大型车辆右转弯盲区监测装置的设计

为了减少大型车辆右转弯时因存在内轮差而与行人或车辆发生碰撞事故,我们将设计一套大型车辆右转弯盲区监测装置,利用雷达超声波对其盲区进行实时监测,在车辆右转弯时辅助驾驶员驾驶。当驾驶员开启右转向灯时,监测装置开始工作,启动雷达超声波监测。本文介绍了大型车辆右转弯盲区监测装置的设计方法,主要包括设计原理、结构组成、设计方法以及程序设计等。     

基于视觉的盲区车辆探测方法研究

汽车后视镜盲区内车辆是造成许多交通事故的原因,针对这一问题提出了一种基于视觉的盲区车辆探测方法。采用两步法：首先假设车辆存在,得到代表车辆所在的感兴趣区域;再利用车辆前脸特征的先验知识验证假设是否成立。该探测过程利用图像处理技术对由安装在本车后视镜位置的摄像机所捕捉到的图像进行分析,并及时向驾驶员发送检测结果,从而达到减少交通事故的目的。     

某车型变道盲区警示灯优化

以某车型变道盲区警示灯为研究对象,对普通外后视镜镜片增加LED变道盲区警示灯进行功能优化,采用"双曲率+蓝镜"的方式,将LED变道盲区警示灯的位置和亮度进行优化,使车辆在转向过程中,驾驶员的视野更加开阔和清晰,提高驾驶安全性。     

机动车辅助驾驶系统

盲区自动识别是为避免因货车转弯内轮差引起交通事故发生的重要应用,超声波测距装置因其能为驾驶员提供车辆与障碍物之间距离信息,在智能交通系统中起广泛作用。本文通过运用数学模型的方法,对货车前后轮行驶轨迹进行分析,通过与路缘石形成的封闭面积之差,计算出转弯时货车内轮差造成的盲区面积。同时将超声波测距模块、语音播报模块、液晶显示模块多样化结合,制作超声波盲区检测装置,实现货车转弯时对附近障碍物进行超声波测距,通过语音播报提醒驾驶员周围障碍物距离。避免盲区内存在行人或非机动车而造成安全事故。     

毫米波雷达的汽车盲点检测系统研究与设计

汽车主动安全是一种使汽车在事故可能发生时能够主动采取措施,避免事故发生的技术。盲点探测系统作为汽车主动安全系统的重要组成部分,在车辆进行并道或超车时,能有效降低因视觉盲区发生的事故。针对车辆行驶过程中后视镜存在的盲点问题,研究和设计了基于毫米波雷达的盲点检测系统,主要对系统的雷达信号处理部分做了分析与研究。采用三角波线性调频连续波能有效解决速度距离耦合现象,并对实验数据进行了仿真分析,实验结果表明方法的有效性。     

盘山公路转弯处车辆监测系统

在盘山路转弯时,驾驶员经常无法看到前方是否有车辆通过。为此设计了一种盘山路弯道车辆警示系统。该系统由磁通传感器SEN-S65检测弯道两边是否有车辆出现,以单片机PIC16F73为核心构成信号处理电路。弯道两边系统采用RF通信方式,当有车辆通过弯道时,由无线数传模块PTR2000向弯道对面系统发出信息;对面系统接收到信息后,控制警示灯闪烁,向驾驶员发出警示。实测表明该系统能够准确地检测出弯道两边是否有车辆通过,并发出警示信息。     

密集交通场景下无人驾驶重卡换道决策规划方法

准确估计周围车辆的驾驶员合作程度能提高无人驾驶车辆在密集交通场景下的换道安全性与效率,特别是对于自身灵活性和稳定性较差、对周围车辆安全威胁较大的重型卡车。因此,提出一种基于周围车辆驾驶员合作程度预测以及非对称风险评估的无人驾驶重型卡车换道决策规划方法。该方法基于高斯混合模型对周围车辆进行运动轨迹预测,结合当前驾驶环境估计目标车道后车的驾驶员合作程度,并用于构建非对称风险模型;基于轨迹预测结果,采用效用理论建模无人驾驶重型卡车当前和未来的车道选择概率,综合当前和未来的风险评估,输出最终的驾驶行为决策;设计多目标代价函数用于从多项式候选轨迹中选取最优轨迹。基于自然驾驶数据集的仿真试验表明,提出的方法可以准确地预测目标车道后车的驾驶员合作程度以及对周围车辆的风险等级,使无人驾驶重型卡车在密集交通流下也能安全高效地执行换道决策和轨迹规划。     

基于ArUco Marker 及稀疏光流的动态目标实时跟踪技术

文中提出了一种基于ArUco marker及稀疏光流的动态目标跟踪方法,将ArUco marker与稀疏光流相结合实现动态跟踪,并改善双目匹配的精度。在具体实施过程中,基于检测到的ArUco marker标记进行旋翼无人机的动态跟踪,同时利用双目视觉系统测量并计算ArUco marker在相机坐标系下的相对坐标;然后通过平面拟合得出目标的实时位姿;最后开展了无人机抓捕实验,验证了ArUco marker结合稀疏光流动态目标跟踪方法的有效性。     

汽车后视镜盲区的解决方案及控制策略

针对存在大量后视野盲区的传统后视镜,基于微处理技术设计出一种数字化智能控制系统,将原车电动后视镜、转向指示开关与C51单片机相结合,构成一种可随转向信号灯自行转动的随向后视镜。并结合汽车运行实际情况,对汽车后视野盲区进行了分析,给出控制策略,对电路进行设计,使其达到预期效果:汽车静态后视野转化成动态后视野,有效扩大了驾驶员的视野范围。     

一种基于电磁控制的车辆状态稳定机制设计

为了解决车辆操控系统在运行过程中遇到失控状态时,驾驶员人为反应不及时,或者操作失误而无法有效控制车辆导致交通事故的问题,本文提出了一种基于电磁原理的全新车辆自动控制系统。首先,该系统利用陀螺仪与红外传感器对车辆运动状态,与前车的距离以及相对速度的监测,并对监测到的数据进行实时分析和评估;其次,当系统判断车辆为危险时便启动车载的电磁稳定系统,与设置在道路地面下的金属网发生相互作用,从而实现减速、控制方向和稳定的作用。该机制可实现动态控制车辆运行,根据实际情况自动调整车辆的运行模式,提高了车辆行驶安全性。     

大货车后视镜震动工况原因实测实验及仿真研究

大货车后视镜的震动会通过影响驾驶员的操作而引起安全事故。本文通过运用实测的大货车震动数据,分析大货车后视镜震动的主要工况影响因素,提出建立大货车后视镜动态震动检测体系,该体系由不同路况震源检测体系、后视镜震动空气动力学性能检测体系组成,以全面检测大货车后视镜工作状态的震动影响,文章最后提出了一种综合测试大货车后视镜震动状态的测试台设计思路。     

基于生理特征映射的驾驶员情绪在线识别模型构建方法

高精度驾驶员情绪识别模型是智能车辆安全辅助驾驶系统构建的关键问题之一。针对该问题,提出一种基于生理特征映射的驾驶员情绪在线识别模型构建方法。对不同情绪下驾驶员心电、脉搏生理信号进行时域特征提取,建立生理信号-情绪关联样本库,给出改进式自编码(Improved stacked autoencoder, I-SAE)神经网络架构,构建基于I-SAE神经网络的人员情绪生理表征和离线辨识模型;同步采集行驶过程中不同情绪下驾驶员生理信号和车辆状态数据,利用主成分分析法选取车辆状态特征参数向量,通过I-SAE模型识别处理生理信号数据,将驾驶员情绪的生理表征映射为车辆状态表征,构建车辆状态-驾驶员情绪关联样本库;在此基础上,建立基于学习矢量量化(Learning vector quantization, LVQ)的驾驶员情绪在线识别模型。试验数据表明,该方法构建的驾驶员情绪在线识别模型正确识别率达84%以上,可满足安全距离预警等车辆智能系统需要。     

基于CAN总线的直接单向式TPMS的设计

顺应TPMS(胎压监测系统)网络化方向发展趋势,介绍了一种基于CAN(控制器局域网)总线的直接单向式TPMS方案,该方案能够实时测量车辆四轮的胎压和温度,并能够在一个或多个轮胎同时出现异常时及时通过仪表的声光及画面形式进行报警,及时提醒驾驶员注意行车安全。     

基于驾驶员信心度的SOTIF评价模型建立与试验

基于自动驾驶车辆安全标准ISO/PAS21448《Road vehicles-Safety of the Intended Functionality》(SOTIF),为探究导致SOTIF中人员操作误用的原因,以驾驶员对自动驾驶系统的信任感受为出发点,提出驾驶员对自动驾驶车辆正确操作指令进行错误干预的原因是驾驶员对控制指令没有信心,并引出了用以表现驾驶员与自动驾驶系统之间人机信任感受的评价指标—信心度。为验证信心度指标的实用性,设计了城市道路中常见的转弯和避障工况,并设计了相应的主观问卷,利用层次分析法确定了问卷中不同问题间的权重。利用机器学习中四种分类的方法,建立联系车辆动力学客观参数与驾驶员主观信心感受的主客观评价模型,并选出最优分类器。结果表明,基于马氏距离的分类器准确率最高,可以为自动驾驶车辆控制系统的开发与设计提供支持。     

线控制动车辆弯道制动力优化分配控制策略

针对具备线控制动系统的车辆弯道制动工况下容易失稳的问题,提出了一种制动力优化分配控制策略,提升了车辆的操纵稳定性。总体采用分层控制的结构,上层运动控制器以理想二自由度车辆模型为参考模型,设计了基于横摆角速度和质心侧偏角联合控制的滑模控制器,用于计算所需的附加横摆力矩;同时通过制动踏板特性来识别驾驶员制动意图从而得出总制动力;下层制动力分配器以轮胎利用率为目标函数,通过序列二次规划法在约束条件范围内优化求解出各车轮所需的制动力。利用MATLAB/Simulink与Carsim进行联合仿真,并与传统的制动力比例分配策略在不同弯道制动工况下进行对比验证。结果表明:提出的制动力优化分配策略在转弯紧急制动工况下不仅能保证驾驶员的期望减速度,同时有效地提升了汽车的横向稳定性。     

基于稳态预瞄理论的一种车道偏离评价方法

基于稳态预瞄的基本原理，提出了一种车道偏离评价方法，通过采用该方法，可提高车辆预警精度，减小空预警率。设置预警评价参数时，加入驾驶员以往行为参数，使系统能够根据车辆所处状态以及驾驶员自身状态动态设置预警参数，提高了预警算法的智能性。     

考虑驾驶员操纵失误的车道偏离辅助人机协同控制

人机协同控制车辆是降低道路交通事故的重要手段之一,针对因驾驶员操纵失误而引发的车道偏离问题,提出一种基于人机协同的车道偏离辅助控制方法。采用模型预测控制设计的车道偏离辅助控制器可保证车辆在不同速度下稳定地跟踪车道线,通过求解跨道时间并设定其阈值有效触发车道偏离预警,控制辅助系统开启与关闭。根据驾驶员状态、车辆状态、车路相对位置关系实时决策驾驶员与辅助控制器协同控制因子,并由协同因子决定辅助系统的转向力矩。CarSim/Simulink环境下的联合仿真及基于CarSim/LabVIEWRT的硬件在环试验表明:与驾驶员单独操纵相比,基于人机协同的车道偏离辅助系统在避免车道偏离的同时使横向偏差有所减小;与无协同控制相比,人机协同降低了控制器对驾驶员操纵的干预,充分说明所提出的人机协同车道偏离辅助方法提高了车辆行驶的安全性及驾驶舒适性。     

基于环境识别的电动工程机械无人驾驶行走方法

无人驾驶技术是指车辆在任意环境和道路条件下,由无人驾驶系统控制车辆完成行驶任务的技术.工程机械作业环境恶劣,部分作业任务具有高度重复性,工程机械无人驾驶可有效降低驾驶员作业的风险,节约劳动力成本,提高作业效率.为实现电动工程机械的无人驾驶,针对电动工程机械的控制特性,采用基于摄像头的端到端决策系统.考虑到工程机械作业场景的特殊性,提出一种新型语义分割网络,该网络可实时融合由摄像头获取的空间特征,缩短图像处理时间,减少系统内存占用.通过在Udacity模拟器中测试发现,该系统可平稳完成模拟驾驶任务.搭建电动履带挖掘机无人驾驶综合试验平台,在非结构化道路上进行无人驾驶试验,试验结果表明,试验车可安全完成直线行驶、转弯任务,在小角度回正中具有较好的控制特性,为后续基于多摄像头的工程机械复杂工况识别与决策系统奠定基础.     

连通式油气悬挂车辆三种行驶状况下数学模型的建立

介绍了连通式油气悬挂车辆在正常行驶、两侧车轮载荷不同及车辆转弯时三种不同状态下数学模型的建立。同独立式油气悬架相比较,能够大大增强整车的侧倾角刚度,减小车辆转弯时车架的侧倾角。通过不同的连接方式,还可以起到抗点头作用,从而提高了车辆行驶的稳定性。     

基于盖格-雪崩光电二极管的光子计数成像

考虑用传统的成像技术检测光生电荷信号时易受模数转换噪声干扰,本文提出了一种基于单光子灵敏雪崩光电二极管(GM-APD)的光子计数成像方法。该方法以单光子灵敏GM-APD作为探测单元,以全数字化方式实现微弱光学信号的有效检测。建立了GM-APD光子流响应模型,利用马尔科夫更新过程分析了光子探测盲区对GM-APD瞬态响应的影响,得到了GM-APD输出的数字脉冲频率与光子流密度之间的关联表达式。搭建了二维扫描成像实验验证装置,通过实验得到了不同密度光子流条件下的光子计数图像。采用标准化互信息量分析得到,在光子流密度为3.0×104count/s的条件下,该实验装置仍然可以实现可视成像;当光子流密度达到2.7×105 count/s时,标准化互信息量大于0.5;实现了在低光子流密度时采用光子计数方式对目标物体的有效成像。