欢迎来到天天文库
浏览记录
ID:34936935
大小:4.15 MB
页数:66页
时间:2019-03-14
《智能激光车辆避障系统的研究》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库。
1、西安科技大学硕士学位论文智能激光车辆避障系统的研究专业名称:检测技术与自动化装置作者姓名:卫苏晶指导教师:柴钰题目:智能激光车辆避障系统的研究工程领域:检测技术与自动化装置硕士生:卫苏晶(签名)指导教师:柴钰(签名)摘要随着高速公路和汽车的迅速发展,汽车安全技术越来越受到人们的重视。汽车避障系统起辅助的作用,可以对汽车驾驶中的紧急情况进行预警,避免交通事故。所以,智能激光车辆避障系统的研究有着广阔的发展前景和应用,为今后汽车的主控安全控制和无人驾驶汽车奠定了基础。本课题提出智能激光车辆避障系统的总体方案设计,采用OK6410作为微控制器,包含激光传感器、
2、TFT液晶显示屏和报警模块。系统通过激光传感器实时监控前方目标,并进行跟踪,最终在TFT液晶屏上显示目标的运动轨迹。当被测距离小于系统计算的安全车距,系统则进行预警,提醒驾驶员注意采取减速或制动措施;当被测目标和本车的车距大于安全车距时,行驶安全,则抑制报警。本文包括以下几个方面:(1)建立车辆或行人的运动模型以及车辆避障的安全距离模型。(2)系统采用卡尔曼滤波与当前统计运动模型相结合的算法,选择合适的矩形门域,进行预测完成目标物的跟踪。(3)完善车辆预警算法,保障驾驶员的安全,为车辆下步制动打下基础。最后,对其模型与算法进行仿真,还在硬件OK6410开发板上进行整体系统的验证。系统
3、液晶屏上显示人机界面和跟踪轨迹,实现目标的跟踪和预警,基本符合汽车安全的要求,这对汽车主动安全和智能交通都有积极的意义。总结本文并针对系统不足,指出下一步研究的内容。关键词:激光传感器;安全;跟踪;避障;预警研究类型:应用研究Subject:ResearchofIntelligentLaserVehicleObstacleAvoidanceSystemSpecialty:DetectionTechnologyandAutomaticEquipmentName:WeiSujing(Signature)Instructor:ChaiYu(Signature)ABSTRACTThehigh
4、wayandautomotivearegrowingrapidlyinChina,thecarsafetyhasbecomeanincreasingattention.Automotiveobstacleavoidancesystemplaysanauxiliaryrole,whichcanearlywarnthecardrivingemergencytoavoidtrafficaccidents.So,researchonintelligentlaservehicleobstacleavoidancesystemhasbroadprospectsfordevelopmentanda
5、pplication,layingthefoundationforfutureautomobilemainsecuritycontrolandunmannedvehicles.Thispaperputstheoverallschemeofintelligentlaservehicleobstacleavoidancesystemdesign,usingOK6410asmicro-controllers,lasersensor,TFTdisplayscreenandalarmmodule.Systemreal-timemonitorsthefronttargetthroughthela
6、sersensortotrackandTFTdisplayscreenisshowedthetarget’strajectory.whenthedistancebetweenmeasuredtargetandthevehiclesislessthanthecomputingsafedistance,thesystemneedtoprovidewarningtothedrivertotakeappropriatemeasuresasslowdownorbrake;whenthisdistanceisgreaterthanthesafedistance,thesysteminhibita
7、larm.Thispapermainlyincludesseveralaspectsasfollows:Firstly,thevehicleandpedestrianmovementmodelandvehicleobstacleavoidancesafetydistancemodelareestablished.Secondly,thecurrentstatisticalmotionmodelandKalmanfilteralgorithmiscombin
此文档下载收益归作者所有