基于GSM的汽车智能防盗系统设计与实现

随着机动车档次的提高和数量的增加,机动车失盗也逐渐成为当今社会犯罪现象,给汽车安装防盗系统是必要且必须的,设计了基于GSM网络的汽车智能防盗系统,提高了汽车被盗报警的效率,具有良好的应用前景。     

基于STM32的车辆工程专业实验用示波器设计

针对汽车类专业学生做单片机原理及应用实验时遇到的信号测量问题,在"三性实验"教学指导下,设计了一个基于STM32的便携式数字示波器实验系统。该实验系统的硬件平台以STM32微控制器为核心,设计了信号采集、模数转换、程控放大、电平抬升、频率测量电路等具体功能电路;软件方面基于Keil开发环境设计了同步触发、频率计算、信号峰峰值计算等嵌入式软件,并通过低功耗蓝牙(BLE)技术,将计算处理后的波形、频率等数据发送到手机APP上进行显示。测试表明,该实验系统能可靠、便捷地完成学生在做单片机实验时遇到的信号测量,达到了实验教学的目标。     

基于OpenCV图像处理的车道线识别研究

近年来,智能驾驶技术成为国内外学者研究的热门,车道线识别技术作为智能驾驶领域的一项关键技术,需要准确地识别出各种条件下的车道线。本文设计了一种基于OpenCV图像处理的车道线识别算法,该算法首先将图像进行色彩空间转换,然后利用大津法（OTSU）和Canny算子对图像进行分割,设计掩膜找出图像中的感兴趣区域,采用渐近概率式Hough变换对直线车道线进行检测,拟合直线绘制出车道线,最后借助OpenCV平台对算法进行实现,结果表明该算法对直线车道线识别具有很好的效果。     

基于GPS/GPRS的车载定位远程监测系统设计

基于GPS/GPRS技术设计和实现了车载定位远程监测系统。实时采集汽车的地理位置和车内温度信息,并将运算处理后的数据通过GPRS远程无线通信网络、GPRS-Internet网关和Internet传输给监控中心的服务器进行显示和监测。测试表明,系统能准确定位,远程监测稳定,调度汽车避开交通堵塞,提高汽车反劫防盗预警效率,对汽车行驶主动安全具有重要意义。     

基于YOLO算法的车辆实时检测研究

随着科学技术的不断发展,人工智能已经融入航空、汽车、航海等领域,人们对智能交通的迫切需求已经成为当今社会迅速发展的趋势。近年来在自动驾驶领域中针对传统的图像识别分类问题,目标检测更符合对行人和车辆实时检测的现实需求。与传统的识别不同,YOLO(You Look Only Once)是一个将目标检测作为回归问题的识别算法,它具有检测速度快、全局性好、泛化性强等特点。本文研究了YOLO算法的实现,并基于Opencv计算机视觉库在Visual Studio开发环境中进行了YOLO算法测试,实验结果表明,车辆识别准确可靠。     

基于转向内轮差探测的预警系统的设计

内轮差是货车右转向产生交通事故主要影响因素,对于其完全透明化设计研究保障行车安全显得至关重要。鉴于此,通过红外光电传感器对内轮差区域内的状况进行采集,采用STM32单片机为控制核心,搭建系统的硬件及相应的控制电路对采集信息进行分析、处理,进行危险状况预警提醒。这套系统具有研发成本低、实用性强、能有效消除转向内轮差视野盲区等优点,具有很好的推广价值。     

基于STM32的汽车驾驶员心电检测实验系统设计

针对车辆工程专业学生在学习单片机技术应用于汽车上遇到的实践问题,在新工科"三性"实验教学指导原则下,设计了一种汽车驾驶员心电检测的实验系统。相比于传统的在人体上连接电极进行心电检测,该实验系统创新性的采用了非接触式检测技术,基于STM32单片机使用偏聚氟乙烯压电薄膜传感器采集驾驶员的体动信号,经硬件信号调理电路和软件算法提取计算得到心率与呼吸率,然后通过低功耗蓝牙无线传输到接收终端进行实时显示。通过该实验设计,学生在实际的单片机软硬件应用中得到锻炼,提高了工程实践能力,达到了车辆工程专业学生学习单片机课程的实验教学目标。     

基于CC2430的路灯监控和电缆防盗系统上位机软件设计

设计了以TI公司的ZIGBEE芯片CC2430为主控芯片的路灯监控和电缆防盗系统上位机软件。采用ZigBee技术实时采集路灯的参数,通过GPRS技术上传到监控中心或下传监控中心的控制指令。该系统包括路灯参数采集子系统和参数传输子系统,通过环境光照和路灯的工作电流判断路灯故障或电缆断线,达到实时监控路灯状态和电缆防盗的目的。     

基于WINCE的高解析喷码系统上位机设计与实现

按需喷印是当前工业标识行业新兴的一种技术,正在逐步取代传统的连续喷印技术。介绍了一种采用XJ128按需喷印喷头来实现的高解析喷码机系统上位机设计。该系统设计基于S3C2410处理器和Windows CE 5.0操作系统,采用多线程技术成功实现了与下位机进行串口通讯喷印中英文文本、位图、日期时间、有效期、序列号、条形码等信息,并给出了喷印样品。     

基于改进YOLOv3的前车检测算法的研究

近年来，计算机的算力越来越高，高性能辅助驾驶系统层出不穷。辅助驾驶主要包含感知、决策、控制三个部分。感知系统是整个辅助驾驶系统的“窗户”，因此感知的好坏直接影响到辅助驾驶的性能。在目标检测领域，深度学习得到越来越广泛的应用。深度学习的诞生伴随着更优化的算法、更高性能的计算能力、更大数据集的时代背景，以后的应用会深入到方方面面。本文基于YOLOv3算法，对算法的网络主体以及检测部分做改进和调优，引入SE注意力机制和DropBlock以获得对前车目标更高的检测精度。