基于车路协同的高速公路车辆碰撞预警模型

为了预防和减少高速公路碰撞事故的发生,及时向高速公路一定范围内的相关车辆提供事故预警信息,提出了一种基于车路协同的高速公路车辆碰撞事故预警模型。首先,基于4G和DSRC通信网络构建了高速公路通信场景与事故预警框架。其次,建立了高速公路环境下双车道两车相撞的事故场景,分析了车辆在高速行驶时发生碰撞的动机以及可能发生的碰撞事故类型。最后,分析了追尾碰撞与侧向碰撞发生之前两车在横向和纵向两个方向接近的全过程,探索两种碰撞事故发生的内在规律,建立潜在碰撞事故判定规则,并基于车路协同技术建立了以时间、位置、速度、车间距以及制动距离为参数的车辆追尾碰撞预警模型与车辆侧向碰撞预警模型。针对实车场地试验对碰撞事故测试成本高难度大等问题,基于Veins仿真平台搭建了具备4G和DSRC异构通信网络环境的高速公路车联网仿真场景,对两种事故预警模型的性能进行测试。测试结果表明,在车速低于120 km/h的情况下,通过潜在碰撞事故判定得到预警结果,并给相关车辆发送事故预警消息广播,能有效避免追尾碰撞和侧向碰撞的发生。

一种基于几何约束的RANSAC改进算法

图像拼接技术中消除特征点误匹配是一项重要环节,针对传统的消除误匹配的RANSAC算法迭代次数多,计算复杂度较大且不能完全消除误匹配等缺点,提出了一种基于几何约束的RANSAC改进算法。该算法将几何约束法应用到RANSAC算法中,对图像特征匹配点进行聚类分组,根据每条匹配点对连接线的斜率应该相等、长度也应该相等这两个几何关系建立预判断模型,对匹配点对集合进行预提纯。实验证明,该算法相较于传统的RANSAC算法,误匹配基本消除,迭代次数减少,计算效率提高,从而提高了图像匹配算法的效率。

基于非采样高斯差分金字塔的多尺度融合边缘检测

针对传统边缘检测算法抗噪性差、边缘连续度低、细节边缘冗余,对运动目标检测应用领域的适用性差等缺点,基于图像多尺度的思想,结合小尺度图像边缘信息准确,大尺度图像抗噪性强、边缘冗余度低的优点,提出一种基于非采样高斯差分金字塔的多尺度融合边缘检测算法。算法首先对图像进行非采样高斯金字塔分解得到多尺度图像,同时在分解过程实现基于高斯差分算子的边缘检测,得到多尺度边缘图像。最后采用多尺度图像边缘融合策略实现多尺度边缘融合。通过实验对算法的有效性进行验证:通过对边缘融合结果进行Abdou-Pratt品质因数分析,表明该算法抗噪性强,边缘定位准确;连续度分析结果表明该算法在降低边缘冗余度的同时保留了主要边缘,且边缘连续度较高;车辆检测实验结果表明基于该算法得到的车辆检测结果准确度较高。

融合GPS/SINS的容积卡尔曼滤波智能车位置姿态估计方法

针对智能车在城市密集区域其全球定位系统(Global Positioning System,GPS)系统易受遮挡、干扰与多路径反射等因素影响,导致定位失灵和定位精度较低的问题,以及智能车位置姿态估计模型的非线性问题,提出了1种融合GPS/SINS的容积卡尔曼滤波智能车位置姿态估计方法。该方法将GPS和捷联惯导系统(Strap-down Inertial Navigation System,SINS)优势互补,构建以姿态误差、速度误差和位置误差等15维的系统状态方程,以GPS的位置/速度与SINS的位置/速度差值的6维系统观测方程,并采用容积卡尔曼滤波器对GPS和SINS的观测矢量进行有效关联与融合,估计并解算出车辆运动情况下的最优位置、速度、姿态参数。通过与GPS系统、SINS系统和基于扩展卡尔曼滤波的位姿估计方法仿真对比。结果表明,本文方法能给智能车提供精确可靠的车辆位姿参数。

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。

成像模型约束非均匀B样条曲线拟合车道线检测

控制点作为基于样条曲线拟合的车道线检测方法的关键数据,其提取过程容易受车道线图像中存在的车辆遮挡、路侧阴影、路面破损等干扰,导致控制点定位精度降低甚至定位失败,进而影响车道线拟合结果。为了提高基于样条曲线拟合的车道线检测效率,提出了一种成像模型约束的非均匀B样条曲线拟合车道线检测方法。首先,对经过中值滤波和直方图均衡化预处理后的车道线图像进行了Canny边缘检测,通过Hough变换和形态学处理减少干扰边缘。然后,基于“相机光轴与道路平面平行”及“左右车道线平行”2个假设,结合相机几何成像模型,建立了车道线曲线拟合控制点成像模型约束。在非均匀B样条曲线车道线拟合阶段,为避免由各种干扰导致扫描线定位当前控制点错误或丢失,基于成像模型约束推导了相邻控制点位置信息关系式,根据已知控制点位置信息估算出当前控制点位置,实现控制点精确定位,进而实现车道线精准拟合。利用Matlab平台实现了算法仿真试验,采用涵盖4种干扰等级的2个车道线图像库验证了算法的有效性,并与2种经典算法在控制点检测率、定位精度、时间成本3个方面展开了对比试验。结果表明:相较于传统经典算法,本算法能显著提高控制点的定位精度和检测率,并对4种等级的干扰有更高的鲁棒性。

基于SIFT特征匹配的运动目标检测及跟踪方法

摄像机运动情况下的运动目标检测及跟踪是视频监控中的热点问题。论文提出一种基于SIFT(Scale Invariant Feature Transform)特征匹配的运动目标检测和跟踪算法。在目标检测阶段,首先提取两帧带检测图像的SIFT特征点并进行特征匹配,然后计算两帧图像之间的几何变换矩阵,从而实现图像的几何对齐。再将几何对齐后的两幅图像进行差分,并在差分图像中寻找SAD最大值区域作为运动目标区域。在目标跟踪阶段,将已检测到的目标作为跟踪样本,与后检测到的目标区域进行SIFT特征匹配,结合论文提出的跟踪样本集更新机制实现目标跟踪。论文目标检测和跟踪均基于SIFT特征匹配方法且无需背景建模过程,以适用于实时应用。

基于免疫进化的野草优化随机搜索算法

针对野草优化随机搜索算法中存在的不成熟收敛问题和易陷入局部极值的缺陷,提出了一种基于免疫进化的野草优化随机搜索算法。该算法引入免疫进化理论对野草种群中的最优个体进行免疫进化迭代计算,并且充分利用最优个体引导不同野草个体进行局部搜索和全局搜索,能够有效避免算法陷入局部极值,并且以更高的精度逼近全局最优解。实验通过对4种典型Benchmark测试函数进行数值寻优曲线对比与平均最优解对比,结果表明,相比于遗传算法、粒子群优化算法与传统的野草优化随机搜索算法,该算法具有更好的寻优能力、稳定的效果和更快的收敛速度。

基于WiFi的分布式监视场景拼接系统

随着数字化信息技术的不断发展,监视系统已经成为各行业领域中的重要应用.随着WiFi等无线技术的发展,实现了视频数据的无线传输,因其特有的便捷性将传统的有线监视系统取而代之.图像拼接是目前图像处理的一项热门技术,将两幅或者多幅具有重叠区域的图像拼接成一幅无缝隙高分辨率的图像.本论文结合WiFi无线技术和图像拼接技术的优势,提出了基于WiFi的分布式监视场景拼接系统,多个客户端采集的图像通过WiFi无线网络传输到服务器,服务器对传输过来的图像采用SIFT算法和RANSAC算法完成拼接,最终实现了宽场景监视.实验结果表明该系统可以有效地实现监视场景拼接.

激光基准桥梁挠度成像检测系统

针对桥梁结构健康安全运行自动化实时检测的需求,提出了利用激光基准的嵌入式桥梁挠度图像式检测方案,设计了基于透射式靶标的测量数据视觉读数方法和硬件系统。该方案在分析桥梁跨中下挠成因的基础上,提出了检测系统的原理和组成,给出了检测系统的硬件原理框图,设计了透射式光斑转换智能靶标的结构图。给出了人机交互和远程传输模块的原理和系统上位机监测和分析终端软件,该方法应用于桥梁挠度参数的测量中解决了高精度和实时性的矛盾,保证了系统测量精度和效率。经实验室平台实测发现:利用该方法的测量误差小于300μm,数据更新率小于40 ms,满足了高精度实时性的要求。

激光基准桥梁挠度检测图像处理算法研究

针对桥梁结构健康安全运行自动化检测的需求,利用激光基准的嵌入式桥梁挠度图像式检测原理,设计了透射式靶标的光斑中心检测算法。针对透射式激光靶标光斑中心的高精度实时检测,提出了一套光斑中心坐标的快速读取方法。该方法首先对第一帧光斑图像采用金字塔模型获取其ROI区域;然后,采用基于序列图像块搜索方法快速获取后续图像的光斑图像的ROI区域;最后,在ROI区域内检测光斑的边缘,通过椭圆拟合的方法获取光斑图像的亚像素中心。该算法从应用层面解决了高精度和实时性的矛盾,保证了测量精度和效率。经实测发现:该算法挠度值的测量误差小于0.1像素,数据更新时间小于200 ms,同时满足了高精度和实时性的要求。

基于动态概率网格和贝叶斯决策网络的车辆变道辅助驾驶决策方法

提出了一种车辆变道辅助决策方法,向驾驶人提供变道行为决策;构建了由车载GPS、相机传感器和雷达组成的行车环境信息传感装置,利用非采样B样条曲线模型对车道线建模,通过控制点位置求解与搜索策略实现车道线的检测、跟踪与类型识别;根据车道线信息确立有效行车区域,并建立了一种动态概率网格的行车环境几何模型,对有效行车区域进行紧凑型表征;考虑了车辆对行车环境表征结果可靠性的影响,根据高斯分布将车辆位置信息映射到动态概率网格中,计算了每个行车单元的占用概率;将车道线信息与网格单元占用概率作为初始节点状态参数,输入贝叶斯决策网络,估计概率网格单元的占用状态,量化输出当前行车环境表征结果以及不变道、向左变道、向右变道3种变道决策的期望效用值,通过计算各决策的期望效用值比率确定最优变道决策。试验结果表明:在场景1中"向左变道"决策的期望效用值最大,为0.70,视为最优决策,在其动态概率网格中,右侧车道线"实线"状态参数为100.00%,因此,"向右变道"决策效用期望值最小,决策系统输出的最优决策"不变道"符合中国交通法规,也表明检测车道线类型的必要性;场景2的"不变道"和"向右变道"决策期望效用值分别为0.43和0.44,比率接近1,无法判断最优决策,驾驶人可根据经验决定是否变道。

基于激光基准的轨道平顺度检测仪

提出了一种基于激光基准的轨道平顺度检测仪,其可以对轨道的高低不平顺度、轨向不平顺度和曲率进行检测。轨道检测仪以激光为基准,利用水平仪和远程聚焦系统使激光垂直入射到光电靶面上,通过数据采集单元采集数据并将数据传送给数据处理单元,得到轨道的不平顺参数,并在人机交互界面上显示。实验结果表明,该轨道检测仪可靠性高,测量精度高,检测距离可达200m,测量精度为1mm。