基于最优路径的智能车设计与实现

针对城市交通中车辆的智能行驶,以MC9S12XS128单片机为核心控制器,设计并实现了一种基于单目视觉的智能车最优路径控制系统;在简单模拟路况环境下,使用CCD摄像头采集道路信息,先提取二值化图像中的路径信息,再对道路中的不同路况进行分类与识别;构造特殊的路网带权有向图,使用Dijkstra算法计算两顶点间的最优路径;通过分析路径上顶点间的关系得到最优路径控制策略,进行速度和特殊转向控制;实验表明:单片机在48MHz下能够稳定地处理数据,实现了智能车点到点的最优路径自主行驶。     

基于线阵CCD的两轮自平衡智能车系统

设计一种基于线阵CCD传感器的两轮自平衡智能车系统,运用互补滤波算法对陀螺仪和加速度计进行姿态角融合,使用浮动阈值法对线阵CCD图像进行二值化处理,完成姿态、方向和速度三项控制任务并对控制信号进行融合。实际测试,智能车以2.2m/s的平均速度稳定运行,验证了系统设计的可行性与可靠性。     

智能车图像处理与识别算法研究

以全国飞思卡尔智能车大赛为背景,介绍了智能车工作的整体框架、图像采集以及图像处理与识别控制算法。智能车控制系统中选择索尼CCD传感器进行路径识别,对采集的视频数据二值化后进行图像处理,进而提取赛道两边的黑色边缘的中心位置,并以此作为小车的方向引导线,结合PID闭环控制算法控制舵机的转向,使得小车能够保证稳定性的前提下高速行驶。     

基于线性CCD的路径识别算法研究

介绍了基于线性CCD传感器智能小车图像采集以及图像处理与识别的控制算法。使用飞思卡尔公司的32位单片机MKL26系列单片机,获取传感器采集到的路面信息及车速,经过图像分析处理提取赛道信息,进而识别路径,使得控制智能车的舵机转向,同时对直流电机进行调速,从而实现智能小车快速平稳地循迹行驶。实验证明：该系统能很好地满足智能车对路径识别性能的要求,具有较好的动态性能和较强的鲁棒性。     

基于经典PID算法的智能车系统研究

如何根据各种传感器输入的信息快速识别出前方道路的情况,是智能车系统控制领域研究的难点。本文用MC9SDG128B作为核心处理器,完成智能车电源、驱动、数据采集处理和测速等模块的设计与实现,在此基础上提出了基于经典PID路况识别的控制算法。通过大量的实践和调试总结出PID算法的各项系数参考表,使我们的智能车系统在参赛时最终平均车速达到1.75m/s,入弯道时最大速度达到2m/s,基本上满足全程高速运行的要求。     

基于MC9SDG128 单片机的路径识别车的设计及实现

以飞思卡尔公司的16 位微控制器MC9S12DG128 作为核心控制单元, 设计并实现了一种基于CCD传感器的智能寻迹模型车系统。智能车系统的基本控制策略是根据路径识别模块和车速检测模块所获得的黑线位置信息和当前车速信息,准确控制舵机和直流电机运动,以达到智能车的稳定快速行驶。实践证明,该智能车寻迹效果好,系统响应快,具备良好的动力性能和转向性能,证明了控制算法的有效性和稳定性。     

视觉导引智能车的自适应路径识别及控制研究

为了提高智能循迹小车路径识别的精度与行驶速度,提出了一种基于自适应闽值二值化的路径识别算法.首先采用OTSU算法计算出图像分割的最佳阈值,利用此闽值二值化灰度图像;然后提取二值化图像中赛道中心线,得到智能车在赛道中所处位置信息.其次利用线性回归方程对丢失赛道边缘图像拟合直线,根据图像特征完成路径识别.最后采用分段式PID算法实现方向控制,使用增量式PID进行速度调节.测试结果表明,此方法有效提高了不同路径的识别率以及对外界灯光环境的适应性.     

线性CCD图像处理与识别算法研究

介绍了基于线性CCD传感器的智能小车整体框架、图像采集和处理以及路径识别控制算法。智能小车控制系统中选择线性CCD传感器进行路径识别,对采集的像素点进行中值滤波、二值化等处理,提取赛道两边的黑色边缘,取其中心位置作为小车的引导方向,控制舵机的转向,使得小车能够稳定、可靠地高速行驶。     

基于AT89C2051单片机的避障智能车的开发

设计并实现了一种基于AT89C2051单片机的自主避障智能车。该车使用红外传感器采集路况信息,通过对检测信息的分析,自动控制转向电机转向改变行驶路径,绕过障碍物,从而实现智能车稳定避障,另外通过单片机控制定时器,使其具有定时行驶功能。     

基于单片机的AGV智能车的设计

设计了一种以单片机为主控核心,通过CCD传感器对运行路径进行视频采集,并利用硬件控制电路以及基于PID控制算法的软件程序对获得的视频数据进行分析处理,指导智能车自主识别正确的路径并实现运行。     

一种保护用户隐私的路网兴趣点KNN查询方法

针对查询K近邻兴趣点方法多基于欧氏空间的不实用问题,提出了适用于路网环境下的查询方法。首先,利用四叉树索引划分路网结点。然后,用户基于划分结果,计算所在路段指向的路网顶点,以该顶点为出发点查询路网距离下的K近邻目标兴趣点。最后,用户构造包含这K个目标兴趣点的匿名框并注入虚假兴趣点查询请求,LBS服务器只返回匿名框内的兴趣点查询结果。该方法在控制通信开销的同时,能够保护用户的位置隐私和查询内容隐私。     

基于主元神经网络的非结构化道路跟踪

在概率的框架内,基于主元神经网络,提出了一种新的蒙特卡罗道路跟踪技术,用于自主陆地车辆在非结构化道路上的导航．使用直线道路模型表示道路边缘,并对其状态利用二阶自回归模型进行预测;在HSV彩色空间将颜色信息和局部空间特征相结合,利用主元神经网络提取主成分;根据道路边缘窗的统计特性,利用粒子滤波器进行道路状态的估计．实验结果表明,该方法能够鲁棒地进行非结构化道路跟踪．     

Combined quasi-static backward modeling and look-ahead fuzzy control of vehicles

Vehicle modeling can play an important role in vehicle power train design, control and energy management investigation. This paper presents a method for vehicle power train modeling. The key feature of the method is its presentation of the dynamic of vehicle based on the road information. This ability makes the method suitable for look-ahead energy management and fuel economy optimal control problems. With the aid of a road slope database, road geometry ahead of the vehicle is extracted. A fuzzy controller is developed that receives this information and controls the velocity of the vehicle with respect to its fuel consumption. In order to maintain the operation of the combustion engine near its efficient region, the fuzzy controller commands a continuously variable transmission. Simulations are carried out using real road data. The results are presented and discussed.     

主干道动态协调控制方法研究

针对干线交通双向绿波协调控制中的相位冲突问题,提出了一种主干道动态协调控制方法。根据交通路口关联度计算方法将主干道划分为若干个控制子区;根据划分好的控制子区,计算出控制子区控制参数和控制子区间的协调控制参数：其中,针对我国城市交通流特点,对韦伯斯特周期公式进行修正,并设计了一种支路相位排前可行度函数用于各个路口相序进行优化,依此根据一段时间内的交通流信息计算出所有控制参数,包括公共信号周期,各路口的绿信比,各路口的相序以及所有路段的引导车速。仿真结果表明,该方法比分散控制能有效地提高主干道的行车速度,能够有效降低干线的通行时间。     

云控制器在智能交通信号灯控制中的应用研究

针对智能交通系统中信号灯控制问题,提出一种新的控制方法--使用云理论的基本算法处理公交车辆反馈信息;将云理论中的前件云发生器与后件云发生器组合构建云控制器,对含有不确定性的多维度公交信号综合处理,并综合各种道路信息以决定交通信号灯的通行时间长度方案;通过模拟实验,证明该信号控制方法能够真实客观实时地反映道路情况,并对交通信号的时长做出有效调整,提高了控制的灵活性和实时性,有效减小了车辆平均延误,使控制系统更具智能化.     

车辆自主导航中的道路边界识别算法

道路边界识别是车辆基于道路区域或边界信息自动导航的首要问题．根据驾驶员视觉处理经验和车辆运动轨迹方程，总结出道路边界识别的先验知识与预测知识，在所选取的二次曲线道路形状模型基础上,分别利用边界识别算法和跟踪识别算法得到车辆起步和稳定行驶过程中的实时道路边界信息，为车辆控制器计算出位置偏差和方向偏差两个参数，以实现车辆基于前向单目视觉的自主导航．通过对实际路面试验结果的分析，证明了该方法的有效性和准确性．     

交通信号灯智能控制算法研究

针对当前城市交通信号灯控制的技术缺陷,即国内大多数城市交通信号灯控制方法仍然停留在时间程序控制的技术层面,或者采用感应线圈等设备来获取道路交通信息等技术现状,提出一种交通信号灯智能控制算法。该系统算法由图像边缘检测、道路行车类型切割、纵向坐标投影和车流长度分析等核心技术组成,能够充分、有效和实时地获取交通流量信息,使城市交通信号灯的开／关时间能够根据道路上车流量的实际大小实施准确控制,因此使交通信号灯的控制达到智能化的技术水平,为最终实现城市智能交通提供科学的信息基础。     

一种基于GPS轨迹的道路拓扑生成方法

复杂路网拓扑的自动生成建立在道路提取和交叉路口识别的基础之上,是智能交通控制和自动导航服务等领域的研究热点之一,基于浮动车或出租车的GPS轨迹可以反映交通路网的拓扑结构。为此,提出了一种基于GPS轨迹的道路拓扑生成方法,即在无道路地图辅助的情况下,该方法基于大规模GPS轨迹,能够快速提取路口交叉点,自动构建具有地理位置信息的拓扑结构和计算相邻路口的网络距离。实验结果表明,该方法能够提取出各个道路交叉点并建立各点之间的拓扑关系。在提取主干道路拓扑实验中,在设置路宽为55米的情况下提取路口交叉点的正确率达到了87.08%,各路口之间的平均网络距离误差率为8.87%,并且能够正确地得到交叉点之间的连通关系。     

移动终端交通动态图形化信息受信位置研究

交通动态信息图形化发布是通过对道路网抽象简化形成简易道路图形,并在此基础上发布实时路况的交通信息发布方式。在移动终端上发布图形化动态信息时,应充分考虑移动终端的可移动性以及实时在线特性,在关键的位置发布合理的图形信息,才可提高交通动态信息的识别度和提升信息诱导效果。通过分析驾驶人信息接收过程和线路的调整行为特性,研究图形化数据受信距离的设置方法,建立受信距离计算模型,给出了模型关键参数的计算方法和参考数据,从而为后期规模性图形化发布位置的布设奠定基础。