基于增强Tiny YOLOV3算法的车辆实时检测与跟踪

针对深度学习方法在视觉车辆检测过程中对小目标车辆漏检率高和难以实现嵌入式实时检测的问题,该文基于Tiny YOLOV3算法提出了增强Tiny YOLOV3模型,并通过匈牙利匹配和卡尔曼滤波算法实现目标车辆的跟踪。在车载Jetson TX2嵌入式平台上,分别在白天和夜间驾驶环境下进行了对比试验。试验结果表明:与Tiny YOLOV3模型相比,增强Tiny YOLOV3模型的车辆检测平均准确率提高4.6%,平均误检率减少0.5%,平均漏检率降低7.4%,算法平均耗时增加43.8 ms/帧;加入跟踪算法后,本文算法模型的车辆检测平均准确率提高10.6%,平均误检率减少1.2%,平均漏检率降低23.6%,平均运算速度提高5倍左右,可达30帧/s。结果表明,所提出的算法能够实时准确检测出目标车辆,为卷积神经网络模型的嵌入式工程应用提供了参考。

基于单目视觉车辆姿态角估计和逆透视变换的车距测量

针对一般的单目视觉测距方法忽略汽车在行驶过程中姿态角变化的问题,该文提出了一种基于变参数逆透视变换和道路消失点检测的单目视觉测距模型,实现了车辆在相对运动过程中的纵向距离和横向距离实时测量。首先,该文通过基于纹理方向估计的道路消失点检测算法计算出汽车运动的偏航角和俯仰角,然后运用变参数的逆透视变换和几何建模分析方法,建立车辆测距模型。对不同道路环境和测距方法的2组对比试验分析该文方法的可行性和有效性,结果表明,该文所提出的测距模型能够有效测量纵向70 m、横向4 m以内的目标车辆距离,测量误差在5%以内,且道路环境越好,误差越小,道路良好的平坦道路测距误差在3%以内;该文算法的平均处理速度达到了40帧/s。

基于Simulink的换道防碰撞预警建模与仿真分析

结合正弦函数换道轨迹模型估计换道压线时间,识别换道意图。根据危险安全时间阈值建立换道安全预警距离模型和换道预警规则,并在Simulink中建模,对换道预警规则进行仿真分析。与其他换道安全距离模型进行对比,结果表明:设计模型的换道安全预警距离较小,在保证换道安全的基础上有利于提高换道效率。因此,参照换道危险状况建立的预警规则有实际意义和应用价值。