基于视觉的前方车辆探测技术研究方法综述

对国内外关于车道上本车前方车辆检测方法进行了综述。根据探测车辆所采用的传感器不同,分别对采用单目视觉、双目视觉、视觉与其他传感器融合以及非视觉传感器的几种探测方法进行了比较与分析。同时,针对每种探测方法,进一步阐述了目前车辆识别的一些具体算法。最后,指出了每种方法存在的优点和一些不足。     

基于计算机视觉的驾驶员转向操作实时监测研究

为实时监控驾驶员操纵转向盘的状态，构建了基于机器视觉汽车转向盘实时监控系统，并运用阈值分割和边缘检测方法对转向盘图像中感兴趣区域进行了图像分割，提出了转向盘转角的计算公式。试验结果表明，感兴趣区域图像分割与转向盘转角监测方法有效。     

基于图像色相值突变特征的钢轨区域快速识别方法

应用彩色图像中不同区域HSL色彩空间中色相值突变特征提取轨检图像中钢轨边界点, 对多条不同等分线处钢轨边界点进行直线拟合以确定钢轨边缘, 识别目标钢轨区域。分析了机器视觉轨检系统序列图像中轨枕、砟石、扣件与钢轨的分布特征及不同特征区域图像色相值的突变特征, 研究了轨检图像不同等分数值下等分线处色相值突变点与钢轨边界点的对应关系, 讨论了不同等分值对识别时间与识别失败率的影响。在不同光照条件下对识别方法与传统方法进行了对比分析。分析结果表明: 当等分值为8时识别效果最优, 识别失败率为5.0%, 识别时间为4.65 ms; 在500~1 000、1 000~10 000、10 000~100 000 lx三个特征光照强度区间, 识别方法在木枕与混凝土枕轨道中钢轨区域的平均最大识别时间分别为4.57、4.48 ms, 比传统方法分别减少了44.4%、47.1%, 识别时间标准差分别为0.15、0.12 ms, 比传统方法分别降低了91.8%、93.6%, 平均最大识别失败率分别为3.5%、3.3%, 比传统方法分别降低了66.0%、76.9%, 识别失败率标准差均为1.6%, 比传统方法分别降低了68.9%、71.1%。可见, 本文方法是一种机器视觉轨检系统中目标钢轨区域识别的有效方法。     

微创手术机器人视觉定位系统的研究

根据立体视觉的基本原理，建立摄像机标定模型和立体视觉模型，设计了基于微创手术机器人的视觉定位系统．介绍了相应图像处理软件的设计，实现对目标的准确识别和精确定位．实验证明该方案有较好的定位效果，同时分析了引起误差的原因．     

图像分割在工件图像视觉检测中的应用

在介绍图像分割的主要特征的基础上,分析了目前几种典型图像分割方法。针对工件图像视觉检测中图像分割特点,提出了将边缘检测和域值分割方法相结合来分割工件图像的一种新方法,并开发了相应的软件。实验验证该方法用于工件图像测量,能很好消除图像噪声,得到连续的图像边界,并且定位较准,可以有效地提高检测系统的精度。     

基于深度约束的水下稠密立体匹配

  目的  针对水下双目图像特征点稀疏、极线约束模型失效等难题,提出一种基于自适应深度约束的水下图像特征匹配(ADC-UFM)算法。  方法  结合FAST算子与SIFT描述子,提高图像匹配精度;提出基于水下折射因子的特征匹配约束模型（MCM）,有效剔除误匹配点;提出自适应阈值选取（ATC）方法,最大限度地保留复杂水下环境下的图像特征信息。  结果  实验结果显示,ADC-UFM算法优于现有的SIFT,SURF和UCC-SIFT等典型方法,匹配准确率可达85.2%,满足实时匹配需求。  结论  研究成果可为基于双目视觉系统的水下三维重建提供关键技术支撑。     

Autonomous vehicle perception: The technology of today and tomorrow

Perception system design is a vital step in the development of an autonomous vehicle (AV). With the vast selection of available off-the-shelf schemes and seemingly endless options of sensor systems implemented in research and commercial vehicles, it can be difficult to identify the optimal system for one’s AV application. This article presents a comprehensive review of the state-of-the-art AV perception technology available today. It provides up-to-date information about the advantages, disadvantages, limits, and ideal applications of specific AV sensors; the most prevalent sensors in current research and commercial AVs; autonomous features currently on the market; and localization and mapping methods currently implemented in AV research. This information is useful for newcomers to the AV field to gain a greater understanding of the current AV solution landscape and to guide experienced researchers towards research areas requiring further development. Furthermore, this paper highlights future research areas and draws conclusions about the most effective methods for AV perception and its effect on localization and mapping. Topics discussed in the Perception and Automotive Sensors section focus on the sensors themselves, whereas topics discussed in the Localization and Mapping section focus on how the vehicle perceives where it is on the road, providing context for the use of the automotive sensors. By improving on current state-of-the-art perception systems, AVs will become more robust, reliable, safe, and accessible, ultimately providing greater efficiency, mobility, and safety benefits to the public.     

船舶机舱虚拟现实仿真系统

提出并实现基于虚拟现实技术的船舶轮机仿真系统.给出应用于船舶轮机仿真的虚拟立体视觉图象生成算法,研究了使用立体眼镜和立体头盔视觉设备的虚拟现实系统的实现.讨论了虚拟机舱漫游、虚拟船舶驾驶台和虚拟集控室等船舶仿真系统.     

基于双目立体视觉的月球车三维定位算法

为了满足月球车自主导航的需要,提出了1种基于双目立体视觉的月球车三维定位算法。建立了基于双目立体视觉的月球车三维定位系统框架图,并对框架中主要模块进行了分析;研究了图像预处理、特征点提取、特征点的立体匹配、三维重建和特征点的跟踪匹配算法等图像处理环节,以获得月球车运动前后相匹配的环境特征点,并提出了1种鲁棒的月球车位姿变化估计算法。通过实际场地试验验证了算法的有效性。     

基于机器视觉对交通场景中车辆速度识别研究

通过对YOLOv5机器视觉框架进行二次开发,同时融合DeepSORT追踪算法,实现对桥梁交通车辆时空信息的提取和车辆轨迹的追踪。改进了传统的虚拟线圈法,实现了对车辆速度的测量,避免对传统方法中因检测线圈的像素变化进行阈值的设定,提高了算法的普适性。最后,将算法应用到实际的场景中与测速仪结果进行对比,其中平均误差在1%以内,误差最大值控制在为15%以内。