摘要：在自动驾驶系统中,基于视觉的车辆前方多目标检测和轨迹跟踪能够为前方目标的姿态估计、行为分析提供有效信息。针对协同运动信息和核相关滤波跟踪信息的多目标跟踪的不足,使用卷积神经网络YOLOv2检测目标,提出了融合核相关滤波和目标运动信息的多目标轨迹跟踪方法,目的是将运动信息融入到图像特征跟踪容器中,优化运动模型,减少环境噪声造成的目标跟踪丢失、偏离。提出了基于运动信息改进核相关滤波跟踪尺度不变性算法。建立了多目标的检测跟踪容器,提出了结合目标属性、重合度、运动状态、跟踪状态的多目标匹配方法。实验表明,本文算法能够实现一定场景下的多目标的持续实时轨迹跟踪,平均有效跟踪率为92.5%。

摘要：为了高效生成具有低失真度的车载全景,以保证基于此影像信息的辅助驾驶系统的实时性,提出针对运算效率进行优化的车载全景生成方法。首先,利用多扫描线趋近、圆拟合的方法实现鱼眼成像有效区域的准确自动提取,并对参数进行优化以提升算法鲁棒性。基于鱼眼成像有效区域轮廓,计算得到有效区域半径以及圆心。以圆心为原点,半径为单位长度重构笛卡尔坐标系。再基于此坐标系,将鱼眼成像通过经纬映射投射至3D空间球面并在球心建立虚拟相机,利用梯度下降获取视锥体最优旋转角后进行视角重构并成像,直接获取该方向鸟瞰图,实现通过一步变换完成鱼眼校正与逆透视变换,达到提升车载全景影像生成速率与减少图像失真的效果。最后,对图像位置进行配准,使虚拟相机直接成像在指定位置,并对4幅图像进行融合,从而降低由于拼接缝带来的图像信息损失,保证生成的车载全景影像最大程度保留道路信息。研究结果表明:使用该方法在同等硬件平台下,基于标定参数计算生成车载全景影像速率提升接近1倍,从视觉上图像失真程度明显降低;该算法可以提升车载全景生成速率,减少计算资源占用,降低图像失真,从而提升基于车载全景影像的辅助驾驶系统的实时性与可靠性。

摘要：为了获得护栏清洗车与护栏之间的准确距离信息,避免驾驶员进行观察护栏位置的同时操作车辆而导致分心驾驶和疲劳驾驶,提出一种基于视觉的护栏检测方法并应用在护栏清洗车偏离预警系统。使用双目立体视觉获得护栏的准确距离值;结合摄像头标定和标记分水岭算法分割护栏所在区域,并使用Hough变换直线检测算法提取护栏分割区域内的直线特征;通过约束直线检测参数和直线检测数量实现护栏检测。使用恒定速运模型条件下的Kalman滤波器跟踪护栏位置,结合特征检测信息和位置跟踪信息进行决策和预警。结果表明:偏离预警系统平均预警准确率为89.40%,因此在工程环卫车辆上具有一定的实用价值。