越野汽车ABS参考车速计算方法

引入加速度传感器信号进行越野汽车ABS参考车速计算,分析加速度传感器信号特点,提出汽车匀速运动状态确认和坡度零点补偿的加速度信号处理方法;分析设计了选择轮速信息的提取、参考车速分离点和差值斜率的确认、首次分离和后续分离逻辑的算法,提出了越野汽车参考车速计算方法。试验证明,本算法适合越野汽车ABS工作的特殊要求,计算准确、适应性强。     

基于卡尔曼滤波的汽车航迹推算定位系统研究

为了解决卫星定位系统在信号盲区的汽车定位及航迹服务,利用融合多级卡尔曼滤波算法,开展GPS/DR转换算法的研究。建立了基于卡尔曼滤波的汽车定位系统航迹推算算法,搭建了全球卫星定位系统(GPS)和航迹推算(DR)系统相互配合的组合导航系统。通过MATLAB软件进行算法仿真分析,证明了该算法及系统可以实现车辆在丢失GPS信号后短时间内仍然能够进行自主定位,并能对行驶轨迹进行分析处理。     

智能汽车实时图像处理系统设计

针对实时目标检测、识别问题,应用MPC5200为核心的高性能运算处理器,设计了一种高帧频、大视场的智能汽车实时图像处理系统。阐述了实时图像处理系统的硬件组成、工作原理和图像处理算法。在对目标检测识别算法的实验分析基础上,开发了实时图像处理软件,实现了视频图像的采集和图像目标的实时处理。该系统对目标的检测、识别能力达到了智能汽车的实时性要求。     

基于不变矩和灰度匹配的汽车跟踪算法

人工智能技术的引入为智能车辆提供了汽车目标跟踪的功能。但是传统的匹配跟踪算法不能够很好地实现窗口尺寸自适应调节功能,从而导致目标偏离甚至跟丢的情况。为了克服这个缺点,提出了一种窗口尺寸自适应的汽车跟踪算法。这种算法结合了不变矩特征匹配与像素灰度匹配两种算法。在MATLAB平台上,对此种混合算法进行了仿真。结果表明,改进的算法能在提高汽车跟踪准确性与实时性的基础上,很好地适应跟踪窗口的尺寸变化。     

自主导航农业车辆的全景视觉多运动目标识别跟踪

为提高自主导航农业车辆导航路径的准确性和行驶作业的安全性,提出自主导航农业车辆的全景视觉多运动目标识别跟踪方案。该方案采用全景视觉进行无盲区的多运动障碍目标的检测,并解决了多运动目标跟踪中遮挡重叠的问题。首先系统将多目相机采集的图像拼接成全景图像,采用分段图像的改进核函数算法对运动目标进行快速自动检测跟踪;其次采用基于路径预测的粒子滤波算法进行多运动目标跟踪并解决遮挡重叠的问题。通过试验表明:采用改进的核函数目标快速跟踪算法,与传统核函数跟踪算法相比,减少系统内存消耗66.8%,加快运算速度35.63%;采用基于路径预测的粒子滤波多目标跟踪算法,在多运动目标遮挡重叠的情况下,平均提高运动目标跟踪成功率39.5个百分点,算法平均耗时0.78s。     

移动机器人自主寻路避障启发式动态规划算法

用启发式动态规划算法解决移动机器人自主寻路、避障问题。提出了传感器检测环境状态的方法,以及对传感器检测信息进行归一化处理的方案。对输入、输出量以及学习系统的强化信号进行定义,设计了机器人自主学习寻路、避障的控制策略。定义了连续型强化信号,使机器人通过学习,对优先寻路还是优先避障做出决策判断。为验证启发式动态规划算法在移动机器人寻路、避障问题上的学习能力,设计了3种不同的寻路、避障仿真实验:同目标、不同起始点,同起始点、不同目标,和移动目标仿真实验。仿真结果表明,对于不同的寻路、避障要求,基于启发式动态规划算法的移动机器人具有良好的学习及适应能力。     

采摘机器人自主采摘学习能力研究 —基于LM-BP神经网络

为了让采摘机器人更加快速和准确地识别目标水果的成熟度,提出了一种基于BP神经网络的自主学习方法。由于BP神经网络容易陷入局部最优值且训练效率较低,因此进行了改进,实现了LM-BP神经网络算法。测试结果表明:与BP神经网络算法相比,LM-BP神经网络算法训练学习速度更快,测试精度更高,能够满足采摘机器人对目标水果成熟度识别精度的要求,具有一定的应用价值。     

基于BP神经网络的汽车发动机故障诊断方法研究

介绍了BP神经网络学习算法,建立了汽车发动机振动测试系统,在对发动机振动数据进行分析处理的基础上,获取了学习样本的输入向量与目标向量,应用BP网络学习算法对新构的网络进行训练,建立了一种发动机机械故障诊断的新方法,实例分析结果表明,这种新方法是可行的。     

基于改进YOLOv3的骑车人识别研究

针对智能网联汽车大发展环境下骑车人在公路上为易受伤群体的问题,将目标识别作为无人驾驶技术中的关键一环,提出使用YOLOv3算法对骑车人识别算法进行研究.YOLOv3的主干特征提取网络为Darknet-53,此种网络结构针对于多种类目标检测适用性强,然而公路骑车人作为单种类目标,Darknet-53网络结构显得冗繁.基于...     

厚积薄发，稳健前行——2011海马汽车的进取之路

2011年，对中国汽车市场来说注定是不平凡的一年。经过2009年、2010年连续两年的爆发式增长之后，中国汽车市场在2011年进入了相对平缓的发展阶段。市场热度的降温加上国家政策环境的变化，让不少汽车厂商措手不及，年初雄心勃勃的销售目标变成了尴尬的对比数据，特别是自主品牌阵营，苦陷负增长困境的品牌不在少数。     

自主车辆避碰规划中障碍物运动估计方法研究

从目标跟踪理论出发,建立目标加速运动模型。根据实时的目标静态特征信息,即目标跟踪理论中的观测量,采用卡尔曼滤波及其改进算法对目标的运动参数做出合理的估计,并对加速运动目标的动态参数估计进行了仿真,验证了算法的实时性和可靠性。     

基于多模型迭代的车辆状态融合估计方法

为了提高车辆行驶状态估计的可靠性,提出一种基于多模型观测器误差补偿与迭代的车辆状态融合估计方法。基于三自由度车辆动力学模型设计了车辆状态强跟踪滤波估计算法;同时,根据四轮轮速耦合关系,考虑到数据扰动和病态矩阵的影响,设计了车辆状态的岭估计算法。为进一步提高估计系统的可靠性,提出了动力学模型观测器与运动学模型观测器补偿与迭代的估计方式,设计了模糊控制器,根据实时的质心侧偏角和滑移率的伪量测值,判断强跟踪滤波器和岭估计器估计结果所占权重,利用闭环估计系统的迭代与融合提高估计性能。仿真和道路实验结果表明,所提出的车辆状态融合估计方法能够兼顾强跟踪滤波算法与岭估计算法的优势,根据车辆纵向滑移和质心侧偏角动态调节强跟踪估计与岭估计结果的权重系数,从而在保证估计精度的同时提高了估计系统的多工况适应能力。     

基于视觉标志检测的旋翼无人机姿态估计方法

为了使旋翼无人机快速、精确、自主降落到地面着陆平台,提出一种基于视觉标志检测的无人机姿态估计方法。首先,利用标准直升机停机坪的几何特征,采用标志五步提取算法从机载摄像头采集的图像中获取视觉标志;为了满足无人机自主着陆过程的快速性和实时性,提出一种基于距离三点法的角点检测算法,得到H形标志的12个角点;然后,通过对角点分类、编号,并与参考图像中的对应角点进行匹配,解算出包含相对姿态信息的单应矩阵;最后,应用直接线性变换(Direct linear transformation,DLT)分解单应矩阵得到无人机的姿态角,并依据相机成像的相似三角形原理计算出无人机相对于视觉标志的位置,解决了单目相机尺度不确定性问题。通过实验平台模拟无人机不同飞行状态下的姿态并进行估计,对提出算法的实时性和准确性进行了实验验证。实验结果表明:本文算法的平均执行时间为307. 2 ms,位置估计的最大均方根误差为0. 006 2 m,姿态角估计的最大均方根误差为0. 313°,满足无人机自主着陆的准确性和实时性要求。     

基于滚动时域的无人水稻直播机运动状态估计

针对农业机械自动驾驶中非线性车辆模型具有未知干扰输入,以及测量输出不确定等问题,提出一种基于滚动时域的车辆运动状态估计方法（MHE）。将状态估计问题转化为固定时域的优化问题并充分考虑约束条件,从而实现对带约束非线性模型状态的估计。为提高MHE的计算效率并且考虑传感器采样频率不同,以及可能出现测量值缺失或异常,设计出一种多线程运行架构,使MHE更适合实际应用。使用Matlab建立水稻直播机自动驾驶仿真系统,仿真结果表明,MHE算法能有效补偿系统干扰和消除测量噪声,MHE估计出的横纵位置和航向角相比扩展卡尔曼滤波（EKF）估计出的更接近系统真值。使用MHE状态估计算法对水稻直播机无人作业过程中测得的横向偏差与航向角偏差进行估计。结果表明,时域窗口N取3～5时,MHE算法对消除状态的稳态误差和抑制测量值的不平稳性具有良好的效果,同时也能较好地反映状态值的真实变化,证明了MHE算法在补偿系统干扰和消除测量误差方面的优异性。     

基于多维特征数据库的玉米长势自动监测车辆设计

为了提高农作物长势预测的精度和实时性,提出了一种新的基于双目立体视觉的玉米长势自动化监测车辆,并将图像多维重构技术引入到了车辆的设计中,采用自主导航技术在无需人员进入农田的情况下,实现了玉米长势的智能远程监控。为了解决玉米叶面积采集特征数据的冗余导致信息处理速度不高的问题,提出了改进的LPP的降维方法,并对算法进行了验证。测试结果表明:采用LPP算法,能够完成对作物多维特征信息的优化降维,具有较高的实用性和准确性。对玉米长势自动化监测车辆的性能进行了测试,对生物量的预测结果表明:采用监测车辆生物量反演模型得到的长势预测量和实测量的误差较小,从而验证了监测车辆设计的可行性。     

基于混合体系结构的无人驾驶车辆系统

从无人驾驶车辆系统的自主性、实时性、适应性要求出发,建立了基于功能和行为相结合的无人驾驶车辆混合式体系结构,基于功能的分解结构满足无人驾驶车辆的自主控制要求,基于行为的分解结构则满足由于行车环境复杂性以及多变性带来的对无人驾驶车辆车系统局部路径规划要求的反应能力和适应能力。实验结果表明,基于混合式体系结构的无人驾驶车辆系统具有自主性,且在环境发生变化时满足实时性及适应性要求。     

基于DSP技术和目标模拟器的自主导航播种机设计

为了降低播种机重复作业和漏播作业的概率,提高作业的速度,降低成本,减轻驾驶员的工作量,基于DSP技术和目标模拟器地图生成技术,设计了一种新型的自主导航播种机。该播种机可以采集GPS位置点,得到目标模拟器的电子地图,然后根据目标模拟器的形状确定播种机的行驶路线,并按照确定好的规划路线对播种机的行进路径进行跟踪,对得到的采集数据进行保存。利用DSP处理技术,实现了播种机实时运动的显示功能,经过数据处理得到点状图,生成了目标模拟器的电子地图。试验证明:播种机的DSP实时编码效率、重播率及路径规划准确率等各项指标都符合自动化播种机的设计要求,为现代化播种机的设计提供了较有价值的参考。     

车辆载重检测方法及载荷计量模型研究

通过对现有车辆超载检测方案分析比较,提出了一种基于车辆弹簧钢板形变的超载控制方案;建立了车辆弹簧钢板形变与载荷关系的载荷计量数学模型,利用参数估计算法,实现了对车辆载荷的计量。最后通过matlab对模型和参数估计算法仿真,结果表明系统模型辨识结果能客观反应车辆载荷。     

基于跟踪误差模型的无人驾驶车辆预测控制方法

针对无人驾驶车辆的轨迹跟踪问题,在分析车辆运动学模型的基础上,设计了一种基于模型预测控制理论的轨迹跟踪控制方法。首先,将车辆运动学模型进行线性化处理,得到车辆运动学线性跟踪误差模型,该模型可以用来预测车辆的未来行为。其次,利用此跟踪误差模型作为预测模型,应用线性模型预测控制方法,通过优化得到使性能指标最小的控制序列,将控制序列的第一步作用于系统。最后,建立了3种典型的道路试验曲线,并且在基于实时多体动力学软件Vortex搭建的虚拟仿真平台中对轨迹跟踪控制器进行了仿真。仿真结果表明,该控制器可以保证无人驾驶车辆快速且稳定地跟踪参考轨迹,距离偏差和方位偏差都在合理的范围内,且实时性可以达到要求。     

基于模型自适应粒子滤波的汽车状态估计

为准确实时获取汽车行驶过程中的状态变量,提出了一种模型自适应更新粒子滤波方法。建立了非高斯噪声和非线性轮胎的汽车动力学模型,并基于小波变换的方法,采用高频子带估计传感器量测噪声的实时方差,提高了观测似然函数的真实拟合程度,结合自适应自回归模型对整车系统的状态进行自适应更新,较好地克服了粒子权值的退化现象;基于ADAMS/Car的虚拟实验和实车实验验证了所提方法的有效性。实验结果表明该方法在估计精度和克服噪声方面均优于常用方法,满足汽车状态估计器的软件性能要求。