汽車科技論文摘要
汽車是載運人員和(或)貨物;牽引載運人員和(或)貨物的車輛;學習啦小編為大家整理的汽車科技論文，希望你們喜歡。
汽車科技論文篇一
汽車超載監(jiān)測系統(tǒng)
摘 要： 為了實時識別各種車型的超載車輛，該系統(tǒng)基于開源計算機視覺庫(OpenCV)，先根據(jù)車輛照片庫建立車型分類器，然后使用數(shù)字攝像機拍攝進入監(jiān)控區(qū)域的車輛，在視頻中使用分類器識別車型，根據(jù)所識別得到的車型去查詢數(shù)據(jù)庫獲得該車型的核載，再通過動態(tài)稱重技術(shù)獲得車輛的實際載重，及時判別車輛是否超載。此方法可避免過去使用統(tǒng)一重量衡量不同車型是否超載的弊端，并可同時免線圈測量車速。測試結(jié)果表明系統(tǒng)能快速準確地識別出車型。配合動態(tài)稱重系統(tǒng)，就能實時得出所通過的車輛是否超載，對公路養(yǎng)護和道路交通安全有相當大的實用意義。
關(guān)鍵詞： 超載監(jiān)測; 視頻識別; OpenCV; 動態(tài)稱重
中圖分類號： TN98?34; TP277 文獻標識碼： A 文章編號： 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 & Electronic Engineering， Guangzhou University， Guangzhou 510006， China)
Abstract： This system based on the open source computer vision library (OpenCV) is used to execute the real?time identification of overloading vehicles with different vehicle models. A vehicle model classifier is established according to the vehicle photo library， and then the vehicles entering the monitored area are recorded by a digital camera. The vehicle models are identified in video recognition by the classifier. The rated load of a vehicle model is obtained by querying the database， and then the actual load of the vehicle running across the monitoring area is measured by the dynamic weighing technology for judging if the vehicle is overloaded immediately. This approach can avoid the demerit of the previous one that uses the unified weight to estimate whether vehicles with different models are overloaded or not. In addition， it can also avoid the coil measurement of speed. Testing results show that the system can quickly and accurately identify a vehicle model， and can promptly determine whether the vehicle is overloaded by means of dynamic weighing system. It has considerable practical value for road maintenance and road traffic safety.
Keywords： overload monitoring; video identification; OpenCV; dynamic weighing
超載車輛的危害很大，主要表現(xiàn)在加速道路損壞和危害道路交通安全，人們都深知其危害性，所以治理超載一直是公路監(jiān)管部門的工作重點。傳統(tǒng)的自動超載信息系統(tǒng)都是使用統(tǒng)一標準，對所有車輛都應用同一個整車重量劃分是否超載，這樣會遺漏部分實際上已經(jīng)超過該車型核載的超載車輛。實際上，這部分車輛對道路交通同樣造成嚴重影響。鑒于此，本系統(tǒng)首先識別出車輛的車型，再查詢得到該車型的核載重量，對比實測重量，便得知是否超載。理論上能夠適用于所有車型。
利用攝像機較長的視域，附加設計了一個測速系統(tǒng)，能方便地得出超速數(shù)據(jù)，以便作為超速監(jiān)測和供給動態(tài)稱重系統(tǒng)作參考。
1 系統(tǒng)構(gòu)成
1.1 系統(tǒng)方案
系統(tǒng)主要工作過程為：車輛駛?cè)霐z像機監(jiān)視范圍，視頻流通過以太網(wǎng)傳輸?shù)胶笈_處理系統(tǒng)，處理系統(tǒng)通過處理視頻識別出車輛的車型，然后根據(jù)車型從數(shù)據(jù)庫中查出相應的核載重量;同時，安裝在地面的動態(tài)稱重設備測出車輛的實際載重。兩個數(shù)據(jù)對比即可得出車輛是否超載。系統(tǒng)流程如圖1所示。
為了加快處理速率，在程序設計過程中多處使用了多線程并行處理。
1.2 OpenCV及其分類器介紹
傳統(tǒng)的圖像處理軟件大多為Matlab，用于開發(fā)算法最為快捷，但是其處理速度慢，難以跟上視頻處理的需求，所以選用了Intel牽頭開發(fā)的開源計算機視覺庫(OpenCV)。新版的OpenCV已經(jīng)在易用性上已經(jīng)接近Matlab，再加上其開源性，很多算法均已公開，加快了開發(fā)進程。另外，目前OpenCV已經(jīng)提供C，C++，Python等語言接口，且支持Windows，Linux，Android和IOS等主流平臺，資源相當豐富。對于計算機平臺，OpenCV支持多線程并行計算和圖形處理器(GPU)計算，這將能大大加快計算速率，用其開發(fā)本系統(tǒng)的demo是首選。
圖1 系統(tǒng)流程圖
為了從視頻流中識別出車型，需要使用分類器[1]。所謂分類器，是利用樣本的特征進行訓練，得到一個級聯(lián)分類器。分類器訓練完成后，就可以應用于目標檢測。分類器的級聯(lián)是指最終的分類器是有幾個簡單分類器級聯(lián)組成。每個特定的分類器所使用的特征用形狀、感興趣區(qū)域中的位置以及比例系數(shù)來定義(如圖2所示)。
圖2 特征分類
首先使用弱分類器分出貨車和客車等車型，然后再分出大中小型貨車，最后再精確分類，獲得準確的車型。新版本的OpenCV已經(jīng)支持多種特征的分類器，如SVM，LBP，PBM等。因為系統(tǒng)實時性要求較高，這里選取訓練和分類速率都較高的LBP特征分類器。
1.3 訓練分類器
使用分類器的需要首先訓練，即讓分類器“認識”目標，為了訓練分類器，需要準備樣本，樣本包括正樣本和負樣本。正樣本即包含目標的灰度圖片，而且每張圖片都要歸一化大小，負樣本則不要求歸一化，只需要比正樣本大即可(使得可以在負樣本中滑動窗口檢索)。
OpenCV提供了專門的工具opencv_createsample.exe用以整理訓練樣本的原始數(shù)據(jù)，只需準備好正、負樣本，歸一化然后轉(zhuǎn)成灰度圖，再使用兩個描述文件分別記錄這些樣本集合，然后輸入opencv_createsample.exe程序即可整理出原始數(shù)據(jù)。為了準備正樣本，借助OpenCV提供的HighGUI模塊，在此專門編寫了一個GUI截圖工具，界面如圖3所示。為了能從不同角度識別車輛，準本正樣本時需要準備從一定角度范圍描述車輛的樣本。
圖3 GUI截圖工具界面
接下來就是訓練分類器，這部分工作直接關(guān)系到系統(tǒng)的魯棒性。同樣，OpenCV提供了專門工具訓練分類器，既有舊版也有新版，為了有更多特性，在此選擇新版本的訓練程序opencv_traincascades.exe。
由于這是基于統(tǒng)計的方法，要對大量數(shù)據(jù)進行處理，如果選擇Haar特性，訓練周期會比較長，不利于系統(tǒng)的搭建，所以選擇用LBP特性訓練分類器。從機器性能方面考慮訓練時間，使用英特爾線程構(gòu)建模塊(TBB)重新編譯OpenCV，就能得到多核加速，且有利于接下來的程序性能。分類器分為三級，分別為：貨車、客車分類器，大、中、小型貨車分類器和具體車型分類器。由于客車按載客數(shù)區(qū)分是否超載，車輛總重不會對公路造成嚴重損壞，所以本系統(tǒng)無需對客車作出具體車型區(qū)分。但若然具體管理部門需要統(tǒng)計車型信息，可以進一步加上客車車型分類器。實際使用時，由于要應對車輛車身的噴漆變化或者小范圍合法改裝等情況，分類器的分類除了在系統(tǒng)籌建的時候大規(guī)模訓練外，在系統(tǒng)運行時也應繼續(xù)訓練分類器，增加統(tǒng)計數(shù)據(jù)，使得識別結(jié)果更加精確。
1.4 識別車型及獲得核定載重
訓練好分類器后，最直觀的測試方法是直接輸入測試視頻，檢查識別效果。新版本OpenCV提供一個C++類CascadeClassifier，該類封裝了基本的目標識別操作，使得只需要使用該類的實例加載訓練好的XML文件，然后逐幀檢測即可。若發(fā)現(xiàn)目標，結(jié)果將會存放在C++標準模板庫(STL)容器vector中。但直接對每幀圖像使用CascadeClassifier：：detectMultiScale方法將會大大加重系統(tǒng)的工作量并且在多車輛的情況下無法區(qū)分開各車輛，為此，首先需要發(fā)現(xiàn)車輛，然后區(qū)分不同的車輛目標，再對每一個目標單獨進行分類識別。
具體的主要操作的順序為：
(1) 系列的圖像預處理操作，降低圖像噪音。
(2) 圖像差分，發(fā)現(xiàn)車輛輪廓[2]，得到運動掩碼。圖像差分有兩種主要方式，分別是幀間差分和背景差分。幀間差分速度快，但容易產(chǎn)生空洞，且無法分離出緩慢運動的車輛;背景差分速度慢，但分離效果好?？紤]到如果車輛是緩慢進入測速區(qū)，則稱重數(shù)據(jù)可靠性高，而且沒有超速，進入識別點的效果好，所以選擇幀間差分，這里使用能有效減小前景空洞的三幀差分算法[2]。
(3) 結(jié)合運動掩碼更新歷史運動圖像、計算歷史運動圖像的梯度。
(4) 分割運動目標，得到一輛一輛的車，并跟蹤。為區(qū)分開圖像中的每一輛車，需要對其進行標記，這里使用的方法為：
[Mkx，y=ID ifMk-1x，y≠0&k-1≠10 ifMk-1x，y=0 ]
式中：Mk(x，y)為分割出來的單獨車輛目標的第k幀感興趣區(qū)域矩形。這種方法雖然魯棒性較好，但是因為重復計算量大，運算速度有限，所以在確定每輛車的ID后，使用OpenCV提供的更為快速的Camshift算法[3]繼續(xù)跟蹤。
(5) 計算每輛車的運動方向。這部分關(guān)系到運動目標篩選，在部分場合，攝像機的視野可能會涉及逆向車道。在這種情況下，可以通過篩選符合主要行駛方向的車輛來排除其他車輛或無關(guān)運動目標的干擾。
(6) 車輛進入測速區(qū)，開始測速。
(7) 車輛離開測速區(qū)，結(jié)束測速并計算速度。使用TBB進行并行分類識別車型。由于OpenCV新版矩陣結(jié)構(gòu)Mat的所有操作使用原子操作，大大減輕了多線程編程的工作量，所以這里使用多線程并行操作是最佳選擇。
(8) 根據(jù)所安裝動態(tài)稱重系統(tǒng)的車速要求，判斷是否需要引導車輛到檢測站進行檢查。
1.5 獲得實際載重
在視頻分析中發(fā)現(xiàn)車輛后，對比動態(tài)測重模塊中測得的實際載重。這里需要把應用場合分為兩種情況：高速測重和低速測重，至于高低速的閥值，這根據(jù)不同動態(tài)稱重系統(tǒng)的性能而定[4]，在系統(tǒng)安裝時根據(jù)動態(tài)稱重系統(tǒng)參數(shù)設置即可。由于目前高速測重技術(shù)的精度未達到作為證據(jù)的要求，所以在高速測重的場合，所得車重數(shù)據(jù)只能作為初步判斷，若初步發(fā)現(xiàn)車輛超載，需要進一步引導車輛到大型地磅再次靜態(tài)測量，并作其他處理。在低速測重場合，測得的動態(tài)數(shù)據(jù)可靠，可直接作為證據(jù)使用。所以系統(tǒng)的運行需要測速模塊的配合。 無論高速場合與低速場合，本系統(tǒng)都能實現(xiàn)視頻測速功能，可以直接用作超速抓拍系統(tǒng)，降低了公路部門的重復投入成本。
1.6 測速方法
測速測量車輛通過測速區(qū)所用的時間，然后用測速區(qū)長度除以時間而粗略估計得到。考慮到攝像機視域限制，設定的測速區(qū)域并不長，只有20 m左右，而且速度是用于參考載重信息是否有效的，所以無需太精確，因而可認為車輛是直線經(jīng)過測速區(qū)域的。測速區(qū)的長度需在系統(tǒng)安裝時手工進行長度映射。另外，確定通過測速區(qū)域的時間差使用幀率和幀計數(shù)得出，這樣在多線程處理的情況下，可以排除系統(tǒng)時鐘和處理速率的干擾，得出準確時間差。
2 測量結(jié)果
為快速測試系統(tǒng)性能，直接使用測試視頻替代攝像機輸入。使用微軟Visual Studio 2010 MFC + OpenCV 2.44 編寫一個即時處理程序，界面如圖4所示。
圖4 運行在Windows平臺上的系統(tǒng)
測試使用一臺Intel Core i5M處理器(主頻2.3 GHz+智能變頻技術(shù))、6 GB內(nèi)存、操作系統(tǒng)為Windows 7 64 b的普通筆記本計算機，測試代碼尚未使用圖形處理器(GPU)計算，但代碼在識別部分應用了TBB進行多核并行加速計算。
測試視頻共兩段，分別在兩個不同的場景拍攝，第一段只有一輛公交車，場景較為簡單;第二段則是多車多人環(huán)境，并且有車輛并行的情況，場景較為復雜，干擾較多。
第一段視頻主要用于測試系統(tǒng)的極限性能，在測試開始前，先用轉(zhuǎn)碼工具把同一段視頻轉(zhuǎn)成不同幀率和分辨率的幾段視頻，其中視頻的寬高比不變。輸入視頻測試后的結(jié)果如表1所示。
視頻原始長度為6 s，雙斜線為該場景的稱重和測速區(qū)域。
測試結(jié)果表明：系統(tǒng)能實時處理標清視頻流，但對高清視頻還需進一步優(yōu)化。
第二段視頻主要測試系統(tǒng)的車型識別能力，測試數(shù)據(jù)如圖5所示。
表1 輸入視頻測試后結(jié)果
圖5 多車并行時能夠準確區(qū)分
第二段視頻夾雜較多無關(guān)目標，如行人、抖動的樹枝橫向行駛的車輛等，其中雙白線之間區(qū)域為本場景的稱重測速區(qū)域。
通過測試，可以看出無關(guān)目標能被全部排除，體現(xiàn)了車輛篩選很好的魯棒性。視頻中共通過9輛汽車，所有車輛均本正確識別車型。
3 結(jié) 語
通過測試數(shù)據(jù)可以看出，本系統(tǒng)提出的車型識別算法能適應不同場景和一定的環(huán)境變化，具有較高的效率和魯棒性。隨著計算機及其他數(shù)字信號處理(DSP)設備的信息處理能力不斷提高，應用實時視頻處理技術(shù)促進智能交通的能力將更大更穩(wěn)定。若本系統(tǒng)能真正應用在智能交通系統(tǒng)上，有望對遏制道路超載超速現(xiàn)象做出貢獻。
參考文獻
[1] LIENHART Rainer， MAYDT Jochen. An extended set of Haar?like features for rapid object detection [J]. IEEE ICIP， 2002 (1)： 900?903.
[2] 徐衛(wèi)星，王蘭英，李秀娟.一種基于OpenCV實現(xiàn)的三幀差分運動目標檢測算法研究[J].計算機與數(shù)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] 張波，魯新光，鄧鐵六，等.動態(tài)車輛稱重物理模型與提高動態(tài)稱重準確度研究[J].計量學報，2009(5)：426?430.
[5] 唐雙發(fā).基于OpenCV的車輛視頻檢測技術(shù)研究[D].武漢：華中科技大學，2009.
[6] 詹群峰.基于OpenCV的視頻道路車輛檢測與跟蹤[D].廈門：廈門大學，2009.
[7] 郭旭，張麗杰.運動目標檢測視頻監(jiān)控軟件的設計與實現(xiàn)[J]. 計算機技術(shù)與發(fā)展，2010，20(8)：200?207.
[8] 周品，李曉東.Matlab數(shù)字圖像處理[M].北京：清華大學出版社，2012.
[9] 陳勝勇，劉盛.基于OpenCV的計算機視覺技術(shù)實現(xiàn)[M].北京：科學出版社，2008.
[10] 劉瑞禎，于仕琪.OpenCV教程基礎篇[M].北京：北京航空航天大學出版社，2007.
[11] 范伊紅，彭海云，張元.基于SVM 的車型識別系統(tǒng)的設計與實現(xiàn)[J].微計算機信息，2007，23(5)：296?297.
[12] 李慶忠，陳顯華，王立紅.一種視頻運動目標的檢測與識別方法[J].模式識別與人工智能，2006，19(2)：238?243.
[13] [美]REINDERS J， 聶雪軍. Intel Threading Building Blocks編程指南[M].北京：機械工業(yè)出版社，2009.
[14] 劉慧英，王小波.基于OpenCV的車輛輪廓檢測[J].科學技術(shù)與工程，2010，10(12)：2987?2991.
汽車科技論文篇二
汽車造型研究
摘要: 汽車造型的基本因素包括藝術(shù)、使用、材料技術(shù)、經(jīng)濟、市場等 5個因素。從汽車造型的藝術(shù)因素入手, 結(jié)合當下我國汽車設計概念和設計目標不夠明確, 導致很多汽車造型單調(diào)、乏味、缺少藝術(shù)特色的困惑, 探索、研究汽車造型的藝術(shù)因素。目的是使人們重視汽車造型藝術(shù)的存在與發(fā)展,提高現(xiàn)代汽車的設計水平與欣賞能力。
中圖分類號： U46 文獻標識碼： A 文章編號：
汽車的造型藝術(shù)在我國起步較晚,但發(fā)展很快。從汽車的市場銷售情況來看, 人們想車、 愛車、 買車、 用車, 都離不開對現(xiàn)代汽車造型的鑒賞能力。造型美的汽車會使你愛不釋手、 心情愉悅、賞心悅目。汽車的形狀與色彩美是其藝術(shù)造型的總和。汽車的美, 包括外表的美和內(nèi)在的美。汽車的形體協(xié)調(diào), 色彩適宜是構(gòu)成外形美的基本因素, 而工藝簡單合理, 結(jié)構(gòu)與形態(tài)的統(tǒng)一, 材料性能的發(fā)揮和空氣動力性能的提高, 各種新技術(shù)的采用, 又使汽車具有內(nèi)在美。如將兩者巧妙結(jié)合, 便可形成比較完美的汽車。
1、汽車造型的形體藝術(shù)
汽車造型的形體是由外形輪廓線的軌跡運動組成。各種汽車的造型設計源于不同汽車的時代性和使用功能的要求,不同種類汽車會塑造個性不同的形體。當汽車的形體映入眼簾時, 會使人們產(chǎn)生不同的性格特征和情感體驗。在設計中,通常應用直線和斜線反復來塑造汽車的車身,意在挺拔、 簡潔、明快之感。另一種則是選用曲線 \曲面來塑造形體, 通常給人柔和、 圓潤、 通透之感。實踐證明，垂線表達堅挺有力,水平線表示沉穩(wěn)安定。兩種設計方法都極具表現(xiàn)力,是形成汽車整體感與獨特個性的靈魂所在。
根據(jù)汽車造型對比，我們可清晰地透視出現(xiàn)代汽車造型的特點; 日本的汽車精巧玲瓏、 美國的汽車大方正平,德國的汽車穩(wěn)固、深沉、耐用。因此,研究汽車的造型風格, 應注意汽車的時代性、 民族性以及地域性。
1) 歐洲車的造型風格。由于歐洲汽車工業(yè)歷史悠久, 汽車的制造技術(shù)嫻熟。因此, 他們注重展示汽車的民族文化, 追求高品位的汽車風格和藝術(shù)成就。例如，技術(shù)精良、造型穩(wěn)重、舒適安全的德國車; 整車充滿了堅固與流動藝術(shù)特色的瑞典車; 華貴、高雅、傳統(tǒng)而保守的英國車;輕盈活潑、美觀浪漫、追求時尚的法國車; 絢麗多彩、熱情奔放的意大利車;粗曠、豪放、沉穩(wěn)的俄羅斯車。
2) 美國車的造型風格。整車造型多采用直線、斜線、并以棱線分明來型體，它具有堅硬挺拔的視覺沖擊力, 表現(xiàn)出灑脫而奔放、先進而充滿個性、夸張而富有想象的風格,體現(xiàn)了美國人熱情、寬容、勇于創(chuàng)新、追求先進、無拘無束的民族特點。同時美國車寬大的車身,給人以大平正方的視感效果。
3) 日本車的造型風格。日本車造型多選用弧面、曲線和小圓弧過渡來塑造型體。整車具有較強的親和力, 給人以親切、圓潤、和諧的視感。外形則顯得中庸有品位, 樸實無華而又節(jié)儉實用, 車身工藝精巧玲瓏而又細致入微,車身比例協(xié)調(diào)而又和諧統(tǒng)一 。
2、汽車的色彩設計
汽車的色彩有先聲奪人的魅力和感染力。它不僅能吸引人們的眼球, 增加購買欲望, 而且對于行車的安全性和舒適性起到了非常重要的作用。合理的色彩設計, 能對人的生理、心理產(chǎn)生良好的影響?？朔衿? 使人心情舒暢, 精力集中, 因而降低了工作的差錯率, 提高了工作效率。優(yōu)美的色彩設計能提高產(chǎn)品的外觀質(zhì)量和增強產(chǎn)品在市場上的競爭能力。
色彩首先能給人以深刻的視覺印象。通過對人在觀察物體時的感知特征的研究, 發(fā)現(xiàn)視覺神經(jīng)對于汽車造型三個基本要素 (色彩、形態(tài)、質(zhì)感 )中的色彩要求, 反映速度為最快,其次是形態(tài), 最后是質(zhì)感。汽車造型的色彩設計, 不同于繪畫作品和平面的視覺傳遞設計中的色彩設計。因為，它們必須追求作品豐富的色彩和光影效果, 以表達作者的情感, 并力求使觀賞者受到較大的感染。多年設計實踐證明:汽車的色彩設計應遵循實用、 經(jīng)濟、 美觀、 科學、 創(chuàng)新的原則來進行。
1) 實用性。汽車色彩應以汽車的用途、 種類來綜合考慮不同類型汽車的配色效果。例如, 消防車, 由于它的用途決定了車身的表面應涂以紅色。正如人們常說所謂 紅似火 。高級轎車應該采用較莊重的色彩,如黑、 灰、 深藍、 深綠色,能提高汽車的藝術(shù)價值和使用價值。例如, 新款 S - C l ass奔馳高級轎車, 就是采用深藍色調(diào),整車張顯出高雅、 穩(wěn)定、 華貴之感,被稱為傳承經(jīng)典、 耀世之作。
2) 經(jīng)濟性。設計師的出發(fā)點是努力提高汽車的生產(chǎn)率,控制汽車的造價, 以盡量少的錢, 收到良好的觀瞻效果。反對以虛假的裝飾和濫用高級材料來涂脂抹粉, 以達到美觀的目的。
3) 美觀性。汽車的色彩美, 是給人以視覺的享受。因此,要想選擇理想的汽車色彩, 必須了解人們對色彩的喜惡, 掌握各地區(qū)的地理條件與生活環(huán)境,使汽車的色彩與人們的視覺相吻合, 與自然環(huán)境相協(xié)調(diào),與民族文化相和諧。
4) 科學性。是設計師了解色彩的明度、 純度、 色相的變化規(guī)律, 掌握科學的配色方法, 在汽車色彩設計應用中的變化和創(chuàng)新過程。
5) 創(chuàng)新性。汽車色彩的不斷創(chuàng)新, 是很多設計者的追求,也是消費者的期盼。人們使用汽車、 欣賞汽車, 都力求汽車的色彩新穎、 獨特。這就要求設計師對汽車的色彩的處理, 必須跟上時代用色的步伐,不斷更新構(gòu)思,創(chuàng)造出符合人們審美要求的汽車色彩。
3、汽車造型的美學規(guī)律
汽車的形體設計、 色彩設計、 質(zhì)感效果都遵循著美學規(guī)律和形式美法則。這些美學規(guī)律是人們在長期的生活實踐中,不斷發(fā)現(xiàn)、 認識、 總結(jié)、 提煉出來的。它對汽車的審美價值、 審美標準起到了十分重要的作用。在汽車造型設計中通常運用的美學規(guī)律是: 變化與統(tǒng)一;比例與尺度; 過渡與呼應; 整體與局部; 流動與凝固;親和與沖擊; 奔放與空靈;發(fā)射與集成;類比與仿生; 濃重與淡雅;互動與寧靜; 通透與簡潔;華貴與樸實;虛擬與現(xiàn)實等 。
1) 變化與統(tǒng)一 。是美學規(guī)律中的一個重要規(guī)律。變化是指汽車整體中所含的各個部分在形式上的區(qū)別與差異性。例如, 汽車外形的整體, 是由前圍、 后圍、 側(cè)圍和頂棚組成。這幾部分從各自的形態(tài)、 功能要求、 結(jié)構(gòu)特點有著本質(zhì)的差異。每個部分都具有其自身獨特的元素,不可替代。把他們統(tǒng)一裝配在一起, 形成了整體的車身, 顯得統(tǒng)一協(xié)調(diào)。其各部分的特征形成了變化多樣的形態(tài),將其組合形成車身整體。使汽車形成了既有變化又有統(tǒng)一的視感效果。
2) 比例與尺度。在汽車造型設計中, 整體與局部之間均體現(xiàn)著不同的比例與尺度。好的汽車造型應具有恰當?shù)能嚿肀壤蛧栏竦某叽?。在汽車總布置設計中,應特別注意汽車的比例關(guān)系。遵守黃金分割率, 使汽車造型比例協(xié)調(diào)、 尺寸嚴謹、賦予視感 。反之, 就會造成視覺繁亂、 比例失調(diào)。如, 在現(xiàn)代汽車設計中, 曾出現(xiàn)過有的汽車頭短身長, 有的頭長身短,給人的視覺造成不舒服的感覺,人為地造成比例失調(diào)的不成功設計。
3) 過渡與呼應。過渡是指在事物中部分與部分之間的承接和連接, 起到橋梁或鋪墊作用。在汽車造型設計中, 過渡表現(xiàn)為車身線、 面、 體的過渡, 也可以表現(xiàn)為色彩漸變的過渡, 但最終目的是使設計達到相互協(xié)調(diào),相互和諧的造型效果。在造型的具體實施中, 主要是側(cè)圍與前圍、 后圍、 頂蓬的過渡。在過渡中運用柔和的線條,使形體平順、 光華。呼應是指視覺元素在某個方位上形、 色、 質(zhì)的相互聯(lián)系和位置的相互照應,使人在視覺印象上產(chǎn)生相互關(guān)聯(lián)的和諧統(tǒng)一感。在汽車造型設計中,主要是前風窗和后風窗的呼應、 前大燈和后尾燈的呼應、 前保險杠和后保險杠的呼應。前、 后、 左、 右 4個輪胎裝飾罩的呼應。車身各部分的呼應促成了結(jié)構(gòu)的完整與思維的互動。過渡是強調(diào)設計的巧妙性與合理性, 呼應是強調(diào)設計中的整體性。使車身整體與局部相互和諧,做到恰當?shù)暮魬c秩序條理的統(tǒng)一。
4、結(jié) 語
汽車造型涉及的因素較多。例如,技術(shù)因素、 市場因素、 經(jīng)濟因素等等, 是綜合知識的會聚點, 也是多學科相互滲透、 相互作用所構(gòu)成的汽車造型設計平臺。本研究僅就汽車造型的藝術(shù)因素進行研究和探索, 并對汽車造型的形體藝術(shù)、汽車的色彩設計、 汽車造型的質(zhì)感體驗、 汽車造型的美學規(guī)律進行了初步探討,力求引起設計界的廣為關(guān)注, 為我國汽車造型事業(yè)的發(fā)展作出努力和貢獻。
看了“汽車科技論文摘要”的人還看：
汽車科技論文摘要
