共查询到20条相似文献,搜索用时 140 毫秒
1.
2.
3.
4.
为了提高车道偏离预警系统的检测精度及其便利性,提出了一种在感应区域内建立搜索窗口的车道识别算法,并利用数字图像处理及分析技术对所获道路图像进行滤波、增强及边缘识别处理,然后通过直接线性变换法将所获取的车道边缘信号的像素坐标转换为道路二维物方坐标,最后根据所获车道线坐标及汽车预设坐标显现汽车行驶状态,继而联系汽车驾驶状况,达到对汽车行驶状态的监控和对车道偏离的预警功能,具有良好的发展前景。 相似文献
5.
本文介绍了车道偏离报警系统及其国内外的研究现状,重点介绍了基于机器视觉的车道偏离报警系统。对基于机器视觉的车道偏离报警系统中的CPCI架构的硬件结构和车道线实时检测算法进行了描述,提出了一种切实有效的车道线检测算法。 相似文献
6.
7.
8.
9.
针对车辆在行驶时由于车道线检测方法单一,导致对直道线和弯道线检测效果不一致,从而影响车道偏离识别效果的问题,基于摄像头采集到的图像信息,提出了1种自适应车道偏离识别算法。该算法对车辆在直道行驶时采用偏离判断基准线法,而在弯道行驶时采用基于触线时间阈值法,分别对行驶状态进行车道偏离判断,该算法既保证了计算速度,又保证了结果的准确性。为了验证所提出方法的有效性,采用仿真的方法,使用车道偏离识别算法获取的数据,通过比例-积分-微分(PID)算法对车辆行驶状态进行控制,得到车辆在预期车道内的行驶状况,以此证明了所提出的车道偏离识别算法的有效性。 相似文献
10.
11.
客车作为生产资料的属性决定了安全性是客车行业发展过程中不可回避的重要问题,事关乘客生命和财产安全,也事关运输企业的前途和命运,同时也是保障社会稳定、保证经济发展的重要前提.从世界范围内客车安全的发展趋势来看,科技进步和新技术应用已成为解决道路交通安全问题的重要手段.
车道偏离报警系统(Lane Departure Warning System,简称LDWS)是一种通过报警的方式辅助过度疲惫或者长时间驾驶的驾驶员保持车辆在车道内行驶,减少汽车因车道偏离而引发交通事故的系统.该系统提供智能的车道偏离预警,在无意识(驾驶员未打转向灯)偏离原车道时,能在偏离车道前发出警报,为驾驶员提供更多的反应时间,大大减少了因车道偏离引发的碰撞事故.本文介绍了一种基于DSP的车道偏离报警系统硬件设计及软件实现方案,通过实际测试验证了算法的实时性及系统的可靠性. 相似文献
12.
为保证车道保持辅助系统在视觉失效情况下能够顺利移交车辆控制权,利用目标车方位信息间接估算道路曲率,在纯追踪(Pure Pursuit)算法的基础上,参考车速和道路曲率,利用模糊控制器进行转向修正,并提出了车道保持指数用以评价车道保持性能。构建了硬件在环(HIL)仿真测试平台,利用快速控制原型和某视觉感知系统分别对3种控制策略进行了4种测试场景下的硬件在环测试。测试结果表明,使用改进型Pure Pursuit策略的自车能够有效避免驶出车道,4种测试场景下平均车道保持指数为65.1%,较Pure Pursuit策略和转向盘保持策略分别提高73.9%和135.2%。 相似文献
13.
14.
15.
为提高汽车的主动安全性并克服现有的汽车偏离车道报警系统所存在的结构复杂和成本高等缺点,文章设计了一种基于Matlab的汽车偏离车道报警系统,利用摄像头获取车道图像并实时传给车内计算机系统,经过对图像一系列的处理分析判断汽车是否偏离车道而进行报警。经验证,该系统能够实时检测出左右车道标志线,可以根据车道夹角法判断汽车是否偏离车道,满足了汽车偏离车道报警的需要。该系统结构简单高效,能显著提高汽车行驶的主动安全性。 相似文献
16.
车道线的准确检测对于智能辅助驾驶和车道偏离预警系统的性能有着非常重要的作用,当前的传统研究方法普遍存在对复杂道路环境的适应性不够,检测精度有待提高等问题。针对复杂交通环境的车道线检测问题,充分考虑到复杂道路结构的语义信息,提出了1种基于语义分割与道路结构的车道线检测方法。该算法采用Encoder-Decoder的基础网络结构模式,通过改进实现语义分割,利用池化层的索引功能,以反池化的方式进行上采样,在每个上采样之后连接多个卷积层。然后再使用标准交叉熵损失函数训练分割网络,利用深度学习方法得到排除外部环境干扰的道路分割图像,并对分割后的道路图像进行透视变换,采用Hough变换和边缘点的参数空间投票,快速提取和修正车道线左右边缘点,将提取的边缘点进行贝塞尔曲线拟合,实现车道线的平滑显示。提出的算法在相关车道线数据集上进行了训练和测试,与基于参数空间投票方法相比,准确度提升5.1%,时间平均增加了8 ms;与卷积神经网络(convolutional neural networks,CNN)方法相比,准确度降低了1.75%,时间平均减少了6.2 ms。测试结果表明,利用提出的语义分割编解码网络... 相似文献
17.
《汽车电器》2017,(12)
高级汽车辅助驾驶系统(Advanced Driving Assistance System,ADAS)是利用安装在车上的各种传感器,在汽车行驶过程中随时感应周围的环境,收集数据,进行系统的运算与分析,有效增强汽车驾驶的舒适性和安全性。ADAS最重要的功能包括LDW、FCW、BSD、PD、TSR等。目前,应用最广泛的传感器是雷达和摄像头。用单目摄像头进行车道线的识别目前已经有很多解决方案,但是还需要有效的车道线类型的检测方法为自动驾驶过程中的变道决策提供依据。本文提出一种基于机器学习的判断车道线类型的方法,利用车道线相邻区域的直方图特征,有效地解决了车道线类型的判别问题,实验数据表明此方法能够获得99.99%的正确识别率。 相似文献
18.
19.
为了防止车辆偏离车道导致交通事故的发生和避免车道偏离防避系统(Lane Departure Avoidance Systems,LDAS)对驾驶人行为不必要的干预,提出基于中心区操纵特性阈值法和基于D-S(Dempster-Shafer)证据理论的车辆偏离车道驾驶人意图识别准则,并运用CarSim/Simulink联合仿真对比2种识别准则的有效性。建立转向盘角速度为输入的车路模型,设计LDAS滑模转向控制器,基于预瞄点的侧向偏移量和横摆角速度设计LDAS的期望横摆角速度观测器,并与基于道路曲率和预瞄点侧向偏移量的期望横摆角速度的LDAS进行性能对比。运用相平面法确定保证LDAS车辆稳定性的前轮转向角最大值,并基于CarSim/LabVIEW RT硬件在环试验平台验证基于BP神经网络训练获得D-S证据理论的初始概率赋值的驾驶人意图决策算法的有效性。结果表明:所提出的识别准则能够及时识别车辆偏离车道时的驾驶人意图,为LDAS控制器介入赢得了宝贵的时间,所设计的期望横摆角速度观测器具有很好的稳定性,所提出的方法能够有效避免车辆偏离车道。 相似文献