基于计算机视觉的停车位车辆存在性检测方法

为了提高停车场的车位利用率,有效地管理停车场,提出了1种基于计算机视觉的车位检测方法.与传统的视频检测方法不同,该方法在停车位上绘制了特定的辅助识别图案,图案具有各向同质性的特征,在大部分光照、阴影的影响下具备图案特征不变性,且与一般车辆上绘制的图案有显著差别,在此基础上采用图像检测算法对图案进行数学解析描述,作为检测目标,同时采用图像识别算法,逐行扫描各个像素,利用模式匹配判断停车位状态.通过选取停车场的2个车位进行实例验证,准确率为98.12%.结果表明该方法识别速度快、准确率高,具有很好的应用前景.      

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.     

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。     

基于计算机视觉的单目摄影纵向车距测量系统研究

基于计算机视觉的车道检测和前方障碍物检测技术,并与纵向车距模型相结合,提出一种测量车距的新方法。依据摄影几何投影变换,从图像平面重建出道路平面图而进行车道检测,解决图像中远方车道过于细小、难以检测的缺点,尤其是算法对常见的虚线车道特别有效,在试验中取得满意的效果。     

本期导语

选取 Harr-like特征,利用积分图快速计算矩形特征,对传统的 Adaboost算法引入优化更新权重的方法,提出1种基于级联分类器的行人检测方法,实现行人的实时区域快速检测。实验结果表明,基于改进 Adaboost算法的快速行人检测与定位方法实时性强、准确率高,基于该算法的行人快速检测与定位系统可靠性高、鲁棒性强。      

基于改进 Adaboost 的行人快速检测与定位算法

随着智能交通的发展,道路行人主动安全的重要性愈发凸显,且越来越受到国内外研究机构的重视。选取 Harr-like特征,利用积分图快速计算矩形特征,对传统的Adaboost算法引入优化更新权重的方法,提出1种基于级联分类器的行人检测方法,实现行人的实时区域快速检测。实验结果表明,基于改进Adaboost算法的快速行人检测与定位方法实时性强、准确率高,基于该算法的行人快速检测与定位系统可靠性高、鲁棒性强。      

基于计算机视觉的汽车整车尺寸测量系统

针对汽车尺寸测量的应用背景，根据双目视觉原理开发了一套基于计算机视觉的汽车整车尺寸测量系统。论述了该双目视觉测量原理及传感器模型，利用图像差值法实现车身目标检测，并在此基础上利用Sobel算法、阈值化等技术实现特征点提取。结合特征匹配与区域匹配技术实现立体匹配，并完成自动测量。试验结果表明，该系统可以实现汽车整车尺寸的自动、快速、准确测量。     

基于CAN总线的停车位检测器设计与实现

为提高停车位信息采集的实时性与可靠性,利用CAN总线通信技术设计并实现1种感知停车场车位空满状态的检测器.提出车位检测器总体技术架构与硬件组成,分析软件设计流程、车位检测优化算法、以及通信报文协议,并给出具体实现方案.通过对100个设备节点进行组网测试,结果表明:检测器的车位状态判定准确率大于98%,车位信息报文上传时延小于1.5ms,丢包率小于1%.      

变化光照条件下的交通标志快速鲁棒检测

变化光照条件下交通标志检测算法的准确率往往会显著降低。针对此问题,提出了1种新颖的概率图建立方法,并结合最大稳定极值区域特征进行交通标志检测。该方法包括3个处理步骤:①根据不同光照条件对真实场景交通标志样本图像进行明确分类以构建多类颜色直方图,将交通标志输入图像由原始色彩表达转变为概率图(直方图反投影);②通过在概率图上进行 MSER特征提取,获取候选的交通标志区域;③根据候选区域的面积、宽高比等特征快速有效去除非交通标志区域。实验结果表明在弱光照和强光照条件下基于归一化RGB的交通标志检测算法检测准确率分别下降到84.4%和83.0%,基于红蓝图的交通标志检测算法检测准确率分别下降到87.4%和86.3%,提出的算法在变化光照条件下依然可以保持90%以上的检测准确率,对光照变化有较好的鲁棒性。      

城市混合交通场景中的多目标参数检测

针对城市混合交通的复杂场景图像中多目标及其参数的检测问题,提出了一种由改进的帧间差分与边缘提取相结合的算法。利用帧间差分法检测车辆的存在,对帧差图像运用统计滤波算法提取多运动目标,通过形态学方法提取并细化目标边缘,根据主边缘（轮廓）信息完成车辆定位,最终结合摄像机标定结果计算出多目标交通参数。算法避免了复杂场景的背景建模,减少了运算量。实验结果表明,该算法不仅能较为准确地检测多运动目标的参数,而且具有较强的实时性。     

海绵生态停车场评价体系研究与实践

在我国城市化快速发展,机动车保有量不断增多,城市现有停车位供应严重不足,以及国家提出海绵城市建设的背景下,将停车场建设与海绵城市建设相结合,成为新的研究课题。对海绵生态停车场的定义及海绵生态停车场评价指标体系进行阐述。以武汉市东湖落雁东海绵生态停车场示范项目为建设实例,介绍了停车场建设目标、海绵设计理念及具体施工工艺,并对海绵生态停车场评价体系进行了研究。     

基于倾向流和深度学习的机场运动目标检测

针对当前基于视频图像的场面监视目标检测方法存在定位误差较大,识别准确率低等问题,建立一种结合目标运动信息的机场场面运动目标检测方法:利用倾向流法提取出运动目标在图像中的候选区域,对候选区域执行点池化操作以确定区域建议的边界,采用Inception结构构建一个浅层卷积神经网络,并使用该网络对区域建议中的航空器、车辆和人员进行识别.结合国内机场的监视视频,构建了一个包含4 938张图片的机场目标数据集,用于算法的训练和测试.结果 表明,运动目标提取的准确率达到94%以上,运动目标识别的Top-1准确率达到了97.23%,运动目标平均准确率达到86.23%.与3种深度学习目标检测算法相比,运动目标检测精度平均提升了39%.      

基于红外标记视觉的安全带佩戴规范性检测

针对安全带佩戴规范性仍未引起充分重视的现实问题,借助具有红外敏感表面涂层标记的三点式安全带,基于标记视觉和图像处理技术提出一种安全带佩戴规范性的集成检测方法:利用增强现实技术快速识别定位安全带标记,在此基础上分别设计数量阈值算法、模糊聚类阈值算法、曲线拟合松弛度算法和肩部外轮廓交点定位算法,用以进行安全带是否佩戴和佩戴形式、松紧程度、高低位置是否规范等4种判断,从而实现安全带是否规范佩戴的检测目标。实验结果表明,在各种成像条件和图像背景干扰下,对应上述4种判断的识别准确率分别为95.4%,93.1%,79.5%和85.3%,而安全带佩戴规范性的综合识别准确率达89.5%,验证了所提出算法的准确性、有效性和适应能力。     

无人车视频图像中目标物阴影去除方法研究

无人驾驶汽车主要依靠车载摄像头拍摄视频,通过计算机对该视频进行分析,综合道路信息、汽车位置和障碍物等对汽车车辆进行控制,实现对车辆方向和速度的控制,确保车辆可以安全可靠地在道路上行驶。无人车摄像头采集的图像处理是一项重要工作,是车辆系统作出判断的前提输入,通过对车载摄像头所获取的图像处理和分析,研究目标与目标物阴影之间的相关关系,利用图像阴影部分的基本特征,提出图像边界差的阴影检测方法。通过准确检测,利用图像处理技术去除阴影获取目标。     

探地雷达用于盾构掘进前方障碍物探测的数值模拟

盾构掘进前方障碍物的探测是近年来工程中关注的热点,盾构掘进中遇到障碍物,会给盾构机本身、工程甚至施工人员带来危害。基于盾构机的工作方法及周围环境,探地雷达作为一种快速、无损、高效的检测方式,对应用于盾构前方障碍物探测具有理论上的优势。为验证探地雷达应用于盾构前方障碍物探测的可行性以及得出典型障碍物的图像特征,该文采用基于时域有限差分(FDTD)的GPRMAX3D软件,并用Matlab语言编写圆周探测的模拟算法,进行了三维数值模拟,得出障碍物的图像特征,初步判断障碍物在图像上的反映,为今后进一步研究提供依据。     

一种改进的车牌区域定位算法

在分析基于灰度图像的车牌区域搜索思路的基础上,提出了一套改进的车牌区域定位算法.在图像预处理过程中,根据高速公路收费站点光照条件不断变化的特点,采用一阶差分算法并结合累积像素点确定二值化阈值的方法,完成图像边缘轮廓的提取工作.实践表明,改进的车牌区域定位算法的定位准确率为98.3%.     

基于消防安全疏散标志的高精度室内视觉定位

为解决室内交通无法利用GPS进行定位的问题,针对室内普遍存在并且均匀分布的消防安全疏散标志,研究了基于消防安全疏散标志的高精度室内视觉定位算法.以计算当前位置距离地图中最近的1个消防安全疏散标志地点的位姿为目标,利用消防安全疏散标志的颜色特性进行颜色阈值分割.结合方向梯度直方图(HOG)特征与支持向量机(SVM)检测候选框中是否含有消防安全疏散标志,然后用加速鲁棒特征(SURF)全局特征进行特征匹配,利用最邻近(KNN)方法选取全局特征距离最小的K个地点作为候选定位结果.用SURF局部特征进行特征匹配,选取局部特征匹配数目最多的1个地点作为图像级定位结果,并计算当前位置在地图中的位姿.通过在地下停车场和大型办公楼进行实地测试,图像级定位的准确率在96% 以上,平均定位误差在0.6 m以下.实验结果表明,该算法满足了室内定位精度的需求,并具有良好的鲁棒性.      

基于场景分类及灰度跳变的车牌定位方法

车牌定位是自动车牌识别系统实现的关键。提出一种基于场景分类及灰度跳变的车牌定位算法。该算法对彩色图像进行场景分析,将图像分类为白天场景类或夜晚场景类。这两类场景的字符与背景的灰度跳变值不同,一般白天场景类的灰度跳变值较大,夜晚场景类的灰度跳变值较小。利用不同的灰度跳变值快速提取出几块车牌候选区域,对不同的场景用不同的方法最终选取一块区域。实验结果显示本文提出的方法对图像场景分类准确率达到98.2%,车牌定位的准确率达到98.5%。     

基于OpenCV的红外图像预处理算法研究

准确获取驾驶员的面部表情特征不仅能够有效判定驾驶员当前驾驶疲劳程度,而且能够为驾驶意图的判断提供可靠基础数据。为了全天候监控驾驶员面部表情特征,提出利用具有良好兼容性和快速处理图像特点的OpenCV获取人的面部表情特征,该算法利用车载红外探头实时采集驾驶员面部图像信息,对采集回来的图像进行滤波以及二值化处理,依据红外红外光谱和夜间驾驶员红外脸图特征对图像进行分割,从中提取出驾驶员脸部区域,从而实现对驾驶员脸部区域的准确定位。     

基于K-means算法的行人检测方法研究

行人作为交通事故易受伤群体之一,其安全保障越发受到重视.结合车载激光测距仪实时采集的车辆前方障碍物距离信息,提出基于K-means算法的行人检测方法.首先对激光测距仪接收的距离信息进行报文解析,形成激光云点图.其次,对激光云点图进行预处理,消除冗余数据.再应用K-means聚类算法对前方障碍物进行分类,最后建立行人宽度模型甄别行人目标.试验结果表明,基于K-means聚类算法能从激光云点图中快速提取行人目标,为汽车主动安全及交通安全研究提供基础.