多通道激光合束遥感技术开发

关注

请登录

请登录

2021-01-01

2021-12-31

1000万

查看详情 反馈数据

需求描述

随着我国汽车工业的迅猛发展和人们生活水平的提高,汽车已经逐渐进入家庭,各大城市机动车保有量急剧增加。与此同时,我国城市空气质量持续恶化,大气污染物排放总量大大超过环境容量,空气质量与国家新标准和公众期盼存在较大差距。环保部发布的对全国9大城市PM2.5源解析的结果指出北京、上海 、深圳的首要污染源都是机动车尾气(或者是移动源)。中国机动车环境管理年报(2017)指出柴油车在保有量为1878.4 万辆的情况下,其排放的氮氧化物(NOx)占汽车排放总量的68.7%,颗粒物(PM)占99%。可见,控制机动车污染控制城市大气质量紧迫性日益凸显。根据《关于加快推进机动车排污监控平台建设和联网工作的通知》(环办大气函[2016]2101号)和《关于加快推进机动车遥感监测平台建设和联网工作的通知》(环办大气函〔2017〕1331号)有关规定,要求各地环保部门要加快机动车环保信息联网建设工作进度,以及充分利用遥感监测等技术手段,对在道路上行驶的机动车进行排放监督抽测,构建国家、省级、市级三级联网的机动车遥感监测平台。
2、目前机动车尾气遥感检测技术测量的气态物种包括CO、CO2、NO和HC,通常使用光谱探测方法,这就需要针对每个物种使用其对应的特征波段的检测光。现有尾气遥感检测设备光源通常采用红外灯与紫外灯组合或者激光器与紫外灯组合,红外灯、紫外灯为连续宽谱非相干光源,差的准直性限制了其有效工作距离,有效光程很难覆盖到两车道以上,而红外激光器完全能够覆盖多车道;从调谐特性看,激光器输出波长能够被快速调制,有利于快速扩散的尾气检测,而红外灯、紫外灯发出的波长无法做到快速调制;从光源输出波长单色性看,可调谐激光器输出波长极窄,单一波长的线状吸收能够完全避开干扰组分的吸收,而红外灯、紫外灯发射波长范围很宽,且存在干扰组分的光谱重叠;另外从光源使用寿命上看,激光器寿命长,正常使用下理论寿命高达100000小时,而紫外灯寿命最长约为4000小时。从光谱检测技术上讲,全激光设备采用TDLAS谐波检测技术,基于激光器输出波长的优异单色性、波长可快速调谐性和锁相放大技术实现对尾气中各组分的快速精准测量,能够有效抑制低频噪声,检测精准度远高于其他产品中采用的NDIR、DOAS和DUV技术。从实际车辆检测经验看,非激光检测技术路线对于较干净车辆尾气检测灵敏度不够。另外,红外、紫外光源在气体检测中,检测准确性会受到温度、压力的影响,需要频繁标定,以保证数据的准确度。而全激光的设备内部自带温度、压力校准系数,实时读取校准系数,保证设备的准确度,大大减少标定的时间与人力。
技术点:
1.选择合适的激光器,优选气体吸收强度高,不受水吸收干扰的波长;
2.对污染物吸收在不同压力和浓度条件下的非线性偏离以及激光器调制幅度的影响进行试验标定,将这些曲线作为仪器内部曲线实时参与浓度测量;
3.根据设备使用的光程,结合环境温湿度变化,优化光强自适应调整功能;
4. 对不同波长的五个激光光源实现等距离下的小光斑聚焦,同时对小光斑进一步优化,通过离轴抛物镜实现多个波长,宽范围的无色散的激光光路准直,达到多波长的混合光束光斑放大。1.减少气瓶的更换频率,全激光的自动标定间隔为1周一次,优化了原先的2小时一次自动标定间隔。
2.增加了采样频率,是原有基础上的2倍。
3.不同光源进行合束,提高了数据的同步扩散性,增强数据的准确度。
4.尾气(CO2、CO、HC、NO)检测相对误差≤8%,不透光度相对误差≤2%;单车测量时间≤0.8s(以车辆通过尾气检测主机时刻计);系统连续稳定运行时间>8000h;自动标定系统间隔时间≤ 12h;车辆速度测量范围 10km/h~100km/h,误差≤1.5km/h;加速度测量范围:-10m/s2~10m/s2,误差<0.2m/s2;尾气遥感检测数据有效性分析方法误判几率<7%。

联系方式

请登录
试试对话AI技术经理人

推荐专利

基于视觉与激光雷达多层次融合的车道检测方法及系统

本发明公开了基于视觉与激光雷达多层次融合的车道检测方法及系统,该方法通过在车辆上安装激光雷达和车载相机实现,所述方法包括:对获得的点云数据和视频图像进行标定;融合点云数据的高度信息、反射强度信息和视频图像的RGB信息构造点云聚类模型,基于点云聚类模型获得车道点云,对车道点云进行最小二乘法拟合得到车道曲面,获得第一车道候选区域;将点云数据中的反射强度信息与视频图像的RGB信息融合,得到四通道的道路信息;输入预先训练好的语义分割网络3D‑LaneNet,输出第二车道候选区域的图像;将第一车道候选区域和第二车道候选区域进行融合,将两个车道候选区域的并集作为最终的车道区域。本发明的方法提高了复杂道路场景下车道检测的准确性。

用于自动驾驶的融合定位方法、装置及电子设备、存储介质

本申请公开了一种用于自动驾驶的融合定位方法、装置及电子设备、存储介质,其中所述方法包括预先采集预设区域的激光数据并建立得到目标点云地图;根据所述目标点云地图,在车辆的GNSS信号可用时采用激光雷达定位误差模式进行自学习,得到激光雷达定位误差模式的自学习结果;在需要激光定位观测时,通过所述激光雷达定位误差模式的自学习结果自适应纠正采用激光雷达进行定位时产生的定位误差,得到最终定位结果。通过本申请降低定位误差,并且实现了基于多种因素结合的激光雷达误差自适应。本申请的方案可用于ROBOTAXI、ROBOBUS的融合定位。

一种路口多目相机与雷视一体机检测目标的关联方法及系统

本发明公开一种路口多目相机与雷视一体机检测目标的关联方法及系统,涉及智能交通管理领域,包括如下步骤:利用多目相机和雷视一体机相机采集的图片求得单应性矩阵,再对多目相机检测的目标进行压线检测和车道号标记,将多目相机的压线目标的检测结果中投影到雷视机相机视野中,然后根据检测框的交并比信息和车道号信息对两个设备的检测结果进行关联,从而充分考虑了设备之间的观测关系,实现了基于单应变换对两传感器的检测目标进行关联,相较于深度学习的融合方法,降低了算法复杂度和对硬件配置的要求;此外,由于不需要进行大规模的数据采集和模型训练,降低了实施的复杂性和成本。