基于特征提取的车道线快速检测方法研究

车道线检测是无人驾驶车辆及车道偏离预警等系统的关键技术。针对自动驾驶车辆当前道路可行驶区域检测精度不高、环境适应性差及实时性差的问题，提出了一种基于特征提取的快速检测车道线的方法。在图像预处理阶段，首先读取视频图像，把每一帧RGB图像转为灰度图，通过Canny算子对图像的边缘轮廓进行提取，然后绘制车道线的掩码区域，并与边缘检测结果图结合，对感兴趣区域（ROI），也就是对车道线所划分的汽车当前可行驶区域进行提取。最后进行概率霍夫变换和最小二乘拟合，并将得到的直线绘制到原图像中，最终对每一帧处理后的图像进行输出。该算法在多种边缘检测方法中选用Canny算法，并针对人为选取双阈值的复杂性问题，提出了自适应调节、选取阈值的方法；运用改进的概率霍夫变换对车道线进行检测，并进行离群值的过滤，有效提高了检测精度和速度。结果表明：该算法处理每一帧图像的时长为13.9 ms，且平均准确率达到97.6%，具有较好的实时性和准确性。     

电动汽车充电机谐波抑制工作机理的研究

电动汽车充电机作为非线性负荷,在充电过程中会产生大量不规则谐波,影响电网电能质量。根据其产生的谐波特点,研究利用有源电力滤波器(APF)抑制相应谐波的工作机理,采用空间矢量与滞环相结合的控制策略,建立了充电机谐波抑制系统的Matlab仿真模型,分别对单台充电机和多台充电机运行时的谐波抑制进行了仿真研究。仿真结果表明,充电机系统在单台或多台、稳态或暂态情况下,APF都能有效抑制谐波。     

基于粒子群优化的宽带同心圆环阵型优化方法

同心圆环传声器阵列广泛应用于声成像阵列系统,能有效地抑制干扰并确定声源位置。在限定阵元数量、阵列最大孔径和最小阵元间距等条件下,提出了一种利用粒子群算法设计宽带低旁瓣同心圆环传声器阵列的方法。该方法通过构造一个反映宽带信号在扫描区域内旁瓣水平的适应度函数,以圆环半径和阵元偏转角作为联合优化参数,基于粒子群优化算法实现了阵型的快速优化求解。仿真实验表明,该方法获得的优化阵型在扫描范围内的整体旁瓣水平低于以最高旁瓣级为适应度函数得到的最优阵型,也低于仅优化圆环半径获得的最优阵型,这说明了该优化方法的可行性和有效性。     

基于通用透明协议的接口模型的双平台并行实时仿真

随着大规模新能源和多馈入高压直流的接入,我国交直流大电网的持续发展对电力系统仿真规模提出了更高的要求,当前扩大仿真规模的主要方法是采用定制化的私有协议组成的SGI高性能计算机群。然而通过直接互联扩展仿真资源的方法受制于SGI定制化的机器间通信装置硬件接口数量,以及通信协议新旧版本不兼容等局限。为了解决上述问题,提出了一种基于通用透明协议的通信接口和波导方程的解耦线路接口模型,采用OP5607光纤接口和Aurora协议,通过解耦线路对两套不同版本的SGI进行联合仿真。仿真结果验证了其可行性,并最终在渝鄂工程模型上进行了工程验证。     

分布式传声器阵列的低频宽带信号方位估计

现有的预防道路交通安全事故、治理道路交通噪声污染等问题的解决方案是从视觉维度监控重点区域并通过声音维度确定事件触发类型与位置。为了实现公路异常声源的实时监测,提出了一种基于双尺度旋转不变信号参数估计旋转不变子空间技术(Estimation of Signal Parameters via Rotational Invariance Techniques, ESPRIT)的低频宽带声源波达方向(Direction of Arrival, DOA)估计算法,该算法适用于三个矩形子阵呈三角形分布的分布式阵列。算法利用该分布式阵列具有的子阵内相邻阵元间距、相邻子阵间距两种尺度对应的空间平移不变性分别进行方向余弦估计,并利用基于阵型分布的解模糊策略实现高精度方位估计。仿真结果验证了算法的有效性,表明了基于该算法的分布式阵列DOA估计精度优于相同阵元数与阵元间距的单个均匀矩形阵,分析了估计精度与分布基线长度的关系,体现了算法的实际工程应用价值。     

基于激光雷达梯度滤波的道路边界检测

自动驾驶和驾驶员辅助需要对道路边界有准确可靠的感知，是车辆基于道路区域或边界信息自动导航的首要问题，也是自动驾驶汽车的重要组成部分。针对结构化、半结构化道路下无人驾驶汽车道路边缘检测存在不连续、被遮挡及易受路内障碍物干扰情况下的识别问题，通过对比分析针对道路边界所提出的激光雷达检测方法的特点与不足，选用基于梯度滤波器检测道路左右边界。其主要思路是：首先读取激光雷达3D点云数据，选取自动驾驶车辆前方感兴趣区域；之后对感兴趣区域内每一层激光雷达激光点线束通过梯度滤波器检测出道路边界点；最后使用最小二乘法对道路边界点进行拟合，最终实现道路边界的检测。并选择合适的评价标准对实验结果进行定量评价。结果表明：基于梯度滤波器的检测方法具有较好的准确性，平均准确率达到98.877%，高于其他检测方法。     

基于子空间分解的阵列流形向量估计新方法

实际阵列装配完成后的阵列流形向量与理论值存在偏差,这种偏差会导致阵列预设波束图的旁瓣升高、阵列高分辨算法的性能下降,严重影响阵列的实际应用。实际中先依据估计的部分实际阵列流形向量选取合适的误差模型,再根据模型得到逼近实际的阵列流形向量。现有的实际阵列流形向量估计方法有直接定义法和最小二乘法,这两种方法计算复杂度很高且估计精度随快拍数波动。对此本文给出一种新的阵列实际流形向量估计方法,它利用阵列接收数据协方差矩阵的信号子空间与阵列流形向量张成空间相同的特性来估计阵列的实际幅度相位响应,结合估计的波达方向,最后得到实际的阵列流形向量。仿真结果表明,本文所提方法比现有的两种估计方法估计精度高一倍且计算复杂度降低了一个数量级。