毕业设计关于《信息技术在汽车上的应用》论文

性和乘坐舒适性。

6.8 辅助驾驶系统

辅助驾驶系统是利用智能感知系统的信息进行决策规划,给驾驶员提出驾驶建议或部分代替驾驶员进行车辆控制操作. 该系统主要包括巡航控制、辆跟踪系统、准确泊车系统和精确机动系统.

6.9 智能汽车的关键技术

机器视觉技术、雷达技术、磁性导航技术、高精度数字地图和卫星导航技术GPS 是智能汽车的关键技术,这些技术的发展直接影响到汽车智能化的进程.机器视觉技术是智能汽车领域发展最快的技术之一,为在智能汽车上应用,机器视觉必须具有实时性、鲁棒性、实用性的特点. 机器视觉主要用于道路路径的识别和跟踪;与其它传感器相比,机器视觉具有检测信息量大和能够遥测等优点. 但数据处理量大容易导致系统实时性较差等问题,这样就必须在设备上采用更高性能的硬件,在软件上研究出更新的视觉算法. 如德国UBM 大学Dickmanns 教授研制的EMS - Vision 视觉系统较好地模拟了人眼功能.EMS - Vision

(Expectation - based Multi - focal Saccadic Vision system) 系统可以随着速度的变化,自动调节摄像机的焦距,对周围较宽范围内的物体感知,适应不平道路的颠簸环境,并可获得立体视觉的解释. 意大利的阿尔博特·布拉基教授在ARGO 项目中提出了一种基于外形的行人检测算法,该算法在对单帧图像进行粗处理,得到初步的行人外形之后,用立体视觉技术得到距离,再对处理的结果细化得到最终的结果. 法国的偌马德·阿弗瑞尔(Romuald Aufrere)也提出了一种视觉方法,可以正确地跟踪有路标和无路标情况下的道路. 日本的Masanori Hariyama 等提出了一种可靠的立体视觉匹配算法SAD - Sun of Absolute Differences) ,用来实现当前图像与参考图之间的象素匹配.

雷达技术可以轻松解决视觉技术在深度信息方面的难度. 利用雷达技术可以得到汽车周围的深度信息,从而可以准确地发现车辆周围所存在的障碍以及前方的车辆或行人. 雷达系统一般与视觉系统共同应用,通过各个传感器的融合,得到更为准确的路面信息. 美军DEMO Ⅲ项目研制出了一种无人操纵全自动多地形适应性的高机动智能越野车(HMMWV) ,该智能越野车就是采用了这样的雷达与视觉融合技术.

总结

世界各大汽车制造商们都在快马加鞭地进行着信息技术的应用。尽管目前还有许多问题尚未解决，诸如：各种软、硬件之间的无缝衔接，制定适合汽车信息技术应用的统一标准和信息系统如何集成等，但相信攻克这些难关指日可待。可以预见未来汽车将不再是一个移动