基于视觉的智能车图像畸变校正算法研究

赛道检测的准确性及可靠性对智能车的控制至关重要,针对智能车系统路径识别以及方向控制、速度控制需求,需要为导航路径参数提取提供准确的视觉图像信息。为此对智能车视觉图像畸变原理进行了分析,建立了图像的畸变的数学模型,分别分析了垂直和水平方向的畸变模型,针对垂直方向畸变采用了近疏远密的校正算法,针对垂直方向畸变给出了梯形水平校正算法。实验表明,以上方法可以很好地校正视觉图像在垂直和水平方向的畸变。     

基于图像传感器的黑线提取及抗干扰算法研究

针对智能车系统中视觉导航的设计要求,通过对二值化分割算法、边缘检测算法、动态阈值算法的特点及优缺点的分析,采用混合扫描方式及防黑线提取错误滤波算法,提高了图像的质量。     

基于S12微控制器的智能车软件设计

以"飞思卡尔"杯全国大学生智能汽车比赛为背景,制作一个在专门设计的跑道上能自主识别道路行驶的智能车,能在尽可能短时间内跑完全程,不脱离跑道并遵守大赛的一系列规则.以9S12XS128为控制核心主要完成工作如下:①摄像头获得的图像信息的数据采集,并完成图像的滤波去噪,提高采集的图像数据准确性.②采用PID算法对智能车的舵机进行控制,提高了舵机的相应速度,减少了对舵机控制的静态误差.③采用了模糊控制法,对智能车的电机部分进行控制,通过不断调试完成模糊规则库的建立.④编写了无线传输模块的软件程序,可以对智能车行驶过程中的状态进行采集并传输至上位机,方便了智能车的调试.通过实验验证,并参加实际大赛,本设计中的所采用的方法效果较好.     

基于摄像头的直立自平衡智能车设计

设计直立行走式循迹智能车的机械及控制系统;系统选用微控制器MK60为控制核心,利用陀螺仪和加速度传感器,采用互补滤波的方法计算车体的角度和角速度,通过比例微分算法控制智能车车轮的加速度来抵消车模运动倾向,实现智能车直立;单片机通过模拟摄像头进行赛道图像捕捉,采用边沿检测算法识别赛道中心线,计算与设定值的偏差,进而控制左右两个电机产生速度差,完成智能车的转向;经测试,智能车能够在保持直立同时,完成赛道识别,且运行平稳快速。     

嵌入式技术的智能车系统设计与实现研究

基于MC9S12XS128的智能车,通过对道路图像进行采集和处理,再利用算法控制策略、PID控制原理和PWM控制技术对智能车转向和速度进行控制,使小车能够自主行驶,通过使用CodeWarrior软件编程和BDM调试实现小车行驶控制。本文基于PID算法提出了改进的算法,经实物验证,所设计的智能车系统能有效循迹,保持在道路中间快速行驶,可以实现提前转弯,且系统具有较好的抗干扰能力。     

智能车路径识别中图像信息的矫正

针对智能车采用摄像头识别路径过程中,提取图像信息的畸变问题进行矫正研究。分别对垂直方向、水平方向图像的畸变进行算法处理,给出实现过程。矫正后图像与实际赛道更契合,保证了智能车识别路径的正确性、有效性。     

双舵机模糊控制在智能车控制中的应用

在智能车系统的设计中,转向控制直接影响着智能车的性能,若采用普通的PID控制算法,前车轮在不断的偏转过程中连续性并不是很理想。提出了模糊控制算法,并且在硬件上采用双舵机分别实时地控制每一个前轮的转角,有效地解决了系统的快速性与稳态误差之间的矛盾。大量的实验结果表明,该方法可以明显地提高智能车系统的性能。     

智能车交通标志的改进YOLOv5识别算法

在硬件平台受限条件下，为提高智能车的性能，权衡实时识别交通标志的精度和速度，在YOLOv5的基础上，提出了针对嵌入式边缘设备的智能车交通标志识别的YOLOv5s_ghost_bi_sa算法。使用GhostConv替代部分普通卷积，在减少卷积结构参数的同时提高网络的拟合能力；添加置换注意力机制(Shuffle Attention, SE)，在空间注意力与通道注意力的基础上加入了特征分组与通道置换，提高对小目标的关注度；采用加权双向特征金字塔网络结构，加强特征融合。由华为ModelArts平台协同Hilens_kit设备收集制作数据集，实验结果表明:针对数据集大图像中的小目标采用双向跨尺度连接，将表层特征与深层特征融合配合注意力机制增加重要特征的权重，从而提高算法对于小目标检测的精度，YOLOv5s_ghost_bi_sa算法的mAP0.5达到98.8%，召回率达到0.979%，模型大小仅为11.6MB，Hilens_kit平台上预测速度为62帧/秒。在相同的测试环境下与原YOLOv5s算法相比，精度高出0.8%，浮点运算量下降58%，模型体积压缩4.6倍，预测速度提升2.7倍。YOLOv5s_ghost_bi_sa算法可以有效地实现智能车交通标志的实时识别。     

视觉导引智能车的自适应路径识别及控制研究

为了提高智能循迹小车路径识别的精度与行驶速度,提出了一种基于自适应闽值二值化的路径识别算法.首先采用OTSU算法计算出图像分割的最佳阈值,利用此闽值二值化灰度图像;然后提取二值化图像中赛道中心线,得到智能车在赛道中所处位置信息.其次利用线性回归方程对丢失赛道边缘图像拟合直线,根据图像特征完成路径识别.最后采用分段式PID算法实现方向控制,使用增量式PID进行速度调节.测试结果表明,此方法有效提高了不同路径的识别率以及对外界灯光环境的适应性.     

小车远程控制及自主寻路系统的设计与实现

智能机器人可通过传感器获取周围的地形、温度等信息,并加以分析处理而采取对应策略。然而,机器人可能由于本身不具备定位功能而只能进行简单控制,也可能因为障碍物信息采样不足而导致避障算法失败。面对这一类问题,设计并实现了一套能对智能车进行远程控制并令其自主寻路的系统。该系统通过高效的图像处理与识别对智能车自动定位;对现有避障算法进行了改进,并建立了避让策略来保证智能车总能找到一条抵达目标的安全路径。实验结果表明,该系统定位精度较高,控制与寻路功能具有一定的可靠性与实用性。     

Assessing Ideational and Evaluative Skills and Creative Styles and Attitudes

This article describes the rationale for the multiphase creative problem solving process, and reports the findings from an empirical investigation conducted to facilitate the problem solving of managers. The ideational skills of the managers were assessed before and after training in a complete process of creative problem solving, along with their ideational attitudes, creative problem solving style (i.e., generator, conceptualizer, optimizer, or implementor), and evaluative skill (i.e., ability to recognize original ideas). The most important findings indicated that the training had a significant impact on the evaluative accuracy of the managers. They were significantly more accurate in their judgments about original ideas after training, both in their identification of original ideas and their recognition of unoriginal ideas. After training, the managers also gave more solutions and more original solutions to problems. Finally, several variables (e.g., the “preference for active divergence” attitude, and the conceptualizer process style) seemed to moderate the impact of training. Training was therefore effective, with specific effects that can be predicted from pre-training individual differences in attitudes and process style.     

高等院校行政分析与决策系统的设计与实现

为提高高等院校的管理水平和决策水平,充分利用校园网资 源,开发了高等院校行政财政分析与决策系统。解决了诸如数据的动态查询、自动生成报表 、网络环境下数据共享等技术问题,具有网上数据共享、图形界面友好和安全的保密措施等 特点。     

Rank and select revisited and extended

The deep connection between the Burrows–Wheeler transform (BWT) and the so-called rank and select data structures for symbol sequences is the basis of most successful approaches to compressed text indexing. Rank of a symbol at a given position equals the number of times the symbol appears in the corresponding prefix of the sequence. Select is the inverse, retrieving the positions of the symbol occurrences. It has been shown that improvements to rank/select algorithms, in combination with the BWT, turn into improved compressed text indexes.     

Stochastic balancing and approximation-stability and minimality

A new method of stochastic model reduction has recently been introduced by Desai et al. [1], [2]. The stability of the reduced order model has not previously, been considered. In this paper, we show that the stability of the reduced order model follows directly from the results of Pernebo and Silverman [3]. It is also shown that the reduced order model is minimal, in the controllability/observability sense. The relevance of this notion of minimality to stochastic minimality is made clear.