摘要：针对前车有加速度和转弯时无法保证跟踪精度的困难,提出一种柔性曲杆的新算法应用于车辆自动跟踪.假设前后车间有一根虚拟柔性曲杆联接着,杆长等于前后车间沿着前车轨迹线的距离长,杆的弯曲变形与前车的转弯半径相同.利用短圆弧半径来记录前车转弯半径,解决了传统轨迹方程不平滑连续的问题;对于后车跟踪的速度控制,设计了一个基于杆长与安全距离的加速度分类模糊集,用以更新后车的线速度,避免了后车行驶中出现的磕头现象.最后,在三维机器人仿真软件中进行实体编程仿真,结果表明该方法具有可行性,轨迹跟踪误差达到1 cm以下.

摘要：提出了利用背景图像LBP(局部二值模式)纹理和当前帧图像LBP纹理的相似度分析提取前景的方法,克服了车辆检测中常用的帧差法、背景差分法对光照比较敏感的缺点.同时基于H,S,V分量及改进的LBP纹理的联合直方图与金字塔L-K光流法中心跟踪相结合的Camshift跟踪算法,有效地解决了背景目标颜色相近可能会导致跟踪的目标区域加入背景后变大、处理较大帧间位移的视频跟踪上搜索窗口的位置准确度较低的问题.实验证明,该方法具有良好的检测和追踪效果.

摘要：交通参与者运动的准确跟踪与预测对智能车行为决策的有效性至关重要。传统运动目标的跟踪系统多采用单一传感器,难以保证数据的精度与可信度。为提高系统的鲁棒性与可靠性,设计一种融合毫米波雷达和相机的目标跟踪方案,该方案针对多目标的特征级信息进行融合。首先,考虑低速行驶的自动驾驶清扫车所处环境杂波较多,方案选择基于IMM/JPDA的多目标跟踪方法估计局部航迹。为降低JPDA数据关联的计算复杂度,结合基于马氏距离构造的椭圆关联门和基于车辆非完整性约束构造的扇形关联门,实现关联门的自适应调整.减少关联杂波的干扰。其次,结合传感器的配置与特性,对目标的航迹状态进行空间对准和时间对准,按照航迹点间的欧氏距离和互协方差选择融合模式,进行局部航迹融合。最后,为验证多目标跟踪和航迹融合方法的有效性与实用性,分别设计基于MATLAB/PreScan环境的仿真试验和基于智能清扫车平台的实车试验。研究结果表明:在横、纵方向上,融合后的系统状态都比单一传感器的估计状态更为准确.融合结果对单一传感器的估计误差有35%以上的提升;实车试验证明,该方案能有效融合ESR毫米波雷达和Mobileye单目前视相机的状态估计信息.能基本正确地跟踪目标和估计航迹;融合状态的横、纵向误差都在可接受范围以内,且融合状态比单一传感器的估计波动更小。

摘要：复杂交通中车辆间的相互遮挡会造成图像中的车辆粘连,针对这一问题,提出了一种新的基于Kalman预测模型与正交投影定位理论的多运动目标分割与跟踪方法.利用粘连车辆在时域上的历史运动信息和Kalman预测结果,在二值图像中构建特定粘连车辆的分割窗;在分割窗内利用水平-垂直正交投影和动态阈值的理论方法,确定目标最小外接矩形.设计目标分割评判函数,确定粘连车辆分割的合理性,并给出相应的处理结果.实验结果表明,该方法能够有效处理目标相互粘连的情况,实现目标的稳定准确跟踪,并且计算复杂度低,能够满足实时环境的需求.

摘要：鲁棒的车辆跟踪是实现交通事件自动检测的重要前提,车辆跟踪中的车辆相互遮挡则是影响车辆跟踪结果的关键因素。针对这一难题,设计自适应的车辆跟踪算法,并依据交通图像序列的时空相关性,根据马尔可夫的基本理论和贝叶斯方法,应用MRF-MAP理论分析框架,并结合了彩色图像序列的纹理信息建立了图像序列的时空马尔可夫随机场模型。采用随机松弛算法中的Metropolis算法来求解时空马尔可夫随机场模型,对车辆跟踪得到的目标标号图进行优化,从而解决车辆跟踪中的遮挡问题。初步实验结果,跟踪不遮挡的车辆时达到的跟踪成功率为95%。遮挡情况时成功率也可达到83%。实验结果表明,该跟踪算法在不遮挡时效果非常理想,在遮挡情况下跟踪鲁棒性也较好。

摘要：提出一种改进的车辆检测与跟踪方法。在目标检测阶段,针对传统高斯混合建模算法对环境变化适应能力较差的问题,设计一个环境变化判断因子,据此进行高斯混合模型更新率的自动切换;在车辆跟踪阶段,为提高跟踪精度和跟踪效率,引入卡尔曼滤波并设计了跟踪列表进行单目标和多目标的跟踪。实验表明,该方法对光照突变有较好的适应性,能实现车辆的有效检测与跟踪。

摘要：交通流视频检测技术是实现城市交通现代化管理的核心技术之一,也是智能交通系统的重要组成部分。使用改进混合高斯分布模型来表征图像帧中每一个像素点的亮度特征,使用绝对值差分提取出运动车辆的轮廓,采集目标的轮廓特征等数学特征,采用相似性算子跟踪多运动目标,采用面积阈值排除非车因素的干扰。最后在城市交通流实况检测中验证算法。

摘要：由于目前部分货车在采用记重收费的高速公路收费站前无序倒车,对高速公路收费站秩序造成较大影响,如何对此类现象进行采证,从而便于处罚和管理,成为一个突出问题。在分析车辆先验知识的基础上,对车辆模型进行了参数化提取,设计了一种基于先验知识的车辆跟踪算法,该算法通过一定的先验知识对车辆目标进行建模,然后在实时的图像序列中通过模型匹配的方法来对车辆进行跟踪,并实时对模型进行连续不断的更新去实现对车辆的匹配跟踪。本文也给出了算法的实现过程,而且对算法进行了实际验证。通过实际试验结果表明,该算法很好的解决了环境中的干扰问题,对收费站前无序行驶车辆的取证提供了良好的技术解决方案,而且本算法对于车辆的遮挡问题也有一定的适应性。

摘要：针对目前具体产品中算法实现复杂且基于计算机(PC)平台的纯软件环境等问题,提出了一种视频车辆跟踪的嵌入式实现方法。利用可编程片上技术,使得视频检测摆脱PC平台的依赖。以NiosⅡ软核处理器和外设知识产权(IP)核为硬件平台,结合模拟/数字信号转换(A/D)和数字/模拟信号转换(D/A)的视频接口,以μC/OS为操作系统,实现了视频检测的硬件与软件结合的嵌入式检测技术。最后实验验证了设计的有效性。

摘要：VANET中基站可能是移动的或静态的锚节点,在这种情况下,为实现车辆的跟踪,提出一种基于锚节点-边框的分布式非测距车辆跟踪算法。观察邻居节点,建立锚节点-边框,进行抽样,缩小估计车辆可能区域;利用离群-抑制技术对数据进行滤除,剩余的区域就是车辆的位置。对算法进行模拟实验,实验结果表明,该算法的归一化平均跟踪误差约为0.09,具有稳健的跟踪性能。其通过与邻居锚节点的连接实现对车辆的跟踪,建立Anchor box,降低了定位成本,提高了定位精度。