跟驰行驶状态下的驾驶模拟有效性研究

为验证驾驶模拟技术在跟驰行为研究中的有效性,设计了实车实验与驾驶模拟实验。选取了跟驰距离、跟驰距离标准差、车头时距及驾驶员反应延迟时间作为分析指标,并采用Wilcox检验、生存分析方法分别验证了非时间数据、时间数据的有效性。结果表明跟驰距离、车头时距、驾驶员反应延迟时间具备绝对有效性,两种不同实验环境下跟驰距离标准差随跟驰速度变化趋势相同,具备相对有效性。实车实验中,前车加速度、前后车相对距离、前车加速度变化状态显著影响驾驶员反应延迟时间。有效性分析结果为基于驾驶模拟实验的跟驰行为研究提供前提条件,生存分析结果可用于驾驶员反应延迟时间建模及跟驰模型优化。     

基于单目视觉的跟驰车辆车距测量方法

为了解决结构化道路上跟驰车辆的防追尾碰撞问题,首先在对车辆制动模型进行分析的基础上得到了车辆制动距离的计算公式,进而计算出跟驰车辆与前方车辆之间的安全距离.然后,从针孔模型摄像机成像的基本原理出发,推导出基于图像中车道线消失点的车距测量公式.车距测量结果只与图像中的近视场点到摄像机的实际距离有关,无需对所有的摄像机参数进行标定,从而解决了单目视觉车距测量问题.最后,完成了不同距离处前方车辆的车距测量试验.试验结果表明,该方法的车距测量相对误差小于3％,具备了较高的检测精度,能够满足跟驰车辆防追尾碰撞的应用要求.     

基于主被动传感器融合的车辆检测

为了检测车辆目标,提出了一种基于主被动传感器融合的车辆检测方法.将车辆检测分为假设和验证假设两个步骤,在假设阶段,通过被动传感器——毫米波雷达进行目标的检测与跟踪,在对雷达数据进行最邻近法聚类后,在多假设跟踪模型下,将观测目标集与通过卡尔曼滤波器预测的目标集进行数据关联,得到雷达目标.在验证假设阶段,首先通过新出现的雷达目标找出车辆可能存在的区域,然后通过训练好的分类器对这些区域进行验证得到最终的车辆目标.在实验室的无人自主车平台上,本系统在城市道路和乡村道路环境下进行了大量实验,结果表明本文的方法可以有效地检测并跟踪到车辆目标,得到目标的距离和速度信息,从而帮助自主平台实现更多功能.     

基于多传感器融合的路面车辆检测

为了高效地检测路面车辆目标,提出了一种基于毫米波雷达及视觉传感器融合的车辆检测方法.采用了底层的数据融合策略.在雷达数据通道,利用霍夫变换及切比雪夫定理排除非路面车辆目标点,生成稀疏概率图.在图像数据通道,结合稀疏概率图与图像底层特征,建立视觉显著模型并生成车辆显著图像.在显著图上利用过分割方法快速定位路面车辆的位置.本方法在结构化道路下进行了大量实验,结果表明:本方法有效的克服了基于视觉传感器的车辆检测方法对光照敏感的缺陷,相比于基于单一传感器的车辆检测方法,本文方法具有更高的精确度和鲁棒性.     

基于激光雷达与毫米波雷达融合的车辆目标检测算法

针对仅基于单一传感器的目标检测算法存在检测精度不足及基于图像与激光雷达的多传感器融合算法检测速度较慢等问题,提出一种基于激光雷达与毫米波雷达融合的车辆目标检测算法,该算法充分利用激光雷达点云的深度信息和毫米波雷达输出确定目标的优势,采用量纲一化方法对点云做预处理并利用处理后的点云生成特征图,融合毫米波雷达数据生成感兴趣区域,设计了多任务分类回归网络实现车辆目标检测.在Nuscenes大型数据集上进行训练验证.结果表明:检测精度可达60.52％,每帧点云检测耗时为35 ms,本算法能满足智能驾驶车辆对车辆目标检测的准确性和实时性要求.     

信号交叉口左转车辆跟驰行为建模

跟驰模型是交通流理论的核心内容之一,但左转车辆在交叉口转弯过程中跟驰行为的特征表现,尚缺少基于实际数据的深入研究。针对这个问题,设计了信号交叉口左转车辆跟驰实验,基于高精度全球定位系统(global positioning system,GPS)和移动地理信息系统采集车辆跟驰行为相关数据,分析了信号交叉口不同转弯半径下左转车辆跟驰速度时变规律及分布本征。在全速度差(full velocity difference,FVD)跟驰模型的基础上,考虑跟驰车驾驶员对前导车加、减速反应的非对称性,构建了改进的全速度差模型,并采用遗传算法对模型进行了参数标定。最后,以跟驰车加速度为检验指标,利用实测数据对改进的全速度差模型加、减速度过程的准确性进行了分析与评价。结果表明:信号交叉口左转跟驰车辆的平均运行速度与转弯半径成正相关;在不同转弯半径下跟驰车速度出现频数最高的数值随着转弯半径的增大而增大;改进的全速度差模型,能更好地描述交叉口左转车辆跟驰过程,驾驶员对前导车减速行为的反应比对加速行为的更强烈。     

基于改进YOLOv5s和传感器融合的目标检测定位

针对无人车环境感知过程中相机无法提供道路目标的位置信息,激光雷达点云稀疏以致检测方面难以达到很好效果的问题,提出一种通过融合两者信息进行目标检测和定位的方法。采用深度学习中YOLOv5s算法进行目标检测,通过联合标定进行相机与激光雷达外参的获取以转换传感器之间的坐标,使雷达点云数据能投影到相机图像数据中,得到检测目标的位置信息,最后进行实车验证。结果表明,所提算法能在搭载TX2嵌入式计算平台的无人车自动驾驶平台上拥有27.2 Hz的检测速度,并且在一段时间的检测环境中保持12.50%的漏检率和35.32 m的最远识别距离以及0.18 m的平均定位精度。将激光雷达和相机融合,可实现嵌入式系统下的道路目标检测定位,为嵌入式平台下环境感知系统的搭建提供了参考。     

基于三维雷达的非结构化路面识别

为解决非结构化路面条件下路面识别问题和提高障碍识别的准确性,采用IBEO LD-ML四线雷达设计出一套越野环境障碍识别系统,并根据系统提出一种障碍分块算法.应用角度和长度双阈值对已得数据进行归类并进行分块,提取出阻碍车辆正常行进的区块.通过实车试验验证整个系统的可靠性、算法的准确性和实用性,试验结果表明,该系统可以实时地提取障碍目标,为智能车辆在越野环境下行驶提供实时路面评价方法.     

基于多模态特征融合的无人驾驶系统车辆检测

针对无人驾驶系统环境感知中的车辆检测精度低的问题,本文提出一种基于多模态特征融合的三维车辆检测算法.该算法通过毫米波雷达与摄像机联合标定,匹配2个传感器间的坐标关系并减小采样误差;采用统计滤波剔除毫米波雷达数据冗余点,减少离群点干扰;构造多模态特征融合模块,利用逐像素平均融合点云与图像信息;加入特征金字塔提取融合后的高...     

电动小车自动变道环境感知系统

构建了电动小车自动变道环境感知系统.介绍了自动变道实车平台和转向系统结构改造方案,并设计了低成本、可靠的环境感知方案.对于同车道前车,采用加权融合算法对24 Ghz毫米波雷达和前视摄像头进行数据融合,通过实车采集,拟合了两种传感器在不同距离上的理想权重曲线,提高了环境感知的精度和稳定性.最后通过避障变道工况的试验,验证了自动变道环境感知系统的适用性.     

基于激光雷达和摄像机融合的智能车障碍物识别方法研究

针对智能车环境感知中单一传感器所存在的局限性问题,本文提出一种通过激光雷达融合摄像机来感应识别智能车前方障碍物的方法。首先,通过激光雷达与摄像机之间的校准,来实现目标的三维数据的图像投影,并进行视觉图像与目标的三维雷达数据的融合,以提取障碍物候选区域。其次,提出了一种基于卷积神经网络和SVM的障碍物识别模型,用于训练KITTI数据库中的数据,检测视觉图像中的行人和车辆目标,以此来得到所需要的单帧下各传感器的目标检测数据。实验结果表明,所提出的模型在KITTI中选择的小数据集上获得的模型在实际测试中具有良好的性能,具有可靠的识别能力和良好的分类结果。     

基于AM5708的智能多目标跟踪监控系统设计

监控系统的视频序列往往受到环境噪声、运动目标繁多和目标遮挡的影响,针对传统视频监控无法对人员实施有效检测、跟踪和计数的问题,设计一种基于ARM的智能多目标跟踪监控系统.从整体性角度阐述系统硬件设计方案和软件环境搭建.在算法实现方面,基于改进的自适应高斯混合模型和卡尔曼滤波实现了目标检测和跟踪,引入匈牙利算法进行数据关联来解决多目标跟踪的任务指派问题,同时利用检测目标和预测目标之间的欧式距离以及卡尔曼滤波解决了遮挡问题.实验结果表明,系统在场地和摄像头视角有限的情况下可以有效跟踪到6个运动目标,其平均处理能力保持在18帧/s.     

一种基于多传感器融合的车辆检测与跟踪方法

针对城市道路环境,提出了一种基于激光雷达和视觉的车辆检测与跟踪方法.首先,采用透视变换和多传感器联合标定,根据激光雷达数据生成包含车辆假设的兴趣区域,以提高车辆检测的可靠性和降低图像处理的计算量;然后,提出了一种基于多维特征空间马氏距离的车辆检测算法,通过提取兴趣区域内图像特征向量,并将其与标准向量间的马氏距离作为车辆状态估计;最后,采用Kalman滤波实现车辆运动跟踪.为了提高鲁棒性,将粒子滤波算法与Kalman滤波相结合,以在雷达信息不准确的情况下准确地实现目标状态估计.实验结果表明,该方法在城市环境中取得了比较理想的车辆跟踪效果.     

基于改进快速行进树的自主代客泊车路径规划

为了加速自主代客泊车系统落地，基于改进快速行进树算法提出了一种自主代客泊车路径规划方法.首先，采用类广度优先搜索策略建立环境地图的“路径场”，并提出一种高计算效率的避障检测策略，基于环境地图“路径场”提出一种符合汽车非完整约束的远端参考点和近端参考点选取原则与路径节点更新原则，通过使路径节点逐渐靠近目标节点来完成自主代客泊车引导路径规划任务. 其次，基于Dubins曲线规划满足初始泊车方位角任意性要求和泊车位方位角的非唯一性要求的泊车路径，引导汽车安全驶入泊车位.最后，仿真验证所提方法的可行性.结果表明：相对于传统的快速行进算法，所提方法规划的自主代客泊车路径满足汽车非完整约束要求，可以安全引导汽车完成自主代客泊车任务.     

基于MHT模型的毫米波雷达车辆检测方法

为了在智能车辆系统中检测前方车辆,该文提出了一种基于多假设跟踪(Multiplehypothesis tracking,MHT)模型的车辆检测方法。首先在多假设跟踪模型下,定义毫米波雷达量测集合与目标集合的对应关系,采用广义概率数据关联算法提取量测集合中的有效目标,从而得到有效目标集合。利用概率树模型估算目标的出现概率来维护检测的目标集合,保留稳定的检测结果。实验结果表明:该方法对于远近距离下和较差环境下黑夜灯光的前方车辆达到了准确的检测效果,克服了基于视觉的车辆检测方法对目标距离和环境光线敏感的缺点,同时在目标的保持维护上也取得了良好的效果。     

基于双目立体视觉系统的测量研究

为了实现摄像机与目标物体之间距离的信息,由双目测量原理,采取结合OpenCV与Matlab的方式,设计出一套关于双目测距的立体视觉系统;系统首先对双目摄像机的内外参数进行标定,从黑白格组成的标定板中获得角点信息,使用亚像素角点检测法对角点坐标信息进行更精确检测,在黑白格组成的标定板分别距离双目摄像机300、400、500、600、700mm处获取不同位置的标定图像,经过张正友标定法最终可以得到双目摄像机所需内外参数;其次通过BM(Block Matching)立体匹配算法在VS2017坏境与opencv3.4.7库配合下完成了摄像机的立体校正、立体匹配进而得到视差图;最后在实验中使用了双目摄像头,并编写了代码通过鼠标点击所得到的视差图获取对应的世界坐标来实现物距的测量;实验结果表明:被测物距离摄像头光心500~700mm这一范围时,实测距离和实际距离相对误差百分比在0.171% ~0.192%之间,且实测距离在2 950mm内实验误差小于5%满足实验精度要求。     

越野环境下基于四线激光雷达的障碍检测

为了完成越野环境中无人自主导航车的障碍检测任务，应用四线激光雷达，提出了1种新的障碍检测算法，该算法利用检测区域的坡度信息进行障碍检测，包括坐标变换、候选障碍点提取、候选障碍点聚类及点簇高度求取4个步骤。为了克服激光雷达检测盲区与抑止测量过程中干扰噪声的影响，运用了卡尔曼滤波算法对目标障碍进行了滤波处理。试验结果表明，障碍检测算法稳定可靠。