将军工、民营、航空背景化为优势——访辽宁陆平机器股份有限公司董事会秘书、党委副书记左新忠

辽宁陆平机器股份有限公司是国家军用方舱、军用改装车辆最大的生产供应商,其民用专用汽车产品在东北地区乃至全国也颇负盛名。其发展过程中,先后经历过几次身份的转换,这种转换对其发展有着怎样的影响?本文通过对辽宁陆平机器股份有限公司董事会秘书、党委副书记左新忠的采访,找到了答案。     

将军工、民营、航空背景化为优势——访辽宁陆平机器股份有限公司董事会秘书、党委副书记左新忠

辽宁陆平机器股份有小艮公司是国家军用方舱、军用改装车辆最大的生产供应商，其民用专用汽车产品在东北地区乃至全国也颇负盛名。其发展过程中，先后经历过几次身份的转换，这种转换对其发展有着怎样的影响？本文通过对辽宁陆平机器股份有限公司董事会秘书、党委副书记左新忠的采访，找到了答案。     

车用橡胶油封的性能、材料选择及应用

油封是机械车辆发动机与底盘的重要部件,其质量直接影响发动机的启动与运转以及机械车辆的正常运行。橡胶油封也称橡胶密封圈,其功能是防止润滑油泄漏和阻止异物侵入机器内部,现已作为标准件来供应。从材料上分它有橡胶油封、皮革油封和塑料油封。在机械车辆上以橡胶油封用得最多。从结构上分,它有骨架式、无骨架式、包胶式及包铁式,而以骨架式油封用得最多。     

基于机器视觉的智能车辆导航综述

基于机器视觉的智能车辆导航是智能车辆系统的关键,包括道路检测和障碍物检测两部分。结合国内外最新研究动态,本文主要总结道路检测和障碍物检测中的典型方法,并列出国内外具有代表性的一些智能车辆系统,同时详细介绍当前最具代表性的、美国军方研制的DEMOⅢ系统;最后指出基于机器视觉的智能车辆导航技术的研究与发展趋势。     

基于机器视觉的车辆检测与参数识别研究进展

近年来公路交通运输快速增长,交通车辆的快速准确检测与识别对智能交通系统和交通基础设施运维具有重要意义.随着机器视觉和深度学习技术的迅速发展及其在目标检测领域的广泛应用,车辆目标检测和参数识别也取得新的突破.该文从车辆参数的识别方法和应用研究两方面梳理了机器视觉和深度学习在车辆检测与参数识别领域的研究现状、最新研究成果和...     

基于机器视觉的智能车辆避撞预警算法

由于受到信息采集源性能影响,造成了智能车辆避撞预警系统(Collision Warning System,CWS)前后车相对距离测量精度低的问题,针对此问题提出了一种基于机器视觉的预警算法(Collision Warning Algorithm,CWA),利用机器视觉获得了较高精度的测距信息,有效提高了预警算法的有效性。在分析驾驶员驾驶行为基础上,确定CWA的报警准则。基于机器视觉技术建立了一种多输入、多输出的CWA模型,给出了模型预警原理、决策阈值确定方法、逻辑结构图,以及基于机器视觉的车辆信息获取方法。设计了一个单车道双车辆跟驰实车试验,采集模型测试所需的数据,并利用实测数据对模型进行了验证。试验结果显示,平均测距误差不超过3.6 m,预警模型能够准确给出预警信息,对提高车辆行驶主动安全性具有重要意义。     

融合改进YOLO和背景差分的道路抛洒物检测算法

针对现有道路抛洒物检测算法识别准确率低、识别种类有限、实时检测效率低的问题，探索了将深度学习目标检测和传统图像处理相结合的抛洒物检测算法。提出在YOLOv5s目标检测算法基础上，对模型结构进行修改以满足实时性需求。具体地，使用卷积优化YOLO中的降采样模块，采用Ghost网络替代原始的特征提取网络以减少计算量，根据抛洒物检测对象的特点设计符合数据集的锚框以提高目标识别准确度。使用优化后的YOLO检测道路场景中车辆、行人作为交通参与者得到检测框，在检测框周围设定感兴趣区域，并在感兴趣区域内用背景差分算法实现前景目标识别。计算前景目标与YOLO检测结果的交并比，排除交通参与者目标后实现道路抛洒物的识别。针对交通参与者检测的实验结果表明，改进后的YOLO检测算法在整体识别精度没有损失的情况下单帧检测速度为20.67 ms，比原始YOLO检测算法速度提升16.42%。真实道路抛洒物实验结果表明，在没有抛洒物训练数据情况下，传统混合高斯模型算法平均精度值为0.51，采用融合改进YOLO和背景差分的抛洒物检测算法平均精度值为0.78，算法检测精度提高52.9%。改进后算法可适用于没有抛洒物数据或正样本数据稀少的情况。该算法在嵌入式设备Jetson Xavier NX上单帧检测速度达到24.4 ms，可实现抛洒物的实时检测。      

机器视觉在汽车驾驶辅助系统中的应用

机器视觉是汽车驾驶辅助系统应用领域的重要技术,文章主要综述了机器视觉在车道检测技术、交通标志识别技术、车辆识别技术、行人检测技术和驾驶员状态检测技术等领域的应用,着重介绍了机器视觉技术在上述领域目前的研究现状,为机器视觉在汽车驾驶辅助领域的进一步研究提供了参考。     

夏季车辆保养注意事项

夏季高温季节,车辆因充气系数下降,润滑油容易变质、机器零件易烧损,制动性能变差。如何做好夏季车辆的维护保养及高温下的驾驶员安全行车是一项十分重要的工作。     

停驶车辆也要时时养护

有很多朋友认为，车辆在停驶阶段就不用保养了，其实这是大错特错。车辆如果长时期不用，表面上看各部件基本没有磨损，而实际上，这种工作方式对车辆的损害更大。由于机器长期在低温下运行，较差的润滑和较浓的混合气使机器磨损加剧；另外，长期停放会使机油、刹车油、防冻液、电解液氧化变质，轮胎及轮辋变形，还有诸如虫害、鼠害等意想不到的问题。     

高温季节车辆的养护与使用

夏季高温时节,车辆润滑油因遇高温转稀变质、机器零件易烧损、制动性能变差、驾驶员易疲劳、道路行人增多、雨水打滑等原因,易造成车辆受损或发生交通事故。因此,夏季高温时节养护好车辆,确保行车安全,应特别注意以下几个方面。     

HOG与SVM在动态称重轮轴识别中的应用研究

基于机器视觉的检测技术是道路环境感知的重要手段之一。目前,采用机器视觉对车辆、行人等检测技术日益成熟,并有商业化产品出现,但针对动态称重方面的机器视觉检测技术尚待挖掘。在高速公路实行全面的入口超载治理后,高速公路收费站入口称重系统对识别速度、精度等需求日益增加。因此,尝试将机器视觉技术与人工智能技术相结合的方式,研究车辆的轮轴识别问题。针对Hough圆变换算法检测圆形物体鲁棒性不强的问题,提出了一种基于梯度方向直方图(HOG)和支持向量机(SVM)的车轮检测方法,并运用于高速公路的入口车辆轮轴检测之中。首先,在完整地获取车辆车轮图片的前提下,采用方向梯度直方图提取了车轮的图像特征。其次,将正负样本输入SVM分类器,对车轮检测分类器进行训练。最后,将训练完成的SVM车轮分类器用于实际的车轮检测中。在实际应用中,可以通过车轮数量来判断车辆的轴数,达到轮轴检测的目的。试验分析表明:与传统Hough圆变换算法相比,该方法采用的HOG特征鲁棒性强,SVM识别准确率超过96%,可满足对车辆轮轴检测的需求;在实际测试中,所提方法与传统压电式轮轴传感器对比,正确率提高了5%左右,具有良好的实用性。     

夏季车辆的维护保养与安全行驶

夏季,车辆因充气系数下降、机油容易变质、机器零件易烧损、制动性能下降,驾驶员因高温易困倦、道路上行人增多、路面湿滑等原因,易造成车辆受损、事故频率增加。如何做好夏季车辆的维护保养与安全行车,是一项十分重要的工作。     

多感知信息融合的车辆感知方法研究

为提高前方车辆检测的速度和准确率,本文采用一种毫米波雷达与机器视觉融合的感知方法。结果表明,该方法的准确率为93%,单帧数据的处理时间为42 ms,满足智能客车对前方车辆检测的要求。     

工程车辆牵引动力学概述及其研究回顾(14)

3．3工程车辆动态分析与数学模型 3．3．1机器-地面系统结构框图 机器工作过程中承受的外部激励和内部干扰有：（1）机器操作工艺变化，主要是切削深度和运土量变化，它取决于驾驶员的操作方式和地面形状，基本构成负荷过程的确定性趋势项。     

高温季节下的车辆维护保养与安全行驶

高温季节下的车辆维护保养高温季节，车辆因充气系数下降、润滑油容易变质、机器零件易烧损。制动性能变差，驾驶员因高温易困、道路因行人增多、雨水打滑等原因易造成车辆受损，事故增多。如何做好夏季车辆的维护保养及高温下的驾驶员安全行车是一项十分重要的工作。     

高温季节车辆的养护与使用

在高温季节，车辆因润滑油容易变质、机器零件易烧损、制动性能变差、驾驶员易疲劳、道路行人增多、雨水打滑等原因极易造成车辆受损，发生交通事故。因此，要在高温季节养护好车辆，确保行车安全，车主应特别注意以下几个方面：     

如何做好高温下车辆维护保养与安全驾驶

高温季节，车辆因充气系数下降、润滑油容易变质、机器零件易烧损、制动性能变差。驾驶员因高温易困、道路因行人增多、雨水打滑等原因易造成车辆受损，事故频频增多。如何做好夏季车辆的维护保养及高温下的驾驶员安全行车是一项十分重要的工作。     

融合毫米波雷达与深度视觉的多目标检测与跟踪

针对现有融合毫米波雷达与传统机器视觉的车辆检测算法准确率较低与实时性较差的问题,本文中对多目标检测与跟踪进行研究。首先,利用阈值筛选和前后帧数据关联方法对毫米波雷达数据进行预处理,进而提出一种用于毫米波雷达数据跟踪的自适应扩展卡尔曼滤波算法。然后,为提高目标检测精度与速度,基于采集到的实车数据集训练卷积神经网络,完成深度视觉的多车辆检测。最后,采用决策级融合策略融合毫米波雷达与深度视觉信息,设计了一种用于复杂交通环境下前方车辆多目标检测与跟踪的框架。为验证所设计的框架,进行了不同交通环境下的实车实验。结果表明:该方法可实时检测跟踪前方车辆,具有比融合毫米波雷达与传统机器视觉的车辆检测方法更好的可靠性与鲁棒性。     

智能车辆的行人检测技术研究

行人检测作为智能车辆的关键技术,已成为业内共同关注的研究热点。随着机器视觉、计算机技术等不断发展,行人检测的进展很快。