YRNet:一种基于混合神经网络的多目标车辆检测方法

随着汽车保有量屡创新高,为提高道路交通安全水平,以目标车辆检测为核心,设计了一种用于多目标车辆检测的融合神经网络。为解决多尺度车辆难以检测、计算量大的问题,在Yolov5基础上将Backbone部分采用的CSP-DarkNet替换成了CSP-ResNext,搭建了新的融合网络YRNet;针对训练与推理过程中Batch Norm方法随batchsize变化效果极其不稳定的问题,改进了Group Norm方法;针对更好的性能,在计算量未显著增加的前提下将LeakyReLU激活函数换成了Mish激活函数。最后在自己制作的数据集上进行实验,并且通过TensorRT模型加速部署到实际应用中,平均检测精度达到了95.8%,速度达到了66FPS,能很好地满足实际应用需要。

MS3D-Net:一种端到端的多传感器融合3D检测网络

随着自动驾驶技术的发展,对车辆环境的3D感知要求越来越高,而多传感器融合可以很好的满足这一要求。针对目前融合技术中存在的网络设计不系统、信息丢失过大和融合策略粗糙问题,本文设计了一种端到端的多传感器融合3D检测网络——MS3D-Net。为秉承系统设计理念找到最优的多模态融合层级,先提出了新的融合层次划分法,再基于Faster-Rcnn源架构的检测模型中通过控制变量法,找到了最适合的特征融合层级;为降低跨模态数据融合过程中的信息损失,设计了新的高维表示,并提出与之对应的融合方法3D-T;为提高融合策略的精细度,提高融合检测精度,受Long Short-Term Memory (LSTM)机制启发拓展设计了中晚期门控递归融合单元,同时为提升图像特征的提取效率,提出了CP卷积。最后在KITTI数据集上进行训练与验证,本文方法在提高检测精度的同时又保证了检测速度。

一种基于关键点的相机雷达联合标定方法

在当前的智能驾驶研发系统中,对道路目标的感知需求越来越高,很多时候需要相机与激光雷达进行联合感知,对传感器进行标定处理必不可少。针对一般的手眼联合标定方法精度误差大、操作繁琐的问题,提出一种基于标定板特征关键点的联合标定方法。首先,对采集的点云数据进行预处理,然后基于RANSCAC算法对标定板所在的平面进行拟合,进而确定出标定板的边缘和角点。通过空间点面的约束以及2D-3D的对应点的坐标转换关系,再利用优化算法求得外参。实验结果表明,所提出的方法可以精准地提取到2D和3D对应的特征点,相对于其他的联合标定方法,提高了标定的效率与精度。

一种基于可行驶区域的自动驾驶避撞方法研究

在自动驾驶技术普及的过程中,车辆与道路行人之间的避撞方法一直是人们关注的热点话题。本文将行人运动的不确定性、运动车辆对行人运动的影响等因素与熵的概念相结合,提出一种基于可行驶区域的自动驾驶避撞方法,以自定义的车辆可行驶区域与对应空间熵的计算为基础,再应用于车辆与行人之间的碰撞预测。首先,利用车辆自身传感器获取的信息数据,采用速度与路径规划叠加的方法来生成车辆备选的轨迹路线;其次,基于社会力模型与马尔可夫模型对行人位置进行预测,得到行人位置概率;最后,根据目标优化算法得到车辆行驶的最优轨迹,实现避撞。仿真实验表明,本文提出的基于可行驶区域的自动驾驶避撞方法在不同的行车工况下可以有效地与行人进行安全避撞交互,对于推动自动驾驶的发展、保障道路行人安全具有重要意义。

基于FSEC的电动车电磁兼容性提升与电路调试

随着电动汽车的发展,电磁兼容性和电路调试方面的问题日益突出。该文基于中国大学生电动方程式汽车大赛(FSEC),研究如何提高车辆的电磁兼容性。研究过程中按要求设计出整车理论电路,通过采集的传感器信号和接收的通信信号来分析出现故障的原因,解决问题并优化电路。研究发现,在整车通信线路上规范使用屏蔽双绞线、在严重电磁干扰区域使用CAN中继器,以及完善高压屏蔽均能有效提高整车电磁兼容性级别。实践证明,此方法既大幅提高了电动汽车的电路及运行稳定性、调试效率,又降低了调试中的零件损耗。