智能网联汽车公共道路测试与示范应用运行安全数据分析

1简介智能网联汽车已是我国汽车产业乃至制造业最重要的创新发展战略之一。随着国家各部委和地方的相关政策陆续出台,我国智能网联汽车的多阶段多层次政策法规体系正逐步完善,对智能网联汽车的人工智能、自动驾驶、车路协同等技术的健康发展进行引导和保障。

自动驾驶汽车测试用车载感知分析系统

针对自动驾驶汽车道路测试过程中缺少高效的环境智能感知与测试数据记录分析设备的问题,依据轻量化、高效化、均衡化原则,设计了一种自动驾驶汽车测试用车载感知分析系统。该系统具备了环境感知分析与数据记录两大功能,在自动驾驶道路测试安全性评估与违法违规行为监管方面发挥重要的作用。本系统感知分析模块采用纯视觉方案,主要用于本车位置与姿态估计、车道线检测、交通参与者检测,涉及了双目定位与地图构建同步(ORB_SLAM2_Stereo)、基于深度学习的三维车道线检测(Gen_LaneNet)及单目三维目标检测(RTM3D)等算法。系统数据记录模块引用ASAM OSI协议来确保数据的兼容性与复用性,同时采用谷歌Protocol Buffer数据交换格式进行数据存储与读取来减轻硬件资源开销,提高系统实时性。实际检测业务的应用效果表明,本文提出的系统能够满足自动驾驶检测机构或示范应用管理单位的测试和监管需求。

《机动车驾驶人考场检查智能终端通用技术要求》解读

1标准制定背景机动车驾驶人考场的验收、监督和考试前检查是规范机动车驾驶人考试的重要保障。《机动车驾驶人考场使用验收规范》《机动车驾驶人考场监督检查规范》等标准,分别规定了考场使用验收、考试前及监督检查要求。但是,由于缺少实施方法和检查工具,相关检查要求落实成效不佳,因验收检查、考前检查实施不到位导致的音视频监控缺失、场地标记物或标记线未及时清除等现象时有发生,在广泛应用社会考场进行驾驶人考试的情况下,管理风险进一步加大。

基于深度学习的控制器设计研究

深度学习目前在学术和工业领域中具有非常重要的地位,深度学习在特征提取与模型拟合方面存在相当的优势。对于存在高维数据的控制系统,引入深度学习具有一定的意义。论文介绍了使用深度学习算法来设计控制器,探索将深度学习应用于控制领域的情况。论文是通过让深度学习控制器来模拟控制领域中经典的PID控制器,来控制带负载的直流电机。用PID控制器的输入/输出用作深度学习控制器的训练数据集,训练了一个基于深度置信网络(DBN)算法的深度学习控制器,并对两种控制器进行了详细的比较,论文使用Matlab/Simlink进行了仿真,证明了深度学习控制器可以控制带负载的直流电机并且与PID控制器相比,控制效果良好。

自动驾驶汽车仿真测试技术实现

随着自动驾驶技术的不断成熟,部分高等级自动驾驶车辆已在各大示范区域内开展测试试用。为了加速自动驾驶汽车运行安全的测试验证进程,本文通过虚拟仿真的方式建立了自动驾驶系统软件在环测试平台,能够构建包含各种道路、交通流以及环境元素的场景,提供丰富的自动驾驶系统模块测试参数接口,并建立了系统感知层各传感器的仿真模型和道路各元素的运行模型,能够大幅减轻目前自动驾驶系统开发和测试过程中的各种成本压力,提高设计和验证的效率,为自动驾驶汽车的仿真测试提供解决方案。