及软件控制,实现了车道偏离警示系统的组合放音的设计。     

基于相关向量机的换道安全性评估

针对传统换道预警系统算法存在的准确率和可靠率等问题,利用毫米波雷达、AWS视觉传感器、车载陀螺仪等设备搭建了试验车,在普通高速公路上对19名被试人员进行了实际道路驾驶试验,并从试验数据中筛选出近1000次换道行为数据.以3段式换道轨迹模型为基础,将横摆角速度统计值作为确定各个阶段曲率半径的依据,根据横摆角速度α= 0.05的上侧分位数确定可接受安全域的上限;并以换道持续时间的极大值为基准,通过分析12 s以上的换道过程,形成一系列控制点,采用B样条曲线规划确定了可接受安全域的下限.通过利用相关向量机(RVM)模型对换道过程参数进行估计,并利用7次多项式模型对换道轨迹进行拟合,然后将拟合轨迹与可接受安全域上限或者下限所围成面积与可接受安全域面积的比值作为预警参数,实现了对换道安全性的评估.利用真实数据对上述评估算法进行验证,结果表明,所提出的换道安全算法的评估结果能正确反映换道的真实安全性,并且与驾驶人的操作行为具有良好的相关性.      

大型营运客车在高速公路的换道安全性辨识

为了给大型营运客车换道预警系统设计提供参考,采用毫米波雷达、激光雷达、车道线识别传感器、GPS、视频监控系统以及控制器局域网（CAN）总线数据采集仪等设备,基于小型乘用车搭建浮动车采集平台。通过在试验线路上进行1.5×10⁴ km的驾驶试验,获取1 200余次营运客车的真实换道数据。以Jula提出的换道安全性模型为基础,结合营运客车的换道行为特征,通过分析换道进程结束后客车需要与周围车辆保持的安全距离,建立适合于营运客车的3类换道安全性识别模型（客车与自车道前方车辆、目标车道前方车辆、目标车道后方车辆）,并利用真实数据对3类模型进行验证。研究结果表明：客车换道持续时间均值为10.4 s,换道起始时刻与目标车道后方车辆的距离为10.0~40.0 m;所有换道样本中,73.3%的换道过程中客车速度要高于目标车道后方车辆,且超过90%的换道过程是由前方慢车引起;不同的速度区间下,车速和航向角联合变化情况下,驾驶人控制营运客车的横向偏移速度保持稳定,可认为客车驾驶人的心理预期换道进程存在固定经验模式,这与小型车换道的研究结论存在较大差异,传统的TTC预警算法识别率较低,在不同速度区间情况下,所提出的模型对客车与自车道前方车辆、目标车道前方车辆、目标车道后方车辆的换道安全识别评价准确率均超过了90%。     

面向多元场景结合GLNet的车道线检测算法

各种复杂环境下路面车道线的高效精确检测是自动驾驶领域中车道偏离预警系统的关键性技术之一。由于车辆实际运行环境的复杂性和路面车道线的多样性，现有方法在车道线检测的准确性和鲁棒性上仍需不断增强。提出一种面向多元场景结合GLNet的车道线检测算法。首先采用改进Gamma校正对待检测路面图像预处理，消减光照不均匀、夜晚等环境干扰，增强车道线纹理。然后为增强数据集的多样性，在LaneNet网络的基础上引入对抗生成网络DCGAN，构建GLNet网络模型。该模型采用编码-解码的网络结构提取车道线特征（车道蒙板和像素点），通过DBSCAN聚类算法将不同车道线划分为不同的实体，使用H-Net网络学习的视觉转换矩阵优化并拟合输出车道线。最后基于已训练好的GLNet权重模型对车道线进行精确提取，并在Tusimple数据集和自制数据集上测试验证。试验结果表明：该方法的检测准确率可达97.4%，相较于基于LaneNet网络的车道线检测算法明显提高；DCGAN网络的加入丰富了数据集类型，并提高了该模型的表征及分类能力；DBSCAN聚类算法的平均聚类时间约为0.016 s，相较于Meanshift算法运行效率更高。所提出的方法考虑了不规范、环境复杂等多种道路类型的车道线检测任务，提升了对复杂噪声与多元场景的处理能力，在车辆辅助驾驶领域具有较好的鲁棒性和适用性。