GPS车辆卫星定位模拟系统

本文对GPS车辆卫星定位系统的硬件架构与软件的设计进行了探讨，系统采用GSM作为数据传输的媒介，用PC机当作是控制中心，用小车代替车辆。系统由GPS发出位置信息，再由GSM把信息传送给PC机，经过PC机处理，显示小车在地图上的位置，再由PC机在发出指令，通过GSM把指令传送给小车，小车执行指令。     

违法闯红灯车辆视频检测算法的研究

本文介绍了视频检测在车辆违法抓拍中的优势，并在传统视频图像检测算法的基础上提出了优化方案。其具体方法是，通过提取图像车辆形心的位置，根据形心位置像素点的变化，准确判断通过检测区域的车辆，从而实现违法车辆的抓拍。     

铁水运输动态监测系统无线通讯网设计

根据铁水运输系统的特点,设计了扩频通信无线数据通信网,其实时传送车辆位置数据的能力大大优于窄带电台组成的无线网和利用GSM公用电话网传送位置数据的GPS车辆监控系统,所设计的无线通信网能管理较多车辆,并具有进一步扩容的能力。     

气垫车辆静垫升稳定性分析

静垫升稳定性是气垫车辆的关键特性之一，为了得到影响气垫车辆静垫升稳定性的主要因素，为气垫车辆实际设计与改装提供依据，针对BJ2032ZLF1车型所改装的气垫车辆，使用大型工程软件ADAMS和ANSYS建立了地面沉陷模型、气垫车辆多体动力学模型和流场模型，并对气垫车辆的静垫升过程进行了仿真，分析了气垫车辆在不同整车几何参数与力学参数影响下的静垫升稳定性，得到了气垫车辆能否平稳垫升取决于车辆改装后的重量分布、地面沉陷情况和车底气压中心位置的结论。     

列车ECP电控空气制动系统的排序方法探讨

对列车ECP电控空气制动系统的排序方法进行了研究，详细探讨了列车排序的硬件设计与软件设计，用于确定车辆位置与方位。     

基于多地磁传感器的车辆位置检测系统设计

系统通过在路面下安装多个地磁传感器检测车辆在路面的实时位置。地磁传感器与微处理器集成为信号处理模块,信号处理模块采集地磁传感器数据并在滤波后发送给数据处理模块。数据处理模块通过车辆经过路面时地磁传感器数据的变化来分析计算得出车辆的位置。通过对实验测得数据进行曲线拟合得出车辆位置与传感器差值之间的关系,进而推导出车辆的位置,其两轴精度达到10 cm。此外,设计的系统还可以测得车辆的速度和前进方向,并有望在智能公路方面应用于自动驾驶。     

高速行驶车辆位置信息快速检测系统设计

设计了基于地感线圈的高速公路车辆位置信息检测器,采用具有输入捕捉和定时器功能的单片机,捕捉振荡信号频率的变化判断车辆位置。系统通过单片机定时模块获取多个脉冲的持续时间,通过增加脉冲数的方式增加计时时间,提高位置信息检测的精度。为了提高检测方法的鲁棒性,系统在计数持续脉冲总时间的过程中,也在实时测试每个脉冲的时间,去除脉冲时间过短的高频干扰信号。设计了自动复位功能,如若在设定时间内检测不到车辆到来,则通过外部电路使单片机复位,防止系统工作异常。系统经模拟试验测试表明,设计的振荡电路能够产生稳定的振荡信号,当模拟车辆通过时,系统能较快响应车辆位置变化。     

基于GPS和GIS技术的公交车辆实时监控系统的设计与实现

本文介绍了一种基于GIS和GPS技术的实时监控公交车辆的位置和运行状态的方法。在利用GPS系统对车辆的精确定位基础上，进一步利用GIS提供的强大的地图显示功能，在电子地图上动态显示公交车辆的位置，查询有关某一车辆的信息，以实现车辆的实时监控，为交通管理系统智能化和动态跟踪车辆的实现提供了有力的保证。     

“电子警察”安装定位问题浅析

照相机与闪光灯是“电子警察”的两个重要组成部分，它们的装置位置适当与否直接关系到“电子警察”作用的发挥。本文运用数学分析方法，论述了相机和闪光灯安装的距离与高度对拍摄到的违章车辆的四牌号与红灯清晰度影响的趋势，为合理选择相机和闪光灯的安装位置提供重要的理论依据。     

基于自组织网的分布式车辆定位终端的设计

通过对车辆自组织网络相关通信技术的研究,提出了一种分布式车辆定位终端的设计与实现方案,该定位终端基于ARM嵌入式设计,整合了802.11通信模块、GPS定位模块以及LCD图形显示模块,可实时获取车辆位置信息并定时广播给周围其他车.每辆车通过802.11通信模块接收其他车信息,在显示屏幕上显示出周围车辆的位置分布情况,并采用本文提出的基于邻居列表的广播消息按需转播算法决定对收到的其他车消息的转播.该终端经实际应用测试,可较好地实现所提出的功能,在安全驾驶方面具有较重要意义.     

改进的R-SSD全景视频图像车辆检测算法

针对SSD算法在检测全景视频图像车辆目标时存在准确率低、漏检率高的问题,构建了一种改进的SSD网络,命名为R-SSD,并提出了一种基于R-SSD的全景视频图像中车辆目标检测算法。在原SSD网络之前增加了一个RPN*网络,目的在于过滤负样本先验框并粗略调整先验框的位置和大小,为后续回归提供好的初始条件。在原SSD和RPN*网络之间构建了传输转换模块,实现两个网络间的特征融合,并增加低层特征信息,从而提高目标的检测效果。在同时兼顾了RPN*网络和SSD*网络损失函数的基础上提出了新的损失函数,应用了二分类和多分类的方法,使回归操作更加精确。将采集的全景视频图像数据分为训练集和测试集,通过对比实验,表明提出的R-SSD算法检测精度可达90.78%,明显优于SSD算法,可较好地解决全景目标车辆检测中误检率较高、漏检率较高等问题。     

Finding multiple lanes in urban road networks with vision and lidar

This paper describes a system for detecting and estimating the properties of multiple travel lanes in an urban road network from calibrated video imagery and laser range data acquired by a moving vehicle. The system operates in real-time in several stages on multiple processors, fusing detected road markings, obstacles, and curbs into a stable non-parametric estimate of nearby travel lanes. The system incorporates elements of a provided piecewise-linear road network as a weak prior. Our method is notable in several respects: it detects and estimates multiple travel lanes; it fuses asynchronous, heterogeneous sensor streams; it handles high-curvature roads; and it makes no assumption about the position or orientation of the vehicle with respect to the road. We analyze the system’s performance in the context of the 2007 DARPA Urban Challenge. With five cameras and thirteen lidars, our method was incorporated into a closed-loop controller to successfully guide an autonomous vehicle through a 90 km urban course at speeds up to 40 km/h amidst moving traffic.     

基于改进SSD算法的车辆检测

SSD算法利用多尺度特征图进行分类和位置回归,检测小目标效果优于YOLO算法,但SSD算法在进行车辆检测时存在漏检问题。为此,提出一种改进SSD算法。为提取更多的车辆特征信息,设计改进Inception模块替代SSD网络中的Conv8、Conv9和Conv10层。将浅层特征的位置信息和深层特征的语义信息进行均衡化融合,构建多尺度特征融合均衡化网络,提高小目标车辆识别率。在特征提取层均引入SENet,对不同特征通道的重要性进行重标定以提高模型性能。实验结果表明,改进后SSD算法在自制的车辆数据集上平均精度为90.89%,检测速度达到59.42 frame/s,相比改进前的SSD算法,在精度和速度上分别提高2.65个百分点和17.41 frame/s,能够更快速、准确地对图像中的车辆进行识别和定位。     

基于GMR传感器的Zig Bee无线车辆检测系统设计

设计了一种基于巨磁阻(GMR)传感器的Zig Bee车辆检测系统,利用高灵敏度的GMR传感器采集道路上经过车辆对地磁场的扰动信号,然后通过检测节点对采集的数据进行打包处理,并通过Zig Bee无线网络系统将数据传输给上位机。实验表明:该系统检测工作稳定可靠,且节点尺寸小,无需布线,易于安装。     

Plume mapping via hidden Markov methods

This paper addresses the problem of mapping likely locations of a chemical source using an autonomous vehicle operating in a fluid flow. The paper reviews biological plume-tracing concepts, reviews previous strategies for vehicle-based plume tracing, and presents a new plume mapping approach based on hidden Markov methods (HMM). HMM provide efficient algorithms for predicting the likelihood of odor detection versus position, the likelihood of source location versus position, the most likely path taken by the odor to a given location, and the path between two points most likely to result in odor detection. All four are useful for solving the odor source localization problem using an autonomous vehicle. The vehicle is assumed to be capable of detecting above threshold chemical concentration and sensing the fluid flow velocity at the vehicle location. The fluid flow is assumed to vary with space and time, and to have a high Reynolds number (Re>10).     

Simultaneous localization and mapping of a wheel-based autonomous vehicle with ultrasonic sensors

An autonomous vehicle should recognize its position when the vehicle is moving, otherwise the vehicle would not operate correctly. In addition, the “kidnapping“ problem sometimes appears when the vehicle starts at an unknown position. The theoretical basis of the solution to this problem, known as simultaneous localization and mapping (SLAM), is now well understood. A number of approaches to SLAM have appeared in the recent literature. The SLAM algorithm consists of two methods. One is a map-building method that makes a map to represent the environment. The other is a mapping method to compute the position of the vehicle in absolute coordinates. However, it is difficult to apply the SLAM algorithm to an actual autonomous vehicle because it needs a certain amount of operating time. In this article, we explain the use of ultrasonic sensors for detecting obstacles in corridors, and a digital magnetic compass, a gyro, and two encoders for immediate localization. Experiments showed that this algorithm can be executed with a high degree of accuracy and reliability in an unknown environment. This algorithm could also solve the “kidnapping“ problem in a fast operating time.     

Estimation of Vehicle Pose and Position with Monocular Camera at Urban Road Intersections

With the rapid development of urban, the scale of the city is expanding day by day. The road environment is becoming more and more complicated. The vehicle ego-localization in complex road environment puts forward imperative requirements for intelligent driving technology. The reliable vehicle ego-localization, including the lane recognition and the vehicle position and attitude estimation, at the complex traffic intersection is significant for the intelligent driving of the vehicle. In this article, we focus on the complex road environment of the city, and propose a pose and position estimation method based on the road sign using only a monocular camera and a common GPS (global positioning system). Associated with the multi-sensor cascade system, this method can be a stable and reliable alternative when the precision of multi-sensor cascade system decreases. The experimental results show that, within 100 meters distance to the road signs, the pose error is less than 2 degrees, and the position error is less than one meter, which can reach the lane-level positioning accuracy. Through the comparison with the Beidou high-precision positioning system L202, our method is more accurate for detecting which lane the vehicle is driving on.     

一种基于车联网的车辆定位方法

车辆群体行为态势能够准确描述车辆在车联网中的运动规律,车联网中GPS信号强的车辆可以利用通信能力、邻居位置关系,对位于一定距离范围内、出行目的地相同或相近、GPS信号弱的车辆进行实时位置计算。该方法首先提出车辆目的地伴随标签的标签簇划分算法,将有相同或相近目的地的车辆,其目的地视做标签,通过挖掘标签重叠结构与层次结构划分至同一标签簇,使之聚类成为车辆群体;然后提出基于标签划分结果的定位算法与结果修正算法,对亟待定位的车辆进行实时位置计算。实验结果表明,该方法较同类方法定位误差降低15%~35%,不同交通状况结果稳定性提高25%以上,所以提出的定位方法是有效的。     

基于四旋翼无人机的车辆自主抄牌

针对传统车辆抄牌效率低的问题,提出一种基于四旋翼无人机的车辆自主抄牌方法。使用无人机采集大量车辆俯视图样本,对图像进行预处理和下采样,然后提取车辆图像的梯度直方图特征,将图像特征输入到卷积神经网络中,训练出车辆识别模型,最后使用模型识别车辆;根据车辆的形状特征估计车辆姿态;根据车辆的位姿信息计算无人机抄牌的位置和角度;搭建无人机实验平台测试无人机自主抄牌系统。实验结果表明无人机可以自主拍摄到清晰的车牌图像,实现了车辆抄牌的自动化。     

基于YOLOX的车辆检测

车辆检测是智能交通系统重要的一个研究方向. 针对监控视角下的车辆检测问题, 提出了一种改进YOLOX算法的车辆检测方法. 使用网络深度更小的YOLOX_S模型, 对网络结构改进. 使用GHOST深度可分离卷积模块代替部分传统卷积, 在保证模型检测精度的同时减少模型参数; 将CBAM注意力模块融合到特征提取网络中, 并添加特征增强结构, 加强特征提取网络获得的特征图语义信息, 增强提取网络对目标的检测能力; 通过使用CIoU_loss优化损失函数, 提高模型边界框的定位精度. 测试实验结果表明, 改进后的网络识别准确率提升了2.01%, 达到95.45%, 证明了改进方法的可行性.