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.     

视觉车辆识别迁移学习算法

针对采用大样本离线训练的车辆识别分类器在新场景中性能显著下降的问题,提出了一种具有样本自标注能力的车辆识别迁移学习算法,并采用概率神经网络(probability neural netw ork,PNN)进行分类器训练.首先,提出一种基于多细节先验信息的样本标注策略,融合复杂度、垂直平面和相对速度等先验信息实现新样本的自动标注;然后,充分利用PNN训练速度快以及增加新样本时只需分类器进行局部更新的特点,将其引入到分类器训练模型中,取代传统机器学习算法中的Adaboost分类器.实验结果表明:该算法在新场景下的新样本标注准确率高达99.76%.通过迁移学习,新场景的车辆识别分类器性能较通用分类器在检测率和误检率指标上均有显著提升.     

一种7DOF机械臂逆运动学解析算法及其应用

针对传统的基于雅可比矩阵最优解的数值方法对于有着冗余自由度的7自由度(7DOF)的机械臂逆运动学求解有着计算量大、只能求得单一解的不足,提出一种逆运动学的解析算法.在传统6维位姿矩阵的基础上,额外提出一个elbow angle 新约束,利用位姿目标矩阵和该elbow angle 共7维约束推导出7DOF机械臂逆运动学的...     

基于随机通信时滞补偿的混合动力汽车协调控制研究

为了改善功率分流式混合动力汽车模式切换品质,提出了一种基于随机通信时滞补偿的转矩协调控制策略.在一般的电机转矩补偿控制策略的基础上,为提高车辆协调控制系统的精度,揭示了不同通信网络时滞对于电机补偿控制稳定性的影响,提出了增设BP-Smith自适应补偿模块和电机转矩变化率限制模块构成的复合协调控制策略并进行了仿真验证,结果表明,该控制策略在受到随机网络延时的干扰下仍能保证系统的稳定性及模式切换的平顺性.