基于亮度特性的高空间分辨率遥感影像阴影处理研究

在高密度的城市环境中,建筑物产生的阴影遮挡了许多重要信息,导致车辆信息提取不准确甚至无法提取,因此对阴影的处理显得尤为重要.利用遥感影像阴影的几何特征和光谱特征,采用基于亮度的阴影检测方法,通过双峰曲线选取合适的亮度阈值把阴影和光照区进行分割;并用灰度线性映射的阴影补偿方法,通过线性映射对阴影区域进行信息补偿,对高空间分辨率遥感影像的样本数据中的阴影进行试验处理和结果分析,结果证明这一方法是行之有效的.     

应用归一化互相关函数法进行交通视频阴影检测．

交通视频检测中采集到的视频图像一般都会有不可避免的阴影存在,由于计算机无法很好地识别图像中的阴影,很可能会造成检测错误,引起一系列负面效应。提出一种进行阴影检测的归一化互相关函数法,并对一个实例进行仿真。     

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。     

基于图像的车道线内车辆目标识别

为了获取本车道内前方车辆信息,文章提出一种基于HOG特征与SVM模型的车辆识别方法。根据检测出的车道线确定搜索区域,结合车底阴影特征实施车辆的检测并确定车辆可能存在的假想区域,针对假想区域进行HOG特征提取,构建车辆正、负样本库,将假想区域进行HOG特征输入到训练好的SVM识别器,实现车辆目标的识别。通过大量测试图像进行验证,结果表明文章采用的方法可识别出本车道内前方车辆目标。     

复杂路面环境下前方车辆识别目标函数的选取

首先利用道路边界信息限定车辆的存在范围,以提高识别的实时性.接着根据灰度图像上车辆底部的灰度特征、方差特征和下边界梯度特征构造车辆检测目标函数,以指导在车辆存在区检测前方车辆.最后利用区域增长方法剔除由噪声引起的误判.实验验证表明,在复杂环境下该目标函数能够有效地消除大量无规则噪声的影响,并能准确地识别出车辆目标.     

基于固定场景视频的运动车辆检测

为提高智能交通系统中运动车辆检测的效率,在固定场景视频下基于类Haar特征和AdaBoost算法提出了一种运动车辆检测方法.通过提取交通监控图像的扩展类Haar特征,在OpenCV平台上应用AdaBoost算法进行特征提取及训练得到级联分类器,利用级联分类器进行固定场景视频的运动车辆检测.测试结果表明,该方法具有良好的实时性和鲁棒性,在智能交通领域有广泛的应用前景.     

1种基于车辆时空图的车辆异常行为检测方法

对快速路车辆异常行为的检测有助于防止或及时处理交通事故,缓解交通拥堵,保障出行的安全和效率。采用多高斯背景模型提取前景运动车辆及其中心点并利用Kalman滤波算法跟踪运动车辆。在此基础上,得到各个车道上车辆的行驶时空图,通过车辆时空图对车辆行为进行轨迹分析,根据时间序列上车辆位置的变化检测车辆逆行,通过车间距和车辆位置状态信息检测车辆碰撞。实验表明,该方法能较好地识别出车辆异常行为。     

图像分区域多特征融合斜向车辆检测算法研究

目前基于机器视觉的车辆检测和跟踪技术成为道路环境感知的重要手段,用于预防交通事故的发生。针对前向车辆的检测技术日益成熟,并有商业化的产品出现,而斜向车辆的检测技术尚不成熟。该项目主要研究斜向车辆的检测与跟踪问题。针对车道线检测算法,提出基于Hough变换与K-means聚类融合的改进车道线检测算法,并结合ROI区域提取,缩小检测范围。针对车辆检测,提出对车辆检测算法的两级优化:首先利用车辆阴影特征和图像垂直边缘特征融合,生成疑似目标区域,提出两次自适应阈值分割与OTSU算法融合的改进双阈值分割算法用于改善阴影特征提取的效果;其次,通过HOG特征与Haar-like特征结合,与Adaboost算法联合训练Adaboost级联分类器,生成目标验证区域,并提出基于高斯核函数的核主成分分析法,对图像特征降维处理,改善实时性。基于上述算法优化,对斜向车辆的检测试验结果表明:采用阴影特征与边缘特征融合的优化算法对斜向车辆的识别准确率达90%;在良好天气条件下,HOG+Haar-like融合特征的Adaboost级联分类器检测的准确率达95%;采用核主成分分析降维后检测时间缩短了26%;二者融合的综合效果改善明显。     

基于计算机视觉的停车位车辆存在性检测方法

为了提高停车场的车位利用率,有效地管理停车场,提出了1种基于计算机视觉的车位检测方法.与传统的视频检测方法不同,该方法在停车位上绘制了特定的辅助识别图案,图案具有各向同质性的特征,在大部分光照、阴影的影响下具备图案特征不变性,且与一般车辆上绘制的图案有显著差别,在此基础上采用图像检测算法对图案进行数学解析描述,作为检测目标,同时采用图像识别算法,逐行扫描各个像素,利用模式匹配判断停车位状态.通过选取停车场的2个车位进行实例验证,准确率为98.12%.结果表明该方法识别速度快、准确率高,具有很好的应用前景.      

基于机器视觉的道路上前方多车辆探测方法研究

提出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,在图像中确定可能存在的车辆区域。然后,通过分形维数计算该区域的纹理特征,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NM I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试验,具有较好的鲁棒性和可靠性。     

移动荷载下粘弹性地基上无限大板的稳态响应

针对高速交通体系引起的结构与地基振动问题，采用移动荷载作用下Kelvin地基上的无限大板作为力学分析模型，分析了运动车辆荷载作用下路面体系的动力响应。首先采用三维Fourier变换法导出了板在任意匀速运动荷载作用下的稳态挠度的一般解，然后推导了各种移动荷载作用下板挠度的二维积分解析解，包括恒常和简谐移动矩形均布荷载、线均布荷载、集中荷载，最后采用自适应数值积分算法计算了板在移动集中恒载和移动矩形均布恒载作用下的挠度，比较了两种荷载作用下板挠度的异同。结果表明：上述两种荷载作用下板挠度的差异较小，可尝试将运动车辆作用于路面体系的荷载简化为移动集中荷载阵列考虑。     

一种基于特征的车辆检测方法

提出了一种应用单目视觉进行车辆检测的方法。该方法以车辆阴影以及边缘作为检测的主要特征。在图像预处理中采用自适应双阈值以满足不同光照条件下的使用要求;利用能量密度验证提高车辆垂向边界识别的准确性;用可变模型用来规划车辆检测范围,以满足不同距离车辆的检测需要。为提高车辆检测的准确性及效率,在算法中融合了雷达的探测数据。试验验证表明,该方法有较高的车辆检测准确率,并且能满足智能车应用中的实时性要求。     

移动车辆非定常气动力时域模拟及分析

为了在时域中考虑复数导纳函数,精细化模拟作用在移动列车上的非定常气动力,提出列车复数导纳函数时频变换方法,并建立同时考虑顺风向、横风向和竖向脉动风的移动列车非定常气动力数学模型.首先,推导出相对于移动列车的瞬时风速,并将瞬时风速代入到移动列车风荷载模型中,通过泰勒级数展开和忽略脉动风速、三角函数高阶项,将移动列车非定常...     

基于CFD的双道超车过程气动特性分析

基于计算流体力学（CFD）中的动网格技术对双道超车进行了数值模拟，研究表明，双道超车过程中，3辆车周围均出现强烈的压强和空气流速变化，当主超车在两车之间时，流场变化更为复杂。随着车辆相对位置的变化，3辆车周围的涡形态发生明显变化，涡的变化消耗流场中的能量，使车身受力发生变化。行驶过程中，3辆车的侧向力、风压中心位置和横摆力矩均发生明显变化。绝对速度增加，主超车与被超车的最大侧向力均呈线性增长，给车辆行驶稳定性带来负面影响。     

基于当前统计模型的地图匹配车辆跟踪研究

为提高车辆跟踪系统的精度，减小差分全球定位系统（DGPS）的定位误差，通过分析行驶在城市道路上的车辆运动过程及其相应的运动模型，提出采用当前统计模型作为车辆运动模型。通过地图辅助位置择近和速度择角算法来修正卡尔曼滤波，为运行在道路上的车辆确定地图匹配估计。实际运行结果表明；整个车辆跟踪系统的精度有明显的提高。     

整车电子试装中虚拟运动仿真及分析的探索运用

对汽车电子试装过程中比较复杂的运动机构的活动连接、运动仿真进行研究,并在此基础上对运动分析方案的制定、运动分析设计等步骤、方法进行了探讨。     

复杂环境下视频目标检测及其在交通系统中的应用

设计并实现了一种自动检测和记录车辆违法行为的视频系统.使用局域阈值分割算法,有效地提取复杂光影下的道路标线,利用图像抖动估计和补偿技术克服了摄像机抖动所造成的影响,提出对局部图像的边缘进行统计判别,以消除车辆阴影的干扰.实践表明,此系统能较好地工作在多种天气条件下及较复杂的环境下.