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。     

智能交通系统中基于机器视觉的数字车辆控制

在描述成像模型与视觉坐标系的基础上，给出了基于计算机视觉的车道与障碍物辨识检测算法，应用预瞄转向以及车辆控制等技术手段来实现数字车辆的道路跟踪。     

基于激光雷达的无人驾驶车前方障碍物检测

无人驾驶车在越野条件下的环境感知技术是其实现自主导航功能的难题.由于越野环境复杂,障碍物种类繁多,对智能车周围环境的探测更是难上加难.选择越野环境下几种典型的障碍物作为检测目标,采用基于激光雷达面扫描的方法获取无人驾驶车前方路面图像信息,根据障碍物对于激光数据的不同特征,检测无人驾驶车前方静止的障碍物,主要包括水塘、石头或陡坡以及树木等.利用激光可直接测得障碍物距离数据的优势,基于投影变换原理进而求得障碍物的长、宽或高等三维信息.     

转向避撞工况下装载激光雷达车辆的障碍物跟踪

目前车载激光雷达对周围障碍物的感知与定位多基于车辆坐标系,当车辆转向避撞时,由于航向角的变化和车辆坐标系的旋转,会增加障碍物数据关联、周边车辆运动状态分析和避撞路径规划的难度.为消除车辆转向带来的不利影响,本文中基于车载激光雷达坐标系的变换,提出了一种目标障碍物的跟踪方法.首先,采用改进的K-means算法对提取的道路...     

基于迁移学习的路面障碍物检测

为了提高智能汽车对路面障碍物检测的精度和速度,本文基于YOLO V3深度学习网络模型和迁移学习算法建立路面障碍物检测模型,并对模型的训练和测试结果进行评估.     

浅谈高清晰车辆智能检测系统

ITS智能交通在我国已发展应用多年,近年来随着大量新建公路、机动车的日益增加,它在缓解交通压力,加快流通速度,提高运载能力,方便人们出行的同时,也面临着新的问题:超速车辆和肇事车辆造成的人员伤亡和财产损失触目惊心。因此采取行之有效的高清晰车辆智能检测系统,通过检测车辆行驶速度,采集车辆信息和特征,为快速纠正交通违章行为,快速侦破交通事故逃逸和机动车盗抢案件提供了重要的技术手段和证据,对平安大道的平安运行和提高公路交通管理的快速反映能力有着十分重要的意义。     

智能车辆的障碍物检测研究方法综述

按照使用传感器的不同类型来分类，对智能车辆的障碍物检测和识别技术进行了综述，并分析各种障碍物检测方法。这些方法中主要包括基于立体视觉方法、基于激光雷达的方法：基于彩色机器视觉的方法及基于结构光的方法等等，同时作者指出任何一种有效的障碍物检测系统不能只依靠单一传感器进行环境感知，因此利用多种传感器信息融合技术检测智能车辆前方障碍物，是未来该领域的研究重点与难点。另外，还介绍了近几年一些研究机构在该领域的研究成果，并对所使用的一些算法进行简要的概括，为我国在智能车辆的障碍物检测领域的发展提供借鉴。     

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。     

基于体素柱形的激光雷达点云车辆目标检测算法

环境车辆是自动驾驶汽车行驶时的主要障碍物之一,对环境车辆的尺寸、位置、朝向等空间信息进行感知对于保障行驶安全具有重要意义。激光雷达点云数据包含了场景中物体表面扫描点的三维坐标,是实现车辆目标检测任务的重要数据来源。结合SECOND与PointPillars方法,提出一种基于体素柱形的三维车辆目标检测模型,利用三维稀疏卷积聚合点云局部特征,在体素特征图上构造柱形并进行特征编码,有效解决点柱形方法缺乏柱形间特征交互问题,增强点云特征的空间语义信息;基于均值池化操作生成锚框点云占据位图并提出一种简单负样本过滤策略,在模型训练阶段筛除预设在无点云覆盖区域的无效锚框,缓解正负样本或难易样本不均衡问题;在目标框回归模块中,使用类别置信度与交并比(IoU)预测值计算混合置信度,改善分类分支与位置回归分支结果不一致问题,并使用KITTI三维目标检测数据集进行模型训练与评估。研究结果表明：在严格判定标准下(IoU阈值设置为0.7),所提算法在简单、中等、困难3种难度级别下分别获得了89.60%、79.17%、77.75%的平均检测精度(AP_3D),与SECOND、PointPill...     

基于三维激光雷达的智能车辆SLAM技术研究

智能车辆实现自主导航的必要条件之一是定位技术,目前基于三维激光雷达的同步定位与建图（SLAM）技术是定位技术的主流方案。文章从三维激光SLAM的算法框架和关键模块进行总结,具体讨论了扫描匹配、后端优化、闭环检测、地图构建等关键模块的常用算法及改进;综述了几种开源的三维激光SLAM,并对比了其优缺点;对在应用中激光雷达局部点云稀疏、Z轴的漂移以及动态对象引发的噪声影响等关键性问题进行了分析阐述;指出了基于三维激光雷达的SLAM与深度学习相结合、多传感器融合是未来三维激光SLAM的发展和研究方向。     

智能车辆检测系统规划和设计研究——以无锡市为例

智能车辆检测系统作为智能交通系统的关键子系统,对发展ITS起着至关重要的作用.首先简述了车辆检测系统的发展历程,对各种检测技术进行分析和比较,归纳和总结出各种技术的优缺点.然后根据技术成熟度、适应性和经济性等因素设计出适合无锡本地的工程方案,即以线圈检测技术为主,逐步向视频技术和微波技术过渡的技术路线.最后以无锡市当前城市格局和路网条件为例,对智能车辆检测系统进行整体规划和布置,达到市区范围内的全覆盖.     

基于单目视觉的路面车辆检测及跟踪方法综述

首先介绍了车辆检测算法的3种基本组成部分：检测、验证、跟踪，然后根据算法的组成重点介绍了车辆检测以及跟踪的几种主要算法。车辆检测算法包括基于特征的方法、基于光流场的方法和基于模型的方法，车辆跟踪算法包括基于区域相关的方法、基于活动轮廓的方法、基于特征的方法和MeanShifi快速跟踪算法。根据试验结果对各种车辆检测和跟踪方法的优点、缺点以及实际应用中不同情况下适用范围的局限性进行了综合分析。最后在结论部分总结展望了文中介绍的几种车辆检测和跟踪方法的应用前景，并提出了在实际应用时的一些建议和将来的主要研究和发展方向。     

基于机器学习的毫米波雷达车辆目标检测

为了提高毫米波雷达对前方车辆检测的准确性,本文提出一种基于机器学习的前方车辆检测方法。结果表明,该方法满足智能客车环境感知系统对于实时性和准确性的要求。     

基于激光雷达点法向量的车辆实时位姿估计

为解决复杂交通场景下激光雷达获取运动车辆点云残缺而导致位姿信息难以提取的问题,提出一种基于点法向量特征的动态刚性目标实时位姿估计方法.利用最小二乘拟合算法求解目标表面点法向量,采用自适应聚类算法求解点法向量聚簇中心数量,求取聚类点拟合平面,选择互相垂直的平面代表点法向量分别作为待测目标所属坐标系内X轴和Y轴,通过运动学...     

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.     

智能车辆定位导航系统中数据实时采集的实现方法

介绍了一种智能车辆定位导航系统(IVLNS)软件的总体设计和数据处理体系中高速串口数据实时采集的解决方案。     

基于实例分割的有轨电车障碍物入侵检测及轨道识别方法

针对复杂环境下的有轨电车障碍物入侵检测问题,提出了基于实例分割的障碍物入侵检测及轨道识别方法.首先建立有轨电车运行环境数据集;再基于Yolact实例分割模型对数据集的数据进行训练、验证和测试,得到障碍物检测和轨道区域提取模型;最后将待测图像输入模型后输出障碍物轮廓、类别、轨道区域轮廓数据,进而提出障碍物与轨道的相对位置...     

智能车辆控制的研究进展

根据智能车辆控制系统与控制方法的最新进展,对车辆纵向控制方法、横向或转向控制方法、车辆间的通讯策略以及车辆综合控制方法等方面的研究进行了详细的分析和对比,并重点提出了低能见度条件下的车辆控制这一研究课题,最后对下一步的研究工作进行了展望。     

基于视觉标记板的自动驾驶车辆激光雷达与相机在线标定研究*

针对传统的高清相机和激光雷达外部参数手动或半自动化标定程序繁琐和耗时问题,提出一种适用于地面无人平台车载激光雷达和相机在线自动标定的方法,以安装标记板(Marker)的移动车辆为标定目标,实现车辆的快速识别和位姿估计。同时获取在两种传感器中得到的位姿估计结果,利用经典的定向求解方法计算得到相机与激光雷达之间的刚性转换关系,并在真实城区环境中利用最优评估优化减小标定误差,试验结果证明了所提方法的准确性与可靠性。