道路识别

摘要： 针对果、茶园规模不断扩张并逐渐向智能农业机械化发展的趋势以及常用道路语义分割数据集缺少果、茶园道路场景等问题,将语义分割技术应用到部分果、茶园道路中,以实现对果、茶园道路的像素级分割。以道路、人和车为分类对象,建立果、茶园道路场景图像数据集(包括6032张图像),将数据集按照9∶1比例随机划分为训练集(5429张图像)和测试集(603张图像)。以PSPNet(pyramid scene parsing network,金字塔场景解析网络)分割模型为基础进行优化,构建MS-PSPNet语义分割模型;训练结果显示,MS-PSPNet模型的MIoU(mean intersection over union,平均交并比)为83.41%,FPS(frames per second,每秒传输帧数)为22.31。将MS-PSPNet模型应用在果、茶园不同道路条件和光照强度下进行现场试验,并进行准确度评估,结果显示,MS-PSPNet模型类别MPA(mean pixel accuracy),像素准确率均超过92%,MIoU在除非硬化道路条件情况均超过91%,表明MS-PSPNet模型在果、茶园道路识别中具有较好的有效性和适用性。

摘要： 李郁峰、李魁武、潘玉田、郭保全同志在计算机仿真2020年第37卷第10期刊出的文章基于交叉视觉皮质模型的军用机器人道路识别,项目基金应该是:山西省应用基础研究计划项目(201901D111144)。

摘要： 为解决棉花垄间道路识别准确性和实时性差的问题,建立用于棉花垄间道路实时识别的Quarter-Unet模型,深度学习语义分割模型FCN和Unet对棉花垄间道路识别的适应性,选择适应性更好的Unet模型,对其VGG16主干进行剪枝,得到Half-Unet和Quarter-Unet,采用640幅图像组成的训练集和160幅图像组成的验证集进行研究,结果表明,与Unet模型相比,在识别的MIoU基本不变的情况下,Quarter-Unet的内存占用量降至19.5％,而处理速度提高至155％,为后续研发棉花田间智能农机导航设备提供了技术基础.

摘要： 针对通过对道路图像进行边缘检测来识别道路边界时道路中道路标识线的边缘特征对判断造成干扰的问题,提出了一种处理图像的方法.该方法基于边缘检测算法检测到的边缘对道路的灰度图像进行逐行处理,通过对该行中边缘通过的点附近的灰度值进行判断和修改来降低道路标识线的边缘特征,同时保留道路真实边界的边缘特征.在该方法基础上搭建了基于边缘检测的道路边界识别系统并对方法进行检验,使用130余张道路图片作为输入,验证了方法的有效性和实时性.实验结果表明,该方法能有效消除道路标识线对基于图像边缘检测的道路边界检测方法的干扰.

摘要： 本文重点研究了基于光电传感器的智能小车系统的设计与实现.本文针对黑色引导线位于道路两侧的规则,提出了一种基于双边循线的道路检测与识别的方法;针对十字交叉弯道,给出了基于主动循线方案的摇头舵机瞬时回正和累积回正的控制思路.通过大量的系统联调和实车试验,最终得到最优方案.

摘要： 针对传统合成孔径雷达(SAR)图像道路识别步骤繁杂的问题,提出了一种新的基于深度学习的SAR图像道路识别方法.首先,在原有全卷积神经网络(FCN)的基础上通过改进激活函数构造一种新的卷积神经网络M-FCN,有效缓解了道路信息丢失问题;然后,将该卷积神经网络和自主构建的道路标签集应用于模拟SAR和真实SAR图像道路识别实验中,提高了鲁棒性.实验结果表明:与支持向量机(SVM)、传统全卷积神经网络和其他算法比较,该算法可以用来识别道路特征,并具有较高的精度和可靠性.

摘要： 车间内部道路线高度结构化、颜色标准化的特征,为低成本的基于颜色信息进行道路线识别的算法提供了极大的便利.通过对车间道路RGB图像的分析,确定道路线颜色空间特征向量,使用相似度指标计算图像像素点与道路颜色相似度,建立相似度矩阵;使用相似度阈值对矩阵进行二值化处理,进一步通过Hough算法识别车间道路线,以道路线被检长度最长为最优控制目标,自适应优化求解最优相似度阈值,拟合最优道路模型.论文通过对广州机车检修段车间随机采集的样本进行实验分析,实验结果表明,基于颜色信息的自适应车间无人导航车辆(AGV)道路识别算法,能够较好识别车间道路线.为车间无人导航车辆(AGV)道路识别提供了一个结合车间自身特点的低成本、简单便捷的算法,具有一定的应用前景.

摘要： 为实现汽车试验场结构道路的自动识别,以MPU6050为基础设计了道路结构特征采集系统.通过获取试验车辆轴架处、货舱内和驾驶室内的三轴加速度和角速度;分别采用四元数方法解算得到车辆俯仰角和横滚角;结合三轴加速度得到车辆行驶过程中的垂向加速度;再结合试验车速利用傅里叶变换推导得到道路的空间域特征;选择合适的空间长度进行数据截断;通过DFT得到道路的空间频域特征向量;采用模板匹配方法对试验场6种不同结构道路进行分类.实验结果证明:该系统对试验场道路的分类综合准确率超过95％,且对传感器安装位置、不同车辆和车速具有很高的鲁棒性.

摘要： 针对AGV在执行路径过程中出现位置错误或偏离道路的情况,课题组提出了一套利用激光雷达探测反光板的道路识别方案.介绍了基于智能仓储拓扑图的反光板布设方式;设计了基于数学几何知识的AGV动态识别位置信息的方案;设计了在不同地图属性条件下基于限幅或PID调节的道路修正的方案,防止AGV行进过程中偏离理想道路.应用结果表明:本设计具有较快的位置信息获取速度和错误位置信息处理能力;运行过程中能够较稳定地行走在规划路径中心位置,在阳光等干扰因素存在条件下依然可以保持优良的鲁棒性.该研究使用反光板能大幅提高激光雷达位置计算速度,在车身存在机械误差条件下,通过修正算法能够保证小车稳定行驶在道路的理想位置.

摘要： 智能导航作为一种新兴技术,道路识别是其中的重要组成部分.由于道路图像的特殊性,使道路图像受到各方面的影响,造成不同的质降.为了提高道路识别的准确性,对道路图像的处理成为必不可少的部分,针对实际中存在的问题,对比大量实验数据发现:选用改进的直方图均衡法可以很好地解决图像模糊的问题,而中值滤波法对解决雨雪天气造成的椒盐噪声问题有着很好效果,维纳滤波法能很好地解决机器设备造成的高斯白噪声问题.在边缘检测部分,选用效果最理想的Canny算子,能较好地保护道路边缘特征.仿真实验证明这些方法的选择确能更准确的识别道路.

摘要： 为了提高结构化道路识别的准确性和实时性，提出了一种基于图像序列的结构化道路识别算法。该算法对原图像进行预处理，采用改进最大类间方差法和数学形态学处理对图像进行分割，通过建立分段直线模型，得到最终的道路识别图像。通过VC++6．0环境下的实验仿真，证明该方法具有良好的准确性和实时性。

摘要： 本文在充分分析总结前人在栅格交通地图道路识别过程方面的研究，围绕栅格交通地图道路识别目标，对栅格交通地图道路识别过程中的几个方面进行探讨。

摘要： 视觉导航是地面无人车辆导航的一种重要手段，对非结构化道路进行识别，可以刻画无人车辆的可通行区域，使其安全完成导航任务。通过特征提取算法，从图像中获得可高效区分不同区域的特征，进而采用分类算法完成识别的功能。将一种基于非负矩阵分解的特征提取算法应用于本领域中，利用非负矩阵分解提取非结构化道路图像特征，并通过支持向量机进行识别。实验结果表明，该算法提取的特征比传统的颜色、纹理特征分类效果更优。

摘要： 道路的检测与识别是智能车辆中首要解决的问题。随着环境的复杂因素维度的增加,道路在多种干扰条件下的识别变得越为困难。为了提高道路识别中抗干扰和鲁棒性,本文提出了一种基于边界扩展区域Hough变换的道路识别方法。该算法结合了道路形状的整体形态信息,以及道路边缘扩散区域像素在特征空间中对于道路识别的辅助性作用。同时在实验中利用其他传感器融合模块的道路方向估计参数和部分先验的知识降低计算的复杂度,提高应用的实时性。通过对实际路面图像的检测,证明了该方法的有效性和实用性。

摘要： 研究汽车智能大灯随动.通过摄像头采集图像资料,在PC机上编程实现道路识别,应用嵌入式试验平台将程序导入,基于嵌入式试验平台综合图像信息、方向盘转动角度信息及GPS提供的道路信息实现大灯随动使灯光照射方向保持与汽车的当前行驶方向一致,以确保对前方道路提供最佳照明并对驾驶员提供最佳可见度,从而显著增强了夜间驾驶的安全性。

摘要： 在基于GPS/GSM的车辆监控系统中,地理信息系统(GIS)作为主控中心的可视化监控平台,提供电子地图并支持GPS定位信息的图形化显示.随着移动用户也参与监控,在脱离地图的情况下,定位点周围的地物信息较之GPS定位信息更易于向用户传达车辆的具体位置,由此对GIS提出了地物识别的要求。本文基于MapInfo格式电子地图,主要研究道路的识别算法。文章首先讨论了MapInfo格式的电子地图特点,然后对由线图元组成的道路层进行深入研究,分析了图元的属性特征、拓扑结构,最后设计并实现了识别算法,以MapX基于图层的搜索方法为主要手段提取信息,采用分层、分级搜索和结果筛选等识别策略,并解决了道路走向和交叉点识别的问题。在实际应用中,本算法体现出对MapInfo格式的电子地图道路层有较好的识别能力。

摘要： 在基于GPS/GSM的车辆监控系统中，地理信息系统(CIS)作为主控中心的可视化监控平台，提供电子地图并支持CPS定位信息的图形化显示。随着移动用户也参与监控，在脱离地图的情况下，定位点周围的地物信息较之GPS定位信息更易于向用户传达车辆的具体位置，由此对GIS提出了地物识别的要求。本文基于MapInfo格式电子地图，主要研究道路的识别算法。文章首先讨论了MapInfo格式的电子地图特点，然后对由线图元组成的道路层进行深入研究，分析了图元的属性特征、拓扑结构，最后设计并实现了识别算法，以MapX基于图层的搜索方法为主要手段提取信息，采用分层、分级搜索和结果筛选等识别策略，并解决了道路走向和交叉点识别的问题。在实际应用中。本算法体现出对MapInfo格式的电子地图道路层有较好的识别能力。

摘要： 本文提出了一种用于大型车辆预警系统的道路线识别算法,对车辆的位移偏差和角度偏差进行了提取,并着重对其实时性进行了改进。本文改进了得到道路标识线的拟合算法,提高了路径跟踪的准确性,并大大提高了系统的运行效率。实验证明,采用本系统可提高导航路径识别的准确性,减少数据处理量,从而提高实时性。

摘要： 本文在总结了智能车宏观路径规划过程中一些道路匹配方法的基础上提出了一种智能车基于自身传感器识别道路环境并能做出宏观路径规划的方法,实验结果表明智能车在建立的匹配地图中进行路径规划稳定可靠。

摘要： 本发明提供一种能够高精度地推断变更后车道(L3)的远方的车道标线位置(LM4)的新颖的道路信息识别系统。本发明具备：前方车道标线检测单元，其使用前方摄像单元来检测自身车辆的前方(FF1)的车道标线(LM3)；侧方车道标线检测单元，其使用侧方摄像单元来检测车辆侧方(RR1)的车道标线的位置(LM3、LM4)以及车道宽度(W)；以及前方车道标线推断单元，其根据由前方车道标线检测单元获取到的车辆前方(FF1)的车道标线的信息(LM3)和由侧方车道标线检测单元获取到的车辆侧方(RR1)的车道标线(LM3、LM4)及车道宽度(W)来推断变更后车道(L3)的远方的车道标线(LM4)。

摘要： 本申请涉及一种道路类型识别模型的训练方法、道路类型识别方法、道路类型识别模型的训练装置、计算机设备、存储介质和计算机程序产品，通过获取车辆样本数据以及当前道路类型识别模型，并提取当前道路类型识别模型的模型参数，采用粒子群算法对模型参数进行优化，得到优化后的参数，根据优化后的参数以及车辆样本数据对当前道路类型识别模型进行优化训练，能够满足多种道路类型的识别需求，提高道路类型识别模型的训练精度，从而提高道路类型的识别效率。

摘要： 本发明涉及道路积水点识别系统包括：车速评价值设定单元，根据被检测路段上的浮动车的当前平均车速和路段积水车速阈值，设定被检测路段的车速评价值；车流量评价值设定单元，根据被检测路段上的当前浮动车流量和路段积水浮动车流量阈值，设定被检测路段的车流量评价值；降雨积水概率修正系数设定单元，根据被检测路段的当前小时降雨量和多个降雨阈值，设定降雨积水概率修正系数；以及积水识别单元，将被检测路段的所述车速评价值、车流量评价值以及降雨积水概率修正系数相乘得到被检测路段的积水综合评价值，根据该积水综合评价值判定被检测路段是否为积水路段。本发明实现了无装置积水检测，大大降低了设备布设与维修的成本。

摘要： 本发明公开了道路异常智能识别模型训练、道路异常识别的方法及系统，涉及道路识别技术领域，解决了现有道路异常情况识别存在一定的误差，且识别精度有待进一步提升的问题，其技术方案要点是：获取多个处于异常状态的道路图像作为训练样本图像；提取各个训练样本图像中异常特征和车辆驾驶位特征，得到训练样本集；将训练样本集输入深度学习神经网络模型进行训练，得到道路异常智能识别模型。发明通过依据异常特征对车辆驾驶位特征的影响相关性进行模型训练，能够依据车辆密度分布信息、车辆驾驶方位信息的细节差异性表征精准、可靠的识别出道路异常的具体类型和具体情况，道路异常识别的误差较小。

摘要： 本发明公开了一种基于智能灯杆的道路识别办法、基于智能灯杆的道路识别装置及智能灯杆。该基于智能灯杆的道路识别办法包括：获取激光雷达模块对智能灯杆所在区域进行扫描生成的道路信息；以及当根据道路信息确定出智能灯杆所在区域的道路存在异常时，将存在异常的道路信息发送至服务器，以供移动终端获取。本发明基于智能灯杆的道路识别办法可满足用户出行对道路信息获取的需求。

摘要： 本说明书提供了一种跨link道路识别网络的训练方法及一种识别跨link道路的方法，获取道路数据集合，所述道路数据集合包括训练数据子集和测试数据子集；通过所述训练数据子集训练跨link道路识别网络；所述跨link道路识别网络的输入为道路关系图，道路关系图包括多个节点以及连接节点的边，每个节点用于表征三元组，每条边用于表征两个三元组之间的道路关系；根据所述跨link道路识别网络对所述测试数据子集进行预测，确定所述测试数据子集中所述跨link道路识别网络的识别结果与标签不符的错分数据；针对所述错分数据，获取所述道路关系图的更新信息，基于所述更新信息重新训练所述跨link道路识别网络。

摘要： 本发明公开了道路异常智能识别模型训练、道路异常识别的方法及系统，涉及道路识别技术领域，解决了现有道路异常情况识别存在一定的误差，且识别精度有待进一步提升的问题，其技术方案要点是：获取多个处于异常状态的道路图像作为训练样本图像；提取各个训练样本图像中异常特征和车辆驾驶位特征，得到训练样本集；将训练样本集输入深度学习神经网络模型进行训练，得到道路异常智能识别模型。发明通过依据异常特征对车辆驾驶位特征的影响相关性进行模型训练，能够依据车辆密度分布信息、车辆驾驶方位信息的细节差异性表征精准、可靠的识别出道路异常的具体类型和具体情况，道路异常识别的误差较小。

摘要： 本发明公开了一种道路识别系统和道路识别方法，所述道路识别方法包括以下步骤：1)、确定清扫车下一状态所要识别的道路，并通过下一路段获取模块获取清扫车的预行驶数据；2)、将预行驶数据和当前行驶数据进行处理，形成车辆行驶数据标准样本；3)、通过车辆行驶数据标准样本和道路信息确定单元确定下一道路路段的道路状态；4)、按照确定好的下一道路路段的道路状态进行行驶。该道路识别方法能够有效的避免清扫车在清扫道路时影响交通状况的现象。

摘要： 本申请公开了一种道路识别模型训练方法，该方法包括：获取携带有类别标签的多帧待处理图像；多帧待处理图像为利用图像采集设备采集的图像；基于多帧待处理图像，及其对应的类别标签，训练道路识别模型；其中，道路识别模型包括第一数目层卷积神经网络结构和第二数目层循环神经网络结构。考虑到连续采集的多帧图像之间具有关联性，因此道路识别模型包括第二数目层循环神经网络，用于建立在第一时间范围内连续M个采集时间点采集的M帧待处理图像的图像特征之间的关联。因此，采用本申请实施例提供的方法训练得到的道路识别模型，考虑了连续采集的多帧图像之间的关联，故而能够更加准确的识别出道路。

摘要： 本发明涉及一种基于图像的道路识别方法及道路识别装置，该方法包括步骤：根据待识别图像中各像素点的RGB值，判断出疑似道路区域和非疑似道路区域；对所述疑似道路区域使用训练好的SRGAN模型进行超分辨率重建，得到更高分辨率的疑似道路区域图像，并对非疑似道路区域进行高斯滤波处理；对超分辨率重建后的疑似道路区域图像进行小波阈值去噪处理；使用Canny算子提取经过小波阈值去噪处理后输出的图像中的边缘线；对提取到的边缘线进行填补及编组，实现将同一道路的同侧边缘线连接到一起，及将同一道路的两侧绑定到一起；填充道路两边缘线之间的区域，得到封闭的道路。本发明方法可以提高图像的分辨率，加快边缘线提取速度，且较为准确地提取完整的道路。