智能车跑道识别的克隆选择算法的改进

提出了克隆选择算法在智能车跑道识别中实用化的改进方案.将原克隆选择算法中的克隆和变异部分简化为抗体库数据块的优化选择和替换操作,大量减少了算法的计算消耗.在此方案中,智能车更准确地分析了从摄像头获取的环境信息,更好地识别了跑道,从而提高了智能车舵机拐弯控制的准确性.仿真实验结果表明:此方案在智能车的跑道识别过程中具有很...     

基于线阵CCD的智能小车路径识别系统

文章介绍了一种基于飞思卡尔HCS12单片机的智能车路径识别系统,该系统以CCD摄像头传感器作为检测装置,直接采集CCD输出的模拟信号,通过图像识别提取当前路径信息;与常规的光电传感器识别路径方案相比,使用摄像头传感器可以获取更多的路径信息,使智能车按任意给定的黑色引导线以较快的速度平稳地运行;实验证明该方法简便可靠,具有很好的前瞻性,能够满足智能车路径识别的需求.     

多缩微智能车交互行为研究平台设计与实现

针对真实道路上开展智能汽车研究存在的风险和困难,提出了一种基于缩微城市道路环境的智能车交互行为研究平台. 该平台首先实现了具备视觉认知功能的缩微智能车,采用了一种基于特征和模型融合的嵌入式平台实时车道线和障碍物检测算法,通过本车可行驶区域的形式化描述,实现道路环境的感知,最后经过模糊决策控制方法控制缩微智能车产生拟人驾驶行为. 实验结果表明,文中提出的研究平台能够有效模拟智能车车间交互行为,环境感知算法和决策控制方法能够满足实时性和精度要求.     

基于MC9S128的摄像头导航智能车的设计与实现

介绍了一种基于摄像头导航的智能车系统设计方法.该系统根据全国大学生飞思卡尔杯智能汽车大赛的设计要求,使用飞思卡尔16位单片机MC9S 128为核心控制单元,设计了传感器、电源、电机驱动、车速检测等硬件电路;利用PID和模糊控制相结合的方式,使智能车能够自动采集、分析引导线信息,控制舵机转向,实现智能车的自动寻迹.     

缩微交通环境下的锥形标识别方法

为了能够正确地识别出锥形标,并根据锥形标的摆放位置控制智能车的行驶行为,文章提出了一种基于HSV颜色空间的锥形标识别方法.该方法对图像进行预处理,提取出HSV彩色图像的S分量,并做二值化处理,同时利用腐蚀膨胀技术对二值化结果作去除孤立点、合并连通区域处理；通过基于特征匹配的跟踪算法完成锥形标识别,计算出两锥形标间的连线与智能车的夹角,从而使智能车根据此夹角控制智能车的行驶行为.实验结果表明该方法是可行的.     

智能寻迹车常见控制算法研究及比较

为了使自动识别路径的智能车能够稳定、可靠地在不同跑道上行驶,速度和方向的控制是整个智能车系统控制的核心。实验表明,加载了几种常见小车控制算法的智能车对赛道的适应性和其控制的稳定性都得到了较大的提高。     

基于模糊自适应PI控制的智能车的设计与研究

为实现智能车自动寻迹,研制一种基于汽车模型为硬件平台的智能车系统.传统PI控制的参数固定,难满足模型沿指定路径行驶的智能化要求;而模糊自适应PI控制具有控制精度高,控制灵活且适应性强的优点,可以精确、稳定的控制车速.路径信息采集模块将摄像头采集的道路信息传送至微处理器,微处理器输出合适控制量对舵机进行方向控制,同时综合编码器将测得的速度反馈给微处理器,采用模糊PI控制对智能车直流电机进行速度控制,该方案可以使智能车快速稳定的沿指定路径行驶.     

智能车硬件在环仿真系统的设计与实现

设计并实现了一套基于车模的智能车硬件在环仿真系统,该仿真系统直接以车模为实验载体,实现了硬件在环仿真,解决了仿真中车辆动力学模型难以精确建立的问题.车模上集成有嵌入式微控制器、摄像头和测速编码器,具有自主导航能力.借助ZigBee无线通信技术,上位机可以实现对车模的无线实时监控.该系统已经在智能车控制算法研究中得到了应用.实验结果表明:该仿真系统具有与实际系统相似的动力学模型,满足对智能车实时控制的要求,而硬件在环的引入,充分发挥了上位机的资源优势,提高了研究的效率.该系统能够适用于智能车自主导航和智能交通中多车协作的仿真.     

智能车实时图像处理系统的研究

对摄像头采集的视频信号采用LM1881N视频同步信号分离芯片、微控制器MC9S12XS128MAL进行处理,以此构建智能车的实时图像处理系统;经"飞思卡尔"杯智能汽车竞赛的检验,车模能够顺利沿着指定线路运行,该方案稳定可行.     

基于路径识别的寻迹智能车设计与实现

为了实现智能车沿道路上引导线自动寻迹,研制一种基于模型汽车为硬件平台的智能车系统.该系统通过采用改进的边缘检测算法对COMS摄像头捕获的道路信息进行处理,在获取更准确图像的基础上,依靠舵机进行方向控制,通过闭环PI控制电机驱动智能车前进.本设计实现了智能车沿引导线稳定、快速行驶的功能.实验表明,此设计方案提高了智能车运行速度和稳定性.     

基于Adriano控制器的寻线智能车设计

以飞思卡尔模型C车为车载平台,基于Adriano开发环境,采用红外线传感器进行路径检测,设计了一种寻线智能车.该智能车主要包括微控制器(MCU)模块、电机及驱动模块、舵机模块、路径识别模块.通过系统软、硬件的调试,小车能够稳定的沿引导轨迹运行,行驶效果良好,验证了系统设计可行性.     

基于模糊逻辑的智能车局部路径规划

为进行智能车局部路径规划,提出了基于模糊逻辑的路径规划.针对模糊逻辑在智能车局部路径规划中存在的问题,引入多次转动避障的策略,使智能车有效避免死锁发生,进而实现智能车的路径规划.     

基于光电传感器智能车系统的设计

阐述了光电传感器智能车系统传感器的选择、布局和路径信号的获取、处理方法.智能车的速度控制采用积分分离数字PID算法.实际测试表明,本智能车具有稳定性好,响应速度快等特点.     

基于CCD的自平衡智能车循迹系统的设计

介绍了一种基于线阵CCD两轮自平衡的智能车循迹系统。基于第八届飞思卡尔智能车大赛准则,该系统以飞思卡尔16位单片机MC9S12XS128作为核心控制器,以CCD作为路径识别装置检测路径信息,通过陀螺仪与加速度计测量智能车姿态,单片机获得传感器采集的路面信息及智能车姿态信息,经过分析后控制智能车的舵机转向,同时对直流电机进行调速,从而实现智能车自平衡和速度调节。在控制算法上采用模糊设定速度和PID调整速度相结合的算法,使智能车能够在自平衡状态下快速平稳的行驶。     

基于CCD的智能车导航系统研究

目前智能车导航大多采用摄像机来获取路面信息,针对这一特点研究开发了基于CCD的导航模块.详细介绍了CCD视频信号的采集及处理方法.考虑到环境光线的变化会影响导航效果,提出了一种自适应动态阈值图像处理算法;该算法运算量小,能跟踪环境光线的变化.同时给出了系统抗干扰的处理方法,从而有效解决了因外界光线和赛道变化引起的智能车跑偏问题.通过系统实验和竞赛,证明了该导航系统具有良好的智能性和抗干扰能力,即此方案是有效的.     

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.     

PID算法在智能车中的应用

为了使自动识别路径的智能车能够稳定、可靠地在不同跑道上行驶,文章提出了一种数字PID控制算法。详述了数字PID控制技术在提高控制精度、扩展相位裕量中的运用过程,并在以HCS12的16位单片机为硬件系统的智能小车上进行了控制算法测试。试验结果证明,智能车能够稳定、可靠地在不同跑道上行驶。     

基于OV7620智能车的路径识别及控制策略

智能车是可以自动识别道路并以最短时间行驶全程的一种无人驾驶汽车.路径识别跟踪技术和快速、稳定的控制策略是智能车发展的重要标志.给出以OV7620作为智能车的主传感器,以红外对管作为辅助传感器对赛道的信息进行采集.OV7620把赛道的亮暗程度转化成像素的灰度值,采用边沿跟踪检测图像处理算法.采用PID与bang-bang算法相结合的算法对智能车进行速度控制.实验表明智能车可以实现任意路径识别与智能快速行驶.     

联网智能车运动学仿真基础环境构建方法

提出了一种联网智能车运动学仿真基础环境构建方法,该方法无需任何第三方交通仿真软件的协助,能够实现对联网智能车运动学相关功能的仿真验证.采用交叉口节点作为路网关键元素实现对仿真路网的描述,定义了交叉口和车辆属性,设计了车辆运动学模型在仿真环境中的实现方法,给出了基于高斯分布的车辆定位误差、基于平均分布和Rayleigh分布的通信延误在仿真中的运行机制,构建了仿真环境.仿真结果表明:该方法可靠性好;采用该方法构建的仿真环境得到的车辆延误与HCM 1994车辆延误模型结果保持一致;在危险跟驰预警场景中,预警时刻两车间距的变化规律与论文提出的定位误差模型和通信延误模型保持一致.最后,通过对交叉口车辆间隙控制方法进行仿真,进一步证明了该方法对联网智能车运动学方面功能验证的支持.     

利用改进人工势场法的智能车避障路径规划

为解决智能车避障路径规划中采用人工势场法易陷入局部极小值的问题,采用改进的人工势场法进行智能车避障规划方法,通过调整势力场范围、改进斥力势函数和动态调整斥力场系数对人工势场法进行改进,解决陷入局部极小值的情况.研究结果表明:改进后的方法大大减小了智能车陷入局部极小值的概率,增加了避障的准确性.研究结论对提高复杂环境中智能车避障路径选择的准确性和实时性有重要意义.