无人驾驶汽车避障方法探析

无人驾驶汽车是依靠车内以计算机系统为主的智能驾驶仪来实现无人驾驶的智能汽车,它是利用车载传感器来感知车辆周围环境,并根据感知所获得的道路、车辆位置和障碍物信息,控制车辆的转向和速度,从而使车辆能够安全、可靠地在道路上行驶。无人驾驶汽车对解决现存的交通驾驶问题和提升安全性具有重大的现实意义。国内外对无人驾驶车辆避障的研究成果,主要从对周围动态环境的探测、对路径轨迹的跟踪与预测以及行驶路径规划3个方面对避障过程进行分析研究,从而让未来的无人驾驶技术的发展更有无限可能性。     

自动驾驶背景下中国车载智能传感器产业发展安全建议

车载智能传感器作为自动驾驶感知层的关键硬件，在军事无人地面车载系统和民用车辆自动驾驶领域都有重要应用，严重关系到中国国防安全和工业化发展。近几年，来美国发布了芯片和软件相关的出口管制措施，严重影响了中国车载智能传感器的产业发展安全。目前自动驾驶正处在L2到L3级的过渡阶段，抓住这个技术过渡期有可能使中国车载智能传感器产业实现弯道超车，打破欧美国家在车载智能传感器领域的垄断地位。概述了自动驾驶背景下车载智能传感器的发展态势，详细分析了影响中国车载智能传感器产业发展安全的重大挑战，并提出了应对产业发展安全的相关建议。     

面向自动驾驶的驾驶环境视觉感知复杂度量化评估方法

为优选自动驾驶汽车开放测试、示范道路并支撑其驾驶环境的优化,提出面向自动驾驶的驾驶环境视觉感知复杂度量化评估方法。以百度街景地图作为驾驶环境数据源,运用脚本文件以及截图工具PicPick搭建自动化街景图像数据提取平台,并在不同区域、不同道路等级下采集上海市50条典型道路的驾驶环境数据;从行人、交通标志、交通标线、红绿灯、车辆5方面出发,构建驾驶环境要素感知平台,并开展感知精度的量化评估;在单要素感知准确率的基础上,采用熵权法确定多维感知要素权重,计算各道路综合感知准确率,并应用轮廓系数法与K-means++聚类算法进行视觉感知复杂度分级。结果表明,上海市典型道路的驾驶环境视觉感知复杂度分为三级,大部分道路的视觉感知复杂度属于2级;对比不同等级道路发现,支路的视觉感知复杂度总体上低于主干路。     

基于机器视觉的车辆自动驾驶模糊控制设计

针对车辆动力学控制系统所具有的强非线性特点提出了基于机器视觉的车辆自动驾驶模糊控制方案.采用Michael等人提出的车辆系统动力学模型,通过模糊控制规则的量化划分对车辆在道路上的运动进行了仿真.仿真的结果 显示,本方案可以很好地解决空旷道路上的车辆自动驾驶问题,并且该控制方法 可以保证车辆快速准确地在道路上安全高速行驶,具有很好的鲁棒性.     

探讨人工智能在汽车自动驾驶系统中的运用

随着现代科技的快速发展,各种新技术也随之发展起来,以人工智能为代表的新技术,在我国汽车领域得到了广泛运用。车辆自动驾驶是以计算机为核心,完成车辆自动驾驶。目前,车辆自动驾驶能够感知部分问题,其他问题还要依赖于人工智能技术。本文从车辆自动驾驶技术现状入手,对人工智能在汽车自动驾驶系统中的应用进行了深入分析。     

无人驾驶时代即将到来

"绿灯亮起,一辆无人驾驶的汽车缓缓起动,平稳地行驶在公路上,方向盘不时地自主转动,遇到施工障碍时自动绕开,前方有车时换道超车,行人穿越马路时自动减速避让……"这听起来像某个科幻电影中的片段,却在内蒙古自治区赤峰市翁牛特旗的公路上真实上演。国家自然科学基金委近日表示,我国自主研发的无人驾驶汽车201 5年将测试从北京行驶至深圳。技术先进好比机器人专家这样定义无人驾驶汽车:"是通过车载传感系统感知道路环境,自动规划行车路线并控制车辆到达预定目标的智能     

无人驾驶车辆何时才能"遍布街头"

<正>2019年,全国多地支持自动驾驶的热情持续高涨。天津、常州、长沙等地陆续为不同类型的自动驾驶车辆发放路测牌照,广东、武汉等地也相继发布智能网联汽车道路测试管理规定,为自动驾驶商业化提前铺路。无人驾驶车辆究竟何时才能真正"遍布街头"?     

车载自动语音识别系统设计

随着车载电子设备的蓬勃发展,驾驶过程中操作设备的危险性也日益提高,如何在驾驶过程中安全地使用设备也逐渐被提上议事日程.本文开发的车载自动语音识别系统可以很好地解决这一问题.本文采用单片机STC10L8XE和OMAP3530为核心处理器,语音识别专用芯片LD3320为语音识别模块,设计了一套车载自动语音识别系统,并对软件...     

浅谈汽车无人驾驶技术

无人驾驶系统通过计算机视觉感知外界环境,模拟人的意识、思维来实现汽车的自动行驶,主要包含一个由传感器组成的信息采集网络、高精度路况三维建模和路线规划模块、以及控制汽车行驶的控制器。信息采集网络收集汽车所处位置的周边信息,将这些信息构建出车辆周围环境的三维模型进行路况分析,再通过具有机器学习能力的控制器来规划路线和"驾驶"汽车。通过人工智能的使用,使汽车在处理驾驶路况时贴近于人的思维,实现智能驾驶。     

自动驾驶车辆路径跟踪控制方法研究

路径跟踪控制是自动驾驶车辆关键技术的一个重要环节,主要研究如何控制关键的参数使得自动驾驶车辆稳定无偏差地沿着已经规划好的路径行驶。本文介绍了常用的一些控制方法,并分析了其在自动驾驶汽车路径跟踪方面的研究应用,指出将多种算法相结合、改善模型动力学约束的完整性等会使路径跟踪的效果更精准的研究。     

基于车辆对道路不满意度的微观换道决策

自动驾驶汽车有着极大的应用潜力且高速公路环境下车辆变换车道是常见的行为。为进一步分析高速公路中自动驾驶汽车的微观换道决策,本文定义道路不满意度来表示车辆对行驶道路的不满意程度并将车辆换道意图的产生按本车是否达到目标车速而分为两类,当本车达到目标车速时为第一类,换道意图产生源于本车与前车间距的减小和本车相对于前车速度的增加。当本车未达到目标车速时为第二类,换道意图产生源于本车与前车间距的减小和本车达到目标车速时相对于前车移动距离的增大。针对不同类换道意图的产生机制,结合模糊推理设计道路不满意度算法。换道决策利用当前行驶车道和邻近车道的道路不满意度大小、安全跟车距离、换道安全距离来综合决定换道意图的发生。最后在MATLAB环境下搭建自动驾驶环境并仿真换道决策模型,结果显示本文相比其它换道决策,本文不仅考虑换道安全而且也考虑了目标车道和本车道的跟车安全,更具有实际意义。同时本文的模糊换道决策能兼顾安全性和智能性且适用于依目标车速定速巡航、为达到目标车速而加减速等多种复杂工况下的换道情况。     

考虑路面摩擦性能的自动驾驶汽车安全制动策略

针对现有自动驾驶研究大多忽略路面摩擦性能的问题,制备了5种不同级配的沥青混合料车辙板试件,基于Persson表面分形摩擦理论和轮胎?路面三维有限元模型,求解沥青路面的动摩擦系数和附着系数,表征其摩擦性能,并使用Matlab/Simulink软件建立自动驾驶汽车的动力学控制模块,根据车辆期望制动减速度和道路摩擦性能逆向反推求解轮缸的制动压力值,实现自动驾驶汽车的制动过程。使用CarSim软件和Matlab/Simulink进行联合仿真,设定了下坡制动和曲线制动工况,分析了纵向坡度、弯道半径和道路超高等影响因素对自动驾驶车辆制动效能的影响。     

一种基于混合现实的自动驾驶车辆测试方法

针对自动驾驶汽车在复杂环境下的安全性测试问题,提出一种基于混合现实的自动驾驶车辆测试方法。该方法将仿真环境中的虚拟场景映射到真实的测试环境,通过传感器和数据融合快速收集自动驾驶测试车的智能感知和行为决策等性能指标,然后基于混合现实测试场景、控制中心、测试车辆构建闭环测试系统。通过案例验证,说明该方法可满足在多种场景下自动驾驶车辆的测试要求。     

汽车自适应远光灯系统的研究

随着车辆的迅速普及,驾驶安全问题也日益凸显,其中远光灯对驾驶员的影响已成为夜间影响驾驶安全的重要原因之一。本文讨论了一种基于LED光源的自适应远光灯系统,该系统将远光灯分成了多个光学区域,每个光学区域可以单独控制亮灭,配合能够实时识别前方车辆的车载摄像头,一旦侦测到前方车辆进入远光灯照射范围,其对应的光学区域便会自动熄灭以保证前方车辆驾驶员不受远光灯干扰。     

基于DSP的自动驾驶系统硬件体系的设计与算法研究

提出了一种以DSP为主要运算设备的汽车自动驾驶智能控制系统,并对硬件体系和图像分析算法进行了研究.对汽车自动驾驶系统的硬件结构进行了设计,采用车载PC和DSP—PCI卡的形式进行构建,并在该硬件结构基础上完成了算法的设计.对传感器采集到的数字图像信号进行灰度化、去噪、二值化、边界提取等处理后得到符合判断算法条件的图像.应用模式识别技术与GPS技术的结合,对图像中的车道、道路上的障碍、其他车辆、交通指示标志等物体进行识别和判断,并对下一步动作作出正确判断.对于前后方车辆和障碍物等采用激光雷达进行测距.     

自动驾驶机器人关键技术及应用

 自动驾驶机器人可代替驾驶员进行可靠性、危险性和高精度的车辆道路试验。以一款自主开发的自动驾驶机器人为研究对象,介绍自动驾驶机器人功能和结构,分析自动驾驶机器人的关键技术,开发自动驾驶机器人在车辆道路测试试验、车道保持、跟车、换道和远程驾驶方面的应用。     

车载红外图像彩色化的立体感实现方法

对车载红外图像进行具有空间立体感的彩色化处理可以改善车载红外图像的理解效果,更好地辅助驾驶.首先用基于遗传算法优化BP神经网络模型的单目红外图像深度估计方法获取单幅红外图像中的景物深度,然后用深度信息调制彩色化后的红外图像的饱和度,利用透视学中饱和度变化来区分表达景物的深度,得到视觉上有空间立体感的彩色车载红外图像.试验结果显示饱和度调制后的彩色车载红外图像具有视觉上的空间立体感,有助于环境感知和安全驾驶.     

基于行程时间的驾驶风格贝叶斯决策树动态识别

驾驶风格是驾驶员对实际交通状况的态度和决策偏好,反映了驾驶员在车辆操作和运行期间的行为表现,驾驶员行为风格直接影响汽车安全预警系统的报警准确率.本文从汽车安全预警系统的研究角度出发,以驾驶风格为研究对象,利用GP S实时捕获的行程时间作为特征参数,建立基于贝叶斯决策树的汽车驾驶风格动态辨识模型;通过心理测试、实车实验以...     

基于可达集的车辆躲避策略及安全性验证

针对目前传统算法在安全性验证中置信水平较低的问题,将自主车辆在道路上的行为视为混合系统,提出以道路边界为约束条件的安全区域可达集建模方法。在此基础上建立安全等级评判标准,给出自主车辆道路行为的哈密顿雅可比方程;提出自主车辆避障问题的最优控制方法。结果表明,该方法不仅可以应用于自动驾驶车辆的安全性验证,还能够对手动驾驶的危险行为进行预警和规避,增加了车辆安全性验证的置信度。     

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。