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.     

车辆AMT中道路条件及驾驶意图的模糊识别

本文论述了车辆AMT中道路条件及驾驶意图模糊识别的必要性，提出了道路条件及驾驶意图的模糊识别方法，最后给出了在AMT挡位决策中的应用实例。     

道路交通事故中道路条件因素影响分析

本文首先采用能量理论分析了道路交通系统中道路因素包含范围，指出了目前道路交通事故原因统计中的不足之处，然后通过计算得出道路条件因素应占有更大比例，基于此，最后给出了预防道路交通事故的措施。     

复杂条件下地下道路实施方案研究

以具体地下道路设计案例为研究对象,详细描述了在复杂条件限制下,如何寻求最佳实施方案的解决过程和比选结果。其成果可为类似项目提供解决过程的借鉴和解决方案的参考。     

Front Vehicle Identification Under Different Lighting Conditions

选取车辆底部水平方向特征和车辆左右两侧垂直方向特征,提取出受全局灰度影响较小的局部灰度特征、局部梯度特征和局部波动特征.应用加权证据理论将车辆水平和垂直方向的特征分别进行信息融合,并根据光强的不同调整各特征的权重.为提高识别的实时性,将人工鱼群算法应用于识别中,并增添了车辆识别模块以增强人工鱼的引导能力.根据人工鱼群的搜索结果,再通过对称性特征进行进一步判定,实现前方车辆的准确定位.实验结果表明本方法可在不同光照条件下对前方车辆进行识别并准确定位,具有良好的适应性、准确性和实时性.     

基于证据理论的物流中心选址方法研究

在总结国内外物流中心选址研究成果和介绍证据理论基本思想的基础上,提出了一种基于证据理论的物流中心选址决策方法,并通过实例验证了这一方法的合理性和有效性.     

属性识别理论在道路路况评价中的应用

建立了道路路况评价的属性识别模型,运用熵值法确定指标权重,避免了定权的主观随意性,提高了评价模型的可信度。将该模型应用于道路路况的实例评价中,为道路路况评价提供了一种简单、适用的评价方法。     

基于专家系统和证据理论的路面破损原因评价方法研究

路面破损原因评价是一项经验性很强的工作,通过采用专家系统技术,利用路面养护专家经验和知识形成产生式规则,并对单处路面破损原因进行评价。根据对单处路面破损原因的评价结果中也包含了导致整个路段路面破损主要原因的信息这一特点,介绍了引入证据理论将这方面信息提取出来,合成得出对整个路段的主要破损原因评价的方法。     

基于神经网络和D-S证据理论的柴油机状态评估

提出了一个柴油机状态评估模型,运用油液分析、振动分析和热力性能参数并根据专家知识分别构建子神经网络对柴油机进行状态评估,各部分的评估结果运用D-S证据理论进行融合判断,得到的融合决策评估结果表明,该方法逻辑清晰,评估结果符合实际。     

识别驾驶人意图的车道偏离防避有界控制

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。     

基于熵最大化图像分割的直线型车道标识识别及跟踪方法

为了解决在道路路面材料不一致或光照不均匀情况下的车道标识线的识别和跟踪问题,提出一种基于熵最大化的图像分割可变形模板的车道标识线识别及跟踪方法.该方法结合了图像变窗口处理技术和基于熵最大化分割方法来实现对道路图像的理想分割,然后利用可变形模板匹配方法得到车道标识线参数,最后采用建立梯形感兴趣区域的方法实现对车道标识线的实时跟踪.试验结果表明：该方法具有很好的可靠性、鲁棒性和实时性.     

模糊自适应交通照明系统控制策略研究

针对传统交通照明系统控制手段单一、控制策略落后等问题,综合照明状态信息、交通照明环境和人的视觉特性等建立MISO系统,运用模糊理论生成交通照明模糊控制算法。实验证明,此控制算法能准确跟踪交通照明因素的动态变化,提高交通照明控制的合理性、自适应性和智能化水平。     

基于模糊集理论的车道标志线精确检测

为了解决复杂路面条件下车道标志线的检测问题,提出了一种基于模糊集理论的车道标志线精确检测方法.采用阈值分割、腐蚀、边缘检测等技术对交通图像进行处理;通过Hough变换粗略提取位于各车道标志线及其附近的所有亮点像素作为待分类的像素点,构成样本集;按照模糊聚类分析准则得到直线的斜率和截距,实现车道标志线的精确检测.实验证明了该方法的精确性和有效性.     

车道线识别中的自适应Canny边缘检测及改进研究

针对Canny边缘检测阈值在车道线识别中不易选取的问题,提出了基于Otsu算法实现自适应Canny边缘检测的方法。实验验证表明,其对远视野道路图像可以获得良好的边缘检测效果,而对近视野道路图像效果较差。进一步提出了目标区域补偿策略改进上述算法。结合Hough变换算法,实现了车道线的识别。实验结果表明,改进的算法可以达到实时获取车道线的要求。     

基于中介理论的车道线识别方法研究

以中介真值程度的数值化度量为基础,利用单个像素点的真值度,设计了新的图像去噪滤波算法。与经典算法相比,新算法具有较好的视觉效果。通过研究道路图像车道线的特点,采用中介距离比率函数来衡量像素点间相似程度,并设计了相应的图像边缘检测算法。与传统的道路图像边缘检测算法相比,新方法边缘增强效果显著。最后,基于道路直线模型,采用Hough变换实现了车道线的识别。     

基于证据理论和模糊神经网络的汽车换挡平顺性评价方法

针对目前汽车换挡平顺性评价方法的不足,提出了一个基于证据理论和模糊神经网络的汽车换挡平顺性评价方法.运用证据理论对不同驾驶员给出的主观评价进行数据融合;通过模糊神经网络对由仪器测得的客观评价指标和经证据合成后的相应主观评价构成的样本向量进行学习和训练,建立了汽车换挡平顺性评价系统.计算和试验结果表明,该方法克服了主观评价和客观评价各自的缺点,能客观、准确、有效地评价汽车换挡平顺性.     

基于边界点分布特征的夜间道路检测算法研究

提出一种在结构化道路情况下的夜间道路标志线检测算法。选择邻域均值滤波、Sobel算子和最大熵分割算法对道路图像进行预处理。结合道路灰度图像与道路边界图像,分析夜间道路边界点的分布特征,将道路边界点划分为到4个点集。针对虚假道路边界点,应用多方向搜索方法予以消除。选用2D的直线模型,采用改进的Hough变换从预处理后的图像中获取道路几何特征参数,最终检测出道路边界。试验结果表明本算法可靠、有效,户外试验中具有很好的鲁棒性。     

基于服务水平与道路等级公交专用道设置研究

公交专用道是提高城市道路通行能力,改善城市公共交通的有效途径,确保了公共汽车的真正优先。该文对公交专用道的设置形式与设置条件进行了研究,并且着重从道路的等级和道路服务水平两方面进行了研究,认为道路的等级和服务水平指标对公交专用道的设置起了重要作用。