识别阴影中智能车辆导航路径的神经网络方法研究

提出采用消阴影神经网络I和消阴影神经网络II来消除智能车辆导航图像中的阴影并识别出导航路径的方法。所开发的消阴影神经网络I和II均为3层结构，分别是输入层、隐层和输出层，采用自适应线性单元优化了网络的隐层节点数，文中也介绍了神经网络I和II的训练过程。在JLUIV—2型智能车辆上进行了实际路径识别试验，试验结果表明：连续使用消阴影神经网络I和II可快速有效地消除导航图像中的阴影，获得清晰可靠的导航路径。     

沥青路面破损图像测量方法研究

本文提出了一种路面破损图像测量方法,即将路面破损图像等分为64×64象素的子块,选取路面破损子块图像的灰度方差值描述子块图像特征,采用了神经网络分类器识别路面破损子块图像模式,并在路面破损子块模式识别的基础上,确定路面破损面积的测量方法。在测量裂缝宽度时,首先确定破损最严重的裂缝子块区域,然后对该子块进行中值滤波、二值化等图像处理,最后通过计数的方法确定裂缝的宽度。     

智能车辆转向变结构控制方法的研究

从车辆的转向动力学和预瞄运动学特性出发，结合转向系统的系统辨识，建立了车辆转向系统的线性模型。运用变结构滑模控制理论和多模型切换，使车辆转向控制具有良好的跟踪性能和鲁棒性。     

驾驶员驾驶行为监测中的面部定位方法的研究

在采用计算机视觉对驾驶员进行驾驶行为监测时，面部定位是关键技术之一。研究表明人脸皮肤颜色分量在特定颜色空间内具有特定的分布特性，为了解决人脸定位的实时性以及头部旋转不确定性等问题，本文给出了一种基于皮肤颜色模型的人脸定位算法。算法利用人脸皮肤颜色的分布特性来提取图像中存在的皮肤区域，试验证明了上述算法的有效性。     

沥青路面破损图像分割方法研究

提出了一种减少沥青路面破损图像识别计算量的图像分割方法。将路面图像等分为64×64像素的子块图像,并用灰度方差值描述子块图像特征。同时,设计了基于BP人工神经网络的子块图像模式分类器,利用子块图像模式分类结果所组成的矩阵作为路面破损图像分割结果。实验表明,该方法可较好地分割路面破损图像。     

一种机器视觉导航的智能车辆转向控制模型设计

提出了一种智能车辆转向控制模型，该模型采用路标的方向偏差和距离偏差作为输入参数，输出前轮转向角；采用了状态控制法，对外界环境的干扰具有较强的鲁棒性。实验表明：在20Hz的控制频率下，该控制算法在JUTIV－Ⅱ型智能车上表现出很好的效果。     

智能车辆视野及其图像变形矫正的研究

对ＪＵＴＩＶ－Ⅱ型智能车机器视觉系统的结构和该视觉系统产生的图像畸变的原因进行分析，提出并证明视野中等腰梯形区域的对角线交点就是经ＣＣＤ摄像机得到的矩形图像对角线交点的结论，根据该结论推导出机器视觉的图像畸变矫正算法，实验结果表明本文所研究的图像矫正算法可以有效地矫正导航路标的图像畸变，为智能车辆导航路径的识别提供了准确的图像信息。     

基于机器视觉的行车安全综合保障系统研究

驾驶员疲劳驾驶或精神分散容易导致发生车道偏离以及追尾碰撞等恶性交通事故，利用机器视觉技术监测驾驶员的眼部、嘴部、头部等器官的运动特征，建立基于驾驶员面部视觉信息的疲劳与精神分散状态综合量化评价模型，实现实时有效的动态监测和预警，并系统研究了本车前方车辆探测方法和安全车距的评定准则，实现防追尾碰撞预警。初步试验表明：当驾驶员疲劳驾驶、无意识车道偏离以及行车安全车距过小时，该行车安全综合保障系统能有效地对驾驶员进行警示。此外，根据行车安全保障技术领域的研究现状，还开展了道路上行人检测的技术研究，并取得初步成果。     

基于机器视觉的道路上前方多车辆探测方法研究

本文提出了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，在图像中获得可能的车辆存住区域。然后，通过分形维数计算车辆的纹理特征，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NMI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，具有较好的鲁棒性和可靠性。     

世界智能车辆研究概述

综合概括智能车辆的概念、研究目的、意义、应用状况以及当前世界上智能车辆的研究方向、研究范围。指出在智能车辆领域，结合我国国情，在某一方面或某些方面，进行深入、细致的研究，是我国学者努力的方向。