智能车辆（共10篇）
智能车辆 篇1
0 引言
近年来,因汽车的广泛应用而产生的各种交通问题日益增多,为了有效地解决各种交通问题,业界高度重视智能车辆的研究。智能车辆作为目前国内外智能交通领域研究的热点之一,其研究目的是希望通过综合运用各种先进技术构建包含信息感知、智能决策和多层次辅助驾驶等功能的综合系统,从而提升车辆的操纵水平,保障公路交通的安全运行。然而通过在真实场景下构建智能车对所研究的内容进行测试的方法存在成本高昂、安全性能较差、开发周期较长等缺点,因此通过构建智能车仿真平台的方式进行研究成为当前智能车辆技术研究的一种重要手段[1]。
智能车仿真平台是将典型交通场景和车辆按比例缩小,从而可以在近似真实环境中进行大规模、重复性、多场景的实验,具有性价比高、实验重复性强等优点。一种典型的智能车仿真平台系统原理图如图1所示,多辆微缩智能车行驶于仿真平台沙盘道路上,车辆前部安装有摄像机提取车道线、道路障碍物及道路标志图象,通过车辆内部的无线通信模块将采集的数据以及车辆的当前位置数据上传至智能车调度管理中心进行解析、分析、决策,并根据决策结果向各微缩智能车发送命令,控制其正常运行。因此智能车仿真平台的开发主要包括了交通沙盘设计、智能仿真车设计和智能车调度控制系统设计三部分[2]。
基于上述背景及典型智能车仿真平台,本文设计了一种智能仿真车,阐述了其硬件设计和软件设计方案,重点介绍了智能仿真车正常运行所依赖的车道线检测跟踪算法,该算法能够保证智能仿真车在运动过程中不偏离车道线。
1 智能仿真车硬件设计
本文设计的智能仿真车基于飞思卡尔KM系列微控制器实现[3],其硬件主要由图像采集模块、中央处理模块、无线通信模块和运动控制模块组成,具体硬件组成如图2所示。智能仿真车主电源由7.2 V的镍电池供电;使用USB 2.0免驱摄像机作为视频采集模块;采用Robot-Link V4.0AR-B作为无线通信模块,通过MFRC-522射频模块与RFID标签确定当前车辆位置。车载摄像机获得的视频图像数据分别传送至无线模块和微处理器。无线模块将数据发给智能车调度管理中心;微处理单元将接收到的图像数据进行分析、处理,进而使智能仿真车能够实现自主驾驶、避障与跟车的功能。在运动过程中,仿真车上的MFRC-522射频模块与仿真沙盘道路上的RFID标签进行交互,以确定当前车辆的位置信息,并通过无线模块智能车调度管理中心。
2 智能仿真车软件设计
本文设计的智能仿真车软件主要包含运动控制模块、无线传输模块、图像采集模块、图像处理模块。上述模块相互合作,共同控制智能仿真车的正常运行。智能仿真车供电启动后,各软件模块运行具体过程如图3所示。
其中对于无线模块控制程序,首先判断MFRC-522模块检测是否有RFID标签,若有标签,则读取当前标签信息,计算当前所处的位置,设置无线模块的发送标志位置位,发送数据给周围车辆,同时根据定时器0,每隔1 s读取无线模块接收缓冲区是否有数据,若有,则读取缓冲区中其他车辆的信息与车道线曲率,计算周围车辆到自身车辆的距离大小以及自身车辆距弯道的距离,控制智能仿真车加速或减速。
图像处理模块在系统初始化后,将车载摄像机采集到的图像传送至微控制器,从数据流中读取出每帧图像数据,通过图像预处理以及车道线处理等方法,提取出所采集的图像中的车道线,计算车道线的偏差与曲率,并拟合出中线;通过障碍物识别算法从采集的图像中判别前方是否存在障碍物,进而改变舵机、电机的运动状态,使得智能仿真车能够沿仿真沙盘道路中线正常行驶。
3 基于Hough变换的车道线识别方法
为了使智能仿真车在道路沙盘中不偏离车道地正常运行,仿真车微处理单元需要将前置摄像机实时传送的图像数据进行分析、处理,根据图像中车道线的颜色、形状和纹理等特征,将车道线、前方障碍物等目标与背景分离,从而获得车道线的走向、车辆相对于车道线的位置等信息,并控制舵机和电机转动,进而使智能仿真车能够实现自主驾驶的功能[4,5]。
为了实现仿真车的无偏行驶,本文设计了一种车道线检测方法,具体过程如图4所示。首先对车载摄像机采集的车道线图像进行预处理,具体包括灰度处理、逆透视、边缘特征提取、特征算子卷积滤波等,然后通过多示例学习目标跟踪算法[6]以及依据最小二乘法拟合出中线,实现车道线的提取,使其沿着中线实现车道的弯道与直道正确行驶,以实现在不同的环境下具有良好的稳定性、鲁棒性。
3.1 图像预处理
本文采用智能仿真车采集的两幅典型车道线图像作为分析对象对上述过程进行详细说明。如图5所示,两幅图像的分辨率为640×480,其中图5(a)为典型弯道图像,图5(b)为典型直道图像。由这两幅典型车道线图像可知,智能仿真车采集的不同位置的车道线图像在形状方面的表现特征不尽相同。
为了实现智能仿真车的稳定行驶,一般设计车体重心较低,在此情况下为了使得车载摄像机具有良好的视野,本文将摄像机通过车载支架架起。这使得在智能仿真车的运动过程中,常因为车体的震动导致车载摄像机的位置发生一些变化,比如摄像机角度不正等,进而造成所拍摄的道路图像产生畸变。针对上述问题,本文采用逆透视标定的方法对车载摄像机采集的车道线图像进行处理[7,8]。具体过程如下,如图6所示,首先,在智能车所在的水平地面上建立坐标系,以垂直于智能仿真车行驶的方向为x轴,平行于智能仿真车行驶的方向为y轴,在摄像机采集图像的范围内,选取一个矩形,记矩形纵向边长为H且平行于y轴,横向边长为W且平行于x轴,选取矩形的四个点M1,M2,M3,M4进行标记,使四个点全部显示在图像中。
计算该坐标系中所标定矩形的四个顶点的坐标,矩形右下角、左下角、右上角、左上角的坐标分别为M1(a,b),M2((a+W),b),M3(a,(b+H)),M4((a+W),(b+H)),a表示的是x轴偏移的距离,b表示的是y轴偏移的距离。
然后,建立图像坐标系,如图7所示,以图像的左上角为原点,横轴为x轴,纵轴为y轴,计算矩形在图像中的坐标,坐标分别为m1(x1,y1),m2(x2,y2),m3(x3,y3),m4(x4,y4),其分别表示为矩形右下角、左下角、右上角、左上角。
最后通过Open CV中Get Perspective Transform函数,由四对点计算透射变换,得到3×3矩阵,并由该矩阵作为变换矩阵,使用函数Warp Perspective对图像进行逆透视变换处理,变换处理后的结果如图8所示。将逆透视变换后得到的图像,经过形态学滤波、边缘提取等方法,提取出车道线的边缘,依据车道线的宽度,通过特征算子卷积滤波,去掉无关的噪声,使图像中的车道线更明显。通过图像预处理后,得到如图9所示的卷积滤波图像。
3.2 基于Hough变换的车道线处理
通过分析图9所示的卷积滤波图像可知,经预处理后的图像中的车道线并不连续,因此需要对其进行补全。考虑到Hough变换原理是从黑白图像中检测直线圆、椭圆、双曲线、抛物线等[9,10],本文对滤波后的图像作Hough变换,并将变换结果存入Hough变换累加器,设定阈值,并根据阈值大小将Hough变换累加器中累加值小于阈值的点清零,即认为这些点并不对应图像域中的一条直线。然后查找Hough变换累加器中累加值最大的点,记录该点并将其邻域清零;继续查找并记录下一个累加值最大的点,直到累加器中所有的累加值都为零。这些记录的点即对应了检测到的图像中的直线,根据检测到的点在图像域中绘出直线,从而使不连续的车道线连接成一条线。经Hough变换后的车道线图像,如图10所示。
由图10(a)检测得到的车道线图像与图8(a)逆透视图像可以看出,在图像处理过程中,部分车道线丢失,无法拟合中线。所以需要设计一种方法跟踪车道线目标,从而拟合出当前丢失的车道线。
本文采用多示例学习进行车道线跟踪,其原理是由当前Hough变换的图像作为示例,将含车道线的图像集合作为正包,不含车道线的图像集合作为负包,然后利用正、负包进行分类器训练,找到下一帧中车道线最有可能出现的位置,具体步骤如下:
(1)假设当前采集的图像为第t帧,并在第t帧中找到更小的图像集合Xm:
式中:x为包中图像的个数;l(x)为图像块x的坐标;lt为第t帧图像中车道线的坐标(xt,yt);XS表示找到包中任意图像的车道线坐标与当前图像中车道线的坐标距离小于M的图像。
(2)使用分类器,计算Xm中出现目标(车道线)概率最大的图像,并将它对应的坐标作为第t+1帧中车道线的位置lt+1:
(3)在lt+1的邻域内,找到两个图像集合,即正、负包,从而实现更新,如式(3),式(4)所示:
式中:Xγ为正包;Xλ,β为负包;γ,β分别为正、负包选择的半径。
根据上述方法,由第t帧的车道线位置lt预测出第t+1帧中车道线的位置lt+1,通过lt,lt+1两个点确定车道线的方向。
如图11所示,将霍夫变换后的图像经过目标跟踪算法的处理,将弯道没有采集到的车道线用虚线模拟出车道线。将处理后的图像,通过最小二乘法拟合出车道线的中线,并用虚线表示,结果如图12所示,智能车依据中线在弯道与直道正确行驶。
4 结语
无人驾驶技术及智能车辆是目前国内外智能交通领域的重要研究热点之一。在真实场景下进行智能车辆的实验测试存在成本高昂、安全性能较差等缺点,因此目前多通过构建智能车仿真平台的方式进行研究。在上述背景下,本文针对智能车仿真平台的使用需求设计了一种智能仿真车,详细介绍了其软硬件设计方法,重点研究了智能仿真车车道线识别问题,并提出了一种基于Hough变换的车道线识别方法。该智能仿真车在我校陕西省道路交通智能检测与装备工程技术研究中心建设的智能车仿真平台中进行了长时间的应用,并依次开展了多项科学研究,验证了该仿真车设计的有效性和稳定性。
摘要：针对面向智能车辆研究的智能车仿真平台的构建问题,设计了一种智能仿真车,在研究智能车仿真平台基本结构的基础上,详细阐述了智能仿真车的软硬件设计;提出了一种基于霍夫变换的车道线识别方法,首先采用霍夫变换对车道线进行检测,之后使用多示例学习对车道线进行跟踪。实际应用表明,该智能仿真车能够满足相关技术的研究需求,具备良好的有效性和稳定性。
关键词：智能交通,智能车辆,仿真平台,车道线识别,霍夫变换
参考文献
[1]程结园,张涛.基于图像处理的智能车辆系统[J].物联网技术,2014,4(6):45-47.
[2]陆正辰.基于多缩微车的智能交通系统仿真平台研究[D].上海:上海交通大学,2013.
[3]冀勇钢,张彦朋,郑汉明.摄像头识别的智能车硬件系统设计[J].现代电子技术,2013,36(10):136-138.
[4]王健,王润民,惠飞,等.基于分裂合并算法的道路标线分割方法研究[J].计算机应用研究,2014,31(12):3880-3884.
[5]ZHAO K,MEUTER M,NUNN C,et al.A novel multi-lane detection and tracking system[C]//Proceedings of 2012 Intelligent Vehicles Symposium.Alcala de Henres:IEEE,2012:1084-1089.
[6]彭爽,彭晓明.基于高效多示例学习的目标跟踪[J].计算机应用,2015,35(2):466-469.
[7]赖智铭.适用于低分辨率的逆透视映射算法[J].计算机工程与设计,2013(10):3551-3555.
[8]文超.基于视觉的后方车辆检测与跟踪算法研究[D].长春:吉林大学,2014.
[9]潘忆江,黄际彦,吴波,等.PCB中圆形图像的自动光学检测研究[J].现代电子技术,2014,37(8):69-71.
[10]陆路,梁光明,丁建文.基于Hough变换的椭圆检测改进算法[J].现代电子技术,2015,38(16):92-94.
智能车辆 篇2
随着中国经济的蓬勃发展，人们对汽车需求也不断增长，随之而来对于道路的要求也不断提高，目前，中国公路系统正以平均每年3,000公里的速度快速增加，能够服务5千多万辆机动车。同时，交通违章率也日趋上涨。因此，需要采用一款有效的监控系统对交通违章进行管控。这种创新型系统支持交通情况的全景记录，能够记录下鉴定和问责所需的详细信息，包括牌照、速度和其它严重行为。研华的ARK-5260无风扇、嵌入式工控机则是该解决方案的一部分。
需求
坚固耐用，支持宽温工作 (-20 ~ 60° C)
全密封防尘设计
完全可靠，易于安装和维护
紧凑型设计，无风扇、低功耗
2个PCI和1个PCIe x1插槽，支持更多垂直应用
必须支持宽范围DC电源
系统
中国公路系统需要一款高品质、无风扇，带PCI/PCIe插槽的IPC产品，
ARK-5260支持2个PCI插槽和1个PCIe x1，完全符合项目需求。系统中的所有ARK-5260均通过以太网LAN连接至服务器。当车辆进入电子收费车道，PCI-1761会快速拍下汽车牌照。PCIe串行卡通过RS-485连接所有电子收费传感器进行收费。与研华合作能够使中国公路系统实现更加高效、快速和可靠的交通监控。
结论
智能车辆 篇3
关键词：公共交通；遗传算法；智能排班；调度
中图分类号：TP301文献标识码：A文章编号：1009-3044(2007)12-21679-03
Intelligent Dispatch for Public Traffic Vehicles Based on Genetic Algorithm
SHI Jing-liang1,2,TIAN Shi-feng2
(1.Huanghe Seaport navigational fairs engineering Company of Shengli Oil Field, Dongying 257237,China;2.College of Computer and Communication Engineering,University of Petroleum China,Dongying 257061,China)
Abstract:Analyzes the research approaches of vehicle routing problems and characteristics of genetic algorithm, and proposes an improved genetic algorithm for the vehicle routing problem. When dealing with the problem, we constructed the code way to accord with law of driving, genetic operators, and the fitness function. According to this, we realized the code work of the problem, and experiment the problem with the simulative passengers’ information. The experiments show that, the application of genetic algorithm has good effect and it can find the approximate best result in the huge search space.
Key words:Public Traffic;Genetic Algorithm;Intelligent Schedule;Dispatch
1 引言
公交车辆智能排班在国内外都有成型的运作方式，但随着城市的发展使公交车辆智能排班出现高度的复杂性，公交车辆智能排班一直是一個前沿的研究课题[1]。公交车辆智能问题是一类典型的运输排班优化问题[2]。组合优化问题就是在一定的约束条件下，怎样合理、有效地安排其组成部分或操作所占用资源、运行时间及先后顺序，以获得时间或成本的最优化。也就是这样的过程：在满足一定的约束前提下，在有限资源基础上寻求某一排班目标最优。传统的理论方法多采用数学解析法、模拟仿真法、数学规划、概率方法及经验模型等[3]。但是，车辆排班问题被证明是一个NP完全问题，随着乘客数量的增加，其解呈指数级增长，用精确算法很难求得全局最优或满意解。虽然一些学者采用随机搜索法[4]、人工神经网络[5]致力于车辆排班问题的研究，其研究问题基本上都是货物车辆运输排班问题。但是采用人工智能和智能算法针对公共交通车辆运营排班问题目前还不多见。
公交车辆排班问题通常包含两层含义：
(1)原始排班，车辆计划安排，称为静态排班；
(2)由于某种路况信息或突发事件，使得原始排班必须做修改、更新，称为动态排班或重排班。
本文，在客流资料基础上主要针对车辆静态排班进行研究。根据对公交车辆排班问题的描述和分析，建立函数模型，并运用遗传算法对问题进行最后的求解。
2 公交车辆排班问题描述及数学模型的建立
公交排班的目的是确定最优或者近似最优的运营车辆的发车时刻表。公交车队按照该时刻表发车能够达到最高的运营效率和服务水平。我们设首班车发车时刻为早上6点整，末班车发车时刻为21点整。有必要对研究的公交智能排班发车间隔问题进行必要的简化和假设，把实际的问题抽象为一个数学问题。在这里我们做了5个假设：
(1)各公交车为同一车辆类型；
(2)每辆车经过各个车站时不会留有乘客；
(3)在同一时段以内，相邻两车发车时间间隔相等；
(4)各时段以内乘客到站服从均匀分布；
(5)站间运行时间一定。
2.1定义变量
对于文中使用到的各个变量进行定义：
(1)K为时段集K={1…k…K}。其中k表示第k时段，K表示第K时段，同时表示时段总数；
(2)J为车站集J={1…j…J}。j表示第j个车站，J表示第J个车站也表示线路的车站总数；
(3)I为车辆集I={1…i…I}i表示第i个车辆，I表示第I个车辆，同时也表示总的车辆数；
(4)△tk表示第k段时间的发车间隔；
(5)Tk表示第k时段的时段长度；
(6)tk表示第k时段的第一车次发车时刻；
(7)m表示一天中总的发车车次；
(8)rk,j表示第k时段第j站的乘客到达率；
3.2生成初始化种群体
本文设计的算法生成初始群体是随机产生的。在确定初始种群时，首先要确定种群规模(一般由N条染色体组成)，这一过程相当于在优化空间中随机选择N个点作为初始解。
3.3选择操作
本文采用轮盘赌法作为选择方法，它是一种正比例选择策略，能够根据与适应度值成正比的概率选出新的种群。
3.4交叉算子
本文采用一点交叉的模式。我们可以这样描述：对于按照交叉概率pc从种群中选出的某条染色体，随机地在染色体上选择一个断点，交换双亲上断点的右端，生成新的后代。在选择断点时，应保证：若断点位于表示发车间隔的二进制编码区域时，断点恰好在两个发车间隔的二进制编码之间。
具体的实现步骤：
STEP1：从选择操作得到的临时种群中随机选取两个染色体；
STEP2：以交叉概率pcross判断是否进行交叉操作，是则执行STEP3，否则转到STEP6；
STEP3：按照交叉规则，随机选取交叉位，进行单点交叉操作，记录该对染色 体 的交叉操作次数；
STEP4：计算约束条件是否满足，是则转到STEP6,否则执行STEP5；
STEP5：判断该对染色体的交叉次数是否大于10，是则取交叉前的染色体，执行STEP6，否则转到STEP3；
STEP6：染色体进入下一代临时种群，判断是否达到种群规模，是则停止交叉操作 ，否则跳到STEP1循环执行。
3.5变异算子
变异是通过赋予每一个基因一个相对较小的变异概率来完成的。
由于我们在前面编码过程中对编码的一系列规定，所以在变异过程中就没有任何的限制，对于染色体的任何一位进行变异都可以得出在规定范围以内的结果。具体实现步骤：
STEP1：从交叉后形成的临时种群中取染色体；
STEP2：以变异概率pmutation判断该染色体是否进行变异操作，是则执行STEP3，否则跳到STEP6；
STEP3：按照变异规则，随机选取变异位，进行翻转变异；
STEP4：计算约束条件是否满足，是则转到STEP6，否则执行STEP5；
STEP5：判断该对染色体的变异次数是否大于10，是则取变异前的染色体，执行STEP6，否则转到STEP3；
STEP6：染色体进入下一代临时种群，判断是否到达种群规模，是则停止變异操作，否则跳到STEP1循环执行。
3.6替换策略
对于变异以后的临时种群，本文采用精英策略，也就是将生成的适应度好的个体替换掉老种群中适应度差的个体。从而使得整个种群的适应度朝向越来越好的方向发展。进而最后得出最优或者近似最优解。
3.7适应度函数的设定
适应度函数评估是选择操作的依据，适应度函数设计直接影响到遗传算法的性能。本文，我们根据第1节的分析以及其建立起来的模型，直接取
4 实验分析
本实验的数据是山东省东营市公交公司某线路的客流数据。客流信息如表1。实验的基本参数：将一天的运营时间分为15个时段，运用遗传算法求各时段的发车间隔。遗传算法的参数：种群规模为30，个体选择采用按适应度的轮盘赌选择法，交叉概率0.8，变异概率为0.1，迭代次数50次。运算结果如表2。由表2可见,提出的公交调度模型及其求解算法是可行的。通过与手工排程相比较,本算法是有效的。遗传算法的收敛速度由图1可见，遗传算法在第13代以后群体的适应度逐渐收敛。
5 总结
公交车辆运营调度的任务就是有效管理和合理分配有限车辆资源，调整供需平衡，达到所求目标最佳的目的。而调度问题本身的组合优化特征存在近似复杂性，实际调度系统所采用的数学模型都对运行环境作了较大简化，将人工智能方法引入公交车辆运营调度管理中，利用智能算法缩小搜索空间，尽快找到满意解，形成合理有效的调度方案。而结果表明遗传算法应用于公交车辆排班具有很好的效果，它能够在排班优化问题的巨大搜索空间中可靠地找到近似最优解。
参考文献：
[1]Zhang Feizhou,Yang Dongkai,Chen Xiuwan.Intelligent schedu
ling of public traffic vehicles based on hybrid genetic algorithm.Intelligent Transportation Systems,2003.Proceedings.2003 IEEE Volu
me 2 :1674-1678.
[2]岳琪,宋文龙,陈立生.遗传算法与组合优化问题研究.信息技术,2004,(01):30-35.
[3]胡运权,郭耀煌.运筹学教程.清华大学出版社,2003.11-23.
[4]王豪,邵惠鹤.基于遗传算法和受控随机搜索的系统优化策略.控制理论与应用,2000,06:12-15.
[5]李永强,侯祥林.人工神经网络的混合算法及其工程应用.机械工程学报,2004 ,(01):13-17.
[6]陈湘州,黎志明,刘祖润.一种改进的整数编码遗传算法在车辆路径优化问题中的应用[J].南方冶金学院学报,2004,25(1):36-40.
我国智能车辆技术发展研究 篇4
随着人们生活质量的提高,人们对物质产品也提出了越来越高的要求。与此同时,智能化产品对人们生活的渗透更加明显。一大批智能化的产品逐渐呈现在人们面前,这让人们的生活方式发生了翻天覆地的变化。与此同时,作为一种人们现代生活必不可少的交通工具,汽车行业也在发生着快速的变化。其中最大的变化莫过于新能源汽车的出现和电动汽车的跨越式发展。伴随着人们对汽车的高需求以及现代交通出现的诸多问题,电动汽车、新能源汽车终将是未来汽车的发展方向。与此同时,代表着智能化的主动安全技术近些年来得到了快速的发展,一些全新的配置逐渐出现在乘用车上,比如汽车的一键启停技术,自动泊车技术,还有这两年比较火的AEB和ESC技术等等。国际方面,许多国家早在上个世纪末就开始了对智能汽车的研究,有的国家甚至制订了一整套的有关智能汽车的的发展战略,可见目光之远见。这里面就包括日本,美国还有欧洲等一些汽车强国。最近几年,他们也在不断的完善像AEB和ESC这样代表未来汽车的法规测试规范。FMVSS (美国联邦汽车安全标准)就明确规定了ESC的测试规范。ISO7401明确规定了ESC在做角阶跃输入时的测试方法。所以,我们国家要想在未来汽车发展中占有一席之位就必须发展智能车辆。本文通过对智能化汽车发展做了详细介绍,重点研究了智能化汽车在发展过程当中可能会遇到的一些问题并提出了解决方案,同时还对目前各国都在大力发展的ADAS技术做了详细介绍,相信对未来研究智能汽车发展都有着深远的意义。
2 智能互联汽车
智能网联汽车,是智能化和网络化的车辆。它集中运用了计算机、现代传感、信息融合、通讯、人工智能及自动控制等技术,是典型的高新技术综合体。所谓智能化,就是让车辆变得更加能够理解人、帮助人以及解放人。所谓车辆网络化,其实它是和智能化融合在一起的,因为汽车只有在实现网络化的基础上才能真正的智能化。这是我们从宏观上对智能网联汽车的一个认识。互联网技术发展到今天,谁也不能忽视它的巨大作用。借助互联网技术,智能汽车最终要实现的就是无人驾驶。而自动驾驶的概念也是在近几年开始逐渐清晰,车行业内将其界定为一个系统,集环境感知、规划决策、驾驶辅助于一体,包括现代计算机传感器技术、信息融合技术、通信技术、人工智能技术和自动控制技术等。目前的自动驾驶汽车被分为两种,一种完全靠自己,另一种是需要靠协同、靠通信。前者依靠自己配备的传感器、控制器、执行器等,在周围环境的基础上,基于感知,根据本地分析做出选择和控制,而后者主要是通过与外部环境进行一个时时的数据交换,包括车与车、车与周边环境等等,进而控制车辆正常行驶。将自主式与联网式结合,才是自动驾驶汽车的完整定义此外,车联网可为住户提供丰富的信息咨询服务,并在智能汽车制造、金融和保险服务等各个环节进行市场化。有些东西看似带有事情发展的偶然性,实则是现代社会发展的必然性。随着汽车用户的增多和车辆行驶的复杂性,安全因素必将受到更多人的关注,这就导致汽车厂联合相关研发机构重点解决安全领域的问题。在保证安全的同时,我们就有了去追求更高要求的欲望,比如舒适。在网络变得愈发互联这样的一个背景下,智能化不仅能满足人们对于舒适性的要求,更是对安全性的保证。所以说智能化不仅是汽车行业的一个未来发展趋势,也是全行业的一个发展态势。就单从汽车行业来看,未来智能汽车将是人类的重要伙伴。
智能网联汽车集中运用了计算机、现代传感、信息融合、模式识别、通讯及自动控制等技术,是一个集环境感知、规划决策、多等级驾驶辅助等于一体的高新技术综合体,拥有相互依存的价值链、技术链和产业链体系。(1)智能网联汽车的价值链。我想智能汽车得以快速发展的一个重要原因就是其重要的价值链。第一,安全性高。我们对智能汽车的最终追求目标就是自动驾驶,如果在技术层面不出现问题的话,智能车在交通事故中的发生率几乎是零。第二,环保性好。传统汽车存在的最大的问题之一就是污染严重,尤其是尾气排放问题。而智能汽车采用纯电式的动力源,虽然在电池的后期处理和前期生产方面会对环境造成一定程度的污染,但是相对比尾气的排放已经达到了很大程度上的环保。第三,节能性明显。智能汽车使用可再生的纯电动力源,大大节省了能源的消耗。(2)智能网联汽车的技术链。智能网联汽车的应用融合了丰富的技术。首先丰富的传感器技术,用于实时的侦测和监控路面的信息,并把这些信息及时的传给控制器。另外多种控制技术。例如车辆的纵向控制技术,横向控制技术,车道的保持控制等等。(3)智能网联汽车的产业链。主要包括上游的先进传感器和零部件供应商,其主要任务是供应先进的传感器和进行整车开发和集成所需要的零部件。中游的整车厂商,他们的主要职责是进行汽车智能化驾驶技术研究及整车集成开发下游的销售和服务商,主要职责是做好汽车的推广销售和售后的一些工作。未来将要实现的智能汽车道路行驶模式如图1:
3 智能车辆技术国内外发展现状与总体规划
随着网络的快速发展,智能汽车的概念被提了出来并逐渐被人们采纳进而研究它。智能汽车是传统汽车与互联网产业发展下的必然产物,其最终演化结果就是使汽车变得更加智能,更加安全,更加环保、舒适还有可靠。同时使汽车在运行过程中更加的安全、环保、节能和高效。目前国际上汽车做的比较好的国家有美国、欧洲、日本和韩国。他们也意识到并紧紧抓住这次智能汽车所带来的契机,有的甚至在早年间就已经提出了智能汽车的概念。
3.1 国外智能车辆技术发展现状
美国方面:早在在1998年,美国就曾公布ITS的一个框架,并从2010年以后每五年制定次针对智能车辆发展的战略计划。美国高速公路安全管理局(NHTSA)目前对智能车辆研发支持的项目包括:纵向车辆自动控制仿真研究、高速公路自动驾驶汽车效益分析、自动驾驶车辆研究平台开发、汽车自动驾驶管理与路径规划、高性能车流仿真分析。NHTSA把智能车辆自动化划分为四级:第一级,具有单一功能的自动化汽车,即汽车具有单一功能的辅助驾驶系统。第二级,具有复合功能的智能化汽车,即汽车同时具有两种辅助驾驶功能,如汽车的横纵向联合控制。第三级,具有限制条件的无人驾驶汽车,在特殊工况下车辆的自主完全控制。第四级,全天候全工况下的无人驾驶,这也是最终的目标。
欧洲方面:早在2004年,欧盟就进行了ITS整体智能体系框架的研究,统一了ITS体系框架。在2010年建立欧盟范围内协调部署ITS的法律基础,提出了智能化、可持续和包容性增长战略,ITS作为欧洲数字化战略及其重要的组成部分,迎来了新的发展机遇。
日韩方面:早在1996年就提出了未来20年ITS发展构想。日本对自己的汽车发展是有一整套适合自己的发展战略计划的。日本对于智能汽车,短期战略就是完成市场总体部署即技术攻关,中期战略是交通信息开放数据共享架构及应用,远期战略是最终建设完成世界最安全最畅通的道路目标。说到韩国更是有很多值得我们借鉴学习的地方,作为世界上面积如此小的一个国家,竟能把汽车做到世界前列,目前韩国的工程师们也积极的准备进军智能汽车领域。
3.2 我国智能车辆技术发展现状
近年来,虽然国内的汽车行业实现了一个跨越式的增长,但是有许多的核心技术和零部件都是来自其他国家,这不能不说是我们的一个痛点。但是在面对智能车辆的时候,我们不比世界上其他国家差,因为当今世界上互联网行业最强的两个国家就是中国和美国,所以说如果把互联网技术加到汽车上面,我们就不比别人差。当下,面对着智能车辆的即将到来这一关键时期,我们绝对不能坐以待毙,我们要充分发挥我们的优势,我们应该时刻提醒自己:谁能先研发出智能汽车的核心技术谁就能占据战略制高点。智能汽车在研发过程中会遇到很多的问题,光是在前期就有一系列的问题需要解决,比如智能汽车发展的环境一标准问题。我们知道,将来开发出来的智能汽车一定是和云连接的,汽车在行驶的过程中肯定是在不断的在发信号和接收信号,那发信息的标准是什么呢?4G、WIFI、蓝牙还是USB接口,如果这些都不统一起来,那智能汽车的通信问题首先就无法解决。这时候就需要政府出面来制定这个标准另外,比如一辆车在自动泊车的时候撞到了马路牙子,这就需要制定相应的法律标准。相似的,还有其他的许多个标准都需要去制定去统一。标准在制定到审核再到通过需要很长的一段时间,我们不可能说一定要等到标准制定出来再去开发,所以我认为这时候就需要我们自己先去统一标准,这就需要我们合作,各大车企要合作,和互联网之间也要有一个跨界的合作,我们制定的的一些东西可能没有政府那么权威,我们只能尽可能的去统一这个标准,做到标准和测试同时进行两不耽误,等到政府制定的标准真正下来了我们再相应的做出一些调整。
我们在进行智能汽车研发的时候要讲究循序渐进。第一,我们之前没有这方面的经验,避免少走弯路。第二,汽车行业不同于互联网行业,灵活性不是太大,我们应该保证每一个零件和技术的可靠性。开发智能汽车,我们应该从痛点下手,从核心问题下手而不是逃避一些问题。解决了痛点问题,后面做起来就会越来越有信心也越来越顺手。在打造智能化的汽车的过程中,汽车产业和互联网行业的跨界合作是必不可少的,但是互联网造车不同于传统汽车公司,他们更加注重的是汽车的延续性方面。我们都知道,互联网的更新是比较快的,就像智能手机的更新换代一样,如果这一特性也体现在智能汽车上面,那汽车的质量肯定就会受到质疑,同时,这也是许多车主不能接受的,因为车毕竟要比手机贵好多。而传统汽车公司讲究循序渐进,是有研发周期的,他们更关注的是汽车质量。所以两大行业跨界合作肯定会遇到许多的问题,如何在保证质量的前提下,又能使得汽车更具智能化是我们应该考虑的问题,汽车行业应该学会互联网行业的发散性思维。
4 智能车辆技术中关键技术
随着智能汽车的快速发展,ADAS (高级驾驶辅助系统)技术得到了越来越高的重视并逐渐发展开来。高级驾驶辅助系统是利用安装在车上的各式各样传感器,在汽车行驶过程中随时来感应周围的环境,收集数据,进行静态、动态物体的辨识、侦测与追踪,并结合导航仪地图数据,进行系统的运算与分析,从而预先让驾驶者察觉到可能发生的危险,有效增加汽车驾驶的舒适性和安全性。先进辅助驾驶系统主要包括ABS (汽车防抱死系统)、ESC (电子稳定控制系统)、AEB (自动紧急制动系统)、FCW (汽车前碰撞预警系统)、LDW (车辆偏离预警系统)、ACC (自适应巡航控制系统)、TCS (牵引力控制系统)等等。以下是欧洲对ADAS项目测试时的一些强制性法规(如表1所示)。
中国市场对汽车先进驾驶辅助系统的需求,主要受到两个层面影响因素的驱动,可以构建如图2所示的需求分析模型。
当前,我国ADAS系统的开发方兴未艾,但这一解决方案在欧洲已经得到广泛推广并开始得到政府的强制安装为了能够在短期内拍斜发达国家和地区,通过跨国并购和产业整合“引进、消化、吸收、再创新”是可行的方案,引进ADAS解决方案具有下列优势:首先,由于市场的需求和技术的发展带来ADAS系统的成本降低,这将导致ADAS系统在国内的装配率提高,逐渐从中高端汽车市场向整个市场过渡,这将是我国汽车行业大为改观;随着市场需求的不断提高,一些系统供应商预计会将部分生产转移到中国;其次,国内汽车厂商随着ADAS解决方案的普及也将纷纷开发自己的ADAS技术。通过ADAS系统的引入,国内汽车产品将为之改观。重要的是,国内相关企业也会在该解决方案引入的同时抓紧时机发展自身的产品和技术。我国汽车产业将在短期内向智能化大踏步前进。
以下是ADAS技术在道路上模拟的一个简图(如图3所示)。
5 国内智能汽车发展面临的机遇与挑战
智能汽车的到来无疑对汽车界将是一场具有颠覆性的革命,许许多多的技术和零部件都要跟着大换血。在智能汽车即将到来的这么一个节骨眼上,国内汽车行业对智能汽车的发展所面对的机遇和挑战都是空前的。我们在面对智能汽车发展时的机遇还是很明显的:
第一,人口优势。
我们国家的汽车行业大而不强已经成为公认的事实,但是大家想过没有,我们的汽车为什么能够做到大呢?这是很多国家做不到的,这里面很大的一部分原因在于中国的人口多。那么在面对智能汽车发展的时候我们同样有这方面的优势,而这次我们同世界上其它各国发展智能汽车相对于传统汽车的发展的差距是比较小的。
第二,互联网优势。
中国的互联网已经成长为世界一流强国。世界上最发达的两个互联网国家,一个是中国一个是美国。我们知道,未来的智能汽车一定是和互联网密不可分的,那我们的优势就明显了。我国有像腾讯、百度、阿里巴巴在内的等互联网做的比较不错的国际化公司,他们都是有一定经验的。另外再加上我们的人口优势,截止到目前为止,中国有将近7亿的网民,整个欧盟互联网跨境访问量才5%,人口优势助推了我们的互联网优势。在整个德国的8000万人口,他们的互联网还没有赶上美国的一小部分,所以在互联网时代,我们有一个自然的优势,我们的机会。
另一方面,我国在应对智能汽车发展时所面临的挑战也是巨大的:
第一,整体造车实力和经验落后。
我们的传统汽车起步较晚,前面也已经说过我们国家的汽车整体上表现大而不强,有很多的核心技术我们都是依赖其它国家,也缺乏相应的经验。
第二,零部件相对欠发达太多。
国内的好多零部件都是依赖进口,尤其一些个核心的零部件。这不能不说是我们的一个很大的痛点。当然,除此之外我们还有很多不足的地方。
总体来说,在智能汽车的发展时,我们有优势,但是也面临着严峻的挑战。在“中国制造2025”的战略框架和“互联网+”的明确方向指引下,我们应该更有信心,扬长避短,充分借鉴别人的优势但又立足根本,力争在智能化汽车发展的浪潮中占据重要地位。
6 结语
智能车辆 篇5
为了加强车辆智能车闸系统及电脑管理，确保系统正常运行，切实提高工作效率和管理水平，使系统更好的发挥其作用，特制定本制度。
一、车辆智能车闸系统及电脑设备，实行专人负责制，使用责任到人。工作人员要加强电脑知识的学习，按规范要求正确操作使用，注意电脑设备的保养和维护，严防病毒侵入，保证正常运转；严禁擅自使用，如因保管不当造成电脑被盗或因使用不当、违规操作等造成电脑损坏的，由责任人负责。如人为造成设备损坏，除追究责任人和负责人的责任外，其维修费用从本人工资中扣罚。
二、电脑是车辆信息处理和整理资料的重要工具，严禁在工作时间利用电脑玩游戏、看影碟或进行其它与工作无关的活动。
三、严禁私自安装聊天、游戏等与工作无关的软件。电脑使用中出现软件系统损坏应及时联系维修，加强安全管理，个人不得随便安装网上下载的软件，不能私自对电脑软件进行改动、安装或删除等操作。如因私自安装无关软件造成电脑系统损坏的，应赔偿等值电脑。
四、严禁私自拆卸电脑，调换配件。一经查实，按损坏程度进行相应处理；电脑使用中出现故障需要维修的，请与管理员联系。由于操作不当造成硬件损坏，由个人自行维修或赔偿等值同类硬件。
五、不得将来历不明的软件装入机器运行，防止染上“病毒”。发现机器故障及时报告，不得擅自进行维护，防止造成损失。严防电脑病毒入侵，个人的外部存储设备（如软盘、Ｕ盘、硬盘等）不得随意连入电脑，确有必要连入的必须事先进行病毒扫描，不得使用未经病毒检查的软盘。
六、上机人员未经许可不得私自拆卸和连接各种硬件设备；不准在非正常状态下使用电脑，<课件>严禁私自拆卸机箱，硬件或应用软件出现异常，应及时与管理人员联系。不得私自修改系统配置、拷贝系统使用的软件；未经管理人员许可，不准擅自增删统一配置的电脑软硬件设备。
七、无论是本单位，还是外单位人员，凡与本岗位无关人员，严禁上机操作。
八、电脑周围应保持干燥，不应把装水的容器放于桌上。注意电脑用电安全和防火、防潮，做好卫生清洁工作，确保电脑有一个安全的运行环境。
九、操作电脑要严格按操作规程运行，不得用力敲打键盘和随意开关电源。因操作不当造成损失的，追究当事人的责任。
十、处罚办法:
1.未经授权私自安装软件，一次警告后,不改正的罚款 50元；
2.未经授权复制外来文件，警告后不改正的罚款 50元；
3.在电脑上玩游戏、看影碟的，一次罚款 50元，发现第二次调离工作岗位；
物流车辆智能调度管理系统 篇6
关键词：物流车辆,调度管理,工厂智能系统
1 引言
现代物流不仅要考虑从生产者到消费者的货物配送问题,还要考虑从供应商到生产者对原材料的采购,以及生产者本身在产品制造过程中的运输、保管和信息等各个方面,从而全面地、综合性地提高经济效益和效率。中国加入WTO后,经济发展正面临着全球经济大融合的严峻考验,在激烈的竞争环境下,各企业纷纷实行供应商管理库存(VMI)、JIT(Just in time即时)采购等先进的供应链管理,在生产方式上纷纷采用先进的生产管理方式——准时生产方式(JIT)生产。这些先进管理方式的主要目的都是为企业能够实现“零库存”。然而,绝大部分的企业和工厂都忽视了一个重要环节——材料装卸货环节(当材料从供应商出厂送到企业生产线上,必须经过装卸货),仍旧采用人工调度呼叫的管理方式。人工调度的方式大致如下:(1)运货车辆到调度室用登记表登记;(2)调度员通过对讲机询问在卸货区的工作人员是否可以调度该车辆进入卸货区,如果不可以,则叫该车到“待车区”等工作人员通知;(3)得到卸货许可后,调度员要去“待车区”寻找该车辆进入卸货区卸货。这种方式存在着出错概率大、效率低、易出现堵车、用工成本高等缺陷。
本文介绍一套满足现代化生产需求的物流车辆智能调度管理系统,彻底解决人工调度方式存在的种种不足,实现货车全自动、智能调度呼叫的管理方式,大大提高货场车位的使用周转速度,减轻了人的劳动强度,提高了卸货效率,确保工厂外围送货车辆顺畅有序运作,从而大大地提高当前工厂物流的效率,对企业的增产和增收起着积极的作用。
2 系统组成与工作原理
2.1 系统组成
系统组成如图1所示。硬件系统主要包括计算机系统、传感器及信号采集系统、通讯系统、LED显示系统、语音广播系统、电源系统等;软件系统主要包括数据采集模块、无线通讯模块、数据库模块、调度算法模块、指挥室车辆登记模块、参数设置模块、查询统计模块、打印模块、LED显示模块、语音播放模块、待车超时提示模块、卸货超时报警模块及上位机界面设计模块等。
2.2 工作原理
首先,每一个车位对应一个车位状态控制箱,即感应式IC车位卡控制箱,能够实时监控该车位的使用情况。所有的车位状态控制箱都通过无线网络连接到服务器,服务器中的数据库系统同步记录了车位的当前状态。
当货车到达厂区请求进入时,由指挥室将车牌号码等信息录入前台计算机。计算机通过网络系统发送登记信息并访问服务器数据库自动查询和检索,获得该车对应卸货的区域和可卸货的车位、相关车位状态等信息。计算机系统根据这些信息,按预设的调度规则给出指令,提示该车能否立即进入相关的卸货区域卸货,如果不能,该车暂时在待车区等候。
在待车区设有高亮度LED显示屏和高音喇叭。当卸货车位空闲时,服务器根据系统调度策略,自动选中待车区的某货车,负责调度呼叫的计算机通过无线网络将调度信息发送到待车区的室外高亮度LED显示屏,同时通过高音喇叭同步呼叫提示该货车进入相应车位卸货。
当货车进入卸货车位进行卸货时,车位上的传感器感应到有车,对应的车位状态控制箱上红色指示灯亮,表示该车位忙。在规定的时间内司机必须先将IC卡插入该车位对应的车位状态控制箱的IC卡插卡槽内,如果插入的IC卡未得到验证(IC卡内的信息与控制箱上显示的信息不同)或者超出了规定的时间未插卡,系统会认为有异常情况发生(该车停错车位等),从而发出警报声提示工作人员干预;如果插入卡槽的IC卡通过验证,服务器立即采集到该信息并更新数据库。当卸货时间超出预设时间时,车位状态控制箱上该车位红色超时报警指示灯闪亮,蜂鸣器鸣响直至卸货完毕离开或手动按键停止鸣响。当卸货完毕后,将IC卡从IC卡插卡槽内拔出,司机把车开走,车位上的传感器感应到已没车,则控制箱上对应绿色指示灯亮,红色指示灯灭,表示该车位空闲,同时服务器立即采集到该信息并更新数据库。如果IC卡拔出后,规定时间内司机没把车开走,系统同样会认为有异常情况发生,从而发出警报声提示工作人员干预。货车离开厂区前将IC卡交给保安或其他工作人员。对于以上发生的警报,指挥室计算机均能及时作出相应的提示,提醒调度员通过电话等手段进行管理。
3 软件设计
设计的物流车辆智能调度系统软件模块流程图如图2所示。下面对系统的各个模块作简要的说明:
(1)车位状态采集模块,本模块主要负责监控和采集车位状态(有车或无车),并将此车位状态信息发送到上位机服务器(PC机);
(2)无线通信模块,本模块主要负责发送车位状态、车牌号码、系统控制指令等数据;
(3)数据库模块,本模块是系统的核心模块之一,是整个系统的数据中心,存储和记录整个系统的运行数据;
(4)查询统计模块,本模块用于查询和统计系统管理员需要的信息,如车位使用效率、调度效率、当前某车辆状态,同时更改车辆优先级,处理紧急调度等;
(5)结果输出模块,本模块主要负责打印查询统计的结果;
(6)参数设置模块,本模块用于设置各种系统参数,如待车超时时间、卸货超时时间、LED屏显示及语音广播方式等等;
(7)登记录入模块,本模块主要负责登记车辆车牌号码、优先级等信息;
(8)系统调度处理模块,本模块是系统的核心模块之一,主要负责处理各个模块运行所需的数据;
(9)卸货超时报警管理,本模块负责监控已在卸货车辆的卸货时间是否“超时”,当“超时”则发出报警信号;
(10)待车超时提示管理,本模块负责提示管理员去了解情况:某车辆已经“分配”车位给其卸货,但它未能及时到达车位卸货(待车超时),如果车辆严重“超时”,那么它的调度将被取消,调度下一辆车进入卸货区卸货;
(11)屏幕控制模块,本模块负责根据系统设定的参数显示播报“分配”状态的车辆到卸货区卸货;
(12)语音处理模块,本模块负责根据系统设定的参数语音播报“分配”状态的车辆到卸货区卸货,实现屏幕和语音同步播报;
(13)故障检测模块,本模块负责监控各个车位状态控制箱等的运行情况,当有故障发生时,提示管理员作相应的处理;
(14)其他模块,如:登录模块(调度员登录系统)、退出模块、远程网络通信模块等其他功能模块。
4 结束语
物流在国民经济中起着越来越重要的作用。随着我国生产力水平的提高,以整合交通运输、仓储、配送等环节一体化为目标,实现企业与社会成本最低、效益最大的物流业与互联网经济一起被人们当成“新经济”的重要内容,被广泛地称作第三利润源泉。现代经济领域中的竞争,很大程度上是流通效率的竞争。特别是从制造业的再生产过程来看,产品处在制造环节的时间越来越短,而绝大多数时间处在流通环节,大约占85%~90%左右。因此,流通速度和效率的高低决定着一个企业、一个行业甚至一个国家经济效率和速度的高低。同时,流通还具有降低全社会的交易成本、优化资源配置的重要作用。本系统主要用于企业生产的重要环节———材料装卸货环节,以提高企业物流管理水平,降低企业生产成本。
通过长时间的运行调试,目前该系统已经在某企业得到了很好应用,对企业的增产和增收发挥了积极的作用。相信随着市场竞争的日益激烈,自动化、信息化的日益发展及土地资源的日益紧缺等客观因素影响,物流车辆智能调度管理系统将会得到企业和工厂的广泛应用。
参考文献
[1]冯耕中.物流信息系统[M].北京:机械工业出版社,2009.
[2]曹衍龙.Visual Basic系统开发实例精粹[M].北京:人民邮电出版社,2005.
车辆智能主动型安全系统分析 篇7
关键词：行车安全,事故预防,主动型安全系统,发展趋势
0 引言
当前车辆中应用的安全带以及安全气囊和保险杠等实际上属于被动式系统, 在当期车辆保有量持续增长的情况下, 传统被动式安全系统只能降低事故破坏程度, 不能完全实现预防交通事故的目的。现阶段, 人们的安全意识及自我保护意识不断提高, 人们逐渐意识到在紧急情况下, 可通过车辆系统主动对驾驶进行干预性操纵, 进一步辅助驾驶者处理紧急事件, 最终避免碰撞事故的发生。文章主要针对以上存在的问题, 简要阐述了车辆智能主动型安全系统的总体结构和工作方式, 并对其系统各部分的组成及工作原理进行分析。
1 车辆智能主动型安全系统的总体结构和工作方式
1.1 总体结构及功能分析
1.1.1 系统总体结构
车辆智能主动型安全系统是由多个不同的功能模块所组成的, 主要模块包括实时监测与综合信息处理模块、智能模糊控制器、显示与报警模块、匹配控制模块和紧急情况处理模块;除此之外, 还包括各种传感器以及I/O电路等, 其总体结构构架如图1所示。
1.1.2 功能分析
首先对于实时监测和信息处理来说, 其主要是用于对车辆的前方、左右两侧以及后方存在的障碍物进行检测, 并同时对各项监测数据信息进行综合处理。另外, 显示与报警模块组成主要包括周边环境液晶显示模块、灯光报警模块以及语音报警模块。
其次, 作为车辆智能主动型安全系统的关键及核心部分, 控制与决策上位机主要是用来进行车辆工况参数信息的采集以及车距信息的接受, 随后通过模糊神经网络模型对下位机传送来的各项车距信息进行判断和决策, 最后提示出相应的控制指令。
最后, 周边环境液晶显示模块具有对车辆周边情况进行综合显示的功能, 在紧急状况下, 语音报警模块能够利用语音提醒功能来提示驾驶员, 以便让驾驶员积极采取措施处理当前危急情况。灯光报警模块一般是利用不同颜色的指示灯来发挥其对车辆所处位置及安全性进行提醒的作用。紧急事件处理模块的主要功能是在危急情况下依靠对发动机节气门、制动以及专项等执行机构的控制, 从而自动采取相应的紧急避让措施, 以此确保车辆的行车安全。
匹配控制模块主要是在安全系统正常状态下, 和车辆发动机的集中控制装置进行适应性匹配控制, 进一步对汽车发动机燃油的经济性和动力性实施优化处理。在应对当前紧急情况时, 能够有效确保传动装置以及发动机快速响应、制动的作用, 并尽可能地确保行车舒适性要求, 与此同时, 依靠车速传感器等设备向模糊控制其传递响应的车辆实况信息, 从而便于其对车速以及节气门位置的实时监测。
1.2 工作方式
车辆智能主动型安全系统一般是利用模糊控制理论以及神经网络所具有的控制利用, 并用超声波、激光、红外线等3种测试技术, 发挥其对车辆行驶过程中的周围的安全检测。另外, 模糊控制器经对各项检测数据的模糊化推理与决策, 对事故发生的可能性进行了有效的预测, 并通过声光提醒和语音提醒的方式, 使得驾驶员能够及时采取相应措施进行危机处理。而另一方面, 如果驾驶员并没有采取有效措施进行避让处理, 控制器将会通过对发动机节气门机构以及转向机构和制动机构的控制, 从而自动保持有效的安全车距, 达到防止行车事故发生的目的。
2 智能主动型安全系统硬件组成及原理分析
2.1 前方监测系统
对于车辆前方的监测, 首先需要在车辆前部安装高灵敏度的前视雷达, 以便将前方障碍物信息传送至模糊控制其, 在经过相应的处理后确定出指令信息和控制动作, 当前在车辆中应用较多的前视雷达主要有毫米波雷达和激光雷达2种。
以上2种雷达的工作原理基本相似, 主要是依靠测量信号在接触到障碍物后反射的回波信号时间差进行位置距离的测定。主要的区别在于, 毫米波雷达与激光雷达所发发射的信号不同, 前者是电磁波而后者为光波。对于激光雷达来说, 其具有体积小、无电磁干扰以及探测准确度较高的优点, 但是其在雨天以及灰尘较多的天气情况下的使用性能会受到一定程度的影响。伴随着近年来1.54um近红外激光雷达的发展和兴起, 激光雷达在车辆前视雷达中将有着更为广泛的应用空间。
2.2 左右两侧监测系统
对于车辆左右两侧的监测主要是依靠超声波测距仪进行的, 通常情况下这里的超声波一般指的是频率超过20k Hz的机械波, 该机械波具有理想的吸收特性、束射特性、能量传递性。作为非接触式检测方式的一种, 在车辆两侧测距时, 利用超声波发射器不间断实施超声波发射, 让其在遇到车辆左右两侧障碍物后能够主动反射回来, 而反射回来的回波信号在经过接收器处理后会转变为相应的电信号, 随后通过对发射和接受之间的时间差, 进行障碍物距离的测算, 其距离测算公式为s=vt/2, 其中s是指所测得的障碍物距离, v为所发射的超声波波速, t为超声波发射与回波接收的时间。
2.3 后方监测系统
车辆智能主动型安全系统所采用的车辆后方测距装置选用的是德国某家公司生产的EDM20-R/122型红外线测距仪, 其测量范围大致为0.1~20m, 模拟电压输出设定为0~5v, 采用了LED灯作为光源, 工作电压为10~30v, 其主要采用了有机玻璃作为外壳, 重量为200g。
2.4 智能模糊控制器
智能模糊控制器是车辆智能主动型安全系统中的中枢神经, 主要为大规模集成电路基础上制作的集成芯片, 为了有效地增加该智能型安全系统的灵活性, 在本系统中采用了PIC单片机, 其上下单片机采用的都是美国公司生产的PIC16F87系列单片机, 具有较好的性价比, 同时在各工业控制领域有着较为成熟的应用。
2.5 激光测距仪接口
在该系统中激光测距仪采用的是RS-232C标准串行接口和MAX232电平转换芯片, RS232C标准串行通信技术在当前有着较为成熟的应用, 而激光测距仪采用2条控制线相连接的方式, 用来进行测距指令的发送。
2.6 液晶显示模块
该车辆智能主动型安全系统采用的液晶显示器为金鹏科技公司所生产的OCMJ×10液晶显示器, 其中文模块系列液晶显示器内含GB2312 16×16点阵国际以及简体汉字以及ASCII8×8及8×16点阵英文字库, 用户在输入区位码或者是相应的ASCII码后, 就可以实现液晶显示器的文本显示。
2.7 语音报警模块
智能型安全主动系统的语音报警模块的构成主要包括微型麦克风、语音芯片ISD2560、小型放音喇叭以及功放电路, 给驾驶人员提供了较大的便利性, 再现了语音自然效果, 可显著避免由于固体语音电路量化和压缩引起的噪声、失真现象。
3 结语
综上所述, 在智能分布式控制技术下制造的车辆智能主动型安全系统, 经实验性性能测试以及道路实验, 充分证明了该安全系统设计的科学性、实用性及安全性, 并且显示出了该安全系统在处理紧急事件、自动巡航中的可靠性及安全性, 可同时实现发动机经济性、动力型。该安全系统在实施中的关键点在于要求高精度的测距雷达传感器, 是一种集自动制动、预警以及巡航为一体的全新系统, 使用价值及安全价值显著, 市场前景良好。
参考文献
[1]万沛霖.激光测距仪在新型自助式巡航控制系统中的应用[J].激光杂志, 2004 (1) :70-71.
[2]何莉.基于PIC单片机的超声波测距系统[J].电压与声光, 2004 (4) :155-157.
[3]杨立宏.人工神经网络技术用于发动机点火和喷油联合控制[J].车辆与动力技术, 2001 (2) :26-30.
智能交通中车辆跟踪算法的研究 篇8
1 车辆目标跟踪算法的比较与选取
运动目标跟踪就是在视频的每一幅图像中确定出运动目标的位置, 并把不同帧中同一目标对应起来。常用的跟踪算法有目标特征法、动态轮廓法、区域中心点匹配法。
目标特征法是在相邻的两帧图像中利用线、点、面积等个体特征来跟踪运动目标。一般以运动目标的质心距离和几何面积作为目标匹配模板, 然后把后续图像中的目标特征与模板特征进行比较, 把差别小的确定为目标, 从而达到跟踪的目的[1]。此方法算法简单, 不用区分目标的几何形状, 但当目标被遮挡时则无法识别, 导致跟踪失败。
动态轮廓法是先在人工选定的位置上勾勒出目标的轮廓曲线, 当目标运动时, 轮廓线会有能量变化, 当能量向极小值变化时, 目标轮廓则逐渐收敛, 根据反复迭代能量函数, 确定跟踪目标轮廓[2]。此方法计算复杂度低, 但目标轮廓的精度受初始位置的影响, 初始化难度大。而该研究的对象是车辆, 摄像头所拍摄到的车辆二维轮廓也会随时间推移而改变, 严重影响本方法对目标的锁定。
区域中心点匹配法是把对当前帧图像通过运动物体分割检测出运动区域, 并以其中心点建立跟踪区域模板, 然后将当前帧的运动物体与跟踪区域模板进行匹配, 寻找出与模板区相似性最大点的位置, 并以此点为中心定义新的搜索区窗口, 最后利用当前帧已跟踪上的区域的参数预测下一帧中运动区域的位置。此方法能动态地维护一幅背景图像, 通过前景图像和背景图像之间的差值来确定运动区域, 适合对大范围、复杂场景下进行目标跟踪, 具有较强的实时性。
根据以上算法的对比, 该研究确定使用区域中心点匹配跟踪法进行车辆目标的跟踪。
2 区域中心点匹配跟踪算法的实现
该系统的算法程序采用Visual C++与Open CV图像开发包进行实现, 以下是区域中心点匹配跟踪算法的实现过程。
2.1 设置检测带, 对车辆连通域初始化
车辆目标在系统前期检测中所得到的目标区域可设置为一个连通域, 连通域在二维图中呈矩形, 系统可确定连通域的近似长、宽和中心点坐标位置。设置检测带是对刚进入视频区域的车辆进行初始记录。该监控视频背景为左下行、右上行的多车道马路, 因此检测带应分别设置在图像的左上部和右下部, 检测带长度应覆盖同向车道的总宽, 检测带宽度则根据连通域中心点大小和车辆速度而定[3]。连续运动的车辆目标每经过检测带, 检测带会记录车辆连通域中心点的坐标位置、时间, 给予编号和累加数目。如果速度较慢的车辆在相邻两帧图像中, 中心点都停留在检测带里, 系统就会判别相邻两次的中心点坐标位置差是否如果小于一定像素数, 如果是则认为是同一辆车, 否则为两辆车。
2.2 预测目标车辆下一帧的位置区域
车辆被初始定位后, 系统就开始预测它在下一帧图像中的运动区域。考虑交通事件中车辆随时会向各个方向运动, 预测区域应该是从当前车辆连通域向前后左右延伸适当的距离, 以一个外接矩形作为车辆下一帧的运动预测范围。
2.3 在预测区域内寻找和匹配车辆连通域
当进入下一帧图像时, 系统要在预测区域内寻找新的车辆连通域并与上一帧目标车辆的连通域模版进行匹配。匹配时要求相邻两帧图像车辆连通域的中心点横、纵坐标之差、连通域的高、宽之差 (四个量) 分别小于各自的预设阈值[4]。只有全部满足条件才能成功匹配, 系统则完成相邻两帧图像的目标跟踪, 并更新连通域;如果不满足任一条件, 即跟踪失败, 系统要清空其跟踪的信息。
2.4 实现效果
系统对一段为时7分钟的公路监控视频 (320×240) 进行车辆跟踪, 处理速度达到实时25帧/秒。图1为区域中心点匹配法的跟踪效果图, 黄色框为检测带, 绿色框为车辆连通域标记框, 并有编号。该研究把另外两种方法也逐个切换使用, 比较效果, 如表1所示。针对车辆目标的跟踪, 动态轮廓法的跟踪准确率最低, 目标特征法有所改善, 区域中心点匹配法的跟踪效率最高。
3 结语
该研究利用区域中心点匹配跟踪法, 能在局部预测区域内完成车辆目标的跟踪, 避免出现整个图像中所有车辆的匹配混淆问题, 极大提高了车辆跟踪的准确率, 缩小跟踪时间, 进一步提高智能交通系统对车辆目标的跟踪精度。
摘要：智能交通系统中车辆跟踪模块的准确性非常重要, 其跟踪结果直接影响车流量、违章事件、交通事故的统计与分析结果。基于交通车辆, 该文对目标特征跟踪法、动态轮廓跟踪法、区域中心点匹配跟踪法分别进行分析选取, 并对效果最好的方法进行了实现和效果对比, 从而为日后的车辆跟踪提供一种切实可行的算法以提高跟踪的效率。
关键词：车辆目标,跟踪算法,智能交通,效率
参考文献
[1]杨彪.一种用于多摄像头无重叠视域环境下的车辆跟踪系统[J].现代交通技术, 2014 (3) :54-58.
[2]刘永涛, 乔洁.基于open CV的车辆自动跟踪系统的设计与实现[J].汽车实用技术, 2013 (2) :23-26.
[3]桑卡 (美) .图像处理.分析与机器视觉[M].北京:清华大学出版社, 2011:99-100.
灭火智能车辆PID控制方法研究 篇9
智能车辆参与灭火与救援能够帮助人们解决很多问题, 同时减少了相关人员可能会遭受的各种风险。但是操纵智能车辆被看作是一个多输入、多输出、输入输出关系复杂多变、不确定多干扰源的复杂非线性系统的控制过程, 而且它对位移、速度和加速度都提出了一定的要求, 传统的PID控制对这些复杂过程和非线性系统不能进行有效的控制, 要使PID控制取得较好的控制效果, 需要找出比例、微分和积分3种控制作用形成控制量时的非线性关系, 这就使得智能控制理论和技术的研究进入智能车辆控制领域成为必然[1,2,8]。
近年来, 将BP神经网络应用于PID控制已成为一大研究热点[4]。本文将传统PID控制和BP神经网络控制结合在一起, 用于灭火智能车的速度闭环控制中, 既利用了PID控制的长处, 又考虑到神经网络独特的优势即神经网络可以充分逼近任意复杂的非线性关系, 具有模糊性、容错性和自学习的能力, 这样可以在线调整PID控制器的参数, 提高系统的应变能力, 在一定程度上克服了PID控制参数靠经验确定及难以对复杂系统或过程进行有效控制的不足。
1 灭火智能车的系统结构
1.1 灭火智能车的组成与控制策略
灭火智能车采用履带型结构, 车的底盘由履带、驱动轮、支重轮、托轮、引导轮和履带张紧装置等组成。驱动轮通过直流电机驱动。当驱动轮被最终传动2级被动齿轮带动时, 其齿轮拉动履带, 地面立即产生作用在履带上的反作用力, 使整车对地面产生向前或向后的运动, 整车也随之运动。这种结构使整个灭火智能车行走平稳, 动力强大。车上安装了灭火装置和检测火焰的红外传感器, 也可扩展安装摄像头、液晶显示器、数字罗盘、机械手臂等装置。车的前部和左右安装了用于避障的红外传感器。灭火智能车的任务是在危险而又复杂的火灾现场, 寻找火源, 并迅速扑灭火源。这要求灭火智能车能够通过寻找目标、识别目标、追踪目标、动态避障来完成灭火任务。因此, 采用基于行为的混合反映式控制, 将系统并行分解为巡航行为、避障行为、目标寻找行为3种。混合式控制方案如图1所示。在这里, 设定:避障行为的优先级最高;寻找行为次之;巡航行为最低;这样才能确保灭火智能车在火灾现场顺利找到火源并将其扑灭。
1.2 灭火智能车的硬件设计
灭火智能车是由控制器, 电源模块, 电机驱动模块, 传感器模块、测速模块和灭火模块组成的[5]。灭火智能车的总体构成如图2所示。
经过对以上各个模块的芯片选择和电路设计, 组建了灭火智能车, 同时也搭建了用于测试的场地。在速度测试时, 由于灭火智能车是通过控制器输出的PWM信号开环调节驱动轮的速度, 这就使得实际控制时, 轮子的转动速度并未达到位置环的输出, 达不到精确运动的要求, 因而有可能对整体的技术性能造成不利的影响。我们将在下节介绍如何弥补这种不利的影响。
2 神经网络PID控制
2.1 BP神经网络PID控制器结构
在传统的PID控制器的基础上加上一个BP神经网络, 利用其学习能力确定和调整PID参数, 应用在灭火智能车的速度闭环控制里, 其结构如图3所示。
2.2 控制算法
PID控制器一般采用经典增量式PID控制算法:
式中:Kp 、Ki 、Kd 分别为比例、积分和微分系数。
BP神经网络采用输入层, 隐含层和输出层3层结构, 隐含层神经元的输入为所有输入的加权之和, 即:
式中:上标 (1) 、 (2) 分别为输入层、隐含层;M为输入层神经元的个数, 即输入变量的个数, M的大小取决于被控系统的复杂程度。
隐层神经元的活化函数取S函数:
则隐含层神经元的输出:
输出层神经元的输入为:
式中:上标 (3) 为输出层;Q为隐含层神经元的个数。
输出层神经元的活化函数取非负的S函数:
则输出层神经元的输出:
即
取性能指标函数
则按照梯度下降法修正网络的权系数, 即按E (k) 对加权系数的负梯度方向搜索调整, 并附加一个使搜索快速收敛全局极小的惯性项, 若权值w的变化量记为Δw, 则隐含层和输出层之间权值的改变量为:
式中:η为学习速率;α为惯性系数。
由式 (4) 得到:
由于
w
α (w
如同上面的分析, 可得隐含层加权系数调整算法:
基于BP神经网络的PID控制算法归纳如下:
1) 确定BP网络的结构, 选定学习速率η, 给各层加权系数赋初值w
2) 对r (k) 和y (k) 进行采样, 并计算实时误差e (k) =r (k) -y (k) 。
3) 计算BP神经网络各层神经元的输入、输出, BP神经网络输出层的输出即为PID控制器的3个可调参数Kp、Ki、Kd;
4) 根据公式 (1) 计算PID控制器输出u (k) , 参与控制和计算。
5) 通过神经网络学习在线调整w
6) k=k+1, 返回到1) 。
3 系统仿真与分析
设被控对象的近似数学模型为:y (k+1) =0.8y (k) / (1+y2 (k) ) +u (k) , BP神经网路的结构选择为4-5-3, 4个输入分别是r (k) , y (k) , e (k) = r (k) - y (k) 和u (k-1) , 3个输出对应Kp、Ki、Kd, 学习速率η=0.01和惯性系数α=0.05, 加权系数初始值取[-0.5, 0.5]上的随机数。输入信号为r (k) =sin (πt) , 如图4, 基于BP神经网络PID控制下的输出跟踪曲线和误差曲线如图5和图6。
从图5和6可以看出, BP神经网络控制实现了对输人信号的几乎相同的跟踪, 有较好的快速性和适应性, 说明其具有很好的控制特性。另外, 稳态误差也小说明神经网络控制精度高, 具有很好的发展前景。
图7为BP神经网络PID控制跟踪正弦信号时的输出参数图, 由于神经网络的输出为PID的3个参数KP、KI、和KD, 通过神经网络的学习, 可以实现3个参数的在线调整, 使参数达到最优, 这也是常规PID所不能达到的功能。
4 结束语
基于BP神经网络的PID控制方法借助神经网络的自学习、自组织能力, 可实现参数的在线自整定和优化, 避免了人工整定参数的繁琐工作, 克服了经典PID控制对被控对象模型的过渡依赖, 是传统的PID控制与先进的智能控制算法相结合的有效方式, 为PID实现复杂的电机非线性控制提供了有效途径, 在合理选择隐含层和输出层激活函数的情况下, 算法具有很强的泛化能力。
本文的创新点为直接将神经网络算法运用于PID控制方法的研究中, 并进行加权系数修正, 实验仿真数据证明, 控制器输出超调小, 收敛快, 满足灭火智能车的精确运动要求和技术性能, 所得结果为进一步的理论和实验研究提供了借鉴和参考。
摘要：为满足灭火智能车辆在火灾现场所需的精确运动要求和技术性能, 充分利用BP神经网络能够逼近任意非线性系统的优点, 将BP神经网络和PID控制相结合, 把训练后的网络输出作为PID控制器输入, 并不断调整其P、I、D参数, 进而调整控制器的输出电压以控制灭火智能车辆的速度。
关键词：灭火智能车辆,BP神经网络,PID控制器
参考文献
[1]张其善, 吴今培, 杨东凯.智能车辆定位导航系统及其应用[M].北京:科学出版社, 2002
[2]Cao Jianbo, Cao Binggang, Chen Wenzhi, et al.Neural network self-adaptive PID control for drivingand regenerative braking of electric Vehicle[C]//2007 IEEE International Conference on Automationand Logistics, 2007:2 029-2 034
[3]KuoL.Su.Automatic fire detection system using a-daptive fusion algorithm for fire fighting robot[C]//2006 IEEEInternational Conference on Systems, Man, and Cybernetics, 2006:966-971
[4]Zhang Mingguang, Qiang Minghui.Study of PIDneural network control for nonlinear system[C]//The 8th International Conference on Signal Process-ing, 2006:166-200
[5]初秀民, 严新平, 吴超仲, 等.汽车驾驶操作信息数据库与采集系统设计[J].中国安全科学学报, 2005, 15 (1) :29-33
[6]刘金锟.先进PID控制及MATLAB仿真[M].北京:电子工业出版社.2003
[7]黄金燕, 葛化敏, 唐明军.基于BP神经网络的PID控制方法的研究[J].微计算机信息, 2006 (26) :278-280
基于车辆追踪的智能停车场研究 篇10
关键词：目标追踪,联合粒子滤波,智能停车场
1 研究背景
随着现代工业文明的发展,机动车辆已成为大众消费品,以北京市2011年一季度统计数据,全市机动车数已接近500万辆,但全市二环内的公共停车位不到10万个。北京市交通委运管局网站2011年公布的备案停车位数据显示,北京十六区县以及亦庄、北京西站地区的临时占道停车场、路外公共停车场、地下停车场,共计车位74.1万个,以此估算,机动车停车位缺口高达85%。
由于人口密集、土地面积有限,城区要解决停车问题必须从提高大型公有停车场方面着手。目前停车场所的智能管理系统(Intelligent Parking System,IPS)的研究主要集中停车场卡口、车位管理方面[1,2],而忽视对停车场内及车位动态的关注。视频监控系统主要用于安防,大量的视频信息仅用于录像保存,以供日后可能的事故或纠纷举证,信息利用程度较为有限。如何有效利用现有的停车场视频监控信息,提高停车场管理的服务质量和智能化程度,是智能停车场管理系统拓展的重要研究方向。
2 理论分析
数字化图像的智能分析是机器视觉研究领域的重要课题,而基于视频图像的目标跟踪技术则是其中的研究热点。目前已广泛应用的目标跟踪及预测[3,4],其使用核心技术是“粒子滤波”[5]。“粒子滤波”也被称为“顺序蒙特卡洛法”(Sequential Monte Carlo,SMC),是一种适用于非线性、非高斯约束的目标跟踪方法,目前常见的应用有:卡曼滤波器[6]、Mean Shift[7]以及粒子滤波器[8]。卡曼滤波器主要用于预测稳定移动的物体,对于像车辆这种可能突然有加速、减速或改变方向的情况并不适用;Mean shift虽然稳定度上优于卡曼滤波器,但同样不适用与快速移动的物体;而粒子滤波器则可以适用于复杂运动物体的追踪,但追踪结果较不稳定。近年来粒子滤波器也发展出许多不同的变形,例如:扩展卡曼粒子滤波器(Extended Kalman Particle Filter,EKPF)、Unscented粒子滤波器(Un-scented Particle Filter,UPF)、混合卡曼粒子滤波器(Mixed Kalman Particle Filter,MKPF)、粒子滤波器(Rao-Blackwellised Particle Filters,RBPF)等等。
本文综合了Mean Shift、粒子滤波器在视频图像目标追踪上的技术优势,参考手部追踪[9]以及脸部追踪[10]的技术应用,以联合粒子滤波器解决传统粒子滤波器在多辆车追踪时所出现的不稳定现象,同时引入马可夫链[11]以计算所追踪物体的状态关联关系,最终实现本次研究目的。
2.1 联合粒子滤波模型定义
首先对每个对象定义其状态函数如式(1)。
其次定义观测函数如式(2)
将对象在时间k的状态以集合Sk={sk1,sk2,…,skτ}表示,以集合Zk={Zkj}Mkj=1表示在时间k的观测结果,其中Mk为观测值个数。再以一个集合Zk={Z0,Z1,…,Zk}表示经过了k时间所累积记录下来的观测结果,最后定义所有对象的状态与所有观测结果之间的相联关系事件准,每个事件都是由数对(j,i)所构成,其中(j,i)∈{0,…,Mk}×(1,…,τ)。在现在的时间所得到的观测结果中,各种相联关系事件准可能出现的机率来当作权重之一。见式(3):
考虑单一发生相联关系事件φ的机率,利用马可夫性质,可得式(4):
在时间k的对象状态Sk之下可以得到的相联关系事件φ机率,见式(5):
在出现对象状态Sk并且发生事件φ的条件之下,得到观测结果Zk的机率见式(6):
2.2 联合粒子滤波器
联合粒子滤波器是粒子滤波器的另一种变形。粒子滤波器中对粒子权重部分的考虑,主要对以下三个特征:1)面积相似度;2)位置相似度;3)色彩相似度。在联合粒子滤波器中除了考虑上述三个特征之外,还必须考虑到在当前时间所得到的观测结果中,各种相联关系事件φ可能出现的机率做为权重。
假设在多维空间Dn上任意或依某种分布特性(高斯分布)散布的N个样本,每个样本以Sk(n)表示,其中n=1,...,N,Sk(n)为一状态向量,分别代表在下个时间点各种不同的预测结果。将蒙地卡罗法的概念应用在联合粒子滤波器上,可得到在不同样本的状况下,每个样本存在的可能性(权重)。见式(7):
3 仿真实验及结果
对于已采集的视频图像中已识别出的车辆图像块的质心位置,以(Lx,Ly)表示;色彩直方图以(hr,hg,hb)表示;图像块的长、宽和面积(分别以a,b,R表示),再利用前后时间分别得到的两个车辆位置得到现在车辆的移动速度,以(Vx,Vy)表示。利用得到的这些信息,可以将车辆的状态S表示为S=[x y VxVya b hrhghbR d]T,将粒子的状态以矩形表示,其中x、y表示粒子的位置,d为粒子矩形中心距离追踪物的距离。
由于在第一次侦测到车辆的时候,并没有车辆的移动方向和速度数据,为了使粒子的分布不至于过于集中,因此假设粒子以高斯分布在侦测到的车辆位置附近,由此可得粒子的初始速度,见式(8):
Grand为介于-1到1之间且符合高斯分布的随机数,K1和K2为常数。
粒子的初始位置的计算公式见式(9):
定义车辆在单位时间的平均移动距离为式(10)
对粒子的更新表示见式(11):
为了判断由一个粒子代表的图像块与被追踪车辆是否相似,分别对面积相似度(以L1表示)、位置相似度(以L2表示)、色彩相似度(以L3表示)的相似度来更新粒子权重,见式(12),并使得。
为了解决计算机模拟产生的伪随机数对追踪结果造成的影响,对每次更新进行重新取样,将权重值过小的粒子剔除,保留权重值较大的粒子。实验中设定当粒子权重低于1/l时,就将该粒子移除,再把剩余权重值较大的粒子,按照权重大小分配该拥有多少粒子,将重新分配的粒子权重均设为1/l。最后算出期望值状态,来显示最后追踪的结果。见式(13):
Ex和Ey表示期望图像块,即被追踪车辆的中心位置。追踪结果显示见图1、图2。
4 结论
本文以车辆追踪的模式对停车场视频信息的智能处理进行了初步研究,实验结果表明了此模式的可行性。其研究结果可扩展到停车场内车辆引导系统,合理规划停车场内的车流情况,节省停车时间,也可与停车场车辆查询系统结合,快速查找指定车辆在停车场的实时位置,具有较好的扩展应用前景。
参考文献
[1]王竹萍.基于RFID技术的智能停车场研究与开发[J].杭州师范学院学报:自然科学版,2007,6(1):61-65.
[2]胡世杰.智能小区停车场管理系统的设计[J].电气应用,2008,27(15):59-62.
[3]Czyz J,Ristic B,Macq B.A particle filter for joint detection and tracking of color objects[J].Image and Vision Computing,2007,25(8):1271-1281
[4]Pantrigo J J,Sanchez A,Montemayor A S,Duarte A.Multi-dimensional visual tracking using scatter search particle filter[J].PatternRecognition Letters,2008,29(8):1160-1174.
[5]Gordon N J,Salmond D J,Smith A F M.Novel approach to nonlinear/non-Gaussian Bayesian state estimation[J].IEEE Proceedings onRadar and Sonar Processing,1993,140(2):107-113.
[6]Masoud O,Papanikolopoulos N P.A novel method for tracking and counting pedestrians in real-time using a single camera[J].IEEETransactions on Vehicular Technology,2001,50(5):1267-1278.
[7]Comaniciu D,Meer P.Mean shift analysis and applications[J].The Proceedings of the Seventh IEEE International Conference on Com-puter Vision,1999(2):1197–1203.
[8]Boers Y,Driessen H.The Mixed Labeling Problem in Multi Target Particle[J].IEEE 10th International Conference on Information Fu-sion,2007:1-7.
[9]Shan Cai-feng,Wei Yu-cheng,Tan T,Ojardias F.Real time hand tracking by combining particle filtering and mean shift[J].SixthIEEE International Conference on Automatic Face and Gesture Recognition,2004,669-674.
[10]Fang Xu,Jun Cheng,Chao Wang.Real time face tracking using particle filtering and mean shift[J].IEEE International Conference onAutomation and Logistics,2008:2252-2255.
【智能车辆】推荐阅读：
灭火智能车辆11-23
智能车辆信息采集系统01-20
《智能车辆技术》学习总结报告09-13
车辆智能化管理系统09-13
关于酒店车辆钥匙及车辆管理的制度09-23
车辆空调07-20
公务车辆07-20
车辆装置10-18
车辆检修10-20
辅助车辆10-21