【摘 要】
：
随着我国汽车保有量的迅速增长和人口向城市集聚的趋势不断加剧,立体车库成为满足快速增长的停车需求的重要解决手段。目前的立体车库多是本地采集数据和控制,随着“互联网+”和云计算的兴起,把传感器数据采集到云端进行基于人工智能的大数据处理,进而实现“无人值守”的立体车库成为发展趋势。基于此,本学位论文在江苏省重点研发计划项目的支持下,以智能立体车库云数据采集和控制系统为目标,研究车牌信号提取和立体车库电机
【基金项目】
：
江苏省重点研发计划项目“基于云平台（云服务）的智慧立体车库关键技术研究与系统研制”（BE2017076）；
论文部分内容阅读
随着我国汽车保有量的迅速增长和人口向城市集聚的趋势不断加剧,立体车库成为满足快速增长的停车需求的重要解决手段。目前的立体车库多是本地采集数据和控制,随着“互联网+”和云计算的兴起,把传感器数据采集到云端进行基于人工智能的大数据处理,进而实现“无人值守”的立体车库成为发展趋势。基于此,本学位论文在江苏省重点研发计划项目的支持下,以智能立体车库云数据采集和控制系统为目标,研究车牌信号提取和立体车库电机振动信号去噪压缩算法,并设计实现了基于ARM+PLC+DSP的云数据采集和控制装置,为无人值守智能立体车库提供可靠技术支撑。首先提出并实现了一种基于MSER+SVM+Le Net-5的车牌识别算法。针对字符区域提取过程中存在字符丢失情况,基于排列组合规则提出了一种缺失字符补全改进算法,并优化了算法流程。通过Linux系统移植和交叉编译将车牌识别算法在Hi3519＿IMX226嵌入式DSP控制板实现。其次将立体车库电机的振动信号采集传输到云端以实现故障诊断等功能。通过分析电机振动信号的影响因素与噪声来源建立了采样信号的模型,提出了一种将小波去噪与无损压缩相结合的立体车库电机振动信号处理算法。改进了小波去噪的阈值函数,实现了一种自然对数逼近阈值函数。同时通过仿真和应用测试验证了改进的小波去噪算法与选取的LZMA无损压缩算法的有效性。最后根据系统功能需求,设计实现了基于ARM+PLC+DSP的云数据采集和控制装置,包括现场的电气接线和电控柜布局设计。实现了工业现场基于串口通信的底层传感器信息采集、云通信网络数据传输、立体车库自动存取车和人机交互停车智能引导等功能,解决了数据传输过程中出现的数据丢失、指令设置失败、模块宕机等技术难题,并将系统实地部署运行和联调测试。本学位论文研发的智能立停车库云数据采集和控制系统已在苏州市汾湖高新区实际运行,相关性能指标达到了项目要求,提升了立体车库智能化和网络化监控水平。
其他文献
随着物联网技术的不断发展,家居设备的智能化进入了快速发展阶段。然而由于不同商家的产品之间相互独立,不同家居设备的控制方式不尽相同,导致整体家居产品的使用体验不佳。智能化的家居交互方式,能够有效改善智能家居产品的交互体验,其中,基于手势姿态的人机交互技术,相比于传统的遥控设备,更符合人们的日常操作习惯,交互方式更加自然,所以研究智能家居中的人机交互技术,具有重要的现实意义。基于以上现状,本文开展了基
由二维图像提取出图像场景的深度信息是计算机视觉中的经典问题。准确的深度信息能够更好的让我们理解场景的三维结构,了解场景中物体之间的三维关系。深度信息在自动驾驶、AR、VR、机器人导航等具有重要的应用价值。在景深估计算法中,利用传统的双目立体匹配算法存在着精度和实时性不能共存的矛盾,同时也存在着只能适用于特定场景的问题。近年来,随着人工神经网络的发展,尤其是卷积神经网络在图像上的应用使得景深提取取得
目前在生物群体和人类社会中的集群行为得到了深入的研究。然而,动物的协同行为与人类有着显著不同。一般而言,描述动物协同行为的短期网络相比于人类有着较高的阶数,这就需要用高阶网络去刻画。在本文中提出了一种使用集群行为时序数据的方法来确定动物群体的最优极大马尔科夫阶数从而反映交互网络的最大记忆能力。我们的方法结合了时延的因果推断算法以及高阶图模型。一方面因果推断算法基于信息论,通过聚合因果邻居和删除非直
伺服控制是运动控制领域的一个重要分支,伺服系统在现代工农业、国防和医疗等高新科技领域有着十分广泛的应用。伺服系统的典型机械传动结构是由高速伺服电机驱动减速传动机构,再由传动机构带动负载运动,完成能量的转换。一方面,这样的机械传动结构中一定会存在齿隙等非线性环节,齿隙非线性既是一种力矩传动过程中不可缺少的非线性因素,同时也是一种影响系统性能的非常重要的因素;另一方面,由于传动机构的刚度不是理想的无穷
深度估计作为计算机视觉领域的一项基础性研究,在自动驾驶、三维视频、增强现实等领域具有广泛应用。单目深度估计具有价格低廉、适用性广等特点,因此近年来逐步成为研究热点。现阶段,深度学习技术在图像分类、目标检测和语义分割等多个领域都取得了显著进步。借助深度模型强大的特征表达能力,大量学者设计了一系列端到端的单目深度估计算法,并在性能上获得明显的提高。但是,现有的方法仍存在某些问题:这些算法大都遵循静态环
随着社会的发展和科技的进步,智能图像算法被广泛应用到军事、医疗、交通等各个领域,其中目标检测和跟踪算法是智能图像算法中最热门的分支。工程环境下的大量虚警以及计算平台性能的限制,给目标检测与跟踪带来了更大的挑战。本文以周界监控项目为背景,研究实时的目标检测和目标跟踪算法,并通过多枪一球的多传感器融合策略,兼顾周界全景的同时自动跟踪放大目标细节,以满足快速告警、精准定位、全景探测的实际项目需求。首先,
弱小目标检测技术与国民安全密切相关,其在保障领空安全、机场净空防护以及军事敏感地区的空中管制等领域具有广泛的运用和重要的价值。小目标成像区域小、特征信息弱、尺寸变化范围大,这些特性导致其在实时系统中难以被准确地检测出来,因此如何从复杂变化的背景中实时、准确地捕获目标并及时发出预警是该项技术的核心关键,也是本课题的研究重点。基于该问题,论文做了以下工作:基于传统弱小目标检测方法,论文提出了一种多尺度
人工智能和机器人是当前技术发展的重要领域,专利及其他科学技术文献反映了基础研究和技术创新的进展。应用自然语言处理技术,将机器人等重要技术发展领域和专利等科学技术文件结合起来进行深入研究,可以帮助领域从业人员高效地找到产品设计问题的解决方案,实现领域知识挖掘、学科发现与关联性评价、以及演化趋势分析。这对于理解不同科学技术领域的互动与渗透、发现潜在商业机会具有重要意义。知识图谱是Google为了优化搜
多智能体系统已经在智能电网,智慧交通,自动驾驶,军事集群系统等领域被广泛应用。多无人机与多机器人所构成的多智能体系统在多目标跟踪与监控,协同编队,智能网联车队等实际应用中扮演着重要角色。目标的跟踪与包围是多智能体系统中的一个重要研究问题。其中,目标状态估计又是实现多智能体目标跟踪问题的重要技术。传统的目标估计问题,一般都会假设目标的系统方程和输入信息已知。然而实际应用中,目标中不可避免地存在一些未
将机器人引入大型船舶喷涂作业是目前船舶制造业发展的必然趋势。现有的机器人应用主要以人工示教的方式进行,而人工示教方式存在着对大型工件示教操作难度大、效果差等缺点,限制了机器人在大型船舶喷涂任务中的应用。一种有效的解决方式是采用离线编程进行喷涂机器人轨迹规划,然而目前已有的离线编程系统大多只适用于中小型简单喷涂场景,面向大型复杂场景的轨迹规划能力较弱,无法解决大面积、变曲率的大型船舶外立面喷涂问题。