一种新颖的多传感器行驶车辆分类系统

提出了一种新颖的利用5个埋入式应变传感器获得车型特征参数的多传感器行驶车辆分类系统．该系统利用传感器的特殊位置分布与车辆各轴到达传感器时刻的相关性,对采集的信息进行像素级融合,突出信号的特征部分,提高特征提取的准确率和精度．最后利用D-S证据理论组合轴数、轴空间和轴重等特征证据对车型进行分类．实验结果表明该系统对行驶车辆识别率超过95％．     

基于激光雷达和摄像头的FSAC赛车锥桶感知算法研究

针对赛场环境下无人驾驶方程式赛车感知系统中锥桶检测准确率较低的问题，提出了一种基于激光雷达和摄像头标定融合的锥桶检测算法。首先，对激光雷达采集的点云进行滤波、地平面滤除、欧式聚类，得到感兴趣区域内锥桶的空间位置信息；其次，通过标定后得到的摄像头的内外参矩阵将锥桶空间位置信息投影到像素平面内，并在HSV颜色空间下对锥桶空间位置周围一定区域内H通道的像素点进行颜色判断，从而获得锥桶的颜色信息；最后，将得到的锥桶颜色信息附加在锥桶的空间位置上以实现信息融合，在校园内模仿赛场环境进行实验验证。结果表明，标定融合算法能够满足赛场上不同项目的比赛要求，避免了使用单一传感器算法时出现对锥桶漏检误检的情况。因此，标定融合算法可实现对锥桶的有效检测，丰富了检测目标的信息，提高了检测锥桶的准确性，为方程式大赛中使用传感器融合进行锥桶检测提供了参考。     

基于D-S证据信息融合方法的全地形车行驶工况辨识

磁流变阻尼器的全地形车智能悬架可以使车辆面对不同行驶工况下提供更好的减振效果,为了解决在传感器存在噪声或异常等情况下车辆行驶工况辨识困难的问题,文中提出了一种基于D-S(Dempster-Shafer)证据理论的多传感器信息特征值的融合技术提高行驶工况辨识的准确性。通过改进的距离评估方法对全地形车行驶工况的传感器敏感特征值进行了提取和筛选,采用区间估计将传感器的噪声和异常值当做不确定性信息。利用D-S合成对特征层的辨识结果进行决策层融合,基于可行区间的决策规则完成对车辆行驶工况的辨识。最后使用Carsim整车仿真试验平台,验证了基于D-S证据理论的决策层融合方法的有效性。     

基于多传感器融合的前方车辆识别方法研究

为提高汽车安全辅助驾驶系统对前方车辆识别的准确性和实时性,提出了一种基于摄像头和毫米波雷达信息融合的前方车辆检测方法。首先将毫米波雷达和摄像头进行联合标定,并确定两个传感器坐标系之间的相互转化关系,对毫米波雷达数据进行预处理快速分割图像,以获得前方车辆识别的感兴趣区域;然后采用自适应阈值对感兴趣区域内的图像进行二值化处理以获得车辆底部阴影信息,利用边缘检测和霍夫变换得到车辆上下边界的位置信息;通过底部阴影和上下边界信息获得车辆识别的高度与宽度,最后根据车辆对称性特征建立识别窗口。试验验证表明,该方法前方车辆检测准确率为90.2%,单帧图像的处理速度为32 ms,能够满足智能汽车应用中的实时性和准确性的要求。     

矿井瓦斯监测多传感器信息融合模型

分析了矿井瓦斯监测中存在的对传感器的影响因素多等单个传感器本身所不能解决的问题,提出了利用多传感器信息融合技术来增加系统的信息利用率、提高整个系统的精度、可靠性和容错能力的方法。在讨论矿井瓦斯监测的信息源的基础上,确定了瓦斯监测多传感器信息融合的结构模式,利用状态空间方法对此结构模式进行了描述,建立了瓦斯监测系统多传感器信息融合的状态空间模型。采用人工智能方法,建立了多传感器信息融合的模糊神经网络算法模型,实验结果表明,该模型是有效的。     

车载多摄像头监控终端的设计

提出了在无线网络环境下实现对行驶中车辆进行车内多个摄像头的图像信息、GPS位置等信息的采集的方法.该方案是在PIC单片机的控制下,利用GPRS DTU进行无线通讯,使用CPLD扩展接口与多个摄像头进行连接,最终将位置、图像等传感器信息协调传输到服务器.论述了整个系统的设计过程和传输中错误的判断和处理方法.该方案简单、经济可靠,降低了多摄像头监控系统的成本,并且已经在多条线路中投入使用,产生了显著的经济效益.     

联合多视角互投影融合的三维目标检测方法

针对当前智能车辆目标检测时缺乏多传感器目标区域特征融合问题,提出了一种基于多模态信息融合的三维目标检测方法. 利用图像视图、激光雷达点云鸟瞰图作为输入,通过改进AVOD深度学习网络算法,对目标检测进行优化;加入多视角联合损失函数,防止网络图像分支退化. 提出图像与激光雷达点云双视角互投影融合方法,强化数据空间关联,进行特征融合. 实验结果表明,改进后的AVOD-MPF网络在保留AVOD网络对车辆目标检测优势的同时,提高了对小尺度目标的检测精度,实现了特征级和决策级融合的三维目标检测.      

运动车辆的多传感融合跟踪

针对单一传感器可靠性低、有效探测范围小的缺点,提出了采用雷达与机器视觉融合来实现路面运动车辆跟踪的新方法.该方法采用动力学模型对车辆运动进行描述,考虑了车体运动与车轮速率、转向角之间的关系,比用线性模型更符合车辆实际行驶时的复杂运动状况.通过基于雷达量测的扩展卡尔曼滤波估计建立视觉窗口,再根据图像灰度信息自适应调整窗口中心位置及尺寸,有效地限制了后继图像处理的工作区域,提高了系统的实时性.新方法采用数据融合技术,充分利用雷达与图像传感的量测信息,改善了对机动目标的状态估计.实验证明,该方法能明显提高路面运动车辆位置和方向角的跟踪精度.     

带有等式状态约束的多传感器数据融合算法

在状态估计理论的实际应用中,状态向量常常包含可以预先获知的约束信息,有效地利用这些先验信息可以进一步明确状态元素之间的关系,理论上可以提高对系统的状态估计精度.针对约束滤波的已有研究成果,将其引入到多传感器系统,提出了约束系统多传感器数据融合算法.通过建立线性等式约束方程,将传统卡尔曼滤波结果投影到约束子空间,然后对局部传感器的约束滤波结果采用分布式最优加权融合,并且通过协方差匹配技术检测观测数据异常的传感器,使之不参与到数据融合中.仿真结果表明,约束系统分布式加权融合算法的有效性和可行性,并且比集中式融合算法具有更好的稳定性.     

多传感器信息融合及在轮胎压力监测系统中的应用

轮胎是汽车的的重要安全部件,为了提高轮胎压力监测系统的精度,提高报警的准确性,减少误报漏报,为安全行驶保驾护航;本文主要介绍了传感器技术和多传感器信息融合基本理论以及多传感器信息融合技术在TPMS中的应用,建立基于多传感器信息融合的TPMS模型,并对两种TPMS融合方案设计进行了分析研究。     

各向异性磁传感器在车辆检测中的应用

针对现代数字化车辆信息检测的要求,提出了一种采用各向异性磁阻传感器(AMR)进行车辆检测的方法,利用2个各向异性磁阻传感器组成的三轴测试电路,应用基于阈值的车辆判别方法,在地球弱磁场下进行车辆检测试验.通过对磁阻传感器采集的数据进行分析和处理,结果说明AMR传感器应用在停车场车位检测等领域具有一定的优势.     

车辆纵向力和质心侧偏角层级估计方法设计与验证

为提高车辆状态估计结果的精度与可靠性,设计了一种车辆纵向力和质心侧偏角层级估计方法。研究了一种用于车辆行驶状态估计的加权容积卡尔曼滤波,采用移动窗估计法调整测量噪声的协方差矩阵,根据不同时刻信息对测量噪声统计的有用性,动态调整窗口中不同时刻信息的权重,从而提高车辆状态观测器的滤波精度。根据电驱动轮模型特点,并考虑轮胎松弛长度来构造纵向力微分方程,从而设计了纵向力观测器。在纵向力估计的基础上,将上层的纵向力估计值视为伪量测值,利用三自由度车辆动力学模型设计了基于级联卡尔曼滤波的车辆行驶状态估计策略,实现了车辆质心侧偏角估计。进行了变速正弦转向工况和定速Fishhook转向工况下的CarSim/Simulink联合仿真试验以及实车试验,结果表明:所提方法整体估计精度相比扩展卡尔曼滤波提升了6.82%,具有较高的估计精度和实时跟踪效果,满足车辆应用需求。     

一种虚拟场景车辆检测与测距方法

为了提升前方车辆测距精度,提出了一种基于改进目标检测(SSD)算法的车辆检测与测距方法。采用场景仿真软件PreScan搭建测试场景,使用改进的SSD算法,对摄像头采集的视频进行车辆目标检测。将检测框下边缘的中心点坐标作为图像中车辆坐标,根据单目视觉测距算法进行车辆目标测距。实验结果表明:在网络阈值为0.9时,改进的SSD算法对小车辆目标检测精度提升了6.6%。可以检测到70 m左右的目标,提出的测距方法可以达到2%的精度。     

基于联合卡尔曼滤波的汽车防碰撞多传感器信息融合方法

车辆行驶信息感知是汽车防碰撞系统的关键技术之一,只用单一传感器对目标车辆进行测量容易产生虚警.在对联合卡尔曼滤波分析的基础上,给出了基于联合卡尔曼滤波的汽车防碰撞多传感器信息融合方法.计算机仿真结果表明,该算法可以得到较精确的融合数据,对于增强汽车防碰撞系统的安全性具有重要意义.     

热式多传感器信息融合的气固质量流量检测

提了邮热式多传感器信息融合的气固质量流量检测方法,采有复合传感器,可同时按换热法和热平衡法两种原理进行固相流量在线测量,研究了两种方法的测量原理和数学模型,结合两种方法的测量结果,经过信息融合处理,可以提高气固质量流量检测的精度和可靠性。     

基于激光雷达与毫米波雷达融合的车辆目标检测算法

针对仅基于单一传感器的目标检测算法存在检测精度不足及基于图像与激光雷达的多传感器融合算法检测速度较慢等问题,提出一种基于激光雷达与毫米波雷达融合的车辆目标检测算法,该算法充分利用激光雷达点云的深度信息和毫米波雷达输出确定目标的优势,采用量纲一化方法对点云做预处理并利用处理后的点云生成特征图,融合毫米波雷达数据生成感兴趣区域,设计了多任务分类回归网络实现车辆目标检测.在Nuscenes大型数据集上进行训练验证.结果表明:检测精度可达60.52％,每帧点云检测耗时为35 ms,本算法能满足智能驾驶车辆对车辆目标检测的准确性和实时性要求.     

融合时序和空间特征的车辆异常轨迹检测方法

针对基于序列建模的车辆异常轨迹检测方法轨迹空间特征提取不够充分而降低了检测效果这一问题,提出融合时序和空间特征的车辆异常轨迹检测方法,充分提取轨迹的时间与空间特征以提升异常轨迹检测精度。采用融合自注意力机制的堆叠序列自编码器,从网格化后的映射轨迹中提取轨迹时序特征;引入全连接神经网络,提取轨迹偏转量和行驶距离等空间特征;融合轨迹的时间和空间特征,进行异常轨迹检测以提升检测效果。实验表明,提出的方法在真实出租车数据集上的异常轨迹检测准确率优于92%,F1评分优于80%,与XGBoost、IBAT、ATDC和ATD-RNN方法相比,检测性能提升较为明显。     

基于手机传感器的交通状态识别研究

准确获取交通状态是实现智能交通的重要环节之一.为实时检测车辆行驶状态,进而提取出当前道路的运行状况,来研究基于手机传感器的车辆行驶状态数据收集及交通状态识别.首先,应用手机内嵌的加速度传感器获取车辆的实时行驶状态数据,然后构建基于SVM的交通状态识别模型.最后,利用一组真实的车辆运行状态数据集,验证提出的交通识别模型,获得了良好的识别性能,平均准确率达到89.05%.     

车辆行驶转向角的图像检测方法

针对车辆建模及安全分析所需转向角数据的简便自动化检测问题,提出了一种新的车辆行驶转向角的图像检测方法.该方法将CCD传感器搭载于车辆上构成视觉检测系统,对CCD采集的转向轮图像进行轮廓边缘点提取,并对边缘点进行了椭圆拟合.根据圆的旋转角度检测法,计算了初步转角值及转向,利用车辆运动的连续性特点对数据进行有效性判断,根据转角增量的统计量对角度增量进行修正,得到了当前车辆的转向角度及转向.实验表明,该方法测得的转角值与方向盘转角检测系统测得的车辆转角值之间的平均误差为0.25624°,在车辆转角所在的密集区间[-4.15°,4.15°]内,两者的误差均值约为0.1°,并且该方法可在日间有效地实现车辆行驶转向角的检测.     

基于EMD载货汽车动态载荷信息处理技术

为在载货汽车安全状态监测中获取真实稳定的载荷状态信息,对基于位移传感器的车辆载荷状态动态检测装置实时采集到的电压信号进行了处理. 根据载货汽车动态载荷信号的特点,以经验模态分解(EMD)算法为基础,去除传感器信号中的低频动态载荷,从而获得稳态的车辆载荷信息. 基于LabVIEW软件的编程功能,实现了对载货汽车动态载荷信息的处理及结果显示. 通过不同载重量、速度、路面环境条件的实车道路试验的验证,系统测量结果误差小于5%,满足实时监测车辆载荷状态的要求.