改进关联策略的三维多目标跟踪算法

为提高基于激光雷达的三维多目标跟踪准确度,提出一种基于检测的3D多目标跟踪算法。使用深度神经网络从激光点云中获取目标的位置信息后,对目标跟踪算法中的关联策略进行了优化。首先,估计出目标的速度信息,与位置信息一同纳入观测值,在BEV视角下使用卡尔曼滤波器对目标的状态进行预测与更新;然后,基于目标与激光雷达的距离来评估目标位置的不确定度,用于修正观测模型中的协方差矩阵;最后,在马氏距离中添加对目标测量的不确定性加权项,使用匈牙利算法进行数据关联。在大规模自动驾驶数据集Nuscenes上对所提算法进行了测试,得出其跟踪精度超过了现有的基线方法。消融实验结果表明,所提出的改进措施能有效提高三维多目标跟踪的性能。

基于优化字典学习算法的压缩数据收集

为了提高压缩数据收集对多样化传感数据的适应能力,同时抑制环境噪声对数据收集精度的影响,提出了一种优化字典学习算法来构造压缩数据收集中的稀疏字典。理论分析表明在压缩数据收集中由环境噪声导致的数据收集误差和稀疏字典的自相干程度正相关。为此在字典学习的过程中引入了自相干惩罚项来抑制环境噪声对数据收集精度的影响。该惩罚项还能减少字典学习过程中对训练数据的过拟合,从而进一步提高了该算法的稀疏表示能力。实验表明,该算法的稀疏表示能力高于同类字典学习算法,而且能有效地抑制环境噪声对压缩数据收集精度的影响。

基于模糊理论的无线传感器网络多层分簇式路由算法

为了进一步降低无线传感器网络的能量消耗,延长网络寿命,提出一种基于模糊理论的多层分簇式路由算法(MLFC)。新算法根据通信距离与能量的相关性将网络划分为多层,采用模糊算法根据节点的能量、分布密度和中心度在每层中选出多个簇头,其余节点分别加入同层中距离最近簇头形成的簇,簇头逐层传递数据,建立起自组多跳路由。仿真实验结果表明,多层分簇式路由算法可以更好地均衡无线传感器网络各节点的负载,能明显提高节点的生命周期,延长网络寿命。

一种无线传感器网络分布式测试系统

从实验室研制出的无线传感器网络(WSNs)设备在走向实际应用之前往往没有进行相关的测试工作,这就增加了WSNs工作时的不确定性。为了对开发出来的WSNs设备的性能参数进行测试,研究出了一个测试系统。系统采用了一种分布式的结构,以ARM处理器为测试板核心,使用CAN总线作为系统的测试总线和PC机进行数据交互,实现了对节点进行大规模并行在线的BSL编程,并采集各节点的能耗数据以及监控节点工作状态信息,通过PC机软件综合处理,以分析它的性能。

基于CAN总线的无线传感器网络测试系统设计与实现

为了对无线传感器网络在实际环境下进行综合性能测试,设计了一种无线传感器网络测试系统;各测试模块挂载到CAN总线上,有利于数据的快速传输,增加了可测试节点的数量并提高了数据传输的实时性;提出一种动态优先级方案,解决了静态低优先级节点竞争不到CAN总线造成的数据拥塞;针对无线传感器网络节点数量大、烧录效率低的特点,利用MSP430的Bootstrap Loader特性,实现了对WSN节点的并行程序烧录,提高了烧录效率;此外,还支持对WSN节点的电源控制、能耗测试、程序调试及状态查询。实验数据表明,该测试系统满足无线传感器网络的测试要求。

面向ARM Cortex-M0的轻量级图形界面设计

针对目前现有图形库难以满足低存储空间的嵌入式设备开发需求问题,提出了面向ARM Cortex-M0的轻量级图形界面系统设计;系统采用分层结构的思想,构建模块化的图形界面模型;利用面向对象和继承的思想创建内核控件树;创建管理树结构实现对封装的页面组动态管理;实际应用表明,系统占用的资源少,响应速率快,移植性和扩展性较好,具有轻量级的特点,可满足低存储空间的嵌入式设备需求。

赛教融合和CDIO下测控专业人才培养模式探索

随着智能制造和机器人产业发展,我国大部分高校测控专业将面临测控专业招生能力不足以及测控专业教学内容已无法满足产业发展对人才需求的入口出口双重挤压。通过对长沙理工大学测控专业的研究,给出了测控专业在新工科背景下,从赛教融合和CDIO实践两个维度进行改革探索的经验。研究结果对基于新工科的测控专业创新人才培养模式改革,具有一定的经验借鉴作用和现实意义。

面向高速公路混合交通流的车辆协同合流策略

为提高高速公路匝道合流区的运行效率、减少交通事故的发生,面向网联自动驾驶车辆(Connected and Automated Vehicles,CAV)与人工驾驶车辆(Human Driven Vehicles,HDV)混行的交通场景,提出高速公路匝道分层协作合流框架,该框架集成合流序列调度算法和协作合流算法,并根据车辆类型与车辆状态进行实时调整。首先,提出一种基于启发式规则的高速公路合流序列实时调度算法,优化合流区车辆的合流顺序,解决了传统固定合流序列无法适应HDV驾驶行为随机扰动的问题。然后,根据合流序列调度算法及当前车辆位置,判断协作合流的车辆组及其车辆类型,分别建立CAV-CAV、CAV-HDV和HDV-HDV的协作合流控制算法。通过试验仿真发现:相较于无控制情况和“先进先出”策略,总延误分别降低了21.66%、39.88%;协作控制区长度对燃油经济性存在一定影响,能耗随着距离的增加而减小,并存在一个最小值,即300 m,到达该值后能耗将逐渐增大;车辆之间车头时距的增加,对减小车辆能耗存在一定的影响。其中,HDV之间车头时距的影响大于CAV之间车头时距的影响。

采用权函数计时的无线传感器网络分簇算法

为进一步降低无线传感器网络的能耗,提出了一种采用权函数计时的无线传感网络分簇路由算法。算法构建了节点聚合度与剩余能量之间的权函数,并以此为标准进行计时分簇,根据各节点权函数值与计时时长的差异来选举合理的簇头。在该路由算法下,周期性的分簇过程中节点不需交换各自的节点聚合度信息,降低了网络通信量,进而降低了网络能耗。仿真实验结果表明该算法成簇收敛性好,成簇规模稳定,能有效延长网络生存周期。

基于LBP-KPCA特征提取的焊缝超声检测缺陷分类方法

焊缝缺陷影响结构安全,缺陷定性是实现结构安全评价的重要基础.研究了一种基于一维局部二元模式(one-dimensional local binary pattern,1-D LBP)算法结合核主成分分析(kernel principal component analysis,KPCA)提取焊缝缺陷回波信号特征的方法.采用1-D LBP算法提取缺陷回波信号的LBP特征,通过KPCA对此LBP特征集进行主成分分析,选取贡献率之和超过90%的前N个主成分作为缺陷分类的特征向量,利用基于径向基核函数的支持向量机(support vector machine,SVM)实现了缺陷类型的自动分类.以夹渣、气孔和未焊透三类焊缝缺陷为对象,开展了缺陷特征提取及分类试验.结果表明,使用LBP-KPCA特征进行缺陷分类时,准确率达到96.7%,优于常规特征,为焊缝缺陷分类及无损评价提供了重要参考.

基于二次特征筛选的覆铜板表面缺陷检测

为了解决机器视觉技术检测覆铜板缺陷误检率高的问题,提出了一种基于二次特征筛选的覆铜板表面缺陷检测方法。采用模板匹配与图像形态学算法检测出覆铜板表面的疑似缺陷。由于覆铜板加工过程中易发生翘曲和弯曲变形,影响了模板匹配的精度,导致第一次检测结果中存在较多的误判缺陷。采用特征选取框提取出疑似缺陷的特征区域,计算其形状特征属性值,通过修正蜂群算法优化后的支持向量机(SVM)对疑似缺陷进行二次筛选。实验结果表明,通过二次特征筛选能使覆铜板表面缺陷检测的误检率控制在3%以内。

基于卡尔曼滤波-LSTM模型的车速估计方法

为提高基于视频的道路车速统计效率,提出一种基于卡尔曼滤波-LSTM模型的车速估计方法。首先,采用YOLOv4构建车辆目标检测算法,将主干网络改进为MobileNetV2以提高目标特征的提取速度;然后,针对卡尔曼滤波算法在复杂行车场景下的车速统计误差较大的问题,结合LSTM模型对目标跟踪结果进行检测融合;最后,根据感兴趣区域内多目标跟踪的距离与时间来估计机动车速度,并对该方法进行误差分析。在长沙市枫林三路信号交叉口的监控视频进行了应用,结果表明:提出的速度估计方法有效改善了跟踪对象标签频繁切换的现象,车速检测准确率达到94.5%。

车路协同下避让紧急车辆协同换道策略

为加快紧急车辆抵达事故现场的速度,同时减少紧急车辆优先权对其他车辆的影响,运用车路协同系统,提出避让紧急车辆协同换道策略,通过调整紧急车辆下游车辆位置,实现紧急车辆高效通过路段。以紧急车辆前车(DV)及其相邻目标车道车辆为控制对象,根据相邻车道车辆间距与车车通信范围,搜索DV可换道空间间隙集。以交通流整体恢复稳定时间最小为目标,确定DV换道轨迹和相邻车道协作车辆的速度变化,引导车辆完成协同合流,既能保障车辆安全换道,还能降低换道造成的速度振荡传递。同时,为快速恢复DV换道造成的目标车道车辆速度波动,对上游车辆(UV)采取先进先出规则的换道控制策略。所提协同避让紧急车辆的策略考虑了车辆协同换道对交通流的整体影响,并在原有换道策略的基础上提出了减少速度波动传递的控制方法。案例分析结果表明:采用上下游协同换道策略最短换道时间为6s,此时紧急车辆距前车78.66 m时发送避让信号。同时研究发现,恢复交通流速度稳定所需的时间为29 s,比未采用上下游协同换道策略降低了34%。

基于迁移学习的桥墩结构损伤识别方法

提出一种深度学习的桥墩结构损伤识别方法,该方法通过迁移学习(TL)将源模型的权重和参数转移到目标模型上,加快深度模型的训练速度、提升模型损伤识别精度。使用连续小波变换将振动信号转换成时频图作为深度模型的输入,构建可识别砼结构损伤的深度模型,该模型的固定部分使用源模型的权重和参数,非固定部分的权重和参数使用新的数据训练得到;通过试验及仿真对该模型的有效性进行验证,试验方面使用砼桥梁在有损伤和无损伤时的振动信号,仿真采用ABAQUS/CAE建立砼塑性损伤识别模型(CDP)并采集振动信号;将文中方法与从零开始训练的深度卷积神经网络(CNN)及支持向量机(SVM)方法进行对比,文中方法在试验数据上的识别精度达99.1%,在仿真数据上的精度达100%,相对于传统识别方法,该方法可提高损伤识别精度和模型训练速度。

网联自动驾驶车辆下匝道换道决策模型

为宏观刻画自动驾驶专用车道上的网联自动驾驶车辆(CAV)下匝道的行为,提出了混合交通流下基于安全风险的CAV下匝道换道决策模型;该模型将换道间隙选择过程抽象为成功换道或不成功换道的伯努利试验,并在此基础上建立了基于交通流理论的车辆换道成功率计算方法;提出了耦合换道安全与效率的下匝道换道决策成本函数,其中安全与效率的权重参数根据不同的驾驶模式确定,从而确定CAV最优的换道意图生成点,为CAV换道提供指令。数值分析结果表明:CAV下匝道成功率由换道准备距离、交通需求和CAV渗透率共同决定,成本函数随着CAV渗透率的变化出现明显的拐点;交通量为2400 veh·h^(-1)时,CAV的最佳换道意图生成点为距离下匝道入口1 km处;当交通量增加至4000 veh·h^(-1)时,最佳换道意图生成点为距离下匝道入口2.5 km处;当交通量大于6400 veh·h^(-1)时,需要提高CAV的侵略性才能高效驶出高速公路;成本函数随着CAV渗透率的增大先下降再升高,若渗透率低于拐点渗透率,则增加换道准备距离可以降低成本函数,若渗透率高于拐点渗透率,则需通过减小换道准备距离降低成本函数。仿真结果表明:交通需求和渗透率对车辆下匝道的安全性影响显著,渗透率由30%提升至60%,碰撞时间最大降幅为76.23%。