穆柯楠[1]2016年在《基于车—路视觉协同的行车环境感知方法研究》文中进行了进一步梳理行车环境感知是高级驾驶辅助系统中最核心的内容,其行车环境信息的获取通常依赖于车载感知设备。而在车-路协同系统中,智能路侧设备作为另一种重要的环境信息感知方式,通过车-车/车-路通信技术,实现与智能车载设备的感知信息交互,从而使系统获取更全面丰富的行车环境信息。然而行车环境信息复杂多样,如何根据实际需求对行车信息进行采集、处理及融合,实现行车环境感知,是高级驾驶辅助系统中非常重要的研究课题。本文在提出一种基于车-路视觉协同的行车环境感知系统框架的基础上,针对系统的信息感知需求,对车道线和车辆信息感知方法和基于上述感知信息的行车环境表征方法进行研究。具体研究内容有:(1)基于车-路视觉协同的行车环境感知系统框架设计。在深入分析高级驾驶辅助系统的行车环境信息感知与交互需求的基础上,结合车路协同系统基本结构,提出了一种基于车路视觉协同的行车环境感知系统框架。该框架以路侧相机和车载相机作为主要传感装置,以车-路通信方式进行数据传输和交互,以智能路侧设备和智能车载终端作为行车环境感知与交互的核心载体,实现车辆自身状态感知和车道线、障碍车辆等环境信息的感知。(2)基于车载视频的结构化道路车道线识别方法研究。在传统基于模型匹配的车道线检测与跟踪方法的基础上,进一步考虑车道线类型对衡量车辆变道行为是否合法的重要性,实现了一种基于非均匀B样条(NUBS)曲线模型匹配的车道线检测、分类与跟踪方法。在根据车道线边缘信息确定NUBS曲线控制点的基础上,首先制定车道线分类策略,将车道线分为虚、实两类;然后利用NUBS曲线重构和曲线估计实现车道线检测与跟踪。实验结果表明该方法能够有效地实现车道线的检测、分类与跟踪,而且对车道线边缘信息小部分丢失的情况有较好的鲁棒性。(3)基于路侧视频的车辆检测与跟踪方法研究。针对车辆边缘特征提取易受噪声和背景干扰的问题,提出基于非采样高斯差分多尺度边缘融合的车辆检测方法。经过非采样高斯差分金字塔分解、边缘检测和边缘融合得到的车辆多尺度边缘图像,继承了大、小尺度图像边缘的优点,同时消除了金字塔分解过程中上/下采样对边缘检测结果的影响。对车辆多尺度边缘图像进行形态学处理和连通性分析即可实现车辆检测。实验结果表明该方法能够较好地实现不同天气条件下的车辆检测。针对传统方法中车辆检测与跟踪用不同方法实现,算法复杂度较高的问题,提出基于SIFT特征匹配的车辆检测与跟踪方法。相邻两帧图像经过SIFT特征匹配、几何对齐和差分后,在得到的差分图像上通过搜索绝对误差和较大区域实现车辆检测。建立车辆跟踪样本集,将车辆检测的结果作为跟踪样本,与当前帧进行SIFT特征匹配实现车辆跟踪。此外,制定样本集更新机制,识别和处理车辆驶入、驶出相机视野以及停驶叁种情况下的车辆跟踪问题。(4)基于车-路视觉协同感知信息的行车环境表征方法研究。首先实现了基于Occupancy grid的行车环境表征方法。该方法改进了传统Occupancy grid模型点对点的数据映射关系,考虑车辆大小信息对行车环境表征结果的影响,将车辆位置坐标点通过高斯分布映射到模型中。采用贝叶斯概率理论融合车辆位置与车道线信息,计算模型中每个单元的“空闲”和“占用”概率。实验结果表明,改进后的方法能够实现更准确的行车环境表征。进一步地,考虑Occupancy grid计算量大且贝叶斯概率理论不能处理“不确定”问题的缺点,提出基于动态信任度网格的行车环境表征方法。根据车辆大小和车道线位置信息建立网格模型,采用Dempster-Shafer证据理论对GPS车辆位置信息、车辆检测与跟踪信息和车道线类型信息进行融合,计算网格中每个单元“空闲”、“占用”、“危险”状态的信任度。与前一种方法相比,该方法的行车环境表征结果更加精确。为了对上述行车环境表征结果的准确性和表征方法的实用性进行应用型验证,论文基于行车环境表征结果,进一步实现了基于贝叶斯网络的变道行为辅助决策和基于规则融合的变道行为辅助决策。前者通过贝叶斯网络输出“不变道”、“向左变道”、“向右变道”叁种决策,将具有最大期望效用值的决策视为最优决策;后者通过对空间成本、碰撞时间以及需求加速度叁种规则的数值计算,输出包含加速度信息的更精细的变道决策。实验结果表明,决策结果在保证了行车安全性的前提下较好地迎合驾驶员的变道意愿,也证明了本文行车环境感知方法的有效性。
肖拥军[2]2013年在《北斗/GPS双模智能车载终端系统研究与实现》文中进行了进一步梳理随着城市交通运输业的不断发展,现有的交通运输管理与服务手段已不能适应交通运输业的需求,城市智能运输系统得到了迅猛的发展。作为智能运输系统的核心,卫星定位智能车载系统成为当前研究的热点。为此,本文在核高基重大专项“国产基础软件在中国邮政的重大应用示范——中国邮政运输调度系统”的支持下,对基于安全等级高的国产自主软件KYLIN嵌入式Linux操作系统的GPS/BD双模智能车载系统关键技术进行了深入研究。论文主要研究内容归纳如下：1.通过从嵌入式系统的硬件和操作系统特征方面对智能车载系统的层次结构和模块关系进行研究,提出了基于ARM嵌入式处理器+KYLIN嵌入式Linux操作系统的GPS/BD双模智能车载系统解决方案。相比于其它方案,该方案具有诸多优势,包括：可扩展性强、稳定性高、易于系统升级等。此外,国产银河KYLIN嵌入式Linux操作系统是目前国内安全等级最高的具有自主知识产权的软件系统。基于该操作系统进行GPS/BD双模智能车载系统研发解决了车载系统实际运行过程中存在的安全隐患。2.采用了模块化系统构架,实现了核心板最小系统设计和主板设计；针对目前车载终端系统电源管理存在的主要问题,提出了安全可靠的电源管理方案。整个系统采用了工业级的模块和元器件,对温度具有较强适应性。通过车载环境和极限环境下的长时间测试表明,本文提出并采用的硬件系统设计方案在稳定性、可靠性、温度适应性等方面均满足设计要求。3.研究并实现了KYLIN嵌入式Linux操作系统开发平台搭建,管理程序、引导程序设计,并在此基础上实现了主程序的设计,包括实现终端定位及状态信息周期上报机制、平台命令接收处理机制、BD/GPS定位方式控制及反馈机制、语音视频数据存储机制、WIFI控制及通信、RFID数据获取、SD读卡器、打印机和测试接口复用机制、远程升级机制、电瓶识别及低压报警、低功耗模式及唤醒机制、报警上报机制以及停车后数据上报机制等功能。本文的上述研究工作实现了GPS/BD双模智能车载系统的设计,并完成了样机生产调试以及产品的测试,产品达到了设计的要求。同时,此项研究工作为进一步研究卫星定位技术在车载设备上的应用奠定了基础。
许珂[3]2018年在《网联汽车中视频传输和“阅后即焚”功能的研究与实现》文中指出车辆数量急剧增多,道路安全、交通拥堵、能源短缺、环境污染等问题已经影响到人民的生活。幸运的是,同时随着高科技的发展,电子、信息、通信等技术与汽车产业加速融合,发展智能化、网联化的汽车产品已经被证明能够有效应对上述问题。而网联汽车智能终端发展进程中,信息高效安全传输是网联汽车进一步发展的基础,信息包括文本信息和视频信息,尤其是视频信息的重要性不言而喻,人们每天通过视觉获取的视觉信息约占外界信息总量的70%左右,而且视觉信息具有信息量大、直观性、确定性等特点,更容易被人们感知与应用。目前已有针对网联汽车文本信息高效传输的路由算法层出不穷,对视频传输的研究也如火如荼,但是大部分研究处于软件仿真层面,而且未针对具体场景做深入分析,缺乏车载自组网平台复杂环境下的实测论证分析。本论文针对以上这些问题做了深入研究,主要工作如下:首先,分析了车载自组网的信息路由场景,重点讨论道路拥堵情况下车辆需将预警信息快速传输到指定地点附近的多辆车的情况,提出了基于地理位置的全向路由算法,并完成了其在网联汽车平台上的开发和测试。其次,系统地分析视频传输和拼接的相关技术,比较同一领域不同关键技术的优缺点与适用场景,比如视频编解码领域中的H264和H263等;网络传输领域中的RTP协议和TCP、UDP协议、车车通信的802.11p协议;视频拼接特征点检测领域中的ORB算法、SURF算法等。通过优缺点分析,选择并实现适用于特定场景的算法,进而搭建完成车载信息传输系统。然后,考虑信息传输的安全性,将“阅后即焚”技术引入网联汽车领域中,保护用户信息的隐私及数据安全,防止用户数据再传播而进一步导致恶意人员对用户行为的非法分析。最后,本文利用已搭建好的平台,实现了文本信息的路由及多点视频分发系统,并在北邮校园内进行了场景测试,对比其他路由算法,重点评估了网联汽车中文本信息在不同距离、不同跳数下的路由性能,本文的路由算法在一个节点将信息传输到区域内的多个节点场景中,具有高可靠、高覆盖率、低时延的特点;然后测试了 4辆汽车通过车载pad与车载智能终端两两视频传输的场景,最终录制的视频在PC端进行视频拼接,达到15ms/帧的实时性。
李若翩, 阮雅端, 陈启美[4]2014年在《基于协同技术的智能车载系统》文中进行了进一步梳理旨在联合智能交通中的车载终端、服务器、网络等要素来提供更优的服务,在协同技术的基础上,构建了智能车载系统,实现了最优路径分析、动态地图展示、交通事件监测和实时视频点播等功能。系统为普通车用户和监管车用户提供个性化的服务。应用表明,该系统在整合交通网中的资源促进各节点协同工作方面取得了一定的效果。
胡海峰[5]2004年在《智能车载视频系统研究》文中提出智能车载技术对于保证车辆安全驾驶起着关键作用，车载视频技术是智能车关键技术之一，由此引发了对车载视频系统的研究。车载视频系统实时探测车到障碍物的距离，综合判断车辆行驶的潜在危险性，在显示器上实时显示汽车周围的环境，出现危险情况时报警，极端情况下自动制动，使车辆远离危险。 本文主要对车载视频显示及检测系统进行了初步研究。设计了基于FPGA系统结构的车载视频显示电路板；利用单片机IO口模拟I2C时序，实现了视频解码芯片控制；利用FPGA实现视频控制，研究了采集通道时序控制、双帧存RAM读写时序控制及LCD显示时序控制的方法，并进行了软件仿真和分析；设计了车载视频检测系统方案，给出了管理采集缓冲区的叁帧缓冲策略，采用综合叁帧差分和自适应背景相减的算法实现运动检测，连通体检测去除虚目标，仿真实验证明其有效性，同时分析了该算法在DSP视频检测系统中的简单实现方法。
韩璐[6]2014年在《基于Android的车载北斗导航与视频监控系统的设计与实现》文中提出随着社会经济的发展和人们生活水平的提高,汽车已经在普通大众中普及开来,汽车的数量也越来越多。与此同时,汽车的拥堵和安全问题也逐渐成为一个值得关注的话题。市场上的导航设备基本以GPS导航为主,而很少使用中国的北斗导航系统。同时人们在倒车和行进过程中缺乏必要的安全措施,非常容易发生事故。本文采用了Android作为车载信息系统的嵌入式操作系统,基于北斗导航系统和百度地图设计了车载导航系统,能够实现地图的定位、搜索、实时交通信息显示和路径规划。采用摄像头实现车载视频监控系统。该系统以ARM Cortex系列微处理器S5PV210为核心搭建车载硬件平台,同时运行Android 4.0操作系统。论文主要工作如下:1、根据现状调研和需求分析,制定车载信息系统的整体设计方案,包括整体功能的划分和具体各模块的实现。2、硬软件开发平台的搭建,主要工作是基于S5PV210设计硬件系统,实现核心处理器与外部传感器之间通信,并将Android 4.0系统移植到车载硬件系统上,同时移植设备驱动。3、基于百度地图的导航与地图设计,可以显示基本地图信息和车辆当前位置,还可以进行位置搜索和周围搜索和交通流显示,并能根据用户输入的目的地进行路径规划,规划出基于不同条件的行驶路径。4、设计倒车后视系统和车辆行驶监控系统,分别从倒车和行车方面为车主提供了安全防护,提升了车辆驾驶的安全性。本系统将Android系统引入到车载导航领域,同时引入具有自主知识产权北斗卫星定位系统,提升了车辆导航的安全性,而借助百度地图实现导航地图功能,提升了行车的效率,采用摄像头实现倒车和行车过程中的视频监控,能够有效保证行车过程中的安全,具有一定的研究意义和实用价值。
苟鹏程[7]2016年在《基于Android的语音识别设计及应用》文中研究说明微电子技术的不断发展,计算机的效率越来越快,这加快了其他技术的发展,尤其是语音识别的发展。语音识别作为20世纪新出现的技术,正在慢慢的改变人们的生活。语音识别技术的探索与研究,具有广阔的未来市场和广泛的应用前景。论文首先对国内外各汽车厂商车载平台下语音控制车载系统进行了广泛的调研与分析,总结了目前车载语音识别开发存在的难点问题,包括算法复杂、硬件要求高、控制功能单一化等问题。为了解决以上问题,提出了在ARM+Android架构下的基于LD3320语音芯片的离线语音识别以及基于百度语音云服务的在线语音识别的设计方案,并详细论述了其在车载平台以及控制无人机方面具体控制应用实现。在车载整体架构及功能实现上,采用ARM+Android架构,结合外围模块和接口电路,设计并实现了在线离线多模态语音识别功能的智能车载信息系统。其中基于LD3320专业语音芯片离线语音识别专用于控制蓝牙电话,基于移动互联网百度语音云服务在线语音识别用于控制歌曲播放和导航软件。该系统支持导航软件应用的自助升级和维护,打破了传统车载系统升级的垄断。其次,在语音控制无人机方面,采用Android系统平板下设计并实现一个无人机语音控制软件。语音识别方面同样采用基于移动互联网百度语音云服务的在线语音识别,将采集到的操作员语音命令通过Socket通信发送到无人机地面站,实现数据包的打包--发送--解包。数据包解码之后,通过已经搭建好的语音指令库进行信息对比分析,取得具体控制信息,最后通过地面站发送无人机飞行命令,使无人机执行动作。实验结果表明,该多模态语音识别与控制车载系统成本低、效率高,功能强大、界面友好操作简便,真正意义上释放了操作员的双手,提高了驾驶操作的安全性。
周户星[8]2013年在《车联网环境下交通信息采集与处理方法研究》文中研究指明依托国家高技术研究发展计划（863计划）课题《多源多维城市交通状态感知与交互处理》，本文对车联网环境下的交通信息采集与处理方法进行了深入研究。在对国内外研究现状和研究趋势进行分析的基础上，本文首先对车联网的系统架构和关键技术进行了分析。接下来在对车联网关键技术分析的基础上，得出路侧单元布设及优化方法是车联网环境下交通信息采集方法中的重要一环这一结论，并通过分析及实验，给出路侧单元的布设方法和调度优化方案。之后，在车联网环境下交通信息处理方法方面，根据车联网下对车辆定位技术的需求，提出了一个基于非参数动态模型的自适应数据融合框架结构以及一个适应信号强度和到达时间的自适应似然粒子滤波方法，实现基于已有的基础设施对车辆精确定位。最后，在行程时间预测技术方面，针对车联网下交通信息的特点，提出改进的人工神经网络（ANN）和改进的支持向量回归（SVR）方法，对行程时间进行预测，设计了一个仿真平台，并采用实际数据进行仿真，仿真结果表明提出的改进支持向量回归的行程时间预测模型具有良好的性能。
张辉[9]2013年在《基于视频的交通安全预警系统》文中研究指明随着道路建设和车辆保有量的持续快速增长，交通需求急剧增加，随之而来的交通安全问题也日益突出。本文开发了基于视频的交通安全预警系统，实现了对交通安全的预警功能，能够有效提高道路交通安全性。系统主要内容有：1．基于视频的交通信息快速检测和识别子系统。其中包括交通参数（车流量和车速）检测模块和交通事件（行人、逆行、跨道、停车、抛落物、交通饱和或拥堵或畅通）检测模块以及交通状况智能识别模块。交通状况智能识别模块主要完成对检测信息的融合和预警信息的生成，并发布预警信息给过往的车辆。2．智能车载显示子系统。在基于ARM架构的嵌入式开发平台下设计完成了车载显示终端软件，实现了对发布的预警信息的接收，再以听觉和视觉复合的方式提醒驾驶员当前道路异常状况，从而减少事故或二次事故的发生。3．车路无线通信子系统。利用3G无线网络实现了车路间信息通信功能，主要内容包括：在车路协同主动安全预警应用环境下，选取合适的无线通信网络方式，通过测量其网络性能参数（时延、丢包率、网络可用带宽），评估网络性能是否能够满足实际需求。本文利用基于视频的交通信息快速检测技术、车路无线通信技术和车载显示技术，完成了对交通信息的检测、信息融合和预警信息发布，以及预警信息在车载端的显示，最后提醒驾驶员及时采取措施以避免交通事故或二次事故的发生，有效的提高了交通安全性。实验结果证明：系统具有信息量丰富、设置灵活、成本低、检测精度高、实时性好等特点，可用在高速公路、国道等重要区域或路段实现交通安全预警功能，具有良好的应用前景。
涂清[10]2011年在《基于麒麟操作系统的嵌入式车载智能终端的研究与实现》文中认为车载智能终端系统是融全球卫星定位技术(GPS)和无线网络通信技术于一体的高科技系统。作为现代智能交通运输系统ITS的重要组成部分,车载智能终端系统的发展,对于缓解交通运输压力,提高道路交通管理水平,发展智能化的交通运输业起到了广泛而深远的意义。本文提出了基于ARM9处理器和国产麒麟嵌入式Linux操作系统的车载智能终端系统的方案设计与实现。终端接收并解析卫星的GPS定位数据,通过GPRS无线网络将车辆状态信息传输给监控中心,监控中心处理信息并通过GPRS网络向终端发送控制指令,实现对车辆的监控。论文的主要研究内容为:(1)对车载智能终端系统的功能需求做出了详细的分析,对嵌入式系统的硬件和操作系统特征方面对智能车载系统的层次结构和模块关系进行研究,确定采用基于ARM9嵌入式处理器+嵌入式Linux操作系统的解决方案作为智能车载系统的实现方案。最后,介绍了系统的硬件和软件总体设计方案。(2)根据ARM9处理器的硬件结构体系和嵌入式Linux系统环境构建流程,结合车载智能终端系统的具体功能需求,实现了嵌入式Linux系统在ARM9处理器S3C2440上的移植。其中,重点在于u-boot源代码的修改和移植,嵌入式Linux操作系统内核的配置和裁剪,以及嵌入式文件系统的定制。最后,阐述了车载智能终端系统启动的流程和实现。(3)针对嵌入式Linux系统和底层硬件设备,开发了字符型设备相关驱动程序,实现了上层应用软件对底层设备的调用。根据功能需求和技术特点,完成了多任务实时控制的软件设计,实现了各结构的预期功能。(4)对于车载系统来说,系统维护和软件升级的便利性是系统开发过程中需要重点考虑的环节。为了解决基于麒麟嵌入式Linux操作系统的智能车载系统实际应用中的软件升级问题,研究并提出了基于GPRS技术、IAP编程方式、应答机制、断点续传技术和校验机制的嵌入式系统软件远程升级方案,保证了数据传输的实时性、快速性、准确性和可靠性。
参考文献：
[1]. 基于车—路视觉协同的行车环境感知方法研究[D]. 穆柯楠. 长安大学. 2016
[2]. 北斗/GPS双模智能车载终端系统研究与实现[D]. 肖拥军. 湖南大学. 2013
[3]. 网联汽车中视频传输和“阅后即焚”功能的研究与实现[D]. 许珂. 北京邮电大学. 2018
[4]. 基于协同技术的智能车载系统[J]. 李若翩, 阮雅端, 陈启美. 电视技术. 2014
[5]. 智能车载视频系统研究[D]. 胡海峰. 西北工业大学. 2004
[6]. 基于Android的车载北斗导航与视频监控系统的设计与实现[D]. 韩璐. 天津大学. 2014
[7]. 基于Android的语音识别设计及应用[D]. 苟鹏程. 天津大学. 2016
[8]. 车联网环境下交通信息采集与处理方法研究[D]. 周户星. 吉林大学. 2013
[9]. 基于视频的交通安全预警系统[D]. 张辉. 长安大学. 2013
[10]. 基于麒麟操作系统的嵌入式车载智能终端的研究与实现[D]. 涂清. 国防科学技术大学. 2011