智能车横向跟踪控制模式切换策略及评价方法

针对智能车横向跟踪控制算法传统切换策略中模型匹配策略总是处于激活状态,占用计算资源和运动平顺性变差的问题,设计了一种基于最小二乘支持向量机(least squares support vector machine,LSSVM)的控制模式切换策略,在不同工况下根据误差判断策略切换控制模式.从安全性、舒适性和跟踪精度3个方面构建控制效果评估函数,并根据多目标优化数学模型实时执行系统最优控制量.仿真试验结果表明:该切换策略能够保证智能车在不同工况下具有优秀的横向跟踪性能,路径跟踪偏差范围为±0.1 m,横摆角速度波动范围为±2(°)/s,jerk值的范围为±10 m/s^(3),与传统的单一控制算法相比,具有更好的跟踪精度、稳定性和舒适性.

基于圆弧样条参考路径的改进混合A^(*)泊车路径规划算法

在泊车空间狭窄的条件下,现有的基于混合A^(*)算法的泊车路径规划存在成功率低或规划速度慢等问题,为了解决这一问题,设计了一种改进混合A^(*)路径规划算法。通过将圆弧样条曲线作为参考路径,并以参考路径上的点作为混合A^(*)算法的目标点,进而搜索出成功泊入车库的路径。根据不同车位宽度进行了基于MATLAB的批量仿真测试,结果表明:改进后的混合A^(*)算法能够显著提高车辆在特定区域泊入车库的成功率,同时具有一定的规划效率。最后基于Prescan、Carsim和Simulink进行了联合仿真实验,验证了所设计算法规划的路径满足实车实验的跟踪要求。

基于记忆泊车场景的视觉SLAM算法

随着自动驾驶技术的发展,视觉同步建图与定位(SLAM)技术受到越来越多的关注。在记忆泊车场景中,需要对停车场场景建立先验地图,待汽车再次驶入相同的停车场时,使用视觉SLAM进行场景建图与定位。为使SLAM所建地图的鲁棒性更好、精度和效率更高,文中首先使用轻量化的深度学习算法改善传统特征提取算法在不同场景下鲁棒性较差的不足,用深度可分离卷积代替普通卷积结构,从而大大提升了特征提取效率;接着基于ResNet网络改进Patch-NetVLAD算法,并在MSLS数据集上对改进的残差网络和原始VGG网络进行重新训练,使用图像检索进行粗定位,挑选出候选图像帧,再通过精定位求解相机位姿,完成全局初始化的重定位;在此基础上,使用改进后的词袋算法重新训练不同停车场场景下的图像,将所有算法移植到OpenVSLAM架构中完成实际场景的建图与定位。实验结果表明,文中设计的视觉SLAM系统能够完成地上停车场、地下停车场以及室外半封闭园区道路等多场景的建图,平均纵向定位误差为8.42 cm,平均横向定位误差为8.30 cm,均达到工程要求。

基于道路模型与场景判断的目标筛选算法

为提高转弯、车道线缺失、超宽车道等场景下自适应巡航控制(ACC)跟车目标筛选的准确性,提出一种基于道路模型与场景判断的目标筛选算法。通过Ceres优化库建立优化问题,充分考虑自车历史轨迹、目标车历史轨迹、自车方向盘转角、车速、车道线、路沿等因素,分别配与不同权重,生成一条可用于ACC目标筛选基础的自车预行驶参考线。针对不同场景,以自车预行驶参考线为基准建立风险区,通过几何关系判断各目标位置点与危险区的相对位置关系,判断为跟车目标、切入、切出目标,尽早响应,提高驾乘体验及安全性。

基于车道信息的巡航目标选择方法

巡航目标选择是自适应巡航功能执行车辆控制的重要前提。文章提出一种基于车道信息的巡航目标选择方法。首先,利用多条参考轨迹对自车运行轨迹特征点进行融合滤波,基于最小二乘曲线拟合生成自车运行轨迹;其次,判断自车变道状态,并据此确定目标选择区域;最后,根据设置的目标选择策略,完成巡航目标选择。实验结果表明,文章提出的方法能够准确选择巡航目标,并在自车变道时更灵敏地实现巡航目标切换。

纯电动公交车驾驶行为对能耗的影响研究

为深入了解城市纯电动公交车驾驶特性及能耗规律,采集其自然驾驶数据,从运行工况、速度、加速度、踏板开度4个方面分析驾驶行为特征。其次,利用相关性分析寻找影响纯电动公交车能耗的因素,从速度、加速度、运行状态、典型工况4个方面分析驾驶行为对能耗的影响规律。分析结果表明,纯电动公交车能耗与速度呈U型变化曲线,与匀速工况占比呈线性负相关,与加减速工况占比呈二次函数关系;存在能量回收最大的加速度区间;典型工况能耗占公交循环总能耗的82.36%。最后,依据分析结论提出纯电动公交车节能驾驶建议,旨在指导公交车驾驶人降低行车能耗。

考虑速度模式的纯电动公交进出站生态驾驶策略

新能源汽车的大力推广给节能减排带来新机遇的同时,也突显出由于动力系统与传统燃油车存在差异,驾驶人延用传统燃油车的操作方式与驾驶习惯引起电动汽车能耗高的问题。为增加进站能量回收,减少出站能量消耗,本文考虑实际进出站速度模式建立进出站生态驾驶策略。首先,采集纯电动快速公交自然驾驶数据,分析其与燃油公交车的能量消耗差异性。其次,剖析实际进出站速度模式,并基于此分别建立5种考虑速度模式的进站减速策略和出站加速策略,对比能源消耗率分别确定进站和出站生态驾驶策略。之后,在基于速度模式生态驾驶策略的基础上,建立基于快速基因非支配排序的遗传算法(NSGA-Ⅱ)的生态驾驶策略。最后,利用3种驾驶风格下的实际进出站数据验证两种生态驾驶策略的节能效益。结果发现,基于速度模式和NSGA-Ⅱ的生态驾驶策略对耗能型、一般型和节能型这3种驾驶风格的节能率分别为17.04%/23.58%、14.76%/21.48%和5.78%/13.21%,提出的策略对于耗能型驾驶风格的节能率最高,其次为一般型,对节能型驾驶风格的节能率最低。基于NSGA-Ⅱ的策略比基于速度模式的策略节能7.89%。

基于多尺度混合注意力机制卷积神经网络的伦理决策模型设计

针对目前自动驾驶汽车伦理困境下很难做出确定、合理的决策,阻碍了自动驾驶技术的问题,设计了一种基于多尺度混合注意力机制卷积神经网络的自动驾驶汽车伦理决策模型。首先,依据卷积神经网络结构和功能以及伦理困境特点,设计卷积神经网络训练模型和参数,运用训练集中伦理困境对该训练模型进行训练,构建多尺度混合注意力机制卷积神经网络模型;然后,运用测试集中伦理困境对该卷积神经网络模型进行测试和验证。结果表明:多尺度卷积神经网络模型相对于传统卷积神经网络,准确率方面有了较大改进,加入注意力机制卷积神经网络模型相对于未加入模型,稳定性得到加强;多尺度混合注意力机制卷积神经网络模型的准确率和稳定性都较高,最高准确率达到了89%。

融合CBAM注意力机制与可变形卷积的车道线检测

为满足自动驾驶及汽车高级驾驶辅助系统(ADAS)对车道线检测准确性和实时性的要求,提出一种融合卷积块注意力机制(CBAM)与可变形卷积网络(DCN)的车道线检测方法CADCN。在特征提取模块中嵌入CBAM注意力机制,增强有用特征并抑制无用特征响应;引入可变形卷积替换常规卷积,用带偏移的采样学习车道线的几何形变,提高卷积核的建模能力;基于行锚分类思想,对行方向上的位置进行选择和分类分析,预测车道线的位置信息,提高车道线检测模型的实时性。在车道线公开数据集上对所提CADCN方法进行训练及验证,在满足实时性的情况下,CADCN方法在TuSimple数据集上准确率达到96.63%,在CULane数据集上综合评估指标F1平均值达到74.4%,验证了所提方法的有效性。

基于改进势场法的智能车超车动态路径规划

为了改进人工势场法(artificial potential field,APF)在智能车高速超车状态下规划出的轨迹规范性差、安全性得不到保障、以及路径不平滑的问题。设计用于指引智能车换道的换道引力势场,以保证换道轨迹的规范性;构建异向分布结构的障碍车斥力势场提高换道的安全性;并建立带有转向缺口的道路中心线斥力势场和设计平滑代价函数优化规划出的轨迹点,使规划出的路径更加平滑。基于线性二次型调节器(linear quadratic regulator,LQR)设计路径跟踪控制器跟踪规划出的路径。通过Simulink与Carsim联合仿真,结果表明:所改进的APF算法能规划出更加合理的路径,设计的LQR路径跟踪控制器跟踪误差趋近于零,能够较好地控制车辆完成超车换道。

基于注意力机制与线锚信息传递的车道线检测

车道线检测是自动驾驶领域的关键技术,目前仍面临较多挑战。车道线监督信号的稀疏性以及复杂场景下的遮挡、阴影等因素会影响检测的准确率与实时性。基于此,提出了一种融合CBAM注意力机制与线锚特征聚合模块的车道线检测模型,提出的算法在Tusimple和CULane数据集分别达到96.19%的准确率和76.24%的综合F1得分,通过实车测试表明,该算法检测帧率为67 fps,可以在复杂交通场景下进行实时检测,较好地解决了车道线遮挡问题。

基于压缩感知的疲劳驾驶脑电信号监测方法

脑电信号可用来有效地判断驾驶员是否疲劳驾驶,为减少驾驶人员驾驶过程中脑电信号的采集量,在信号采样端采用离散余弦基对驾驶员的脑电信号进行稀疏化,然后通过伯努利矩阵把稀疏的高维信号压缩采样成低维信号,最后在车上电脑端利用基追踪降噪法把压缩采样后的低维信号进行重构,还原出原脑电信号。在实验室进行模拟驾驶及脑电信号压缩采样的实验,结果表明,在压缩率小于80%时,重构后的脑电信号误差小于0.26,方法能保证疲劳监测系统所需的精确的脑电信号。

自适应时域模型预测控制的轨迹跟踪控制

为了提高自动驾驶车辆轨迹跟踪精度、稳定性和控制器对不同工况的自适应能力,提出了一种模糊自适应预测时域参数模型预测控制轨迹跟踪控制算法。建立车辆运动学模型与模型预测控制器,以实时车速和航向角偏差为模糊输入,通过模糊控制在线优化MPC的预测时域参数和Carsim/Simulink联合仿真,分别在沥青路面和雨雪路面对不同车速的轨迹跟踪控制仿真。仿真结果表明,车辆在沥青路面下,与固定预测时域参数MPC控制器相比,自适应时域MPC控制器纵向绝对偏差均值在低速和高速下分别降低63.16%、55.28%,有效提高了车辆轨迹跟踪精度。车辆在雨雪路面下,低速或中高速时自适应时域控制器最大质心侧偏角均在1°以内,确保车辆控制的鲁棒性。

有条件自动驾驶中接管请求的告警内容需求分析——基于访谈和问卷的调查研究

目的 调研在有条件的自动驾驶中,驾驶员在不同接管时间充足性、危险程度的接管场景中的告警信息内容需求和需求程度,形成告警内容框架。方法 采用桌面研究、专家、用户访谈的方式来搜集整理告警内容条目,随后通过线上问卷调研的方式,招募129名驾驶者(男61名;女68名),评估不同接管情景(时间充足性2*危险程度2)下对各告警内容的需求程度。结果 告警内容(F=5.138,P<.001,η_(p)^(2)=0.039)、时间充足性(F=13.042,P<0.001,η_(p)^(2)=0.092)、危险程度(F=14.679,P<0.001,η_(p)^(2)=0.103)主效应均显著。不论情境如何变化,对“不接管的后果”,“如果接管怎么应对”,“不接管车辆状态怎么变化”、“还有多长时间车辆状态将发生变化”的需求程度始终很高,其中对不接管后果的信息需求始终最高。在时间更紧迫、危险程度更高的情境下,对告警信息的需求程度均会显著增加。结论 从用户角度全面系统分析了对不同告警内容的需求程度,得出了“不接管的后果”,“如果接管怎么应对”,“不接管车辆状态怎么变化”、“还有多长时间车辆状态将发生变化”这四类在不同接管情境下需求程度始终较高的告警内容。

基于YOLO算法的非机动车辆检测模型

针对自动驾驶车辆目标检测过程中非机动车因体积小、易被遮挡而导致误检和漏检的问题,为提高非机动车的检测精度,对YOLOv4基础算法进行改进,利用跨阶段连接优化特征提取融合网络,在减少计算量的同时提高检测性能,并嵌入卷积块注意力模块(CBAM),通过通道和空间注意力权值分配来增大有效特征权重、提高检测精度,同时,利用自建的非机动车数据集,在锚框(Anchor)自适应匹配的基础上建立非机动车检测模型。最后,为验证模型的有效性,通过消融实验对比模型性能,结果表明,所提出的检测模型能够有效提高非机动车的检测和识别效果,较好地解决误检和漏检问题。

基于Qt和rviz的自动驾驶调试操作界面改进设计

针对自动驾驶系统调试过程中指令下发需求,提出一种基于Qt和rviz的操作界面改进设计。通过自定义指令面板和rviz图形化,实现指令的可视化输入;并关联rviz与指令消息,实现指令实时传递。经测试,界面改进效果良好,对类似界面开发有参考价值。

自动驾驶汽车横向控制方法研究综述

为实现精确、稳定的横向控制,提高车辆自主行驶的安全性和保障乘坐舒适性,综述了近年来自动驾驶汽车横向控制方法的最新进展,包括经典控制方法和基于深度学习的方法,讨论了各类方法的性能特点及在应用中的优缺点,并针对自动驾驶汽车横向控制方法的发展趋势进行了展望。

基于知识图谱的无人驾驶车辆目标检测研究现状及热点分析

随无人驾驶汽车智能等级不断提升,对目标检测精度的要求不断提高,有必要系统全面地梳理无人驾驶车辆目标检测领域的研究现状和前沿方向.本文利用知识图谱可视化软件Citespace在CNKI数据库中以“目标检测”&“车辆”为篇名进行文献检索分析,发现无人驾驶车辆目标检测研究热点主要聚焦于:基于人工智能辅助的智能车辆技术,基于深度学习算法的多元数据特征融合技术,基于点云数据目标检测图像深度补全技术,及基于深度学习算法的小目标检测技术.在分析研究热点的基础上通过“突现词”发现提升深度学习算法在复杂环境下低分辨率目标的适应性,及基于深度学习的自动驾驶技术数据轻量化、运算快速化和目标检索准确化是当前研究前沿问题.

公路货运危险驾驶行为智能预测技术研究

基于某省载货汽车历史行驶数据,提出了一种基于卷积神经网络-长短期记忆(CNN-LSTM)网络与自注意力机制的危险驾驶行为预测方法。针对载货汽车行驶数据量大、维度高、特征提取难度大、时序性强的特点,首先运用XG⁃Boost对特征进行筛选,接着利用卷积神经网络(CNN)进行空间特征提取,再运用长短期记忆(LSTM)网络捕捉驾驶行为的时序信息,最后通过自注意力机制对危险驾驶行为进行预测。试验结果表明,该方法相对其他长时间序列预测方法在某省公路货运驾驶数据上表现优异,识别准确率达到85.05%,加权平均召回率达到83%,F1分数(F1-Score)达到84%。

秦EV轿车无钥匙启动失效故障诊断与排除

随着新能源汽车的渗透率不断升高,售后维修的压力随之增大。文章以比亚迪秦EV为例,阐述了无钥匙进入系统和无钥匙启动的工作原理,引入秦EV无钥匙启动系统组合故障案例,在诊断过程中,从故障现象、故障原因分析、维修资料查阅、诊断测试、故障机理五个方面详细的介绍了组合故障的排除过程。结果表明,该诊断思路能够快速排除故障,提高效率,可为职业院校师生和售后维修从业人员在维修教学过程提供借鉴意义。