基于一阶径向畸变算法的双目摄像机多位姿标定方法

双目立体视觉中在对物体进行三维测量或精准定位时,需要对摄像机进行标定以获得其内外参数。研究径向畸变摄像机模型,构造了基于一阶径向畸变（RAC）算法的双目摄像机内外参数线性求解公式。考虑侧倾角、旋转角、俯仰角以及透镜的主要畸变因素,修正了传统RAC标定法中只考虑径向畸变、部分参数需要先验值的缺陷。利用标定所得内、外参数进行了多位姿双目摄像机三维重构实验。实验结果表明,该标定方法重投影误差分布在[-0.3,0.3],动态识别结果与实际运行轨迹重合率为96%,对降低双目立体视觉三维测量误差率有积极性影响。     

基于WPD和EMD的噪声品质预测模型

声品质作为汽车舒适性的一个重要指标,目前已经成为汽车领域一个重要的研究方向。根据人耳的听觉特性,提出一种基于小波包分解(WPD)和经验模态分解(EMD)的21个特征频带划分方法。按照所提出的方法,将采集得到的车辆噪声信号进行分解并提取信号在各频带的声能量时变特征。之后根据BP神经网络原理将提取的能量特征作为输入,计算得出响度和尖锐度等声品质评价参数作为输出,建立一种基于WPD和EMD的声品质评价模型。验证结果表明,所建立的模型可以准确地预测响度和尖锐度等心理声学参数,可作为声品质评价的一种有效方法。     

基于小波变换和神经网络的车内噪声信号重构

为获取较高精度车内噪声主动控制(Active Noise Control, ANC)参考信号,提出了一种基于小波变换和BP神经网络的车内噪声信号重构方法。以在某轿车采集到的噪声信号为基础,用声学传递路径分析(TPA)方法确定影响车内噪声的关键点信号。鉴于噪声源信号对车内信号非线性关系的复杂性,建立BP神经网络的噪声重构模型,并利用小波分解来降低噪声信号的非平稳性。为对比重构效果,建立BP神经网络噪声重构模型。结果表明,本文提出算法的重构值与实测值之间的平均绝对误差比BP神经网络小,并且基于小波变换和BP网络重构模型的平均绝对误差均小于0.01。该方法能够对车内噪声信号进行准确、有效的重构。     

基于YOLOv3和RGBD的车内人耳识别与深度定位

定位人耳空间深度坐标是车内主动降噪研究的关键环节.论文基于YOLOv3深度卷积网络的目标检测算法对乘员耳部进行检测,并结合RGBD多源视觉传感系统动态定位车内人耳深度坐标.首先,采集车内乘员侧面RGB图像作为人耳数据集,并在人耳区域进行标定.然后结合YOLOv3的Darknet-53网络训练得到人耳检测模型.最后,融合RGBD视觉传感系统,完成人耳识别与深度坐标定位系统.实验表明,该方法在多种光照下,对车内人耳动态跟踪速度达到7fps,检测准确率在95％以上.同时,空间深度定位精度达到±3.5cm,可为车内主动降噪系统提供准确的噪声信号定位反馈.     

高速工况下乘员耳侧噪声信号重构方法

高速工况下,车内噪声信号具有随机性和波动性的特征。将一种基于经验模态分解(EmpiricalModeDecomposition, EMD)和反向传输(Back Propagation, BP)神经网络的算法,用于重构车内乘员耳侧噪声信号。首先通过对车内乘员耳侧噪声贡献量分析,确定关键噪声源信号;其次对选择的噪声源信号进行EMD分解,得到有限个相对平稳的固有模态函数(Intrinsic Mode Function, IMF)分量;然后采用极值点划分法,按各个分量的波动情况进行重新划分,将信号分量重构为高频、中频和低频3个分量;最后对不同频段的部分建立相应BP神经网络模型,并将不同频段分量的重构结果叠加作为原信号的重构结果。以在某轿车采集到的5个噪声信号源为基础,利用该方法进行乘员耳侧噪声信号重构,并对其进行分析。结果表明:提出的噪声重构方法可以实现高速工况乘员耳侧噪声信号的重构,并具有良好的性能。     

车内噪声综合烦躁度模糊综合评价

以车内噪声为研究对象,研究了声品质的主观模糊综合评价方法。根据汽车车内噪声测量标准设计噪声采集方案,对平稳和非平稳车内噪声进行了数据采集、信号预处理,建立噪声样本数据库。采用参考语义细分法对四款汽车车内噪声的综合烦躁度进行主观评价试验研究,基于主观评价试验结果和模糊综合算法,建立了综合烦躁度模糊综合评价模型,可以计算出整车噪声综合烦躁度总值。结果表明不同车型有其自身的声品质特征。所提出的方法可用于实施不同车辆的声品质比较和评判。     

基于改进tiny-YOLOv3的车辆检测方法

针对复杂道路环境下前方车辆检测识别率低、实时性差的问题,提出一种基于改进tiny-YOLOv3的前方车辆检测算法.以tiny-YOLOv3为基础,利用Inception模块改进特征提取网络,增加网络宽度,提升网络特征提取能力;将ti-ny-YOLOv3的两个尺度检测增加至三个,融合上下文特征信息;利用K-means聚类方法确定目标候选框个数和尺寸,进行多尺度训练得到最优检测模型.基于KITTI数据集验证检测模型,结果表明,在保证实时性的基础上,改进算法的平均精度为89.66％,比tiny-YOLOv3提高了5.75％.     

基于FxLMS的汽车车内噪声变步长主动均衡算法

提出了一种可用于汽车车内噪声主动均衡控制的变步长主动噪声均衡（Active Noise Equalization,ANE）算法,与传统车内噪声主动抵消控制方法所采用的滤波x最小均方（Filtered-x Least Mean Square,FxLMS）算法相比具有更好的实用性。应用固定步长主动噪声均衡（Active Noise Equalization,ANE）算法、所提出变步长ANE算法和已有变步长ANE算法分别进行汽车车内噪声主动均衡控制。结果表明,所提出变步长ANE算法具有更快的收敛速度和较低的稳态误差,并且能进一步降低汽车车内噪声响度,为汽车车内声品质主动控制提供了一种新方法。