Length-based vehicle classification in multi-lane traffic flow

For the realtime classification of moving vehicles in the multi-lane traffic video sequences, a length-based method is proposed. To extract the moving regions of interest, the difference image between the updated background and current frame is obtained by using background subtraction, and then an edge-based shadow removal algorithm is implemented. Moreover, a thresholding segmentation method for the region detection of moving vehicle based on location search is developed. At the estimation stage, a registration line is set up in the detection area, then the vehicle length is estimated with the horizontal projection technique as soon as the vehicle leaves the registration line. Lastly, the vehicle is classified according to its length and the classification threshold. The proposed method is different from traditional methods that require complex camera calibrations. It calculates the pixel-based vehicle length by using uncalibrated traffic video sequences at lower computational cost. Furthermore, only one registration line is set up, which has high flexibility. Experimental results of three traffic video sequences show that the classification accuracies for the large and small vehicles are 97.1% and 96.7% respectively, which demonstrates the effectiveness of the proposed method.     

基于特征模型融合的实时车道线检测研究

针对无人驾驶领域的车道线检测鲁棒性差的问题,提出一种基于特征模型融合的实时车道线检测算法。在图像预处理阶段引入白平衡、灰度化操作及形态学处理,将RGB颜色空间转换成HSL颜色空间,接着采用梯度阈值检测出黄色和白色车道线进行线性融合以增强车道线特征信息。在模型拟合阶段,采用Canny边缘检测算法和改进的Hough变换提取出边缘特征,最后采用最小二乘法拟合车道线双曲线模型。本文在Python实验环境下对随机选取的不同复杂路况下的视频流序列进行算法验证。实验结果表明该算法平均正确率为96%以上,平均未检测率和平均误检测率分别为1%和3%。实验说明本文算法具有良好的准确性和鲁棒性。在无人驾驶领域具有一定的应用价值。     

马路打印机

马路上的人行横道线、车道中心线等,指引着行人和车辆,必不可少。但是随着时间流逝,这些图案会褪色、消失,因此需要画交通标志的工人推着划线车来重新划线。但是马路上车来车往,他们的工作环境并不安全,有时还需要半夜工作。     

基于动态搜索带建立可行区域的一种方法

本文提出了一种建立动态搜索带的新的车道识别算法,使其能够更好的处理非理想路况的各种不确定因素,建立实时动态的搜索带,除了能更精确的追踪车道标志线之外,还能更好的应用于弯路路况。运用LMedSquare曲线拟合算法更好地提高了车道拟合过程的稳健性和精确性。由于搜索带的建立,整个识别过程的计算量大大降低,因此更适合实时要求。     

基于改进概率霍夫变换的车道线检测与跟踪算法

传统车道线检测算法通常直接在预处理后的图像上进行霍夫变换,检测效率较低。本文提出一种改进的算法,首先通过图像预处理去除干扰,然后提取道路图像轮廓,根据轮廓外包矩形的参数筛选符合车道线特征的轮廓线,最后利用改进概率霍夫变换和Kalman滤波算法实现车道线的检测与跟踪。该算法通过轮廓筛选和改进概率霍夫变换可以有效减少霍夫变换所需检测的线段数量,从而提高算法的运行效率。仿真实验表明,改进后的算法相对传统算法准确率提高了8.1%,检测速率提高了23.9%,可以在多种复杂场景下准确快速地检测并跟踪车道线。     

基于机器视觉的车道标志线检测研究

针对车辆辅助驾驶或自主驾驶中的车道保持问题, 研究了基于视觉的车道标志线实时检测方法. 介绍了系统组成、工作原理和车道模型, 并着重讨论了车道图像的检测算法. 其主要思想是在图像上选取几个合适的处理区域, 通过对每个处理区域进行适当的预处理、边缘检测和霍夫变换等过程来提取车道描述特征. 试验结果表明, 该方法具有实时性好、识别可靠性高等特点, 在一定程度上能为后续的辅助驾驶或自主驾驶提供决策依据.     

哈尔滨市快速公交（BRT）系统规划初探

结合哈尔滨公共交通现状,对快速公交系统（BRT）的规划布局和重要要素——车道、站台布设模式进行了研究,分析其规划要点、模式优缺点、适用性等,为哈尔滨BRT的规划和建设提供了有益的参考。     

基于Android系统的机动车辅助驾驶功能的实现

基于Android NDK和OpenCV实现在Android环境下的机动车辅助驾驶功能。分析了在Android环境中使用OpenCV所需要的基本架构和基础模块(车道线检测和车型识别)的检测流程,介绍了由上位机程序移植到Android手机上的流程,包括移植过程中所要做的更改和应注意的问题。实验结果显示,当手机摄像头采集到的图像中有车道线时,程序会标记出车道线;如果前方有车辆,程序会将前方车辆标记出。     

让小司机们自己解决难题——“园丁”教师的选择

故事背景保育中心的户外场地经过改造后有了专门的车道,孩子们第一次看到就产生了极大的兴趣。原本随意停放和驾驶的小车,被孩子们开到了长长的灰色车道上。瞧!有开着黑色皮卡车带朋友逛马路的,有骑着三轮小车运货的,还有两两一组比赛的……一时间,在车道上开车成了孩子们最喜欢的户外游戏活动。     

惊人的大脑结构

正借助于新型核磁共振成像技术,科学家得以发现此前未知的大脑解剖学结构长期以来,科学家一直以为大脑是一堆缠结的电线结构。运用最新一代核磁共振仪进行的研究发现,大脑的纤维排列实际上像棋盘,呈直角交叉状。早期发育过程中,大脑内的线路连接在一起,这些连接呈十字交叉,沿着水平和垂直方向延伸。这种网状结构内的连接好似高速路上的车道标线,限制了神经纤维在生长过程中的选择,具体地说就是改变方向的选择。只要能限制上、下、左、右四个方向,就能让神经纤维以更有效、更有序的方式找到适合自己的连接,从而使大脑结构适应于演化历程。科学家说,新技术或许能揭示个人化的大脑连接,有助于诊治大脑疾病。