基于多源信息融合的试验场道路识别系统研究

发布时间：2017-09-08 07:38

  本文关键词：基于多源信息融合的试验场道路识别系统研究

  更多相关文章： 路面激励 振动响应 图像处理 差分卫星定位 多源信息融合 人工神经网络

【摘要】：汽车试验是对车辆整体性能、可靠性以及质量进行评估验证的重要环节,是加快汽车研发速度、提高产品质量的关键手段。在汽车可靠性试验规范中,对试验道路类型及行驶里程分配做了明确的规定,试验车辆必须严格按照试验道路类别及里程分配行驶,使车辆受到足够的路面激励,才能保证后续可靠性分析的准确性。对试验车辆行驶的道路类型和里程数进行实时监控是车辆可靠性试验的一种手段。传统的通过车辆定位信息与道路GIS信息匹配实现道路类型识别的方法存在信号遮挡导致识别精度下降的问题,同时基于视频图像进行道路识别也出现由于环境因素导致识别效果差的问题。因此,研究多源信息融合的道路识别系统对汽车道路试验的完善和监管具有重要的理论意义和工程应用价值。本文具体研究内容包括：1. 分析了汽车试验场道路特点,设计了基于多源信息融合的试验场道路识别系统整体架构。2. 研究了基于车辆振动信息识别道路类型的方法。通过建立四分之一车辆悬挂模型,分析车辆动力学和运动学测量机理,提出了一种融合多点振动加速度信号和车速信息的路面激励模型,研究了基于空间域和功率谱密度函数的路面激励特征提取方法。取得了较好的特征提取效果,为高精度的道路识别提供了技术基础。3. 分别采用通过直方图匹配算法和SURF算法提取道路图像的颜色和纹理信息,通过模板匹配法得到图像的颜色和纹理特征。并研究了差分卫星定位信息和试验道路GIS数据的匹配方法,为道路精确识别提供重要的技术方法。设计了基于道路图像特征的贝叶斯分类器和基于路面激励特征的人工神经网络分类器,并基于几何平均准则将各分类器的识别结果以及差分定位匹配结果进行数据融合,实现了基于多源信息融合的试验道路识别系统,提高了道路识别结果的精确性和稳定性。4. 实现了系统的软硬件设计,并进行了功能验证和综合实验。实验结果表明该系统能实现试验场道路的准确识别。
【关键词】：路面激励 振动响应 图像处理 差分卫星定位 多源信息融合 人工神经网络
【学位授予单位】：东南大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：U467;TP391.41
【目录】：

• 摘要5-6
• Abstract6-9
• 第一章 绪论9-17
• 1.1 研究背景及意义9
• 1.2 国内外研究现状9-14
• 1.2.1 地形分类技术研究现状10-12
• 1.2.2 车辆高精度定位技术研究现状12-13
• 1.2.3 路面激励与车辆振动研究现状13-14
• 1.3 本文的研究内容和章节安排14-17
• 第二章 汽车试验场道路识别系统方案设计17-27
• 2.1 系统需求分析17-19
• 2.1.1 汽车试验场试验道路分析17-19
• 2.1.2 试验场汽车可靠性试验分析19
• 2.1.3 系统功能分析19
• 2.2 系统功能模块设计19-25
• 2.2.1 系统功能模块定义19-20
• 2.2.2 数据采集20-23
• 2.2.3 数据预处理23-24
• 2.2.4 特征提取及分类24-25
• 2.3 系统整体架构25-26
• 2.4 本章小结26-27
• 第三章 路面激励信号的测量和处理27-53
• 3.1 车辆的振动机理27-36
• 3.1.1 车辆振动概述27
• 3.1.2 引起车辆振动的激振源27-31
• 3.1.3 车辆响应特性31-35
• 3.1.4 车辆振动机理分析小结35-36
• 3.2 路面激励信号测量方法36-43
• 3.2.1 车辆振动信号测量方法36-39
• 3.2.2 基于振动加速度与车速融合的路面激励测量方法39-43
• 3.3 道路激励信号处理43-51
• 3.3.1 采样频率校正43-46
• 3.3.2 振动信号空间域分析46-48
• 3.3.3 振动信号频域(空间频域)分析48-51
• 3.4 本章小节51-53
• 第四章 基于多源信息融合的道路识别系统设计53-75
• 4.1 道路图像信息的特征提取53-66
• 4.1.1 图像预处理53-55
• 4.1.2 道路图像的颜色特征提取55-62
• 4.1.3 道路图像的纹理特征提取62-65
• 4.1.4 图像特征向量65-66
• 4.2 车辆定位与道路的位置信息的匹配66-68
• 4.2.1 卫星定位系统基本原理66
• 4.2.2 差分卫星定位系统的基本原理66-67
• 4.2.3 坐标信息在电子地图中的匹配67-68
• 4.2.4 匹配结果和置信度68
• 4.3 分类器的设计与多源信息融合研究68-74
• 4.3.1 分类器种类的选择69
• 4.3.2 基于路面激励特征的分类器69-72
• 4.3.3 基于道路图像特征的分类器72-73
• 4.3.4 基于多源信息融合的道路类型分类器73-74
• 4.4 本章小节74-75
• 第五章 系统的软硬件设计及实验75-91
• 5.1 实验系统设计与搭建75-84
• 5.1.1 系统硬件实现75-80
• 5.1.2 实验系统软件编程80-84
• 5.1.3 道路图像和车辆位置信息数据来源84
• 5.2 试验场道路识别实验与结果分析84-89
• 5.2.1 汽车试验场实验过程84
• 5.2.2 基于路面激励信号的道路识别实验84-87
• 5.2.3 基于多信息融合的道路试验结果87-89
• 5.3 本章小节89-91
• 第六章 总结与展望91-93
• 6.1 全文总结91-92
• 6.2 研究展望92-93
• 致谢93-95
• 参考文献95-97

【相似文献】

中国期刊全文数据库 前10条

1 蒲书缙;赵忠凯;;基于一致理论的多源信息融合研究[J];应用科技;2006年02期

2 刚铁,吴林;超声检测中的多源信息融合技术与缺陷识别[J];机械工程学报;1999年01期

3 游林儒,张晋格,王炎;一种多源信息融合方法及其应用[J];哈尔滨工业大学学报;2000年04期

4 黄松涛;石章松;;基于多源信息融合的火灾报警系统设计[J];消防科学与技术;2008年12期

5 成波;冯睿嘉;张伟;李家文;张希波;;基于多源信息融合的驾驶人疲劳状态监测及预警方法研究[J];公路交通科技;2009年S1期

6 黄潂,陈森发,孙燕,亓霞;一种分布式复合多源信息融合系统及其在交通工程中的应用[J];土木工程学报;2003年07期

7 周燕;覃如贤;巴军;;基于多源信息融合的车辆防碰撞控制系统[J];微计算机信息;2006年19期

8 宫凤强;李夕兵;邓建;;基于多源信息融合法的岩土力学参数概率分布推断[J];岩土力学;2007年03期

9 高颖;姬维君;王凤华;郭淑霞;;基于分层多级黑板的多源信息融合系统设计[J];弹箭与制导学报;2013年06期

10 刘同明;战术多源信息融合对DBMS的需求分析[J];雷达与对抗;1998年02期

中国重要会议论文全文数据库 前3条

1 宋元;许林周;章新华;;面向多源信息融合的舰载声纳仿真平台设计[A];2009年全国水声学学术交流暨水声学分会换届改选会议论文集[C];2009年

2 曲阳;徐林;王建辉;顾树生;;基于信息博弈的多源信息融合方法[A];2005年全国自动化新技术学术交流会论文集[C];2005年

3 司刚全;曹晖;张彦斌;马西奎;;基于多源信息融合技术的复杂工业过程监控系统[A];中国仪器仪表学会第九届青年学术会议论文集[C];2007年

中国博士学位论文全文数据库 前2条

1 杨澜;基于多源信息融合的车辆航姿估计技术研究[D];长安大学;2013年

2 雷建和;基于多源信息融合的人体运动分析与建模研究[D];中国科学技术大学;2006年

中国硕士学位论文全文数据库 前10条

1 李二洋;基于规则与多源信息融合的钻井智能预警系统研究[D];西安石油大学;2015年

2 孙觉非;基于多源信息融合的试验场道路识别系统研究[D];东南大学;2016年

3 林爱军;基于粒子滤波的空天飞行器多源信息融合导航技术研究[D];南京航空航天大学;2016年

4 王新涛;多源信息融合方法研究[D];哈尔滨工程大学;2012年

5 黄霄鹏;分布式多源信息融合算法研究与仿真平台开发[D];杭州电子科技大学;2013年

6 窦晨超;基于多源信息融合方法的火灾检测系统的算法研究[D];华东理工大学;2013年

7 陈琳;基于数据驱动的多源信息融合技术研究[D];杭州电子科技大学;2012年

8 华云鹏;基于多源信息融合技术的船舶电力推进系统故障诊断研究[D];大连海事大学;2012年

9 孙延东;多源信息融合技术在VTS中的应用[D];大连海事大学;2014年

10 李松;基于多源信息融合的定位与跟踪方法研究[D];河南大学;2014年

，

本文编号：812737