基于动态区域搜索框及K-means聚类的三车道检测算法

为解决现有车道线检测方法在弯曲道路上识别准确率较差及Hough检测方法耗时较长的问题,提出一种基于动态搜索框及K-means聚类的三车道检测算法。首先,根据逆透视变换(IPM)将感兴趣区域内部转化成鸟瞰图的形式,利用大津法(OTSU)将单帧图像分成前景和背景两部分区域,然后,在图像底部规定区域内进行直方图分析,得到车道线基准点建立初始搜索框,并在其内部使用K-means算法聚类得到车道线候选点,根据建立的车道线直线模型迭代生成搜索框;最后,将得到的车道线候选点根据贝塞尔曲线对其进行拟合得到检测车道线。实验结果表明算法可以很好地检测车道线弯曲部分,算法单帧处理时间达到30 ms,在包含障碍干扰的路况下识别准确率为90.1%。

四轮转向汽车的操纵稳定性分析

目前,针对四轮转向技术的研究大多基于二自由度线性模型,但实际行车路况中,汽车在高速转弯行驶时车身侧倾较大,如果忽略侧倾易导致较大的误差,基于此种情况,在考虑侧倾的因素条件下,建立三自由度线性模型,并结合轮胎侧偏特性搭建三自由度非线性模型,对比分析二自由度线性模型和三自由度非线性模型的操纵稳定性。分析结果表明:两种模型的转向特性基本一致,但三自由度非线性模型更能真实的反映出4WS汽车的转向特性。