基于地磁和雷达检测的无线车位检测器设计

为了提高单一地磁车位检测器的检测准确率,介绍了一种同时集成地磁和雷达两种探测技术的无线车位检测器的设计.该设计将地磁静态检测和雷达动态检测相结合,可以准确捕捉车辆驶入或驶离停车位时的信号特征,大大减少了车辆持续停车过程中的跳变现象和降低邻近短时间通过车辆的影响,有效提高了产品的检测准确率.实装测试结果表明,该车位检测器可以准确感知车辆的存在,具有较高的检测准确性和可靠性.     

基于433 MHz频段的无线地磁车位检测传感器节点设计

针对现在存在的寻找车位难的问题,设计一种利用地磁传感器的基于433MHz频段的无线车位检测节点.该节点利用地磁传感器在有车和无车状态下的数据变化来检测车位状态;利用MSP430F5438和相应的门控管理电路达到低功耗的特性;利用433MHz通信模块,实现数据的无线传输.阐述了整个节点软件的主流程和车位检测的流程.利用实验验证了该车位检测节点和检测方法的有效性与合理性.     

核料位仪的在线标定

为了尽可能减少维护人员的核辐射和对生产料位的精确测量,本文简述了核料位仪的测量原理及其配置,详细说明了核料开关和连续核料位仪的在线标定方法,例举了相应的标定数据和标定曲线,分析了故障检查的方法。并且此标定方法的合理性和准确性在三年的连续生产中得到了有效的验证。     

路边车位车辆地磁差分检测算法研究

地磁检测技术因其低功耗、高性价比等特点,被认为是一种很好的路边车位车辆检测技术。但是由于抗干扰能力较差,识别时的误报率较高,因此,当单独使用这一技术,应用上存在正确识别概率偏低的问题。本文基于地磁传感器的特性,提出了在检测单元上设置双组地磁传感器,利用其差分值,确定多个判别特征,通过多层次的融合判断车辆的驶入、驶出状态的算法。设计了地磁差分检测系统,经过实验,表明该算法提高了系统的抗干扰能力,与单组地磁传感器阈值检测算法相比较,正确识别概率大幅度提高,达到98.0%,与基于地磁的双模检测技术的正确识别概率相当,取得了良好的识别车辆状态的效果。     

基于Overlay动态分配的ECU在线标定实现

基于V模型的ECU开发模式中,软件测试和标定是必不可少的环节.工程师在测试和标定过程中需要更改大量的标定量以优化系统功能.随着功能需求的日益增长,软件功能越来越丰富,芯片的RAM资源就越凸显出稀缺.在分析了标定原理的基础上,利用AURIX芯片特有的Overlay机制,实现基于Overlay动态分配的以小RAM空间标定大...     

基于CCP电池控制器在线标定系统的研究

本文介绍了广泛应用于在线标定的CCP协议(Can Calibration Protocol),基于该协议设计了一种应用于混合动力汽车电池控制器(Battery Control Unit,BCU)的在线标定系统,通过该系统来设置BCU的相应参数,以达到实时监控电池状态,调节BCU以及整车性能的目的。     

惯性导航系统在线标定方法研究

论文针对惯性导航系统在线标定的问题,利用GPS提供的基准速度和位置信息,采用基于卡尔曼滤波技术的“速度＋位置”匹配方法,以惯导系统与GPS的速度和位置的差值作为量测值,对加速度计和陀螺仪误差进行在线标定。仿真结果表明,经在线标定补偿后惯导系统定位误差降低了97．2％。该方法显著提高了导航精度,效率较高,具有一定的实用价值。     

基于光耦探测器显微CT的实现及其放大倍数的标定

X射线显微CT因其较高的成像分辨率,被应用于微小样品内部精细结构的检测。分辨率是显微CT最受关注的指标之一,而实现其测量功能则是当今CT研究领域的前沿方向。为了提高分辨率,本文设计实现了一种基于光耦探测器的显微CT系统,对经过几何放大的图像再进行光学放大。由于对其放大倍数的准确标定是实现其测量功能的重要前提,研究提出了基于标准栅格板和标准球的标定方法,对基于光耦探测器的显微CT的光学放大倍数和几何放大倍数分别进行了标定。这样即使在实际测试中射线源、样品和探测器的位置发生改变,亦可直接算出总放大倍数。标定过程还使用了最小二乘法以提高标定精度。二维X射线投影图像测量实验和三维重建结果测量实验显示,此种放大倍数标定方法是准确、有效的。     

三轴地磁传感器误差建模及在线补偿方法

针对三轴地磁传感器的传统误差补偿方法操作繁琐、依赖外界仪器,无法应用于车辆地磁导航系统的缺点,提出了一种基于无迹卡尔曼滤波的三轴地磁传感器误差在线补偿方法。分析地磁传感器误差产生机理,得到了适用于车辆导航系统的地磁传感器误差模型。设计无迹卡尔曼滤波器估计模型中未知参数,从而实现误差的在线补偿。实验结果表明:所提方法有效可行,补偿后的精度在0. 5°以内,补偿效果较好。     

基于平面方程的轮对在线检测标定系统设计

在基于光截图像的轮对在线检测系统中,由于现场安装环境的限制,使得摄像机拍摄得到的轮对轮廓曲线畸变严重,所以摄像机的标定方法与精度直接影响到轮对参数测量结果.结合测量现场实际情况,分析设计了整套标定系统,并提出了基于平面方程系数的摄像机标定算法,实现了摄像机参数的标定工作.经验证:该标定系统的标定精度在0.1mm以内,满足轮对在线检测对标定精度的要求.     

一种新的相对辐射校正统计模型

卫星影像条纹噪声主要来源于CCD相机各个探元响应度的不一致,通过相对辐射校正可以解决这个问题。如何建立合适的校正模型,与卫星本身条件有很大关系。物理模型可信度强,但是要达到物理模型精度的要求,对光学和辐射的仪器要求严格,所需的有些参数过于复杂,难以得到。在条件简陋的情况下,也可以采用基于图像本身的统计模型。提出一种新的统计模型:基于最小二乘回归的相对辐射校正模型。通过实例,发现它具有适用性强的特点,可用于一般的大幅遥感图像,不仅能得到有较好视觉效果的图像,而且生成比较准确反映CCD性质的增益偏置值,适用于相同CCD在邻近时段所成的其它图像。     

开放道路中匹配高精度地图的在线相机外参标定

目的 相机外参标定是ADAS（advanced driver-assistance systems）等应用领域的关键环节。传统的相机外参标定方法通常依赖特定场景和特定标志物,无法实时实地进行动态标定。部分结合SLAM（simultaneous localization and mapping）或VIO（visual inertia odometry）的外参标定方法依赖于点特征匹配,且精度往往不高。针对ADAS应用,本文提出了一种相机地图匹配的外参自校正方法。方法 首先通过深度学习对图像中的车道线进行检测提取,数据筛选及后处理完成后,作为优化问题的输入;其次通过最近邻域解决车道线点关联,并在像平面内定义重投影误差;最后,通过梯度下降方法迭代求解最优的相机外参矩阵,使得像平面内检测车道线与地图车道线真值重投影匹配误差最小。结果 在开放道路上的测试车辆显示,本文方法经过多次迭代后收敛至正确的外参,其旋转角精度小于0.2°,平移精度小于0.2 m,对比基于消失点或VIO的标定方法（精度为2.2°及0.3 m）,本文方法精度具备明显优势。同时,在相机外参动态改变时,所提出方法可迅速收敛至相机新外参。结论 本文方法不依赖于特定场景,支持实时迭代优化进行外参优化,有效提高了相机外参精确度,精度满足ADAS需求。     

手机与ZigBee结合的城市停车系统

为解决现有城市智能停车系统普遍存在的建设及运营成本高、缺乏与停车用户交互等问题,提出一种用户智能手机与停车场ZigBee网络相结合的架构。介绍该架构的组成、硬件方框图、软件流程图和设计的停车场、停车位寻优算法,给出系统的实物展示及测试结果。测试结果表明,将选用的传感器用于车位检测准确可靠,设计的停车场、停车位寻优算法的运行结果符合人们的生活习惯,开发的ZigBee网络与智能手机软件之间能够良好地通信,该架构的可行性得到验证。     

一种应用于自动泊车系统的车位检测方法

自动泊车系统是为了解决倒车入位的复杂性问题而研发的一项车辆智能化的新技术。车位检测是实现自动泊车系统的一个重要问题。本文首先对车位检测问题进行总体描述;然后提出一种基于超声波传感器和增量式编码器的车位检测方法,并刘此方法的测量误差进行分析;接着介绍实验平台的组成;最后给出此方法在买验平台上的测试结果,并通过对结果的分析,说明此方法是可行的。     

Online robot calibration based on vision measurement

Robot calibration is a useful diagnostic method to improve positioning accuracy in robot production and maintenance. Unlike traditional calibration methods that require expensive equipment and complex steps, a vision-based online robot calibration method that only requires several reference images is presented in this paper. The method requires a camera that is rigidly attached to the robot end effector (EE), and a calibration board must be settled around the robot where the camera can see it. An efficient automatic approach to detect the corners from the images of the calibration board is proposed. The poses of the robot can be estimated from the detected corners. The kinematic parameters can be conducted automatically based on the known poses of the robot. Unlike in the existing self-calibration methods, the great advantage of this online self-calibration method is that the entire process of robot calibration is automatic and without any manual intervention, enabling the robot calibration to be completed online when the robot is working. Therefore, the proposed approach is particularly suitable for unknown environments, such as deep sea or outer space. In these high-temperature and/or high-pressure environments, the shapes of the robot links are easy to change. Thus, the robot kinematic parameters are changed by allowing the robot to grab objects with different qualities to verify the performance of the online robot calibration. Experimental studies on a GOOGOL GRB3016 robot show that the proposed method has high accuracy, convenience, and high efficiency.     

一种停车场无线车位检测器设计与实现

分析了现有有线超声波车位检测器存在的问题,在此基础上,提出了一种基于无线射频技术的车位检测器,并详细描述了系统原理、硬件设计和具体实现细节。无线车位检测器构成一个无线传感器网络,可以实时地监测车位占用情况。该检测器有安装方便,安全可靠,价格便宜等优点。     

停车诱导系统中筛选停车场（库）方法的研究

在建立停车诱导系统时,一般采用主观经验的方法筛选纳入到诱导系统中的停车场（库）,没有进行科学的论证,降低了停车诱导系统的有效性。针对其不足,依托实例,确定了停车场（库）的5项特征指标的评价体系,并利用模糊层次分析法（Fuzzy AHP）对停车场（库）纳入停车诱导系统的适应性进行评价,从而选择合理的停车场（库）,为筛选纳入到停车诱导系统的停车场（库）提供了理论支撑。     

Distributed monitoring for large-scale processes based on multivariate statistical analysis and Bayesian method

Large-scale plant-wide processes have become more common and monitoring of such processes is imperative. This work focuses on establishing a distributed monitoring scheme incorporating multivariate statistical analysis and Bayesian method for large-scale plant-wide processes. First, the necessity of distributed monitoring is demonstrated by theoretical analysis on the impact of process decomposition on multivariate statistical process monitoring performance. Second, a stochastic optimization algorithm-based performance-driven process decomposition method is proposed which aims to achieve the best possible monitoring performance from process decomposition aspect. Based on the obtained sub-blocks, local monitors are established to characterize local process behaviors, and then a Bayesian fault diagnosis system is established to identify the underlying process status of the entire process. The proposed distributed monitoring scheme is applied on a numerical example and the Tennessee Eastman benchmark process. Comparison results to some state-of-the-art methods indicate the efficiency and feasibility.