基于动态划分感兴趣区域的车道线检测算法

车道线检测一直是无人驾驶系统的研究热点之一。随着路况复杂程度的增加,对车道线检测效率和检测精度也不断提出更高的要求。提出一种基于动态划分感兴趣区域的车道线隔行检测算法。通过动态划分感兴趣区域将天空、当前车道两旁干扰因素等有效去除,减少了80%左右的检测量,同时也很大程度上避免了误检。在边缘点提取算法中,将检测区域划分成几个小区域,分别提取其边缘点,并采用隔行方法对其检测,最后再将提取到的这些边缘点运用最小二乘法和三次样条曲线拟合出车道线,有效提升了车道线检测算法的实时性和准确性,并且适用于多种试验环境(如雾天、雨天和夜间)。     

聚氨酯轮硬度对小直径开缝衬套成形性能的影响

通过不同硬度聚氨酯材料单轴拉伸试验,建立了聚氨酯轮的Mooney-Rivlin超弹性材料本构模型;利用ABAQUS有限元软件对小直径开缝衬套双轴柔性滚弯制备过程进行有限元模拟,探究了聚氨酯轮硬度对开缝衬套成形直径的影响趋势;结合仿真参数进行了小直径开缝衬套双轴柔性滚弯工艺试验,并用MATLAB软件的直径拟合程序识别出仿真和试验中的带材成形直径。结果表明,相同挤压量下,随着聚氨酯轮硬度的增加,带材的成形直径减小,尤其在制备小直径开缝衬套时,使用高硬度的聚氨酯轮制备出的开缝衬套成形质量好,曲率一致,基本没有出现直边现象。     

基于Plant Simulation的柔性作业车间仿真研究

针对8×8和10×10的柔性作业车间调度问题,通过设置机器故障率和物料在不同机器之间的物流转运时间,从而研究以最大完工时间最小为优化目标的理想调度方案在考虑生产不确定因素下的表现情况。通过增加生产不确定因素,使研究对象更加接近实际生产系统,并使用Plant Simulation系统仿真软件对两个柔性作业车间进行建模,从而研究机器故障和物流转运时间对调度方案的影响。     

融合Powell搜索法的遗传算法求解柔性车间调度问题

针对柔性车间调度问题,提出一种融合Powell搜索法的(改进)遗传算法(GA-Powell)。该算法分别以最大完工时间、机器总载荷和最大机器载荷为优化目标。考虑到柔性车间调度遗传算法中染色体编码方案的特殊性,对传统的Powell搜索法进行改进,以免在进化过程中产生不可行解。利用文献中的测试实例和Brandimarte测试实例测试GAPowell,验证了GA-Powell的可行性和有效性。     

一种基于横截面特征的车道线检测方法

车道线检测是自动驾驶的基本任务之一,提出了一种高效稳定的车道线提取拟合和跟踪的算法。根据车道线的截面特征逐行提取车道线特征点,并使用连通域聚类滤波,与传统的霍夫算法相比降低算法复杂度,提高运行效率。将提取的车道线特征点区域分成近视场和远视场,并分段拟合,提高拟合精度。使用卡尔曼滤波算法对车道线的端点和斜率进行跟踪,以此缩小感兴趣区域,提高运行效率。实验中,该方法能够完成多种不同场景下的车道线检测,证明了该算法具有良好的鲁棒性和实时性。     

基于夜间辅助驾驶的图像预处理方法研究

辅助驾驶中的前车车辆检测及灯语识别能够有效减少夜间行车时交通事故的发生。提出一种夜视图像的预处理方法,能够对夜视图像中存在的白色眩光和红色眩光进行有效去除,为夜间行车情况下的车辆检测及灯语识别算法创造良好的应用环境。基于暗通道先验去雾理论进行计算的简化,针对夜视图像中的红色眩光问题提出相应的去除方法,能够在保证处理效率的前提下,保证对夜视图像中的白色眩光和红色眩光的去除效果。