基于分裂基FFT的L1辅助L2C双频GPS信号快速捕获

室外无人搬运车(automatic guided vehicle, AGV)运输和未来的无人驾驶智能汽车等对全球定位系统(global positioning system, GPS)高精度定位精度要求较高,GPS L1/L2C双频信号可以校正电离层误差从而提高GPS单机的定位精度。但L2C 民用中码/民用长码(civil moderate/civil long code, CM/CL)的长度远大于L1 粗捕获码(coarse/acquisition code, C/A),传统的捕获算法直接用于L2C信号会使捕获时间延长甚至导致捕获失效。对此,提出了利用捕获到的L1信号的多普勒频移和C/A码相位对L2 CM码进行辅助捕获,然后利用CM码码相位对CL码进行辅助捕获的方法,减小了L2C信号捕获的二维搜索范围;同时在相关运算中利用分裂基快速傅里叶变换(split radix fast Fourier transform, SFFT)代替传统的基2 FFT进一步降低了计算量。仿真结果表明,所提算法在运算量明显降低的情况下可以实现对L1/L2C双频信号的精确捕获。     

基于FPGA+DSP的北斗信号快速捕获算法设计与实现

为了解决北斗卫星接收机中传统并行频率捕获算法傅里叶变换需要处理的数据量大而影响卫星信号捕获速度的问题,提出了一种基于相干降采样的北斗信号快速捕获算法。利用FPGA+DSP（高速数字信号处理器+现场可编程逻辑门阵列）,在传统的并行频率捕获算法中加入相干降采样模块,当信号进行载波剥离和伪码剥离后,通过降低采样频率的方式减小傅里叶变换需要处理的数据量,再对卫星信号进行三维搜索。结果表明,理论上所提算法计算量减少了80%以上,对实际北斗信号进行捕获时,平均每颗星的捕获时间为9.95 ms,内存资源消耗相比于传统并行频率捕获算法减少了42%。因此,新算法能在节约资源的同时有效提高捕获速度,可为进一步提高软件接收机的捕获性能提供参考。     

无人驾驶车辆基于角点和斑点的特征提取算法

针对运行在计算资源有限的车载嵌入式系统中的视觉里程计算法实时性较差的问题,提出一种基于Harris和SIFT相结合的图像匹配方法——Harris-SIFT算法。在介绍了SIFT算法的基础上,给出了Harris-SIFT算法的原理:使用Harris算法提取图像中的角点作为特征候选点,再利用SIFT算法在Harris的特征候选点中进行特征点提取。通过实例用Matlab软件对算法进行了仿真,并对算法的复杂度及各种性能进行了分析。结果表明,所提出的方法在特征检测模块中降低了算法的运算量、提高了特征点提取速度。Harris-SIFT算法可用于实时视觉里程计系统中,进而可使视觉里程计在车载嵌入式导航系统上得到广泛的应用。     

无人驾驶车辆单目视觉里程计快速位姿估计

针对传统的单目视觉里程计位姿估计算法无法满足无人驾驶车辆实时定位需求的问题,提出了一种基于基础矩阵性质改进的快速位姿估计算法。通过优化基础矩阵的计算过程来提高算法的实时性,首先得到含有8个未知参数的基础矩阵,然后利用特征匹配点对来求解基础矩阵。通过仿真实验对算法的效率和精度进行了分析,并将其与现有的算法进行了对比。实验结果表明,在不降低运动估计结果精度的前提下,优化后的位姿估计算法的运行速度可以在传统算法的基础上提高近4倍。研究对视觉里程计在无人驾驶车辆上的实时应用具有一定的参考价值。     

卫星定位软件接收机研究综述

软件接收机凭借其良好的通用性、灵活性及较好的定位性能已成为卫星定位接收机领域的一个研究热点。系统阐述了软件接收机的结构特点及国内外研究现状,对比分析了基于PC,DSP(digital signal processor),FPGA(field programmable gate array)以及FPGA+DSP平台的软件接收机的结构和性能,指出基于FPGA+DSP,DSP的实现方式更利于发挥软件接收机的优点,可使软件接收机真正走向实用化,最后给出了软件接收机技术未来的发展方向和其在无人驾驶技术中的应用前景,为软件接收机的研究和应用提供理论参考。     

车路协同环境下信号交叉口车速引导策略

为降低车辆需停车通过信号交叉口的可能性,减少停车时间,针对在三、四线城市交叉口区域实时的车辆排队长度数据不易或无法获得这一实际情况,提出车路协同环境下的车速引导策略。搭建了车载交通灯提醒系统,并对安徽省芜湖市衡山路-凤鸣湖北路交叉口的交通灯进行了数据采集。在实际数据的基础上,运用VISSIM软件进行仿真验证,结果表明,在高峰和平峰流量时车速引导策略均能有效降低单车行程时间,平均降低比率分别为9.2%和13.0%,且改善效果在平峰流量时优于高峰流量时。该车速引导策略提高了信号交叉口的交通效率,为车路协同环境下车速引导的实际有效运用提供了思路。     

基于视频的“微型计算机原理”教学模式改革初探

微型计算机原理课程的理论性与实践性都很强,教学对象面广,教学内容信息量大,教学内容更新快,而传统教学方法师生互动少、参与课程相关的实验少、学生学习效率低、教师教学效果不佳。本文提出一种基于视频的课堂教学新模式,目的在于改善高校课堂上＂教师只顾讲课,学生被动学习＂的状况,从而有效利用课堂时间,提高学生的学习积极性和学习效率。     

基于改进YOLOv5s和传感器融合的目标检测定位

针对无人车环境感知过程中相机无法提供道路目标的位置信息,激光雷达点云稀疏以致检测方面难以达到很好效果的问题,提出一种通过融合两者信息进行目标检测和定位的方法。采用深度学习中YOLOv5s算法进行目标检测,通过联合标定进行相机与激光雷达外参的获取以转换传感器之间的坐标,使雷达点云数据能投影到相机图像数据中,得到检测目标的位置信息,最后进行实车验证。结果表明,所提算法能在搭载TX2嵌入式计算平台的无人车自动驾驶平台上拥有27.2 Hz的检测速度,并且在一段时间的检测环境中保持12.50%的漏检率和35.32 m的最远识别距离以及0.18 m的平均定位精度。将激光雷达和相机融合,可实现嵌入式系统下的道路目标检测定位,为嵌入式平台下环境感知系统的搭建提供了参考。