汽车科技论文摘要

　汽车科技论文摘要

　 导读：我根据大家的需要整理了一份关于《汽车科技论文摘要》的内容，具体内容：汽车是载运人员和(或)货物;牵引载运人员和(或)货物的车辆;我为大家整理的汽车科技论文，希望你们喜欢。汽车科技论文篇一汽车超载监测系统摘 要：

　为了实时识别各种...

　汽车是载运人员和(或)货物;牵引载运人员和(或)货物的车辆;我为大家整理的汽车科技论文，希望你们喜欢。

　汽车科技论文篇一

　汽车超载监测系统

　摘 要：

　为了实时识别各种车型的超载车辆，该系统基于开源计算机视觉库(OpenCV)，先根据车辆照片库建立车型分类器，然后使用数字摄像机拍摄进入监控区域的车辆，在视频中使用分类器识别车型，根据所识别得到的车型去查询数据库获得该车型的核载，再通过动态称重技术获得车辆的实际载重，及时判别车辆是否超载。此方法可避免过去使用统一重量衡量不同车型是否超载的弊端，并可同时免线圈测量车速。测试结果表明系统能快速准确地识别出车型。配合动态称重系统，就能实时得出所通过的车辆是否超载，对公路养护和道路交通安全有相当大的实用意义。

　关键词：

　超载监测; 视频识别; OpenCV; 动态称重

　中图分类号：

　TN98?34; TP277 文献标识码：

　A 文章编号：

　1004?373X(2014)04?0049?04

　Monitoring system for overload vehicles

　JIANG Shi?ming， XU Wei， WU Zhi?liang， LIN Shu?xiong

　(School of Physics

　video identification; OpenCV; dynamic weighing

　超载车辆的危害很大，主要表现在加速道路损坏和危害道路交通安全，人们都深知其危害性，所以治理超载一直是公路监管部门的工作重点。传统的自动超载信息系统都是使用统一标准，对所有车辆都应用同一个整车重量划分是否超载，这样会遗漏部分实际上已经超过该车型核载的超载车辆。实际上，这部分车辆对道路交通同样造成严重影响。鉴于此，本系统首先识别出车辆的车型，再查询得到该车型的核载重量，对比实测重量，便得知是否超载。理论上能够适用于所有车型。

　利用摄像机较长的视域，附加设计了一个测速系统，能方便地得出超速数据，以便作为超速监测和供给动态称重系统作参考。

　1 系统构成

　1.1 系统方案

　系统主要工作过程为：车辆驶入摄像机监视范围，视频流通过以太网传输到后台处理系统，处理系统通过处理视频识别出车辆的车型，然后根据车型从数据库中查出相应的核载重量;同时，安装在地面的动态称重设备测出车辆的实际载重。两个数据对比即可得出车辆是否超载。系统流程如图 1 所示。

　为了加快处理速率，在程序设计过程中多处使用了多线程并行处理。

　1.2 OpenCV 及其分类器介绍

　传统的图像处理软件大多为 Matlab，用于开发算法最为快捷，但是其处

　理速度慢，难以跟上视频处理的需求，所以选用了 Intel 牵头开发的开源计算机视觉库(OpenCV)。新版的 OpenCV 已经在易用性上已经接近 Matlab，再加上其开源性，很多算法均已公开，加快了开发进程。另外，目前 OpenCV已经提供 C，C++，Python 等语言接口，且支持 Windows，Linux，Android和 IOS 等主流平台，资源相当丰富。对于计算机平台，OpenCV 支持多线程并行计算和图形处理器(GPU)计算，这将能大大加快计算速率，用其开发本系统的 demo 是首选。

　图 1 系统流程图

　为了从视频流中识别出车型，需要使用分类器[1]。所谓分类器，是利用样本的特征进行训练，得到一个级联分类器。分类器训练完成后，就可以应用于目标检测。分类器的级联是指最终的分类器是有几个简单分类器级联组成。每个特定的分类器所使用的特征用形状、感兴趣区域中的位置以及比例系数来定义(如图 2 所示)。

　图 2 特征分类

　首先使用弱分类器分出货车和客车等车型，然后再分出大中小型货车，最后再精确分类，获得准确的车型。新版本的 OpenCV 已经支持多种特征的分类器，如 SVM，LBP，PBM 等。因为系统实时性要求较高，这里选取训练和分类速率都较高的 LBP 特征分类器。

　1.3 训练分类器

　使用分类器的需要首先训练，即让分类器"认识"目标，为了训练分类器，需要准备样本，样本包括正样本和负样本。正样本即包含目标的灰度图片，而且每张图片都要归一化大小，负样本则不要求归一化，只需要比正样本

　大即可(使得可以在负样本中滑动窗口检索)。

　OpenCV提供了专门的工具opencv_createsample.exe用以整理训练样本的原始数据，只需准备好正、负样本，归一化然后转成灰度图，再使用两个描述文件分别记录这些样本集合，然后输入 opencv_createsample.exe程序即可整理出原始数据。为了准备正样本，借助 OpenCV 提供的 HighGUI模块，在此专门编写了一个 GUI 截图工具，界面如图 3 所示。为了能从不同角度识别车辆，准本正样本时需要准备从一定角度范围描述车辆的样本。

　图 3 GUI 截图工具界面

　接下来就是训练分类器，这部分工作直接关系到系统的鲁棒性。同样，OpenCV 提供了专门工具训练分类器，既有旧版也有新版，为了有更多特性，在此选择新版本的训练程序 opencv_traincascades.exe。

　由于这是基于统计的方法，要对大量数据进行处理，如果选择 Haar 特性，训练周期会比较长，不利于系统的搭建，所以选择用 LBP 特性训练分类器。从机器性能方面考虑训练时间，使用英特尔线程构建模块(TBB)重新编译 OpenCV，就能得到多核加速，且有利于接下来的程序性能。分类器分为三级，分别为：货车、客车分类器，大、中、小型货车分类器和具体车型分类器。由于客车按载客数区分是否超载，车辆总重不会对公路造成严重损坏，所以本系统无需对客车作出具体车型区分。但若然具体管理部门需要统计车型信息，可以进一步加上客车车型分类器。实际使用时，由于要应对车辆车身的喷漆变化或者小范围合法改装等情况，分类器的分类除了在系统筹建的时候大规模训练外，在系统运行时也应继续训练分类

　器，增加统计数据，使得识别结果更加精确。

　1.4 识别车型及获得核定载重

　训练好分类器后，最直观的测试方法是直接输入测试视频，检查识别效果。新版本 OpenCV 提供一个 C++类 CascadeClassifier，该类封装了基本的目标识别操作，使得只需要使用该类的实例加载训练好的 XML 文件，然后逐帧检测即可。若发现目标，结果将会存放在 C++标准模板库(STL)容器vector 中。但直接对每帧图像使用 CascadeClassifier：：detectMultiScale 方法将会大大加重系统的工作量并且在多车辆的情况下无法区分开各车辆，为此，首先需要发现车辆，然后区分不同的车辆目标，再对每一个目标单独进行分类识别。

　具体的主要操作的顺序为：

　(1) 系列的图像预处理操作，降低图像噪音。

　(2) 图像差分，发现车辆轮廓[2]，得到运动掩码。图像差分有两种主要方式，分别是帧间差分和背景差分。帧间差分速度快，但容易产生空洞，且无法分离出缓慢运动的车辆;背景差分速度慢，但分离效果好。考虑到如果车辆是缓慢进入测速区，则称重数据可靠性高，而且没有超速，进入识别点的效果好，所以选择帧间差分，这里使用能有效减小前景空洞的三帧差分算法[2]。

　(3) 结合运动掩码更新历史运动图像、计算历史运动图像的梯度。

　(4) 分割运动目标，得到一辆一辆的车，并跟踪。为区分开图像中的每一辆车，需要对其进行标记，这里使用的方法为：

　[Mkx，y=ID ifMk-1x，y010 ifMk-1x，y=0 ]

　式中：Mk(x，y)为分割出来的单独车辆目标的第 k 帧感兴趣区域矩形。这种方法虽然鲁棒性较好，但是因为重复计算量大，运算速度有限，所以在确定每辆车的 ID 后，使用 OpenCV 提供的更为快速的 Camshift 算法[3]继续跟踪。

　(5) 计算每辆车的运动方向。这部分关系到运动目标筛选，在部分场合，摄像机的视野可能会涉及逆向车道。在这种情况下，可以通过筛选符合主要行驶方向的车辆来排除其他车辆或无关运动目标的干扰。

　(6) 车辆进入测速区，开始测速。

　(7) 车辆离开测速区，结束测速并计算速度。使用 TBB 进行并行分类识别车型。由于 OpenCV 新版矩阵结构 Mat 的所有操作使用原子操作，大大减轻了多线程编程的工作量，所以这里使用多线程并行操作是最佳选择。

　(8) 根据所安装动态称重系统的车速要求，判断是否需要引导车辆到检测站进行检查。

　1.5 获得实际载重

　在视频分析中发现车辆后，对比动态测重模块中测得的实际载重。这里需要把应用场合分为两种情况：高速测重和低速测重，至于高低速的阀值，这根据不同动态称重系统的性能而定[4]，在系统安装时根据动态称重系统参数设置即可。由于目前高速测重技术的精度未达到作为证据的要求，所以在高速测重的场合，所得车重数据只能作为初步判断，若初步发现车辆超载，需要进一步引导车辆到大型地磅再次静态测量，并作其他处理。在低速测重场合，测得的动态数据可靠，可直接作为证据使用。所以系统的运行需要测速模块的配合。无论高速场合与低速场合，本系统都能实现

　视频测速功能，可以直接用作超速抓拍系统，降低了公路部门的重复投入成本。

　1.6 测速方法

　测速测量车辆通过测速区所用的时间，然后用测速区长度除以时间而粗略估计得到。考虑到摄像机视域限制，设定的测速区域并不长，只有 20 m左右，而且速度是用于参考载重信息是否有效的，所以无需太精确，因而可认为车辆是直线经过测速区域的。测速区的长度需在系统安装时手工进行长度映射。另外，确定通过测速区域的时间差使用帧率和帧计数得出，这样在多线程处理的情况下，可以排除系统时钟和处理速率的干扰，得出准确时间差。

　2 测量结果

　为快速测试系统性能，直接使用测试视频替代摄像机输入。使用微软Visual Studio 2010 MFC + OpenCV 2.44 编写一个即时处理程序，界面如图 4 所示。

　图 4 运行在 Windows 平台上的系统

　测试使用一台 Intel Core i5M 处理器(主频 2.3 GHz+智能变频技术)、6 GB 内存、操作系统为 Windows 7 64 b 的普通笔记本计算机，测试代码尚未使用图形处理器(GPU)计算，但代码在识别部分应用了 TBB 进行多核并行加速计算。

　测试视频共两段，分别在两个不同的场景拍摄，第一段只有一辆公交车，场景较为简单;第二段则是多车多人环境，并且有车辆并行的情况，场景较为复杂，干扰较多。

　第一段视频主要用于测试系统的极限性能，在测试开始前，先用转码工具把同一段视频转成不同帧率和分辨率的几段视频，其中视频的宽高比不变。输入视频测试后的结果如表 1 所示。

　视频原始长度为 6 s，双斜线为该场景的称重和测速区域。

　测试结果表明：系统能实时处理标清视频流，但对高清视频还需进一步优化。

　第二段视频主要测试系统的车型识别能力，测试数据如图 5 所示。

　表 1 输入视频测试后结果

　图 5 多车并行时能够准确区分

　第二段视频夹杂较多无关目标，如行人、抖动的树枝横向行驶的车辆等，其中双白线之间区域为本场景的称重测速区域。

　通过测试，可以看出无关目标能被全部排除，体现了车辆筛选很好的鲁棒性。视频中共通过 9 辆汽车，所有车辆均本正确识别车型。

　3 结 语

　通过测试数据可以看出，本系统提出的车型识别算法能适应不同场景和一定的环境变化，具有较高的效率和鲁棒性。随着计算机及其他数字信号处理(DSP)设备的信息处理能力不断提高，应用实时视频处理技术促进智能交通的能力将更大更稳定。若本系统能真正应用在智能交通系统上，有望对遏制道路超载超速现象做出贡献。

　参考文献

　[1] LIENHART Rainer， MAYDT Jochen. An extended set of Haar?like features for rapid object detection [J]. IEEE ICIP， 2002 (1)：

　900?903.

　[2] 徐卫星，王兰英，李秀娟.一种基于 OpenCV 实现的三帧差分运动目标检测算法研究[J].计算机与数字工程，2011(11)：141?144.

　[3] BRADSKI G R. Computer vision face tracking for use in a perceptual user interface [EB/OL]. [2010?12?02]. http：// www.wenku.baidu.com/view/f442b24be45c3b3567ec8b2b.

　[4] 张波，鲁新光，邓铁六，等.动态车辆称重物理模型与提高动态称重准确度研究[J].计量学报，2009(5)：426?430.

　[5] 唐双发.基于 OpenCV 的车辆视频检测技术研究[D].武汉：华中科技大学，2009.

　[6] 詹群峰.基于 OpenCV 的视频道路车辆检测与跟踪[D].厦门：厦门大学，2009.

　[7] 郭旭，张丽杰.运动目标检测视频监控软件的设计与实现[J]. 计算机技术与发展，2010，20(8)：200?207.

　[8] 周品，李晓东.Matlab 数字图像处理[M].北京：清华大学出版社，2012.

　[9] 陈胜勇，刘盛.基于 OpenCV 的计算机视觉技术实现[M].北京：科学出版社，2008.

　[10] 刘瑞祯，于仕琪.OpenCV 教程基础篇[M].北京：北京航空航天大学出版社，2007.

　[11] 范伊红，彭海云，张元.基于 SVM 的车型识别系统的设计与实现[J].微计算机信息，2007，23(5)：296?297.

　[12] 李庆忠，陈显华，王立红.一种视频运动目标的检测与识别方法[J].模式识别与人工智能，2006，19(2)：238?243.

　[13] [美]REINDERS J， 聂雪军. Intel Threading Building Blocks编程指南[M].北京：机械工业出版社，2009.

　[14] 刘慧英，王小波.基于 OpenCV 的车辆轮廓检测[J].科学技术与工程，2010，10(12)：2987?2991.

　汽车科技论文篇二

　汽车造型研究

　摘要: 汽车造型的基本因素包括艺术、使用、材料技术、经济、市场等 5 个因素。从汽车造型的艺术因素入手, 结合当下我国汽车设计概念和设计目标不够明确, 导致很多汽车造型单调、乏味、缺少艺术特色的困惑, 探索、研究汽车造型的艺术因素。目的是使人们重视汽车造型艺术的存在与发展,提高现代汽车的设计水平与欣赏能力。

　中图分类号：

　U46 文献标识码：

　A 文章编号：

　汽车的造型艺术在我国起步较晚,但发展很快。从汽车的市场销售情况来看, 人们想车、 爱车、 买车、 用车, 都离不开对现代汽车造型的鉴赏能力。造型美的汽车会使你爱不释手、 心情愉悦、赏心悦目。汽车的形状与色彩美是其艺术造型的总和。汽车的美, 包括外表的美和内在的美。汽车的形体协调, 色彩适宜是构成外形美的基本因素, 而工艺简单合理, 结构与形态的统一, 材料性能的发挥和空气动力性能的提高, 各种新技术的采用, 又使汽车具有内在美。如将两者巧妙结合, 便可形成比较完美的汽车。

　1、汽车造型的形体艺术

　汽车造型的形体是由外形轮廓线的轨迹运动组成。各种汽车的造型设计源于不同汽车的时代性和使用功能的要求,不同种类汽车会塑造个性不同的形体。当汽车的形体映入眼帘时, 会使人们产生不同的性格特征和情感体验。在设计中,通常应用直线和斜线反复来塑造汽车的车身,意在挺拔、 简洁、明快之感。另一种则是选用曲线 \曲面来塑造形体, 通常给人柔和、 圆润、 通透之感。实践证明，垂线表达坚挺有力,水平线表示沉稳安定。两种设计方法都极具表现力,是形成汽车整体感与独特个性的灵魂所在。

　根据汽车造型对比，我们可清晰地透视出现代汽车造型的特点; 日本的汽车精巧玲珑、 美国的汽车大方正平,德国的汽车稳固、深沉、耐用。因此,研究汽车的造型风格, 应注意汽车的时代性、 民族性以及地域性。

　1) 欧洲车的造型风格。由于欧洲汽车工业历史悠久, 汽车的制造技术娴熟。因此, 他们注重展示汽车的民族文化, 追求高品位的汽车风格和艺术成就。例如，技术精良、造型稳重、舒适安全的德国车; 整车充满了坚固与流动艺术特色的瑞典车; 华贵、高雅、传统而保守的英国车;轻盈活泼、美观浪漫、追求时尚的法国车; 绚丽多彩、热情奔放的意大利车;粗旷、豪放、沉稳的俄罗斯车。

　2) 美国车的造型风格。整车造型多采用直线、斜线、并以棱线分明来型体，它具有坚硬挺拔的视觉冲击力, 表现出洒脱而奔放、先进而充满个性、夸张而富有想象的风格,体现了美国人热情、宽容、勇于创新、追求先进、无拘无束的民族特点。同时美国车宽大的车身,给人以大平正方的视感效果。

　3) 日本车的造型风格。日本车造型多选用弧面、曲线和小圆弧过渡来塑造型体。整车具有较强的亲和力, 给人以亲切、圆润、和谐的视感。外形则显得中庸有品位, 朴实无华而又节俭实用, 车身工艺精巧玲珑而又细致入微,车身比例协调而又和谐统一 。

　2、汽车的色彩设计

　汽车的色彩有先声夺人的魅力和感染力。它不仅能吸引人们的眼球, 增加购买欲望, 而且对于行车的安全性和舒适性起到了非常重要的作用。合理的色彩设计, 能对人的生理、心理产生良好的影响。克服精神疲劳, 使人心情舒畅, 精力集中, 因而降低了工作的差错率, 提高了工作效率。优美的色彩设计能提高产品的外观质量和增强产品在市场上的竞争能力。

　色彩首先能给人以深刻的视觉印象。通过对人在观察物体时的感知特征的研究, 发现视觉神经对于汽车造型三个基本要素 (色彩、形态、质感 )中的色彩要求, 反映速度为最快,其次是形态, 最后是质感。汽车造型的色彩设计, 不同于绘画作品和平面的视觉传递设计中的色彩设计。因为，它们必须追求作品丰富的色彩和光影效果, 以表达作者的情感, 并力求使观赏者受到较大的感染。多年设计实践证明:汽车的色彩设计应遵循实用、 经济、 美观、 科学、 创新的原则来进行。

　1) 实用性。汽车色彩应以汽车的用途、 种类来综合考虑不同类型汽车的配色效果。例如, 消防车, 由于它的用途决定了车身的表面应涂以红色。正如人们常说所谓 红似火 。高级轿车应该采用较庄重的色彩,如黑、 灰、 深蓝、 深绿色,能提高汽车的艺术价值和使用价值。例如, 新款 S - C l ass 奔驰高级轿车, 就是采用深蓝色调,整车张显出高雅、 稳定、 华

　贵之感,被称为传承经典、 耀世之作。

　2) 经济性。设计师的出发点是努力提高汽车的生产率,控制汽车的造价, 以尽量少的钱, 收到良好的观瞻效果。反对以虚假的装饰和滥用高级材料来涂脂抹粉, 以达到美观的目的。

　3) 美观性。汽车的色彩美, 是给人以视觉的享受。因此,要想选择理想的汽车色彩, 必须了解人们对色彩的喜恶, 掌握各地区的地理条件与生活环境,使汽车的色彩与人们的视觉相吻合, 与自然环境相协调,与民族文化相和谐。

　4) 科学性。是设计师了解色彩的明度、 纯度、 色相的变化规律, 掌握科学的配色方法, 在汽车色彩设计应用中的变化和创新过程。

　5) 创新性。汽车色彩的不断创新, 是很多设计者的追求,也是消费者的期盼。人们使用汽车、 欣赏汽车, 都力求汽车的色彩新颖、 独特。这就要求设计师对汽车的色彩的处理, 必须跟上时代用色的步伐,不断更新构思,创造出符合人们审美要求的汽车色彩。

　3、汽车造型的美学规律

　汽车的形体设计、 色彩设计、 质感效果都遵循着美学规律和形式美法则。这些美学规律是人们在长期的生活实践中,不断发现、 认识、 总结、 提炼出来的。它对汽车的审美价值、 审美标准起到了十分重要的作用。在汽车造型设计中通常运用的美学规律是: 变化与统一;比例与尺度; 过渡与呼应; 整体与局部; 流动与凝固;亲和与冲击; 奔放与空灵;发射与集成;类比与仿生; 浓重与淡雅;互动与宁静; 通透与简洁;华贵与朴实;虚拟与现实等 。

　1) 变化与统一 。是美学规律中的一个重要规律。变化是指汽车整体中所含的各个部分在形式上的区别与差异性。例如, 汽车外形的整体, 是由前围、 后围、 侧围和顶棚组成。这几部分从各自的形态、 功能要求、 结构特点有着本质的差异。每个部分都具有其自身独特的元素,不可替代。把他们统一装配在一起, 形成了整体的车身, 显得统一协调。其各部分的特征形成了变化多样的形态,将其组合形成车身整体。使汽车形成了既有变化又有统一的视感效果。

　2) 比例与尺度。在汽车造型设计中, 整体与局部之间均体现着不同的比例与尺度。好的汽车造型应具有恰当的车身比例和严格的尺寸。在汽车总布置设计中,应特别注意汽车的比例关系。遵守黄金分割率, 使汽车造型比例协调、 尺寸严谨、赋予视感 。反之, 就会造成视觉繁乱、 比例失调。如, 在现代汽车设计中, 曾出现过有的汽车头短身长, 有的头长身短,给人的视觉造成不舒服的感觉,人为地造成比例失调的不成功设计。

　3) 过渡与呼应。过渡是指在事物中部分与部分之间的承接和连接, 起到桥梁或铺垫作用。在汽车造型设计中, 过渡表现为车身线、 面、 体的过渡, 也可以表现为色彩渐变的过渡, 但最终目的是使设计达到相互协调,相互和谐的造型效果。在造型的具体实施中, 主要是侧围与前围、 后围、 顶蓬的过渡。在过渡中运用柔和的线条,使形体平顺、 光华。呼应是指视觉元素在某个方位上形、 色、 质的相互联系和位置的相互照应,使人在视觉印象上产生相互关联的和谐统一感。在汽车造型设计中,主要是前风窗和后风窗的呼应、 前大灯和后尾灯的呼应、 前保险杠和后保险杠的呼应。前、 后、 左、 右 4 个轮胎装饰罩的呼应。车身各部分的呼

　应促成了结构的完整与思维的互动。过渡是强调设计的巧妙性与合理性, 呼应是强调设计中的整体性。使车身整体与局部相互和谐,做到恰当的呼应与秩序条理的统一。

　4、结 语

　汽车造型涉及的因素较多。例如,技术因素、 市场因素、 经济因素等等, 是综合知识的会聚点, 也是多学科相互渗透、 相互作用所构成的汽车造型设计平台。本研究仅就汽车造型的艺术因素进行研究和探索, 并对汽车造型的形体艺术、汽车的色彩设计、 汽车造型的质感体验、 汽车造型的美学规律进行了初步探讨,力求引起设计界的广为关注, 为我国汽车造型事业的发展作出努力和贡献。