精华内容
下载资源
问答
  • COCO Dataset 数据特点

    千次阅读 2018-05-29 09:42:18
    COCO Dataset 数据特点COCO数据集有超过 200,000 张图片,80种物体类别. 所有的物体实例都用详细的分割mask进行了标注,共标注了超过 500,000 个物体实体.{ person # 1 vehicle 交通工具 #8 {bicycle car ...

    COCO Dataset 数据特点

    COCO数据集有超过 200,000 张图片,80种物体类别. 所有的物体实例都用详细的分割mask进行了标注,共标注了超过 500,000 个物体实体.

    {
        person  # 1
        vehicle 交通工具 #8
            {bicycle
             car
             motorcycle
             airplane
             bus
             train
             truck
             boat}
        outdoor  #5
            {traffic light
            fire hydrant
            stop sign
            parking meter
            bench}
        animal  #10
            {bird
            cat
            dog
            horse
            sheep
            cow
            elephant
            bear
            zebra
            giraffe}
        accessory 饰品 #5
            {backpack 背包
            umbrella 雨伞
            handbag 手提包
            tie 领带
            suitcase 手提箱
            }
        sports  #10
            {frisbee
            skis
            snowboard
            sports ball
            kite
            baseball bat
            baseball glove
            skateboard
            surfboard
            tennis racket
            }
        kitchen  #7
            {bottle
            wine glass
            cup
            fork
            knife
            spoon
            bowl
            }
        food  #10
            {banana
            apple
            sandwich
            orange
            broccoli
            carrot
            hot dog
            pizza
            donut
            cake
            }
        furniture 家具 #6
            {chair
            couch
            potted plant
            bed
            dining table
            toilet
            }
        electronic 电子产品 #6
            {tv
            laptop
            mouse
            remote
            keyboard
            cell phone
            }
        appliance 家用电器 #5
            {microwave
            oven
            toaster
            sink
            refrigerator
            }
        indoor  #7
            {book
            clock
            vase
            scissors
            teddy bear
            hair drier
            toothbrush
            }
    }
    • 1
    • 2
    • 3
    • 4
    • 5
    • 6
    • 7
    • 8
    • 9
    • 10
    • 11
    • 12
    • 13
    • 14
    • 15
    • 16
    • 17
    • 18
    • 19
    • 20
    • 21
    • 22
    • 23
    • 24
    • 25
    • 26
    • 27
    • 28
    • 29
    • 30
    • 31
    • 32
    • 33
    • 34
    • 35
    • 36
    • 37
    • 38
    • 39
    • 40
    • 41
    • 42
    • 43
    • 44
    • 45
    • 46
    • 47
    • 48
    • 49
    • 50
    • 51
    • 52
    • 53
    • 54
    • 55
    • 56
    • 57
    • 58
    • 59
    • 60
    • 61
    • 62
    • 63
    • 64
    • 65
    • 66
    • 67
    • 68
    • 69
    • 70
    • 71
    • 72
    • 73
    • 74
    • 75
    • 76
    • 77
    • 78
    • 79
    • 80
    • 81
    • 82
    • 83
    • 84
    • 85
    • 86
    • 87
    • 88
    • 89
    • 90
    • 91
    • 92
    • 93
    • 94
    • 95
    • 96
    • 97
    • 98
    • 99
    • 100
    • 101

    注: 
    PASCAL VOC 语义类别(#20):

    {
        aeroplane
        bicycle
        bird
        boat
        bottle
        bus
        car
        cat
        chair
        cow
        diningtable
        dog
        horse
        motorbike
        person
        pottedplant
        sheep
        sofa
        train
        tvmonitor
    }
    • 1
    • 2
    • 3
    • 4
    • 5
    • 6
    • 7
    • 8
    • 9
    • 10
    • 11
    • 12
    • 13
    • 14
    • 15
    • 16
    • 17
    • 18
    • 19
    • 20
    • 21
    • 22

    COCO Dataset

    annotainon 数据格式: 
    - object instances 
    - object keypoints 
    - image captions

    基本数据结构如下:

    {
        "info" : info, 
        "images" : [image],
        "annotations" : [annotation],
        "licenses" : [license],
    }
    
    info {
        "year" : int,
        "version" : str,
        "description" : str,
        "contributor" : str,
        "url" : str,
        "date_created" : datetime,
    }
    
    image{
        "id" : int, # 图片id
        "width" : int, # 图片宽
        "height" : int, # 图片高
        "file_name" : str, # 图片名
        "license" : int,
        "flickr_url" : str,
        "coco_url" : str, # 图片链接
        "date_captured" : datetime, # 图片标注时间
    }
    
    license{
        "id" : int,
        "name" : str,
        "url" : str,
    }
    • 1
    • 2
    • 3
    • 4
    • 5
    • 6
    • 7
    • 8
    • 9
    • 10
    • 11
    • 12
    • 13
    • 14
    • 15
    • 16
    • 17
    • 18
    • 19
    • 20
    • 21
    • 22
    • 23
    • 24
    • 25
    • 26
    • 27
    • 28
    • 29
    • 30
    • 31
    • 32

    Object Instance Annotations

    实例标注形式:

    annotation{
        "id" : int,
        "image_id" : int,
        "category_id" : int,
        "segmentation" : RLE or [polygon],
        "area" : float, 
        "bbox" : [x,y,width,height],
        "iscrowd" : 0 or 1,
    }
    
    categories[{
        "id" : int,
        "name" : str,
        "supercategory" : str,
    }]
    • 1
    • 2
    • 3
    • 4
    • 5
    • 6
    • 7
    • 8
    • 9
    • 10
    • 11
    • 12
    • 13
    • 14
    • 15

    其中, 
    如果instance表示单个object,则iscrowd=0,segmentation=polygon; 单个object也可能需要多个polygons,比如occluded的情况下; 
    如果instance表示多个objecs的集合,则iscrowd=1,segmentation=RLE. iscrowd=1用于标注较多的objects,比如人群.

    Object Keypoint Annotations

    关键点标注形式:

    annotation{
        "keypoints" : [x1,y1,v1,...],
        "num_keypoints" : int,
        "[cloned]" : ...,
    }
    
    categories[{
        "keypoints" : [str],
        "skeleton" : [edge],
        "[cloned]" : ...,
    }]
    • 1
    • 2
    • 3
    • 4
    • 5
    • 6
    • 7
    • 8
    • 9
    • 10
    • 11

    关键点标注包括了物体标注的所有数据(比如 id, bbox, 等等),以及两种额外属性信息. 
    “keypoints”是长度为 3K 的数组,K是对某类定义的关键点总数,位置为[x,y],关键点可见性v. 
    如果关键点没有标注信息,则关键点位置[x=y=0],可见性v=1; 
    如果关键点有标注信息,但不可见,则v=2. 
    如果关键点在物体segment内,则认为可见. 
    “num_keypoints”是物体所标注的关键点数(v>0). 对于物体较多,比如物体群或者小物体时,num_keypoints=0. 
    对于每个类别,categories结构体数据有两种属性:”keypoints” 和 “skeleton”. 
    “keypoints” 是长度为k的关键点名字符串; 
    “skeleton” 定义了关键点的连通性,主要是通过一组关键点边缘队列表的形式表示,用于可视化.

    COCO现阶段仅队人体类别进行了标注.

    Image Caption Annotations

    图片描述/说明标注形式:

    annotation{
        "id" : int,
        "image_id" : int,
        "caption" : str,
    }
    • 1
    • 2
    • 3
    • 4
    • 5

    图片描述标注包含了图片的主题信息. 每个主题描述了特定的图片,每张图片至少有5个主题.

    展开全文
  • 绿色出行倡议书.doc

    2021-01-18 10:59:30
     从科学角度讲,自行车是能源转化效率最高的一种交通工具,骑车者80%的能量转化到自行车的运动过程中。自行车锻炼不限时间、不限速度,不但可以减肥还可以使身材匀称。骑自行车是有氧运动,可以强化心脏功能,防止...
  • 飞机出行是所有交通工具中安全性最高的一,但近年来由于无人机闯入、恐怖行为的频发让人们在选择航空出行时显得格外谨慎;除了民众外,作为通往外界的通道和城市的交通枢纽,这也一直是政府有关部门的首要关注对象...

    2017年4月30日18时,一架无人机“擅闯”成都双流机场,共造成10个航班备降,导致跑道关闭80分钟,至少损失1000万美元。

    飞机出行是所有交通工具中安全性最高的一种,但近年来由于无人机闯入、恐怖行为的频发让人们在选择航空出行时显得格外谨慎;除了民众外,作为通往外界的通道和城市的交通枢纽,这也一直是政府有关部门的首要关注对象。

    在此大背景下,为了有效应对各类突发事件,‘智慧机场’这个概念悄然兴起,相关厂商都相继推出机场智能安全系统。作为国内安防巨头,大华股份在这块也有很多方案落地。

    机场安全管理挑战

    据悉,大华股份在2015年就成立了大交通事业部,机场就是大交通的一条子行业线。藉由此,雷锋网(公众号:雷锋网)采访到大华技术股份有限公司解决方案经理韩伟钟,与他聊了一下机场安防的相关重点。

    韩伟钟告诉雷锋网,大华在此块颇有发言权,自成立事业部以来,大华作为产品供应商的身份参与了国内外一些机场安防系统的建设,他表示,其实这些方案‘关注’的目标大体涵括三类:飞机(航空器)、人(旅客、工作人员)和车(社会车辆、相关作业车辆)。

    在这位解决方案经理看来,目前机场安防主要存在三个亟待解决的问题。

    • 1、首先所有大小的机场需要监控系统、报警系统、门禁系统、网络传输系统和管理平台等多个(子)系统的复杂协作。但现实不是这样,韩伟钟介绍说,如今各大机场安防系统基本都是分期建设,各个安防子系统基本是各自为政。包括视频系统、门禁系统、报警系统、卡口系统、停车场系统等系统形成一个个信息孤岛,管理员需要登录多个系统进行操作,系统之间无法进行应急联动。

    • 2、去年国家颁布了《反恐法》规定了在机场中视频监控系统的要求,即视频监控高清化1080P、无盲点、存储90天。目前国内在14年之前建设完成的机场,CCTV系统基本都还是以模拟系统为主,这些视频无法满足《反恐法》的要求,对发生事件后的录像追查,智能化分析都造成了极大的困难。

    • 3、机场的各种区域,包括码头区,停车场,办公区,货运区,前台区,飞行区,机库,周边地区等,每个都是垂直管理系统。由于这些区域的特殊性、人员和货物大量进出的复杂性,控制风险的因素太多。

    大华智慧机场解决方案如何解决此类难题

    而针对以上三个问题,大华机场解决方案将多功能高清监控摄像机与基于深度学习的AI相结合,可以分析大数据以达到目标,无论是飞机、汽车还是人脸。

    民航业智能升级,安防巨头大华如何利用 AI 保障机场安全

    1. 对于飞机这类目标,主要包括飞行区的全景显示:由于前端相机CPU性能的提高,目前全景显示技术已经从昂贵的后台服务器拼接进化到性价比较高的前端相机全景拼接,安装施工简单,拼接效果好,如果安装在机场塔台可以鸟瞰机场全景。

    2. 对于人员这类目标,主要包括个体智能应用(人脸识别)和群体智能应用(行为分析)。人脸识别主要用于安检通道、登机口、VIP候机厅等重点区域,大华在和机场公安的对接中已经成功实现安检系统对接公安重点人员库,任何嫌疑人敢于在机场区域出现,都会立即触发警报;行为分析主要用于航站楼出入口(人数统计)、值机柜台(排队长度分析)、隔离区商铺(客流分析)、登机口(人员聚集)等应用,主要应用于对事件的预防和安保人员的调配。

    3. 对于车辆这类目标,大华采用一体式摄像机来捕获和识别访问机场的包括非法、被盗、黑名单、犯罪相关的车辆。另外通过整体布局可以实现对于车辆的全局管控:从机场高架的车辆抓拍,到机场航站楼到达层、出发层的违章停车抓拍,再到机场停车场的车位引导反向寻车,大华可以将社会车辆进出机场的轨迹进行完整还原,定位到具体停车位。结合机场航班系统、机场公安车管所系统还可以定位到车主信息、航班信息等。

    雷锋网了解到,目前大华的产品已经深入到北京首都国际机场、深圳宝安机场、南京禄口机场、西安咸阳机场、武汉天河机场、广州白云机场等;另外在一些支线机场,大华的机场整体解决方案也得以落地:如敦煌莫高窟机场、山东临沂机场等,包含陆侧道路的车辆抓拍系统、前端相机、存储系统、报警门禁、监控中心解码大屏、综合安防管理平台。值得一提的是,他们计划在二期落地热成像、全景拼接等智能化视频应用。

    在这里,他重点介绍了一下热成像相机在机场中的应用。他表示,大华机场解决方案还照顾了机场周边地区。由于该区域基本没有光亮,必须使用如热成像摄像机等特殊设备,以保障所述区域的安全。

    热成像技术具有以下优点:包括PTZ功能,远程监控(可以检测到8.8公里内的车辆),长距离变焦,双目镜(光学和热成像镜头),智能化(可以检测入侵)等。与目前市场上的备用周边保护设备相比,如振动光纤传感器和红外光束传感器,具有更高的精度和更少的误报,同时直接提供视频进行验证。

    甲方需求及对AI相关方案的态度

    项目能成功落地实属不易。这位解决方案经理感慨道,除了技术本身,在项目落地过程中,通常会遇到很多问题,目前在机场相关方案的招标过程中,甲方提到比较多的需求主要包括三点:

    民航业智能升级,安防巨头大华如何利用 AI 保障机场安全

    1、机场统一安防管理平台,能整合各个安防系统,统一调度管理;

    2、视频智能化在航站楼中的应用(人数统计、人脸识别、人员聚集、排队检测等);视频智能化在飞行区的应用(飞行区全景显示、飞机起降跟踪等);

    3、机场模拟监控系统改造需求(应对反恐法要求,模拟高清化改造)。

    在他看来,这些需求在以往很难做到,除非用人眼去看,人工操作;但随着AI的出现,目前都可以很好解决。比如人证对比,之前需要安检人员通过肉眼去确认,通过AI技术可以进一步增加精准度;在AI出现之前,一般都是发生事件以后,AOC、TOC控制中心再去下达指令进行应急预案操作;现在AI技术成熟后,可以在事件发生前就进行预警,例如值机柜台、安检口发生人员聚集情况,会产生报警信息,工作人员通过对报警信息的预判,采取临时加开窗口通道、配置安保人员去现场处理等措施,防范于未然。

    谈到兴起,韩伟钟还和向雷锋网介绍了目前甲方对于AI产品的态度。他表示,甲方对于智能化一开始还比较保守,主要因为之前相关技术不成熟就随便落地,包括在机场员工通道设人脸门禁,通过刷脸进出,但是现场应用后发现员工需要正面对着门禁识别,周围光线影响很大,经常识别失败后再刷卡才能通过,效果大打折扣。

    “但目前人脸识别技术已经到了新层面,识别不需要主动配合式,只需通过安装在通道上的人脸识别监控相机就可以识别、比对,效率提升明显。”他补充说道。

    方案商众多,大华如何取胜?

    后续,这位解决方案经理表示,目前机场智能化方案提供商众多,如何在其中脱颖而出非常重要。

    如今大华凭借在行业十多年的技术积累,在处理视频编码、解码、算法上有自己核心技术;除此之外,大华还积极与NVIDIA,Genetec,Milestone,Avigilon,AXXON,ISS等优秀公司合作,为大华机场解决方案提供了更多的可能性。

    未来,大华还将继续投资于民航视频监控解决方案领域的尖端技术研发,可确保无论是前端IPC还是后端NVR能都无缝整合,为机场建立健全的安全系统。



    本文作者:张栋
    本文转自雷锋网禁止二次转载,原文链接
    展开全文
  • 一、首先用一张图来说明类和对象的关系 二、一辆车为例 1、首先我们联系实际,在生活中, 描述...2、列如现在是80年代,交通不便,我们需要一能日行千里的交通工具,于是我们定义了一辆车的属性和行为后,有了...

    一、首先用一张图来说明类和对象的关系

    二、一辆车为例

    1、首先我们联系实际,在生活中, 描述一个事物时我们都会从两方面去着手,一通过属性来描述它,列如一辆车的属性就是指它的“轮胎数量、车身颜色、品牌、价格”,二通过行为来描述它,比如以一辆车为例,它的行为就是能够“跑”。

    2、列如现在是80年代,交通不便,我们需要一种能日行千里的交通工具,于是我们定义了一辆车的属性和行为后,有了这些后就知道造一辆车我们需要那些硬件、那些软信息才能够算是一辆完整的车,然后我们要明确将车造出来的目的是什么(日行千里),这样就相当于拥有了一张完整的造车设计图纸,我们能够根据这张图纸造出各种想要的车。

    3、我们有了图纸之后要开始让工程师按照图纸造车,例如我需要造一辆“颜色为红色、轮胎4个、品牌为法拉利、价格为4000000”的车,一个月后工程师按照我的标准和图纸造出了这辆能够跑的车。

     

    三、用java命令来实现造车

    1、首先我们要新建一个类,这个类就相当于造车图纸,我们需要在这个类中定义好造车需要的属性和方法(行为),属性对应的就是类中的成员变量,行为对应的是类中的成员方法,转换为代码后如下:

    //Car也是一个引用型的数据类型,实例化的时候有一个car类型的引用指向car对象
    public class Car {
        
        //车的颜色
        private String color;
        //车的轮胎数量
    private int num;
      //车的品牌
      private String brand;
      //车的价格
      private double price;
      //车拥有一个跑的功能 void run() {}; }

    2、类定义后我们需要让jvm虚拟机能根据我们的指令来造一辆“颜色为红色、轮胎4个、品牌为法拉利、价格为4000000”的车,jvm相当于我们的造车工程师,能够根据我们传给他的指令和图纸造出一辆我们需要的车,java中需要用“关键字new”来进行实例化。

     

    三、java语言中要求任何变量都有数据类型,因为它是强类型的语言,所有数据都要有对应的数据类型以及类型中的空间分配。

     

    四、关键字就是具备特殊含义的单词。

     

    五、类用来描述事物,对象是该类事物中具体的个体。

     

    六、一个文件中可能包含多个类,public修饰的类必须和文件名一致。

    转载于:https://www.cnblogs.com/luohuasheng/p/9506117.html

    展开全文
  • CAN总线技术详解

    千次阅读 2017-04-30 16:01:13
    CAN总线技术详解 摘要20世纪80年代,Robert Bosch 公司在 ...同样,CAN也用于其他类型的交通工具,从火车到轮船或者用于工业控制。CAN 已经成为全球范围内最重要的总线之一 —— 甚至领导着串行总线。CAN总线的工作

    CAN总线技术详解


    摘要20世纪80年代,Robert Bosch 公司在 SAE(汽车工程协会)大会上介绍了一种新型的串行总线——CAN控制器局域网,那也是 CAN 诞生的时刻。今天,在欧洲几乎每一辆新客车均装配有 CAN 局域网。同样,CAN也用于其他类型的交通工具,从火车到轮船或者用于工业控制。CAN 已经成为全球范围内最重要的总线之一 —— 甚至领导着串行总线。


    CAN总线的工作原理

    CAN总线使用串行数据传输方式,可以1Mb/s的速率在40m的双绞线上运行,也可以使用光缆连接,而且在这种总线上总线协议支持多主控制器。CAN与I2C总线的许多细节很类似,但也有一些明显的区别。当CAN总线上的一个节点(站)发送数据时,它以报文形式广播给网络中所有节点。对每个节点来说,无论数据是否是发给自己的,都对其进行接收。每组报文开头的11位字符为标识符,定义了报文的优先级,这种报文格式称为面向内容的编址方案。在同一系统中标识符是唯一的,不可能有两个站发送具有相同标识符的报文。当几个站同时竞争总线读取时,这种配置十分重要。当一个站要向其它站发送数据时,该站的CPU将要发送的数据和自己的标识符传送给本站的CAN芯片,并处于准备状态;当它收到总线分配时,转为发送报文状 态。CAN芯片将数据根据协议组织成一定的报文格式发出,这时网上的其它站处于接收状态。每个处于接收状态的站对接收到的报文进行检测,判断这些报文是否是发给自己的,以确定是否接收它。由于CAN总线是一种面向内容的编址方案,因此很容易建立高水准的控制系统并灵活地进行配置。我们可以很容易地在CAN总线中加进一些新站而无需在硬件或 软件上进行修改。当所提供的新站是纯数据接收设备时,数据传输协议不要求独立的部分有物理目的地址。它允许分布过程同步化,即总线上控制器需要测量数据时,可由网上获得,而无须每个控制器都有自己独立的传感器。


    CAN总线的特点

    1、具有实时性强、传输距离较远、抗电磁干扰能力强、成本低等优点;  

    2、采用双线串行通信方式,检错能力强,可在高噪声干扰环境中工作;  

    3、具有优先权和仲裁功能,多个控制模块通过CAN 控制器挂到CAN-bus 上,形成多主机局部网络;  

    4、可根据报文的ID决定接收或屏蔽该报文; 

    5、可靠的错误处理和检错机制;  

    6、发送的信息遭到破坏后,可自动重发;  

    7、节点在错误严重的情况下具有自动退出总线的功能;  

    8、报文不包含源地址或目标地址,仅用标志符来指示功能信息、优先级信息。



    CAN总线的应用

    CAN总线在组网和通信功能上的优点以及其高性价比据定了它在许多领域有广阔的应用前景和发展潜力。

    这些应用有些共同之处:CAN实际就是在现场起一个总 线拓扑的计算机局域网的作用。不管在什么场合,它负担的是任一节点之间的实时通信,但是它具备结构简单、高速、抗干扰、可靠、价位低等优势。CAN总线最 初是为汽车的电子控制系统而设计的,目前在欧洲生产的汽车中CAN的应用已非常普遍,不仅如此,这项技术已推广到火车、轮船等交通工具中。1CAN总线技术的应用国外知名汽车基本都已经采用了CAN总线技术,例如沃尔沃、林肯、奥迪、宝马等,而国内汽车品牌,例如奇瑞等公司也已经有几款车型应用了总线技术。 CAN总线技术就是通过遍布车身的传感器,将汽车的各种行驶数据发送到“总线”上,在这个信息共享平台上,凡是需要这些数据的接收端都可以从“总线”上读 取需要的信息,从而使汽车的各个系统协调运作、信息共享、保证车辆安全行驶、舒适和可靠。

    一般来说,越高档的车配备的CAN_BUS数量越多,价格也越 高,如途安、帕萨特等车型当中都配备了多个CAN总线。2汽车CAN总线节点ECU的硬件设计汽车CAN总线研发的核心技术就是对带有CAN接口的ECU进行设计,其中ECU的CAN总线模块由CAN控制器和CAN收发器构成。CAN控制器执行完整的CAN协议,完成通讯功能,包括信息缓冲和接收滤波。CAN控制器与物理总线之间需CAN收发器作为接口,它实现CAN控制器与总线之间逻辑电平信 号的转换。3CAN总线在国内自主品牌汽车中的应用由于受成本控制、技术实力等因素的限制,CAN_BUS总线技术一般都出现在国外高端汽车,在A级及以下级别车型当中,该项技术大多出现在合资品牌当中,如POLO、新宝来等。在自主品牌中,采用CAN总线技术的车型中很少,风云2则是其中的代表车型。风云2 CAN总线技术,可以实现发动机、变速箱、ABS、车身、仪表及其他控制器的通讯,做到全车信息及时共享。在风云2的组合仪表盘当中,阶段里程、未关车门精确显示、安全带未系提醒等20多项信息全部可以显示,比同级产品增加一倍,这样增加了驾驶过程中的安全度。


    未来智能传感器发展趋势

    CAN总线作为一种可靠的汽车计算机网络总线已在许多先进汽车上得到应用,将CAN总线应用于智能传感器中, 使传感器获得的信号能通过总线实时地、可靠地、高速而准确地进行传输,使得各汽车计算机控制单元能够通过CAN总线共享所有信息和资源,达到简化布线、减 少传感器数量、避免控制功能重复、提高系统可靠性、降低成本、更好地匹配和协调各个控制系统的目的。同时,由于整个智能传感器网络采用全数字化的通信,因此,总线也具有很好的抗干扰能力,是未来智能化传感器和智能化控制网络的发展趋势。另外,在 CAN总线技术的帮助下,内部各种传感器实现信息共享后,大大减少了车体内线束和控制器的接口数量,避免了过多线束存在的互相干涉、磨损等隐患,降低了汽车电气系统的故障发生率。打开发动机舱盖,看到的是清晰简洁的舱内布局。维修方面,CAN总线技术的应用也使得故障排查得到最便利的保证。CAN总线智能 管家系统符合欧美OBDII标准法规,实现了在线诊断的功能。

    在车辆发生故障后,各个控制器通过CAN总线智能管家系统存储故障代码,由专业人员,通过诊断仪为车辆诊断出各种故障状态,快速准确地查找到故障点,第一时间排除故障。利用CAN总线技术实现系统集成的信息传输,大大提高了各部件的响应速度,减少了配件磨损发生率,也相应的降低了维修成本;而且,先进集成技术的应用,也大幅提高了车辆自身的科技含量,增强了产品竞争力。CAN总线的数据通信具有突出的可靠性、实时性和灵活性。

    由于其良好的性能及独特的设计,CAN总线越来越受到人们的重视,它在汽车领域上的应用是最广泛的。世界上一些著名的汽车制造厂商大都采用了CAN总线来实现汽车内部控制系统与各检测和执行机构间的数据通信。同时,由于CAN总线本身的特点,其应用范围目前已不再局限于汽车行业,而向自动控制、航空航天、航海、过程工业、机械工业、纺织机械、农用机械、机器人、数控机床、医疗器械及传感器等领域发展。CAN已经形成国际标准,并已被公认为几种最有前途的现场总线之一。

    原网站:http://mp.weixin.qq.com/s/NUnwXNNUTEYAxW4f1B7eNA

    展开全文
  • CAN Bus(Controller Area Network),控制器区域网,起源于80年代,由国际标准化组织(ISO)所发布,...因此双线差动讯号式CAN Bus的电器特性即被快速导入并广泛运用在各交通工具领域(航空、轮船与汽车)或是工业
  • CAN Bus(Controller Area Network),控制器区域网,起源于80年代,由国际标准化组织(ISO)所发布...因此双线差动讯号式CAN Bus的电器特性即被快速导入并广泛运用在各交通工具领域(航空、轮船与汽车)或是工业控制。
  • 同样,CAN也用于其他类型的交通工具,从火车到轮船或者用于工业控制。CAN 已经成为全球范围内最重要的总线之一 —— 甚至领导着串行总线。 CAN总线的工作原理 CAN总线使用串行数据传输方式,可以1Mb/s的速率在40m...
  • 在过去的二十年当中,随着交通工具复杂性的日益增加,工程师已将ECU从8位MCU升级为16位以上的器件。目前,这样一个高度集成的32位RISC MCU就是瑞萨公司的SH7058,它是一具有1MB片上闪存和48KB RAM组成的80MHz的MCU...
  •  在过去的二十年当中,随着交通工具复杂性的日益增加,工程师已将ECU从8位MCU升级为16位以上的器件。目前,这样一个高度集成的32位RISC MCU就是瑞萨公司的SH7058,它是一具有1MB片上闪存和48KB RAM组成的80MHz的...
  •  在过去的二十年当中,随着交通工具复杂性的日益增加,工程师已将ECU从8位MCU升级为16位以上的器件。目前,这样一个高度集成的32位RISC MCU就是瑞萨公司的SH7058,它是一具有1MB片上闪存和48KB RAM组成的80MHz的...
  • 元胞自动机简介

    千次阅读 多人点赞 2017-12-20 18:30:39
    元胞自动机能利用简单的局部规则和离散方法描述复杂的全局的连续系统,已成为探索复杂系统的一有效工具。 文章 阐述了元胞自动机的发展历程、结构、特征及基本理论与方珐; 介绍了元胞自动机在寡头垄断行为、交通...
  • 随着20世纪80年代初期德国...由于CAN总线通信的高性能、高可靠性、及独特的设计和适宜的价格可以广泛应用于工业现场控制、智能楼宇、医疗器械、交通工具以及传感器等领域,所以被公认为是几最有前途的现场总线之一。
  • 公共汽车交通工具中最令游客跃跃欲试的是红色双层巴士,在伦敦没有什么能比乘公共汽车更方便更令人惬意的了。乘坐一次伦敦的公共汽车,会使你终生难忘。乘巴士的方法,伦敦有两巴士穿梭于大街小巷 英国下午茶 ...
  • (2)城市之间有两种交通工具:火车和飞机.提供对列车时刻表和飞机航班进行编辑(增设或删除)的功能. (3)提供两最优决策:最快到达或最省钱到达.全程只考虑一种交通工具. 2设计 设计思想 存储结构 struct Tra_Tool{ ...
  • 电动汽车代表着21世纪汽车工业的发展方向,是人类理想的绿色交通工具。武汉电动汽车示范运营公司成功地将电动小巴应用于城市公交网络的盲区,其应用规模居全国首位。武汉市电动小巴的应用前景广阔,准确预测电动小巴...
  • 电动汽车代表着21世纪汽车工业的发展方向,是人类理想的绿色交通工具。武汉电动汽车示范运营公司成功地将电动小巴应用于城市公交网络的盲区,其应用规模居全国首位。武汉市电动小巴的应用前景广阔,准确预测电动小巴...
  • 电动汽车代表着21世纪汽车工业的发展方向,是人类理想的绿色交通工具。武汉电动汽车示范运营公司成功地将电动小巴应用于城市公交网络的盲区,其应用规模居全国首位。武汉市电动小巴的应用前景广阔,准确预测电动小巴...
  • 5:MATLAB神经网络对交通、物流等效率方面的分类、评估、预测等(属于交通、物流管理) 6:MATLAB神经网络用于故障诊断 7:概括来讲,就是使用神经网络对某些指标(如空气质量、水质量、个人业绩等)进行“有限”...
  • 5:MATLAB神经网络对交通、物流等效率方面的分类、评估、预测等(属于交通、物流管理) 6:MATLAB神经网络用于故障诊断 7:概括来讲,就是使用神经网络对某些指标(如空气质量、水质量、个人业绩等)进行“有限”...
  • 5:MATLAB神经网络对交通、物流等效率方面的分类、评估、预测等(属于交通、物流管理) 6:MATLAB神经网络用于故障诊断 7:概括来讲,就是使用神经网络对某些指标(如空气质量、水质量、个人业绩等)进行“有限”...
  • 5:MATLAB神经网络对交通、物流等效率方面的分类、评估、预测等(属于交通、物流管理) 6:MATLAB神经网络用于故障诊断 7:概括来讲,就是使用神经网络对某些指标(如空气质量、水质量、个人业绩等)进行“有限”...
  • 电子设计.doc

    2019-05-28 11:58:28
    0083、一智能频率计的设计与制作(AVR)proteus仿真+程序资料 0084、音频信号分析仪毕业设计论文资料 0085、应用电子、继电线路设计论文资料 0086、用单片机实现温度远程显示论文资料 0087、远程温度控制系统毕业...
  • 此外,在汽车检测站经过使用油耗仪检测汽车油耗在使用之中的变化,不仅能够诊断燃料系的技术状况,且能够诊断发动机及整车的技术状况,国外的一些运输企业甚至把油耗仪作为诊断汽车是否要维修的有效的工具。...
  • 如:安防领域的人脸识别和智能视频分析等,交通领域的交通场景识别,互联网领域基于内容的图像检索和相册自动归类,医学领域的图像识别等。 模型名称 模型简介 数据集 评估指标 top-1/top-5 accuracy AlexNet...
  • LINGO软件的学习

    2009-08-08 22:36:50
    对实际问题建模的时候,总会遇到一群或多群相联系的对象,比如工厂、消费者群体、交通工具和雇工等等。LINGO允许把这些相联系的对象聚合成集(sets)。一旦把对象聚合成集,就可以利用集来最大限度的发挥LINGO建模...
  • 任务80: 项目实战:小型商品进销存管理系统_员工信息管理_员工入职操作 任务81: 项目实战:小型商品进销存管理系统_员工信息管理_开除与员工加薪操作 任务82: 项目实战:小型商品进销存管理系统_员工信息管理_...

空空如也

空空如也

1 2
收藏数 33
精华内容 13
关键字:

交通工具80种