基于先验信息的交通信号灯识别方法

针对基于颜色的交通信号灯识别(TLR)准确率不高的问题,文章提出一种融合色调、饱和度、明度(HSV)颜色空间和图像灰度信息的交通信号灯识别方法。先将图像进行倾斜校正和大小标准化,以满足融合交通信号灯识别方法的需求。然后,将红绿蓝(RGB)图像转化为色调、饱和度、明度颜色空间,对交通信号灯进行初步识别。通过霍夫直线检测提取交通信号灯的矩形边界,实现感兴趣区域(ROI)检测。针对色调、饱和度、明度颜色空间无法识别的交通信号灯图像,以交通信号灯的结构特点做为先验信息,进行灰度图像感兴趣区域像素值求和,进一步识别交通信号灯。通过实验对该融合交通信号灯识别方法进行了分析,并与单独使用色调、饱和度、明度颜色空间和灰度图像感兴趣区域像素值求和的方法进行对比,验证文章算法的有效性。

基于能量最优的无人驾驶汽车路径跟踪控制

动力总成控制对无人驾驶汽车的动态性能和经济性起着重要的作用。为了提高车辆在路径跟踪过程中的动力性和经济性,提出了一种基于能量最优化的路径跟踪控制策略。控制策略分为两部分,在上层控制器中使用非线性模型预测控制来计算所需要的动力参数和前轮转角。下层控制器采用基于电机能耗数值最优的方法进行设计。该方法可以确保电机一直运行在效率最优状态,并可根据电机状态动态调节无级变速器以满足车辆动力需求。仿真结果表明,控制方案具有良好的跟踪性能和节能潜力。