基于SMI的电动自行车骑行者视觉行为分析

为研究电动自行车骑行者的视觉行为特征,明确其对电动自行车行驶安全的影响,采用德国SMI IVIEW X帽子式眼动仪对电动自行车骑行者在包含机非混行、行人非机动车混行、机非隔离3种类型的固定路段开展了眼动实验,获取了骑行者在不同的道路环境中的眼动参数,包括眼动时间、视角分布、注视持续时间和注视点分布等。根据数据结果,结合现状电动自行车路段行驶状况提出了相应的管理对策建议：在有条件的地方应当尽量将非机动车和机动车分离,设置合理的非机动车道和路边停车带,减少机动车对非机动车骑行的影响;同时应将人行道和非机动车道分离,减少电动自行车和行人之间的冲突隐患。     

视觉自动化监测技术在铁路变形监测中的应用

邻近铁路施工不当会造成路基沉降、涵洞开裂、桥梁墩台倾斜等问题,从而影响铁路运营安全。对铁路结构物进行变形监测,是确保铁路行车安全的重要手段。为解决铁路结构物变形监测高频次、高精度、实时预警的需求,研究了一种基于数字化近景摄影测量技术的非接触监测方法,集成近景摄影测量、计算机视觉、数字图像处理、无线通讯等多种新技术,实现了远程无接触自动化变形监测。结果表明：(1)采用850 nm的滤波片可大幅度降低环境光照差异带来的误差;(2)通过设置基准点可将设备位置变化引起的误差控制在1 mm以内;(3)该系统可以全天候自动化监测,监测过程中可实时查看设备状态,无需上线作业,大幅减少了天窗作业频次;(4)相较于传统的全站仪人工监测方法,该技术具有精度高、自动化、非接触、实时测量、干扰因素少等特点,精度可达毫米级。     

基于时空域滤波的雾天舰船图像视觉传达方法

为提升雾天舰船图像视觉传达质量,提出基于时空域滤波的雾天舰船图像视觉传达方法。中值滤波算法分解雾天舰船图像,获取基础层与细节层雾天舰船图像;利用时空域滤波算法确定舰船图像需增强区域,并对其进行图像增强;以加权融合方式到增强后雾天舰船图像;提取增强后雾天舰船图像的边缘轮廓特征,依据量化融合方式处理提取的边缘轮廓特征,输出雾天舰船图像视觉传达结果。实验证明,该方法可有效分解雾天舰船图像,并增强图像,有效完成现雾天舰船图像视觉传达,提升图像边缘强度与彩色熵,即图像视觉传达效果较优。     

基于机器视觉技术的船舶航行危险区域自动识别方法

提出基于机器视觉技术的船舶航行危险区域自动识别方法,最大程度规避船舶航行风险。利用机器视觉技术获取船舶航行图像数据,并结合像素平滑滤波和帧间差分法去除原始船舶航行图像所含噪声。采用二阶高斯-马尔科夫机场算法对去噪后船舶航行图像的显著性区域候选节点作信息弥散处理,获取船舶航行图像显著图,通过均值偏移算法处理船舶航行显著图像的特征空间,获得多个分割区域后,在显著图中求解各区域的显著性均值,通过与阈值作比较,实现船舶航行危险区域识别。实验结果表明：该方法可有效提升船舶航行图像的视觉效果;生成的显著图细节完整;可实现不同危险区域的识别,识别效果突出。     

一种改进的SIFT图像立体匹配算法

针对SIFT算法复杂度高、计算时间长、影响立体匹配的实时性等问题,提出了一种改进的立体视觉特征点匹配算法该算法从两个方面对SIFT算法进行改进:首先利用24维特征描述符代替128维特征描述符,以降低计算复杂度;其次在图像对匹配过程中采用改进的BBF搜索算法,通过引入最小优先级队列的限制条件和匹配精度更高的马氏距离判断两幅图像特征点的匹配性.采用经典图像和未知的室外环境下拍摄的图像对本文算法进行实验验证,结果表明,本文提出的算法每100个特征点检测时间为0.01 s,正确匹配率平均为89.65%,相对于原算法,提高了匹配的准确度,并降低了匹配时间.      

产品视觉评估法改进产品外观

介绍了产品视觉评估法并辅以SPSS软件分析来评估用户对产品的态度,其结果将有助于设计者改进产品外观.这个方法本身也是人因学领域中的一例重要应用.     

基于边界点分布特征的夜间道路检测算法研究

提出一种在结构化道路情况下的夜间道路标志线检测算法。选择邻域均值滤波、Sobel算子和最大熵分割算法对道路图像进行预处理。结合道路灰度图像与道路边界图像,分析夜间道路边界点的分布特征,将道路边界点划分为到4个点集。针对虚假道路边界点,应用多方向搜索方法予以消除。选用2D的直线模型,采用改进的Hough变换从预处理后的图像中获取道路几何特征参数,最终检测出道路边界。试验结果表明本算法可靠、有效,户外试验中具有很好的鲁棒性。     

基于机器视觉的智能车辆避撞预警算法

由于受到信息采集源性能影响,造成了智能车辆避撞预警系统(Collision Warning System,CWS)前后车相对距离测量精度低的问题,针对此问题提出了一种基于机器视觉的预警算法(Collision Warning Algorithm,CWA),利用机器视觉获得了较高精度的测距信息,有效提高了预警算法的有效性。在分析驾驶员驾驶行为基础上,确定CWA的报警准则。基于机器视觉技术建立了一种多输入、多输出的CWA模型,给出了模型预警原理、决策阈值确定方法、逻辑结构图,以及基于机器视觉的车辆信息获取方法。设计了一个单车道双车辆跟驰实车试验,采集模型测试所需的数据,并利用实测数据对模型进行了验证。试验结果显示,平均测距误差不超过3.6 m,预警模型能够准确给出预警信息,对提高车辆行驶主动安全性具有重要意义。     

视觉导航智能小车自主驾驶控制方法研究

智能车路系统通过提高单车控制智能化水平以及与交通环境之间的信息交互能力,实现车辆自主驾驶以及列队控制,从而解决日趋严重的交通问题。在智能车路系统中单车的智能控制是基础,利用模型车、无线通信网络和1/10道路沙盘模型等手段构建车路协调下的视觉导航智能小车实验平台。在建立智能小车运动模型基础上,提出视觉导航智能小车自主驾驶控制策略;通过实验分析,验证了该控制策略的准确性和可靠性。     

考虑驾驶员视觉特性的路段设计通行能力修正方法

通过真实道路环境下眼动试验数据处理得到不同的视觉特性参数,运用灰关联熵分析法遴选出与交通流水平关联度较大的3个视觉特性参数,即注视点分布、视角区域分布及平均注视时间,建立路段交通量与驾驶员视觉特性参数的变化关系,并根据驾驶员视觉特性参数变化规律,提出了考虑驾驶员视觉特性参数的路段通行能力修正方法。分析结果表明:交通量未饱和时,驾驶员视觉特性参数变化比较平稳,而当交通量趋于饱和时,视觉特性参数变化剧烈;修正后的路段设计通行能力更加符合实际情况。