邓剑文[1]2004年在《高速公路自主驾驶汽车道路检测技术研究》文中指出本文研究了高速公路自主驾驶汽车车道检测问题,实现了透视道路图像到世界坐标系的逆投影,提出并实现了在投影后图像中进行道路标志线检测的算法。 在车载摄像机拍摄的道路图像中,呈现强烈的透视效果。本文分析了摄像机模型,通过逆透视变换方法将道路图像变换到世界坐标系,消除了图像透视效果,能将道路的结构特征显现出来。 本文提出了针对道路标志线结构特征的底层处理算法。根据标志线的特征和投影后图像质量特点,设计了标志线边缘检测算子,提出了对标志线增强及分段阈值化处理方法。 本文分析了道路的结构模型,使用多项式曲线来表示道路结构,在此基础上,提出了标志线提取算法。该算法通过叁个步骤提取道路标志线:先运用统计方法从道路图像中估计道路宽度,然后使用搜索模板完成了对标志线的跟踪,最后通过引入道路模型的拟合对跟踪结果进行了修正,使得提取结果具有较高的可靠性。 作为对本文研究工作的验证,本文建立仿真实验环境对算法进行了检验,给出了实验结果。
孙振平[2]2004年在《自主驾驶汽车智能控制系统》文中进行了进一步梳理论文从结构、设计与实践叁个层次研究了自主驾驶汽车智能控制系统。 本文提出了一个四层递阶式智能驾驶控制系统结构。该结构基于任务逐层分解方法设计。在这个结构中，根据环境特性、时间跨度及空间范围等特点，将任务逐级分解为任务、子任务、行为、规划轨迹和动作五个层次，四层递阶式控制系统的四个层次从上到下依次完成这五个任务层次之间的映射。四层递阶式控制系统具有时间和空间上的多分辨率特点，从而使得控制系统的实时性和控制精度要求能够同时得到满足。 论文给出了自主驾驶控制系统总体性能评价指标，它们是：行驶的安全性、乘坐的舒适性和行车效率。论文进一步分析了如何利用总体性能评价指标来指导四层递阶式驾驶控制系统的分析与综合。另一方面，论文从环境感知系统的有关性能指标与驾驶控制系统性能的关系出发，讨论了驾驶控制系统的分析与综合问题。 针对双车道高速公路环境，论文研究了自主驾驶控制系统主要算法：第一、提出了基于行为的预期性能评价的行为决策策略；第二、构造了相应行为下的自主车行为规划算法；第叁、分别设计了一个侧向跟踪控制器和一个速度跟踪控制器，提高了系统的抗干扰性和控制精度。 作为对本文研究成果的试验验证，论文对红旗自主驾驶汽车的开发与试验情况进行了介绍。
聂一鸣[3]2012年在《高速公路自主驾驶汽车视觉感知算法研究》文中指出在国家自然科学基金重点项目“高速公路车辆智能驾驶中的关键科学问题研究”（90820302）和“未知环境中移动机器人导航控制的理论方法研究”（60234030）的支持下，本文研究了自主驾驶汽车在高速公路环境下的视觉感知算法。高速公路正常交通环境下，自主驾驶汽车在自主驾驶及汇入车流的过程中，必须稳定可靠地感知前方的车道形状和车路关系，这是安全行驶的基本的保证。本文以红旗HQ3自主驾驶汽车的道路感知系统为背景，针对车道线不可靠等复杂情况，研究了车道感知问题及相关算法，取得的研究成果和创新点如下：1、提出高速公路设计规范与人类视觉感知规律的一致性，并据此提出面向复杂路况的视觉感知系统及算法，能够有效地完成在车道线模糊、遮挡、缺失等复杂情况下的视觉感知；2、提出驾驶员道路注视点始终为道路的“切线点”，并利用平行线的消失点坐标信息准确获得前方道路的曲率；3、将场景分为可通行区域、不可通行区域和天空，选取颜色、纹理、位置和透视关系这四类特征参数，并利用超像素思想对图像相似区域进行分割，大大减少参与运算的数据量，提高算法效率；4、建立了一种基于道路设计和车辆运动学的叁维道路曲率模型，分别分析与高速公路起伏相关的纵切线曲率以及与公路转弯相关的水平曲率，算法实现了对车辆前方道路起伏和弯曲信息的实时估计，能减少由曲线模型引起的误差；5、提出用序列图像，根据“似动现象”原理，算法有效解决了车辆运动轨迹估计和高速公路出口检测问题。上述成果是红旗HQ3自主驾驶汽车道路感知系统的核心技术之一，能在车道线模糊、被遮挡甚至缺失等复杂情况下，稳定可靠地给出车道信息和车路关系信息，并检测高速公路出口。此系统感知周期小于30毫秒，能够满足实时要求，使自主驾驶汽车在无全球定位系统和惯性导航设备的条件下，以时速110千米成功汇入车流行驶，为成功完成我国首次在正常交通状况下长距离（286千米）高速公路自主驾驶实验提供了可靠的车道信息保障。
《中国公路学报》编辑部[4]2016年在《中国交通工程学术研究综述·2016》文中提出为了促进中国交通工程学科的发展,从交通流理论、交通规划、道路交通安全、交通控制与智能交通系统、交通管理、交通设计、交通服务设施与机电设施、地面公共交通、城市停车交通、交通大数据、交通评价11个方面,系统梳理了国内外交通工程领域的学术研究进展、热点前沿、存在问题、具体对策及发展前景。交通流理论方面综述了交通流基本图模型、微观交通流理论及仿真、中观交通流理论及仿真、宏观交通流理论、网络交通流理论;交通规划方面综述了交通与土地利用、交通与可持续发展、交通出行行为特征、交通调查方法、交通需求预测等;道路交通安全方面综述了交通安全规划、设施安全、交通安全管理、交通行为、车辆主动安全、交通安全技术标准与规范等;交通控制与智能交通系统方面综述了交通信号控制、通道控制、交通控制与交通分配、车路协同系统、智能车辆系统等;交通管理方面综述了交通执法与秩序管理、交通系统管理、交通需求管理、非常态交通管理;交通设计方面综述了交通网络设计、节点交通设计、城市路段交通设计、公共汽车交通设计、交通语言设计等;地面公共交通方面综述了公交行业监管与服务评价、公交线网规划与优化、公交运营管理及智能化技术、新型公交系统;城市停车交通方面综述了停车需求、停车设施规划与设计、停车管理与政策、停车智能化与信息化;交通大数据方面综述了手机数据、公交IC卡、GPS轨迹及车牌识别、社交媒体数据在交通系统分析,特别是在个体出行行为特征中的研究;交通评价方面分析了交通建设项目社会经济影响评价、交通影响评价。
武历颖[5]2016年在《无人驾驶汽车环境信息提取及运动决策方法研究》文中研究表明随着汽车保有量的增长,越来越多的道路交通事故也给社会和人民造成了巨大的损失。其中,汽车驾驶人的危险驾驶行为是导致道路交通事故频频发生的主要原因。无人驾驶汽车因其无需人类驾驶操纵的特点具有广阔的应用前景。在无人驾驶汽车的行驶过程中,如何实时、鲁棒地提取行驶环境信息,以及在获得信息的基础上进行合理的运动决策是实现其安全、高效自主驾驶的关键,也是无人驾驶汽车研究中的难点和热点。论文依托国家自然科学基金重大研究计划项目(90920305)“无人驾驶车辆智能测试环境研究与开发”和中央高校基金创新团队项目(CHD2011TD006)“基于视觉信息的无人驾驶智能车辆关键技术研究”对无人驾驶汽车环境信息提取及运动决策方法展开研究,以实现无人驾驶汽车安全、高效、智能地行驶。本文的研究内容主要包括:(1)视觉图像数据采集模型和预处理研究。以无人驾驶汽车坐标系作为约束条件,建立视觉图像数据采集模型;针对图像采集质量易受行驶环境影响而造成特征难以提取的问题,研究多尺度Retinex图像增强算法和传统中值滤波算法的改进优化算法,并进行静态离线对比试验。(2)针对复杂道路环境下车道标线检测算法鲁棒性较差的问题,提出面向图像像素点的改进道路图像分割方法以深度挖掘车道标线轮廓信息;在此基础上提出基于抽样行双向扫描和成像模型约束候选特征点相结合的车道标线检测优化算法。为了实现车道标线检测与跟踪模块的有效切换,建立置信度判别模块和失效判别模块。(3)针对非结构化道路边界检测效率和鲁棒性之间难以平衡的问题,提出一种基于置信概率的分块分类方法提取道路边界的特征点,在此基础上运用改进的最小二乘法完成非结构化道路模型参数求解,并进行静态离线对比试验。(4)针对无人驾驶汽车对前方车辆识别定位准确性及稳定性要求高的问题,提出一种基于视觉传感器和64线叁维激光雷达信息融合的前方车辆识别算法。通过融合64线叁维激光雷达提取的障碍物位置信息,确定图像中前方车辆的感兴趣区域;以类Haar-HOG融合特征作为目标车辆描述方法,采用AdaBoost算法离线训练获得的级联分类器进行前方车辆辨识;对因遮挡问题未被识别出前方车辆的感兴趣区域,提出基于激光雷达坐标系下位置关系信息的再确认方法。(5)无人驾驶汽车运动决策建模方法研究。以宏观行驶规划为前提,在环境信息提取的基础上,结合无人驾驶汽车的自身运动状态,对其在微观动态交通环境下的两类基本运动模式进行深入研究,设计无人驾驶汽车运动模式的决策条件及对应目标量;在此基础上建立基于决策树的运动决策模型;最后,通过构建微观动态交通仿真环境对其进行合理性验证。(6)搭建基于上位机组件的无人驾驶汽车平台,并对其广义视觉传感系统参数进行标定,在此基础上进行道路试验,以验证论文提出的环境信息提取方法的有效性和运动决策模型的合理性。
吴沫[6]2005年在《基于计算机视觉的车道跑偏告警系统方法研究》文中认为论文研究了基于计算机视觉的车道跑偏告警系统，提出了一种新的车道跑偏检测方法，并在红旗自主驾驶系统中进行了实验验证。 论文对驾驶员—汽车—道路闭环系统进行了研究，分析了驾驶员的行为如何影响汽车的运动，进而影响车路关系。由这一分析得出通过监测车路关系的变化可以反推驾驶员状态变化的结论，并通过仿真验证了这一结论。 论文系统的介绍了车道跑偏告警系统，包括其性能要求、系统组成模块以及系统评价标准。论文还分析和研究了应用广泛的TLC方法，仿真了由驾驶员状态改变对TLC曲线产生的影响。 论文提出了用于车道跑偏检测的车道线夹角法，不同于TLC方法的是，该方法能够完全基于前视摄像机获得的具有强烈透视效果的图像工作，论文通过数学推导，给出了车道线夹角的表达式及其与普遍使用的TLC方法的关系，说明了车道线夹角法在车道跑偏判定上的可行性。 论文以红旗车自主驾驶系统为实验环境验证了车道线夹角法，给出了包括直道、弯道以及驾驶员不同驾驶习惯下的实验结果及结论。
高美芹[7]2007年在《高速公路智能车辆视觉导航系统研究》文中研究说明智能车辆(Intelligent Vehicle，Ⅳ)是当今世界车辆工程领域的研究前沿和热点。智能车辆是集环境感知、规划决策、辅助驾驶等功能于一体的综合智能系统，是计算机视觉、人工智能、控制理论和电子技术等多个技术学科交叉的产物，代表了未来车辆的发展方向，具有十分广阔的应用前景。视觉导航智能车辆已经成为当今智能车辆的发展主流，智能车辆视觉导航系统是智能交通系统的重要组成部分，关于智能车导航关键技术的研究，对于保证车辆安全行驶甚至实现自动驾驶起着至观重要的作用。由于视觉导航具有信号探测范围宽、目标信息完整、价格相对便宜及最符合人类感知方式等优点，本文提出了利用单目视觉技术在汽车辅助驾驶及自主导航系统中实现导航的方案。目前，国内外已有很多视觉导航系统，但在系统的实时性、鲁棒性和实用性方面尚不能满足人们的要求。论文主要研究内容为：本文首先对智能车辆视觉系统相关机理进行分析，获取智能车辆视觉系统在特定道路环境下的成像特点，对视觉系统相关参数进行合理化配置，这是深入开展智能车辆视觉系统研究的重要前提，具有实际的指导意义。其次，分析了汽车辅助驾驶及自主导航视觉系统的结构，将重点放在道路检测与跟踪上。通过与使用立体视觉技术的方法做对比，阐述了采用单目视觉技术的优点和实际意义。最后，在车道检测中本文提出了一种基于车道线多特征分析的车道检测算法，可以有效的去除阴影、噪声点对车道检测的影响，并且能够很方便的应用于智能汽车视觉导航中。
裘伟[8]2006年在《高速公路车道偏离告警系统的研究》文中提出本文针对高速公路车道偏离告警系统进行了研究,研究内容涵盖了车道标志线检测、车辆行驶轨迹预测、车道偏离时间的计算以及车道偏离的判定,通过论文研究建立了一个完整的车道偏离告警系统,并在红旗自主驾驶系统中进行了实验验证。本文首先提出了一种新的车道标志线检测算法,该算法通过逆透视投影变换消除道路图像中强烈的透视效果,获得了图像信息以外的结构信息。在充分利用这些结构信息的基础上,结合Hough变换搜索车道标志线图像中的主导斜率,进而成功检测车道标志线的起始点位置,并进行逐段跟踪检测,最后通过拟合实现了车道标志线的准确检测。本文首次提出利用基于AR模型的时间序列预测方法对车辆行驶轨迹进行估计,重点讨论与分析了AR模型的阶数确定问题。在此分析的基础上,针对车辆直行、转弯和一左一右行驶叁种情况进行了仿真预测实验,证实了该方法在估计车辆行驶轨迹上的可行性。最后,本文基于TLC(Time to Lane Crossing)方法,制定了相应的车道偏离告警策略,建立了一个完整的车道偏离告警系统。该系统以红旗自主驾驶系统为实验环境,对车辆在直道或弯道上正常行驶以及换道行驶这叁种情况进行了车道偏离告警仿真实验,获得了令人满意的实验结果。
郑睿[9]2013年在《基于增强学习的无人车辆智能决策方法研究》文中进行了进一步梳理近年来随着车辆在世界范围内的普及,在给人们的生活带来方便的同时,交通事故的频发也随之成为一个亟需解决的问题,辅助驾驶系统的研究需求迫在眉睫。高速公路作为重特大交通事故的频发地,建立基于高速公路环境的驾驶辅助系统意义重大,由于车辆和环境模型的复杂性以及环境的未知性,在先验知识较少的情况下,可以依据环境信息得出正确的决策的自主车辆成为当前研究的热点。本文研究了基于增强学习的车辆智能驾驶决策方法,重点针对车辆驾驶行为的多目标决策问题进行了研究,并且探讨了驾驶行为决策系统与车辆运动控制性能优化的关系,取得了如下成果:1、在HQ3实车模型的基础上,建立了高速公路环境模型,搭建了仿真平台。通过仿真平台可以实时模拟高速公路条件下的车流环境,为了增加系统的适用性,在系统中还依据实际驾驶情形加入了一定的不确定性,为车辆智能驾驶决策的仿真以及后续其他相关研究做好了准备。2、针对车辆智能驾驶的实际问题,提出了两种基于增强学习的车辆智能驾驶方法,其中包括基于Q学习的车辆智能驾驶方法和基于最小二乘策略迭代(LSPI)的车辆智能驾驶方法,通过在仿真平台上的模拟,对这2种方法进行了验证,表明了方法的有效性。3、针对车辆驾驶性能的多目标问题,提出了基于LSPI的多目标增强学习(MORL)算法,并且应用于车辆智能驾驶决策问题中。通过在仿真平台上的模拟,验证了方法的适用性。同时,在不需要重新学习的情况下,简单改变决策系统中的决策部分,就可以得到针对不同偏好的决策,提高了方法的实用性。4、结合14自由度HQ3自主车动力学模型,设计了基于LSPI-PD的车辆侧向控制优化算法,以改善车辆的侧向跟踪性能。在侧向运动控制性能优化的基础上,研究了结合车辆运动控制性能优化的驾驶行为决策,通过仿真结果分析,显示了侧向运动控制器的学习优化能够提高驾驶行为决策的适应性。
鲁曼[10]2010年在《高速公路中车道检测技术研究》文中提出视觉导航是目前车辆辅助驾驶和无人驾驶系统中的主流技术之一,具有信号探测范围广、环境信息完整、价格便宜、符合人类感知方式等优点。本文针对车辆视觉导航中车道检测这一关键技术进行了深入研究,旨在开发出一套能够适用于高速公路中无人驾驶车辆导航的车道检测方法,主要研究内容如下：探讨了图像预处理方法,寻求一种能够有效抵抗光照、雨雾等因素,并且能够消除冗余信息、突出车道有效信息的道路图像预处理方法。总结和分析了目前研究中建立的车道模型和相关假设,对假设中的消失点计算方法进行了讨论,提出了一种基于摄像机参数的快速定位消失点和消失线的离线计算方法,并在车道检测过程中根据车道检测结果更新消失点位置,通过消失点估计被部分遮挡的车道线。提出了一种基于路面分割和概率Hough变换的车道检测方法,该方法先分割路面区域,再在路面感兴趣区域进行车道检测。其中,基于颜色的路面分割方法使用叁角形区域的颜色特征提取和连通域像素统计完成了路面分割,适用于高速公路和乡村公路的路面检测；在概率Hough变换中粗量化了参数空间,并引入车道线总长阈值,有效解决了由于连续的车道边缘像素不足而造成的漏检问题。针对车道分割的要求,提出了一种基于车道线线型判定的车道分割方法,该方法根据虚线型车道线是分割高速公路各车道的关键信息这一特点,在车道检测结果的基础上,通过统计方法计算车道分段数,识别虚线型车道线,完成高速公路中的车道分割。实验表明,本文的方法有效解决了车道检测过程中的若干问题,具有较好的实时性和鲁棒性。
参考文献：
[1]. 高速公路自主驾驶汽车道路检测技术研究[D]. 邓剑文. 国防科学技术大学. 2004
[2]. 自主驾驶汽车智能控制系统[D]. 孙振平. 国防科学技术大学. 2004
[3]. 高速公路自主驾驶汽车视觉感知算法研究[D]. 聂一鸣. 国防科学技术大学. 2012
[4]. 中国交通工程学术研究综述·2016[J]. 《中国公路学报》编辑部. 中国公路学报. 2016
[5]. 无人驾驶汽车环境信息提取及运动决策方法研究[D]. 武历颖. 长安大学. 2016
[6]. 基于计算机视觉的车道跑偏告警系统方法研究[D]. 吴沫. 国防科学技术大学. 2005
[7]. 高速公路智能车辆视觉导航系统研究[D]. 高美芹. 武汉理工大学. 2007
[8]. 高速公路车道偏离告警系统的研究[D]. 裘伟. 国防科学技术大学. 2006
[9]. 基于增强学习的无人车辆智能决策方法研究[D]. 郑睿. 国防科学技术大学. 2013
[10]. 高速公路中车道检测技术研究[D]. 鲁曼. 中南大学. 2010