基于灰度图像的复杂环境下智能车辆道路边界识别

对于智能车辆在一些常见复杂环境下的道路识别,传统的预处理过程要对图像进行二值化,造成大量有用信息的丢失.文中直接利用灰度图像上道路边界的灰度及其梯度信息,构建基于小块统计的目标函数,用于评价道路边界的拟合质量,起到滤波的作用,有效地剔除复杂环境下的各种不规则纹理噪声.试验结果表明,本方法能有效地消除光照条件和树木阴影等因素的不良影响,准确地识别直线或弯曲道路边界.同时由于无须对图像进行预处理,大大提高了识别的实时性.     

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Top-Hat-Canny的汽车前视摄像头图像边缘检测方法研究

针对汽车前视摄像头(Forward View Camera)拍摄存在噪声及光照不均匀的问题,提出一种基于顶帽算法TopHat Canny的多重边缘检测图像预处理方法。通过对前视摄像头拍摄的道路行人、车辆及障碍物的图片进行分析,采用小波阈值算法分别对彩色图像(Red-Green-Blue,RGB)3个空间分量进行滤波去噪,并经加权平均法对重组的3个分量灰度化处理后,采用Top-Hat-Canny多重边缘检测方法对图像进行处理。实验仿真结果表明:该方法可以有效地解决噪声及光照不均对图像边缘检测带来的影响,为后续目标识别工作提供基础。     

数学形态学和多尺度分析的路面裂缝提取

针对路面图像对比度低、背景纹理复杂、噪声多的特点,首先通过设计一种频域滤波器进行滤波,去除部分噪声,增强裂缝图像和抑制背景的干扰;其次基于多尺度分析的优点,选取不同尺寸的结构元素进行形态学运算,进一步去除噪声及伪裂缝;最后进行Beamlet变换,对不同尺寸、不同位置和方向的裂缝目标进行精确逼近,重构裂缝图像从而提取目标。试验结果证明了该方法的有效性,取得了比较好的效果。     

基于CCD参数智能调节的车道线检测

在分析传统Hough变换优缺点后,提出一种基于CCD参数智能调节的车道线检测方法。通过建立图像特征区域,调节CCD的亮度、增益和曝光时间等参数,增强车道线与周围道路的对比度,减少路面噪声;在此基础上提出改进的Hough变换算法,对整幅图像进行种子点的选取与归类,再对每组种子点进行Hough变换,最后通过一定的角度约束提取车辆当前运行车道线。道路试验验证了该方法的有效性、实时性和准确性。     

基于视频图像的车辆灯光状态鉴定方法研究

违法使用车辆远光灯是导致夜间道路交通事故的重要原因之一,针对当前道路交通事故中车辆灯光状态鉴定方法存在的不足,本文基于视频图像,从车载监控视频和道路监控视频两个角度分析视频图像中目标车辆前照灯光斑特征、目标车辆前照灯灯光在道路环境参照物上的投影光斑特征等信息,比对分析视频图像中远光灯、近光灯反馈信息的异同点,总结基于视频图像的车辆灯光状态鉴定方法,为道路交通事故处理过程中充分应用视频物证提供技术保障。     

路面冲击输入下车内噪声主动控制

针对基于LMS算法道路噪声主动控制在面对冲击性噪声时性能骤降的问题，建立了基于滤波-x最小平均绝对偏差（FxLMAD）算法的道路噪声主动控制系统，以控制路面冲击输入下的车内噪声。首先对路面冲击输入下车内噪声特性进行了分析，发现其噪声是非高斯的，且更符合α稳定分布。接着对基于FxLMAD算法的噪声主动控制进行仿真，结果表明该算法在达到良好降噪效果的前提下还拥有结构简单、计算量小的优点。最后，搭建了车内噪声主动控制系统并在某燃油车上完成了冲击路面的实车道路试验。结果显示，基于FxLMAD算法的车内道路噪声主动控制系统在50～500 Hz范围内的总声压级降噪量可达约2 dB(A)，明显优于普通的LMS算法。     

交通视频背景估计动态高斯混合模型

为适应交通环境多变情况下实时交通信息动态采集的要求,提出了1种基于单高斯分布假设、图像分块处理、利用帧差法进行样本选取的动态混合模型对交通信息的图像背景进行快速估计,并在实际道路环境下对多种方法进行实验比较,证明该模型有效地削弱了运动物体和噪声对于背景估计的影响,具有较好的正确性和有效性.     

三轴客车室内道路模拟试验研究

对采集的道路载荷谱进行分析处理得到道路模拟试验的目标信号。确定了道路模拟试验系统的输入和输出的通道配置。采用白粉噪声进行系统识别。进行了道路模拟中的第一次驱动信号计算以及循环迭代,最终达到预定的模拟精度,为整车室内耐久试验奠定基础。结果表明,基于道路模拟技术,在室内复现三轴客车的路面激励工况,该方法可行、有效。     

基于整车道路试验的汽车噪声评价内容概述

基于整车道路强化耐久试验过程中噪声及异响主观评价经验,对常见噪声及异响进行分类,总结了评价工况、评价方法及内容,对整车设计开发阶段的噪声评价具有重要意义,同时对从事道路试验的工程人员也具有借鉴意义.     

结合信号配准技术的小波多尺度车辆边缘检测方法

为了在准确检测边缘的同时有效地抑制噪声,提出了结合信号配准技术的小波多尺度边缘检测方法。该方法首先基于小波变换的特点设计小波多尺度边缘检测算法检测图像边缘;而后结合信号配准技术将不连续的边缘连接为完整的边缘轮廓,减弱由噪声或干扰造成的影响。试验结果表明:该方法不仅能准确检测出清晰连续的边缘图像,而且能有效抑制噪声,是边缘检测的实用方法。     

基于小波变换的汽车车型识别

介绍了多品种混流机器人喷漆自动线的汽车车型识别系统的一种识别方法。主要是利用小波变换具有良好的多尺度特征表达能力，以及能在空域、频域和方向上分别进行分解，而且能够去除冗余信息和噪声等优点对汽车图像进行分解。然后把分解后的图像作为多层前馈神经网络的输入节点，对自动喷漆线上的汽车车型进行识别。结果表明：基于小波变换的神经网络汽车车型识别方法，能够识别返修车，提高了车型识别率。     

基于曲率相似性的路面连续纵长裂缝匹配方法

车载相机拍摄得到的路面裂缝形状分布随机,且由于视场角有限每次只能拍摄到道路上纵向长裂缝的一部分,导致纵长裂缝检测不完整。利用逆透视变换方法将车载相机采集的道路前方倾斜图像转化成正射图像,以去除纵长裂缝图像的透视变形;采用深度学习中的语义分割网络Deeplab V3+实现裂缝像素的提取;在此基础上,提出基于曲率相似性的由粗到精的两阶段路面连续纵长裂缝匹配方法。将待匹配的裂缝曲线分割为一连串相互重叠的子曲线序列,相互匹配的子曲线即为裂缝曲线相匹配的部分;利用曲率将子曲线局部形状与走势的特征表达为描述符,使用Kd-tree最邻近匹配算法对曲线描述符进行快速粗匹配。根据连续2张道路图像中纵长裂缝在空间位置分布上延续的特征,在裂缝曲线分割成子曲线时添加约束条件,前1张图像中裂缝曲线的起点和后1张图像中裂缝曲线的终点分别作为各自子曲线的1个端点;在粗匹配结果的基础上,逐步缩小分割曲线的间隔,迭代提高子曲线描述符间的归一化互相关系数,直至其大于等于阈值或者迭代次数超出最大迭代次数,实现对粗匹配结果的精调整。为验证算法精度,以武汉大学校园内路面不同类型的连续纵长裂缝为对象开展实验,匹配结果误差最小为0.688像素,精调整的误差比粗匹配平均减小24.19%。为进一步验证噪声下干扰的稳定性,仿真环境下增加了裂纹像素噪声;当高斯噪声的标准差从0增大到2像素时,匹配结果误差仅增大了1.083像素。将所提方法与SIFT算法进行对比,10组实验中,所提方法都能匹配成功;而SIFT算法在其中2组实验中匹配结果完全错误,表明所提算法有较好稳定性。      

标识线导航的智能车路径辨识方法研究

路径的正确辨识和诱导是实现标识线导航小车智能前进的基础和核心。采用跟踪边缘检测的阈值分割方法和数学形态学滤波的图像处理方法对采集的图像进行处理,实现对路径的识别。实验证明采用飞思卡尔S12单片机作为惟一控制单元,在基于OV6620图像传感芯片SCCB模式下采集图像,能有效剔除图像中的噪声点,路径辨识正确率达到约95％,系统运行稳定,能够满足智能车对路径的要求。     

基于改进梯度相似度核的交通图像去雾算法

雾霾天气下,交通图像采集设备获取的降质图像含有较多噪声,图像边缘不突出,整体偏暗且对比度不高,灰白不清。针对传统交通图像滤波和去雾算法存在着滤波效果和边缘保持能力不能兼顾,容易出现噪声斑块,导致去雾后图像质量较低的问题,在传统梯度双边滤波基础上,设计了一种新的梯度相似度核,提出了基于改进梯度相似度核的雾霾天气下交通图像去雾算法。新算法首先将采集的含雾图像转换到Lab颜色空间,提升色域宽度,再利用改进梯度相似度核和空间相似度核分别计算图像中每一像素点与滤波框内临近像素点的梯度相似度和空间相似度权值,根据权值对图像进行滤波处理,然后将其转换到RGB颜色空间。最后根据大气光散射模型和暗通道先验原理,对滤波后的交通图像进行去雾处理,得到复原图像。试验结果表明：与传统双边滤波和梯度双边滤波算法相比,使用新算法处理后的复原图像峰值信噪比、归一化灰度差平均提升了13.25%、9.41%和21.76%、22.7%。新算法在保证了滤波效果,避免“噪声斑块”的同时,能够尽可能保持图像边缘细节信息,提升了雾霾天气下交通图像的去雾质量,对加强交通监控,保障交通安全有十分重要的应用价值和现实意义。     

Une caractérisation de l'émission acoustique des véhicules au cours des déplacements

Traffic noise is usually measured at fixed points whereas in reality vehicles move and generate noise throughout their trip. This paper therefore puts forward a new method of identifying noise emissions which takes account of the trip as a whole. We have made use of the concept of standard kinematic sequences (which are the elements which form all car trips) and have introduced a new acoustic index to characterize the noise emissions of a vehicle during a sequence. We have achieved this by adapting conventional highway acoustic indices to the way sequences are defined and used. We have calculated examples of these indices from acoustic recordings of isolated vehicles on a test track and from standard sequences.     

多尺度图像边缘检测技术在车辆识别中的应用

指出了图像边缘检测的定义及现有算法的不足,并对Canny边缘检测离散准则及该准则下的最优线性滤波器进行了论述。根据边缘检测离散准则,利用数值方法求出该准则下边缘检测的最优线性滤波器及对应的平滑算子,将其与Canny边缘检测技术相结合进行边缘检测,检测出不同尺度下多幅边缘图像,并根据小尺度下图像边缘细节信息丰富、边缘定位精度高,大尺度下图像边缘稳定、抗噪性好等特点,将检测到的多尺度边缘进行融合,得到抗噪性好的精确的单像素宽边缘;同时将该方法应用于汽车特征提取,检测到完整连续的汽车边缘图像,为车型识别提供条件。试验结果表明:该方法不仅能准确检测出图像边缘,而且能有效地抑制噪声,是边缘检测的实用方法。     

声全息方法识别汽车运动噪声

本文提出利用声全息原理，对运动状态下的汽车噪声源进行识别的方法，它能够用来分析汽车在高速运动过程中发动机的噪声，轮胎噪声和空气动力学噪声，通过低速和高速实验表明该方法是一种有效的方法，能够快速，准确识别运动车辆的噪声。     

汽车进气系统轰鸣声传递路径分析

为了消除进气系统带来的车内噪声问题,运用传递路径分析方法,“源-路径-响应”的分析思路,总结了进气系统噪声问题的传递路径,结合某轿车进气系统轰鸣声问题的改进,发现结构传递路径和空气传递路径对该进气轰鸣声均有重要贡献,通过降低空气滤清器安装点橡胶软垫的硬度和加强安装点车身侧支架,可有效降低车内轰鸣声。     

盲分离技术识别发动机的机械和燃烧噪声源

简要介绍了盲分离基本思想及AC算法,提出盲分离仅用测得的柴油机混叠噪声源可分离干扰噪声、机械噪声和燃烧噪声。试验验证了在存在干扰噪声时,新办法也可识别出有用的噪声源,且测试所用的仪器少,从而为发动机噪声源识别提供了一种行之有效的新办法。