基于矢量运算和多级阈值判断的地磁车位占用检测算法研究

检测算法解决了现有地磁车位检测中无法排除邻位停车干扰以及所选判断标准无法适应多种车型、停车应用场景的问题.检测算法分析磁偶极子模型,基于矢量运算提取目标车位停车过程产生的地磁扰动矢量,有效排除邻近车位停车过程对目标车位磁场的影响.通过收集大量真实停车产生的地磁扰动信息,统计分析地磁扰动的强度以及方向变化特征,合理选取多级阈值作为算法中车位占用检测的标准,保证检测算法适用于多种车型、停车应用场景.经过3个月实地应用测试,发现检测算法车位占用检测精度达到99.3%,优于强度或者方向单一特征判断算法,并能检测出停车是否规范.研究算法尚未应用于大型客车、货车以及特种车辆车位占用判断.      

基于YOLOv2-Tiny的环视实时车位线识别算法

车位线识别是自动泊车系统中感知环节的关键,本文基于轻量化的目标识别网络YOLOv2-Tiny实现车位角点检测,并通过对网络识别出的角点块区域进行灰度化、自适应二值化、开运算等预处理,后续进行骨架提取,利用概率霍夫变换检测角点骨架直线从而计算校正后的角点中心,并确定车位摆向。所提出的方法可用于检测不固定角度的平行、垂直与斜列车位,识别效果优异,检测效率高,可满足实时性要求。     

基于深度学习的停车位检测研究

随着智能网联汽车的发展，越来越多的学者投身于L4级以上的稳定的自动驾驶算法研究中来。自动泊车系统作为智能网联汽车的一项重要功能，能够在有效提升驾驶体验的同时，降低由于复杂地段的泊车困难带来的交通事故和经济损失，因此自动泊车在学术界和工业界掀起了研究热潮。传统的自动泊车系统中对于车位的感知依赖于超声波雷达，并且对车位空间结构有诸多限制。由于复杂的视觉环境和环视图像上停车位的不完整显示，基于视觉的停车位检测是一项重大挑战。本文提出了一种基于卷积神经网络（CNN）的车位检测算法，设计适用于车载环视图像的多重沙漏网络，并引入一种策略选择最佳感受野，从而联合检测停车位的角和线特征。所提出的方法达到了较高的精度和召回率，在搭载GPU的嵌入式移动终端可以达到30 FPS的实时性和较高的精准度。     

联合图像处理和目标约束的车道线检测方法

针对车道线检测存在检测精度不够高、多峰值检测、受噪声干扰严重的问题,设计了道路图像前处理算法和目标约束(Target Constraint Range,TCR)算法结合的新型车道线检测算法。对灰度化的图像进行改进的中值滤波除噪,再基于最大类方差法,用Canny算法提取车道线边缘。结合前处理算法,TCR算法通过目标区域划分和极角极径法来缩小检测范围,且运用算子[1 0-1]和[-1 0 1]对车道左右双线分别进行边缘叠加处理来提高霍夫变换法(HoughTransform)的检测精度,在新的TCR下进行车道线跟踪,解决了车道线检测偏离问题,搭建了汽车试验平台和软件平台。试验结果表明,检测算法在直道和弯道行驶下的检测准确率分别为93.8%和91.6%,且能排除弱光照和强光照干扰。     

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Retinex的低光照车位图像增强

针对自动泊车过程中车载鱼眼相机拍摄的车位图像因低光照环境导致图像整体偏暗、车位信息模糊而无法检测出车位的问题，本文中设计了一种融合限制对比度自适应直方图均衡化（CLAHE）和改进单尺度Retinex(SSR)的车位线图像增强算法。首先将鱼眼相机图像畸变矫正后转换生成鸟瞰图；然后使用优化映射函数计算过程的CLAHE算法对鸟瞰图预处理；进而使用基于迭代方框滤波估计入射分量的单尺度Retinex算法增强图像；经过滤波和形态学处理，最后基于亮通道先验将图像灰度化，得到最终的增强结果。本文采集多组低光照场景下单侧鱼眼相机摄取的实际泊车过程视频，截取驶过停车位过程中的单帧图像作为数据输入，并使用一种基础车位检测算法对增强结果进行检测，试验结果表明，经过增强后可被检测出车位的视频帧数量超过90%，且单帧图像增强算法处理时间仅38 ms。     

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。     

车辆辅助驾驶系统中的三车道检测算法

本文中提出了一种基于车道线特征的三车道检测算法。首先,在车道线预提取过程中对道路消失线以下部分的整个车道图像进行模糊化和边缘检测,并根据边缘点位置和方向角对消失点进行定位,同时基于消失点位置提取直线并结合车道模型对构成三车道的直线进行筛选和补充。接着在车道跟踪阶段,根据前一帧图像检测出的直线和消失点位置,对车道图像局部区域分别进行边缘点、直线的跟踪检测,并对消失点位置进行重定位。最后,对车道参数进行寻优以计算车道线曲率和车道宽度。试验结果表明,提出的边缘检测算法能有效检测模糊车道线边缘并抑制噪声,消失点和直线的检测方法耗时少且准确性高。在直线检测的基础上进行车道模型匹配能提高车道识别实时性,算法在车道线模糊、雨天、大雾和大曲率等环境下均具有较好的适应性。     

基于FPGA的车道线检测系统开发

车道线检测系统是车道偏离预警装置(LDW)的核心.本文基于Xlinx的Spatran6平台,开发了LDW产业化所需的车道线检测算法和现场可编程门阵列(FPGA)电路,并通过软硬件协同仿真验证了系统性能.测试结果表明,该系统进入跟踪模式后,常规路况下识别准确率达100％,实时处理速度不低于30帧/s,能够适应弯道、夜间等...     

基于改进RepVGG网络的车道线检测算法

为提高自动驾驶系统中车道线检测的速度和精度,提出了基于可解耦训练状态与推理状态的车道线检测算法.在结构重参数化VGG(RepVGG)主干网络中引入注意力机制压缩-激励(SE)模块,增强对重要车道线信息的特征提取;同时设计并行可分离的辅助分割分支,对局部特征进行建模以提高检测精度.采用行方向位置分类车道线检测方式,在主干...     

基于多尺度边缘融合及SURF特征匹配的车辆检测及跟踪方法

为提高交通参数提取的准确性与实时性,研究了基于多尺度边缘融合和SURF特征匹配的车辆检测与跟踪方法,克服了传统基于边缘特征的车辆检测方法易受噪声、背景干扰的问题,实现车辆准确检测.将车辆检测结果作为跟踪样本建立跟踪样本集合,通过建立匹配点对几何约束消除误匹配特征对,提高跟踪样本与待跟踪视频帧的SURF特征匹配准确度.针对车辆驶入、驶离相机视野,车辆间歇性运动,背景缓慢变化等情况提出跟踪样本更新机制,实现车辆的准确、实时跟踪.实验结果显示,所提算法的车辆检测率为88.3%,检测准确度为90.2%;跟踪精确度为86.4%,跟踪准确度为92.7%;检测时间成本为91.8ms,跟踪速率为52.2fps.检测准确度、跟踪准确度、检测速率、跟踪速率均高于光流法、粒子滤波法和SIFT特征匹配法,表明所提算法能较好地满足实时性应用.      

基于全景图像与人机交互的自动泊车系统

针对目前自动泊车系统对传感器数量和算力要求较高的问题，提出了一种基于全景图像与人机交互的自动泊车系统方案，针对改进的空闲停车位网络（VPS-Net）进行量化感知训练，实现实时车位检测和车位占据分类，同时借助驾驶员对周围环境的判断，仅利用车身四周的4个环视鱼眼摄像头完成空车位检测与泊车环境实时监测，并利用多段式路径规划与路径跟踪控制器实现车辆平稳、准确地停入车位。验证结果表明，该系统可以在各种典型车位和光照条件下实现自动泊车。     

基于Adaboost算法的人眼检测技术在路考系统中的应用

驾驶人人眼检测是实现道路驾驶技能考试智能化评判的关键技术,本文提出了一种基于Adaboost算法的人眼检测方法,对比了Hear-like特征和扩展Hear-like特征,分析了基于积分图的特征快速提取方法,实现了人眼特征的实时检测跟踪。     

基于车头灯光斑特征稳定性与轨迹相似度的夜间交通流量检测

为了解决计算机视觉在夜间低亮度、多干扰的光环境下交通流检测精度低、稳定性差等问题,研究了一种基于车头灯光斑特征稳定性与轨迹相似度的夜间交通流量检测方法.针对静态检测方法难以在多干扰的条件下高精度地识别车灯的问题,提出了在跟踪过程中根据目标跟踪窗口的亮度与几何特征稳定性动态消除干扰光斑的车灯识别方法;针对静态配对方法稳定性较差、计算开销较大的问题,提出基于车灯跟踪轨迹相似度与位置关系的配对规则、辅以配对逻辑来实现车灯配对的方法.实验结果表明,该算法在常见检测环境下的正检率约为90%,漏检率可低于10%.算法在应对路面反射特性较强的环境时的漏检率有待优化.      

基于语义层次组成的ST-MRF交通事故检测算法

针对目前大部分交通事故检测算法没有考虑车辆相互遮挡的影响,导致在交通量比较大的情况下,算法运行结果比较差,为了解决这一问题,提出了基于类组成的时空马尔可夫随机场(简称ST-MRF)交通事故检测算法.该方法应用ST-MRF模型进行车辆跟踪,得到车辆的目标地图和运动矢量,获得交通流基本参数,结合安装在道路下游的检测器获得的交通流数据,采用语义层次算法对交通事件进行检测.为了验证算法的准确性,对该算法与仅仅使用基于ST-MRF车辆跟踪的得出的交通流数据来判断事故的发生的算法进行比较,发现本算法检测率要高.通过研究得出:基于语义层次组成的ST-MRF算法能在交通比较拥挤且车辆出现相互遮挡的情况下,准确检测到交通事件.      

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。     

基于图像识别的泊车车位检测算法研究

本文中为自动泊车提出了一种基于右侧单通道摄像头的车位检测算法。首先,通过顶帽变换融合直方图均衡化的方法降低了光照不均匀和光照强度变化对算法鲁棒性的影响;结合泊车工况,基于先验知识略去无价值域,压缩了Radon变换参数范围,获取车位线在Radon空间中坐标的同时,降低了Radon矩阵的维度;接着,通过阈值分割方法,优化了Radon矩阵的元素值,以在K-Means聚类分析的过程中,更准确高效地获取聚类中心;在聚类中心二维邻域内通过非极大值抑制实现了车位线的像素级定位。最后,设计了分层有限状态机,通过建立车位分类规则库实现了车位的分类。实验结果表明,该方法的计算效率高于基于Radon变换实现泊车的经典方法,且算法具有较强的鲁棒性。     

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。     

基于改进Hough变换的车道线检测

针对车道线检测中存在的诸多问题,在道路图像预处理的基础上,对Canny算子中的双阈值选取进行改进,能够自适应精确提取车道线边缘特征,并利用带极角约束的Hough变换完成直线检测。算法能够在不同道路环境中准确检测车道线标识,降低光照等因素对车道线检测结果的影响。     

基于序列影像种子跟踪的道路线自动提取算法

为快速建立道路精确的几何模型,利用车载移动测量系统获取的序列影像开展了道路边线自动提取方法研究.针对不同类型道路边线的特征,提出了一种基于序列影像种子跟踪的道路线自动算法.首先,对不同质量道路影像分别采用基于灰度信息和梯度信息的道路边线边缘检测方法;其次,采用线性回归模型拟合道路边线,以当前帧拟合直线为种子点,提出了基于种子直线的序列影像感兴趣预测方法,在此基础上对下一帧影像道路边线进行跟踪;最后,以高速公路和城市街区道路序列影像为例,开展了道路边线自动跟踪提取试验,结果表明此方法可以达到优于20 cm的精度,具有很好的鲁棒性.