车辆牌照自动识别系统中的字符分割技术

车辆牌照定位以后,需要进行字符分割,以便系统自动识别。介绍了一种基于阈值化与投影法的分割技术,详细阐述了车牌图像归一化、域值化和字符分割的具体过程,算法简单实用,经过实验验证,可以满足实时自动识别系统的要求。     

分两段进行滑行试验的数据处理方法探讨

在轻型车转鼓试验时,需要设定行驶阻力系数,这个阻力系数源于在试验场进行车辆滑行试验得到.而由于滑行跑道长度的限制,往往需要分两段进行,数据处理上就需要一些技巧.文章描述了在分两段进行滑行试验时,通过平均处理对接数据和去除超差大的滑行的措施,使得试验的最后结果满足标准要求精度的一种方法.该方法可以减少试验的次数.提高试验的效率.     

车辆牌照相似字符识别研究

车牌识别（License Plate Recognition,简称LPR）作为智能交通系统中的核心技术,受到国内外科研学者的广泛关注。其中相似字符的识别是车牌识别的关键技术之一,也是提高车牌识别率的重要途径。     

���ڵͲ���Ƶ�ʸ��������г̳�����Ϣʵʱ�ɼ�����

智能运输系统(ITS)是当前解决交通问题的最佳途径之一,而动态交通信息的发布与预测是ITS的关键所在。然而由于在各种外部因素下,道路交通状态呈现出随机变化的特性使得动态交通信息的发布与预测成为一大难点。结合某城市的实际情况,本文建立了在定位误差、采样间隔、车辆类型、道路类型等因素影响下的行程车速估计模型,并用实测数据对模型进行精度验证。结合出租车车辆的特殊信息,改进了低采样频率浮动车技术的估计算法,建立了空车数据处理模型;针对城市复杂和相似路段问题,提出了基于距离、方向角、连通性、历史数据以及车流方向等约束条件下的地图匹配算法;针对低采样频率浮动车数据,提出了考虑交叉口影响下的行程车速估计算法,通过实测数据评估了算法的性能;最后,针对不同检测技术的特征,提出了数据融合算法。     

Latent Supportive Utility of Irrelevant Attributes in Feature Selection

This paper proposed a novel feature selection method LUIFS (latent utility of irrelevant feature selection) that not only selects the relevant features, but also targets at discovering the latent useful irrelevant attributes by measuring their supportive importance to other attributes. The method minimizes the information lost and simultaneously maximizes the final classification accuracy. The classification error rates of the LUIFS method on 16 real-life datasets from UCI machine learning repository were evaluated using the ID3, Nave-Bayes, and IB (instance-based classifier) learning algorithms, respectively; and compared with those of the same algorithms with no feature selection (NoFS), feature subset selection (FSS), and correlation-based feature selection (CFS). The empirical results demonstrate that the LUIFS can improve the performance of learning algorithms by taking the latent relevance for irrelevant attributes into consideration, and hence including those potentially important attributes into the optimal feature subset for classification.     

新材料在汽车轻量化技术中的应用

汽车材料正在向轻量化、节省资源、高性能和高功能方向发展。本文介绍了国内外汽车轻量化材料技术发展动向,简要的阐述了我国汽车新材料开发与应用现状、差距及存在的主要问题。     

基于FEMFAT的白车身疲劳分析

本文运用FEMFAT软件,对白车身疲劳寿命进行了分析,阐述了从实际路面载荷谱的采集、信号处理、单位应力求解得到最终的疲劳寿命分析,并对比样车疲劳耐久路试结果,仿真分析与试验吻合度高,从而验证了仿真分析的可行性,并形成一套可行性技术流程,为后续整车疲劳寿命分析提供了技术积累。     

汽车门框密封条设计解析与研究

本文通过从密封条的产品性能、结构设计、产品材料三个方面对车门门框密封条的设计过程进行了全方位的解析与研究。     

基于HyperStudy的多工况铝合金车门尺寸优化

为了实现铝合金车门的轻量化,对铝合金车门的零件进行了尺寸优化.文章以某车型为研究对象,以铝合金车门质量最小为优化目标,扭转刚度和1阶模态频率为约束条件,车门零件的厚度为设计变量,运用HyperStudy的响应面法对铝合金车门的性能进行最小二乘法拟合,最后对车门的零件厚度进行了尺寸优化.经过迭代计算后,铝合金车门的零件厚度得到了优化.虽然车门的扭转刚度和1阶模态略有下降,但铝合金车门质量减少0.43 kg,轻量化效果明显.     

多车道复杂环境下驾驶倾向性状态辨识

驾驶倾向性是汽车行驶过程中操控者情感偏好等特征的动态测度,是车辆安全驾驶辅助系统,特别是其碰撞预警系统中汽车驾驶人意图等心理、意识计算必须考虑的核心参数.以3车道场景为例,分析目标车位于不同车道时周边的交通态势(主要指车辆集群编组关系,重点以目标车位于中间车道为例),设计实验采集人、车、环境等相关动态信息,获取不同态势下驾驶倾向性特征数据,利用动态贝叶斯网络建立时变环境下驾驶倾向性动态辨识模型.实验验证表明,所建模型对驾驶人倾向性类型的辨识准确率可达到91％以上,能够适应多车道情况下驾驶人倾向性类型的动态识别,为以人为中心的个性化汽车主动安全系统的实现提供理论基础.