摘要：提出了基于特征颜色和SNCC的交通标志识别与跟踪方案,该方案用于智能车辆的交通标志识别与跟踪.在YCbCr色彩空间对交通场景图像进行颜色阈值分割,提取交通标志所在区域.根据标准交通标志的背景和内景特征颜色,设计标准交通标志的背景和内景颜色特征匹配模板.以背景和内景颜色特征匹配模板作为模板,采用模板匹配技术和SNCC计算匹配度,识别潜在交通标志图像和交通标志.在Matlab/Simulink环境下,基于视频与图像处理模块集和用户自定义函数模块构建仿真模型,进行仿真研究,给出了交通场景视频中交通标志的识别和跟踪轨迹仿真结果.结果表明,采用本文的交通标志识别与跟踪方案,计算量少,提高系统的效率,达到了较好的识别效果.

摘要：随着全球对音乐艺术的深远关注,钢琴逐渐成为最受欢迎的乐器之一。这不仅促进了钢琴制造业的繁荣,也使得高效、准确的钢琴调音技术成为急需解决的问题。相较于传统的、高度依赖人工和经验的调音方法,本研究提出了一种革新性的模块化钢琴调校系统。该系统搭载了视觉相机和激光测距仪配备的多轴机械结构,实现了与钢琴组件的精确交互。系统包含4个核心模块:固定限位、直线模组、智能音准分析和机械调音,不仅提高了调音精度,还显著提升了工作效率。经过多环境下的实验验证,该系统展示了卓越的鲁棒性和准确性。这一创新性设计不仅降低了调音的人力和时间成本,还在音乐技术、机器人和自动化等多个交叉学科领域开创了新的可能,为未来的钢琴校准系统研究和开发提供了可行的框架和基准,为该领域的进一步研究和应用提供了宝贵的基础。

摘要：为了克服传统设计方法在一维时域中忽视控制和学习这2种行为的差异所带来的保守性,提出了一种应用离散的观测器重复控制(RC)的设计方案,基于二维(2D)系统的理论,研究某些带有不确定性的线性系统.首先,建立了一种二维离散模型,既考虑用来描述在一个重复周期之内的控制行为,也考虑用来描述在周期之间发生的学习过程.然后,通过重建状态变量,将重复控制器的设计转化为反馈增益的设计问题.最后,通过线性矩阵不等式(LMI)获得其稳定性的条件,以及重复系统的增益系数.对比分析表明:该方案算法的适用性强,对鲁棒性与跟踪速度的改善显著.经过数据仿真,检测结果显示出仅需几个学习周期就可达到很高的控制精度,说明二维系统理论在重复控制设计与分析中具有广泛的应用前景.

摘要：针对一辆串联式混合动力电动汽车设计了一种基于模糊逻辑的控制策略,根据蓄电池组荷电状态(SOC)及车辆需求功率的变化实时调整发动机输出功率,以实现恒SOC控制,同时兼顾发动机燃油消耗及排放.给出了模糊控制器的结构,建立了车辆前向仿真模型,进行了离线仿真及硬件在环仿真.仿真结果表明,模糊控制策略能够较好将蓄电池组SOC维持在期望值0.7附近,且发动机可以稳定地工作在其高效率区以获得较低的燃油消耗及排放.

摘要：设计开发了一款超市自动取货机器人。首先搭建可完成物体识别和运动控制的机器人系统,根据特定的超市环境,研究基于YOLOv5的视觉识别算法,实现目标商品的识别和定位。然后研究目标物体的抓取控制,完成目标物体的搬运。该机器人基于YOLOv5神经网络框架,具有较高的准确性,它既可帮助人们在超市内拾取商品,又可在物流作业线上抓取和搬运货物。

摘要：针对结构化道路的特点,提出一种实用的基于组合模型的车道线自动识别方法。近视场区域采用Hough变换初始检测车道线,远视场区域采用三次曲线模型拟合车道线。车道跟踪用Kalman预测参数动态建立ROI(region of interest),用扫描线法搜索车道线边界点,在车道线间断处用Kalman预测器定位车道线边界,还设计了一个失效判别模块来验证跟踪结果。最后将投影图中检测到的车道线进行逆投影重建,得到实际路面的车道线。实验结果表明,对于不同的车道线种类和在部分车道线被前方车辆遮挡的条件下,该算法均具有较高的实时性和鲁棒性。

摘要：为降低车道线识别算法在车道线存在阴影遮挡、路面出现泛白现象等不同道路环境下的误检率,提出一种基于改进简单图像统计(SIS)阈值算法的车道线识别算法。在图像预处理阶段采用改进的SIS阈值算法进行二值化;采用直线段检测(LSD)算法检测直线,通过平行线对估计消失点位置,利用消失点去除干扰;利用车道线连续性和车道间距确定车道线感兴趣区,精确确定车道线位置。分别对在城市道路和高速公路上采集的视频进行实验,实验结果表明,该算法误检率低,鲁棒性高,能在复杂环境下快速、准确识别车道线。

摘要：为了准确检测智能车前方目标车辆以及确定目标车辆与本车的距离信息,提出了一种应用模糊逻辑融合车辆多特征检测目标车辆的算法。该算法充分考虑到车辆多个特征的重要性,将模糊理论中的模糊隶属度函数和特征置信度值相结合实现目标车辆的验证。在生成目标假设以及提取有效特征点后,通过对不同特征进行模糊化,根据模糊推理融合得到的目标车辆的最终置信度验证车辆假设,实现前方车辆的检测。试验数据表明,该算法具有较好的适应能力和抗干扰能力,能够及时准确地检测前方目标车辆。

摘要：提出了一种针对高速公路的车道线检测与跟踪方法;在图像预处理中采用基于采样的自适应阈值以满足不同光照条件下的使用要求,采用霍夫变换(HT,Hough Transform)进行车道线初始检测,车道线跟踪利用Kalman预测参数动态建立感兴趣区域(ROI,Region of Interest),用扫描线法搜索车道线边界点,在车道线间断区域利用Kalman预测器定位车道线边界;设计了一个失效判别模块,验证跟踪结果,当跟踪失败时,重新启动初始检测算法进行识别;实验结果表明,对于不同的车道线种类和在大部分车道线被前方车辆遮挡的条件下,该算法均具有较高的实时性和鲁棒性。