基于Catia软件钢板弹簧模型曲线及运动轨迹的分析

本文重点介绍汽车用钢板弹簧的三维建模方法,基于CATIA软件草绘模块进行钢板弹簧中性层曲线的研究、绘制。在整车坐标下,根据钢板弹簧运动原则验证其垂直跳动运动轨迹、纵扭变形轨迹。本文所提出的建模在CATIA软件中易于操作,提高变载荷下的钢板弹簧匹配、建模的效率。CATIA绘制整车坐标下的钢板弹簧曲线直接、精准,且为后续平台开发提供有力的技术支持。     

基于最优滑移率的车辆轨迹跟踪控制研究

为了实现智能车辆最优的轨迹跟踪控制,最大程度的利用滑移率和地面附着系数实现智能车辆的动力学控制,文章提出了考虑滑移率的轨迹跟踪控制方法。根据车辆行驶特性,建立动力学方程,计算运动过程中的轮速和横摆角,并结合滑移率对车辆动力学的影响,基于最优滑移率设计了控制系统,以制动工况为例,实现制动车速工况下的最优控制。基于车辆二自由度模型,运用Matlab建立二维空间整车运动轨迹模型,得到车辆运动仿真轨迹。仿真结果验证了数学模型的准确性和正确性。考虑滑移率和车辆动力学的轨迹跟踪控制更具真实准确,文中数学模型及设计的控制系统对车辆跟踪控制有参考价值。     

基于视频图像的车速精确计算数学模型研究

视频图像用固定间隔的一组图片来描述目标物体位置的连续变化过程。利用视频图像进行车速计算时,目前计算方法只能计算固定间隔特征点"点对点"条件下对应的车速,无法算出固定间隔特征点间任意位置的车速。本文将提出一组利用视频图像计算出目标车辆任意位置瞬时车速的精确计算数学模型。     

基于动量定理的汽车单次三维碰撞运动状态参数计算模型

为了给汽车单次三维碰撞事故的碰撞车速推算提供算法,并为汽车运动轨迹再现提供初始条件,在借鉴已有的二维碰撞运动状态参数计算模型的基础上,将碰撞冲量推广至三维空间。以动量定理为理论基础,结合PC-Crash事故再现软件的碰撞分析方法,提出了汽车三维运动临界条件,推导了汽车三维运动状态参数计算模型。以实际事故案例为研究对象,将基于上述模型开发的事故再现分析系统的计算结果与PC-Crash软件计算结果进行了对比,并将事故再现分析结果与实际案例中车辆翻滚方式进行了对比。结果表明:所提出的汽车单次三维碰撞运动状态参数计算模型能够有效计算汽车三维碰撞速度参数与角速度参数。     

基于GSOM神经网络模型的交通行为模式学习方法研究

提出了一种用于基于视频的交通事件自动检测的交通行为模式学习方法。首先为了获取利用神经网络进行车辆行为模式学习所需的训练数据,一种基于运动估算的车辆跟踪算法被建立,将采集到的灰度视频图像序列转化为车辆标号场时空序列。其次,使用轨迹建模和编码的方法,将跟踪结果转化为轨迹数据用于网络训练。在此基础上,建立自组织神经网络,并针对自组织网络的不足使用改进的GSOM模型,选择欧氏范数作为测度,自主开发了试验软件,以U形转事件为对象开展试验,对轨迹数据进行学习。对比试验结果表明改进的GSOM算法能有效提取行为模式。GSOM相比SOM用于行为模式学习更为有效和准确。     

交叉口无干扰条件下右转机动车轨迹建模

利用视频提取技术,对不同几何条件交叉口的右转车辆数据进行采集,并利用Track pro软件获得车辆位置坐标,计算车辆平均运行轨迹;然后分别用对数函数和二次多项式对轨迹进行拟合,通过比较拟合结果,确定右转机动车轨迹模型为对数函数模型;同时通过分析交叉口转角、出口道位置、车辆速度等轨迹影响因素与轨迹参数之间的关系,对模型参数进行了标定;最后选择工程实例,利用实测数据对模型进行了验证。结果表明,利用模型计算的轨迹坐标点与实际值的最小相对误差为0.34%,验证了模型的有效性。     

网格法在视频图像车速中的研究与应用

视频图像车速计算的工作中,相当一部分视频图像虽然能确定车辆运动过程对应的时间,但由于目标车辆大部分移动过程都在固定标尺之外的区域,或者找不到确定的移动标尺,无法标定或量化整个移动过程的距离参数,使车辆行驶速度无法计算;本文通过研究"kinovea"软件的基本功能——透视网格功能,在了解其功能、特点的基础上发现其特殊用途:可用经已知固定标尺标定后的透视网格来标定未知区域,使该区域的车辆位移参数可测量或量化,实现对车辆行驶速度进行精确计算;同时还可运用基于Kinovea软件网格功能的网格法对事故进行深度分析,通过网格的铺设,计算出目标车辆的车速,测算两肇事主体之间的距离,推断安全的停车距离,可以得到交通事故中目标车辆或物体的关键性位置参数,为事故的深度分析及处理提供强有力的技术支持。     

克服无人机拍摄扰动的高精度车辆轨迹数据提取方法

受气流、机身震动等因素影响,无人机高空悬停拍摄过程中相机会出现不同程度的扰动,对车辆轨迹数据的精度造成了不可忽视的影响。鉴于此,首先采用YOLOv4和Deepsort算法,实现车辆目标的检测与跟踪,获取车辆图像坐标;其次采用Shi-Tomasi角点检测,完成图像锚点的自动检测与跟踪,获取锚点的图像坐标;再次,基于最大残差淘汰策略,对锚点进行甄别优选,采用单应性变换模型,构建图像坐标系与地面坐标系之间的动态映射关系;最后,根据坐标动态映射关系模型,实施坐标转换,并采用RTS平滑滤波,对车辆轨迹地面坐标实施平滑处理。通过抖动消除前、后的车辆轨迹对比,发现实施抖动去除后的车辆轨迹明显剔除了相机扰动造成的车辆“虚假位移”的影响,提取的车辆轨迹坐标能够达到10 cm级精度水平,表明提出的方法成功克服了无人机相机抖动带来的负面影响,对改善车辆轨迹数据的质量具有积极意义。     

基于深度学习的多目标车辆轨迹自动采集方法

车辆轨迹通常用于驾驶行为建模和交通安全领域。为获取交通视频中车辆轨迹,提出一种基于深度学习的自动采集方法。利用YOLOv5检测器在连续帧中的感兴趣区域进行车辆检测,通过DeepSORT跟踪器进行稳健而快速的车辆跟踪,该追踪器可以有效减少目标ID的跳变,提升跟踪稳定性,通过透视变换得到车辆的真实世界坐标并使用局部加权回归算法进行轨迹平滑。实验结果表明,该方法在高速公路监控数据集上的平均多目标跟踪准确率达96.1%,轨迹采集的平均准确度超过了93%,平滑算法能有效去除轨迹噪声。     

基于无人机影像的横向干扰试验研究

为研究穿村镇公路横向干扰对行车安全的影响,借助无人机拍摄技术,记录车辆在公路上行驶的横向位置,利用Si Mi Motion软件提取车辆轨迹坐标,通过轨迹分析不同类型的横向干扰对交通安全的影响.选取典型双车道公路为试验段,根据实验数据的统计分析结果,以下主要研究结论:车辆轨迹的横向位置与横向干扰有直接关系,动态干扰对行车轨迹影响较大;不同干扰情况下车速有较大区别,动态干扰下车速明显降低.     

基于视频计算车速的数据处理与事故深度分析

随着我国社会管理体系的不断完善,视频监控系统正成为我国城市管理和社会管理的重要手段。治安管理、道路交通管理视频监控网络正逐步形成,许多发生在视频监控区域的交通事故可以调取到视频资料,这有利于对事故的分析和处理。本文首先提出了使用监控视频来计算车速的方法,通过视频分析计算而来的车速数据,转化为对应的时间速度曲线,然后通过"时间速度曲线"来对整个事故过程进行还原,从而分析肇事车辆的运动状态、肇事车辆制动强度、驾驶员的操作过程、采取措施情况等,为交警部门提供处理事故的依据。     

基于时间插值法的交通事故车速鉴定方法研究

针对现有时间插值法在车速鉴定中假设目标车辆匀速行驶而未考虑到目标车辆在相邻两帧视频图像之间存在加速度的问题,提出一种考虑目标车辆在相邻两帧图像之间存在加速度的时间插值法。首先选取目标车辆的同侧前、后车轮中心作为目标车辆特征点,在视频中画一条虚拟参照线设定为虚拟参照物,利用图像增强、去噪等技术提高图像质量;再利用Kinovea软件快速获取目标车辆特征点及虚拟参照线的图像坐标;最后利用考虑目标车辆在相邻两帧图像之间存在加速度的时间插值法对事故车辆行驶速度进行鉴定。实例验证结果表明,该方法的车速鉴定误差比传统时间插值法的车速鉴定误差小1.47%。     

航拍视频车辆检测目标关联与时空轨迹匹配

高解析度轨迹数据蕴含丰富车辆行驶与交通流时空信息.为从航拍视频中提取车辆轨迹,构建了车辆检测目标跨帧关联与轨迹匹配融合方法.采用卷积神经网络YOLOv5构建视频全域车辆目标检测,提出车辆动力学与轨迹置信度约束下跨帧目标关联算法,建立了基于最大相关性的断续轨迹匹配与融合构建算法,实现轨迹车辆唯一编号.将轨迹从图像坐标转换...     

Speed Control of Vehicle Robot Driver Based on Adaptive Fuzzy PID Control

针对汽车驾驶机器人采用常规PID控制时车速波动大、调节器参数调整困难等问题,提出了一种基于模糊自适应PID的汽车驾驶机器人车速控制方法.首先建立了汽车驾驶机器人多机械手协调控制模型,然后在此基础上设计了一种驾驶机器人模糊自适应PID车速控制器,实现了驾驶机器人对给定循环行驶工况的车速跟踪.试验结果表明,与常规PID控制方法相比,采用所提出的方法车速跟踪精度明显改善,车速跟踪误差在±2km/h范围内,满足国家汽车试验标准的要求,保证汽车试验数据准确有效.     

汽车的EDR数据在司法鉴定领域的应用

随着汽车事件数据记录系统的发展,EDR数据在道路交通事故车速鉴定中的应用越来越广泛,其中丰田汽车和通用汽车加入此领域是比较早的,利用EDR数据分析事故车辆事发前瞬间的车速,是目前车速鉴定众多方法中最为客观、精准的方法之一,本文针对丰田系列汽车EDR数据如何读取、分析进行解读,希望对初学者有所帮助。     

基于MPC的无人驾驶汽车轨迹控制研究

为更好地实现对无人驾驶汽车行驶路径的跟踪修正,基于模型预测算法控制车辆的车速和横摆角。通过建立车辆运动学模型、制定目标函数、确定约束条件,设计出了轨迹跟踪控制器。并通过Matlab/Simulink、CarSim软件搭建模型预测控制算法。结果显示,在预定工况下,车辆参考路径和实际行驶误差较小,并有较好的横向稳定性。结果表明该算法能在一定程度能保证无人驾驶汽车的安全性,为智能车辆控制提供了基础。     

基于Cruise纯电动手动挡汽车的动力性、经济性换挡浅析

为了更加准确的计算纯电动手动挡汽车的动力性、经济性,利用Cruise软件分类搭建模型,优化手动变速器的换挡车速,通过对计算后的数据对比分析,得到更精确的计算结果。     

基于车辆动力学混合模型的智能汽车轨迹跟踪控制方法

基于机理分析的车辆动力学建模过程通常进行简化及假设,无法准确计算实际车辆在不同道路条件下的动力学变化,进而导致智能汽车轨迹跟踪控制精度低、不稳定等问题。鉴于此,本文中提出了一种基于混合建模技术的非线性建模与控制方法,构建机理分析-数据驱动的车辆动力学串联混合模型,车辆状态与控制数据经机理模型实现计算处理,级联合并后作为数据驱动模块的输入,长短时记忆网络作为主干网络实现时序数据的非线性关联特征提取和最终的模型输出计算。测试结果表明,该模型可以补充计算机理模型中的部分未建模动态并提高模型计算精度,且具有隐式理解不同路面附着条件的能力。其次,使用Euler积分完成对预测模型的离散化并设计模型预测控制轨迹跟踪算法,设计前馈反馈控制算法在实现车辆的纵向控制的同时提供横向控制中预测模型所需的外部输入,最终实现更符合实际行驶环境且更精准的轨迹跟踪控制效果。CarSim/Simulink联合仿真结果表明,该方法实现了不同道路附着系数下控制量精确输出,同步提升了智能汽车轨迹跟踪控制精度和稳定性,具有良好的横纵向协调控制效果。     

基于车联网BSM数据与路侧视频融合的港口集装箱卡车碰撞危险辨识方法

大型港口集装箱码头运输车辆调度频繁,堆场过道和交换区等区域视距狭窄,容易导致港口集装箱卡车与设施、作业人员和车辆发生擦碰事故。为提高智能集装箱卡车在港口密集区域的轨迹跟踪精度和行车安全感知能力,提出了一种车联网条件下融合车载终端基本安全消息（Basic Safety Messages,BSM）数据和路侧视频数据的集装箱卡车碰撞风险辨识方法。采用YOLOv5s算法提取视频监控范围内的目标车辆和作业人员,根据目标集卡大尺寸特点设计非极大值抑制锚框来提高目标识别准确度。运用透视变换原理将目标像素坐标转换成地理坐标,并应用Deep-SORT算法匹配每帧图像的车辆轨迹信息。应用交互式多模型方法（interactive multi-model,IMM）融合视频轨迹信息和车载单元（on-board units,OBU）定位数据,减小了目标机动过程中的观测误差。基于集卡融合轨迹结果,提出了1种新型的轨迹冲突风险评估模型,能够根据目标集卡与周围目标轨迹的相对运动状态实时感知车辆碰撞危险,该碰撞危险检测结果在实际场景中可通过路侧设备对车载终端和作业人员终端实时播发预警信息。针对集卡跟踪误差的实验结果表明：...     

一种单关节式机械手最优轨迹设计

提出了一种单关节式机械臂的运动轨迹优化问题,建立二阶线性系统。以机械臂末端运动相较于理想轨迹所消耗的能量最少为目标函数,将连续性轨迹离散化,通过差分进化(DE)算法对运动轨迹优化处理。结合三次样条插值法确定出连续的轨迹,利用PD控制方法,实现对最优轨迹的跟踪,使得最终运动过程中消耗的能量达到最小。仿真结果表明,该算法的轨迹优化收敛速度高,智能性强。