基于DSP的车道偏离检测与车辆前向车距检测

基于智能交通的快速发展,研究了在高速路段下基于机器视觉的车道偏离检测与车辆前向安全车距检测技术.首先固定车载相机,通过相机标定获取相机的内参数和外参数,进而设计车距检测模型.该模型不但能够检测出前方车辆与无人车的距离,还能计算出前方车辆相对于摄像机光轴的偏转角度.接着在CCP偏离检测算法的基础上,设定安全和报警区来建立车道偏离模型,并对当前车辆的偏离结果作出正常行驶的评判.最后借助TI的DVSDK组件包将算法移植到嵌入式平台DSP-DM3730上测试.实验表明,本文设计的车距检测模型和车道偏离模型在解决无人车的前向防撞检测和车道偏离检测等问题上具有较好的参考价值.

一种基于单目视觉的车道偏离检测与预警方法

提出了一种基于单目视觉的车道偏离检测及预警方法。首先通过图像边缘检测、Hough变换以及最短距离加权最小二乘法等步骤求取消失点,然后利用消失点的特性,结合扇形投影法进行道路边界线检测并对车道线进行快速提取,进而获取车道路面信息,最后将车辆当前位置信息与车道路面信息结合起来建立车道偏离预警模型,一旦车辆偏离预定车道即发出预警,从而实现车辆偏离车道的实时监测和预警。实验表明,该方法能够满足结构化道路环境车道偏离检测的要求,是一种有效、可靠的车道偏移检测与预警方法。

一种在数据库中发现偏离模式的线性算法

偏离检测是在数据库发现知识的一种重要的启发式方法．文中给出了偏离检测问题的形式化定义，提出了一种线性的偏离检测算法．算法的基本思想与我们人类的思维机制是一致的，即将使数据序列突然发生大幅度波动的数据认作例外．

基于DFT-MARTE模型的时序分析算法

针对航天嵌入式软件(aerospace embedded software,AES)时序需求复杂带来的时序需求定义不准确问题,提出一种基于MARTE(modeling and analysis of real-time and embedded systems)模型的数据流时序(data flow timing based on MARTE,DFT-MARTE)模型,设计基于该模型的处理点缓存计算算法、时序偏离概率检测算法和时序序列分析算法。处理点缓存计算算法动态更新缓存空间,使后续时序检测正常执行;时序偏离概率检测算法利用多线程并发模拟时序特性,检测需求中时序偏离问题;时序序列分析算法是基于梯度下降算法,拟合时序序列,指导用户优化需求。该模型相比传统数据流模型更适用航天嵌入式软件,利于后续开发和维护,具有极高的应用价值。

一种新的发现偏离模式的线性算法

在分析Arning算法和其改进算法的基础上 ,提出一种新的发现偏离模式的线性算法 .该算法将使数据序列突然发生大幅度波动的数据认作例外 .已发现的例外被用数据序列平均值代替 ,在此基础上进行下一例外的发现 .实验证明 ,该算法克服了例外集对数据次序的敏感性 ,并且下一例外发现不受上一例外发现的影响 ,从而可以更加有效的发现数据序列中的例外集 .

金堂黑山羊数量性状主基因的研究(一)

以偏离正态分布检测法分析了金堂黑山羊体重、体高、体长、胸围、胸深、胸宽和管围七个数量性状．结果表明:体重、体高、体长、胸围和胸深五个数量性状有主基因的作用．