版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認(rèn)領(lǐng)
文檔簡介
1、隨著我國國民經(jīng)濟的快速增長,擁有汽車的人也越來越多,汽車給人們的出行帶來了很大方便。然而與此同時,交通事故也呈高速增長趨勢,因交通事故造成的損失也令人心痛,因此汽車安全防撞問題日益引起人們的重視。智能交通已成世界議題,我國也在上個世紀(jì)90年代開始跟蹤國際上智能交通系統(tǒng)的發(fā)展。但就防撞技術(shù)來說,目前還與實際應(yīng)用存在一定的差距,因此世界各國政府及科研機構(gòu)都在大力開展此項研究,我們也針對其中某些關(guān)鍵技術(shù)進行了研究。
本文首先對汽
2、車前方障礙物的智能識別進行了研究,提出了利用目標(biāo)的雷達(dá)散射截面(RCS)對目標(biāo)進行識別的新方法。關(guān)于目標(biāo)識別已有很多報道,但大部分都基于對目標(biāo)狀態(tài)的研究。然而能識別出障礙物的具體類別或形狀對防撞控制無疑起到相當(dāng)重要的作用,為控制系統(tǒng)決定下一步采取怎樣的措施提供了基本信息。論文對此部分內(nèi)容做了詳細(xì)分析,包括RCS的定義、計算方法及其包含的目標(biāo)特征信息,另外對本文所用的識別方法(模糊識別)作了簡要介紹,最后仿真驗證此方法的可行性。
3、 識別出障礙物的類別以后,要針對潛在危險的障礙物做具體狀態(tài)檢測,本文對調(diào)頻連續(xù)波的工作原理進行了研究,具體分析了不同體制雷達(dá)的測距、測速方法。對這一部分內(nèi)容已有不少報道,本文借鑒前人的研究成果為系統(tǒng)提供實時距離與相對速度信息。
檢測障礙物信息的最終目的是為安全預(yù)警服務(wù),然而安全預(yù)警應(yīng)該體現(xiàn)駕駛員的特性,本文詳細(xì)分析了駕駛行為特征,并建立人--機--環(huán)境模型。在此基礎(chǔ)上結(jié)合前面得到的信息計算安全行車距離,充分體現(xiàn)人在駕駛
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于VC++的車前障礙物識別預(yù)警系統(tǒng)設(shè)計.pdf
- 基于輪廓識別的機器人可變視角障礙物檢測方法研究.pdf
- 智能汽車激光雷達(dá)障礙物檢測方法研究.pdf
- 基于手位識別的智能輪椅無障礙人機交互.pdf
- 基于視覺的智能車輛道路識別與障礙物檢測方法研究.pdf
- 面向智能電網(wǎng)的人機物融合網(wǎng)絡(luò)的安全技術(shù)研究.pdf
- 基于雙目視覺的障礙物識別研究.pdf
- 汽車輔助安全駕駛中基于視頻的障礙物檢測方法研究.pdf
- 基于人臉識別的人機交互探索與研究.pdf
- 基于雙目立體視覺的障礙物識別研究.pdf
- 基于信息融合的道路和障礙物檢測方法研究.pdf
- 面向輸電線路障礙物識別的多視角重建方法研究.pdf
- 基于虛擬障礙物的智能車導(dǎo)航方法研究.pdf
- 基于多線索融合的障礙物檢測算法研究.pdf
- 基于動態(tài)手勢識別的人機交互技術(shù)研究.pdf
- 基于雙目視覺的障礙物識別與重建.pdf
- 視覺導(dǎo)航智能車的道路識別及障礙物檢測算法研究.pdf
- 基于主動學(xué)習(xí)SVM的智能車輛障礙物檢測.pdf
- 基于雙目視覺的障礙物識別與重建(1)
- 基于智能視頻監(jiān)控的人體異常行為識別的研究.pdf
評論
0/150
提交評論