SYMEO雷达距离传感器在智能行车上的应用

行车定位作为智能行车的一个重要组成部分，一般用雷达、激光、格雷母线、编码尺等仪表检测大小车的位置，位置数据越准确，智能行车运行效率越高。SYMEO公司生产的雷达距离传感器通过使用最新的超宽带技术，加上高鲁棒性以及免维护和磨损的LPR?雷达技术，可以实现毫米范围内的测量精度，同时适应高粉尘、污垢、振动、阳光直射、雾或下雨的使用环境，使该雷达距离传感器成为恶劣工业环境中行车智能化升级改造的理想选择。     

基于改进颜色传递策略与NSCT的红外与可见光图像伪彩色融合

提出一种基于改进颜色传递策略与非下采样Contourlet变换(NSCT)的红外与可见光图像伪彩色融合算法。首先,利用NSCT与基于清晰区域的Canny边缘检测算法获得灰度融合图。其次,将融合灰度图像插入Y通道,源图像与融合灰度图像之间的残差图像分别插入Cb、Cr通道以生成YCbCr源彩色图像。最后,利用本文设计的颜色传递模型对源彩色图像和目标图像进行色彩颜色统计匹配,同时,通过自适应颜色传递参数模型调整颜色传递参数。实验结果表明,本文提出的融合算法使得伪彩色融合图像不仅对比度高、传递色彩自然、可以较好地抑制色彩渗入图像目标,而且对目标图像质量要求不严格。     

一种优化PD雷达速度模糊和距离模糊的方案

作为一种先进的全相参体制雷达,脉冲多普勒雷达的发展已经极为成熟,不过PD体制中不可避免的距离模糊和速度模糊对检测结果带来的影响却必须引起重视,基于此,本文就传统的解距离模糊和速度模糊方法进行了简单分析,并基于目标径向速度不随雷达工作频率变化而变化的特性提出了一种新的解模糊方法,希望由此能够为相关业内人士带来一定启发。     

障碍空间中基于网格的不确定数据聚类算法

为了解决已有研究成果无法有效解决动态障碍空间中的不确定数据聚类问题,根据障碍集合是否发生变化,分别解决静态障碍和动态障碍空间下的聚类问题。提出了静态障碍空间中的不确定数据聚类算法(DBSCAN clustering algorithm for static obstacles in grid space,STA_GOBSCAN)、障碍物动态增加情况下的不确定数据聚类算法(DBSCAN clustering algorithm for dynamic increase of obstacles in grid space,DYN_GOCBSCAN)、障碍物动态减少情况下的不确定数据聚类算法(DBSCAN clustering algorithm for dynamicreduction of obstacles in grid space,DYN_GORBSCAN)和障碍物动态移动情况下的不确定数据聚类算法(DBSCAN clustering algorithm for dynamic movement of obstacles in grid space,DYN_GOMBSCAN),采用KL距离对不确定数据进行相似性度量,并利用网格对数据空间进行划分。理论研究和实验结果表明所提出的算法具有较高的效率和准确率。