日产"星翼"助力奥运交通

2006年,由北京市交通信息中心和日产汽车公司联合研制的动态车载导航系统获得重大突破,代表国际最先进技术的动态车载导航试验项目——StarWings(中文名"星翼")研制成功,并完成了系统的搭建和车载导航终端样机的研发。在北京进行的道路试验表明,使用"星翼"车载导航系统可缩短驾车者20%的时间。     

基于ODMA的无线车载视频监控系统

研究了ODMA(机会驱动多址接入,opportunity driven multiple access)无线网络技术,在布建了覆盖完善的ODMA网络的基础上,设计实现了基于ODMA的无线车载视频监控系统.系统借助ODMA网络及时地将现场视频回传至监控中心,提高了安保工作的机动性和实时性,系统目前已在河北大学成功投入使用.     

一种改进的嵌入式导航地图匹配算法

为提高在嵌入式环境中对地图数据的检索速度,提出了一种动态分块算法.该算法根据导航电子地图中的地理特征数量对地图进行动态分块,通过增加地图分块后数据的存储空间,减少检索数据的时间,从而提高算法实时性.在地图分块后,实现一种融合地图拓扑和D-S证据推理方法的地图匹配算法,以提高系统的准确性和稳定性.仿真结果表明,地图动态分块算法能够提高系统实时性,地图匹配算法能够快速、准确地匹配正确道路.     

基于74LS595的通用点阵屏设计

随着社会的不断发展,电子显示屏的应用范围越来越广泛。本文提出一种以16×16LED点阵为基本模块的通用点阵设计方法,每个基本模块通过4线端口级联,具有连接方便灵活的特点。使用2片741s595实现点阵行驱动、2片741s595实现了点阵列驱动,电路结构简单可靠,产品已用于多功能点阵功放显示,实践表明工作稳定可靠。     

带SD卡的简易广告屏设计

本设计使用ARM2138开发板作为主控制模块,利用简单的外围电路来驱动16×64的点阵LED显示屏。利用ARM本身强大的功能和大容量的内部存储,可以很方便的实现ARM与PC机和SD卡等外围存储设备的数据传输,并能利用软件方便的进行显示内容的多样变化,另一方面点阵显示屏广泛的应用于医院、机场、银行等公共场所,所以本设计具有很强的现实应用性。     

台前的奇艺 幕后的百度

当我们坐在电脑前欣赏着高清显示屏里播放的电影时,百度已完成了对爱奇艺的收购。 2010年4月22日,视频网站奇艺上线,并获得了美国私募股权投资基金普罗维登斯资本（Providence Equity Part-ners）5000万美元的投资。2011年11月,网站改名为爱奇艺。     

基于车载三维激光扫描结果的桥面变形分析

车载三维激光扫描技术能够直接对目标结构表面进行三维量测,并采用三维阵列点云的方式来生成结构物表面的三维形态和记录点位坐标,打破了传统的桥梁变形监测方法仅有数个独立点的局限性,扩大了桥面变形监测范围,提高了结构物的观测精度,并能快速、完整的进行量测。本文将车载三维激光扫描技术引入到桥梁变形监测中,基于全长331.2m的预应力混凝土连续-刚构桥为背景,采用三维激光扫描技术对其温度变形进行探索。在监测环境温差20℃范围内,对其进行多次桥面几何形态数据采集,并对采集的数据进行处理。对基于车载三维激光扫描点云数据的NURBS(Non-Uniform Rational B-Splines)曲面提出了一种新的变形测量方法,得到整个桥面的变形测量结果,再与采用有限元分析软件MIDAS CIVIL建模得到的各温差下理论变形数据进行对比,发现基于NURBS曲面的分析处理方法获得的变形测量值具有良好的精度和可靠性,并能够获取桥梁点-线-面的整体变形监测结果,与单点变形监测相比,弥补了其缺乏线性变形及整体变形特征的不足,有较好的工程应用前景。     

高精度IMU车载激光测量系统在高速公路改扩建中的应用

针对车载移动激光测量系统的特点和高速公路改扩建数据精度的要求,本文对高精度IMU车载移动激光测量系统在高速公路改扩建中的应用进行分析,通过对车载激光测量系统中的关键器件IMU的原理和特性进行分析,阐述了车载移动激光测量系统在高速公路改扩建项目中彩色激光点云数据获取与联合解算的技术方法,并通过工程实践验证了该方法的精度。     

阶次自适应AR等效电路模型的锂电池SOC滑模观测

基于等效电路模型的一类车载动力电池剩余荷电状态(state of charge，SOC)的估算方法，其估算精度高度依赖于模型精度，模型精度又正比于模型复杂度，以至于难以较好地应用于嵌入式控制单元.提出复杂度相对较低、能够自适应确定最优模型阶次的全新等效电路模型——基于阶次自适应AR模型的车载动力电池等效电路灰箱模型.基于此灰箱模型，给出锂离子电池SOC的滑模观测器设计推导及能观性、收敛性证明.结果表明，本文提出的基于阶次自适应AR等效电路灰箱模型的滑模观测器SOC估算方法(adaptive autoregressive-sliding mode observer，AAR-SMO)具有低模型复杂度、高精度、强鲁棒性及快速收敛等性能.