一种基于卡方统计的弯道识别算法

提出了一种基于卡方统计的弯道识别算法。该算法从机器视觉出发,对图像传感器采集的道路图像进行预处理,包括感兴趣区域(Region of Interest,ROI)划分、高斯滤波和边缘检测,筛选满足车道边缘特征的像素点,并提取车道线中点。再设置动态的感兴趣区域,得到两边车道像素点中心位置与车道线中心线的关联性概率函数,最后利用关联性概率函数和对称性来识别弯道。试验结果表明卡方统计能有效识别弯道和和弯道方向,满足汽车辅助驾驶系统识别的实时性和准确性。     

基于最大相关准则图像分割的结构化道路路径识别和跟踪算法

为提高基于视觉导航的智能车辆对结构化道路车道标识线的识别和跟踪精度,同时消除车流、阴影和光照不均匀等不利因素的影响,提出一种基于最大相关准则的图像分割算法及基于感兴趣区域的车道标识线跟踪算法:首先,对图像进行滤波和光线补偿等前期处理,采用最大相关准则的图像分割算法对道路图像进行阈值分割;然后,根据车道的结构特征及先验知识提取车道标识线的特征点,并运用最小二乘法对特征点拟合,得到车道模型的参数;最后,通过建立感兴趣区域(ROI)的方法实现对车道标识线的准确跟踪。试验结果表明,该算法具有很好的准确性、实时性和鲁棒性。     

考虑复杂交通规则的最优路径算法在GIS中的实现

传统的最优路径算法大多是基于网络图加权计算得到的,较少考虑道路网络的实际交通状况。对传统的Dijkstra算法进行改进使之适用于城市交通诱导系统,在综合考虑复杂交通规划的情况下,实现了1种改进的最优路径算法。算法在极少增加网络节点的情况下,满足城市复杂交通规则,并通过排除不符合交通规则的节点,提高其运行效率。基于Visual Basic和Super Map软件,开发了广州市交通诱导系统,通过实际算例验证算法的有效性与准确性。     

用于车道识别的分段切换车道模型

为了使得车道模型既能准确地描述车道形状,又不影响车道识别算法的实时性,提出了一种分段切换车道模型。对近视场区域使用直线模型匹配车道线,对远视场区域则在直线模型和二次曲线模型之间进行切换,以适应有曲率和无曲率道路的识别要求。试验表明,使用分段切换车道模型的车道识别算法能够很好地匹配各种形状道路,并能满足实时性要求。     

融合改进YOLO和背景差分的道路抛洒物检测算法

针对现有道路抛洒物检测算法识别准确率低、识别种类有限、实时检测效率低的问题，探索了将深度学习目标检测和传统图像处理相结合的抛洒物检测算法。提出在YOLOv5s目标检测算法基础上，对模型结构进行修改以满足实时性需求。具体地，使用卷积优化YOLO中的降采样模块，采用Ghost网络替代原始的特征提取网络以减少计算量，根据抛洒物检测对象的特点设计符合数据集的锚框以提高目标识别准确度。使用优化后的YOLO检测道路场景中车辆、行人作为交通参与者得到检测框，在检测框周围设定感兴趣区域，并在感兴趣区域内用背景差分算法实现前景目标识别。计算前景目标与YOLO检测结果的交并比，排除交通参与者目标后实现道路抛洒物的识别。针对交通参与者检测的实验结果表明，改进后的YOLO检测算法在整体识别精度没有损失的情况下单帧检测速度为20.67 ms，比原始YOLO检测算法速度提升16.42%。真实道路抛洒物实验结果表明，在没有抛洒物训练数据情况下，传统混合高斯模型算法平均精度值为0.51，采用融合改进YOLO和背景差分的抛洒物检测算法平均精度值为0.78，算法检测精度提高52.9%。改进后算法可适用于没有抛洒物数据或正样本数据稀少的情况。该算法在嵌入式设备Jetson Xavier NX上单帧检测速度达到24.4 ms，可实现抛洒物的实时检测。      

弯曲路径识别中感兴趣区设定方法的研究

在路径识别中设置搜索感兴趣区以提高弯曲道路边界的识别实时性。用抛物线模型拟合弯曲道路边界,根据道路边界位置不会发生突变的特性,在识别出的道路抛物线模型上选取有代表性的3个点,针对每个点建立预测模型,应用Kalman滤波理论准确预测道路边界的位置,并据此设置搜索感兴趣区。依照合理的目标函数,在感兴趣区范围内搜索并确定抛物线参数,从而将搜索范围较为准确地限定在较小区域,能够有效提高识别的实时性。试验验证该方法在大大提高识别实时性的同时,增强了识别的精确性和鲁棒性。     

基于CCD参数智能调节的车道线检测

在分析传统Hough变换优缺点后,提出一种基于CCD参数智能调节的车道线检测方法。通过建立图像特征区域,调节CCD的亮度、增益和曝光时间等参数,增强车道线与周围道路的对比度,减少路面噪声;在此基础上提出改进的Hough变换算法,对整幅图像进行种子点的选取与归类,再对每组种子点进行Hough变换,最后通过一定的角度约束提取车辆当前运行车道线。道路试验验证了该方法的有效性、实时性和准确性。     

基于道路网络数据库的最短路径搜寻

最短路径搜寻是智能交通系统(ITS)中车辆诱导的关键技术之一。作者根据城市交通道路网络建设的实际,研究了描述城市交通路网的道路数据库的结构。在此基础上采集大量道路信息,溶入GIS技术,建立城市道路网络数据库。用动态邻接矩阵对经典的Dijkstra算法进行改进,提高了运算效率。采用改进的算法实现了车辆诱导系统中的快速最短路径搜寻,并给出了车辆诱导系统搜寻最短路径的一个实例。     

基于单目视觉的智能车车道线识别算法

针对传统车道检测和识别算法存在的问题,如操作复杂、处理速度慢,鲁棒性不足等问题,提出了一种新的快速车道识别算法。预处理摄像机拍摄的道路图像,并对三种二值化算法进行图像模拟实验,改进了传统的边缘检测Canny算法,并将Hough变换用于车道线识别。仿真实验表明:该算法达到了快捷准确的识别效果。     

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。     

基于自适应模糊PID控制的ABS仿真研究

在Matlab/Simulink中建立一种两轮的汽车动力模型,以自适应模糊PID和道路识别控制器作为控制模块,通过在高低附着路面和高低附着对接路面进行紧急制动仿真的研究。仿真结果表明道路识别控制器能够快速准确的识别路面不同附着路面最优滑移率,自适应模糊PID控制的ABS相于常规制动性能有了很大程度的提高,具有在线自整定参数的特点,具有很好的稳定性、适应性和鲁棒性。     

基于小波和粒子群算法的HEV行驶状况辨识方法研究

针对混合动力汽车(HEV)行驶状况(道路坡度和整车载荷)变化难以有效识别,导致驱动系统控制策略不能有效满足驾驶员意图问题,以混联式HEV为研究对象,提出了基于小波滤波和粒子群算法的HEV行驶状况辨识方法。首先建立了汽车行驶状况辨识模型,采用最小二乘法确立了优化目标函数,其次研究了基于小波滤波和粒子群算法的HEV行驶状况辨识原理,最后进行了行驶状况粒子群智能算法辨识试验。在采集实车数据的基础上,对实车数据进行小波滤波,并运用行驶状况辨识方法对道路坡度和整车载荷进行了辨识,并对辨识结果进行小波滤波,结果表明,试验工况下整车载荷辨识的相对误差绝对平均值为2.71%,道路坡度辨识的相对误差绝对平均值为3.85%,验证了所提出方法的有效性。     

基于探地雷达的路基脱空病害图像自动识别

道路病害快速检测对于确保道路的安全和可靠运行至关重要。而探地雷达技术在道路病害检测中具有快速、无损和高分辨率等特征,因此被广泛应用。然而,以往的雷达图像处理和解译主要依赖人员的主观经验,易导致误判和漏判。为了解决这一问题,通过研究基于YOLO算法的图像识别方法,结合深度学习技术,开发一种智能化的道路病害识别系统,能够自动提取探地雷达图像中各类病害的特征,并实现高效、智能的识别,并通过钻孔验证,以确保识别结果的准确性,有效预防突发性道路塌陷的发生,提高道路的安全性和可靠性。     

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。     

城市道路网最短路径启发算法研究

从城市道路网络的实际特点出发,对城市电子地图的道路网进行网络分析,将最佳路径搜索问题转化为图论中的最短路径搜索问题,通过对最短路径搜索算法的分析,提出了一种求解城市道路网两点间最短路径的算法。该算法主要对Dijkistra算法的搜索方法进行改进,根据两点间直线距离最短这一原理,运用待扩展节点与终止节点间的直线距离这一启发信息,使搜索沿着某个最有希望的路径进行下去,大大减少了搜索范围,提高了路径搜索的速度,具有重要的实践意义。     

基于视频的城市道路智能照明控制系统设计

实时的城市道路智能照明控制技术是现代智能交通系统的重要内容之一。该方法与道路交通视频监控技术一起,不仅能够保障驾驶员在雾天、雨天和夜间的行车安全,同时也可以实现城市照明节能。文中提出一种基于视频的城市道路智能照明控制方法,并在此基础上设计了相应的系统,能够根据当前的道路交通流情况,动态控制路灯系统的工作功率。经过大量交通图像序列的测试,显示本智能控制算法是鲁棒而且实时的,可以有效地调节当前道路的照明条件。     

谐波叠加法在道路谱重构中的改进与应用研究

三维路面的数值模拟是车辆虚拟道路试验中的重要研究课题，而道路谱的重构与分析是其中的核心内容。谐波叠加法作为常用的道路谱重构方法，具有良好的适用性及精度。但在解决非规则分布的复杂道路问题时存在着重构精度不足以及计算效率不够等问题。为此，在原有的谐波叠加法基础上，提出基于改进谐波叠加法的道路谱重构方法。通过三次样条插值技术对谐波叠加法进行改进，以正定平方分解 （Cholesky） 次数来减少计算内存，从而提高道路谱重构精度。研究发现，相较于传统的谐波叠加重构方法，基于改进谐波叠加法的道路谱重构算法运行模拟时间大大减少，但是精度明显提升。与直接测量法、载荷谱迭代法、谐波叠加法以及滤波白噪声法等相比，基于改进谐波叠加法的道路谱重构精度在90%以上，具有显著优势。基于改进谐波叠加法的道路谱重构模拟仿真，重构的路面功率谱与标准路面谱能很好地契合，得到更加满意的仿真效果，在车辆虚拟道路试验中具有一定的实践应用价值。     

轮胎／路面附着系数估算方法

为提高汽车主动安全系统自适应控制性能,需要对轮胎／路面附着系数进行精确的识别或估算。鉴于附着系数估计的复杂性,文章综述了目前路面附着系数估算中的汽车动力学建模和轮胎／路面摩擦模型建模,重点讨论了轮胎／路面附着系数识别算法中传感器的直接检测估计法,以及基于车辆动力学、回正力矩和状态观测器等动力学模型的估计算法,并对各估算方法存在的问题与发展趋势等进行了分析。对开发汽车主动安全电控系统和提高汽车产业核心竞争力具有重要意义。     

基于主成分分析和学习向量量化神经网络的制动工况路面识别与验证

开展车辆制动时路面类型识别的研究，提出一种基于主成分分析-学习向量量化神经网络 （Principal Component Analysis - Learning Vector Quantization，PCA-LVQ） 的制动工况路面识别方法。利用主成分分析对多维度驾驶数据降维处理，提取能表征路面特征的主要成分，采用学习向量量化神经网络对降维处理后的驾驶数据进行训练，并用于路面特征分类，使用制动工况下实车试验数据和硬件在环仿真数据进行验证。结果表明，所提出的 PCA-LVQ算法能准确识别路面类型特征，路面识别的精度达到 97%，与传统 BP神经网络的路面类型特征识别精度提升 7%；同时，在不同车速下，基于PCA-LVQ算法也能较准确地识别路面类型特征。     

Adaptive impedance control of a hydraulic suspension system using particle swarm optimisation

This paper presents a novel active control approach for a hydraulic suspension system subject to road disturbances. A novel impedance model is used as a model reference in a particular robust adaptive control which is applied for the first time to the hydraulic suspension system. A scheme is introduced for selecting the impedance parameters. The impedance model prescribes a desired behaviour of the active suspension system in a wide range of different road conditions. Moreover, performance of the control system is improved by applying a particle swarm optimisation algorithm for optimising control design parameters. Design of the control system consists of two interior loops. The inner loop is a force control of the hydraulic actuator, while the outer loop is a robust model reference adaptive control (MRAC). This type of MRAC has been applied for uncertain linear systems. As another novelty, despite nonlinearity of the hydraulic actuator, the suspension system and the force loop together are presented as an uncertain linear system to the MRAC. The proposed control method is simulated on a quarter-car model. Simulation results show effectiveness of the method.