融合侧翻稳定性的SUV换道轨迹规划方法研究

针对运动型多功能汽车(Sport utility vehicle,SUV)换道过程中侧翻安全问题,提出融合侧翻稳定性的SUV换道轨迹规划方法。建立三自由度车辆动力学模型,推导SUV侧翻稳定性及侧滑稳定性评价指标。采集自车状态及环境信息,将换道轨迹规划分成预规划和重规划两个阶段;预规划阶段采用五次多项式模型生成横向轨迹簇,重规划阶段考虑周围车辆动态变化,生成包含自车纵向速度信息的轨迹簇。融合侧翻稳定性指标、侧滑稳定性指标以及双圆拟合的车辆外形最小距离,构建代价函数;进行轨迹簇碰撞筛选、稳定性筛选及轨迹选择。运用内点惩罚函数进行轨迹优化,求解最优轨迹。选取两种典型工况进行换道轨迹规划仿真,结果表明SUV沿着该方法规划的轨迹行驶可完成换道躲避障碍物,且横向位移小、换道效率高,可有效避免侧翻危险。     

基于视觉神经元双拮抗机制的汽车外轮廓提取

为降低噪音影响、改善汽车车身反光造成虚假轮廓的现象,提出了一种视觉神经元双拮抗机制和自适应双阈值相结合的轮廓提取算法.双拮抗机制算法依据视觉神经元双拮抗原理处理图像得到亮度特征的轮廓,用扩展的大津法(Otsu)根据轮廓亮度分布自动选取高低阈值,对初步提取的轮廓进行双阈值处理,得到最终的汽车轮廓.利用客观性能指标对实验结果进行评价,结果表明提出的算法提升了汽车轮廓的完整性.与经典的轮廓提取算法相比,其计算复杂度低,对图像背景的适应性较强.     

基于2DPCA与稀疏表示的目标跟踪

为了提高目标跟踪的准确性,针对目标跟踪过程中光照变化、遮挡、姿势变化等问题,提出了基于二维主成分分析(2DPCA)与稀疏表示的目标跟踪算法.在贝叶斯框架中使用了2DPCA与L2规范化呈现快速与鲁棒的目标跟踪算法.提出了新的似然函数表示方法,同时采用增量子空间学习的方法对冗余字典进行更新,有效抑制了跟踪漂移并能处理目标遮挡问题.通过对具有挑战性的跟踪视频进行定性和定量分析,实验结果证明:跟踪方法在跟踪精度上优于传统方法.