电磁导航式智能车传感器模块的设计与实现

以地面引导线中的交变磁场信号(导航信号)为研究对象,选择电感作为主要部件,结合滤波放大电路构成导航信号的基本检测单元。为检测车体与引导线的距离偏差,布置两个基本检测单元以车体中线为对称轴,呈一字型分布于智能车前端左右两侧,将车体与引导线的距离偏差转化为左右检测单元之间的电压偏差,为智能车跟踪控制奠定基础。实践证明,该传感器模块为智能车准确跟踪引导线提供了有力保障。     

电磁直立寻迹智能车的系统设计与软件开发

自动循迹的两轮自平衡电磁智能车是一个非线性、强耦合、欠驱动的自不稳定一级倒立摆系统。针对该智能车特点,采用两轮自平衡智能车机械架构、主控板、驱动板等模块相结合设计了系统硬件;并利用互补滤波和卡尔曼滤波方式对姿态检测传感器检测到的信号进行处理、以控制智能车直立平衡;最后通过归一化处理将路径检测传感器获得的路径信息与直立平衡控制信号进行融合,在直立平衡基础上实现智能车方向的控制。实验表明,该智能车运行平稳、转向灵活、速度较快。     

基于光电传感器智能车系统的设计

阐述了光电传感器智能车系统传感器的选择、布局和路径信号的获取、处理方法.智能车的速度控制采用积分分离数字PID算法.实际测试表明,本智能车具有稳定性好,响应速度快等特点.     

基于MC9S128的摄像头导航智能车的设计与实现

介绍了一种基于摄像头导航的智能车系统设计方法.该系统根据全国大学生飞思卡尔杯智能汽车大赛的设计要求,使用飞思卡尔16位单片机MC9S 128为核心控制单元,设计了传感器、电源、电机驱动、车速检测等硬件电路;利用PID和模糊控制相结合的方式,使智能车能够自动采集、分析引导线信息,控制舵机转向,实现智能车的自动寻迹.     

基于MC9S12XS128单片机的路径图像识别智能小车

本智能车的设计是以Freescale公司的MC9S12XS128单片机作为系统的控制核心,使用OV7620数字摄像头采集道路信息,单片机分析图像信息后确定行驶路径,再通过舵机来掌控小车的行驶方向。软件控制方面,使用PD算法控制舵机,位置式PID算法控制电机,实现对智能车运动方向和运动速度的闭环控制。整个系统涉及车模机械结构调整、传感器电路设计及信号处理、控制算法和策略优化等多个方面。实验结果表明,设计方案确实可行。     

基于激光传感器的智能车设计

本文设计了以飞思卡尔单片机MC9S12X128为核心的智能车系统,包括传感器信息采集与处理、电机驱动、控制算法及控制策略等方面。采用激光传感器采集道路信息并反馈给单片机控制系统,通过软件进行相关分析处理,通过速度反馈和PID算法控制舵机转向和智能车速度。通过实际运行验证,本方法使智能车运行稳定、可靠,其平均速度达到2.6m/s,得到比较理想的效果。     

基于视觉技术智能车系统的设计

介绍了一种以OV6620数字摄像头为视觉传感器的自循迹智能车系统,详细阐述了视觉传感器有效信号的小范围黑线提取法,采用增量式数字PID控制算法,实现智能车调速。实验测试表明,本智能车系统具有良好的稳定性、快速性和前瞻性。．     

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。     

基于新传感器排布的电磁导航式智能车循迹算法研究

研究了电磁导航式智能车的循迹算法.提出了一种新的传感器排布方案—"倒T型",其优点在于能够对智能车的远方路况进行预判.基于该方案的控制算法表明:电动势差关于智能车的水平偏移量是单调的,能够有效地反映智能车与中心导线的偏离程度.最后,通过实验验证结果的正确性.     

基于多传感器融合的机器人导航系统设计

随着传感器技术的进步,多传感器信息融合技术在移动机器人中的应用已经成为一个热门的研究领域,为移动机器人探索不确定和未知环境提供了一种技术途径,是机器人实现更高级智能行为的基础。目前,用于移动机器人避障和导航控制的多传感器信息融合方法主要有模糊逻辑和神经网络。在机器人避障和导航控制中,本文采用了基于模糊逻辑的多传感器信息融合算法。通过对多传感器的信息进行融合能较好地实现机器人在未知环境中的自主避障与导航,并对这种控制方法进行了MATLAB仿真。通过对MATLAB仿真结果的比较,证明了在机器人的避障和导航控制中,该信息融合算法是优于传统信息融合算法的。     

基于卫星导航/惯性单元松耦合的低速智能电动汽车航向角估计

低速智能电动汽车近年来发展迅速,组合定位技术是其关键技术,航向角估计是组合定位技术中重要组成部分。基于低速智能电动汽车,提出了GNSS(global navigation satellite system)/IMU(inertial measurement unit)组合的航向角估计方法。介绍了GNSS/IMU松耦合条件下的航向角估计方法,提出基于IMU的航向角积分方法,推导了松耦合条件下误差动态与测量模型。针对GNSS信号质量时变问题,使用残差自适应卡尔曼滤波算法对航向角误差进行估计。针对GNSS信号质量设计了航向角误差反馈修正策略。通过在不同GNSS信号条件下进行的多组实车试验,验证了所提出的航向角估计算法的有效性。     

基于HCS12X单片机的多传感器智能车控制系统设计

本文基于飞思卡尔HCS12X控制单元，利用多传感器的信息融合技术设计了一款可以自主循迹行驶的智能车。系统主要融合了GPS．视觉传感器，激光雷达传感器对智能车进行定位及轨迹控制。该控制系统在安全性，可靠性．易操作性等方面都进行了综合的优化。实验表明．该智能车可以按照设计路径自主行驶。     

基于路标的智能车辆定位

为解决智能车辆在城市环境中的定位问题,使用激光雷达检测和提取圆柱形路标的中心位置,并与已知地图进行数据关联;以CyberC3智能车辆为移动平台,建立了车辆运动模型和传感器测量模型,使用扩展卡尔曼滤波算法对激光雷达和编码器数据进行融合,计算车辆的全局位姿.实验结果证明该方法可以获得较高的定位精度,解决了车辆自主导航的关键问题,并可推广应用到基于自然特征的全局定位.     

智能车辆导航系统的模糊控制方法

针对背景噪声及转弯曲率变化对智能车辆导航系统的横摆角速度控制精度影响较大的问题,提出一种智能车辆导航系统的模糊控制方法.首先,进行不同坐标系的坐标变换,将目标车辆实际的物理坐标信息变换到易于建模处理的车辆局部坐标系统;接着,通过计算预瞄路径的非线性函数实时构建了目标虚拟路径,并给出了车辆目标路径的横摆角速度变化率;最后,以期望横摆角速度和整车质心侧偏角作为模糊控制器的输入,以车辆行驶两轮差速值作为模糊控制器的输出,设计导航模糊控制系统.计算机仿真和实测结果表明:文中方法具有较高的控制精度.     

基于ROS的智能轮椅室内导航

针对传统的智能轮椅都是依靠开发者单独设计的控制系统及软件框架,在功能模块上不同产品之间的通用性极其不好的问题,提出一种基于机器人操作系统(robot operating system,ROS)的智能轮椅导航方法.由于激光传感器在测距上准确率较高,该方案采用激光测距仪作为主要传感器,并运用基于扩展卡尔曼滤波器同时定位与地图创建方法进行建图.设计了基于ROS的导航软件系统,将其分为底层运动控制和上层导航功能模块两部分,通过Ad-hoc网络连接,以server/client的方式完成控制.配置了基于ROS的语音功能包,可完成语音自主导航等功能.通过多次实验证明,该方案能构建与实际环境一致的地图,并能成功地完成智能轮椅的语音导航任务.     

基于非线性自适应回归神经网络的GPS/IMU组合导航方法

车道级高精度定位导航是智能网联汽车的基本配置,全球定位系统(globlal positioning system,GPS)/惯性测量单元(inertial meansurement unit,IMU)组合导航是高精度定位的关键技术之一。根据汽车行驶过程中高精度定位要求,提出了应用于智能网联汽车的基于非线性自适应回归(nonlinear autoregressive exogenous,NARX)神经网络的GPS/IMU组合导航方法。首先,根据IMU传感器数据特性,建立了基于扩展卡尔曼滤波的惯性导航系统(inertial navigation system,INS)模型,其次,基于NARX神经网络,建立了GPS/INS组合定位训练和预测模型,然后,基于全球导航卫星系统(global navigation satellite system,GNSS)、实时动态差分技术(real-time kinematic,RTK)、INS等技术,设计了智能网联汽车RTK高精度定位数据采集实验系统,并收集了实验数据。最后,对NARX网络训练误差和GNSS信号长时间失效情况下定位预测误差进行了讨论与分析。实验结果表明,该方法在GNSS信号失效5 min情况下,定位预测误差在2. 5 m以内,满足一般情况下,短、中、长隧道中智能网联汽车定位应用要求。     

电磁导航智能寻迹小车方向控制算法的分析与应用

针对电磁式智能小车系统路径信息处理复杂的问题,提出了一种基于延伸有效增减区间的优化PID算法。首先,对磁场信号检测原理作了介绍,提出了一种新的传感器布置方案;其次,提出使用归一化处理来解决数据不对称的问题,通过MATLAB仿真的方法分析了前瞻高度与位置解算函数线性度的关系,并提供了扩展单调区间宽度的方法;最后,对传统PID算法的各个环节分别进行了改进,提出舍弃积分控制环节来克服转向的时滞性,使用位置偏差的二次幂作为比例系数来保证转向角度与弯道的吻合度,在微分控制环节当中引入非线性环节来达到优化路径的目的。在保证小车寻迹精度的前提下,改进后的算法相对于传统PID算法使小车的车速提高了约20%。实验表明,该算法能够实现小车识别复杂路径、自主寻迹的功能。     

基于姿态传感器进行感兴趣区域压缩的园区无人车图传

园区无人车需要同时用于视觉导航、监控及控制信号传输的带宽.在实时提供图像信号的同时,不过多占用带宽,成为园区无人车图传的关键.而用于导航监控的图像要求水平范围视场具有较高的图像质量,但车辆行驶过程中路面不平整,使得水平视场的获取呈现一定难度.过多的带宽占用会影响无人车视觉导航、监控及控制信号的传输,因此,在低带宽条件下实现图像数据传输的实时性是无人车图传研究的重点.为了平衡图像质量与带宽占用,本文提出基于H.264/AVC算法,利用姿态传感器实现以水平视场为感兴趣区域的图像压缩算法,对视频帧分为感兴趣区域和非感兴趣区域采用不同的压缩比压缩.相比H.264/AVC算法,此方法在保证图像质量的情况下,能够实现更高的压缩率,对网络带宽更友好.     

基于Bluetooth和半GPS定位算法的车域网智能车辆管理系统

提出一种车域网中的半GPS定位算法,在此基础上设计并实现了一种基于蓝牙(B lue-tooth)和半GPS定位算法的无线智能车辆管理系统.在深入研究蓝牙协议栈B luestack的基础上,综合应用蓝牙短距离通信、传感测量、半GPS定位、天线设计以及数据库等多种关键技术,有效地解决了传统车辆管控系统测量精度低、安全性可靠性不高、待机功耗大等难题,同时降低了天线设计难度,提高了整个系统的性能.智能车载卡通过各种传感器和GPS模块能够记录车辆行驶过程中的各种参数,回车场时能把这些数据通过蓝牙模块以无线方式传送到管理中心服务器,从而使管理中心利用这些数据分析车辆的行驶行为,结合电子地图可以回放车辆行驶路线.