您的位置: 专家智库 > >

张勇

作品数:6 被引量:22H指数:3
供职机构:长安大学汽车学院更多>>
相关领域:交通运输工程机械工程更多>>

文献类型

  • 6篇中文期刊文章

领域

  • 6篇交通运输工程
  • 2篇机械工程

主题

  • 2篇神经网
  • 2篇神经网络
  • 2篇汽车
  • 2篇自动驾驶
  • 2篇网络
  • 2篇机器视觉
  • 2篇驾驶
  • 2篇车道
  • 2篇车道线检测
  • 2篇车辆
  • 2篇车辆检测
  • 1篇点火
  • 1篇点火系
  • 1篇点火系统
  • 1篇电阻
  • 1篇电阻丝
  • 1篇油加热器
  • 1篇制动
  • 1篇制动系
  • 1篇制动系统

机构

  • 6篇长安大学
  • 1篇北京京威汽车...

作者

  • 6篇张勇
  • 4篇杨伟
  • 1篇申福林
  • 1篇仝秋红
  • 1篇赵重文

传媒

  • 4篇汽车实用技术
  • 1篇交通运输工程...
  • 1篇长安大学学报...

年份

  • 3篇2022
  • 2篇2021
  • 1篇2002
6 条 记 录,以下是 1-6
排序方式:
多控制模型嵌入的智能汽车防撞虚拟仿真被引量:1
2022年
针对智能汽车行驶安全距离监测与防撞试验高成本、高危险性以及试验结果难以观察的问题,研究了智能汽车安全距离监测与防撞的虚拟仿真;应用Visual Studio 2015、3Dmax、Unity3D等虚拟仿真技术在虚拟制动控制系统中进行了可嵌入多控制模型的自动驾驶汽车行车安全距离监测和防撞虚拟仿真试验,测试了不同制动模型的防撞应用效果;以电动汽车动力性能和制动力学特征为基础建立了虚拟整车模型及其制动系统模型,根据路面附着系数和不同道路材质建立了虚拟试验道路模型和试验场景等虚拟环境,开发了试验电子设备仿真模型,实现了多虚拟控制器嵌入,研究了基础模型和反向传播(BP)神经网络模型的嵌入与仿真效果;通过设计接口将虚拟软硬件设计效果与仿真试验过程相关联,并采用动画渲染直观展现,同时应用内存优化实现了在网络版访问服务器中进行虚拟仿真试验;通过实车试验验证了仿真系统,并对比了实车试验数据与2种模型的仿真数据。研究结果表明:在低速情况下,基础模型计算的安全距离与实车试验所测安全距离的相对误差为2.49%,BP神经网络模型预测的安全距离与实车试验所测安全距离的相对误差为2.07%;在高速情况下,因为传感器不稳定的原因,基础模型计算的安全距离与实车试验所测安全距离的相对误差为10.03%,BP神经网络模型预测的安全距离与实车试验所测安全距离的相对误差为10.35%。由此可见,该仿真系统可使高风险的碰撞试验在虚拟环境下完成。
仝秋红柴国庆赵华东高越张勇任锦涛冯明明
关键词:智能汽车防撞制动系统BP神经网络
改进国产汽车燃油加热器点火性能被引量:10
2002年
分析研究了中国生产的汽车燃油加热器中的主流产品因供油系统和点火系统的性能不够完善而导致使用不便和燃烧运行初期排烟过浓、滴油严重等问题 ,并采用两种不同点火塞进行了排放试验。结果表明 ,该试验方法对降低该产品运行初期的排烟和简化开机操作具有明显效果。
张勇申福林赵重文
关键词:燃油加热器国产汽车供油系统点火系统
基于传统图像处理算法的车道线检测被引量:6
2022年
在现代交通驾驶领域中,随着自动驾驶技术的迅速发展,车道线检测也变得至关重要。基于此,文章提出了一种基于传统图像处理算法的车道线检测方法,该方法利用了传统图像处理算法中的滤波算法、Canny边缘检测算法和Hough直线检测算法作为基本算法模型,采用只对ROI中进行检测的措施来满足对于前方车道线的准确检测。在检测中,使用了OpenCV开源图像处理库来对进行上述方法进行实现。此方法可极大减少对前方车道线检测的外界干扰,在汽车实验场中利用该方法,可以比较准确地检测出车辆前方的车道线,并且该算法在一般机器上能够实现实时级的车道线检测。但是在实验过程中,也发现当前方的障碍物较多的时候,所采用的算法不能很好地检测出车道线,对外界的抗干扰能力比较差。
张勇杜学峰高越杨伟
关键词:自动驾驶图像处理霍夫变换
基于深度学习的车辆目标检测算法综述被引量:2
2022年
车辆目标检测是自动驾驶环境感知的重要组成部分。近年来随着深度学习在目标识别领域取得重大突破,基于深度学习的车辆目标检测算法逐渐成为该领域的研究热点。论文对当前主流的两阶段车辆目标检测算法和单阶段车辆目标检测算法进行简要介绍,分析了其中几种具有代表性的卷积神经网络算法的优缺点,最后总结目前车辆目标检测存在的问题以及未来的发展方向。
杨伟杜学峰张勇高越
关键词:卷积神经网络车辆检测目标检测算法
基于机器视觉的车辆检测被引量:3
2021年
自动驾驶技术中,障碍物的识别是其中很重要的一环。文章设计了一种基于OpenCV技术的本车前方车辆的识别系统,其采用了单目摄像机进行图像输入,使用计算机完成图像预处理,然后训练级联分类器以识别车辆,文章采用Adaboost算法进行训练[1]。将处理好的图像导入车辆分类器,即可完成对前方车辆的识别。经过实验,本系统具有良好的实时性和可靠性。
杜学峰高越杨伟张勇
关键词:OPENCVADABOOST算法自动驾驶车辆检测
一种基于视觉的车道线检测及追踪方法
2021年
文章以OpenCV软件为主要平台,基于机器视觉建立一种车道线的检测及跟踪方法。首先检测出图片中车道线区域,对每一帧图片做透视转换到鸟瞰图视角。然后对鸟瞰图二值化,进一步区分左右两条车道线。用滑动窗口的方法检测第一帧的车道线像素点,从第一帧的曲线周围寻找后面的车道线像素点,拟合车道线曲线。经实验证明该方法能够准确地检测出车道线。
高越张勇杜学峰杨伟
关键词:机器视觉
共1页<1>
聚类工具0