基于图像处理的交通信息采集

笔者在文中简要介绍了图像识别的基础上,提出了网格转换方法,在图像坐标和道路平面投影坐标之间建立关系,获取运动车辆的行驶轨迹,从而得到车辆的实时车速和位置,达到交通信息采集的目的.     

一种车载GPS系统坐标转换公式及其应用

从理论上探讨了对车载GPS坐标转换的高斯正算公式及相应的坐标转换过程,对实际的车辆导航和实时监控系统中用到的坐标转换公式作了一些合理的简化,并对这些简化公式的有效性及适用性进行了相应论证。认为GPS车辆整体动态定位精度更多地依赖于系统硬件设备能的动态定位精度,坐标转换产生的误差只要不对整体动态定位精度造成显著影响,应尽可能采用简化公式进行计算。     

交通无线传感网络运动车辆定位方法

为提高运动车辆定位可靠性与精度,研究了基于交通无线传感器网络的运动车辆定位系统.根据车辆位置区域随速度变化的规律,提出了一种变区间搜索量子粒子群算法对测量的车辆定位参量进行坐标粗估计,由于噪声干扰和信号传输延时,坐标粗估计值存在一定的误差.根据车辆的运动特性引入机动目标的当前统计模型,采用扩展Kalman滤波对坐标粗估计值存在的误差进行修正,以定位速度与精度为评价指标对定位方法进行了验证.验证结果表明:无线传感网络节点可大量布设的特点提高了定位可靠性;量子粒子群中引入变区间使定位速度提高了39.13％;Kalman误差修正使得定位精度提高了56.48％.可见,本文方法可以有效提高运动车辆定位速度与准确性.     

曲线轨道上重载货车悬挂相对位移的仿真计算方法及应用

为准确求解曲线轨道上重载货车悬挂的相对位移,首先,建立曲线轨道数学模型,推导出曲线外轨超高、顺坡角、侧滚角和中心角随线路长度的变化公式,再根据车辆各刚体部件进出曲线的时间和所处曲线位置差异,编程计算悬挂点刚体间的超高及转角差;其次,以刚体质心为坐标原点建立本体坐标系,分别给出悬挂点在两刚体本体坐标系中的坐标表达式,通过坐标变换法将本体坐标转换到同一坐标系下,计算悬挂点瞬态相对位移;最后,结合车辆曲线动力学仿真程序计算,即可求出车辆曲线通过时各悬挂点的动态相对位移.计算结果表明：车辆悬挂相对位移是车辆参数和曲线轨道参数综合作用的结果,当单独不计线路侧滚角差、顺坡角差、中心角差时,对应悬挂相对位移的最大偏差率可达42.85%、24.03%、71.42%;利用坐标变换结合动力学仿真计算的方法可全面考虑车辆和轨道参数,求解车辆悬挂相对位移更为准确.     

��ṹ����·�����ܳ���·���滮������㷨�о�

作为智能交通的重要组成部分,智能车辆旨在辅助或取代驾驶员进行车辆驾驶,以减少交通事故,提高交通系统效率. 本文针对半结构化道路下基于视觉导航智能车辆的路径规划和车辆控制问题进行了研究试验. 首先采用局部逆透视变换方法将存在无穷视野的智能车辆成像系统转换为真实世界坐标表示;然后利用深度优先搜索算法搜索当前道路环境下所有可行路径,依据无碰撞约束条件设定行驶轨迹;以预设轨迹的行驶时间和视觉图像信息作为输入,设计分级模糊控制器进行车辆横向控制;最后给出场地试验结果. 试验表明,本文路径规划和车辆控制算法有效稳定,实现了校园环境下障碍物躲避、路径规划和车辆自主行驶的设计功能.     

车辆行驶跑偏量在线测量研究

为解决车辆行驶跑偏量检测的全天候高精度测量问题,提出了一种利用卫星实时差分定位技术进行车辆行驶跑偏量测量的方法。将移动站接收机置于待测车辆上实时接收车辆轨迹坐标,构建车辆行驶跑偏轨迹模型并计算跑偏参数,同时采用小波变换对卫星信号进行滤波处理,削弱了多路径效应的干扰,提高了检测系统的精度。通过两台移动站接收机同时测量同一车辆的对比试验证明该方法可以快速、有效地进行跑偏量检测,且测试精度高,可实现全天候测试。     

无人机广域视频的机动车交通参数计算及分析

基于视频的交通参数提取在智能交通系统中具有重要意义.针对无人机视频, 提出了一种基于大范围无人机视频的机动车交通参数提取方法.首先通过建立无人机广 域镜头图像的校正算法去除交叉口视频图像的广角畸变,然后将像素坐标转化为真实坐 标.其次,利用帧间差分法计算行驶车辆的速度、加速度、车头间距等车辆运行参数,将计 算结果与真实车辆及软件提取运行参数进行对比,结果证明该方法具有较高的准确性和 可行性.最后,实例验证该方法能较准确地获得交叉口车辆运行参数,并将其应用于车辆 通过交叉口全过程的速度变化规律分析.     

基于多目标约束的多连杆悬架优化设计

多连杆悬架的运动学特性与柔性特性(kinematiccompliance,KC)是整车操控平顺性的重要组成部分,以正在对标开发的多连杆悬架为例,分析悬架硬点坐标与衬套刚度对车辆KC主要特性参数的影响程度,并以车轮前束角、车轮外倾角、车辆纵向位移和侧向位移等KC的主要特性参数满足设计要求为约束条件,通过调整悬架硬点坐标和衬套刚度,实现多连杆悬架的优化。研究表明:优化后的悬架双轮平行跳动时车轮前束角变化、车辆侧倾时前束角变化、悬架侧倾中心高度和纵向力与侧向力作用下的轮心位移变化都能够满足设计要求。     

汽车二自由度运动方程的探讨

分析了现有的汽车二自由度运动方程的缺陷及局限性，推导了车辆坐标各级党委 地面坐标系珠二自由度运动方程并对其应用进行了分析与讨论。     

基于视频图像处理的微观交通数据的获取

微观交通数据对于通行能力的分析、智能交通系统的建立、异常交通状态的识别、微观交通流特性的研究以及微观交通仿真技术的发展具有重要意义.随着视频采集技术在交通领域应用的日益增加以及图像处理技术的发展,使得获取微观交通数据成为可能.鉴于此,利用摄影学原理,实现了图像坐标与实际坐标的转换,并从视频中提取了车辆的行驶轨迹、车速和车头时距,为研究微观交通系统提供了数据支持.     

一种基于摄像机标定的车辆视频测速方法

以Tsai两步法为摄像机标定原理,提出了一种车辆速度视频测量方法,并对摄像机标定误差和车速检测误差进行了分析。首先利用Tsai两步法得到摄像机的内部和外部参数,然后将图像空间提取出的运动车辆特征点位移转换到世界坐标系,最后利用帧差时间求得车辆的瞬时速度。实验结果表明,基于摄像机标定的车辆速度视频测量方法,具有简单实用、鲁棒性强、精确度高等优点,满足车辆视频测速系统的要求。     

智能电动车弯曲道路场景中的避障路径规划

为研究智能电动车在弯曲道路场景下进行避障规划的有效性, 提出了一种将笛卡尔坐标系转换为曲线坐标系的方法, 利用5次贝塞尔曲线对弯曲道路场景中的车道线进行逼近得到参考路径, 通过对参考路径进行弧长参数化, 以弧长为横坐标, 横向偏移为纵坐标的方法建立曲线坐标系, 根据车辆和子目标点在曲线坐标系中的位置关系, 采用3次多项式实时生成候选路径, 利用序列二次规划算法对候选路径进行优化; 为验证所提算法的有效性, 以某智能电动车为平台, 利用单目相机、64线激光雷达、工控机等设备搭建试验车, 通过Apollo平台对车辆在弯曲道路场景中的避障算法进行在线仿真, 在园区实车试验中对避障算法进行了GPS位置误差和航向角累计误差分析。研究结果表明: 在曲线坐标系中进行车辆弯曲道路场景下的避障路径规划, 能有效地描述规划路径曲率半径、车辆中心位置偏移车道线距离等信息, 容易确定自身车辆的可行驶区域、前方障碍物位置信息, 从而生成最优路径; 在园区场景的避障过程中, GPS位置误差发生在初始点、转弯点以及避障点, 最大误差为0.15 m, 航向角累计误差为12°, 突然增大的弯道位置误差主要由车辆姿态瞬时改变及障碍物匹配过程引起, 但是误差都能够很好地控制在一定范围之内, 利用曲线坐标系解决弯曲道路场景中的避障路径规划是可行的。      

基于GSM技术和GPS技术的车用远程跟踪报警器设计

利用GSM通讯技术可以克服现有常规车用声光报警器报警距离短、报警形式单一等不足。GPS技术的采用可以提供车辆的地理坐标。设计了以SPCE061A为核心的车用远程跟踪报警器,论述了硬件的工作原理,并给出了相应的软件流程图。样机的试用效果良好、可靠性高,可推广应用到多种需要进行位置监测的场合。     

一种基于直方图的车辆检测方法

获得车辆图像的准确定位是视频交通检测的关键,在分析传统车辆检测方法不足的基础上,提出的基于直方图的检测方法,能够提高图像分割的准确性,确保对车辆目标的顺利提取,具有一定的实际应用价值。     

基于多层前馈神经网络的车牌提取方法

文中提出一种采用三层前馈神经网络提取车牌的方法。该方法是一种基于纹理分析的图像分割算法,适合于彩色及灰度图像。实验表明,该方法能准确地提取图像中的车牌。     

车辆运行品质的智能手机检测方法及姿态误差矫正

因车体坐标系统和手机坐标系统存在角度偏差，为使手机检测数据真实反映车体振动加速度，提出针对手机姿态误差的系统性矫正方法. 该方法以重力方向为基准矫正手机垂向加速度，借助车体横、纵向加速度的正交性矫正手机水平向加速度，并基于极大似然估计原理评估角度偏差，保证手机姿态矫正的可靠性. 结合现场测试结果表明:两部智能手机检测数据经姿态误差矫正得到以重力方向为基准的垂向角度修正值分别为0.008° 和0.007°，两者水平夹角为29.75°，与试验放置夹角30.00° 偏差0.25°；智能手机与高精度传感器检测的车体加速度在时域和频域的幅值、主频均一致.      

基于图像叠合的工程机器人立体视觉系统

立体视觉系统为遥操作工程机器人增加了视觉反馈.在对三目摄像机获取的3幅图像进行图像叠合的基础上,对比分析、求解3幅图像的视差来获取物体的视差图与深度图,进而获取物体的真实坐标,以利于三维物体重新构建.实验结果表明,利用叠合后的图像进行处理、计算,能够准确地实现三维物体的定位.     

基于混合高斯背景建模的交通视频运动目标检测

目前最常用也最有效的运动目标检测方法是背景减除法,其中背景提取是背景减除法的核心.传统的运动目标检测方法无法解决场景的光线突变、背景图像发生变化以及前景运动目标物体的阴影干扰等问题.针对交通视频中背景模型的实际情况,采用混合高斯分布对视频背景进行建模,将前一帧视频图像与所建立的当前背景图像进行相减,得到车辆在当前时刻的运动图像,并将所得图像进行形态学去噪处理.通过相关的仿真实验,证明了该方法能够比较准确地检测出前景运动车辆目标.