校园智慧交通导引系统的设计与实现

目前高校建筑楼宇数量多、面积大、区域广,外来车辆路况不熟,车辆乱停乱放等问题突出。结合某学院校园环境,采用Android、PHP等开发语言,结合Dijkstra算法与iBeacon定位技术,设计并实现具有车辆进校预约、校园道路导引、停车场实时影像推送等功能的校园智慧交通导引系统。经实际测试,该系统能够满足外来车辆入校后的实际需要,较好地解决外来车辆在校园迷路、停车难等问题。     

基于无线通信的智能泊车系统设计

自动泊车是车辆辅助驾驶系统中的一项关键技术.当泊车空间较小时,现有的泊车技术无法发挥作用.设计了一种基于无线通信的新型智能泊车方法,引入无线通信协同泊靠的概念,利用通信网络共享资源信息;使用多类型传感器采集车位信息,多MCU共同规划泊车路径,调整已泊靠车辆位置,为需要泊靠的车辆提供足够空间,从而通过多车协同最大化利用泊车空间.通过实验验证,该方法与现有泊车技术相比,在同等条件下,泊车空间利用率提高20％以上.     

An intelligent driver location system for smart parking

It is often frustrating for drivers to find parking spaces, and parking itself is costly in almost every major city in the world. Here we propose a crowdsourcing solution by exploiting sensors in smart-phones to collect real-time parking availability information. We design a phone-based system to track a driver’s trajectory to detect when they are about to leave their parking spot. We focus on the efficiency and accuracy of using a phone to monitor the driver’s walking trajectory, applying a waist-mounted PDR method that can measure the driver’s moving distance with a high accuracy. In addition, we design a map matching algorithm to calibrate the direction errors when the driver is in an indoor environment, using widely-available building floor plans. The results of our experiment show that we can achieve about 98% accuracy in estimating the user’s walking distance, with an overall location error of about 0.48 m.     

Robust RGB-D simultaneous localization and mapping using planar point features

RGB-D cameras like PrimeSense and Microsoft Kinect are popular sensors in the simultaneous localization and mapping researches on mobile robots because they can provide both vision and depth information. Most of the state-of-the-art RGB-D SLAM systems employ the Iterative Closest Point (ICP) algorithm to align point features, whose spatial positions are computed by the corresponding depth data of the sensors. However, the depth measurements of features are often disturbed by noise because visual features tend to lie at the margins of real objects. In order to reduce the estimation error, we propose a method that extracts and selects the features with reliable depth values, i.e. planar point features. The planar features can benefit the accuracy and robustness of traditional ICP, while holding a reasonable computation cost for real-time applications. An efficient RGB-D SLAM system based on planar features is also demonstrated, with trajectory and map results from open datasets and a physical robot in real-world experiments.     

基于NB-IoT的停车监测系统

针对目前停车业对车位充分利用、降低成本、实现无人化智能管理的需求,设计并实现了基于窄带物联网(NB-IoT)的停车监测系统。该系统使用高精度地磁传感器实时获取磁场强度,使用微波传感器作为辅助判断,经过滤波算法处理后判断车位状态,通过NBIoT通信模块上传至服务器存至数据库;通过浏览器访问监测系统可监测实时车位状态,实现对车位使用情况的远程管理。测试结果表明,该设计能够准确检测车位的使用情况,对NB-IoT的应用以及智慧城市建设有一定的借鉴意义。     

Real-time rear obstacle detection using reliable disparity for driver assistance

A vision based real-time rear obstacle detection system is one of the most essential technologies, which can be used in many applications such as a parking assistance systems and intelligent vehicles. Although disparity is a useful feature for detecting obstacles, estimating a correct disparity map is a hard problem due to the matching ambiguity and noise sensitivity, especially in homogeneous regions. To overcome these problems, we leverage reliable disparities only for obstacle detection. A reliability factor is introduced to measure an inhomogeneity of the regions quantitatively. It is computed at each superpixel to consider the noise sensitivity of pixel-wise gradients and to assign similar reliability value within a same object. It includes two major components: firstly, In a feature extraction and combining stage, we extract three features from stereo images such as disparity, superpixel segments and pixel-wise gradient and compute the reliability of disparity from superpixel segments and the pixel-wise gradient. Secondly, In an obstacle detection stage, a disparity feature with reliability votes for localizing obstacles and dominant candidates in voting map are selected as initial obstacle region. The initial obstacle regions are expanded into their neighbor superpixels based on CIELAB color similarity and distance similarity between superpixels. Experimental results show satisfactory performance under various real parking environments. Its detection rate is at least 4% higher than those of other existing methods, and its false detection rate is more than 10% lower and thus, can be used for parking assistance system.     

嵌入式停车场管理系统

为改进基于PC的传统停车场管理系统工作于恶劣的环境中稳定性较差的问题,提出了一种基于嵌入式的停车场管理系统的设计方案。该方案结合MVC模式及QT/E技术实现了友好的嵌入式终端的界面交互;考虑到大型停车场多进多出的工作模式,使用心跳信号解决网络通信中常见的网络链接不稳定的状况;利用基于线程技术的数据采集有效保障数据采集的实时性和可靠性。经大量测试及实际使用证明,这种新型的嵌入式停车场管理系统,在工作稳定性上有大幅提高的同时使得停车场的成本也有所下降。     

基于平行泊车路径规划的智能泊车系统设计

针对智能泊车系统对泊车准确度及计费实时性要求,提出一种基于距离和避障信息融合的自动泊车路径规划方法和泊车计费方法,解决当前泊车与计费不能有效融合,不利于进行智能管控的现实问题。系统采用STM32单片机作为系统主控芯片,电机驱动模块RZ7889D驱动直流电机,转向舵机采用MG996,超声波测距传感器HC-SR04用于测量车身与障碍物物理距离并结合LM393实现红外避障,实现智能泊车。系统采用LabVIEW设计智能泊车系统上位机面板,实时显示泊车车位、数量、时长和费用,并具有历史数据查询和车辆数据波形显示功能。经仿真测试和系统微缩物理模型测试,该系统能够实现平行泊车路径规划,可实现平稳、顺滑的良好泊车,平均泊车时长为41s,能够根据停车时长进行计费,满足简单、可靠且准确的智能泊车计费系统设计要求。     

无线地磁技术在城市交通管理方面的应用

地磁传感器通过探测车辆通过时对地球磁场产生的扰动来检测车辆,再加上安装方便、不受环境影响等诸多优势,无线地磁技术在智能交通领域和停车管理系统中发挥了越来越重要的角色。     

传感器网络中利用反演集合估计的机器人定位方法

针对大型协作环境中移动机器人的全局定位问题,提出根据机器人车载传感器、环境传感器以及其他机器人的实时数据估计移动机器人的位置。首先,提出的方法整合大量不同类型传感器,从最简单传感器到最复杂传感器;然后,考虑了测量值数量可变、通用测角测量、受容错约束的测量统计知识等约束条件,将非线性边界误差估计问题看作一种反演集合。最后处理特定类型的异常值和不精确环境下的模型误差。完成了误差和异常值的处理,就基本上获得了定位图,解决了移动机器人的定位问题。提出的方法利用实物实验进行验证。测试区域装备有多个传感器、固定在墙顶部的摄像机以及位于机器人上的可见标记。实验结果表明提出的方法在协作环境中具有明显优势,处理异常值更加可靠。     

一种新型停车场反向寻车系统

针对现有停车场反向寻车系统的不足,开发了一种成本较低、使用方便的停车场反向寻车系统。该系统的独特之处在于采用指纹识别技术,通过合理的设计,能使客户在整个停车及寻车过程中只通过指纹进行定位或验证,而不需要额外携带其他辅助定位物品（侈4如卡或条形码等）。     

无人看护停车场的设计与仿真

随着私家车的普及，各大停车场也是车满为患。车辆看护，管理以及计费的人员开支就是一笔巨大的成本。采用自动化无人看护计费系统，可以一次投资，长期受益。而且避免了人工可能产生的失误。利用EDA技术可以发现系统中的问题并加以解决，节约设计成本。在EDA模型的基础上。可以进一步利用FPGA技术开发更廉价可靠的实用系统。     

有限感知条件下的停车数据批量式修复研究

随着城市中私家车保有量和使用频次显著增加，“停车难”问题逐渐成为制约城市发展的“瓶颈”.为了合理利用城市中有限的停车资源，最好的方式是建立城市级的停车诱导系统，而现阶段尚且没有有效的方案出现，究其原因是获取停车数据成本过于高昂导致的.因此，如何在不影响停车数据准确性的前提下降低其获取成本成为解决“停车难”问题的关键.本文首先基于停车数据的时空敏感性，将数据差异明显的停车场分为不同簇；再验证同一簇中停车数据符合二八定律后，筛选出影响力最大的前20%的停车场作为样本停车场，对其安装传感器获取实时停车数据并作为样本数据；考虑到现有算法得到的修补数据效果不理想，本文将一维停车数据升至二维，使用改进后的深度卷积对抗生成网络（Deep Convolution Generative Adversarial Networks，DCGAN）生成与样本数据近似同分布的新数据集.新数据集的任一条可作为同簇中任一缺失的停车数据.实现结果表明，本文提出的方案不仅可在有限感知的条件下批量式的获得大量高仿分的“伪数据”，大幅降低停车数据的获取成本，而且修复效果较当前研究有明显提高.     

无线磁阻传感器网络停车检测技术研究

随着机动车保有量的高速增长,停车混乱问题日益严重,各大中城市对停车实时监控及管理有迫切的建设需求。为了构建基于无线传感器网络的大规模、低成本、低功耗的停车管理系统,本文基于磁场干扰车辆检测原理,提出了一种停车检测算法,实际应用表明该算法车辆检测精度高,达到了设计要求。     

基于LoRa的地下停车场车辆定位系统设计

利用LoRa在抗干扰、低功耗、低成本方面的优势，设计了一种基于LoRa的地下停车场车辆定位系统。针对地下停车场特殊通信环境，对非视距（Not Line of Sight，NLOS）时延模型进行分析。将排序算法与典型均值滤波算法相结合，改善典型均值滤波算法只能将脉冲噪声在滤波窗口内均摊而不能彻底消除的固有缺陷。通过参数拟合的方法，对地下停车场环境下规律性的NLOS时延和节点模块处理误差进行抑制。对三边定位算法进行优化，提高定位精度，避免无解情况的发生。在实际环境中进行测试，验证了系统的可行性。     

一种波形相似度的车辆检测融合算法

利用磁阻传感器可以实现停车位的车辆{有,无}状态检测,但是磁信号容易受到相邻车位停车干扰而导致误检,针对该问题设计了一种数据融合算法,将车辆磁信号建模为分段线性时间序列,提出了形态距离公式度量时间序列的相似度,计算相邻车位传感器磁信号的波形相似度实现车辆检测,在路面停车区域实地部署了50个磁阻传感器节点,通过长达5个多月的实验,结果表明该算法提高了车辆检测准确率.     

论OpenCV基本原理在医院管理中的应用

到医院就医的患者和到医院探访的家属自驾车的数量在不断增加,如何在资源紧张的停车场地规范停车秩序,已成为现代化医院管理中急待解决的问题.为此,根据计算机视觉类库OpenCV具有实时处理图像的特点,在级联分类器的基础上,构建了实时视频预警系统,从而实现了车辆场地无人看管的有序化管理.     

基于DSP的单车道车流量实时监测算法

针对传统的车流量检测系统采用感应器设备硬件安装繁杂及通用车流量检测算法无法判别车辆行驶方向的问题,提出一种基于数字信号处理器（DSP）的单车道车流量实时监测算法,并应用于停车场。首先,在虚拟检测带上使用背景差分法完成车辆检测,并对均值法背景建模进行改进;其次,提出一种邻帧二值归类算法对车辆行驶方向进行判别;最后,在虚拟检测带上进行车流量计数并将车位情况实时显示于LED显示屏上。通过模拟实验验证了所提算法的可行性,并在实际测试实验中,得到邻帧二值归类算法方向判别的准确率为96.5%,车位监控算法准确率为92.2%。实验结果表明,该单车道车流量实时监测算法准确率较高,节省了检测系统设备,可以应用于单车道停车场进行车流量实时监测。     

改进YOLOv3的车辆实时检测与信息识别技术

在复杂无约束自然场景下对车辆实时检测和相关信息的提取识别一直是计算机视觉领域内重要的研究内容之一。该领域问题的突破不但可以为汽车自动驾驶技术的实现和完善带来实际效果的提升,并且在停车场的自动停车调度算法和实时泊车监控系统的改进上有着重要的现实意义。针对当前实时车辆信息检测中存在的车辆检测区域不完整、精度不高以及无法对场景中较远车辆进行准确定位等相关问题,提出了一种Vehicle-YOLO的实时车辆检测分类模型。该模型在最新的YOLOv3算法基础上,通过更改图像输入参数,增强深度残差网络的特征提取能力,采用5个不同尺寸的特征图依次对潜在车辆的边界框提取等方式来提升车辆实时信息检测的精度和普适性,并通过KITTI、VOC等数据集进行性能验证和分析。实验结果表明,Vehicle-YOLO模型在KITTI数据集上达到了96%的均值平均精度,传输速度约为40 f/s,在精度提升的情况下仍能保持良好的实时检测速率。此外,Vehicle-YOLO检测模型在VOC等其余数据集上的实验结果也展现了不同程度的精度提升,故该模型在常见物体的定位检测中有较好的普适性,相较于传统的物体检测算法模型有更好的表现。     

Quasi-Parallax for Nearly Parallel Frontal Eyes

In this paper, we explore how a visual system equipped with a pair of frontally-placed eyes/cameras can rapidly estimate egomotion and depths for the task of locomotion by exploiting the eye topography. We eschew the traditional approach of motion-stereo integration, as finding stereo correspondence is a computationally expensive operation. Instead, we propose a quasi-parallax scheme by pairing appropriate visual rays together, thus obviating the need for stereo correspondence and yet being able to leverage on the redundant information present in the binocular overlap. Our model covers realistic visual systems where the two eyes might deviate from the strictly frontal-parallel configuration, and yet the results show that the advantages of the parallax-based approach are retained. In particular, it offers better disambiguation of translation and rotation over conventional two-frame structure from motion approaches, despite not having views covering diametrically opposing directions like that of spherical eyes or laterally-placed eyes. The rapid processing that such scheme entails seems to offer a more realizable and useful alternative for depth recovery during locomotion.