基于Canny算法的新型车道线检测率分析

新型车道线被认为是提升自动驾驶汽车环境感知能力的重要手段。现搭建了直道、弯道、交叉口的设施因素和晴天、雨天、夜间的天气因素耦合的9种道路交通场景,设置了全天候陶瓷微晶珠车道线和高对比度反光车道线两种典型的新型车道线,通过车载摄像头采集各道路交通场景下传统热熔型车道线和新型车道线图片,利用边缘检测Canny算法对图片进行检测与提取,并对比分析了Canny算法下新型车道线与传统车道线的检测率。结果表明,新型车道线的车道线检测率在9种道路交通场景下,相比传统热熔型车道线都有显著提升,晴天、雨天和夜间天气下分别提高24%、152%和145%。     

基于IPM和边缘图像过滤的多干扰车道线检测

在基于视觉的自动驾驶环境感知中,路面阴影、雨水、污渍和反光会对车道线识别和车辆导航造成干扰,针对此问题提出了一种基于逆投影映射(IPM)和边缘图像过滤的改进车道线识别方法。通过逆投影方法可以得到原始道路图像的鸟瞰图像,很大程度上增强了车道线的视觉特性并减少了干扰。同时提出迭代聚类分割方法对IPM图像中的灰度值进行分析,并保留与车道线颜色和形态特征最为接近的灰度点作为车道线边缘。随后提出一种搜索统计边缘图像中连续边缘区域的方法,通过分析边缘点并保留最长区域实现过滤道路干扰因素的目的。最后将该算法与其他常用车道线检测算法进行对比。研究结果表明:该方法可以更好地过滤路面各种干扰因素,有效增强干扰环境下识别模糊车道线、实车道线、虚车道线、弯车道线的能力,大幅提高了自动驾驶环境中的车道保持能力,并且由于该方法相比其他方法能够更加有效地去除路面干扰区域,因此识别车道线的速度得到大幅提高,可以满足自动驾驶对于实时性的要求。     

基于成像模型的车道线检测与跟踪方法

针对结构化道路上存在非车道线标记干扰的情况,提出一种基于成像模型的线扫描车道线检测及跟踪方法。检测算法中首先对路面图像进行形态学高帽变换预处理,然后建立前方道路图像的成像模型,将图像坐标系中车道参数和世界坐标系中实际车道参数对应,对图像进行初扫描,利用边缘贡献函数及RANSAC算法选取最确定线后,以此线为标准进行二次扫描,得到边缘点后统计边缘贡献函数局部最大值并拟合成直线车道线。跟踪算法中运用Kalman滤波器预测车道线区域,并提取符合标准的控制点拟合成模型为B样条的车道线。试验结果表明:该方法能够快速准确地在复杂环境中提取多个车道线,尤其对存在非车道线道路标记干扰的情况有显著效果。     

一种视频交通流检测场景中的自适应道路结构提取算法

为了保证视频交通流检测系统在检测场景变动时检测结果的正确性和有效性,文章提出了一种视频交通流检测场景中的自适应道路结构提取算法,以便适时调整检测区域的位置和大小。算法选用直线拟合车道线,并以车道线组合构造道路结构模型。在场景变化时,算法通过霍夫变换检测变化后的车道线,然后利用匹配误差和消失点约束对检测结果进行校验和修正,最终提取出正确的道路结构信息。实验结果表明,该算法在白天正常天气下提取正确率达99.1%,是一种有效可行的道路结构提取算法。     

基于道路特征的车道线识别算法分析及平台搭建

基于当前智能驾驶背景下道路特征模型的车道线识别现状,对应用于智能汽车的图像预处理中的灰度化处理算法、滤波处理算法和感兴趣区域提取技术分别进行对比分析,研究不同的图像预处理方法在车道线识别算法的应用适用性。对车道线实时提取算法中的边缘检测技术原理、道路特征条件转化算法进行综合运用分析,搭建基于道路特征的车道线识别算法模型,经过在Visual Studio平台验证,算法模型满足智能驾驶汽车车道线识别要求。     

基于语义分割与道路结构的车道线检测方法

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有助于优化模型结构,在满足实时检测要求的基础上降低了对计算硬件资源的需求。     

基于定点数据的道路瓶颈拥挤自动识别算法

为研究道路瓶颈处的交通拥挤现象,掌握由道路瓶颈引发的常发性拥挤的分布特点和变化规律,提出了道路瓶颈拥挤的自动识别算法.基于检测线圈历史数据,将交通状态定性划分为畅通和拥挤2种,根据瓶颈拥挤原理,识别道路瓶颈所在,并同时对由其引发的拥挤持续时长和拥挤范围进行鉴别.算法运算结果包含瓶颈定位及由其引发的拥挤持续时长和空间影响范围.以上海市南北高架路东侧10 d线圈检测数据为例,验证了算法的有效性和实用性.     

道路裂纹线检测中的脊波域图像增强算法

为了解决传统的图像增强方法中背景和裂痕区之间的对比度拉伸不足,致使基于图像处理的道路裂纹线自动检测方法不能有效地提取道路裂纹线的问题,基于破损道路裂纹线所呈现的特点,由图像脊波变换等效于拉东变换域一维小波分解的原理出发,提出了一种新的适用于道路裂纹线检测的脊波域图像增强算法.试验结果及其与其他图像增强算法的结果对比均表明:该算法能够有效地增强道路裂纹图像中的线状特征,有利于破损道路裂纹线的检测.     

道路交通事故现场摄影测量中标定点坐标提取的研究

为适应大流量、高速道路交通事故现场的勘察需要，数字摄影测量与现代图像处理技术相结合，已成为交通现场间接测量的有效手段。在道路交通事故现场摄影测量的研究中，获取标定点像点的准确图像坐标，是求解标定点世界坐标的关键。章将边缘检测、中值滤波以及型心坐标提取等3种方法相结合，提出了标定点坐标提取的具体方案，提高了测量精度。     

一种基于数学形态学的车牌图像边缘检测及提取算法

针对牌照字符目标与背景的差异性,提出1种基于数学形态学的牌照字符提取方法。该算法对输入图像进行相邻像素差分,保留纵向纹理;通过二值化和数学形态学处理,得到许多大小不同的连通域;计算各连通域的特征参数,利用牌照区域和背景区域对应的连通量的特征差别,实现有效抑制背景而保留牌照的目的。选择了1组有代表性的图像作为测试样本,验证了该算法的准确性和环境适应性。     

基于二维Rosin阈值方法的道路裂纹边缘检测

为了在道路裂纹图像边缘检测时选择准确的区分噪声与边缘阈值,针对一维Rosin算法不能充分利用图像局部结构信息的缺陷,将传统Rosin方法推广至二维,联合Canny边缘检测算法和Rosin算法,利用像素点本身及其邻域的局部结构信息建立图像二维直方图;利用直方图的最高点和最低点构造全角旋转阂值选取平面,以搜索直方图与各阈值平面的空间距离最大值确定阈值点,获得一种自适应的Canny算法中的阈值选取方法.研究结果表明:该算法可对道路裂纹边缘进行有效检测,并扩展Canny算法的应用范围.     

一种基于无人机倾斜摄影的三维路网提取方法

三维路网是重要的基础地理信息数据,为了快速高效地获取包括路网在内的地表三维模型,可以采用无人机倾斜摄影技术,并设计相应的三维路网提取方法。在对无人机倾斜摄影三维模型、道路特性分析的基础上,提出一种基于无人机倾斜摄影的三维路网提取方法。首先,对无人机倾斜摄影和三维建模方法进行了分析,设计了针对三维路网提取的航空摄影策略和数据处理流程。分析了真实三维模型的构成,并结合道路在材质、形态等方面的特殊性提出了可用于道路提取的三维模型特征。然后,以三维模型中的三角面片为处理对象,开展了相关分割方法研究,消除存在混合地物的面片。利用支持向量机方法和面片的多种特征,进行了道路面片识别。最后,设计了道路面片三维连接方法和道路边缘三维修正方法,实现了面片间的连接以及道路边缘的有效修正。此外,还以北京某地区为例开展实际数据采集、三维建模和三维路网提取试验,介绍了倾斜摄影、控制点验证点数据采集以及三维模型的采集和生产过程;利用所提出的方法进行路网提取试验,得到了该区域的三维路网数据成果,并从定性和定量2个角度对成果进行评价。试验结果表明：所提出的方法可以有效地从倾斜摄影三维模型上提取路网信息,其平面和高程的精度均可满足一般导航等应用的要求。     

城市道路交叉口借道右转车道设置方法

为了弥补交叉口空间布局中对借道右转车道研究的不足,分析了借道右转车辆在两相邻交叉口间的运行过程,将两交叉口间距分为四部分。采用波动理论、考虑驾驶员的操作顺适性以及采用概率论方法,建立了借道右转的右转车道适宜开口位置模型、借道右转的绿化带开口长度模型和路段右转车辆的合流段长度模型,在此基础上得到了实施借道右转的两交叉口最小间距模型。实例分析表明,所得模型符合两相邻交叉口间的交通流运行实际,对于判断两相邻交叉口是否适合于设置借道右转,以及设置借道右转时如何对各构成部分进行分析具有指导意义。     

面向多元场景结合GLNet的车道线检测算法

各种复杂环境下路面车道线的高效精确检测是自动驾驶领域中车道偏离预警系统的关键性技术之一.由于车辆实际运行环境的复杂性和路面车道线的多样性,现有方法在车道线检测的准确性和鲁棒性上仍需不断增强.提出一种面向多元场景结合GLNet的车道线检测算法.首先采用改进Gamma校正对待检测路面图像预处理,消减光照不均匀、夜晚等环境干...     

基于CNN技术的灰度视频交通图像边缘检测

车辆或道路的边缘是灰度视频交通图像的重要特征，文章采用细胞神经网络技术，合理地选择了网络参数，并编制了基于Matlab 5．3平台的程序，将其用于检测灰度交通图像的边缘。经算例与传统的Sobel方法进行比较，证明采用该方法提取交通图像边缘是有效的，实用的，并通过分析推荐了网络参数。     

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.