新型车载图像记录仪

提出了一种车载图像捕捉和记录仪的设计,其主要功能是可以记录交通事故发生前25s和发生后5s车辆前方大视角范围内的现场图像信息,为事故责任的准确判断提供有力的事实依据。系统的设计为:CMOS图像传感器实时采集图像数据,大容量图像信息数据的存储采用SDRAM与NAND Flash双存储器结构来完成,系统核心控制器采用ARM7芯片S3C44BOX.如遇突发交通事故,事故传感器产生触发中断信号,系统响应中断的主要工作是将SDRAM中的图像数据及时转存入Flash中。这些图像信息可下载调出,供事故责任分析。

车载图像采集设备的压缩系统设计

本文针对无线传输带宽有限的特点,设计了一种车载图像采集设备的压缩系统,此系统具有大比例、多分辨率压缩的特点,能够根据无线信道的情况按需配置图像压缩比。

图像去模糊算法在车载图像中的应用研究

文中首先对造成图像模糊的因素进行分析,介绍了现有模糊图像去模糊所采用的主要技术。接着,文中重点对车载模糊图像的去模糊问题进行研究,所设计的去模糊优化算法能够有效提高车载图像的去模糊效果。

结合航拍图与车载图像的车辆路面位置定位

在道路交通事故司法鉴定实践中,准确定位事故车辆在路面上的位置,对事故过程还原和事故成因分析具有重要意义。引入航拍及三维激光扫描技术,运用几何映射原理,提出了一种利用航拍图像景物特征与车载视频图像景物特征相匹配的方法,对事故车辆的路面位置进行定位。该方法既无需构建一致性场景,也无需在原始现场中放置车辆;仅通过对原始现场及标定现场进行航拍,捕捉相关环境特征及车辆特征;并结合事故车辆的车载视频图像,将车辆图像放置在原始现场的航拍图中,以获取相关车辆的位置参数。结果表明,以图像中央区域特征和车前近距离特征为基础,当选择一组特征的视角约为20°时,车辆路面位置的定位效果最佳,其定位误差可控制在20 cm以内。

基于权重量化与信息压缩的车载图像超分辨率重建

针对智能驾驶领域中需要在内存受限的情况下得到高质量的超分辨率图像的问题,提出一种基于权重八位二进制量化的车载图像超分辨率重建算法。首先,基于八位二进制量化卷积设计信息压缩模块,减少内部冗余,增强网络内信息流动,提高重建速率;然后,整个网络由一个特征提取模块、多个堆叠的信息压缩模块和一个图像重建模块构成,并利用插值后超分辨率空间的信息与低分辨率空间重建后的图像融合,在不增加模型复杂度的基础上,提高网络表达能力;最后,算法中整个网络结构基于对抗生成网络(GAN)框架进行训练,使得到的图片有更好主观视觉效果。实验结果表明,所提算法的车载图像重建结果的峰值信噪比(PSNR)比基于GAN的超分辨率重建(SRGAN)算法提高了0.22 dB,同时其生成模型大小缩小为LapSRN的39%,重建速度提高为LapSRN的7.57倍。

基于车载图像传感器的汽车跑偏自动测试研究

为了满足企业准确判定下线车辆的跑偏量是否符合相关标准要求,设计了一套基于车载图像传感器的汽车行驶跑偏自动测试系统。利用Matlab图像处理平台,对图像进行预处理、车道中心线边缘检测及道路拟合,提取车道线特征点的位置坐标,基于坐标转换和跑偏模型,确定被试车辆在测试区域的行驶跑偏量。实际应用表明,该系统安装调试方便,自动化程度高,测量精度高,实时性强,同时也达到了模块化的要求,方便集成,系统运行平稳,更能满足企业测试要求。

基于车载图像的目标车辆压线检测方法

车辆压线检测是智能交通系统的一个重要功能,为此提出一种基于车载图像的目标车辆压线检测方法.首先,利用合成数据方法构建一个类型丰富多样的压线检测数据集;然后,结合图像语义分割方法完成车辆检测和车道线检测并以分割图形式表示结果,再使用前后轮估计的方法获取车辆前后轮的位置;最后,通过车轮与车道线位置对比实现车辆压线判断.实验表明,结合图像语义分割模型后,所提方法的压线检测平均准确率达到88.7%,平均耗时35 ms,具备一定的实际应用价值.

基于FPGA的车载图像记录仪设计

提出了一种基于FPGA的车载图像记录仪的设计,其主要功能是记录车辆行驶过程中的图像信息,为车辆事故责任的准确判断提供事实依据。记录仪的工作原理为:以FPGA芯片作为系统核心,控制SAA7113H将CCD传感器采集的模拟视频信号转换成数字信号,由SDRAM实现图像数据的缓存。当存完一帧图像以后,再将SDRAM中的数据转存入Flash中,完成图像的实时采集。最后通过USB将图像数据传输到PC机中进行事故责任分析。

车载图像记录仪的设计与实现

本文研制了一种车载图像记录仪。采用ARM9微处理器设计了该仪器的硬件;优化了JPEG图像压缩编码的算法;采用LINUX嵌入式操作系统设计开发了该记录仪的软件。该仪器实现了汽车运行过程中图像的采集、压缩、传输、存储的功能,具有可靠性高和实时性强等优点。

基于CCD车载图像压缩系统设计

针对CCD图像传感器的特点,将CCD的光纤图像传输系统,通过CPU转换,变成无线传输.无线传输带宽有限的特点,设计了一种车载图像采集设备的压缩系统,此系统具有大比例、多分辨率压缩的特点,能够根据无线信道的情况按需配置图像压缩比.

一种改进的Mobilenet网络车载图像识别方法

对行人和车辆的识别是行车记录仪识别系统的重要组成部分,为满足车载识别系统对算法模型检测实时性和简洁性的需求,以传统Mobilenet为基础网络,提出了一种车载图像识别改进算法。该算法优化了Mobilenet网络的Con DW3×3、Conv3×3卷积层相关参数,网络的计算量明显减少,识别速度有效提高。利用行车记录仪获得的实际数据集进行训练,实验结果表明,改进算法在识别速率上提高了6.6%。相比同类网络模型Squeezenet,训练的迭代次数显著降低。

基于暗通道先验的雾天车载图像增强算法研究

针对原始的暗通道先验去雾算法对天空及明亮区域处理时容易出现失真以及处理后图像偏灰暗的弊端,提出一种改进算法:基于暗通道先验估计大气光、利用阈值判断对天空区域透射率进行修正、使用直方图均衡化增强克服处理后图像偏灰暗。实验结果表明,改进算法提高了图像清晰度,同时还原了图像中更多的道路信息,弥补了传统暗通道算法的不足。

基于车载图像处理的道路检测技术研究

当前我国的经济发展速度逐渐加快,汽车保有量也出现跨越式增长。在交通行业进一步发展的过程中,由于道路流量经常产生过载问题,导致安全事故频繁出现。为了提高汽车通行安全指数,基于车载图像处理的道路检测系统开始投入使用,这种系统能够提供基础自动驾驶功能,在减轻驾驶员疲劳程度的同时,实现安全性的提升。应用这种技术,有利于提高社会的稳定性,并降低交通事故的发生概率,实现良好的路面通行效果。本文首先分析了针对车载图像处理的道路检测研究现状,随后阐述了车载图像处理的技术构成,最后深入分析了道路检测应用策略,以供参考。

车载图像记录仪的软件设计

设计了一种车载图像捕捉和记录仪,其主要功能是可以记录交通事故发生前25 s和发生后5 s车辆前方大视角范围内的现场图像信息,进行了车载图像记录仪的调试实验,为事故责任的准确判断提供事实依据.

车载图像去模糊算法研究

分析了图像模糊的成因,介绍了车载图像去模糊技术方法的具体分类,在此基础上对车载图像去模糊算法进行了研究。对提高车载图像去模糊效果有参考价值。

面向车载相机采集图像的智能汽车测试场景关键性量化模型

车载相机图像是构建智能汽车测试场景库的主要数据来源,但其中关键测试场景发生概率低,大部分场景的测试价值小,若将其直接应用于智能汽车测试会浪费大量测试资源。本文提出一种面向车载相机采集图像的智能汽车测试场景关键性量化模型。首先,基于实车相机参数对实车采集的图像进行处理,输出对行车安全具有影响的参数;其次,基于风险场理论将参数整合,输出测试场景关键性量化结果;最后,对实车采集的图像进行测试场景关键性量化验证,结果表明本文模型可以精确输出测试场景关键性的具体数值,进而对比不同场景的测试价值,证明本文提出的模型可以有效筛选智能汽车关键测试场景。

基于梯度粒子群的车载雷达图像畸变校正方法

受车载雷达斜视成像的性质及地形起伏的影响,车载雷达图像的几何畸变较为复杂,正射校正结果不够理想,因此,提出基于梯度粒子群的车载雷达图像畸变校正方法。采取多尺度非均匀滤波对车载雷达图像展开降噪处理,利用维纳滤波算法初步复原处理车载雷达图像,通过梯度粒子群优化算法选取适应度函数,对车载雷达图像展开增益误差复原处理,构建卡尔曼滤波模型,将复原后的车载雷达图像输入滤波模型中,完成图像畸变矫正处理。实验结果表明,所提方法图像畸变程度分析准确,图像清晰度平均为0.8,图像校正定量评价因子最高达到了26%。

基于红外图像的目标检测算法分析

针对车载红外图像细节信息表现不明显、对比度低、成像效果差等缺点导致检测效率不高的问题,文章提出了一种基于YOLOv5s改进的目标检测网络。首先在头部网络中添加一个基于注意力机制的动态探测头,其特征层间的注意力机制用于尺度感知,空间位置间的注意力机制用于空间感知,输出通道内的注意力机制用于任务感知,这使网络更加重点关注检测任务中相关联的前景目标,提升模型目标检测头的表达能力。然后在训练时用MPDIOU替换CIOU边界框损失函数,提升模型的定位精度与效率。最后把轻量级网络FasterNet添加到颈部网络末端中的C3模块,提升模型的实时性。实验结果表明,改进后的网络模型较改进前原始网络模型的mAP提升了2.1%,模型权重大小几乎不变,满足体积小与实时性的需求,适用于车载嵌入式系统中。

基于PP-MRF模型的单目车载红外图像三维重建

针对车载红外图像的特点,提出了一种使用超像素分割和面板参数马尔科夫随机场(PPMRF)相结合的单目车载红外图像三维重建方法.该方法首先通过超像素分割得到在纹理和亮度上相近的一系列小的区域,即超像素,然后训练PP-MRF模型,使它能对待测试图像的各个超像素进行面板参数的分析和深度估计.通过实验证明了该方法能够有效地对单目车载红外图像做出深度估计及三维重建.

基于车载连续序列图像的道路曲率计算方法

提出一种基于车载连续序列图像的道路曲率计算方法.算法首先利用车载视觉系统进行内外参数标定实现对路面车道线的三维重建,利用三维重建误差模型对重建的数据点进行误差估计,并对数据点进行选弃.对序列图像中路面车道线重建出来的曲线采用ICP算法进行曲线匹配,并将匹配后的曲线映射到统一的参考坐标系中.最后利用匹配曲线上的数据点进行圆周拟合,计算道路曲率.实验中利用真实的车载连续序列图像对算法进行验证.针对曲率半径分别为96 m和430 m两段不同程度的弯道,利用本文算法计算对应道路的曲率半径.结果表明,本文算法能够精确地计算出不同弯道的道路曲率,特别是针对平缓弯道的曲率计算,比基于单幅图像的曲率计算方法更加准确与稳定.