基于深度学习的自动驾驶技术综述

该文在行人检测技术方面介绍了基于卷积神经网络(CNN)模型的目标识别、检测技术与改进的区域卷积神经网络(R-CNN)、任务辅助卷积神经网络(TA-CNN)模型技术。在立体匹配技术方面简述了基于孪生网络的立体匹配的深度学习模型技术。在多传感器融合技术方面回顾了基于深度学习网络的视觉传感器、雷达传感器与摄像机传感器的多源数据融合技术。在汽车控制技术方面分析了基于卷积神经网络实现无人驾驶车辆端到端的横向与纵向控制技术。深度学习技术在自动驾驶领域的感知层、决策层与控制层的广泛运用,不断地提高感知、检测、决策与控制的准确率,并取得一定的成功,分析表明深度学习技术将加速自动驾驶技术的发展速度,为自动驾驶成为现实带来巨大的可能性。     

智能飞行汽车关键技术及发展趋势

城市立体交通是未来智慧出行发展的热点方向,近年来受到了广泛的关注.作为城市立体交通的载体,智能飞行汽车融合了飞机与汽车两种运动模态,能够灵活地在空中与地面进行切换.本文介绍了智能飞行汽车的背景、历史与现状,阐述了其与城市空中交通载具的区别,分析与讨论了飞行汽车的系统设计,并介绍了智能飞行汽车的关键技术创新,包括动力技术和机电总体设计、多模态切换、模块复用与飞车脑认知等.重点讨论了飞行汽车的智能化技术,包括近地感知、决策与规划、智能控制与智能通信系统的关键技术与瓶颈.最后,结合现有技术,对智能飞行汽车的技术进行了剖析,并讨论了潜在的解决方案与发展趋势.