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.     

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.     

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.     

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.     

智能小车路径识别及速度控制系统的实现

本文介绍了智能小车路径识别及速度控制系统具体实现方法。在该系统中,由CMOS摄像头实现路径识别,直流电机作为驱动,舵机控制方向,旋转编码器检测速度,利用非线性PID算法实现小车的路径跟踪、速度的闭环控制,使小车能按照给定的引导线平稳、快速地行驶。实验证明：系统能很好地满足智能车对路径识别性能和抗干扰能力的要求,舵机调节响应时间快,稳态误差小,具有较好的动态性能和良好的鲁棒性。     

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。     

智能车路径识别及转向控制的研究与实现

路径识别和转向系统根据MCU处理CMOS采集的路面信息的结果,通过脉宽调制模块(PWM)控制舵机转向,进而实现智能车的路径自动识别或引导线识别功能,按照设定的路线进行自动循迹和转弯控制。通过硬件二值化或者软件的局部自适应阈值二值化,对采集的路面信息图像进行分割,数据计算处理,提取出路面中心位置,且计算出对于路面中心位置的偏离程度,确保了智能车路径识别传感信号的准确、稳定与快速。随着乘用车自动化、智能化程度的加深,该技术有很大应用空间。     

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...     

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。     

基于飞思卡尔单片机的智能电动小车设计

针对交通堵塞、 交通事故频发等问题, 设计了一种智能电动小车。该设计采用MC9S12XS128单片机作为主控芯片, 结合摄像头、 无线模块等功能模块组成智能电动小车。主控芯片对摄像头采集的赛道信息进行分析处理, 采用PID（Proportion Integration Differentiation）控制策略驱动电机运转, 使智能电动小车能在跑道上完成单轨迹前行、 双轨迹中心线中的自动行驶和避障等动作。利用无线模块实现智能电动小车与目标靶之间的信息交换, 通过智能电动小车对舵机的调整, 完成在行驶过程中将激光光点投射在目标靶中心的实验。打靶成绩较高, 实验结果令人满意。该设计可为智能车辆无人驾驶和信息交互的研究提供参考。     

基于转向响应特性的智能车辆轨迹跟踪双闭环控制

智能车辆轨迹跟踪的准确性与鲁棒性是车辆运动控制性能的重要表征,基于路径预瞄信息的跟踪控制研究使车辆性能显著提升. 然而,车辆转向系统响应不足给车辆实时准确的基于预瞄信息跟踪参考轨迹带来挑战. 针对此问题,实时引入转向系统状态建立双闭环轨迹跟踪控制结构,保证智能车辆轨迹跟踪控制算法对转向系统响应不足的鲁棒性. 具体结构外环基于预瞄信息使用模型预测控制求解最优转向角,内环基于转向状态误差使用PID方法设计反馈控制律以补偿转向响应不足. 双闭环结构耦合控制输入保证了车辆鲁棒最优跟踪控制. 最后通过Carsim与Simulink联合仿真,验证了该双闭环控制结构的有效性.      

基于MC9S12XS128单片机的智能小车控制系统设计与实现

介绍了一种电子竞赛智能小车的控制系统设计与实现.以MC9S12XS128单片机作为控制系统核心,设计了智能小车的视频处理电路、电机驱动电路以及电源电路等,给出了赛道图像采集算法、抗干扰和抗反光的黑线提取算法、舵机转向和速度调节的PID控制算法、赛道识别和弯道控制算法,制作的智能小车能通过对自身运动速度和方向的实时调整实...     

基于改进PSO的智能车辆转向自适应PID控制

针对智能车辆转向系统的复杂,非线性和时变性,提出了基于改进粒子群算法的自适应PID控制,在该控制系统结构中,采用改进粒子群算法获得PID参数在线调整的信息,完成PID控制器参数的在线自整定,实现智能车辆转向的智能控制.实验结果表明,与常规的PID控制方法相比,该方法具有较高控制精度,较强的自适应性和鲁棒性,完全可适用于智能车辆转向系统的控制.     

大型履带式液压凿岩台车原地转向能力研究

针对大型履带式液压凿岩台车原地转向能力展开研究。以车辆-地面力学理论、履带车多刚体建模理论为基础,在多体动力学软件Recur Dyn中构建了整车的动力学模型,分析了三种路面条件下履带式车辆的结构参数即履带接地长度与履带中心距比值L/B对转向能力的影响。仿真结果表明,结构参数L/B对履带式车辆的转向能力有很大影响;履带车辆在软地能够转向必须满足L/B小于1.7,且当L/B越小,履带车转向能力更好;对于在硬地转向,L/B越小,履带车辆转向稳定性更好。仿真结果与理论分析相符合,互为验证,研究工作对大型履带车辆行驶操控和结构优化设计提供了新思路。     

基于电磁传感器的智能车设计与实现

设计了基于电磁传感器的自动循迹智能车。使用32位单片机MCF52259作为核心控制单元,设计了电源模块电路、停车检测电路、电机驱动电路及信号采集电路,采用PID控制算法使得智能车自动采集路径信息,控制电机加减速、舵机转向,实现了智能车的自动循迹行驶功能。     

考虑道路几何设计的智能网联车队横纵向协同控制

针对智能网联车队行驶过程中车辆跟驰和路径跟踪的横纵向协同控制,建立三自由度车辆动力学模型并将其作为控制系统,基于改进的智能驾驶员模型模型设计分层式纵向控制器;基于预瞄-跟随理论设计横向控制器.考虑车辆纵向、横向运动的耦合特性,以纵向速度作为横向控制器的状态变量设计横纵向协同控制策略,在CarSim/Simulink仿真平台搭建车队横纵向协同控制器.采用单移线、隧道工况验证控制器的横向、纵向控制性能;考虑道路弯道、坡度和超高等道路几何设计,设置匝道工况验证控制器横纵向协同控制性能并分析道路超高对车辆跟驰和路径跟踪精度及稳定性的影响.结果 表明:控制器能实现给定工况下车辆速度与转向的跟踪控制,且具有较高的跟踪精度,良好的跟驰效果和行驶稳定性;对于弯道行驶,设置道路超高能使车辆转向平稳,速度跟随精度高且行车间距增加,有利于提高车队行驶安全性.     

智能汽车中基于视觉的道路检测与跟踪算法

提出了一个基于视觉的道路环境识别算法．该算法能实时提取图像序列中道路信息，获取车辆在道路上的位置、姿态信息，预测前方道路状况，将道路环境信息反馈给智能汽车用于其控制车辆的主动安全．首先联合摄像机内参构建了道路的三维数学模型，突破了以往一些系统将道路看作一个平面的二维模型的局限，算法利用道路标志线的颜色突变特性有效地提取道路边界，并将扩展卡尔曼滤波器与道路模型结合对道路和车体的状态进行实时跟踪分析，获取实时的道路环境信息．实验证明该算法可在直道和弯道以及标志线间断或标志线周围有干扰的各种道路中稳定地工作，在光影条件不利或前方有车的情形下算法仍具有较高的鲁棒性，能够适应多变的道路环境，提供实时有效的信息数据．     

基于车牌检测的前方车辆识别方法

为解决前方车辆识别过程中的实时性问题,提出了一种基于车牌检测的前方车辆识别方法。首先,利用图像中的路面或车道线等细节提取感兴趣区域。其次,利用HSV( Hue-Saturation-Value) 色彩空间转换与矩形图像检测从感兴趣区域中过滤光照变化,阴影和杂乱背景,从而检测出车辆的车牌信息。同时,在初次检测失败的情况下进行二次定位和验证。最后,利用检测出的车牌信息识别前方车辆。该方法在自建与公共数据库视频上进行评估。实验结果表明,识别率超过90% ,并且具有较高的实时性,证明了该方法的有效性。     

基于改进TLD的自动目标跟踪方法

视觉跟踪一直是机器视觉研究热点,TLD（tracking-learning-detection）算法是近年来出现的一种高效的视觉跟踪算法,针对TLD算法中Lucas-Kanade（LK）光流法无法有效跟踪物体快速移动和尺度变化的问题,采用金字塔光流法对TLD算法进行改进。并将所跟踪物体形心作为图像定位参考点,提取物体定位信息,通过定位信息运用比例-积分-微分（proportion-integral-derivative,PID）控制算法控制摄像头舵机云台转向,使摄像头快速、灵活、精确地自动跟踪指定物体。通过系统测试,与传统TLD算法对比,采用金字塔光流法改进的TLD目标跟踪算法在跟踪目标发生光照变化、尺度变化等情况时,具有更加优良的跟踪性能,准确将跟踪目标形心位置提供给控制部分,控制算法高效灵活,在获取信息后精确、快速地控制摄像头方位,使其正对跟踪目标。该系统对目标跟踪技术、安防技术、自动瞄准系统具有重大意义。