信号强度与运动传感器融合的智能手机室内定位算法

利用智能手机传感器实现高精度跟踪定位已经成为一个研究热点,本文针对室内定位中由于手机的运动引起采集信号强度不稳定造成的定位误差大的问题,提出了基于信号强度与加速度梯度融合综合的新的测距算法,结合手机方向信息、地图信息、信号强度的分布信息,利用测距信息与地图匹配算法,实现对智能手机的精确定位。在实验测试中,该算法平均定位精度为1.2m, 3.5m以下定位精度达95%。本算法有效的提高了智能手机的室内定位精度,并且相比指纹库定位算法减少了搜索次数,提高了定位速度。     

改进的RetinaNet模型的车辆目标检测

目前，在智能交通领域使用深度学习方法进行车辆目标检测已成为研究热点。针对传统机器学习方法的性能易受光照、角度、图像质量等外界因素影响，检测步骤繁琐等问题，通过对当下经典的一阶目标检测模型和二阶目标检测模型进行分析，提出了一种基于改进的一阶目标检测模型RetinaNet的车辆目标检测方法，使用深度残差网络自主获取图像特征，融合MobileNet网络结构进行模型加速，把复杂交通场景下的目标检测问题转化为车辆类型的三分类问题，利用KITTI数据集进行训练，并使用实际场景中的图像进行测试。实验结果表明，改进的RetinaNet模型在保证检测时间的情况下，相比原RetinaNet模型MAP值提高了2.2个百分点。     

一种基于蓝牙信标的室内定位系统

针对室内定位与导航服务的应用需求,使用蓝牙信标节点,构建了一种米级室内定位系统.设计了一种基于CC2540F256的蓝牙4.0信标节点,采用优化均匀部署方法完成信标的布设,在此基础上配置信标BLE协议栈进行位置标识;在安卓平台下搭建定位终端,利用三角质心定位方法实现位置估计.该系统在传统RSSI定位方法的基础上,加入阶段去噪与平滑滤波过程,用于提高测距准确度和稳定性.在实验室楼道测试环境下,平均定位精度可达1.5m,具有布设方便、功耗低和绿色环保的特点.     

基于微分平坦与MPC的智能车换道控制算法

为了提高智能车换道的安全性,提出了一种基于微分平坦理论与模型预测控制(MPC)算法相结合的智能车换道轨迹规划与跟踪算法。该算法利用约束求解得到基于sigmoid函数的优化路径;将其与多项式参数化时间函数作为平坦输出,利用微分平坦理论构造一个非线性性能指标函数并对其进行优化求解完成车速规划;从而实现对智能车辆路径-速度分解式的轨迹规划。利用动力学模型预测控制算法线上控制的优点,对智能车的车轮转向进行实时控制,使得车辆按照规划好的轨迹行驶完成换道。通过CarSim与MATLAB/Simulink的联合仿真,将提出的轨迹规划算法应用于车辆系统仿真软件中进行验证,结果表明该算法能够实现对智能车进行轨迹规划和跟踪控制,使其安全高效地换至目标车道。