传感器在环自动泊车仿真测试系统设计

针对智能网联汽车自动泊车功能实车测试成本高、周期长、重复性差问题,基于硬件在环及计算机数值模拟仿真技术,以自动泊车传感、控制系统为主要测试对象,搭建实验室环境下传感器在环自动泊车仿真测试系统,借助美国国家仪器公司(National Instruments,NI)软硬件实时平台、CarMaker虚拟仿真场景软件模拟仿真自动泊车交互场景、车辆底盘动力学特性及超声波传感器特性,集成开发摄像头视觉注入板卡、超声波物理回波仿真板卡仿真模拟传感器物理信号,虚实结合构建了完整的传感器在环自动泊车测试验证环境.以某车型实车带自动泊车功能的智驾控制器、超声波传感器为被测对象,搭建垂直停车位场景对仿真测试系统进行测试验证,仿真实验结果证实测试系统能够为自动泊车提供安全、高效的测试验证平台,助力自动泊车控制算法开发.     

基于融合分割和LASSO回归的实时车道偏离预警

在有路面污染、标识干扰等复杂高速道路环境下,车道偏离预警系统的鲁棒性和实时性会变差。为此提出一种利用两种算法融合分割和LASSO回归模型进行车道线检测和偏离预警的新方法。首先,分别采用TopHat算法和OTSU算法分割出车道线背景并进行"与"运算融合,据此准确提取出车道信息;其次,分两步检测车道线,第一步基于概率Hough变换进行直线检测,将检测出的车道线位置设为动态ROI区域并进行卡尔曼滤波跟踪处理,第二步是基于LASSO多项式回归模型对车道线再次进行参数估计和拟合,以改善使用最小二乘法时的过拟合问题;最后,根据设置的虚拟车道线和角度模型进行车道偏离预警决策。实验结果表明,所提出的方法在复杂道路环境下的平均正检率为96.07%,检测速率可达到32 ms/帧,即具有良好的鲁棒性和实时性。     

关于卫星机器人地面装配的目标快速识别方法

针对在卫星机器人地面装配领域,基于尺度不变特征变换的目标识别方法存在实时性能缺陷的问题,提出结合标量量化描述和倒排文件索引的典型目标快速识别方法,以满足卫星装配过程中准确高效识别工件和装配体的需求。在初始检测、定位和描述特征点的基础上,通过中值划分和遮蔽掩模方式完成浮点型描述向量的标量量化;利用倒排文件结构的查询策略快速搜索近邻特征点;依据距离比率准则和随机采样原则筛选稳定匹配点;通过仿射变换求解出矩形框中心坐标和边界宽度识别目标。实验结果表明,所提识别算法的平均正确率均值曲线图包围面积平均达到尺度不变特征变换的90.12%,能够正确匹配特征点并框选有效目标,具备相似的区分性能优势;同时匹配阶段执行时间只有尺度不变特征变换的19.54%,总体执行时间也只有49.84%，具有实时性能方面的优势。     

基于深度学习的高分辨率图像的智能检测

针对高分辨率图像下目标所占面积小,检测效果较低、实时性较差的问题.提出了一种基于LDCF-ResNet50的深度学习模型检测方法.以行人检测为例说明此方法的有效性.首先基于局部无关通道特征的预测提议区域,对行人潜在区域粗检测.然后,设计候选区域合并和扩展方法,将合并后的区域用于后面的ResNet-50神经网络.其次,设计了一个合适的ResNet-50网络,用于精确检测该区域.最后将ResNet-50网络的检测结果映射到原始图像中,输出检测结果.为了验证本文所提方法的有效性,在清华-戴姆勒数据库平台上对高分辨率图像进行实验验证.实验结果表明,所提出方法能够有效地检测行人.与主流的算法(包括Faster R-CNN,YOLOv3和SSD)相比,本文方法对行人检测的平均精度分别提高了4.07％、17.79％和31.45％.