检索结果-南通市图书馆

基于低线束路侧激光雷达的车辆车道级定位及换道行为预测研究

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于低线束路侧激光雷达的车辆车道级定位及换道行为预测研究

作者：郭映志吉林大学

学位级别：硕士

在交通系统中,车辆的换道行为是道路交通流的基本特性。近年来,因驾驶者的换道行为引发的交通事故数量约占总数的27%,其中,有75%的由换道引发的交通事故是因为驾驶人对于其他道路使用者及环境的误判,直接导致驾驶人做出了错误的行为决策... 详细信息

在交通系统中,车辆的换道行为是道路交通流的基本特性。近年来,因驾驶者的换道行为引发的交通事故数量约占总数的27%,其中,有75%的由换道引发的交通事故是因为驾驶人对于其他道路使用者及环境的误判,直接导致驾驶人做出了错误的行为决策,从而发生了交通事故。因此,车辆的车道级换道行为预测一直是国内外研究的重要课题。近年来由于激光雷达（Light Detection and Ranging,LiDAR）的高精度优势,使激光雷达成为了目前研究车辆车道级定位和换道行为预测的新技术和新手段。相较于广泛使用的车载高线束激光雷达,通过路侧低线束激光雷达进行车道级换道行为预测的研究成本更低,因此本文选用16线束的低线束激光雷达作为路侧设备,对车辆进行车道级换道行为预测的研究。但是,当前使用低线束路侧激光雷达对车辆进行车道级换道行为预测的研究仍不够充分,基于该现状,本文首先检测得到激光雷达扫描范围内的道路车道线,并对车辆、行人等实例进行多目标跟踪、匹配同一物体的激光雷达和GPS信息以获得车辆的车道级定位,最后使用高分辨率数据实现车辆的换道行为预测。本文的研究内容组织如下:（1）基于3D激光点云的路面车道线识别方法研究。首先,通过改进地面识别算法,以保障低线束路侧激光雷达能够获取更多的地面点云数据。其次,根据点云的分布密度,将点云数据划分为网格单元,并基于激光点云强度识别地面车道线激光点云数据。最后,提出了一种基于线性密度的聚类方法,以线性密度最大化为目标,通过对扫描区域进行条纹分割和条纹搜索,实现车道线识别与检测。（2）基于LiDAR和GPS融合的车辆车道级定位方法。在对激光点云数据进行实例分割和目标信息提取的基础上,基于匈牙利改进算法,将交并比（Intersection over Union,Io U）和激光强度直方图作为效率值对目标进行跟踪,以获取车辆的行驶路径。基于隐马尔可夫模型（Hidden Markov Model,HMM）对LiDAR车辆轨迹数据与GPS车辆行驶轨迹进行匹配和位置信息融合,从而对车辆的GPS信息进行修正,以实现车辆车道级定位和跟踪。（3）基于高分辨率车辆轨迹数据的车辆换道行为预测。首先,对车辆的换道行为进行研究分析,获取车辆进行换道行为时的车辆特征,以及周边车辆对换道行为产生的影响,并将前期处理得到的高分辨率的换道车辆和周边车辆信息,如:车辆坐标、速度、加速度、角度以及周围车辆的相对距离等会对车辆换道行为产生影响的信息作为输入,用于训练LSTM神经网络,对车辆在未来时刻的行驶轨迹进行预测。并使用基于非线性SVM的方法,根据车辆与车道的相对距离、位置坐标等,对车辆是否存在换道行为进行判别,从而实现完整的预测车辆换道行为的过程。本文提出的方法使用低线束路侧激光雷达采集的数据,能够有效、准确地获取车道线信息、车辆的车道级定位以及对车辆换道行为的预测结果。本文的研究能够以较少的设备和建图成本为设备周围车辆提供车辆所处的准确位置以及预测到的换道行为,为基于V2I的驾驶信息传递提供数据支撑,从而为驾驶者提供充足的盲区信息,减少因缺少视野信息换道造成的交通事故。

关键词：低线束激光雷达车道线检测车道级定位换道行为预测

基于深度学习车道线检测的车辆车道级定位算法

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度学习车道线检测的车辆车道级定位算法

作者：商可易哈尔滨工业大学

学位级别：硕士

车辆行驶过程中,驾驶行为受到车道标识线的约束,而传统导航仅提供“弯到弯”的指令、不包含行驶车道信息,故驾驶员错过变道时机的情况时有发生。包含车道信息、提前给出变道提示的精确直观导航可大幅提升驾驶体验,这对车道级定位提出要... 详细信息

车辆行驶过程中,驾驶行为受到车道标识线的约束,而传统导航仅提供“弯到弯”的指令、不包含行驶车道信息,故驾驶员错过变道时机的情况时有发生。包含车道信息、提前给出变道提示的精确直观导航可大幅提升驾驶体验,这对车道级定位提出要求,这一问题可通过机器视觉识别当前道路所有车道线并判断与车辆相对位置的方案来解决。本文即采取深度学习图像处理的方法,对通过车道线检测实现车道级定位的算法展开研究。本课题的研究面向深度学习车道线检测任务的实现方法,从对多层感知机、前向传播与反向传播、激活函数、卷积神经网络等深度学习理论基础的研究,到深度学习实例分割方法的车道线检测流程常用目标函数(损失函数)、有效曲线拟合模型及车道线检测常用公开数据集及相应评价指标等方面的分析比较,对基于卷积神经网络的车道线检测各类型解决方案进行综合研究。本文将车道线检测任务定义为实例分割任务,重点研究该场景下的深度卷积神经网络的网络结构设计与优化;首先研究现有方法的网络架构设计和改进优化目标,比较不同方法的检测性能、运行时间;利用更高性能的实例分割骨干网络构建改进的车道线检测网络模型并进行训练,在多种公开数据集和自采集数据中进行测试评估。针对车道线细长且语义连续的空间结构,以及图像行列像素间具有相关性的特点,本文研究将特定结构的聚合器引入车道线检测任务专用卷积神经网络架构,构建和训练专于车道线检测场景的深度学习网络模型,在多种公开数据集和自采集驾驶图像数据中对其检测准确性和鲁棒性进行测试评估;并且通过简单后处理实现基于视觉的车辆车道级定位。本课题的实验通过带车道线标注的公开车道线数据集,设计、优化并训练专用结构的卷积神经网络,得到模型权重文件,在哈尔滨市内进行多路况、多场景、多天气状况的路试;对多个公开数据集图像、自用车辆行车记录仪采集哈尔滨市道路行驶视频及图像,以及路试拍摄视频进行推理测试,通过定量和定性分析网络及模型的优劣,并选取最佳网络和模型进行专用的后处理操作,得到基于视觉的车辆车道及定位结果。实验结果表明,改进的车道线检测网络检测效果有所提升,车道级定位算法准确有效。

关键词：车道线检测车道级定位深度学习卷积神经网络实例分割

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于车道级定位的危险驾驶行为识别研究

基于车道级定位的危险驾驶行为识别研究

作者：祁钰茜武汉理工大学

学位级别：硕士

在我国,由驾驶人违法驾驶行为导致的交通事故频发。统计可知,道路中危险换道、违法压线、逆行、不按规定车道行驶等危险驾驶行为是导致交通事故的主要原因。长期以来,传统的交通信息化执法方式难以对行驶车辆发生的危险驾驶行为进行有... 详细信息

在我国,由驾驶人违法驾驶行为导致的交通事故频发。统计可知,道路中危险换道、违法压线、逆行、不按规定车道行驶等危险驾驶行为是导致交通事故的主要原因。长期以来,传统的交通信息化执法方式难以对行驶车辆发生的危险驾驶行为进行有效监管,特别是缺少获取车辆驾驶行为数据的手段,从而影响交通安全管理效果。国内外对危险驾驶行为进行了大量研究,采用的研究方法主要是利用驾驶人生理心理特征、车辆运动学、道路环境等信息进行分析。当前,定位导航技术发展迅速,但将车辆定位数据用于危险驾驶行为识别的研究却较少。因此,本文利用车辆高精度定位技术,实现车道级定位条件下的危险驾驶行为识别。主要研究内容如下:（1）设计车道级定位条件下的危险驾驶行为算法。基于车道级定位和高精度地图,分析危险换道、违法压线、逆行、不按规定车道行驶等危险驾驶行为指标,设计这几类危险驾驶行为的识别算法。（2）开发危险驾驶行为识别软件。基于Android系统,结合电子地图和车道级定位技术,开发一款危险驾驶行为识别系统。该系统不仅能实时地识别危险驾驶行为,还能对驾驶人在一段时间内的危险驾驶行为进行统计分析。（3）建立基于危险驾驶行为分析的车辆行驶危险等级评估。通过建立行车危险度指标,利用上述危险驾驶行为识别软件,统计分析危险驾驶行为特性。利用层次分析法（Analytic Hierarchy Process,AHP）和物元法,实现车辆行驶危险等级评估。通过实例分析可知,该评估方法可有效评估行车危险度。通过对危险驾驶行为的实时识别,可及时警告驾驶人,提高其在驾驶过程中的安全性。同时,通过该系统对驾驶人在一段时间内的危险驾驶行为进行统计分析,也有利于制订危险驾驶行为的安全管理对策,规范驾驶人的驾驶行为,减少交通事故的发生。

关键词：驾驶行为车道级定位物元分析层次分析法

基于多传感器的道路交通标线识别和车道级定位方法研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于多传感器的道路交通标线识别和车道级定位方法研究

作者：赵翔上海交通大学

学位级别：硕士

道路交通标线的检测与车辆的车道级定位,是智能交通系统中的一项重要研究内容。道路交通标线,包括车道线以及地面交通标志等,给驾驶员提供了准确的道路指引信息;结合车道级定位,驾驶员可以提前对行驶路径进行规划或错误修正。针对这两... 详细信息

道路交通标线的检测与车辆的车道级定位,是智能交通系统中的一项重要研究内容。道路交通标线,包括车道线以及地面交通标志等,给驾驶员提供了准确的道路指引信息;结合车道级定位,驾驶员可以提前对行驶路径进行规划或错误修正。针对这两方面内容,本文研究了道路交通标线的检测与车辆的车道级定位方法。首先,研究了基于单目视觉的道路交通标线检测识别方法。首先对单目摄像头进行标定,获取摄像头原始图像对应的实时逆透视图像,消除因成像原理造成的透视效应。在逆透视图像的基础上,分别研究了车道线和地面交通标志的检测方法。其次,传统方法对强光、逆光、阴影、车道线磨损遮挡和车辆障碍物等干扰检测不鲁棒,针对这些场景下存在的问题,本文提出了一种基于自定义投票空间的车道线检测方法,采用二维高斯滤波和分位数二值化的处理方法消除光线、阴影等恶劣情况的影响,提高了算法的鲁棒性。随后,研究了地面交通标志的检测方法。地面交通标志具有明显的边缘几何形状轮廓特征,目前主要采用的是模板匹配和机器学习的方法,采用的特征有Hu矩、Zernike矩等低维矩特征,但采用矩特征准确率不高。针对这个问题,本文对比了模板匹配和机器学习方法,提出了一种Hu不变矩和Zernike矩的混合特征进行SVM训练学习的方法,使用多分类器进行地面交通标志的识别与分类,提高了检测效率和识别准确率。最后,研究了车道级定位的问题。目前的定位方法多采用高精度GPS或者激光雷达点云匹配方法,但是高精度GPS成本高,激光雷达非全气候通用,在雨雪等情况下传感器受到较大影响。针对这一问题,本文提出了一种融合视觉、毫米波雷达以及低精度GPS的低成本方案。使用单目摄像头检测车道线,使用毫米波雷达检测道路两旁的连续边界障碍物以提取道路边界,根据低精度GPS和OSM地图,结合车道线和道路边界的检测结果,进行车道级的定位。

关键词：摄像头毫米波雷达车道线地面交通标志车道级定位

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于视觉的车道级定位算法研究

基于视觉的车道级定位算法研究

作者：刘亚群东南大学

学位级别：硕士

随着经济的高速发展,汽车已经成为了当前社会不可或缺的交通运输工具之一。本文从汽车时代的道路交通问题入手,阐述了智能交通系统和V2V技术的发展前景,分析了高精度定位在现代交通中的重要作用。通过了解机器视觉在道路检测方面的研究... 详细信息

随着经济的高速发展,汽车已经成为了当前社会不可或缺的交通运输工具之一。本文从汽车时代的道路交通问题入手,阐述了智能交通系统和V2V技术的发展前景,分析了高精度定位在现代交通中的重要作用。通过了解机器视觉在道路检测方面的研究现状和发展前景,本文提出了一种基于单目视觉的车辆车道级定位系统算法。主要研究内容有以下几项：(1)研究了针对本课题的道路图像预处理方法。通过分析道路标志线特征提出了利用R分量和G分量生成道路灰度图,再根据图像纵向灰度变化确立初始感兴趣区域。在中值滤波的基础上,针对车道线的特征,利用改进的边缘提取算子和迭代阈值分割法得到二值边缘图像,并根据梯度方向提取图像的边缘骨架,最后对移位相减法进行雨天降噪的效果进行了分析。实验证明,上述预处理算法能剔除图像中大量干扰信息,强化车道线边缘特征。(2)研究了前方道路多车道线的检测及车辆初始位置的辨别。在检测前方道路多车道线方面,先利用Hough变换提取出可能车道线,接着在初始直线附近搜索连续边缘,利用最小二乘法进行多边缘的直线拟合,通过参数和位置特征、色彩空间特征以及边缘线性度特征进行了直线筛选,最后保留正确度较高的直线,实验证明该方法降低了误检率。最后通过时间段统计和聚类分析得出前方道路的左车道线数目和右车道线数目,辨别车辆当前所在车道。(3)研究了当前行驶车道道路标志线追踪和车辆变道问题。采用Kalman预测器建立动态感兴趣区域,对道路标志线与水平直线的交点进行实时跟踪。利用车道线的倾角变化监测车道偏离情况,并根据偏移率大小判定车辆是否发生变道。在变道过程中根据平行投影透视模型搜索新的道路车道线感兴趣区域,实现连续的定位跟踪。实验证明该算法同时具备高鲁棒性和实时性。

关键词：机器视觉车道级定位道路图像预处理多车道线检测车道偏移率变道追踪

利用低成本单频接收机和SBAS改正数实现车道级定位

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

利用低成本单频接收机和SBAS改正数实现车道级定位

集成时空邻近与卷积网络车道级高精度定位算法

第十一届中国卫星导航年会

作者：吴继忠吴玮南京工业大学测绘科学与技术学院

近年来,低成本接收机由于易于使用和价格低廉而迅速普及,在智能交通系统(ITS)中广泛的应用前景。当前,大多数低成本接收机都是单频,无法通过无电离层的组合来消除电离层延迟。星基增强系统(SBAS)通过静止轨道卫星(GEO)发送轨道、钟和电... 详细信息

近年来,低成本接收机由于易于使用和价格低廉而迅速普及,在智能交通系统(ITS)中广泛的应用前景。当前,大多数低成本接收机都是单频,无法通过无电离层的组合来消除电离层延迟。星基增强系统(SBAS)通过静止轨道卫星(GEO)发送轨道、钟和电离层延迟的实时改正数,有望在未来几年内扩展覆盖范围并支持更多星座。目前低成本接收机能够支持SBAS甚至多个全球导航卫星系统(GNSS)星座,因此可以将SBAS改正数

关键词：低成本接收机星基增强系统车道级定位电离层延迟智能交通系统

来源： cnki会议评论

在线全文

cnki会议

学校读者我要写书评

暂无评论

测绘通报 2022年第6期 1-5,61页

作者：滕文鑫张建辰邵杰河南大学地理与环境学院河南开封475004 武汉大学测绘遥感信息工程国家重点实验室湖北武汉430070 自然资源部城市国土资源监测与仿真重点实验室广东深圳5180384 河南大学河南省时空大数据产业技术研究院河南郑州450000 首都师范大学附属红螺寺中学北京101400 河南大学黄河中下游数字地理技术教育部重点实验室河南开封475004

提高车道水平定位精度是智能交通系统发展的重要技术之一。本文提出了一种新的车道级定位方法——时空邻近卷积神经网络(STP-CNN),利用时空附近(STP)动态细化候选匹配道路,再进一步采用个性化卷积神经网络(CNN)自适应识别最优匹配车道... 详细信息

提高车道水平定位精度是智能交通系统发展的重要技术之一。本文提出了一种新的车道级定位方法——时空邻近卷积神经网络(STP-CNN),利用时空附近(STP)动态细化候选匹配道路,再进一步采用个性化卷积神经网络(CNN)自适应识别最优匹配车道。该方法通过优化集成GPS、车速和惯性测量单元等参数,实现了厘米级和车道级车辆位置的平滑估计。试验结果验证了该方法的可行性和有效性。

关键词：卷积神经网络深度学习车道级定位智能交通系统时空邻近地图匹配

基于IMU/VO/GNSS的车道级组合定位技术研究

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于IMU/VO/GNSS的车道级组合定位技术研究

作者：佟明烨哈尔滨工业大学

学位级别：硕士

随着科学技术的进步,智能化汽车技术迅速发展。智能化汽车可以解决道路拥堵与交通安全问题,同时也对汽车的定位能力提出了更高要求。车道级定位作为智能化汽车的新兴高精度定位技术,通过对车辆所在车道的感知,可以给驾驶员带来更多道路... 详细信息

随着科学技术的进步,智能化汽车技术迅速发展。智能化汽车可以解决道路拥堵与交通安全问题,同时也对汽车的定位能力提出了更高要求。车道级定位作为智能化汽车的新兴高精度定位技术,通过对车辆所在车道的感知,可以给驾驶员带来更多道路信息,例如车道限速和道路指引等,因此成为智能化汽车领域的研究热点方向。目前,传统导航方式有全球导航卫星系统(Global Navigation Satellite System,GNSS)和惯性导航系统(Inertial Navigation System,INS),二者组合导航基本可以实现长时间的可靠定位,但由于GNSS在城市场景下易产生信号遮挡的问题,无法保证实时对INS中惯性测量单元(Inertial Measurement Unit,IMU)累计的定位误差进行修正,进而造成定位精度发散,影响智能化汽车安全。近年来有一些新型传感器被引入导航定位领域,其中视觉传感器具有良好的感知功能和较低的成本,在智能化汽车定位中占据重要地位,通过对视觉传感器获得的图像信息进行不同处理可以输出多种信息,包括位姿和车道线。通过定位结果和车道线信息与高精度地图进行匹配,即可实现车道级定位。本文提出了一种基于IMU/VO/GNSS的车道级定位算法,主要研究内容如下:1.对视觉里程计(Visual Odometer,VO)的投影模型进行推算,然后对内部参数标定;基于Shi-Tomas角点提取方法和LK光流法跟踪实现图像帧之间的特征跟踪;给出相机的位姿估计算法,并对视觉里程计的定位结果进行验证分析。2.设计基于IMU/VO/GNSS的组合导航的整体框架,推导基于滑动窗的优化算法及其中各传感器的因子模型,构建系统因子图优化的代价函数;提出了一种基于通用线性约束的滑动窗因子图算法,对传统滑动窗边缘化的过程进行改进;通过实验验证,比较两种方法的性能。3.提出一种通过定位结果和车道线信息与高精度地图进行匹配的车道级定位方法,首先进行车道线提取和检测,然后介绍车道级定位方法;最后介绍实验平台搭建以及实验结果,通过实验结果对该方法进行验证。

关键词：多传感器融合车道级定位因子图优化视觉里程计高精度地图

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于MMID技术的车道级车辆定位算法研究

基于MMID技术的车道级车辆定位算法研究

作者：宋文飞西安电子科技大学

学位级别：硕士

随着社会经济和工业科技的飞速发展,城市车辆数量迅速增加,加剧了交通拥堵、环境污染和道路事故等问题,而让车辆保持车道级定位水平成为解决问题的关键之一。目前全球定位系统(Global Positioning System,GPS)已经被广泛用于车辆位置服... 详细信息

随着社会经济和工业科技的飞速发展,城市车辆数量迅速增加,加剧了交通拥堵、环境污染和道路事故等问题,而让车辆保持车道级定位水平成为解决问题的关键之一。目前全球定位系统(Global Positioning System,GPS)已经被广泛用于车辆位置服务,然而由于信号多径以及非视距等影响,GPS定位的精度和可靠性都无法让人满意。因此得益于物联网(Internet of Things,Io T)技术在智能交通系统(Intelligent Transportation Systems,ITS)中的不断发展,毫米波识别(Millimeter Wave Identification,MMID)技术为实现车道级车辆定位提供了一种选择。与传统的射频识别(Radio Frequency Identification,RFID)技术相比,新兴的MMID技术突破了其固有的有限可用带宽和超高频(Ultra High Frequency,UHF)天线的大尺寸限制。更重要的是,车载毫米波雷达已经成为高级驾驶辅助系统(Advanced Driver Assistance Systems,ADAS)中成熟和广泛的技术解决方案,可以代替在车辆上额外安装的RFID阅读器,与路侧毫米波标签进行交互,从而实现车道级车辆定位。本文的主要研究内容如下:(1)本文基于目前大部分车辆都配备了毫米波雷达的事实,提出了一个基于车载多输入多输出(Multiple-Input Multiple-Output,MIMO)调频连续波(Frequency Modulated Continuous Wave,FMCW)雷达和毫米波标签的MMID系统,并研究利用毫米波标签的反向散射调制特性,从雷达回波中识别和提取标签信号。其次对从雷达回波与发射信号进行混频得到的中频信号进行分析,获取到标签的距离、相对速度和方位角信息。最后通过仿真实验证明,毫米波标签的反向散射调制信号与其他目标信号在频域上被明显区分,并通过分析频谱能够得到标签的距离和相对速度信息。所提出的MMID系统解决了车载雷达检测过程中相位噪声和其他杂波的干扰问题,并能够得到标签在二维平面内的准确坐标。(2)本文根据所构建的MMID系统,提出了一种基于MMID的新型车辆定位系统。首先,通过获取多个路侧标签的信息,并根据车辆与标签的位置关系构建非线性几何方程,应用最小二乘算法进行方程求解得到静态参数估计,获取到车辆的初始估计位置。然后通过构建非线性车辆运动模型和应用变异粒子滤波(Mutation Particle Filter,MPF)算法来估计车辆运动状态,可以准确跟踪车辆位置。最后利用仿真证明,相比标准的粒子滤波(Particle Filter,PF)算法,所提出的MPF算法能够在保持高估计精度的同时保持粒子的多样性。另外,还对比分析了在不同道路场景下以及不同的参数条件下,所提出的定位系统的性能。最终仿真实验结果验证了所提出的系统可以应用于装有毫米波雷达的车辆,作为车道级定位的实用解决方案。

关键词：车道级定位毫米波识别毫米波雷达反向散射调制变异粒子滤波