国产精品久久久aaaa,日日干夜夜操天天插,亚洲乱熟女香蕉一区二区三区少妇,99精品国产高清一区二区三区,国产成人精品一区二区色戒,久久久国产精品成人免费,亚洲精品毛片久久久久,99久久婷婷国产综合精品电影,国产一区二区三区任你鲁

0
  • 聊天消息
  • 系統(tǒng)消息
  • 評論與回復
登錄后你可以
  • 下載海量資料
  • 學習在線課程
  • 觀看技術(shù)視頻
  • 寫文章/發(fā)帖/加入社區(qū)
會員中心
創(chuàng)作中心

完善資料讓更多小伙伴認識你,還能領(lǐng)取20積分哦,立即完善>

3天內(nèi)不再提示

淺談ADAS-LDW車道檢測與跟蹤方法的算法實例代碼

tUM2_ADA ? 來源:ADAS ? 作者:ADAS ? 2021-05-19 13:56 ? 次閱讀
加入交流群
微信小助手二維碼

掃碼添加小助手

加入工程師交流群

車道檢測的目標:

1. 車道形狀,包括寬度、曲率等幾何參數(shù)

2. 車輛在車道中的位置,包括橫向偏移量,車輛與道路的夾角(偏航角)

車道檢測與跟蹤一般分為以下幾個部分:

1. 車輛、道路、相機模型

2. 道路特征提取

3. 道路參數(shù)計算,如曲率,

4. 車道跟蹤

車輛、道路、相機模型

在現(xiàn)代道路設(shè)計中,道路有比較固定的設(shè)計模型,因此,對于高速公路等道路類型,車道的幾何模型可以以固定的形式表示。

車道弧長、曲率、偏航角、橫向偏移量構(gòu)成車輛與車道幾何模型的要素。

車道一般由直線、圓弧和緩和曲線構(gòu)成,緩和曲線通常是不同曲率的圓弧或直線的連接過渡,其曲率均勻變化,螺旋曲線是緩和曲線常用形式。

道路曲率與弧長(路長)的關(guān)系:

C = C0 + C1*L.

C0為起始點曲率,C1為曲率變化率。C0,C1都為0時,直線; C1為0時,C0不為0,圓弧;C1不為0時,緩和曲線。

在世界坐標系下,或俯視圖下,在相機可視范圍內(nèi),若車道的變化方向較小,則道路可用圓弧近似表示:

道路的坐標可以由弧長和曲率一般表示為:

y = L

x = 0.5*C*L^2

若相機與車道的橫向偏移量為d,與車道的夾角為a,則車道模型為

y = L

x = d + a*L + 0.5*C*L^2

從公式來看,這是一個拋物線模型。這里沒有考慮曲率變換率,即忽略了高次項(C1*L^3)/6。

不同的系統(tǒng)要求與道路環(huán)境,道路模型的精度要求也不同。在較早的系統(tǒng)里,在大路(highway)環(huán)境下,

基于視覺的車道模型經(jīng)歷了,平行直線模型 --> 固定曲率圓弧模型 --> 螺旋曲線模型。道路模型的精度不斷提高。

使用哪種模型,要根據(jù)系統(tǒng)的實際需求。如早期的系統(tǒng)里,檢測大路(highway)中10米內(nèi)的車道狀況,應用簡單的線性模型即可。而車道偏離告警(LDW)系統(tǒng)中,在高速公路上,需要30米-40米的精確的道路模型,這時,螺旋曲線(高階)或拋物線(二階)模型就更為精確。

相機模型:

由圖像的二維信息恢復出場景的三維信息,就需要相機模型來確立兩者之間的對應關(guān)系。相機參數(shù)包括內(nèi)部參數(shù)和外部參數(shù)。相機模型分為針孔相機模型和透鏡畸變擴展模型。這些在另外一篇文章里有描述。相機的內(nèi)外參數(shù)通過標定都可以獲取。相機的外部參數(shù)體現(xiàn)了相機坐標下圖像與世界坐標下場景的齊次變換關(guān)系。

道路特征檢測

道路上車道標志的檢測是道路特征檢測的關(guān)鍵部分,并且已有很多算法,但道路場景太多,單一的算法還是無法適用所有的場景。算法分類:

適用場景 不適用場景
基于邊緣檢測 虛線、實線明顯 陰影、光照變化、反射不均勻
基于頻域技術(shù) 能處理反射不均的場景 陰影
基于路面紋理/模板 陰影、光照不均等 反射不均

基于邊緣檢測的常用算法有:

Sobel, DOG, LOG, Steerable Filter等。每種算法都有各自的優(yōu)缺點。這里不再描述。

由基本算法處理后得到道路的特征圖像,這里以邊緣為例,需要進一步分析其特性,去除干擾,保留符合車道特征的邊緣。如平行性、寬度等結(jié)構(gòu)特征。如果這些結(jié)構(gòu)特征分析做的好,也可以彌補基本算法的不足。

其他檢測方法:

雙閾值特征檢測:原圖像、梯度圖像(邊緣圖像)分別有各自的閾值,分割出車道標志特征,當某點的灰度和梯度值分別大于各自的閾值時,才被選取為車道的特征點,這個方法會去掉一些陰影等干擾。

可調(diào)濾波器steerable filter:

對原圖分別獲取Gxx, Gyy, Gxy,高斯二階分量。角度可變的濾波器的強度響應如下:

6f5fb228-b4dc-11eb-bf61-12bb97331649.jpg

求上式的極值,則需求角度的導數(shù),則能獲取兩個角度

6f7f883c-b4dc-11eb-bf61-12bb97331649.jpg

對于濾波器窗口內(nèi)圓形對稱的物體,則兩個角度的響應差不多;而對車道,兩個角度響應的差值就比較大,響應大的方向就是車道方向,車道方向也可以探測出。

道路參數(shù)計算

道路方向、曲率的計算。霍夫變換是常用的檢測直線的方法,還有其他方法篩選特征計算參數(shù)的方法,如最小二乘估計,RANSAC,這些方法基本上都設(shè)定了道路模型,由特征點來計算參數(shù)。但也可以由計算出的模型,去除不符合條件的特征。

跟蹤

一般跟蹤的作用就是預測下一幀圖像內(nèi)道路特征的位置,在一個較小的范圍內(nèi)檢測道路特征,提高效率。若預測范圍內(nèi)沒有檢測到道路特征,則采用估計或上一幀特征的位置,若連續(xù)幾幀都沒有檢測到道路特征,則啟動全圖像道路特征檢測。KalmanFilter是常用的跟蹤算法。

車道的狀態(tài)要考慮車道的位置、速度、偏航角及車輛行駛轉(zhuǎn)角之間的關(guān)系。

6f977f28-b4dc-11eb-bf61-12bb97331649.jpg

6fc35ff8-b4dc-11eb-bf61-12bb97331649.jpg

夾角增量 = 曲率 * 長度

狀態(tài)變量為道路弧長、車道夾角、道路曲率、車道寬度、車輛的行駛轉(zhuǎn)角作為控制輸入變量。

測量變量為道路弧長和車輛與道路的夾角。

則狀態(tài)轉(zhuǎn)移方程如下:

6fe1c98e-b4dc-11eb-bf61-12bb97331649.jpg

編輯:jq

聲明:本文內(nèi)容及配圖由入駐作者撰寫或者入駐合作網(wǎng)站授權(quán)轉(zhuǎn)載。文章觀點僅代表作者本人,不代表電子發(fā)燒友網(wǎng)立場。文章及其配圖僅供工程師學習之用,如有內(nèi)容侵權(quán)或者其他違規(guī)問題,請聯(lián)系本站處理。 舉報投訴
  • 相機
    +關(guān)注

    關(guān)注

    5

    文章

    1585

    瀏覽量

    55822
  • 邊緣檢測
    +關(guān)注

    關(guān)注

    0

    文章

    94

    瀏覽量

    18678

原文標題:ADAS-LDW車道檢測與跟蹤方法_算法實例代碼

文章出處:【微信號:ADAS,微信公眾號:ADAS】歡迎添加關(guān)注!文章轉(zhuǎn)載請注明出處。

收藏 人收藏
加入交流群
微信小助手二維碼

掃碼添加小助手

加入工程師交流群

    評論

    相關(guān)推薦
    熱點推薦

    C語言增量式PID的通用算法

    C語言增量式PID通用算法控制算法中PID使用的非常廣泛,但是在網(wǎng)上找代碼的時候發(fā)現(xiàn)好多代碼都不夠通用,需要自己改好多東西,而且當一個項目需要使用多個PID控制器時也頗為麻煩,這里設(shè)計
    發(fā)表于 01-14 08:28

    電纜帶電檢測操作方法的選擇

    電纜帶電檢測是保障電力系統(tǒng)安全穩(wěn)定運行的關(guān)鍵技術(shù),在實際應用中,這種檢測方法是在電力系統(tǒng)運行狀態(tài)下(不中斷電纜供電),利用傳感器、檢測儀器或智能算法
    的頭像 發(fā)表于 11-28 10:10 ?399次閱讀
    電纜帶電<b class='flag-5'>檢測</b>操作<b class='flag-5'>方法</b>的選擇

    【開發(fā)實例】基于GM-3568JHF開發(fā)板安裝OpenCV并使用視頻目標跟蹤 ( CamShift)

    在計算機視覺領(lǐng)域,視頻目標跟蹤是一個非常重要的任務。視頻目標跟蹤廣泛應用于監(jiān)控、自動駕駛、人機交互等多個領(lǐng)域。OpenCV提供了多種目標跟蹤算法,其中MeanShift和CamShif
    的頭像 發(fā)表于 09-02 08:04 ?800次閱讀
    【開發(fā)<b class='flag-5'>實例</b>】基于GM-3568JHF開發(fā)板安裝OpenCV并使用視頻目標<b class='flag-5'>跟蹤</b> ( CamShift)

    基于RK3576開發(fā)板的yolov11-track多目標跟蹤部署教程

    1.yolov11_track簡介(多目標跟蹤算法)YOLO11是UltralyticsYOLO系列實時物體檢測器的最新版本,重新定義了在尖端準確度、速度和效率方面的可能性。在前幾代YOLO版本
    的頭像 發(fā)表于 07-25 15:21 ?1926次閱讀
    基于RK3576開發(fā)板的yolov11-track多目標<b class='flag-5'>跟蹤</b>部署教程

    惡劣工況下的ADAS多源傳感器數(shù)據(jù)采集:從硬件抗干擾到算法泛化

    ADAS技術(shù)邁向場景攻堅,惡劣工況數(shù)據(jù)采集是提升算法的關(guān)鍵,卻面臨系統(tǒng)穩(wěn)定、數(shù)據(jù)有效等挑戰(zhàn)。康謀深耕相關(guān)工具鏈,從硬件支撐、數(shù)據(jù)同步與采集等多方面給出解決方案,助你突破數(shù)據(jù)采集難題,提升ADAS
    的頭像 發(fā)表于 07-22 13:49 ?543次閱讀
    惡劣工況下的<b class='flag-5'>ADAS</b>多源傳感器數(shù)據(jù)采集:從硬件抗干擾到<b class='flag-5'>算法</b>泛化

    【資料獲取】ADAS車道輔助系統(tǒng)測試方法解析

    《automotorundsport》與測試評估機構(gòu)MdynamiXAG展開合作,對多款主流量產(chǎn)車的車道輔助系統(tǒng)展開實地測試,相關(guān)方法和技術(shù)細節(jié)已于近期對外發(fā)布。參與測
    的頭像 發(fā)表于 06-25 10:02 ?706次閱讀
    【資料獲取】<b class='flag-5'>ADAS</b><b class='flag-5'>車道</b>輔助系統(tǒng)測試<b class='flag-5'>方法</b>解析

    同步電機在位置隨動系統(tǒng)中跟蹤誤差的分析與研究

    自主研發(fā)的無頭軋制多級傳動系統(tǒng)的模擬實驗臺上進行了實驗驗證。實驗結(jié)果表明:該方法設(shè)計的系統(tǒng)控制精度明顯提高,可實現(xiàn)同步電機快速精確地跟蹤,位置跟蹤誤差小于PID控制算法的1/4,同時優(yōu)
    發(fā)表于 06-23 07:07

    單片機項目實例:XPT2046觸摸屏芯片驅(qū)動與校準算法

    單片機項目實例:XPT2046觸摸屏芯片驅(qū)動與校準算法,推薦下載!
    發(fā)表于 06-09 22:24

    【資料獲取】ADAS車道輔助系統(tǒng)測試方法解析

    權(quán)威汽車雜志《auto motor und sport》與測試評估機構(gòu)MdynamiX AG展開合作,對多款主流量產(chǎn)車的車道輔助系統(tǒng)展開實地測試,相關(guān)方法和技術(shù)細節(jié)
    發(fā)表于 06-08 16:26 ?2次下載

    基于RK3576開發(fā)板的車輛檢測算法

    車輛檢測是一種基于深度學習的對人進行檢測定位的目標檢測,能廣泛的用于園區(qū)管理、交通分析等多種場景,是違停識別、堵車識別、車流統(tǒng)計等多種算法的基石算法
    的頭像 發(fā)表于 05-08 17:34 ?1487次閱讀
    基于RK3576開發(fā)板的車輛<b class='flag-5'>檢測算法</b>

    研發(fā)排查問題的利器:一款方法調(diào)用棧跟蹤工具

    作者:京東物流 郭忠強 導語 本文從日常值班問題排查痛點出發(fā),分析方法復用的調(diào)用鏈路和上下文業(yè)務邏輯,通過思考分析,借助棧幀開發(fā)了一個方法調(diào)用棧的鏈式跟蹤工具,便于展示一次請求的方法
    的頭像 發(fā)表于 05-06 17:24 ?3177次閱讀
    研發(fā)排查問題的利器:一款<b class='flag-5'>方法</b>調(diào)用棧<b class='flag-5'>跟蹤</b>工具

    18個常用的強化學習算法整理:從基礎(chǔ)方法到高級模型的理論技術(shù)與代碼實現(xiàn)

    本來轉(zhuǎn)自:DeepHubIMBA本文系統(tǒng)講解從基本強化學習方法到高級技術(shù)(如PPO、A3C、PlaNet等)的實現(xiàn)原理與編碼過程,旨在通過理論結(jié)合代碼的方式,構(gòu)建對強化學習算法的全面理解。為確保內(nèi)容
    的頭像 發(fā)表于 04-23 13:22 ?1620次閱讀
    18個常用的強化學習<b class='flag-5'>算法</b>整理:從基礎(chǔ)<b class='flag-5'>方法</b>到高級模型的理論技術(shù)與<b class='flag-5'>代碼</b>實現(xiàn)

    康謀分享 | 特斯拉AD/ADAS緊急制動安全分析案例

    基于1.5萬公里實測數(shù)據(jù),本文揭示Autopilot三大緊急制動特征:對鄰車道的過度防御制動、ODD外場景的靜默退出風險及信號燈響應困境。研究通過多模態(tài)數(shù)據(jù)融合技術(shù),量化分析制動事件,為ADAS系統(tǒng)優(yōu)化提供重要依據(jù)
    的頭像 發(fā)表于 04-23 09:34 ?2789次閱讀
    康謀分享 | 特斯拉AD/<b class='flag-5'>ADAS</b>緊急制動安全分析案例

    27個FPGA實例代碼

    本資料收集匯總了27個FPGA實例代碼,有需要的可以下載學習! 獲取完整文檔資料可下載附件哦!!!!如果內(nèi)容有幫助可以關(guān)注、點贊、評論支持一下哦~
    發(fā)表于 03-14 17:31

    ADAS1000 adi

    電子發(fā)燒友網(wǎng)為你提供ADI(ADI)ADAS1000相關(guān)產(chǎn)品參數(shù)、數(shù)據(jù)手冊,更有ADAS1000的引腳圖、接線圖、封裝手冊、中文資料、英文資料,ADAS1000真值表,ADAS1000
    發(fā)表于 03-10 18:37
    <b class='flag-5'>ADAS</b>1000 adi