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。     

基于视觉与激光雷达数据融合的前车识别研究

智能驾驶技术已经成为智能车的重要开发领域,这一技术实现的关键就是对车辆精确的环境感知,对周围物体进行准确识别,避免车辆在行驶过程中出现事故,在智能辅助驾驶系统起关键性作用。目前,单一传感器不能满足复杂工况下的路面识别,基于多传感器的数据融合(Multi-sensor Information Fusion,MSIF)可以提高检测效率,改善单一传感器检测不精确的缺陷,文章先对传感器进行标定实现多传感器的时空同步,对识别的物体进行检测判断,确定前车。实验结果表明此方法有利于提高汽车安全行驶性能,可以准确、实时地识别前方车辆,满足多工况下的前车识别。     

智能公路磁道钉编码差错控制技术研究

首先概述了磁道钉编码的结构和应用方式,在此基础上,为防止磁编码被误读,提出了基于海明码的磁道钉编码差错控制技术,阐述了磁编码差错控制技术的基本原理、具有差错控制功能的磁编码信息结构以及信息表达应用方案,并在交通部公路交通试验场和新疆塔城地区进行了道路试验和工程应用。试验应用表明,该差错控制技术可以保证磁道钉编码技术的稳定可靠应用,从而为车辆自动驾驶和辅助驾驶系统提供道路结构方面的准确信息,提高自动驾驶和辅助驾驶的稳定性和安全性。     

基于神经网络的智能驾驶模式识别研究

为满足智能驾驶汽车高级驾驶辅助系统(ADAS)功能研发和验证的需求,提高ADAS功能的准确性,设计了一款基于神经网络的智能驾驶模式识别程序,该程序由数据采集、目标检测、场景识别预测3个模块组成。数据采集模块利用ESR毫米波雷达、前置摄像头对交通环境及周围车辆的数据信息进行采集;目标监测模块通过控制算法选择判断触发各类ADAS功能场景的最可疑目标;场景识别处理模块以汽车制造商提供的大量自然驾驶数据的场景挖掘结果为依据,利用神经网络学习各类ADAS场景的特征行为,并通过约束条件对各类ADAS功能场景的识别结果进行实时判定。通过开放道路试验进行验证,结果表明,该程序的场景识别结果准确率可达到99.86%。     

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。     

斯巴鲁EYESIGHT驾驶辅助系统正式登陆中国

正10月21日,"2016斯巴鲁新安全技术发布会"在北京举行。在本次发布会上,斯巴鲁宣Eye Sight驾驶辅助系统将正式登陆中国市场。Eye Sight驾驶辅助系统是避免事故发生,以减少伤害为目的的驾驶辅助系统。它就像可靠的驶伙伴一样,通过两个模拟人眼的立体摄像头,来监测车辆前方的路况和车流信息。近似人类眼的立体摄像头,可同时识别视野内的多个目标(车辆、行人、自行车等),且除了距离以外,还以对方向、高度大小等指标进行识别。Eye Sight驾驶辅助系统能够提前预知碰撞事故风险、减轻伤害、为安全驾驶提供支持,可根据     

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。     

我国成功研发智能辅助驾驶系统

正3月26日,中国航天科工二院二部成功研制"基于深度学习的智能辅助驾驶系统",凭借方寸几厘米大小的嵌入式芯片,可以实现对环境的实时准确智能感知,在目标识别准确率方面达到世界先进水平。公开数据显示,智能驾驶目标识别准确率最高为90.55%,但处理一幅图片需要4秒;二部智能辅助驾驶系统的算法准确率为90.05%,处理一幅图片却只需要0.03秒。系列核心技术,包括多目标检测与识别、可行驶区域     

互联世界 BMW互联驾驶&全新iDrive系统

BMW互联驾驶BMW互联驾驶理念起源于上世纪70年代宝马为赛车运动研发的实时赛车数据监控通讯系统。从此,车辆与外界以及车辆自身系统之间的相互网络连接,以及基于此类网络连接的创新型信息、通讯和驾驶辅助系统,逐渐出现在宝马汽车上。在20世纪90年代,随着移动通讯业务和车     

奔驰驾驶辅助系统发展历程及典型故障两例

正奔驰的高级驾驶辅助系统ADAS可以在各种情况下主动或被动地为驾驶员提供支持(取决于系统配置),有助于提高驾驶安全性或者减少事故的发生频率。即使事故无法避免时也可以降低事故的严重程度,同时驾乘舒适性也有所提高。驾驶辅助系统利用超声波、雷达传感器以及摄像头识别车辆周围区域(图1),系统在需要快速安全操作时为驾驶员提供辅助,通过车辆信号装置控制对电子行驶控制执行干预(如:加速、制动、转向),在紧急情况发生前或发生时提示驾驶员注意该情况。     

车辆安全辅助驾驶系统发展概述

随着公路交通特别是高速公路交通的飞速发展,交通事故尤其是恶性交通事故呈不断上升趋势,交通安全越来越受到广泛关注。因此,研究车辆安全辅助驾驶系统,为汽车提供安全辅助驾驶功能,从而为减少常规车辆因驾驶员主观因素造成的交通事故提供智能技术保障。车辆辅助驾驶系统技术发     

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。     

基于人工智能算法的换道超车功能开发

随着汽车电气化、智能化的不断发展,汽车行驶的场景越来越趋于多样化和复杂化,从而促使汽车从辅助驾驶向智能驾驶不断创新。随着人工智能的引入,汽车智能驾驶功能越来越趋于实用,正在逐步实现向解放驾驶员双手、向车载高级驾驶辅助系统代替人脑进行复杂驾驶场景实时响应的阶段发展;高阶复杂场景智能驾驶功能则在辅助驾驶功能实现的基础上,针对驾驶员实际驾驶感受并结合人工智能算法实现向车辆复杂场景下的自动驾驶操作的方向发展。介绍了基于人工智能算法的换道超车功能开发,即通过换道条件的智能选择,使车辆以最佳方式自动完成换道超车过程。     

汽车前方静动目标状态转移机理与分类算法EI北大核心CSCD

为解决利用雷达回波实现静止目标和运动目标的准确识别这一驾驶辅助系统的关键技术问题,本文中基于地面目标运动状态转移机理提出了一种基于时间窗的汽车前方静动目标状态分类方法。在地面静动目标运动状态与转移机理分析的基础上,将目标分为静止目标、同向运动目标、反向运动目标、起停目标和未分类目标等5类,建立了在固定时间窗内的目标运动状态的转移状态机模型,并确定了目标状态转移的条件阈值和时间窗长度,最终在驾驶辅助试验车上进行了前方同向或反向行驶车辆、树木等静止物体和制动停车车辆等各种典型工况下的识别试验,为实现基于毫米波雷达的自适应巡航与自动紧急制动的驾驶辅助系统的工程化提供了技术支撑。     

大陆集团投资芯片公司Recogni，助力自动驾驶汽车“加速跑”

正大陆集团收购初创公司Recogni少数股权,同时,还会提供AI、车辆传感器和高级驾驶员辅助系统领域的专业技术推动该芯片公司的发展。大陆集团专家预计这款新型芯片可能在2026年开始批量投产。大陆集团收购了德国与美国合资的初创公司Recogni少数股权。该公司致力开发基于人工智能(AI)、用于实时识别物体的新芯片架构。这种未来的处理器将用于大陆集团的高性能车辆计算机和其它应用程序,以便在自动化和自动驾驶过程中更快速地处理传感器数据。     

浅谈倒车影像系统图像质量评价

倒车影像系统通过车辆尾部的摄像头提供实时的影像,结合倒车轨迹路径描绘成的辅助线,辅助驾驶员完成车辆停放。该功能近几年被广泛应用于车载辅助驾驶安全领域,现市面上有多种倒车影像系统方案,但各方案图像质量存在参差不齐的情况,本文对倒车影像图像质量如何评价,并结合实际用车时的应用场景进行概述。     

基于视觉传感器的ADAS纵向行驶工况识别方法研究

汽车先进驾驶辅助系统在应用时要根据不同的车辆行驶工况对车辆进行相应的控制,而准确的车辆行驶工况识别信号是合理的控制策略的基础.为了得到准确的车辆行驶工况识别信号,利用视觉传感器分别对车辆跟踪定位,以及车道线检测技术进行了研究.利用adaboost分类器检测出前方车辆;应用文中提出的基于坐标映射与定比分线并能够抵抗俯仰角干扰的测距方法进行车辆定位,验证结果显示该测距方法误差小于1m;再应用改进后的基于置信度判断与Kalman滤波技术的车道线跟踪检测方法进行车道线检测,并通过实车道路试验对此进行了验证,验证结果显示该车道线检测方法误差小于1°.提出1种基于PreScan的将所应用的车辆跟踪测距与车道线跟踪检测方法相结合的方法,用以实现汽车ADAS纵向行驶工况的识别,并通过PreScan仿真场景验证了该工况识别方法,结果表明该方法能够为ADAS提供准确的工况识别信号.      

考虑肌电信号的驾驶人弯道操纵行为分析

驾驶人是"人-车-路"闭环系统中的核心。近年来，研发人性化、个性化的汽车驾驶辅助系统逐渐成为行业热点。为了更加透彻地理解弯道驾驶行为特性，为弯道驾驶辅助系统提供功效评估与优化，提出了一种考虑肌电信号的驾驶人弯道行驶过程操纵行为分析方法。招募12名驾驶人在试验场标准路面上进行实车试验，其中包含6名专业试车师与6名普通驾驶人，要求驾驶人分别以30，40，50 km·h^-1的不同初速度驶入U形弯道并自由驾驶。试验过程中记录驾驶人颈部肌电信号数据和车辆运动状态数据，分析转弯行驶车辆侧向运动对不同驾驶能力的驾驶人生理体验的影响，同时进一步探讨不同类型驾驶人在不同入弯速度条件下颈部肌电信号与侧向加速度的关联差异特性。试验结果表明：相同工况下，专业驾驶人和普通驾驶人颈部肌电特征值存在显著差异，专业驾驶人颈部肌电信号特征与车辆侧向加速度呈现一定的线性关系；随着驾驶任务难度的增加，驾驶能力好的驾驶人能够较好地适应任务的变化，在进行纵侧向耦合操纵时能够较好地协调身体生理反应与车辆侧向运动保持较好的关联特性。研究成果为进一步探索并完善驾驶体验评价方法提供了新的研究思路，同时，可为汽车辅助驾驶系统功能设计与智能汽车行驶性能的用户体验测评提供技术支撑。     

基于双目视觉计算的车辆跟驰状态实时感知系统

双目视觉技术能够实现目标的识别与距离计算，在自动驾驶领域有很大的应用空间。然而，现阶段双目视觉存在光照干扰、遮挡、弱纹理区域歧义匹配等问题，影响其测量的准确性和可靠性。提出基于双目视觉的跟驰状态实时感知系统，该系统采用基于车辆跟驰模型的扩展卡尔曼滤波方法对车辆跟驰状态进行实时估计，包括跟驰距离、前后车速度差等。通过实际道路试验，证明了该系统能够识别并修正测量数据中的异常值，解决弱纹理区域误匹配问题。试验结果表明：25 mm焦距与12 mm焦距的双目系统跟驰间距测量值的平均误差分别为2.66%与9.14%；在相对速度测量方面，2种焦距系统的测量精度基本相同，平均误差均为1 m·s^-1左右。所提出的方法在自动驾驶车辆环境感知领域有较好的应用前景。     

现代卡车新技术--以奔驰Actros卡车为例介绍现代卡车的技术发展状况(续3)

SPA辅助寻道系统SPA辅助寻道系统是一套当驾驶员疲劳而游离其驾驶航线时可向驾驶员提供报警的电子系统。SPA辅助寻道系统可以防止由于驾驶员长途、连续驾驶车辆而疲劳以及疏忽和分心时产生操作失误而导致严重后果,通常适用于长途高速公路运输。驾驶员由于长时间驾驶车辆,当感到