检索结果-南通市图书馆

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

自适应感兴趣区域车道检测算法

自适应感兴趣区域车道检测算法

作者：高建明山东大学

学位级别：硕士

随着道路环境的改善和汽车保有量的增加,汽车给我们的生产、生活带来了极大的便利和巨大的经济效益。同时,交通事故所造成的人身伤害和经济损失也不容忽视。因此,人们在不断的改进汽车安全技术,减少交通事故。近年来,车辆智能辅助驾驶... 详细信息

随着道路环境的改善和汽车保有量的增加,汽车给我们的生产、生活带来了极大的便利和巨大的经济效益。同时,交通事故所造成的人身伤害和经济损失也不容忽视。因此,人们在不断的改进汽车安全技术,减少交通事故。近年来,车辆智能辅助驾驶受到研究人员的高度重视,得到了快速发展和广泛应用,特别是计算机视觉、车辆传感、通信控制等技术的发展,使得采用技术手段避免交通事故发生具有可行性和有效性。车道检测作为车辆智能辅助驾驶的关键和基础技术,是该领域的研究热点,本文在现有车道检测算法的基础上做进一步地研究和改进。为更好、更快的获取车道信息,对不同的图像预处理方法进行分析和筛选,选择处理速度快、效果好的方法。对比不同边缘检测算子的优缺点,选取Sobel边缘检测算子检测车道边缘,并根据车道线在图像中的特点对其进行改进。采用最优阈值法对图像二值化,提高车道检测算法对道路环境的适应性。利用形态学方法对前期处理的图像腐蚀膨胀,消除孤立点噪声,得到骨架化的车道图像。在车道检测跟踪过程中,本文提出一种基于线性预测自适应感兴趣区域的车道检测算法。首先利用Hough变换稳定、精确的优点,采用一次约束条件的Hough确定车道线的起始位置,然后根据Hough变换所得参数,结合最小二乘直线拟合,线性预测车道方向,确定车道检测的左右自适应感兴趣区域(AROI-Adaptive Region of Interest),减少非车道噪声干扰,实现车道检测。在车道拟合跟踪阶段,根据车道方向变化的大小判别采用最小二乘直线或曲线拟合车道线,由感兴趣区域对车道进行跟踪。以上方法可以在准确检测车道的前提下确保算法的实时性,克服现有车道检测算法感兴趣区域固定的缺点,同时实现对直道和弯道的检测和跟踪。实验表明,本文算法能够快速有效地检测车道,正确率达到了98.35%。特别是在试验场路况较差、弯道和车道破损等情况下显示了优越效果,具有良好的实时性、准确性和鲁棒性,非常实用。

关键词：智能辅助驾驶车道检测自适应感兴趣区域 Hough变换最小二乘

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

二值样本与自适应感兴趣区域夜间车辆检测

二值样本与自适应感兴趣区域夜间车辆检测

作者：孙晓琳山东大学

学位级别：硕士

进入二十一世纪以来,交通工具智能驾驶技术发展迅速。目前,以Google为代表的自动驾驶汽车,包括特斯拉、Waymo、通用和Uber等,已经进入实际道路测试阶段。作为新型交通形式的开拓者,选择自动驾驶汽车已成为不可逆转的新趋势。车辆检测作... 详细信息

进入二十一世纪以来,交通工具智能驾驶技术发展迅速。目前,以Google为代表的自动驾驶汽车,包括特斯拉、Waymo、通用和Uber等,已经进入实际道路测试阶段。作为新型交通形式的开拓者,选择自动驾驶汽车已成为不可逆转的新趋势。车辆检测作为自动驾驶汽车或辅助驾驶系统的基础,主要基于雷达、激光雷达等被动传感器实现,可满足高精度和实时性的需求。目前比较成熟的半自动驾驶系统,如特斯拉地Autopilot系统、凯迪拉克的Super Cruise系统、奔驰Drive Pilot系统,平均售价为6万美元到10万美元,设备价格昂贵阻碍了自动驾驶系统在民用领域的普及。另外,声呐、毫米波雷达可快速探测周围目标,但对远方或直径较小的目标探测能力差,交通状况拥堵时设备信号之间相互干扰,误差的不断累积也会影响系统正常工作。而基于计算机视觉的车辆检测技术,使用价格低廉的摄像头采集高分辨率交通图像,作为一种可替代方案不仅可极大降低自动驾驶系统成本,还可提供丰富的视觉信息用于目标识别。目前基于视觉的车辆检测研究大多关注日间模式,而夜间城市道路灯光复杂且照明不均匀,这对于基于视觉的夜间车辆检测方法造成了挑战。夜间交通图像中,车辆(车灯)呈现不规则的亮团块,前方车辆的形状、颜色、边缘、纹理和角点等用于日间车辆检测的底层图像特征,在低照度的夜间交通图像中缺失,同时也不能提取足够常规的车辆(车灯)运动特征。因此,绝大多数基于视觉的日间车辆检测方法不适用于夜间模式。而夜间行车过程中,光线不足造成视野受限,驾驶员无法准确快速判断前方车辆行驶动向,极易因为疲劳与精力分散等主观因素造成操作失误,因此实现夜间车辆智能驾驶有很大需求。针对上述存在问题,本文提出一种基于车前灯二值化Haar特征训练级联AdaBoost分类器进行夜间车辆检测的方法,并提出连续帧车灯最大相似度准则匹配车灯对检测结果进行补偿。针对夜间交通图像灯光复杂的问题,对图像阈值处理算法进行改进,提出最大似然阈值算法,并通过检测路灯所在线段以自适应确定感兴趣区域(ROI),进一步去除干扰灯光。本文采用的二值样本方法可缩减35%训练时耗;自适应ROI方法可去除约75%背景区域;车辆检测在不同路况平均召回率为93.78%。实验结果表明,本文阈值处理方法与感兴趣区域确定方法适用于夜间环境交通图像的预处理,并且基于二值样本分类器的车辆检测方法具有良好的实时性和召回率,能够适应多种路况条件下夜间车辆检测。

关键词：二值化车灯Haar特征 AdaBoost算法最大相似度匹配补偿自适应感兴趣区域

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于自适应感兴趣区域的车道线识别技术研究

基于自适应感兴趣区域的车道线识别技术研究

作者：胡坤福广西科技大学

学位级别：硕士

随着汽车的普及,以及全国范围内汽车保有量逐年上涨,道路交通事故及其与之相关的汽车安全性越来越受到全社会的重视。近些年来,高级驾驶辅助系统（Advanced Driver Assistance Systems,ADAS）的飞速发展,为辅助车辆安全行驶提供了一个... 详细信息

随着汽车的普及,以及全国范围内汽车保有量逐年上涨,道路交通事故及其与之相关的汽车安全性越来越受到全社会的重视。近些年来,高级驾驶辅助系统（Advanced Driver Assistance Systems,ADAS）的飞速发展,为辅助车辆安全行驶提供了一个很好的解决方案。其中,车道线检测系统作为ADAS的重要分支,是提高车辆安全行驶的关键技术之一。车道线检测其主要包含车道线预提取及车道线识别两个部分,其具体内容及研究方法如下:车道线预提取,首先,确定静态感兴趣区域（Static Region of Interest,SROI）,并针对该区域进行中值滤波;然后,提出了一种基于像素点平均梯度强度及梯度方向的车道线边缘分割方法,该方法是基于感兴趣区域,根据车道边缘梯度特点,提取左右车道线内侧边缘信息,进而利用其梯度方向对上述边缘信息加以限制,滤除相应的噪声干扰,并以车道边缘像素灰度值的标准差作为分割阈值,以像素点的平均梯度强度作为间接分割对象,进行车道边缘提取并完成边缘细化;最后,利用Hough变换结合最小二乘法,对道路初始消失点进行初始定位;车道线识别,首先,利用车道线预提取所获得的t帧道路消失点,来确定t+1帧道动态感兴趣区域（Dynamic Region of Interest,DROI）;然后,基于t帧道路消失点构建直线样本,进而采用改进随机一致性的方法（Improved Random Sample Consensus,IRANSAC）完成车道直线参数拟合,并确定t+1帧消失点和t+2帧DROI。其中,本文分别利用改进Hough变换,以及基于改进逆投影变换（Inverse Perspective Mapping,IPM）的方法进行车道直线参数拟合实验,并进行其效果分析与对比;其次,基于双曲模型来实现弯道的重建;最后,根据图像帧间信息的关联性,本文提出了基于DROI,根据帧间车道线信息变化浮动较小的特点,来实现车道线的动态跟踪。通过仿真实验结果表明,利用基于像素梯度的图像边缘分割方法,能够有效地抑制噪声及提取复杂工况下的车道信息;基于IRANSAC算法,能够提高雨天、夜间、阴影以及车道线破损、车道模糊等工况下的车道线检测识别效果;采用双曲线模型重建弯道,可有效地减少计算量的同时,保证车道线识别的准确性;利用基于DROI的车道线跟踪方法,能够完成车辆换道、转弯及车道线缺损等工况下的车道线跟踪,可实现较高的车道线识别率。

关键词：车道线识别自适应感兴趣区域像素梯度 IRANSAC 双曲线模型

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于自适应感兴趣区域的车道线检测算法

基于自适应感兴趣区域的车道线检测算法

作者：罗明康华中科技大学

学位级别：硕士

车道线检测作为各类智能安全驾驶辅助系统的核心技术,经过大量研究人员在该领域的研究,已经取得比较显著的成效。但是现有的各类车道线检测算法在各类车道干扰因素如光照不足,阴影遮蔽,车道路面结构的突变等影响下会出现检测车道线不完... 详细信息

车道线检测作为各类智能安全驾驶辅助系统的核心技术,经过大量研究人员在该领域的研究,已经取得比较显著的成效。但是现有的各类车道线检测算法在各类车道干扰因素如光照不足,阴影遮蔽,车道路面结构的突变等影响下会出现检测车道线不完整以及将车道裂缝当作车道线的误检问题。因此,设计一个在复杂环境下也可以良好检测车道线的算法有着确切的应用意义。对复杂环境下车道线特征进行研究并结合目标检测的方法,提出一种可以自适应确定感兴趣区域的车道线检测算法LLDA-AROI（Lane Line Detection Algorithm Based on Adaptive Region of Interest）。该算法针对固定感兴趣区域需要先验条件、适应性差等问题,使用yolov3网络对视频前几帧进行目标检测后拟合得到伪车道线位置方程,并根据车道线模型自适应确定感兴趣区域;针对原图像视角中车道线交叉与现实中车道线平行相矛盾的问题,利用透视变换操作,将原图像中的视角切换为俯瞰车道的视角,让图像中的车道线处于大致平行的状态;在光照不足,阴影遮蔽以及车道路面信息突变等复杂环境下,通过色彩空间变换将图像从RGB色彩空间分别转换为HSL以及LAB色彩空间依靠车道线颜色来提取车道线信息;最后根据动态窗口的方法获取车道线点集,并凭借每个窗口车道线中心点得到斜率方差,将车道线分类为直线以及曲线,并使用最小二乘法进行一次多项式以及二次多项式拟合。实验结果表明,LLDA-AROI算法可以动态的确定图像的感兴趣区域,在光照不足,道路信息突变以及阴影遮蔽等复杂环境下车道线检测正确率相较于传统算法提高了6%,适应性更强。并且对车道线进行分类后拟合得到的线段与真实车道线更加贴近并且耗时缩短了10%。

关键词：自适应感兴趣区域车道线检测色彩空间变换动态窗口最小二乘法

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于自适应感兴趣区域的车道线识别技术

基于自适应感兴趣区域的车道线识别技术

第36届中国控制会议

作者：胡坤福范晓娟段海艳宾洋罗文广朱书善广西科技大学电气与信息工程学院重庆理工大学机械检测技术与装备教育部工程研究中心北京理工大学机械与车辆工程学院

为了更好地解决复杂天气、路况下车道线检测的鲁棒性,准确性和实时性问题,本文提出了一种基于消失点与自适应感兴趣区域的车道线识别方法。首先,确定静态感兴趣区域（Static Region ofInterest,SROI）,并针对该区域对图像进行中值滤波,... 详细信息

为了更好地解决复杂天气、路况下车道线检测的鲁棒性,准确性和实时性问题,本文提出了一种基于消失点与自适应感兴趣区域的车道线识别方法。首先,确定静态感兴趣区域（Static Region ofInterest,SROI）,并针对该区域对图像进行中值滤波,进而采用基于像素梯度的图像边缘分割方法,实现阈值的有效分割,并完成静态情况下车道线边缘和道路消失点的初始定位;然后,提出利用t帧道路消失点,来重新确定t+1帧动态感兴趣区域（Dynamic Region of Interest,DROI）,并采用IRANSAC（Improved Random Sample Consensus,IRANSAC）算法获取t+1帧的车道直线参数及道路消失点;最后,基于双曲线模型拟合获取完整的车道线。实验结果表明,通过上述的阈值分割方法能够有效地抑制噪声及提取复杂工况下的车道信息,并且利用IRANSAC算法能,够对雨天、夜间、阴影以及车道线破损、车道模糊等工况下的车道线检测均具有较好的识别效果。

关键词：车道线识别自适应感兴趣区域梯度改进RANSAC(IRANSAC)

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

基于自适应区域的光斑中心鲁棒性研究

激光技术 2020年第5期44卷 616-622页

作者：王国军黄亚新赵启林张冬冬中国人民解放军陆军工程大学野战工程学院南京210001 南京工业大学机械与动力学院南京211816 新乡学院土木工程与建筑学院新乡453003

激光光斑中心检测中,为了在保证光斑中心定位精度的前提下提高计算效率,采用改进的模板匹配算法,进行了理论分析和实验验证。结果表明,在未曝光的情况下,自适应感兴趣区域(ROI)平均计算时间为897s,而传统的模板匹配算法的平均计算时间为... 详细信息

激光光斑中心检测中,为了在保证光斑中心定位精度的前提下提高计算效率,采用改进的模板匹配算法,进行了理论分析和实验验证。结果表明,在未曝光的情况下,自适应感兴趣区域(ROI)平均计算时间为897s,而传统的模板匹配算法的平均计算时间为3388s;存在曝光的情况下,自适应ROI的平均计算时间为921s,传统模板匹配算法的平均计算时间为3389s。改进的自适应算法在激光光斑定位的实验测试方面表现优异,表明其可以在保证精度的前提下较好地提高计算效率。

关键词：图像处理模板匹配自适应感兴趣区域光致图像劣化激光光斑中心

基于预分割轮廓的CT图像亚体素表面检测方法

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

仪器仪表学报 2012年第6期33卷 1308-1314页

作者：查方龙张定华黄魁东张亮李明君西北工业大学现代设计与集成制造技术教育部重点实验室西安710072

针对基于CT(computed tomography)图像检测分析中的点云提取精度与完整性问题,提出一种基于预分割轮廓的高精度、高完整性的亚体素表面检测方法。首先采用Otsu分割算法提取CT图像的体素级轮廓点集,并以此作为粗定位轮廓自适应地生成用... 详细信息

针对基于CT(computed tomography)图像检测分析中的点云提取精度与完整性问题,提出一种基于预分割轮廓的高精度、高完整性的亚体素表面检测方法。首先采用Otsu分割算法提取CT图像的体素级轮廓点集,并以此作为粗定位轮廓自适应地生成用于亚体素表面检测的完备感兴趣区域(region of interest,ROI);然后提出一种基于梯度非极大值抑制的表面体素判定方法,避免了梯度阈值选择难题;最后基于3D Facet模型定位亚体素级表面点位置。实验结果表明,该方法能有效改善传统亚体素检测方法的轮廓丢失、伪边严重等问题,轮廓定位误差小于0.2个体素,同时能够取得3倍以上的计算加速比。

关键词： CT图像表面检测自适应感兴趣区域 3D Facet模型亚体素精度

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

基于激光雷达的高速公路护栏检测方法研究

基于激光雷达的高速公路护栏检测方法研究

作者：郭斌重庆邮电大学

学位级别：硕士

环境感知技术是智能车路径规划和行为决策等技术的基础,其中护栏检测是智能车感知周围环境的一个重要组成部分。通过护栏检测能为智能车提供当前可行驶的最大安全区域及其道路结构等信息,故护栏检测有着非常重要的学术和工程意义。通过... 详细信息

环境感知技术是智能车路径规划和行为决策等技术的基础,其中护栏检测是智能车感知周围环境的一个重要组成部分。通过护栏检测能为智能车提供当前可行驶的最大安全区域及其道路结构等信息,故护栏检测有着非常重要的学术和工程意义。通过对国内外研究现状的调查发现,当前对护栏检测的研究较少,该领域处于起步阶段。本文以高速公路护栏检测为研究对象,利用激光雷达数据,通过分析护栏的特点,构建护栏的点云特征;针对护栏检测易受其它车道护栏干扰的问题,提出冗余特征点滤除算法从而建立高速公路护栏检测方法;为进一步提高护栏检测的精度、鲁棒性和实时性,构建护栏跟踪算法,并提出一种基于护栏跟踪的检测方法;最终开发面向整车集成的护栏检测与跟踪系统。本文的主要研究内容如下:1.总结当前护栏检测的国内外研究现状,总结归纳当前高速公路护栏检测算法,并分析不足之处,提出本文研究目标。2.提出基于距离的冗余特征点滤除的护高速公路栏检测方法和相应的护栏检测评价指标。首先提出高速公路护栏的高度和角度特征,构建相应的特征提取算法;并针对所提特征点中存在其它车道护干扰的问题,利用护栏特征点的距离特性,构建较为鲁棒的基于距离的冗余特征点滤除的护栏检测方法;并提出了相应的价指标,通过大量实验表明本文所提护栏检测方法的有效性。3.建立联合高速公路护栏检测与跟踪的方法。为进一步提高护栏检测的精度、鲁棒性和实时性,在考虑本车道两侧护栏平行但不重合的关系基础之上,构建高速公路护栏跟踪算法,并利用当前帧的护栏跟踪结果反馈至下一帧以构建可变的自适应感兴趣区域,从而建立了联合护栏检测与跟踪的方法。大量实验结果表明本文所提的联合护栏检测与跟踪的方法具有较好的检测精度、鲁棒性和实时性。4.开发面向整车集成的高速公路护栏检测与跟踪系统,建立护栏的检测和跟踪所需的具体函数表示方法,开发相应的接口和功能。总体来说,本文所提基于距离的冗余特征点滤除的护栏检测方法和联合护栏检测与跟踪的方法比现有的护栏检测方法在准确性、鲁棒性和实时性等方面都有显著提升,通过本文的研究工作,对于今后的高速公路护栏检测与跟踪,及其智能车的研究提供了一定的理论和工程作用。

关键词：高速公路护栏检测护栏跟踪冗余特征点滤除自适应感兴趣区域

基于滤波和状态估计的复杂路况车道线检测拟合与跟踪预测技术研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于滤波和状态估计的复杂路况车道线检测拟合与跟踪预测技术研究

作者：曾杨帆电子科技大学

学位级别：硕士

伴随着传统燃油汽车向新能源汽车的转型,当今车辆的各项功能越来越完善,而无人驾驶作为其中的重要研究课题,也随之蓬勃发展。作为无人驾驶中的关键技术之一,车道线检测技术在车道保持、车道偏离预警及路径规划等领域中应用广泛,其算法... 详细信息

伴随着传统燃油汽车向新能源汽车的转型,当今车辆的各项功能越来越完善,而无人驾驶作为其中的重要研究课题,也随之蓬勃发展。作为无人驾驶中的关键技术之一,车道线检测技术在车道保持、车道偏离预警及路径规划等领域中应用广泛,其算法种类也层出不穷。然而复杂场景下的车道线检测任务依然艰巨,如何提升复杂路况下车道线检测结果的鲁棒性与准确性,仍是一个值得关注的课题。本文针对复杂路况下的车道线检测,主要内容为基于图像预处理与多特征融合的车道线信息提取、基于改进滑动窗口法与随机抽样一致性算法的车道线拟合以及基于卡尔曼滤波的车道线跟踪算法设计,最后在公开数据集中对比验证实验效果。1.基于图像预处理与多特征融合的车道线信息提取。本文采用的图像预处理步骤包括图像去畸变、自适应感兴趣区域求取两步,以有效去除复杂路况下图像中的畸变与噪声。同时,为了提取出完善且准确的车道线信息,本文设计了一种融合不同颜色信息与边缘信息的多特征融合规则。2.基于逆透视变换与随机抽样一致性算法的车道线拟合。首先采用图像逆透视变换技术将图像转化为鸟瞰图,以计算真实的车道线坐标参数。本文考虑到车道线的历史信息,设计改进滑动窗口法以更准确地定位车道线像素坐标。最后,本文在基于最小二乘法的基础上,加入随机抽样一致性算法,排除图像中干扰点的影响,使车道线拟合结果更精确。3.基于卡尔曼滤波的车道线跟踪算法设计。本文考虑到复杂路况下容易出现的车道线信息丢失等问题,分别采用卡尔曼滤波算法与扩展卡尔曼滤波算法对车道线模型建模。首先设计针对线性对象的多维卡尔曼滤波车道线跟踪算法,以实现对车道线方程参数的实时鲁棒跟踪;随后设计基于扩展卡尔曼滤波的车道线跟踪算法,实现对车道线中关键坐标点的跟踪与预测,使整体的车道线跟踪算法更鲁棒。4.采用公开数据集对本文设计的车道线检测与跟踪算法进行对比验证。实验结果表明,本文的车道线检测与跟踪算法在复杂路况下,准确率达到了85.89%,检测率达到了98.63%,具有较好的鲁棒性与较高的准确性。

关键词：多特征融合自适应感兴趣区域改进滑动窗口法随机抽样一致性算法卡尔曼滤波