共查询到20条相似文献,搜索用时 46 毫秒
1.
2.
本文研究履带车辆在路面行驶时受到的振动,使用Track builder在LMS中建立了某履带车辆动力学模型,应用多体动力学理论分析了车体、悬挂系统、负重轮、履带、路面之间的相互作用,给出了与各参数相对应的关系表达式,并描述了履带车辆运动学方程以及动力学方程。以标准梯形障碍物作为路面输入选取的各种参数进行了仿真,可为设计提供参考。 相似文献
3.
5.
6.
7.
文章介绍了一种在定观察角视频场景内随机运动车辆的分类算法。将待分类车辆在固定观察角下进行360度旋转,每隔一度计算该角度下投影图像的不变矩特征,形成了该类型车辆在固定观察角下的训练曲线。然后对同观察角度场景内运动车辆的掩模进行特征提取。将得到的特征与训练曲线进行匹配分类。实验表明,该方法分类准确。 相似文献
8.
针对复杂交通系统中的多个车辆粘连问题,提出了一种分割粘连车辆的方法.当两辆车粘连时,分别计算它们的平均灰度值之后取差值,如果该差值大于设定阈值,则判断它们是水平粘连还是垂直粘连,并确定投影分割的范围,在该范围内采用灰度均值投影的方法确定粘连边界并将它们分割,当灰度相似或者3个及以上的车辆粘连时,根据Kalman预测信息为每个粘连车辆确定分割窗口将它们分割.还提出了一种快速有效的相邻帧中车辆匹配方法.实验表明,文中方法能快速有效地将粘连车辆分割,并且计算复杂度低. 相似文献
9.
为了探测车辆间的相对距离,避免危险车辆由于驾驶不当所引发的交通问题,提出一种深度学习目标识别下的跟驰车辆相对距离测定方法,避免了雷达测距的短距离局限性以及车辆未知性的缺点。该方法采用车载单目摄像机对侧后方车辆进行拍摄,实际物体和成像点之间的转换通过三坐标转换完成,利用深度网络识别目标车辆,获得目标车辆位置以及类别信息,并建立合适的测距模型,得到检测车辆与摄像头之间的相对距离,利用帧差法预测被检测车辆的行驶速度。选择河南省鹤壁市107,342国道进行试验,该路段验证了测距模型的有效性,静态测距下75 m以内相对误差控制在4%,速度误差控制在5%,因此,在检测到危险车辆的情况下,测距模型可以实现相对距离的实时准确性检测。 相似文献
10.
11.
基于视频图像的车速检测方法 总被引:1,自引:0,他引:1
基于视频图像对车辆速度进行检测,调用OpenCV自带的运动目标检测框架,来实现对行驶车辆的检测与跟踪,接着根据摄像机标定结果获取图像坐标与世界坐标的转换关系,求得检测车辆在实际空间中的行驶距离,最后依据速度公式便能得到所检测车辆车速。经测试,该方法具有较高的检测精度,满足实际应用的需求。 相似文献
12.
在2020年年初爆发的新冠疫情背景下,文章设计了异地车辆行车智能监控系统,主要由目标检测模块、车牌识别模块和目标跟踪模块组成,能够根据行车车牌动态识别和判断车辆归属地,并对外来车辆行车路线和轨迹进行自动跟踪、监视和记录,进而及时反馈车辆和人员流动的详细情况,为疫情防控提供技术支持。 相似文献
13.
14.
基于色彩局域搜索的彩色目标快速跟踪方法 总被引:6,自引:1,他引:5
提出了一种基于色彩局域搜索的彩色目标快速跟踪方法。该色彩搜索法是利用目标特征色在目标跟踪点附近搜索目标,而无需对整幅图像地行搜索。其图像处理速度不受图像尺度的影响,因而实时跟踪速度大大提高。实验结果得出:该方法的跟踪速度可达到18.45frames/s,跟踪效率为73.8%。 相似文献
15.
16.
目前,视频序列中的车辆运动检测是图像处理领域中最重要的研究课题之一。它的核心内容是应用图像处理技术从包含车辆信息的图像序列中检测车辆、提取车辆特征和状态、并预测和跟踪车辆的轨迹。车辆的运动检测系统一般包含运动检测、车辆提取、车辆跟踪。从这三个方面回顾车辆运动检测技术目前的发展水平和常用的处理方法,分析研究难点和未来的发展趋势。 相似文献
17.
对潜艇水下跟踪目标的一种方法-多方位-速度法进行了深入分析,发现它具有独特的性能.首先分析了系统的观测性,得出了系统可观测的两个必要条件.之后对两种可能的建模思路进行了分析,指出了一种常见的建模错误,它使得已知的目标速度未能得到利用,效果等同于仅方位法.最后对目标航向的多解现象进行了分析,指出多解性是多方位一速度法的一个基本性质.结合有关性能,还将多方位-速度跟踪和仅方位跟踪进行了比较. 相似文献
18.
针对运动目标跟踪,介绍了一种光电跟踪角速度、角加速度计算方法,给出了控制系统拉格郎日多项式插值跟踪算法误差分析,提出的伺服参数计算方法与分析,可为控制系统优化设计提供数据参考. 相似文献
19.
20.
Nowadays, the broad availability of cameras and embedded systems makes the application of computer vision very promising as a supporting technology for intelligent transportation systems, particularly in the field of vehicle tracking. Although there are several existing trackers, the limitation of using low‐cost cameras, besides the relatively low processing power in embedded systems, makes most of these trackers useless. For the tracker to work under those conditions, the video frame rate must be reduced to decrease the burden on computation. However, doing this will make the vehicle seem to move faster on the observer's side. This phenomenon is called the fast motion challenge. This paper proposes a tracker called dynamic swarm particle (DSP), which solves the challenge. The term particle refers to the particle filter, while the term swarm refers to particle swarm optimization (PSO). The fundamental concept of our method is to exploit the continuity of vehicle dynamic motions by creating dynamic models based on PSO. Based on the experiments, DSP achieves a precision of 0.896 and success rate of 0.755. These results are better than those obtained by several other benchmark trackers. 相似文献