基于自回归模型的汽车姿态角在线预测系统

针对汽车姿态角在线预测问题,利用微惯性测量单元以捷联方式测量汽车6自由度运动参数,通过四元数法解算汽车的姿态角,应用卡尔曼滤波器对姿态角进行最优估计处理,在此基础上建立自回归模型对未来1 s~3 s的姿态角进行实时预测,使用Visual Basic 2005、NI Measurement Studio开发汽车姿态角在线预测软件,并对其进行实车道路试验,结果证明该软件具有较高的预测准确性。     

智能车载感知与侧翻预警系统的设计

为了防止汽车在行驶过程中发生侧翻,使汽车始终处在安全工况下行驶,减少交通事故,设计了一种基于ARM9的智能车载感知和侧翻预警系统,对汽车在途行驶时的侧倾角和侧倾角速度进行监测,并采用多阶递推模型对汽车侧倾姿态进行预测,当预测到侧倾达到极限工况时发出报警信息,提醒驾驶人员注意并采取相应减少侧向加速度的措施,从而达到预防汽车侧翻事故的发生,并基于VB2005,Matlab和NIMeasurement Studio开发了车载感知与侧翻预警系统软件,进行了系统仿真。实车道路试验与系统仿真实验进行了比较,结果表明:车载感知和预警系统能够及时准确预测汽车侧翻,提高汽车主动安全。     

汽车姿态感知与状态预测平台的研究

设计了集成加速度计、角速度计和磁力计的MEMS汽车姿态感知平台,并通过单片机对感知信息进行数据滤波、数据融合以及姿态解算等步骤,获得汽车的实时姿态信息。在PC机上建立了自回归模型,用于对汽车运动姿态的实时感知和短期预测。     

基于IMEMS传感器的汽车运动姿态测量系统研究

针对传统的采用机械转子陀螺构成机械平台来测量汽车姿态方法的不足,研究开发了基于集成微机电系统（IMEMS）传感器的捷联式汽车运动姿态测量系统。该系统采用四元数法作为汽车运动姿态的解算方法,并由Kalman滤波器完成对姿态角四元数估计误差和加速度计及角速度陀螺信号的融合,得到汽车姿态角的最优估计值,阐述了该系统硬件构成和软件设计,并通过汽车道路试验对系统的可行性进行了验证。结果表明：此测量系统能够满足汽车运动姿态测量的精度要求,是确实可行的测量系统。     

基于IMEMS传感器的汽车行驶姿态检测系统设计

为了给汽车安全控制系统提供准确的行驶姿态数据,设计了基于集成微机电系统(IMEMS)传感器的虚拟仪器检测系统。系统采用IMEMS传感器采集车身姿态参数,在虚拟仪器平台下对数据进行分析处理,使用卡尔曼滤波器对测量值进行估计,并在实车工况下对检测系统进行测试。结果表明:系统能够很好地满足汽车行驶姿态检测的要求,具有可靠的实时性。     

一种基于道路网络的移动目标数据库模型

移动目标数据库(moving object database)有别于一般数据库技术的重要特征之一就是不仅可以对移动目标在数据库记录的时刻进行位置查询,而且可以对不同记录时刻之间以及未来时刻的位置进行查询,其研究的首要问题是建立移动目标运动及位置更新模型.目前有大量依靠其他辅助设备(如GSM网络)定位的盲终端设备(如移动电话,PDA等),存在着MOD管理的潜在需求,需要对它们建立合适的运动及位置更新模型,来为移动用户提供基于位置的服务.针对这类无自定位能力的移动目标,利用它们通常运动在城市的道路网络上这一特点,提出了基于道路网络的移动目标历史和未来速度计算模型,在此基础上提出了基于道路网络的非等时位置更新模型.与传统的速度计算模型相比,基于道路网络的移动目标历史和未来速度计算模型在考虑移动目标定位误差时可以降低移动目标位置预测的误差;与等时位置更新模型相比,基于道路网络的非等时位置更新模型在平均预测误差相近的情况下,可以减少移动目标和定位设施之间的通信量.     

仿生眼运动视觉与立体视觉3维感知

为使机器人同时具备双目立体视觉和单目运动视觉的仿人化环境感知能力,克服双目视场狭窄、单目深度感知精度低的缺陷,本文基于人眼结构特点,设计了一个具有4个旋转自由度的双目仿生眼平台,并分别基于视觉对准策略和手眼标定技术实现了该平台的初始定位和参数标定.给出了基于外部参数动态变化的双目立体感知方法和单目运动立体感知方法,前者通过两架摄像机实时获取的图像信息以及摄像机相对位姿信息进行3维感知,后者综合利用单个摄像机在多个相邻时刻获取的多个图像及其对应姿态进行3维感知.实验结果中的双目视觉相对感知精度为0.38%,单目运动视觉相对感知精度为0.82%.本文方法不但能够有效拓宽传统双目视觉的感知视野,而且能够保证双目感知和单目运动感知的准确性.     

移动感知环境下基于CSA-SSVR的交通状态预测方法

相较于传统感知网络,移动群智感知网络在部署和维护成本上有着较大优势,在智能交通系统中得到了越来越多的应用。交通状态的预测对交通管理系统具有重要意义,从移动群智感知环境下获取的车速数据出发,以支持向量回归算法(SVR)为基础,引入周期性算子,并采用布谷鸟算法(CSA)确定周期性SVR(SSVR)中的主要参数,提出了CSA-SSVR,对道路未来车速进行预测,据此判断道路的未来交通状态。实验表明,CSA-SSVR在移动群智感知环境下对于交通状态预测问题的准确性较高。     

便携式车身动态姿态检测系统的设计

为实时掌握汽车在行驶过程中的车身姿态,检测其动态性能,设计了以单片机为控制核心的便携式车身动态姿态检测系统.陀螺仪传感器将采集的汽车三维角速度信号传递给A/D转换器,经过软件系统进行A/D转换和积分处理,在LCD显示器上显示车身在不同时刻的俯仰角、侧倾角和横摆角等动态参数,并进行存储.测试结果表明,该车身动态姿态检测系统工作稳定可靠,满足使用要求.     

基于改进粒子群算法的网络安全姿态自动预测方法

常规网络安全姿态自动预测方法多采用时空维度分析法，无法很好地处理各安全要素间的相互关系对姿态值的影响，导致预测出的网络安全姿态值与真实值之间存在较大偏差。因此，本文提出基于改进粒子群算法的网络安全姿态自动预测方法。根据网络系统的报警等级信息，对网络安全姿态评估进行量化处理，采用熵关联度算法计算安全要素的关联矩阵，分析要素间的相关性，以此为依据，利用支持向量机算法构建预测模型，采用改进粒子群算法优化预测模型中的参数，通过对网络安全姿态量化样本值进行点积运算，实现网络安全姿态自动预测。经过对比实验证明，所提方法的预测值与真实值相符，预测性能较优。     

可随机存取预测的人体姿态数据无损压缩方法

当前的人体运动无损压缩方法多是将人体姿态放入一个前后连续的预测空间,使得当需要某一姿态时必须将其前预测空间的姿态全部处理完成,增加了解压时间和内存占用.针对这一问题,提出一种预测器级可随机存取预测的人体姿态数据无损压缩方法.该方法将组织良好的人体姿态集作为处理对象,首先采用两步的聚类方法分层对人体动作及姿态进行归类整理,整理后将相似的人体姿态聚集到一个数据预测空间;然后提出一个带参的均值预测器对聚集姿态集中的当前姿态进行预测;最后采用熵编码算法对预测值和真实值之间差值进行压缩编码,得到压缩后的精简数据.实验结果表明,文中方法在解压缩时间及压缩比方面优于传统的方法;在人体动画,虚拟现实等需要实时获取精确运动数据的应用中具有广泛应用前景.     

基于Informer算法的网联车辆运动轨迹预测模型

自动驾驶汽车可以根据轨迹预测算法计算周边车辆的运动轨迹,并作出反应以降低行车风险,而传统的轨迹预测模型在长时间序列预测的情况下会产生较大的误差。为解决这一问题,提出了一种以Informer算法为基础的轨迹预测模型,并根据公开数据集NGSIM进行实验分析。首先通过对称指数移动平均法(sEMA)对原始数据进行滤波处理,并在原有的Informer编码器中加入了联合归一化层对不同车辆进行特征提取处理,减少了不同车辆之间的运动误差,通过考虑车辆的本身速度信息与周围环境的车辆运动信息,提高了预测精度,最后经过解码器得到未来时刻的车辆轨迹分布。结果表明,模型对车辆的轨迹预测误差在0.5 m以内;通过对轨迹预测的MAE与MSE结果分析可知,预测时间超过0.3 s以后,Informer模型的轨迹预测效果明显优于其他算法,验证了模型和算法的有效性。     

汽车纵向主动避撞系统的研究现状与展望

针对现代交通安全问题,提出了一种辅助驾驶员行车安全的方法,即纵向主动避撞,主要围绕汽车纵向主动避撞系统中的行车信息感知与处理、安全距离模型、车辆动力学系统建模、车辆动力学控制四个关键技术进行叙述.各种先进的控制技术为研究汽车纵向主动避撞系统提供了新的机遇,它所衍生出的新功能新系统对汽车的安全性、舒适性及经济性等方面都有很大的提升.对汽车纵向主动避撞技术进行了综述,探讨了在研究汽车纵向主动避撞系统时所面临的问题,最后梳理出汽车主动避撞技术的发展趋势.     

多视角主动形状模型及应用

本文拟解决多姿态人脸监测中的姿态预测问题,在原有主动形状模型的基础上加入了多姿态,应用了数学模型,并用大量的样本进行训练,得到模型参数,最后应用于多姿态人脸的姿态预测,取得了不错的效果。     

隐马尔可夫模型的道路拥堵时间预测

道路车辆拥堵问题导致交通事故增加,降低了居民的出行效率,长时间的道路拥堵更是加重了环境污染,造成国家经济损失等诸多问题。为缓解城市道路交通的拥堵问题,提高出行效率,基于隐马尔可夫模型,针对已有道路拥堵时间数据进行采集与建模,并对该隐马尔可夫模型进行训练,通过算法计算与分析,预测未来一段时间的道路拥堵情况,为人们的出行提供拥堵时间预测,而后提出不同时段通过道路用时最短的最优路径。对韦尔奇算法进行改进,在原算法基础上增加考虑前[n]时刻状态。利用改进型韦尔奇算法,使得训练集参数更精确,达到预测精度更高的目的。实验结果表明,预测数据结果与真实数据相比,误差不超过3%,该模型预测结果具有较高准确性。     

视觉感知的端到端自动驾驶运动规划综述

视觉感知模块能够利用摄像机等视觉传感器获取丰富的图像和视频信息,进而检测自动驾驶汽车视野中的车辆、行人与交通标识等信息,是自动驾驶最有效、成本最低的感知方式之一。运动规划为自主车辆提供从车辆初始状态到目标状态的一系列运动参数和驾驶动作,而端到端的模型能够直接从感知的数据获取车辆的运动参数,因而受到广泛的关注。为了全面反映视觉感知的端到端自动驾驶运动规划方法的研究进展,本文对国内外公开发表的具有代表性和前沿的论文进行了概述。首先分析端到端方法的应用,以及视觉感知和运动规划在端到端自动驾驶中的作用,然后以自主车辆的学习方式作为分类依据,将视觉感知的端到端自动驾驶运动规划的实现方法分为模仿学习和强化学习两大类,并对各类方法的不同算法进行了归纳和分析;考虑到现阶段端到端模型的研究面临着虚拟到现实的任务,故对基于迁移学习的方法进行了梳理。最后列举与自动驾驶相关的数据集和仿真平台,总结存在的问题和挑战,对未来的发展趋势进行思考和展望。视觉感知的端到端自动驾驶运动规划模型的普适性强且结构简单,这类方法具有广阔的应用前景和研究价值,但是存在不可解释和难以保证绝对安全的问题,未来需要更多的研究改善端到端模型存在的局限性。     

广义预测与递推最小二乘法相结合的预测控制

针对网络控制系统的时延具有随机、时变等特性,提出一种广义预测与递推最小二乘法相结合的预测控制策略。首先针对网络随机时延性,采用广义预测控制算法对随机时延进行估计,并采用网络延迟补偿器根据当前时刻的最新控制信号对网络系统实现有效控制,然后采用递推最小二乘法对被控对象模型参数进行在线辨识,并采用仿真实验测试其与其他控制策略的优劣。仿真结果表明,该控制策略较好地解决了网络控制系统的随机时延难题,改善了网络控制系统在参数突变情况的性能。     

车载摄像机外参数的自动标定

摄像机外参数自动标定的目的是通过自动的方法获得车载摄像机部分外参数.研究基于自主驾驶汽车的运动学模型、高速公路的道路模型以及车载摄像机的成像模型,进行了车载摄像机外参数的在线自动标定方法研究,并利用车体运动学模型作为扩展Kalman滤波(EKF)的状态模型,并将图像坐标系下与车体坐标系下道路参数间的非线性关系,作为EKF的观测模型进行扩展Kalman滤波.仿真与实车试验证明,方法实时检测了滤波结果的正确性,自动标定了最新的摄像机外参数,使得视觉导航系统能够自动适应摄像机姿态变化带来的影响.     

一种XMPP即时消息系统的动态模型的实现

针对用户在利用现有即时消息系统的在线感知模块所提供的感知信息寻找正确交互对象时碰到的问题,通过分析现有的基于XMPP即时消息系统结构和在线感知实现的基本方法,结合在现有XMPP客户端中加入收集用户事件信息组件进行数据的收集,并利用决策树的分类算法对收集数据进行处理,从而实现一种可以预测的用户回应可能性的动态在线感知模型,最后利用仿真实验的方式,对模型进行了仿真分析和验证,从而得出在XMPP协议的即时消息系统中实现这种可预测用户回应的动态的在线感知模型的是可行的(其准确率约为90%),与现有其他在线感知功能模块相比,运用该方法实现的模型由于引入了预测用户行为的动态感知,因此用户在利用该模型寻找正确交互对象时的效率更高,并被用于国家网络科技环境建设的多个项目中,收到了良好效果.     

改进扩展卡尔曼滤波的四旋翼姿态估计算法

为了提高标准扩展卡尔曼姿态估计算法的精确度和快速性,将运动加速度抑制的动态步长梯度下降算法融入扩展卡尔曼中,提出一种改进扩展卡尔曼的四旋翼姿态估计算法。该算法在卡尔曼测量更新中采用梯度下降法进行非线性观测,消除标准扩展卡尔曼算法在线性化时带来的线性化误差,提高算法的准确性和快速性;对梯度下降法的梯度步长进行动态处理,使算法步长与四旋翼飞行器的运动合角速度成正比,增强微型四旋翼飞行器姿态解算的动态性能;对强机动运动过程中机体产生的运动加速度进行抑制处理,消除运动加速度对姿态解算的不利影响,提高了微型四旋翼飞行器姿态解算的跟踪精度。为了验证所设计算法的可行性和有效性,基于STM32单片机搭建四旋翼实验平台系统进行实时在线性能验证。结果表明,所设计算法能提高四旋翼飞行器在强机动、高速运动情况下的姿态跟踪精度、动态性能,增强姿态融合算法的抗干扰性,保证微型四旋翼飞行器的稳定飞行。