Advanced Sound Parktronic

Авторы: Агеев Артем, Енцов Семен, Класс: 11

Научный руководитель: Исаченко Андрей Валерьевич, преподаватель Детского научного лагеря МГУ "ЛАНАТ"

Окружение автомобиля, если смотреть сверху, представляет собой изображение, где объекты можно представить как светлые области, а пустоты, как тёмные (рис.1).

Advanced Sound Parktronic переводит изображение из привычной нам картинки в звуковой сигнал так, что человек, услышав звук, может восстановить что было на изображении. Это делает возможным представление данных парктроника не в графическом, а в звуковом виде.

Большинство современных автомобилей несёт на борту систему предупреждения об опасном сближении, также называемую “park assistant” (ассистент парковки). Данная система собирает данные с датчиков расстояния, закрепленных по краям автомобиля, и информирует водителя об опасном

сближении во время парковки и езды в узких проездах. При опасном сближении (обычно менее 30 см) система издаёт писк и показывает на экране панельной доски, какой из датчиков зафиксировал опасное сближение. Однако этот метод использует звук только для привлечения внимания водителя.

Алгоритм работы установки :

1 Этап : Advanced Sound Parktronic получает данные с датчиков расстояния, постоянно сканирующих пространство вокруг автомобиля. Так как внедрение системы напрямую в автомобиль на этапах разработки крайне затратно, используется эмулятор. Эмулятор имитирует различные сценарии,

визуализирует их и определяет показания виртуальных датчиков.

2 Этап : Данные с виртуальных датчиков преобразуются в изображение (подобно рис.1), отражающее положение обнаруженных объектов на

плоскости. Затем выполняются преобразования матрицы изображения, необходимые для упрощения обнаружения объектов пользователем. В частности, применяется размытие изображения и утолщение тонких линий.

3 Этап : Возьмем вектор длины, равной количеству элементов матрицы (для матрицы (n, m) – это n*m) и сопоставим каждому из его элементов свою частоту звука (рис.3). Затем, наложим этот вектор на матрицу изображения так, чтобы он проходил по кривой Гильберта (рис.4). Таким образом, мы получим, что каждому элементу матрицы соответствует уникальный элемент вектора, а значит и уникальная частота звука и наоборот.

4 Этап: Чтобы получить звуковой сигнал, необходимо сложить все частоты звука с учетом наличия или отсутствия объекта. То есть, если элемент матрицы, соответствующий данной частоте, содержит объект или его часть - частота прибавляется к итоговому звуку - а если нет, то данная частота не воспроизводится. После сложения, программа воспроизводит сигнал водителю, тем самым информируя его об окружении автомобиля.

В данном проекте решено использовать кривую Гильберта по двум причинам:

Во-первых, при использовании кривой Гильберта, в большинстве своём, точки имеющие близкие частоты будут соответствовать близлежащим элементам матрицы. Во-вторых, при увеличении размера матрицы, элемент матрицы, соответствовавший определённой частоте, мало изменит своё положение (рис.5) в сравнении с другими кривыми (рис.6).

• Цели
• Задачи
• Актуальность
• Результаты
• Применение
• Оборудование