未来如何乘坐无人驾驶汽车

<正>自动驾驶汽车依靠人工智能、视觉计算、雷达、监控装置和全球定位系统协同合作,让电脑可以在没有任何人类主动的操作下,自动安全地操作机动车辆。未来我们甚至可以利用智能手机呼叫自动驾驶汽车来出行。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。集自动控制、体系结构、人工     

超声避障技术在轮式机器人导航中的应用研究

随着智能控制的发展,机器智能化成为大势所趋。其中轮式机器人是一种集环境感知、规划决策、多等级辅助驾驶等功能于一体的综合系统,它集中地运用了计算机技术、人工智能与自动控制技术、现代传感器技术、信息与通信等技术,是典型的高新技术的综合体。其中轮式机器人障碍物探测是机器人前进的前提。通过采用超声波探测原理,设计了轮式机器人障碍物探测系统。仿真和实验证明,该系统能够很好的探测轮式机器人前方的障碍物,为后续机器人的避障控制提供了重要依据。     

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。     

基于3D激光雷达的无人水面艇海上目标检测

无人水面艇(unmanned surface vehicle,USV)实现自主导航避障需要实时感知周围的环境信息,检测出威胁无人水面艇航行的障碍物,而3D激光雷达在无人系统障碍检测中起重要作用.提出了一种基于3D激光雷达的障碍检测算法,即将一个周期内的3D激光点云投影到2.5D栅格地图中,对障碍物进行聚类分割;对栅格中的原始点云数据进行特征提取,表示为椭圆障碍物.而多帧激光数据采用最近邻数据关联识别出其中的动态障碍物,并用卡尔曼滤波实时跟踪.基于电子海图的仿真激光数据验证了该方法在无人水面艇障碍检测中的有效性.     

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。     

无人驾驶车在越野环境中障碍身份识别

针对无人驾驶车越野条件下的环境感知问题,基于Dempster组合规则实现了障碍目标的身份识别.首先,基于CCD和激光传感器提取5个特征作为障碍物特征证据;然后,将传感器数据转换到证据空间,选用模糊插值法求取障碍物身份隶属度进而获取相关系数;再次选择经验公式,根据障碍物类型和环境加权系数计算基本概率赋值函数;最后,基于Dempster的组合规则求得融合后的总概率赋值函数,制定决策规则并识别障碍身份.实验结果表明基于D-S证据理论识别障碍物身份具有良好鲁棒性和实时性.     

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。     

高亮度铺装层对隧道中间段行车安全的影响

为研究高亮度铺装层对隧道中间段行车安全的影响,以路面反光效果和驾驶人视觉特性为基础设计了对比试验;通过不同光学仪器,测量3种高亮度铺装层的光学参数,研究其高亮度性能;通过照明计算软件和三维建模软件,制作了3种高亮度铺装层隧道内仿真驾驶视频;通过驾驶模拟器系统,采用眼动试验进行不同铺装层隧道内的模拟驾驶,收集驾驶人在不同铺装层隧道内驾驶的眼动数据,以相对安全距离、驾驶人对障碍物注视持续时间和驾驶人瞳孔直径作为生理和心理指标,研究驾驶人在高亮度铺装层隧道中间段驾驶的眼动特性;通过驾乘体验问卷调查,收集驾驶人在不同铺装层隧道内驾驶的主观感受,综合评价了3种高亮度铺装层对隧道中间段行车安全的影响。结果表明：高亮度铺装层具有良好的反光效果,钛白粉的掺加对高亮度铺装层的高亮度性能有较好提升作用,钛白粉掺量(质量分数,下同)为70%的高亮度铺装层A反光效果最佳,隧道中段行车安全性与铺装层的反光效果呈正相关,使用反光效果较好的高亮度铺装层有助于驾驶人在驾驶过程中更早发现障碍物、更容易辨别障碍物,有利于提高隧道中间段的行车安全性;隧道中段行车视觉舒适性与铺装层的反光效果呈负相关,使用高亮度铺装层后隧道内...     

多缩微智能车交互行为研究平台设计与实现

针对真实道路上开展智能汽车研究存在的风险和困难,提出了一种基于缩微城市道路环境的智能车交互行为研究平台. 该平台首先实现了具备视觉认知功能的缩微智能车,采用了一种基于特征和模型融合的嵌入式平台实时车道线和障碍物检测算法,通过本车可行驶区域的形式化描述,实现道路环境的感知,最后经过模糊决策控制方法控制缩微智能车产生拟人驾驶行为. 实验结果表明,文中提出的研究平台能够有效模拟智能车车间交互行为,环境感知算法和决策控制方法能够满足实时性和精度要求.     

基于势能场的大规模人群运动模拟

针对大规模人群运动模拟中计算效率较低、实时性较差的问题,提出一种在智能体模型中引入势能场的新方法.该方法主要运用势能场来构建环境模型场力图,智能体通过感知获取环境信息,并规划初步行动路线;利用场力图,智能体再进行避免碰撞的行为决策.实验仿真表明:势能场的引入使感知计算在障碍物生成时就进行,避免了运动过程中还须要对静态障碍物进行计算,实现了预先计算的控制机制,使得大规模人群运动模拟的帧速率有较大提高,在保证准确性的同时还能提高效率.     

汽车驾驶人感知-决策-校正行为模式

为了全面地了解汽车驾驶人在驾驶过程中的行为特性,对驾驶人操作行为的信息感知、轨迹决策和操作校正3个阶段的行为反应进行了分析,在不同通道宽度条件下进行了车辆行驶试验,记录驾驶人的眼睛运动、操作行为以及车辆的运行速度变化等数据。结合试验数据,对驾驶人第一次感知障碍物存在的位置、第一次采取制动措施的位置和3个操作阶段用时所占比例进行了对照分析。研究结果表明:随着通行条件逐渐困难,驾驶人用于信息感知的时间比例减少,而用于操作校正的时间比例增加。     

一种基于双目视觉的无人机自主导航系统

针对无人机实时自主导航问题,本文设计并实现了一种能自主感知未知室外环境,实时自动规划路径的旋翼无人机系统.首先利用双目视觉,使用经光束法平差(BA)优化的经典SLAM系统,ORB SLAM2算法获取无人机位姿信息;再以"推扫式"感知方法和改进的绝对误差和(SAD)算法获取环境信息和障碍物点.其次,结合无人机位姿信息与环境障碍物点生成局部障碍物地图,同时使用并行计算框架,提高系统性能.针对无人机系统实时性问题,设计的SAD算法只关注固定视差大小的像素块的稀疏匹配.最后,根据生成的当前局部环境障碍物地图与本地轨迹库,自主选择运动轨迹,有效自主规避障碍物,达到实时局部路径规划的效果.以上功能全部在无人机搭载的嵌入式处理器Nvidia Jetson TX2中完成处理.仿真与实际飞行实验表明:设计的系统基本实现无人机在未知室外场景下的实时自主感知与路径规划,在采集视频分辨率为1 280×720时,处理速度能达到60帧/s,为完善低成本无人机的避障与导航功能提供一种参考.     

面向不稳定障碍物的无人艇自主避障方法

为解决无人艇自主避障中感知系统测得的障碍物信息不稳定问题,提出一种符合国际海事避碰规则(COL-BEGS)面向不稳定障碍物的改进速度障碍算法(Improved Velocity Obstacle,IVO),算法利用最小会遇时间、距离自适应阈值来优化避障状态判断;使用滑动窗口以及前视视线解决无人艇因障碍物信息不稳定导致在进入和退出避障状态时的边界跳动问题;通过设置角度缓冲区降低了避障中避碰规则的频繁切换.最后,在自主开发的无人艇半物理仿真系统中与传统VO算法进行了对比,结果表明,IVO算法在边界判断和避障稳定性上较传统方法更有优势,证明了算法的有效性和可行性.     

激光数据聚类和Morphin算法下的机器人避障研究

为了解决移动机器人在未知环境下的避障问题,提出了一种从障碍物检测、预测到避撞的避障方法。设定圆形窗口作为机器人有效扫描区域,利用激光传感器采集到的数据结合聚类、匹配和分类算法确定障碍物类型和动态障碍物运动信息,绘制窗口内的动态局部地图来预测动态障碍物与机器人的碰撞关系,结合Morphin算法实现有效的避障。仿真实验表明,在该算法下移动机器人能够有效地检测出障碍物,进行碰撞预测,并做出合理地避障措施。     

自动驾驶汽车的碰撞安全性研究综述

【目的】探讨自动驾驶汽车的安全性。【方法】首先,通过分析国内外自动驾驶汽车安全研究的现状,并对其进行梳理和总结;然后,归纳自动驾驶无法避免碰撞的原因以及分析错综复杂的车内外环境,对自动驾驶汽车碰撞安全问题的应对策略进行讨论;最后,就自动驾驶汽车碰撞安全技术的提升做出展望。【结果】就目前而言,智能化技术仍然存在许多不成熟的地方,尤其是自动驾驶汽车的安全方面依旧有许多领域需要更多的研究与试验,比如自动驾驶的障碍物识别、路径规划、控制策略以及自动驾驶汽车的内部空间布局等。【结论】自动驾驶技术在汽车上的使用让人们拥有了更安全、更舒适的乘坐体验,研究人员应当牢牢围绕“以人为本”这个理念,关注人的需求,保护人的安全,并围绕该理念设计与发展智能化技术。     

一种新的考虑驾驶员疲劳的人机协同避障策略

人机协同驾驶系统在避障工况中， 针对驾驶员注意力不集中导致不能及时操控汽车的问题，设计一种考虑驾驶员特性的人机协同避障控制器. 以双驾双控人机共驾结构为基础，自动驾驶系统采用线性二次调节器（Linear Quadratic Regulator，LQR）控制车辆跟踪规划轨迹，基于最优预瞄侧向加速度建立驾驶员模型. 为了使驾驶权在避障过程中分配更加合理，使用驾驶模拟器采集疲劳驾驶数据训练BP神经网络来识别驾驶员疲劳操作行为，通过对空间碰撞危险度和驾驶员疲劳因子建模设计人机协同避障策略. 搭建Carsim、PreScan和 Simulink联合仿真平台进行高速工况下的避障仿真试验. 仿真结果表明，相较于传统方法，本文所提策略在静态障碍物避障过程中，侧向加速度、质心侧偏角和横摆角速度分别降低了8.9%、18.2%和11.1%，在动态障碍物避障过程中，相应的指标分别降低了51.5%、53.4%和50.6%，提高了车辆在避障过程中的稳定性.     

虚拟城市道路场景中的驾驶人应激感知反应时间特性

为了分析城市道路环境中驾驶人应激感知时间的影响因素,基于虚拟现实技术搭建了模拟驾驶平台。利用眼动仪对28名被试驾驶人进行了多种场景下的应激反应试验,获取了驾驶人在不同应激场景下的危险感知时间,并对驾驶人的危险感知时间进行了分析。结果表明:驾驶经验丰富的驾驶人应激感知时间要小于其他驾驶人,而中青年驾驶人的应激感知速度要快于其他年龄的驾驶人;随着车速的提高,驾驶人的应激感知时间相应的增加,且两者之间呈现较强的指数关系;基于驾驶经验、驾驶人年龄和车速,采用对数函数建立的驾驶人应激感知时间预测模型具有较高的精度,被试驾驶人实测感知时间落入到预测区间的比例达到96.2%。     

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。     

激光技术与科研成果转化

在我国,激光技术是60年代兴起的一门高新技术。30年代经过探索发展,现在已达到实用化阶段,正向产业化方向过渡。它广泛用于交通、电子、汽车、通讯、机械及军工等行业,特别是近10年来,通过"六五"、"七五"攻关发展更为迅速,促进了科学技术和生产的发展。促进科研成果尽快转化为商品,形成有中国特色的激光产业。激光技术是20世纪发展最快的技术之一,这是传统的光学所无法比拟的。它的发展与渗透带动了其它学科     

考虑行人避障行为的元胞自动机模型

在实际疏散过程中,行人会在障碍物前一段距离就采取绕行行为,从而造成在障碍物前方形成一个无人进入的"避让三角区",而在通过障碍物后,行人轨迹又会向内收束从而在障碍物后方形成"收束三角区"。而传统的离散模型无法模拟出行人的这一现象。针对此问题,考虑建立带有决策点的改进场域模型。模型引入决策点的概念,当该点触碰到障碍物后就会引导后方行人转向,从而再现行人绕行的现象。结果表明:当走廊内不存在空间障碍物时,决策点的临界距离设置不同,会使人群呈现梯形或拱形形状中的一种;而当走廊内存在空间障碍物时,人群的行走过程可以分为直线行走阶段、避让阶段、通过阶段、出口聚集阶段,模型的模拟结果可以还原出真人实验中所产生的"避让三角区"和"收束三角区"现象。