基于机器视觉的路面裂缝病害多目标识别研究

为了建立一种基于深度学习卷积神经网络的多目标路面裂缝检测模型,实现对路面裂缝的精确识别、分割与统计,采用卷积神经网络Mask R-CNN为主干框架,融入ResNet模型与特征金字塔网络(FPN)提高对病害特征提取的精度,建立了针对裂缝病害识别的基础网络体系;考虑裂缝病害图像特征,采用随机梯度下降算法与冲量算法优化损失函...     

基于机器视觉的车辆检测与参数识别研究进展

近年来公路交通运输快速增长,交通车辆的快速准确检测与识别对智能交通系统和交通基础设施运维具有重要意义.随着机器视觉和深度学习技术的迅速发展及其在目标检测领域的广泛应用,车辆目标检测和参数识别也取得新的突破.该文从车辆参数的识别方法和应用研究两方面梳理了机器视觉和深度学习在车辆检测与参数识别领域的研究现状、最新研究成果和...     

基于机器视觉的智能车辆避撞预警算法

由于受到信息采集源性能影响,造成了智能车辆避撞预警系统(Collision Warning System,CWS)前后车相对距离测量精度低的问题,针对此问题提出了一种基于机器视觉的预警算法(Collision Warning Algorithm,CWA),利用机器视觉获得了较高精度的测距信息,有效提高了预警算法的有效性。在分析驾驶员驾驶行为基础上,确定CWA的报警准则。基于机器视觉技术建立了一种多输入、多输出的CWA模型,给出了模型预警原理、决策阈值确定方法、逻辑结构图,以及基于机器视觉的车辆信息获取方法。设计了一个单车道双车辆跟驰实车试验,采集模型测试所需的数据,并利用实测数据对模型进行了验证。试验结果显示,平均测距误差不超过3.6 m,预警模型能够准确给出预警信息,对提高车辆行驶主动安全性具有重要意义。     

基于改进神经网络的机器视觉的路面破损检测系统研究

研究开发了一套基于机器视觉的路面质量检测系统,并将改进的神经网络方法应用到道路路面缺陷检测中。分析了系统的基本组成和总体结构,介绍了软件设计流程以及网络设计与训练过程。同时考虑到传统图像分割算法的局限性,设计了一种检测图像内任意区域实时检测算法。可以适应路面龟裂、横裂、纵裂、块裂等多种缺陷以及缺陷并存的复杂道路样本图像。该检测系统具有很强的灵活性,检测速度较快,完全满足实时检测的要求。     

基于机器视觉的智能车辆导航综述

基于机器视觉的智能车辆导航是智能车辆系统的关键,包括道路检测和障碍物检测两部分。结合国内外最新研究动态,本文主要总结道路检测和障碍物检测中的典型方法,并列出国内外具有代表性的一些智能车辆系统,同时详细介绍当前最具代表性的、美国军方研制的DEMOⅢ系统;最后指出基于机器视觉的智能车辆导航技术的研究与发展趋势。     

基于机器视觉的智能车辆前方道路边界及车道标识识别方法综述

为了全面了解国内外在基于机器视觉的智能车辆前方道路边界及车道标识识别领域的研究进展，文章介绍了近年来一些典型的基于机器视觉的道路边界及车道标识识别系统，对基于机器视觉的前方道路边界及车道标识识别方法进行了分类，对各大类方法中采用的不同技术进行了阐述，然后对基于机器视觉与其他传感器融合的识别方法进行了总结，最后就该领域的研究难点及发展趋势进行了简要论述。     

基于卷积神经网络的车辆位姿估计算法

针对基于双目视觉和激光雷达对车辆进行位姿估计时计算量大、成本高等问题,提出一种单目视觉位姿估计算法,设计多任务卷积神经网络作为车辆位置和姿态估计的网络。将目标车辆视为刚体,分别对其尺寸、姿态角、3D中心点建模,以KITTI数据集中相关数据对模型进行训练,并分析训练后的网络,估计模型的计算速度和精度。结果表明,该位姿估计网络实时性良好,帧速率达50帧/s,平均姿态角相似度达86.14%。     

基于机器视觉的智能车辆障碍物检测方法研究

着重阐述基于机器视觉的前方车辆障碍物检测方法，首先根据公路上前方车辆的先验特征模型，建立障碍物探测的感兴趣区，以缩小搜索区域，随后提出一种新的对称变换算子，用于检测障碍物车辆的对称轴，并确定障碍物车辆的矩形轮廓，为进一步提高障碍物检测的实时性，采用递归模板匹配法对障碍物进行跟踪，试验表明上述方法是有效的。     

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。     

智能驾驶实时目标检测的深度卷积神经网络

为提高深度学习神经网络运行速度,满足智能驾驶对算法实时性的要求,基于一种一体化实时目标检测算法YOLO和一种目标检测网络模型Faster RCNN,提出一种结合两者特点的实时目标检测神经网络。该网络保留区域卷积神经网络(R-CNN)算法的二次检测模式和区域生成神经网络RPN,去掉先验框,采用YOLO直接预测位置。结合Mask R-CNN中的ROI-Align方法进行二次位置修正,减少了Faster R-CNN中ROI-pooling所带来的位置预测偏差。对改进后的网络在KITTI数据集上进行测试,结果表明:改进后的神经网络检测一次仅耗时38 ms,检测的平均精确度高于YOLO和Faster RCNN,且对于不同大小的目标都具有很好的泛化能力。     

基于无人机及Mask R-CNN的桥梁结构裂缝智能识别

桥梁结构表面裂缝检测为桥梁状态识别、病害治理、安全评估提供了重要状态信息和决策依据.为解决传统人工检测方法存在的危险性高、影响交通、费用昂贵等问题,提出基于无人机(Un-manned Aerial Vehicle,UAV)及深度学习的桥梁结构裂缝智能识别方法.采用大疆M210-RTK多旋翼无人机进行贴近航摄,获取桥梁结...     

世界智能车辆行人检测技术综述

对世界智能车辆行人检测技术进行综述,重点介绍世界主要发达国家智能车辆行人检测技术的研究方法以及所采用的传感器,提出了智能车辆行人检测技术当前存在的一些问题,展望了今后的发展趋势。     

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。     

基于道路模型的弯道检测研究与应用

基于机器视觉的弯道图像能提供车辆行驶道路环境的丰富信息,从建立弯道模型、提取车道线像素点以及拟合车道模型等步骤分析了传统基于道路模型的弯道检测方法,针对传统方法很难适用于多种不同形状弯道的特点,提出一种基于特征点提取的弯道检测新方法;介绍了弯道检测在车道偏离预警、弯道限速以及弯道防碰撞预警等领域的应用情况;最后提出弯道检测应该建立三维车道线模型、注重发展多传感器融合技术,提高其适用性和鲁棒性.     

基于机器视觉的沥青路面微观形貌检测技术研究

沥青路面的微观形貌是决定该路面抗滑性能的重要影响因素之一,如何对其进行三维重构已经成为交通安全领域的一个研究热点.文中将机器视觉方法引入到沥青路面微观形貌采集技术研究中,设计了一套完整的检测实验平台,并针对该实验平台的特点,提出了三维重构数学模型,从摄像机标定和特征匹配2个方面讨论了其中的关键技术.     

智能车辆的行人检测技术研究

行人检测作为智能车辆的关键技术,已成为业内共同关注的研究热点。随着机器视觉、计算机技术等不断发展,行人检测的进展很快。     

基于机器视觉的汽车车身划痕检测与处理

随着科技发展与进步,汽车走进人们的日常生活,成为出行所需的必要品之一。由于擦洗、护理不当的人为原因或是汽车行驶时与其他车辆、路边树枝或固定物发生刮擦的自然原因等,往往都容易使车身造成深浅不一的划痕,影响美观与使用。而对于划痕检测往往采用人工检测的方法比较常见,但随着社会发展,各种无损伤的检测技术逐渐普遍出现,国内外在划痕检测与识别的技术上得到不断提升,从一开始由传统的人工主导检测方法到现在常见的渗透识别、磁粉识别、图像识别以及基于超声波激光的识别方法。针对人工检测存在低效率、高漏检率和误检率等缺点,文章通过提出一种基于OTSU算法的以机器视觉检测技术为基础的实现车身划痕能够自动检测的方案,此方案安全可靠,在艰难复杂的工作环境里可以较长时间工作,并且能够获得较高的检测精度。为了恢复汽车车身的美观性,根据划痕损伤程度不同,提出了几种不同的修复工艺。     

基于机器视觉的车身位置偏差自动补偿应用与研究

前照灯检测仪是在假定车身位置摆正的前提下进行检测的,实际检测中停车位置往往很难做到没有偏差．影响了检测精度。介绍了基于机器视觉技术的车身位置偏差自动补偿前照灯检测仪的实现方法和检测原理．详细地论述了斜拍校正技术、模式识别技术以及自然光线下高精度实时角度测量技术。