电光调Q脉冲串Nd∶YAG激光器研究

设计了一台高能量输出的电光调Q脉冲串Nd∶YAG激光器,可以对脉冲串重复频率、脉冲数目、脉冲间隔进行调节。重复频率1～10Hz,每一个脉冲串含有1～3个脉,其间隔大于200μs可调。采用平凸腔的结构,对一定重频下的热透镜效应进行补偿。典型的实验结果为:当重频为10Hz、脉冲间隔为548μs时,三脉冲最大输出能量608mJ,双脉冲最大能量输出405mJ,单脉冲最大输出能量为200mJ,其中单个脉冲的脉宽约为8ns,发散角为3.4mrad。

脉冲串输出人眼安全光学参量振荡器研究

提出一种基于光学参量振荡器(OPO)获得脉冲串输出1.57μm人眼安全激光的新方法,实现对脉冲串重复频率、脉冲数目及脉冲间隔的调节.分析了光学参量振荡器阈值特性,并对谐振腔进行了优化设计,获得了重复频率可调的脉冲串激光输出.每1个脉冲串含有3个子脉冲,各个子脉冲之间的间隔大于200μs可调.当脉冲间隔为236μs时,脉冲串最大输出能量158 mJ,其中单个脉冲的脉宽约为6 ns.光学参量振荡器的光-光转化效率为30.5%.

一种基于语义分割结果的车道线检测拟合方法

车道线等地面标志物的检测是自动驾驶车辆环境感知的重要内容,能够为车辆提供可行驶区域的信息。文章提出一种基于语义分割结果的车道线检测拟合方法。使用车载单目相机获取车辆行驶过程中采集的道路图像,送入卷积神经网络进行车道线语义分割。将分割得到的仅含车道线的二值图像进行透视变换得到鸟瞰图,筛选有效车道线像素点,对有效车道线点使用最小二乘法进行多项式拟合,输出左右车道线多项式拟合系数,能够有效解决传统车道线检测算法的环境适应性差,鲁棒性不强,对弯道车道线检测信息不够准确等问题。

汽车零部件发展分析

当下,随着汽车行业不断向智能化、电动化、网联化等方向发展,推动新能源汽车和智能网联汽车发展作为目前汽车行业发展的首要目标,势必会对传统汽车产业造成较大的冲击,迫使传统零部件产业做出改变。变则立,不变则面临淘汰。传统汽车零部件产业将会进行一次重大的变革,重组。通过对新能源汽车和智能网联汽车相关零部件产业、技术等现状进行分析,对比国内外现状,针对材料、装备、技术水平、工艺水平、企业管控能力方面与外资企业进行对比,找出薄弱点,攻之。

一种基于YOLOv3的深度学习视觉车辆检测方法

随着人工智能的迅速发展,无人驾驶成为当前汽车行业的主要研究方向之一,基于视觉的车辆检测成为了无人驾驶汽车技术中不可替代的一部分。文章基于单阶段检测算法YOLOv3提出了一种新的目标检测方法。首先在COCO数据集基础上制作增广数据集,并且标注轿车,卡车,摩托车和车轮等车辆特征,之后用得到的COCO数据集与增广数据集对YOLOv3的网络进行训练,得到新的目标检测模型后将检测实验结果进行对比。然后利用该网络结构对不同检测算法之间的检测结果进行对比。通过对比可知,文章提出的方法有效地提高了车辆特征提取的准确度,同时也提高了检测速度,增加了鲁棒性,有效地解决了无人驾驶环境感知模块检测精度低的问题,为无人驾驶决策模块提供精准的感知结果。

自动紧急制动系统控制策略仿真验证

为了在危险情况时辅助驾驶员实现纵向避撞或减小碰撞造成的伤害,文章提出了一种考虑实际制动过程与驾驶员制动行为的分级制动控制策略。通过试验得到相关参数,根据新车评价标准的AEB测试工况与评价指标,搭建测试场景并评价新车AEB功能。仿真结果表明,AEB控制策略在所有工况下都能达到新车评价规程中AEB功能的标准。提出的分级制动控制策略具有一定的参考价值。仿真模型可以方便地更改参数以适用于不同车辆,可作为新车评价AEB功能的仿真工具,减小试验成本,具有实用价值。

基于图像的道路语义分割检测方法

针对现有语义分割网络模型在道路语义分割方面检测精度低、计算量大等问题,基于BiSeNet V2网络模型进行优化改进,引入一种高效的通道注意力(efficient channel attention,ECA)模块,在BiSeNet V2的语义分支和细节分支的每个阶段末端分别加入ECA,得到ECA-Semantic-BiSeNet V2网络。使用实车采集道路图像数据进行标注并构建自采数据集,在Cityscapes数据集、KITTI数据集及自采数据集上分别对改进前后的网络模型进行试验验证。试验结果表明,与BiSeNet V2模型方法相比,本研究方法在Cityscapes数据集上MIoU提高14.01%,在KITTI数据集上MIoU提高1.86%,同时在BiSeNet V2的语义分支加入ECA后运算量增加0.02 GFlops的条件下,模型推理速度提高了7.82帧/s。