汽车智能辅助驾驶系统中的单目视觉导航技术

在智能交通系统中 ,自动驾驶系统或许是最难于实现的技术之一 .许多学者努力想找到解决自动驾驶这个难题的方法 .本文介绍了一种新的思想和一些新的算法 ,它立足于单目视觉技术来实现车道保持和进行障碍物检测 ,进而力图解决视觉导航问题 .首先运用多阈值分割技术提取高速公路上当前车道的分道线 ,接着对分道线建立了圆锥曲线模型进行二维重建 .在道路模型的约束下 ,笔者提出方向分形维的算法确定前方车辆的位置 ,进而运用旋转 ,平移和缩放中心不变矩 (RTM)判断其真伪 ,最后采用有色噪声的卡尔曼滤波对真实障碍物进行跟踪 .本系统不但能根据分道线模型获得保持车道所需的方向信息 ,也能检测本车道前方障碍物而防止碰撞 .系统在四川和重庆的高速公路上以每小时 10 0公里的速度进行了试验 ,能圆满完成车道保持和障碍物检测的任务 .

基于信息融合的汽车防撞决策系统研究

研究并提出了基于多传感器信息融合的动态目标跟踪算法来实现防撞系统的信息获取,并引入预测残留误差来修正跟踪残留误差不能完全反映不可预测的信息所带来的误差;研究了驾驶过程状态信息的表达方法,建立了汽车-环境状态特征模型,描述了汽车在行驶过程中时变动态的驾驶状态。在此基础之上,利用模糊积分方法融合多种相关信息,确定汽车应采用的安全运行模式实现主动安全防撞决策。

高速公路分道线识别与重建

在智能交通系统中,自动驾驶系统是最难于实现的技术之一。许多学者努力想找到解决自动驾驶这一难题的方法。笔者介绍了一种新的思想和算法,它立足于单目视觉技术来实现高速公路的车道保持,在此基础上实现辅助导航。运用多阈值分割技术分割高速公路上当前车道的分道线,根据分道线几何投影约束跟踪提取完整的分道线,对分道线建立了圆锥曲线模型进行二维重建。本方法根据分道线模型获得保持车道所需要的车辆驾驶参数,通过这些参数实现了高速公路的车道保持。系统在四川和重庆的高速公路上以120km/h的速度进行了试验,圆满地完成了车道保持,辅助导航的任务。

基于加权主元分析(WPCA)的人脸识别

将特征加权和主元分析相结合,提出了一种新的加权主元分析方法;这种方法先根据加权重建误差最小化,计算出各类训练样本的加权子空间,然后计算测试样本点到各加权子空间的距离,并根据该距离进行分类识别。最后,通过对剑桥ORL数据库进行的试验证明,该方法与传统的主元分析相比可以在不增加运算量的情况下大大提高识别率。

基于卡尔曼滤波的车辆跟踪技术

为了满足高速行驶下系统对目标的快速定位,介绍了如何运用卡尔曼滤波技术建立一个通用的物体运动模型,从而达到快速跟踪一个或多个运动目标的目的.着重介绍了动态噪声为有色噪声的卡尔曼滤波算法,针对具体对象构造了状态方程和测量方程,并给出了具体计算方法和实验结果.该跟踪技术在四川省高速公路上进行了反复实验,本车时速达到120km/h时,仍然可以实时跟踪定位前方车辆.

实时图像处理系统中EDMA实现数据搬移

实时视频图像处理系统对图像处理的实时性要求很高,而且图像处理系统处理的数据量大。为了解决上述问题,除了要有优化的算法之外,还要充分利用DSP处理器的一切可用的硬件资源。本文阐述了基于TI公司TMS320C6713 DSP的实时视频图像处理系统通过EDMA提高数据搬移速度的方法。