亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        智能網(wǎng)聯(lián)車輛混行交通流中燈語意圖識別模型研究

        2020-10-31 03:28:50錢晨陽王文颯趙彤陽
        關(guān)鍵詞:光輻射通量意圖

        梁 軍,錢晨陽,陳 龍,王文颯,趙彤陽

        (1.江蘇大學(xué)汽車與交通工程學(xué)院,江蘇鎮(zhèn)江212013;2.中國重型汽車集團(tuán)有限公司汽車研究總院,濟(jì)南225000)

        0 引 言

        隨著車聯(lián)網(wǎng)及自動駕駛技術(shù)的發(fā)展,CAV 與HV 共存的城市交通流運(yùn)行模式勢必在智能交通系統(tǒng)發(fā)展階段長期存在.CAV 與HV 共存,加劇研究交通流的復(fù)雜性,使車路協(xié)同的實施難度陡峭上升[1].混行交通流場景下,鳴笛[2]、燈語[3],以及V2V通信[4-5]均能有效地表達(dá)道路運(yùn)行車輛的駕駛意圖,提高車路協(xié)同效果.鳴笛為駕駛員提供聲音輔助判斷條件,但是聲音在嘈雜交通環(huán)境下會失效;V2V為CAV高效自動駕駛決策提供基礎(chǔ),但是V2V 傳感器容易受周圍信號干擾;燈語不受噪聲影響,可見度高,駕駛意圖表現(xiàn)明顯,且易于識別.因此,在交互時,燈語比其他方式有優(yōu)勢,燈語信號承載車輛駕駛員的駕駛決策,對燈語信號進(jìn)行準(zhǔn)確而快速地識別,能夠提高CAV智能化水平,提高道路通行能力,減少交通事故發(fā)生.

        針對燈語向外界表達(dá)的駕駛意圖:LIU 等[6]利用發(fā)光二極管(Light Emitting Diode, LED)快速開關(guān)的特性與光電探測器(Photo Detector, PD)探究基于光通信技術(shù)的V2V 吞吐量和錯誤率,表明燈光信息可用于車—車通訊;FROHLICH等[7]利用轉(zhuǎn)向燈的頻率對駕駛意圖進(jìn)行識別,使用頻率特征訓(xùn)練Adaboost 分類器識別轉(zhuǎn)向燈的燈語意圖,但是在識別過程中忽視了轉(zhuǎn)向燈的顏色特征,且沒有對前照燈燈語進(jìn)行研究;NARMANLIOGLU等[8]研究夜晚車尾燈間斷亮起表示的駕駛意圖,提出在多車跟馳環(huán)境下的尾燈信號中繼模型,該方法識別率高,但容易發(fā)生誤檢.

        綜上,為實現(xiàn)對前照燈燈語意圖(VHI)的識別,以混行交通流場景下典型燈語意圖識別為背景,構(gòu)建CAV 對HV 的VHI 識別模型及關(guān)鍵算法.采用KLT 算法和車輛匹配算法對發(fā)出燈語信息HV的前照燈(VH)進(jìn)行感知、定位、跟蹤;設(shè)計基于VH投射模型和道路反射模型的光通道增益算法,計算光輻射通量變化;利用光輻射通量和車載傳感器數(shù)據(jù)作為雙層隱馬爾可夫模型(DHMM)的輸入,實現(xiàn)VHI 識別.最后,對模型及算法進(jìn)行實驗驗證與測試.

        1 混行交通環(huán)境下車輛VHI分析

        1.1 VHI時空特征

        從時間角度看,車輛行駛狀態(tài),即縱向加速度、縱向急動度、航向角、橫向加速度、VH 閃爍次數(shù),是影響駕駛意圖的時序因素[9],反映了駕駛員的期望駕駛意圖及車輛的下一階段行駛軌跡;從空間角度看,周圍交通狀況是影響駕駛員發(fā)出燈語的空間因素.

        1.2 混行交通流環(huán)境下人工駕駛車輛燈語特點(diǎn)

        (1)實時性,需要CAV在短時間內(nèi)對VHI進(jìn)行識別,并做出相應(yīng)自動駕駛決策.

        (2)限定性,限定典型燈語示意場景的HV 燈語信息才能被CAV接受并理解.

        (3)可見性,光照變化易于被光電傳感器捕捉.

        2 VHI識別模型設(shè)計

        VHI 識別模型由燈光感知、光數(shù)據(jù)處理、VHI識別3個模塊組成,如圖1所示.

        2.1 燈光感知模塊

        使用RGB和HSV顏色空間對VH圖像進(jìn)行顏色分割,形成二值化圖像[10].在HSV中設(shè)置閾值分割條件:飽和度為(0.9,1.0),明度為(0.0,0.1),其中,飽和度和明度均已歸一化,定義變換得到的圖像為Image HSV. HV 常用LED 作為VH,顏色為白色,在檢測中同時關(guān)注紅、綠、藍(lán)分量,定義變換得到的圖像為Image RGB,轉(zhuǎn)換規(guī)則[12]為

        式中:F(x,y)為變換后的像素值大??;fR(x,y)為紅色像素值;fG(x,y)為綠色像素值;fB(x,y)為藍(lán)色像素值;(x,y)為像素坐標(biāo);R(x,y)為紅分量;G(x,y)為綠分量;B(x,y)為藍(lán)分量.

        圖1 VHI 識別模型Fig.1 VHI recognition model

        對Image HSV 進(jìn)行高斯變換,對Image RGB進(jìn)行非線性變換,實現(xiàn)VH 區(qū)域針對性增強(qiáng).采用KLT算法標(biāo)記ROI(Region of Interest)并跟蹤;采用車輛匹配算法確定ROI是否屬于同一輛HV,該算法基于VH 保持在同一水平線上和燈對關(guān)于中軸線對稱的特性,如圖2所示,實現(xiàn)ROI配對,約束條件為

        式中:a1、b1分別為區(qū)域1 的寬度和長度;a2、b2分別為區(qū)域2的寬度和長度;d1、d2為誤差距離.

        圖2 前照燈配對檢測Fig.2 VH matching detection

        2.2 光數(shù)據(jù)處理模塊

        光數(shù)據(jù)處理模塊采用基于VH 投射模型和路面反射模型[11]的光通道增益算法,計算CAV 接受到的光通輻射通量.

        2.2.1 VH投射模型

        文獻(xiàn)[12]給出等照度圖,如圖3 所示,在進(jìn)行遠(yuǎn)近光切換時,VH光線會在路面上形成反射.

        圖3 遠(yuǎn)近光燈在路面上形成的等照度圖Fig.3 Illuminance diagrams of road surface from a pair of low or high beam headlamp

        根據(jù)上述等照圖特性和光學(xué)理論[13],建立VH投射模型,如圖4所示.

        式中:E為照度(lx);dΦ為光通量(l m);S為光照射面積(m2);θ為立體角(sr);I(α,β)為光強(qiáng)(cd);α為水平角(°);β為垂直角(°);d為距離(m);h為離地高度(m);ω為入射角(°).

        2.2.2 路面反射模型

        路面反射光強(qiáng)度R(φ)模型,如圖5所示,數(shù)學(xué)公式為

        式中:ρ為反射率;φ為反射角(°).

        圖4 VH 投射模型Fig.4 VH illuminance calculation model

        圖5 路面反射Fig.5 Reflection of road

        2.2.3 光通道增益算法

        根據(jù)式(8)和式(9),推導(dǎo)光通道增益算法,如圖6所示.由于左右VH 具有相同的輸出光分布[14],僅對左側(cè)大燈(Left Side Headlight,LSH)進(jìn)行分析,h1為前照燈離地高度(m),h2為光電探測器(Photo Detector,PD)離地高度(m).

        圖6 光通道增益算法Fig.6 Optical channel gain algorithm

        點(diǎn)C處垂直照度ELSH-C計算公式為

        式中:ILSH(αC,βC)為LSH 在方向(αC,βC)上的光強(qiáng)(cd);ωC為入射角(°);dLSH-C為從LSH到達(dá)點(diǎn)C的距離(m);LED的輻射發(fā)光效率Γ為250.3 lm/W[15],則在C處的垂直光輻射通量dPLSH-C為

        來自位置A的PD 接收到反射光輻射通量dPA-LSH-RL為

        式中:SPD為PD 的面積(m2);dC-PD為C與PD 之間的距離(m);φC從點(diǎn)C到PD的反射光線(Reflected Light,RL)與法線的夾角(°);ωRL為RL與水平線的夾角(°).

        來自于RL的光輻射通量PA-LSH-RL為

        式中:Ω為PD的視場角(°);S為總照射面積(m2).

        來自于LSH 的直射光線(Direct line,DL)的光輻射通量PA-LSH-DL為

        式中:ILSH(αA,βA)為沿方向(αA,βA)的光強(qiáng)(cd);SPD為感光面積(m2);ωDL為DL與水平線的夾角(°).

        PD接收到來自左側(cè)燈的光輻射通量PA-LSH為

        同理可得來自右側(cè)燈的光輻射通量PA-RSH,則來自HV左側(cè)、右側(cè)燈的總光輻射通量PA為

        將PA變化曲線圖輸入VHI 識別模塊,識別VH 閃爍次數(shù).若PA出現(xiàn)一次峰值,則VH 閃爍一次;若PA出現(xiàn)兩次峰值,則VH閃爍兩次.

        2.3 VHI識別模塊

        利用隱馬爾可夫模型(Hidden Markov Model,HMM)處理動態(tài)時間序列的能力[16]和基于HMM算法的駕駛行為預(yù)測模型[17],構(gòu)建DHMM模型,如圖7所示,識別在混行交通環(huán)境下VHI.

        圖7 DHMM 模型Fig.7 DHMM model

        Step 1基于車輛加速、減速相關(guān)的縱向加速度和縱向急動度,建立描述加速、減速的HMM 模型,觀察序列用多維向量的形式表達(dá)為

        式中:x1(t)為縱向加速度;x2(t)為縱向急動度.

        利用Baum-Welch 算法[18]迭代優(yōu)化加速、減速操作的HMM參數(shù),應(yīng)用Forward-Backward算法計算采集到的駕駛行為數(shù)據(jù)對HMM的似然度,選取似然度最大的模型作為識別結(jié)果.同理,基于航向角和橫向加速度構(gòu)建變道HMM 模型;基于HV 車速構(gòu)建車速分級HMM;基于光輻射通量變化構(gòu)建VH閃爍次數(shù)HMM模型.由此,得到特定時間段內(nèi)操作層HMM的4維識別結(jié)果.

        Step 2將4 維識別結(jié)果,按特定場景下的燈語意圖進(jìn)行劃分,作為意圖層HMM 的觀察序列,表達(dá)式為

        式中:u(t)、v(x)、m(t)、n(t)分別為加速、減速,轉(zhuǎn)向,車速,VH 閃爍次數(shù)的操作層HMM 識別結(jié)果.在操作層HMM 中,前向向量αt(i)和后向向量βt(i)的迭代公式為和在參數(shù)λ給定的條件下,前向向量αt(i)為在t時刻隱狀態(tài)為Si時,觀察序列O1,O2,…,On發(fā)生的概率;后向向量βt(i)為觀察序列Ot+1,Ot+2,…,OT發(fā)生的概率.aij從狀態(tài)Si到Sj的轉(zhuǎn)移概率;bi[Q2(l)]為在隱狀態(tài)Si時觀測值Q2(l)發(fā)生的概率.

        Step 3建立多維離散HMM模型為

        式中:Π為意圖層的初始概率矢量;ξ為意圖層模型的狀態(tài)轉(zhuǎn)移概率矩陣;ζ1,ζ2,ζ3,ζ4分別為加速、減速,變道,車速和光輻射通量4組觀察序列的觀察值概率矩陣.

        利用Baum-Welch 算法進(jìn)行迭代優(yōu)化,得到“提醒催行”“變道超車”“加速超車”的多維離散HMM 參數(shù).實時獲取數(shù)據(jù),識別HV 運(yùn)動狀態(tài),組成觀察序列輸入HMM意圖層,分別計算意圖層產(chǎn)生序列的概率則燈語意圖為似然度最大的HV行駛狀態(tài)序列.

        3 實驗驗證

        3.1 實驗說明

        實驗利用PreScan-Simulink 駕駛員在環(huán)聯(lián)合仿真實驗平臺.設(shè)計3種燈語示意典型場景,如圖8所示.

        3.2 實驗1 HV-VH感知及跟蹤

        3.2.1 實驗設(shè)定

        在PreScan中設(shè)置1輛裝有PD和攝像頭(幀率60 frame/s,分辨率720 pixel×480 pixel)的CAV,2 輛HV,加入光源模擬自然光引起的加性高斯白噪聲.在各場景下CAV 設(shè)定為自動駕駛,HV-2 按設(shè)定軌跡行駛,3 名駕駛員操控HV-1 做出挑燈動作.圖9為選取特征明顯的VH二值化圖像和感興趣區(qū)域(ROI).

        圖8 燈語示意典型場景Fig.8 VHI typical scenarios

        圖9 燈語示意典型場景下二值化圖像和ROIFig.9 Binary image and ROI under VHI typical scenarios

        選取3 s內(nèi)VH檢出率η為感知準(zhǔn)確度評價指標(biāo),由準(zhǔn)確檢出VH-ROI 張數(shù)DT與所有二值化圖像張數(shù)DC(180張)的比值得到,即

        以VH 匹配算法中估計角度誤差γ,單位為(°),作為評價跟蹤定位精度指標(biāo),γ越小跟蹤定位精度越高,計算公式為

        3.2.2 實驗結(jié)果及分析

        車燈感知實驗結(jié)果如表1 所示,不同場景下VH檢出率基本相同,場景(a)中VH檢出率最高,為97.2%.跟蹤定位實驗結(jié)果如圖10 所示,不同場景下的估計角度誤差γ變化趨勢基本相同,因為KLT和車輛匹配算法的結(jié)合能有效利用每幀圖像之間的連續(xù)信息去除誤檢.定位跟蹤精度隨d1接近0而增大.綜上,燈光感知模塊基本不受場景限制,越靠近CAV時的VH檢出率和定位跟蹤精度越高.

        表1 VH 檢測實驗結(jié)果Table 1 Results of headlights detection experiment

        圖10 3 種燈語示意典型場景下燈語車的角度誤差Fig.10 Angle error under 3 VHI typical scenarios

        實驗增加噪聲環(huán)節(jié),提高仿真數(shù)據(jù)在實際交通狀況下的準(zhǔn)確性,考慮車輛匹配算法的計算效率,將誤差角度γ放在二維中計算.因為燈語特點(diǎn)的連續(xù)性及實際車輛寬度無法忽略,所以,KLT算法和車輛匹配算法能快速鎖定VH,實驗結(jié)果理論上滿足實際要求.

        3.3 實驗2 VHI識別

        3.3.1 實驗設(shè)定

        選取10位不同年齡段的駕駛員(男性、女性駕駛員各5 名),分別駕駛HV-1 在3 個場景中做相應(yīng)的挑燈動作,獲取實驗數(shù)據(jù)集.HV-1 的VH 和PD相關(guān)參數(shù)設(shè)置如表2所示.

        表2 參數(shù)設(shè)置Table 2 Parameter set

        3.3.2 實驗結(jié)果及分析

        利用收集的3類燈語意圖數(shù)據(jù)訓(xùn)練DHMM模型參數(shù),為提醒催行、超車變道、提醒加速超車設(shè)定似然度值.將1 s內(nèi)的縱向加速度、縱向急動度、航向角、橫向加速度、光輻射通量數(shù)據(jù)分別輸入對應(yīng)的操作層HMM 模型,得到4 維識別結(jié)果,再輸入意圖層HMM識別燈語意圖并顯示.

        在3類典型燈語場景下,選取1號駕駛員實驗后輸出的PD接受到的光輻射通量變化圖,如圖11所示,其中,未經(jīng)處理的PA以灰色表示,濾波處理后的PA以黑色表示.DHMM 中VHI 識別結(jié)果如圖12所示,平均識別率如表3所示.3種典型燈語示意場景中“提示催行”“變道超車”“加速超車”的平均識別率為96.6%,滿足VHI的識別可行性要求.

        圖11 光輻射通量PA 變化Fig.11 Change of optical radiant flux PA

        圖12 10 位駕駛員在3 類場景中燈語意圖識別結(jié)果Fig.12 Headlights intention recognition results of 10 drivers in 3 typical scenarios

        表3 VHI 識別率Table 3 VHI recognition rates

        4 結(jié) 論

        (1)創(chuàng)新提出了混行交通環(huán)境下CAV對HV的VHI 識別模型,實驗結(jié)果表明在1 s 內(nèi)VH 感知準(zhǔn)確率達(dá)96.8%,定位跟蹤精度小于1°,VHI 平均識別率達(dá)到96.6%.該方法初步驗證了在3 種主要燈語場景中,燈語意圖識別的可行性與適用性.

        (2)燈語意圖識別模型結(jié)合了圖像識別與光輻射通量算法的兩重優(yōu)勢,通過建立DHMM模型及算法識別MV 前照燈閃爍次數(shù)和駕駛意圖得出燈語意圖.基于DHMM 的意圖識別模型計算速度快,占用車載系統(tǒng)資源少,充分考慮了識別準(zhǔn)確性和實時性,基本滿足實際使用要求.

        (3)未來可研究在更復(fù)雜的混行交通環(huán)境下的HV 駕駛員的挑燈動作對VHI 識別模型進(jìn)行完善優(yōu)化,將其應(yīng)用到CAV的輔助駕駛系統(tǒng)當(dāng)中.

        猜你喜歡
        光輻射通量意圖
        原始意圖、對抗主義和非解釋主義
        法律方法(2022年2期)2022-10-20 06:42:20
        陸游詩寫意圖(國畫)
        冬小麥田N2O通量研究
        制定法解釋與立法意圖的反事實檢驗
        法律方法(2021年3期)2021-03-16 05:56:58
        基于光輻射條件的溫室環(huán)境多因子調(diào)控系統(tǒng)的研究
        非相干光的光輻射安全與標(biāo)準(zhǔn)化進(jìn)展
        LED與光輻射計量測試
        光輻射測試技術(shù)領(lǐng)域的若干研究進(jìn)展
        緩釋型固體二氧化氯的制備及其釋放通量的影響因素
        燕山秋意圖
        亚洲精品久久久久久久久av无码 | 亚洲 欧美 激情 小说 另类 | 无码人妻中文中字幕一区二区| 丰满人妻被猛烈进入中文字幕护士| 日本免费一区二区三区影院| 国产一区二区三区蜜桃| 久久久精品国产性黑人| 无码人妻精品一区二区| a级毛片100部免费看| 无码AV高潮喷水无码专区线| 国产av一区二区三区在线| 不卡一区二区黄色av| 四虎影视免费永久在线观看| 国产亚洲一本大道中文在线| 亚洲一区二区视频蜜桃| 一区二区三区字幕中文| 疯狂撞击丝袜人妻| 富婆如狼似虎找黑人老外| 99久久久久久亚洲精品| 蜜桃av噜噜噜一区二区三区| 国产精品一区二区三区自拍| 亚洲午夜精品a片久久www慈禧| 狠狠久久亚洲欧美专区| 在线看片国产免费不卡| 国产黄片一区二区三区| 亚洲开心婷婷中文字幕| 内地老熟女老少配视频| 2021国产视频不卡在线| 日韩中文字幕精品免费一区| 亚洲精品国产av成拍| 欧美日韩在线视频一区| 九九99无码精品视频在线观看| 无码人妻精品中文字幕免费| 亚洲一区第二区三区四区| 亚瑟国产精品久久| 亚洲精品国产一二三无码AV| 少妇呻吟一区二区三区| 隔壁老王国产在线精品| 激情偷乱人成视频在线观看| 香蕉国产人午夜视频在线观看| 久久99免费精品国产|