项目背景:
仅在2015年,德国道路上每两分钟就会发生一次由野生动物造成的事故,给保险业造成的损失超过 6亿欧元。 为了解决这个问题,Applied Sciences of Ulm and Heilbronn大学与工业合作伙伴一起创建了“SALUS”。 结合雷达、光学摄像头和红外传感器以及神经网络,机器学习系统旨在能够区分行人、汽车、骑自行车的人、摩托车、鹿、狐狸、野猪等,预测这些人的行为 对象。 然后,该系统会向汽车司机和其他道路使用者发送警告,以防止发生事故。 微型多普勒雷达的数据由虹科Spectrum的 PCIe 数字化仪卡 M2p.5926-x4 进行采集,该卡提供所需的通道数和带宽。
Project SALUS - 路边安装警告通知
该项目的负责人之一来自Ulm University of Applied Sciences的Hubert Mantz 教授提到:“汽车制造商正在从高端车型开始安装驾驶员辅助系统,但这需要时间才能过滤到其他车型。同样,高端摩托车也开始具备这种功能,但有限的安装空间意味着很难实现与基于汽车的警报系统相媲美的任何功能。我们项目的目标是在路边安装小型装置,以检测危险,并在车辆接近时将其传达给车辆。此外,对于没有车内警告显示器的道路使用者,可以打开路灯以突出危险区域和/或照明的警告通知。 Project SALUS 检测并警告难以看到的危险,并应显着改善道路安全。”。

雷达和相机测量
技术演示系统将能够同时测量来自三个来源的数据——雷达、光学摄像头和红外摄像头。例如,可以集成额外的传感器来测量污染水平,这已经引起了项目财团中公司的商业兴趣。该项目设想将这些自给自足的单元大规模部署为德国各地道路旁的哨所,这意味着它们必须是廉价的和太阳能供电的。后者对于无法获得市电的农村地区尤其重要,并且由于街道照明稀缺,因此对这种警告系统的需求最大。这也意味着形成智能交通基础设施的单元之间的通信系统必须是低功率的,因此使用远程广域网 (LoRaWAN),因为它可以在农村地区达到40公里。该标准的特点是能耗低,并且基于未经许可的频段,因此成本低廉。

设备使用
“我们正在使用神经网络来开发机器学习,使系统能够区分例如骑自行车的人、汽车或鹿。这远远超出了纯粹的运动检测,”Mantz 教授补充道。 “我们正处于项目的关键部分,即检测到的物体的分类,这是以前从未做过的。有了这个系统将能够预测物体的运动,这为系统增加了非常有用的实时智能,使其能够预测危险情况如何发展。我们选择了具有16位、4个差分通道和10 MHz带宽的Spectrum PCIe数字化仪M2p.5926-x4。它收集信息以教授系统,因为它使我们能够实时同时处理我们需要的所有数据。我们发现它使用起来非常简单直观,这意味着我们可以专注于项目而不是对其进行编程。最重要的是,它提供五年保修,因此我们不必担心任何维护问题和与其他公司的标准产品仅提供一年的维修不同,如果他们的设备出现故障,这可能意味着额外的成本。”

高品质的数字化仪
Spectrum 的首席技术官 Oliver Rovini 补充说:“大学和研究机构运行的项目和实验可能需要数年时间,因此他们必须知道他们可以依靠每个部分在项目的整个生命周期内完美运行。 Spectrum 产品经久耐用。 我们包含的五年保修是这一理念的一部分,以及产品整个生命周期内的免费软件和固件更新,并由我们的设计工程师直接提供支持。”
如果您也有类似的应用需求,欢迎联系我们:
-1024x623.png)