一种用于智能车环境探测的立体视觉传感器

设计了应用于户外智能车环境感知的立体视觉系统,并提出了两种立体匹配算法,分别实现不同的功能.基于多特征提取的稀疏匹配算法首先通过图像局部增强处理减弱光照和场景变化的影响,然后在对极线引导和连续性约束下提取立体图像的角点特征和边缘特征进行匹配,能够实时探测环境的三维概貌,并突出环境中的障碍物信息,实现辅助车辆自主导航的功能;基于特征引导的稠密匹配算法采用了最小割/最大流算法,并利用多特征匹配的结果来剔除稠密匹配中的成块误匹配,能够重建出未知环境详细的三维信息,实现三维可视化功能.最后通过试验验证了两种算法的有效性.     

基于反演法的智能车辆弯路换道轨迹跟踪控制

基于车辆的运动学模型,研究了具有非完整约束特性的智能车辆弯路换道的轨迹跟踪控制问题。结合弯曲车道的曲率半径,针对换道过程中车辆横向运动和纵向运动对换道轨迹的耦合作用,提出了一种适用于弯道的换道轨迹规划方法。根据换道轨迹,利用积分反演法,引入中间虚拟控制量,设计了轨迹跟踪控制算法,并用Lyapunov稳定性理论证明了控制系统的稳定性。仿真结果表明:该控制器可以保证车辆在弯路换道的轨迹跟踪误差一致有界收敛,且具有快速、准确跟踪和全局稳定的特性。     

基于边界提取和跟踪的石块检测方法研究

为了能部分解决基于视觉的石块识别问题，首先利用SUSAN算子对图像进行分割后利用边界跟踪算法进行滤波，确定出原始图像中可能存在石块的区域，对原始图像中该区域利用矩不变法进行分割以缩小可能的石块区域，然后利用Sobel算子对原图像中该区域进行处理，得到该区域梯度图像并对此进行分割和边界跟踪滤波，最后利用投影法确定出原始图像中的石块位置。试验结果表明该方法具有一定的环境适应性和较好的实时性。     

独立驱动电动汽车转向稳定性控制方法研究

以提高轮毂电机驱动电动汽车转向稳定性为目的 ,针对传统PID算法扰动抑制能力不足,利用神经网络提高基于PID的横摆力矩和滑移率控制系统的稳定性,并针对神经网络收敛速度慢、易陷入局部最优解的问题,提出利用粒子群算法对控制器参数进行优化并对权值进行改进的神经网络PID方法.以四轮轮毂电机独立驱动电动汽车为研究对象,以跟踪期望的横摆角速度为控制目标,基于Carsim/Simuink联合仿真平台,对建立的四轮独立驱动电动汽车横向运动学模型及提出的控制策略进行不同工况下的对比验证,结果表明提出的控制方法优化了传统PID控制算法,振动频率幅值小、能更好地逼近理想值,可改善车辆转向性能、提高稳定性以避免事故的发生.     

曲柄压床床身的强度计算

B.几种闭式床身结构方案的比较 现有的压床中,闭式床身的结构采用最多的有三种:用拉紧螺钉的组合式、不用拉紧螺钉的整体式和用拉紧螺钉的整体式。 组合式的床身中必须保持一定的条件,即压床工作时在立架和上横梁之间没有间隙。这样床身工作条件的方案便受到限制。 整体式床身可以有几种方案。 整体式床身的压床有不同的方案,现在按重量进行比较: (a)不用拉紧螺钉的; (6)用拉紧螺钉,而:Z>Ⅰ(如Z=2); (B)用拉紧螺钉,而Z=1; (P)用拉紧螺钉,而Z<1(如Z=0.5)。 假定在所有情况下,工作台和上横梁的尺寸都是一样的,这样就可按立架和螺钉的重量…     

复杂工况下二阶碰撞时间自动紧急制动模型

自动紧急制动是汽车安全行驶的重要保障，也是汽车智能化关键技术研究的重点和难点。针对传统防撞时间（Time To Collision,TTC）模型在复杂工况下，本车与目标车车辆速度接近时易出现无限大的问题导致预警过早或过晚的问题，以四轮独立驱动电动汽车为研究对象，提出一种基于二阶TTC的自动紧急制动模型。将目标车按照场景分为静止、ACC和Cut-in等三种类型，通过二阶TTC计算到可能碰撞时间，并与预设的时间阈值进行对比，力矩分配控制器根据当前输入信息计算得到制动力矩并传给车辆执行机构，车辆根据当前信息进行减速或紧急等辅助措施。利用联合仿真对该紧急制动模型进行了验证，结果表明当目标车存在加速度的情况下，该自动紧急制动模型相较与传统一阶TTC紧急制动模型能够很好地进行制动，防止车辆碰撞，并能有效适应复杂工况。     

高速智能车辆变结构转向控制器切换超平面选取方法

建立车辆转向动力学模型,运用滑模变结构控制理论设计了变结构控制器,由于滑模超平面的选取对控制器的品质起关键作用,介绍了切换超平面的选取方法,通过仿真和试验证明了此种方法使车辆变结构转向控制器具有良好的跟踪性能和鲁棒性。     

车道标识线识别和跟踪方法研究

为了得到比较理想的道路图像中车道标识的边缘,文中采用了基于二维直方图熵最大化的车道标识边缘提取方法。对此边缘图像采用定向边界跟踪方法提取出车道标识特征点,对这些特征点采用线性回归技术就可以得到车道标识线参数,从而完成对道路图像中的车道标识线的识别,并且文中还采用了建立梯形的感兴趣区域的办法实现了对车道标识线的实时跟踪。     

基于遗传优化的无人车横向模糊控制

以视觉导航式无人车DLUIV-1为控制对象,对其进行横向运动控制研究。建立视觉导航式无人车横向运动控制系统模型,对无人车的横向运动行为进行描述。在此基础上,分析预瞄距离对横向控制系统动态性能的影响,并建立考虑速度因素的预瞄距离计算公式。针对无人车具有非完整运动约束、高度非线性动态特性以及参数的不确定性等特点,提出基于遗传算法的无人车横向模糊控制策略,通过遗传算法对横向模糊控制器的隶属度函数参数和控制规则的自动优化,从而有效地确定出横向模糊控制器的隶属度函数和控制规则。最后通过仿真和实车试验对该横向模糊控制器进行验证和评价,仿真和试验结果表明,该横向控制器可保证无人车稳定准确地跟踪参考路径,且具有较强的鲁棒性。     

基于立体视觉的月球探测器路径规划算法

以实现月球探测器的避障路径规划为目标,采用立体视觉技术感知车前环境,设计一套基于特征匹配的车前障碍物检测算法。构造极坐标直方图描述环境空间,提出一种基于视觉感知的直方图Bug路径规划算法。通过朝目标移动和沿障碍物边界滑动2种行为的切换来保证算法全局收敛。实景重构与仿真实验验证了算法的有效性。