基于粒子滤波的变电站内动态目标跟踪技术

为实时智能监控变电站安全生产区域内的移动目标,克服现有视频系统人工切换图像和肉眼判断所造成的漏检和滞后问题,对变电站内运动目标的自动检测与识别跟踪技术进行了研究;基于背景差分法实现了人物动态目标检测,提出了基于颜色直方图的粒子滤波人物动态目标跟踪方法;通过提取目标颜色特征,建立目标状态模型和系统模型,进而准确定位目标;研发了变电站安全事件视频自动识别跟踪系统.系统应用结果表明:算法检测与跟踪的时间性能良好,能够快速识别目标,并准确跟踪目标运动轨迹,有效提升了全天候智能监控站内的安全生产能力.     

智能婴儿车目标跟踪系统的研究

设计了一种智能婴儿车的跟踪系统,它是在普通婴儿车的基础上设计了嵌入式控制系统。通过对目标跟踪技术及跟踪方法的分析研究,将压缩感知代替TLD(tracking-learning-detection)跟踪算法中的级联检测器,并应用到该控制系统中,能够很好地改善TLD跟踪算法的实时性能。介绍了该控制系统的设计方案,详细讨论了对TLD跟踪算法的改进,最终介绍了该系统中目标跟踪的具体实现方法。实验结果表明所设计的智能婴儿车目标跟踪系统能够自主稳定地跟踪目标。     

智能循迹电动小车的设计

通过研发实现了一种以光电传感器为敏感元件,以AT89C51单片机为控制核心的电动循迹小车的智能控制系统,该系统还包括直流电机、L9110芯片和LM324比较器等。文章详细介绍了系统的硬件设计及软件流程图,通过实测表明,该智能小车在没有人为干预的情况下,能够自主运行,稳定地跟踪目标。该技术可用于智能机器人及自动停车控制系统的设计。     

基于船舶自动识别系统信息的目标跟踪

探讨了基于目标船舶舶自动识别系统播发的信息，采用目标船的呼号，船名和海上移动业务识别码的三参数静态信息，以及通过建立被跟踪目标的跟踪信息链表，对目标进行识别与跟踪的“三参数静态信息目标识别与跟踪法”，并对目标的录取，信息的存储方法等进行了讨论，利用其动态信息，完成对目标的距离与舷角、dDCPA与tTCPA，危险判断的计算方法以及跟踪算法流程 ，并进行计算机仿真，该方法相对于ARPA跟踪目标方法，具有易于识别，不易丢失目标，跟踪速度快，精度与可靠性高，方法简单等优点。     

船载单脉冲雷达副瓣跟踪特性研究

船载单脉冲雷达跟踪目标时存在着副瓣识别的问题,当前主要依靠操作人员经验和能力识别主副瓣的方法风险较高。对副瓣跟踪的原理进行理论分析,得出了副瓣跟踪的特性,并依此提出了一种主副瓣识别的新方法,并通过仿真分析和实测结果验证了该方法的正确性。利用该方法设计了船载单脉冲雷达主副瓣自动识别系统,采用分类器自动完成主副瓣的识别。通过跟踪实际目标,表明该方法识别过程快速、结果准确。同时该方法也可用于陆站雷达系统。     

基于视觉的高速公路目标检测与跟踪系统研究

系统地介绍了智能汽车系统中的目标自动检测与识别部分的工作原理,并利用车载计算机的CCD摄像机对图像实时采集。根据图像的结构化路面信息采用数字图像处理技术对2条车道标志线进行检测与提取,并在此基础上进行目标初始定位与实时跟踪,以保证驾驶员在行驶中及时有效地做出判断,提高自主安全行驶的可靠性。     

两轮自平衡智能小车控制系统的设计与实现

设计了以飞思卡尔系列MC9S12XS128单片机为核心控制器,加速度计MMA7260、陀螺仪ENC03为角加速度和角度测量仪的两轮自平衡智能小车控制系统.该系统通过对测量出的小车倾斜角度及角加速度进行计算和处理,实现了两轮直立小车的自平衡及小车的速度控制、方向控制和基于轨道的变速控制.该智能小车在华南赛区飞思卡尔智能小车大赛电磁组获三等奖.     

基于视觉的高速公路目标检测与跟踪系统研究

系统地介绍了智能汽车系统中的目标自动检测与识别部分的工作原理，并利用车载计算机的CCD摄像机对图像实时采集。根据图像的结构化路面信息采用数字图像处理技术对2条车道标志线进行检测与提取，并在此基础上进行目标初始定位与实时跟踪，以保证驾驶员在行驶中及时有效地做出判断，提高自主安全行驶的可靠性。     

基于kalman滤波的智能小车GPS轨迹跟踪

在满足线性高斯模型下,kalman滤波能够对目标状态进行最优化估计并能得到理想的跟踪效果。GPS导航卫星中信号被人为加入了高频振荡随机干扰信号后,可看成是GPS定位的观测噪声,会对卫星信号产生较高频率的抖动,从而影响智能小车轨迹跟踪的精度。通过建立系统状态方程,在matlab环境下建立仿真模型,对GPS轨迹跟踪中小车速度及位置的观测信号进行了kalman滤波,结果显示Kalman滤波比较明显地降低了干扰噪声的影响,提升了智能小车GPS跟踪的稳定性。     

基于SPCE061A语音单片机的智能小车的控制

介绍一种智能小车控制系统的设计。该系统方案以SPCE061 A单片机为基础,实现对智能小车的语音控制。文中给出了系统的硬件构成,简述了SPCE061 A单片机的内部资源,分析了语音识别的基本原理,从软件设计角度具体阐述了特定人语音识别在智能小车上的实现过程。实验表明这种应用是成功的。     

智能图象目标识别与跟踪

论述了采用高速数字信号处理器研制的智能图象跟踪系统，对系统的软，硬件进行了设计，燕进行了室内外目标跟踪实验，结果表明该系统有以下特点：对锁定目标能自动识别；同时跟踪多个目标；被遮挡目标能记忆跟踪；目标丢失能自动搜索；跟踪过程中对目标变化自适应决策，目标充满视场时跟踪原质心点；能自动识别、捕获预定目标。     

基于单片机的智能车导航系统设计

智能车导航系统能自动寻迹,自主识别赛道且行驶准确稳定快速.在CodeWarrior开发环境中,采用C语言为设计软件,以Freescale 公司的MC9S12XS128B 单片机为控制芯片,外围控制电路及芯片驱动电路采用Protel 99SE为设计工具,由CMOS数字摄像头实现路径识别.仿真测试表明：本系统不仅能完成智能车对路径的识别功能,而且还具有很好的抗干扰能力,舵机转动快,电机控制稳定,具有良好的动态性能.     

基于CMOS传感器的智能小车设计

介绍了一种基于Freescale公司的16位HCS12单片机的一种智能车控制系统,它采用黑白CMOS摄像头作为路径识别装置,通过图像识别提取路径信息.利用单片机产生PWM波,控制小车速度和转向,利用自制的速度传感器来获取小车当前速度,实现速度的闭环控制,增加小车的稳定性,较之常规的光电传感器识别路径方案,利用摄像头传感器可以获取更多的路径信息.测试结果表明,智能车能按任意给定的黑色引导线更能以较快的速度平稳地运行.     

用于细胞成像的便携型微流控芯片检测系统

针对微流控芯片检测装置普遍需要大型数码显微镜的问题,使用自行设计的一套嵌入式微流控芯片小型成像系统拍摄芯片管道中的细胞,并提出在该条件下细胞自动检测与识别的算法。首先,用球形波进行图像背景校正,然后用基于局部方差的直方图均衡化算法进行细胞目标增强,并作滤波和背景去除处理,最后用C anny算子检测细胞边缘并返回原图对细胞进行标记。结果表明:小型的微流控芯片检测系统和处理方法可以使整个片上系统实现更高的集成化、自动化和便携性。     

车辆动力学稳定性协同控制CAN网络系统硬件设计

利用网络控制和分层协同控制思想,搭建了车辆动力学稳定性协同控制CAN网络系统,并设计了智能节点硬件电路.在设计过程中充分考虑了电磁干扰对系统的影响,从硬件方面提高了系统的抗干扰能力,从而保证了系统具有良好的稳定性和可靠性.     

物联网下的汽车智能化网络研究

作为物联网技术体系的具体应用实践,车联网正在成为绿色、智能交通及数字化城市的重要组成部分.为了探究车联网技术的开发与应用,着重研究了车联网的网络架构,并以车身网络系统设计为例,设计了一种汽车车身智能化网络构建方案,能够整合现有车身控制单元,实现车辆动态信息充分共享,应用方案简便灵活.     

基于多传感器检测的智能安防巡逻小车

针对传统人工安防巡逻体制受人为因素限制, 巡逻路线、 时间、 频率以及密度都不尽合理的现象, 设计了一款集火焰传感器、 超声波传感器和光强传感器等多传感器于一体的巡逻小车。通过飞思卡尔主控制器与辅助控制器的相互协调, 完成循迹、 避障、 低电量检测、 温度采集、 烟雾报警、 入侵人员检测、 视频传输、 智能调速与精准定位等功能。小车通过上位机进行远程控制、 实时传输图像对安防目标进行检测, 测试小车行驶的测试误差最大值为3%, 本装置的智能巡逻效果能满足当前的发展要求, 其形体小、 功能全、 实用性强, 具有广泛的市场应用前景。     

多特征与BP神经网络车牌识别系统研究

汽车牌照识别技术是智能交通管理系统中的关键技术;基于数字图像处理理论,将计算机视觉与模式识别技术相结合,对车辆牌照识别系统进行了研究。为了提高系统车牌识别能力,提出了一种综合颜色特征和投影特征相结合的车牌定位方法。字符分割采用了投影法;字符特征选取了互补性强的粗网格特征、投影特征以及外围轮廓特征;最后采用BP神经网络进行车牌字符识别。对车牌字符的识别分为汉字、字母及字母数字三类进行。实验表明,多种图像处理技术与模式识别技术有机结合能有效地提高系统的识别能力;本系统所采用的方法取得了较好的识别效果。     

智能运输系统中的雷达车辆检测器

研究智能运输系统中的雷达车辆检测器,利用雷达原理完成对速度,流量等交通流的实时检测和统计,连续波雷达检测器利用运动目标产生的多普勒频移检测运动车辆,调频畦达检测器利用雷达测距原理检测静止,车辆,在频域中数字信号处理器对信号变换与处理,能快速,准确地得到车辆的速度,流量等信息,该检测器已广泛有于北京市智能运输系统中,实践表明对运动车辆的速度和流量的检测准确率高达95％。     

基于视觉的智能车辆模糊滑模横向控制

以采用视觉导航的智能车DLUIV-1为对象,对智能车辆的横向控制方法开展研究.首先,建立基于视觉预瞄距离的车辆横向控制系统模型,利用包含速度等因素在内的预瞄运动学模型确定车辆的横向偏差和方位偏差.其次,针对横向控制的特点,提出了模糊和滑模相结合的智能车辆横向控制策略,综合考虑车辆当前的横向偏差和方位偏差,将二者融合后的综合偏差作为滑模切换函数的参数来设计滑模面,将滑模切换函数作为控制目标,利用模糊控制规则调整控制变量的大小来确保存在和到达条件成立,保证方向盘转动的稳定性.仿真结果表明该横向控制器能够保证智能车辆准确而且稳定地跟踪参考路径,且对模型参数的变化具有较强的鲁棒性.