基于LPR的车距测量智能感知系统研究

本文基于车牌识别系统，提出一种基于单目视觉的前方车辆距离测量方法。全文根据图像变换、模型成像、视觉测量等方法，分析研究LPR测距的理论，设计出单目视觉测距的应用模型。利用车辆几何特征信息定位前方车辆的位置图像信息，最终利用车牌信息测量前方车辆距离。     

基于立体视觉的车辆尺寸参数测量系统研究

本文利用双目立体视觉原理，提出基于数码相机阵列的车辆尺寸参数三维非接触测量系统，并对其进行可行性研究。系统以双目相机为基本测量单元，通过合理布置多个数码相机的位置，使得不同的基本测量单元负责车辆不同关键部位的测量，从而获取特征点的三维空间坐标，进而获得车辆尺寸参数。本文就其中的摄像机单目标定算法，双目标定算法以及三维重建算法进行相关的研究，并提出相应的实现算法。实验数据表明该测量系统的可行性和有效性，具有一定的应用前景。     

基于立体视觉的安全车距新型识别技术的研究

车辆行驶距离是交通安全的重要指标之一。安全车距的测量已成为智能交通领域的一个日益热门的研究领域。通过分析立体视觉的基本原理,标定CCD传感器的内外参数,提出了一种测量立体视觉的方法,建立了基于立体视觉和DSP的车辆距离控制系统。一旦车辆的速度和距离形成非安全关联,它就会发出警告,并上传数据或强制限速。该方法根据从左右传感器获取的目标车辆图像的不同坐标,识别特征点,计算到目标车辆的距离,分析车辆距离的安全性。实验结果表明,该方法测量范围宽,测量精度高,运算速度快,能够满足智能交通中安全车距测量的实际需要。     

智能网联汽车前方防碰撞辅助系统的设计

正一、前方防碰撞辅助系统的定义及发展历程前方防碰撞辅助系统(Forward Collision Warning,FCW)是通过摄像头、雷达等传感器实时感知车辆前方的物体,并检测车辆与目标之间的距离并警示驾驶员的一种系统。该系统的示意图如图1所示。     

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LabVIEW和激光雷达的智能车辆障碍物检测

将LabVIEW引入智能车辆研究与应用领域,提出基于LabVIEW和激光雷达的智能车辆障碍物检测系统。该系统采用激光雷达探测智能车辆前方的物体,测到的距离数据经串口传输至计算机（LabVIEW）后,由LabVIEW对数据进行处理和分析,完成智能车辆前方障碍物检测。该系统设计了激光雷达控制、串口VISA操作、数据采集、处理及存储、直角坐标和极坐标图像、障碍物检测等程序。实验结果表明,该方案是可行的,可以作为研究智能车辆技术的一种新的方法。     

面向交通安全的车辆间距测试技术研究

基于数字图像处理理论,提出了一种车间距离测试的方法,介绍了边缘增强与形态学处理相结合的图像预处理算法、阈值分割与判定树结合的障碍物检测方法以及反转透视测距计算模型,利用VC 平台编写了测距实验程序并组织了测距试验.试验结果表明,该测距方法简洁有效,能满足智能车辆测距工程需要,是一种可行的前方车辆距离测量方法.     

基于OpenCV的AEB系统车辆检测和预警研究

为降低汽车换道时碰撞事故发生概率,提出基于OpenO_4CV的AEB系统车辆检测和预警算法。首先利用Haar-like+Adaboost实现前方车辆的识别与检测,并结合粒子滤波原理建立车辆跟踪模型。然后基于单目视觉模型对前方车辆距离进行测量,根据障碍物与车辆的安全距离估测碰撞时间。最后,基于AEB系统进行车辆防撞预警测试,测试仿真结果表明,在不干扰驾驶员正常驾驶的前提下,即碰时间的TTC算法性能最佳,有效提升了前方车辆检测预警精确率。     

基于单目视觉的夜间前方车辆检测方法EI北大核心CSCD

为提高夜间行车的安全性,提出了一种基于单目视觉的夜间前方车辆检测方法。该方法利用最大类间方差法自动确定阈值,从背景中抽取出前车尾灯,并根据HSV颜色空间的颜色阈值剔除非尾灯目标,利用Kalman滤波方法将图像分为跟踪区域和检测区域,在两个区域内分别进行尾灯配对,根据尾灯对之间特征相似性的比较,剔除误检的车辆;跟踪区域中漏检的车辆,根据前一帧检测的车辆位置和正确抽取的尾灯来估计,以实现车辆检测。实验结果表明,该算法能准确检测夜间前方车辆,有效降低漏检率和误检率。     

斯巴鲁EYESIGHT驾驶辅助系统正式登陆中国

正10月21日,"2016斯巴鲁新安全技术发布会"在北京举行。在本次发布会上,斯巴鲁宣Eye Sight驾驶辅助系统将正式登陆中国市场。Eye Sight驾驶辅助系统是避免事故发生,以减少伤害为目的的驾驶辅助系统。它就像可靠的驶伙伴一样,通过两个模拟人眼的立体摄像头,来监测车辆前方的路况和车流信息。近似人类眼的立体摄像头,可同时识别视野内的多个目标(车辆、行人、自行车等),且除了距离以外,还以对方向、高度大小等指标进行识别。Eye Sight驾驶辅助系统能够提前预知碰撞事故风险、减轻伤害、为安全驾驶提供支持,可根据     

用于汽车ADAS系统测试的软目标车研究进展

软目标车在汽车高级驾驶辅助系统(Advanced Driving Assistance System,ADAS)测试中发挥着重要作用,它提高了试验的安全性和效率。介绍了软目标车研发的关键技术和研究进展,通过分析乘用车的电磁散射特性、视觉及光学特性,论述了软目标车对于毫米波雷达、视觉传感器以及激光雷达在特征识别方面的设计要求,重点阐述了软目标车对毫米波雷达的探测及识别目标的响应特征——雷达散射截面(Radar Cross Section,RCS)的特征分布及其测量和数据处理方法,为软目标车的开发和使用提供参考依据。     

车路协同下车队避让紧急车辆的换道引导方法

为保证紧急车辆更安全、高效地到达紧急事故现场,基于车路协同系统,提出车队避让紧急车辆的换道引导策略。针对目标车道无车辆、有车辆和有车队3种不同场景,分别提出确保紧急车辆快速通过的协同换道策略。通过协同换道策略引导紧急车辆前方行驶的车队和目标车道的车辆改变速度以调整车辆间距,使其满足换道安全距离,依据换道轨迹规划使车队完成换道,并提出紧急车辆发送紧急避让信号的位置方法,计算当不影响紧急车辆的速度情况下,其发送紧急避让信号时与车队尾车的最短距离。利用SUMO交通仿真软件,实现车路协同环境下3种不同场景车队避让紧急车辆的换道引导,并比较目标车道为车队的场景下,车队换道至目标车队的每个空档中（方式A）和车队换道至目标车队的同一个空档中（方式B）2种不同的换道引导策略。研究结果表明：目标车道有车队的场景下,方式B的协同换道时间更短,发送紧急信号的位置距车队尾车82 m,较方式A的87 m更近,对周围车辆影响更小,因此此场景采用方式B的协同换道策略;在目标车道无车辆、有车辆和有车队3种场景下,紧急车辆分别距车队尾车71,71,82 m时发送紧急避让信号,其可以维持期望速度,验证了最短距离与车辆速度的关系式;与未使用换道引导策略的情况相比,紧急车辆的速度提高,延误减少。     

基于双目视觉计算的车辆跟驰状态实时感知系统

双目视觉技术能够实现目标的识别与距离计算，在自动驾驶领域有很大的应用空间。然而，现阶段双目视觉存在光照干扰、遮挡、弱纹理区域歧义匹配等问题，影响其测量的准确性和可靠性。提出基于双目视觉的跟驰状态实时感知系统，该系统采用基于车辆跟驰模型的扩展卡尔曼滤波方法对车辆跟驰状态进行实时估计，包括跟驰距离、前后车速度差等。通过实际道路试验，证明了该系统能够识别并修正测量数据中的异常值，解决弱纹理区域误匹配问题。试验结果表明：25 mm焦距与12 mm焦距的双目系统跟驰间距测量值的平均误差分别为2.66%与9.14%；在相对速度测量方面，2种焦距系统的测量精度基本相同，平均误差均为1 m·s^-1左右。所提出的方法在自动驾驶车辆环境感知领域有较好的应用前景。     

基于红外测距的道路前方车辆探测预警系统研究

进行道路前方车辆探测预警系统设计时,通常采用红外测距仪来获取道路前方车距信息,并以此作为前车探测的基础数据。为了消除系统状态误差和测量误差对车距信息数据精度的影响,可根据车距信息和相对车速不会突变的特性建立预测模型,基于此预测模型,应用Kalman滤波理论准确预测相对车速,并利用车距信息和相对车速计算安全距离报警阈值。试验证明该探测及预警方法可大大提高车辆探测的准确性和鲁棒性。     

基于滑模控制的时滞自动车辆跟随系统数学模型

基于非线性车辆动力学方程和固定车辆间距跟随策略,对具有时间滞后的自动化公路系统车辆纵向跟随控制问题进行了研究。在假定车队中的每个被控制车辆能够接收到车队领头车辆以及该车前面一个车辆的位移、速度和加速度信息的情况下,应用滑模变结构控制方法,通过对滑模运动方程的分析,得到了关于车辆间距误差的车辆纵向跟随系统的数学模型。该模型属于一类具有时间滞后的无限维非线性关联大系统。在具有时间滞后的车辆纵向跟随控制器设计中,利用该类非线性关联大系统的稳定性判定条件来设计控制参数,可确保车辆纵向跟随控制系统的稳定性。     

基于双目视觉的前车距离识别方法

本文提出一种基于双目视觉系统,对道路上各对象进行特征识别的方法。首先利用Canny算子和霍夫变换等图像处理方法检测出道路区域,以提高其后的图像处理效率;然后在道路区域内部通过阴影识别方法对车辆进行识别;最后利用双目视觉几何关系,对对象物体距离进行比较。实验结果表明,通过本文所述方法可准确识别出图像中各对象及其距离关系。     

横风下π型断面大跨桥上汽车气动特性风洞试验（双语出版）

准确获得车-桥系统气动力是评估强风作用下桥上车辆运行安全性和舒适性的基本前提，为此必须考虑车辆与桥梁间存在的显著气动相互干扰。以山区大跨桥梁常见的π型断面主梁和集装箱货车为研究对象，设计并制作了1：32几何缩尺比的桥梁和车辆刚性测压模型，通过风洞试验测试了典型车-桥组合工况下车辆表面的风压分布，分析了前、后车辆干扰作用、车辆横向距离和车道组合方式等对桥上汽车气动特性的影响，并进一步分析汽车表面的风压值分布，以探究汽车气动力系数变化的机理。研究结果表明：前、后车辆间的干扰、车辆横向距离的改变对汽车的侧向力系数、阻力系数和升力系数均有较大影响，但对汽车的力矩系数影响较小，且汽车的力矩系数具有一定的离散性；车道组合方式中测试车辆位置的改变对汽车气动特性的影响大于干扰车辆位置的改变对汽车气动特性的影响，且车辆组合方式的改变对汽车的力矩系数基本没有影响；受桥梁π型主梁断面的影响，汽车侧向力系数的变化趋势与Coleman规律下的变化趋势不同。     

大型营运客车在高速公路的换道安全性辨识

为了给大型营运客车换道预警系统设计提供参考,采用毫米波雷达、激光雷达、车道线识别传感器、GPS、视频监控系统以及控制器局域网（CAN）总线数据采集仪等设备,基于小型乘用车搭建浮动车采集平台。通过在试验线路上进行1.5×10⁴ km的驾驶试验,获取1 200余次营运客车的真实换道数据。以Jula提出的换道安全性模型为基础,结合营运客车的换道行为特征,通过分析换道进程结束后客车需要与周围车辆保持的安全距离,建立适合于营运客车的3类换道安全性识别模型（客车与自车道前方车辆、目标车道前方车辆、目标车道后方车辆）,并利用真实数据对3类模型进行验证。研究结果表明：客车换道持续时间均值为10.4 s,换道起始时刻与目标车道后方车辆的距离为10.0~40.0 m;所有换道样本中,73.3%的换道过程中客车速度要高于目标车道后方车辆,且超过90%的换道过程是由前方慢车引起;不同的速度区间下,车速和航向角联合变化情况下,驾驶人控制营运客车的横向偏移速度保持稳定,可认为客车驾驶人的心理预期换道进程存在固定经验模式,这与小型车换道的研究结论存在较大差异,传统的TTC预警算法识别率较低,在不同速度区间情况下,所提出的模型对客车与自车道前方车辆、目标车道前方车辆、目标车道后方车辆的换道安全识别评价准确率均超过了90%。     

基于无人机视频拍摄的高速公路小型车换道行为特性

为了研究高速公路小型车的换道行为特性,采用2台无人机同时在200 m的高空对交通流进行拍摄,获取交通流运行状态。构建拍摄路段的高精度地图,获取每一时刻车辆的精确运行状态数据,在此基础上对2个视频进行拼接,最终获得车道位置、速度、车辆编号等8项关键指标,共提取换道行为1 520条,筛选后得到完整的自由换道数据942条。采用车辆轨迹是否持续偏移作为判断换道行为起终点的依据,在此基础上分析换道的时间长度、空间长度、与周边车辆的相互状态以及换道行为的安全性等16个特征参数。得出平均换道时间长度为6.09 s,平均换道空间距离为148.08 m,换道时间与空间长度均符合对数正态分布。换道车辆与目标车道后方车辆的平均距离最小（34.29 m）,其相对距离在10 m以内的占28.24%,驾驶人为了加快行驶,在与目标车道后方车辆相对距离较小的情况下,依然采取换道措施。与正前方车辆的相对速度差最大,平均值为10.2 km·h^-1,并且在83%的情况下,本车的速度大于前车,说明车辆自由换道是由于前方车辆行驶速度较慢所引起。采用TTC,MTC分别对换道起始时刻的安全性进行分析,并将安全状态划分为4种类型：严重-紧急状态、严重-非紧急状态、非严重-紧急状态、非严重-非紧急状态。其中严重-非紧急,非严重-非紧急这2种状态占比最高。该研究成果对了解中国驾驶人在高速公路上的换道行为特性,以及对建立适用于中国实际交通环境特征的换道行为模型具有一定参考意义。     

双目视觉技术在目标测量中的应用

给出了一种用于目标空间三维距离、方位信息探测的立体视觉系统实现方法。该系统根据双目视觉原理,利用预制三维标定物对图像获取系统的内、外参数进行标定,求出投影变换矩阵,根据图像识别结果运用灰度模板、连续性假设和对极几何约束进行识别目标的特征匹配,进而获得目标的三维信息。试验结果表明,该方法可以有效地获取目标周边环境的信息。