基于LIDAR数据的道路平面线形拟合方法研究

阐述了LIDAR数据滤波与分类方法,提出了一种在原始离散点集中提取道路信息的基于既有知识数学形态学分类方法,结合LIDAR数据的特点提出了一种针对带状离散点云的定步长径向搜索方法以提取道路中轴点列并对点列进行道路平面线形拟合与恢复,试验结果表明,基于既有知识数学形态学分类方法能较好地从LIDAR地面数据点云中提取道路信息;从机载LIDAR数据的离散带状点云中拟合公路平面线形,所采用的搜索算法简单快速,运算效率高.     

基于车载激光点云的道路平整度检测新方法研究

路面平整度是评定道路路面质量的主要技术指标之一,传统的平整度测量方法检测效率低、劳动强度大,难以满足道路快速巡检和公路养护的需求。移动测量系统能够快速动态获取高精度道路点云数据,能详细再现道路的细节特征。因此,本文通过分析车载点云的精度特点以及国际平整度IRI的计算方法,提出一种应用车载激光点云进行路面平整度检测的方法,首先对车载点云数据进行预处理,沿轮迹带方向提取路面点;然后采用等间距邻域均值采点的方式获取路面高程值;最后使用路面高程值进行IRI计算并与高精度水准数据计算的标定结果进行对比。实验结果表明,车载移动测量系统能够用于路面平整度的快速检测。为道路三维快速巡检和公路养护提供了技术支持。     

基于高密度激光点云和深度学习的高速公路标线识别

道路标线的自动识别是智慧城市建设中急需解决的重要难题，也是绘制高精地图及无人驾驶所需的核心技术。提出一种激光雷达数据环境下高速公路常见标线自动识别方法：基于端到端PointNet语义分割功能自动提取道路标线点云；采用体素降采样及半径式离群点剔除去除路面噪点；应用DGCNN自动区分典型交通标线(实线、长虚线、短虚线、箭头、导流带),实现道路标线识别。应用京承高速公路某段激光雷达数据测试验证。结果表明：道路标线分类准确率达到94.73%,F1达到74.18%,AUC达到0.98。证明了解决道路标线识别方法的可行性，为智能驾驶环境下道路标线的自动感知和识别提供了一种新的思路。     

基于车道线虚线角点检测的行车安全视距测算模型

开展行车视距调查对于营运期公路安全评价至关重要,这对车载条件下行车视距检测提出了要求.针对现有基于车道线图像特征点所构建的视距模型精确度不高的问题,提出了1种以车道线虚线角点为关键特征的行车安全视距测算模型.在车载设备获取的图像预处理基础上,采用轮廓跟踪法对车道线虚线轮廓进行提取,通过设定轮廓尖锐度阈值以实现对车道线虚...     

基于视觉心理的山区公路曲线段视觉诱导与安全评价

基于视觉边缘理论,从驾驶员角度出发,采用在曲线段及曲线前直线段铺设干预标线的方法,对驾驶员进行视觉干预,以期改变车辆运行速度和行驶轨迹,进而起到预防交通事故发生,提高行车安全性的作用。分析了边缘率对车速、行驶轨迹的干预机理,选择特殊形式道路标线作为视觉干预的载体,对不同参数标线进行了驾驶模拟试验,分析得到最佳标线形式及参数。在此基础上,论文以温州某山区公路为背景,选取驾驶员注视点、心率、车速、行驶轨迹、横摆角速度等指标,进行视觉干预行车试验,并从以下几个方面对视觉干预效果进行对比分析:干预前后驾驶员注视点及心率变化;干预前后车辆入弯前减速起始位置变化;干预前后车速变化;干预前后车辆行驶轨迹变化。     

基于K-means算法的行人检测方法研究

行人作为交通事故易受伤群体之一,其安全保障越发受到重视.结合车载激光测距仪实时采集的车辆前方障碍物距离信息,提出基于K-means算法的行人检测方法.首先对激光测距仪接收的距离信息进行报文解析,形成激光云点图.其次,对激光云点图进行预处理,消除冗余数据.再应用K-means聚类算法对前方障碍物进行分类,最后建立行人宽度模型甄别行人目标.试验结果表明,基于K-means聚类算法能从激光云点图中快速提取行人目标,为汽车主动安全及交通安全研究提供基础.     

基于稀疏卷积神经网络的车载激光雷达点云语义分割方法

对车载激光雷达扫描得到的点云进行语义分割是保证行车安全、加强驾驶员对周边环境理解的重要手段之一。因为内存限制和大规模点云场景更加稀疏的特点,将传统神经网络的方法直接沿用到车载激光雷达扫描得到的点云场景中的效果不佳。本文中针对大规模点云的稀疏性,利用稀疏卷积神经网络对体素化点云进行特征提取。考虑到逐点处理分支抑制点云数据的密度不一致性导致的信息损失,另外设计了3D-CA和3D-SA模块,使稀疏卷积神经网络更好地提取特征。实验结果表明,与传统卷积神经网络的方法和将点云投影到平面的方法相比,使用稀疏卷积神经网络对大规模点云进行语义分割,可将平均交并比提升4.1%和3.4%,证明了该方法的有效性。     

山区城市道路匝道段纵向视错觉减速标线影响研究

为了能够使驾驶员识别到更多的信息获取充足的道路环境状态来保证安全行驶,驾驶员在行驶时需要关注道路上的各种目标,驾驶员视线点在其视野范围内呈一定分布规律,视错觉减速标线的应用对交通安全有着重要影响。该文通过实车试验的方法对设置纵向减速标线的鹅公岩匝道路段和未设置标线的匝道路段的交通流量、区间速度、驾驶员瞳孔指标和轨迹横向偏移量等试验数据进行采集,再结合鹅公岩大桥的道路线形等数据,分析试验路段的交通流特性、驾驶员生理行为指标和轨迹规律,得到在鹅公岩匝道路段设置纵向视错觉减速标线后对驾驶行为及交通流状态的影响规律。试验表明:在匝道路段设置纵向减速标线可以使区间速度的均值降低8.48%,大部分车辆轨迹偏移量一般为0.5～1 m,小于对比路段的1～1.5 m;利用聚类分析结合车辆结构和道路线形,将驾驶员前方视野平面划分为左前方、右前方、左远前方、右远前方、近前方和远前方6个区域。     

用于交通事故车辆运行轨迹再现的参数优化方法

以车辆真实停止位置为参照值建立目标函数,在参数优化搜索范围内,通过计算机循环迭代得出车辆停止位置的理论值并将其导入目标函数,直至目标函数符合迭代终止准则,此时迭代的初始值即为参数的优化值。通过上述方法优化车辆碰撞后瞬间运动参数,再根据二维碰撞模型计算碰撞前瞬间的运动参数,最后模拟车辆碰撞后运动轨迹。     

基于行车动力学的高速公路积水路段行车风险分析

近年来发生多起因积水产生的交通事故,为了研究高速公路积水路段小客车行车风险,综合考虑车速、驾驶行为和积水路段线形等因素,利用行车动力学仿真软件CarSim,建立了车辆动力学模型、道路模型以及小客车换道轨迹模型.在临界水膜厚度的基础上,结合车辆侧向偏移量和质心侧偏角,提出临界积水路段长度作为评价指标,通过改变道路圆曲线半径、超高、纵坡、车速和驾驶行为,分析了小客车在积水路段的行车风险影响因素,运用M atlab回归分析建立了积水路段小客车行车风险预测模型,对多雨地区高速公路某积水路段进行了行车风险分析.研究结果表明,所建立的风险预测模型在综合考虑车速、道路圆曲线半径、超高、积水厚度的影响下,能根据积水路段长度判别小客车的行车风险类型和严重性,其中侧滑风险回归模型相关性系数达0.962,侧偏风险回归模型相关性系数达0.753,为针对性提出道路安全管理措施提供了参考依据.      

基于序列影像种子跟踪的道路线自动提取算法

为快速建立道路精确的几何模型,利用车载移动测量系统获取的序列影像开展了道路边线自动提取方法研究.针对不同类型道路边线的特征,提出了一种基于序列影像种子跟踪的道路线自动算法.首先,对不同质量道路影像分别采用基于灰度信息和梯度信息的道路边线边缘检测方法;其次,采用线性回归模型拟合道路边线,以当前帧拟合直线为种子点,提出了基于种子直线的序列影像感兴趣预测方法,在此基础上对下一帧影像道路边线进行跟踪;最后,以高速公路和城市街区道路序列影像为例,开展了道路边线自动跟踪提取试验,结果表明此方法可以达到优于20 cm的精度,具有很好的鲁棒性.     

融合影像信息的LiDAR点云滤波

传统的LiDAR点云滤波方式都是基于点云本身利用其高程突变信息进行滤波和分类,仅依靠单一的数据源难以达到良好的滤波效果.文中融合影像信息的LiDAR点云数据滤波,通过影像分割后,提取分割对象内的形状和光谱信息,将矢量空间对象与点云套合后建立决策树辅助滤波.文中对建筑物、道路密集区进行试验,取得了较好的滤波效果.     

基于车载激光扫描与卫星图像测量协同的公路改扩建勘测设计方法研究

针对目前公路改扩建勘测设计项目受航空管制、人工上路实测难等因素限制而难以满足工期要求的问题,该文提出了一种结合车载激光扫描与卫星图像测量的公路改扩建协同勘测设计方法。利用车载激光扫描测量技术,快速采集既有道路高精度点云数据,处理得到设计所需的原有道路路面车道标志线、断面、中央分隔带等信息;基于车载激光点云强度信息识别出地面特征,作为卫星图像测量的地面控制点,以此生成所需的1∶2 000大比例尺数字线划地形图。试验结果表明:该方法生产的车载激光数据与卫星测绘的地形图可以高精度吻合,并满足公路改扩建工程定测与施工图设计精度要求,可以有效解决公路改扩建工程高精度信息快速获取难题。     

基于车载LiDAR数据的公路竖向净空自动化评估

现役道路基础设施管理过程中缺乏大范围区域内不同路段的现状或实时的竖向净空数字化资料，导致部分过高车辆撞击跨线桥或其他上空构造物的事故时有发生，造成了重大财产损失与人员伤亡。针对该问题，基于车载LiDAR数据构建公路竖向净空自动化评估方法框架。通过数据重构方法将复杂道路线形的车载LiDAR点云转化为简单的直线形式，利用基于线性索引的点云数据分块方法实现重构场景下车载LiDAR数据的条形、柱形与体素单元的快速分块，建立柱形单元非平面点初步滤波、基于K-Means与体素聚类的复杂LiDAR点云环境中路面优化分割流程。在基于条形单元划分提取道路边界后，利用体素聚类将路面上方点云进行划分。以提取的路面点云作为二维插值基准面，完成不同物体的竖向净空计算，并利用江苏南京市内的2条公路LiDAR数据的对算法框架进行测试。研究结果表明：所提方法在噪音存在的复杂LiDAR环境中可以有效分割出道路上方物体并完成竖向净空的计算；通过部分算法提取与人工标注结果的对比，显示公路1与公路2的竖向净空平均绝对误差分别为0.94、1.57 cm，具有较好的可靠性；在32 GB内存、Intel® Xeon® E5-1650 v4@3.6 GHz六核处理器的计算机上完成公路1与公路2竖向净空评估的平均时间分别为6.62、7.83 s·km^-1，算法效率可满足大尺度场景下的公路竖向净空自动化计算；相比于已有研究方法，所提方法框架考虑了车载LiDAR点云环境内的路面上测量噪音的存在，对变宽度路面条件复杂场景下的公路竖向净空评估具有更好的适用性。     

双车道公路小半径曲线段行车速度与行车轨迹关系研究

为研究双车道公路小半径曲线段中行车速度变化趋势及车速对行车轨迹的影响,建立了某村镇路段双车道公路3处曲线段的三维仿真场景,针对双车道公路运行车速离差大的特点,以小客车不同行车速度进行了驾驶模拟实验.为了保证数据精度,每段曲线提取31个断面.实验表明:车辆在车速较低时能以"减速—稳定—加速"的状态行驶,在车速较高时难以保持此状态;因驾驶员个体差异,曲线段行车轨迹主要分为"漂移"和"校正"两类;行车轨迹向弯道外侧最大偏移位于圆缓点处,向弯道内侧最大偏移位于曲中点处.同时行车轨迹侧向偏移量与行车速度呈正相关关系.     

基于激光雷达点云的道路几何信息提取与数字化建模研究

为实现快速、自动化的道路几何信息提取和数字化建模，基于激光雷达点云提出了一套从道路语义分割、几何线形提取到集成化建模的通用框架。首先，基于空间上下文特征基础框架，将局部特征的最大值和邻域均值进行聚合以作为局部特征，使用径向分布参数与三维坐标描述全局上下文特征，构建道路语义分割网络。其次，基于道路场景分割结果，通过体素降采样和半径滤波法减少点云数据量、去除离群点，并利用可变半径Alpha Shapes (VA-Shapes)算法提取道路边线，结合获取的边线横纵坐标，计算路段几何信息(路宽、纵坡、横坡等),使用inshape函数和插值法构建交叉口的数字高程模型。最后，采用Dynamo for Revit将道路几何信息导入并生成道路路线，通过Revit软件设计道路自适应族构件及不同类别基础设施族构件，实现精细化道路数字建模。利用开源数据集Semantic3D进行训练和测试，分析与评价道路几何信息提取效果。研究结果表明：所提出的算法总体准确度为95%,路面的单类交并比为97.9%,能够很好地实现道路点云场景的自动化语义分割；相比于传统的固定半径Alpha Shapes算法，VA-Shapes算...     

基于粒子群算法的改建道路纵断面自动设计研究

为改变现有改建道路纵断面设计软件拉坡设计人工耗时长、随意性大、主观性强、设计方案参差不齐的状况，本文首次提出了基于粒子群算法的改建道路纵断面自动设计，以提高设计效率、减少工程投资。文章在满足相关规范、路面改造方案前提下，以改造纵断面填挖方高度总和最小为目标函数，以纵坡长度、纵向坡度、竖曲线半径为约束条件，以变坡点的里程、高程为变量，利用粒子群算法原理，构建了基于粒子群算法的改建道路纵断面自动设计模型。研究结果表明：该设计模型达到了改建道路纵断面自动适应贴合现状道路高程、路面改造工程量最小的目的，当粒子群算法迭代次数达到400多次时，粒子适应度函数趋于收敛，当迭代次数设为500次时，可以获得满意的成果。实例验证表明：与传统的人工设计相比，算法自动设计的效率更高，自动设计过程仅需2~3s，拟合原地面线的效果更好，能节省近一半的路面加铺工程量，优化设计效果显著。基于粒子群算法的改建道路纵断面自动设计，可为道路改造设计及设计咨询提供了理论基础与技术支持。     

广告牌空间位置对驾驶人视觉的影响分析

以广告牌为代表的道路路侧设施信息纷繁复杂,给驾驶人带来视觉负荷,为确定路侧信息对驾驶人行车环境造城的影响,研究通过设计实车试验,将所有被注视的高立柱塔架式广告牌作为研究对象,以交通量、照明和空间位置等作为分类变量,利用Logistic回归模型,讨论分类变量是否对驾驶人捕捉广告牌有显著性影响。研究表明,广告牌空间位置对驾驶人视觉行为产生影响,右侧紧临道路设置广告牌对驾驶人视觉捕捉的比例最大。探究结论对广告牌的设置依据提供借鉴和建议。     

基于车联网BSM数据与路侧视频融合的港口集装箱卡车碰撞危险辨识方法

大型港口集装箱码头运输车辆调度频繁，堆场过道和交换区等区域视距狭窄，容易导致港口集装箱卡车与设施、作业人员和车辆发生擦碰事故。为提高智能集装箱卡车在港口密集区域的轨迹跟踪精度和行车安全感知能力，提出了一种车联网条件下融合车载终端基本安全消息（Basic Safety Messages，BSM）数据和路侧视频数据的集装箱卡车碰撞风险辨识方法。采用YOLOv5s算法提取视频监控范围内的目标车辆和作业人员，根据目标集卡大尺寸特点设计非极大值抑制锚框来提高目标识别准确度。运用透视变换原理将目标像素坐标转换成地理坐标，并应用Deep-SORT算法匹配每帧图像的车辆轨迹信息。应用交互式多模型方法（interactive multi-model，IMM）融合视频轨迹信息和车载单元（on-board units，OBU）定位数据，减小了目标机动过程中的观测误差。基于集卡融合轨迹结果，提出了1种新型的轨迹冲突风险评估模型，能够根据目标集卡与周围目标轨迹的相对运动状态实时感知车辆碰撞危险，该碰撞危险检测结果在实际场景中可通过路侧设备对车载终端和作业人员终端实时播发预警信息。针对集卡跟踪误差的实验结果表明:IMM自适应跟踪轨迹的平均均方根误差为0.29 m，比集卡自主跟踪轨迹误差提升81.05%；融合路侧监控视频与车载终端定位数据能够克服车辆自主定位系统在密集堆场环境下的误差增大问题。集卡碰撞危险辨识的结果表明:车辆碰撞危险识别结果（预设ETTC阈值为2 s）的召回率、精确度和准确度相对集卡自主感知分别提升了7.39%，4.27%，2.50%，更准确地辨识出了视线遮挡情况下的轨迹冲突风险。      

柴油乘用车实际道路排放的多项式回归模型

以车载排放试验数据为基础,对某柴油乘用车实际道路行驶速度、加速度、比功率、发动机转速、负荷、空燃比、排气流量、排气温度、燃油消耗量等影响因素进行了主成分分析,所提取主成分的累积方差贡献率达95%。通过多项式回归建立了柴油乘用车实际道路THC、CO、CO2、NOx排放与综合影响因素之间的回归模型。结果表明,建立回归模型的THC、CO、CO2和NOx排放预测误差分别为1.9%、6.2%、2.4%和2.7%,所建立模型的准确性较好。