智能底盘辅助驾驶系统控制精度测试验证及分析

为验证自动驾驶车辆智能底盘辅助驾驶系统的协调性、准确性和自动驾驶功能运行的流畅性,提出一种智能底盘辅助驾驶系统控制精度和稳定性测试方法,首先使用CANoe检测了某集成模块化智能底盘的通信协议,然后进行实车协同控制算法功能及性能测试验证,最后开展了直线行驶速度、转弯、转向系统、制动等控制精度测试。结果表明,该智能底盘能够实现±1 km/h的速度控制精度,可正常制动、避障绕行,且转向误差在1°以内,进一步验证了所提出方法的可行性。

基于InfluxDB的自动驾驶智慧货运平台的构建及应用

随着物联网、大数据技术的发展,利用物联网系统有助于执行自动化任务,实现对远程实时监控及车辆运输过程可视化,从而加快复杂场景中的决策。文中研究搭建了一套基于InfluxDB时间序列数据库,用于在自动驾驶智慧货运平台的真实场景中进行监控和分析。选择InfluxDB数据库,克服使用传统关系型数据库的实时性弱点,也便于公共和私人利益相关者之间应用可访问性和互操作性。通过InfluxDB技术对黑龙江阿穆尔河大桥进行数字化仿真模拟,检测车辆位置信息和运输状态,实现车辆运输过程可视化。自动驾驶智慧货运展示大屏能够实现车端数据的可视化展示,展示车载摄像头拍摄画面,实现远程监控,旨在对自动驾驶车辆行驶状态进行实时监测,并掌握货运运营情况。

基于深度相机的ORB-SLAM2在矿井救援空间构建应用

矿井在发生安全事故时,由于井下空间条件不确定,救援人员很难到达矿井地下.为了解决这一问题,搭建可实现空间构建且能适应潮湿、粉尘等环境的小型轻量化矿井救援机器人,以获取矿井非现场物理空间信息.选择基于深度相机的ORB-SLAM2作为实时框架,框架由图像预处理、跟踪、局部建图、闭环组成.在图像预处理中,通过图像金字塔、灰度质心法实现ORB特征的旋转和尺度不变性.在跟踪线程中,通过基于参考关键帧方法、恒速关键帧方法、重定位方法进行粗糙跟踪,再通过局部地图跟踪进行精确跟踪,估计关键帧的位姿姿态.在局部线程中,进行插入和剔除冗余关键帧,通过共视图方法生成更多的地图点.在闭环线程中,检测是否存在相同信息,通过sim3相似变换进行闭环校正.使用TUM数据集对算法进行仿真测试,采用EVO测试RMSE误差在0.004~0.043 m范围内,定位精度可达到厘米级.借助矿井救援机器人试验平台,利用结构光相机的ORB-SLAM2的方法生成真实空间三维模型,对空间构建效果进行研究与应用,为矿山救援井下智能巡检装备提供方法.

基于车路云协同的智能网联汽车研究态势

智能网联车路云协同对中国智能汽车交通产业融合发展具有重要意义。为提升智能网联汽车的应用和运营标准,并提升智能辅助驾驶系统的技术落地,通过聚焦智能网联车路云协同系统框架以及应用架构的工作原理,重点分析车辆的无线通信技术、融合与定位、测试与评价技术的车路云关键技术方面的研究态势。分析结果表明,智能网联汽车需要新型的“人-车-路-云”框架来实现从单车智能到车路云协同技术的发展,并且云协同控制模型等方面亟需取得突破。研究结果有利于推进车路云协同的智能网联汽车研究,推进智能网联创新变革并提供技术参考和发展方向。

基于SENet和DenseNet的充填管道磨损声音识别

针对矿山充填管道磨损缺陷检测存在的人工检测困难和检测成本高等问题,提出了一种融合SENet的密集连接卷积神经网络模型(SE_DenseNet),可实现充填管道不同磨损程度的远程快速识别。首先通过完全集合经验模态分解(CEEMDAN),对与原信号相关性较高的分量进行重构;之后,使用短时傅里叶变换,形成声谱图;将声信号识别问题转化为图像识别问题;并将声谱图输入到DenseNet网络模型,通过特征重用,融合通道注意力机制SENet,增强特征信息,实现对充填管道磨损声信号的准确声音识别。结果表明:SE_DenseNet的识别准确率可达到97.368%。相比同类深层基线网络模型ResNet101和基线DenseNet121而言,该网络模型泛化能力及识别准确率有所提升,在模型参数数量上有所下降,实现更快收敛。SE_DenseNet的上述优势可被应用于类似的固液两相流输送管道无损检测领域。

基于ADAS实验平台的车辆紧急制动AEB路测研究

为了使智能驾驶车辆对目标物具有避撞功能,根据目标物与汽车相对运动关系制定避撞策略,以提升驾驶员对AEB系统的满意度,提出了一种基于ADAS实验平台的车辆紧急制动AEB路测方法。AEB系统是一种主动安全技术,通过自动制动避免或减缓碰撞的发生,AEB系统也应用在ADAS车辆测试路测方法研究上。基于ADAS平台根据目标物与汽车相对运动关系提出一种驾驶员特征的紧急制动策略,在策略中融合一种驾驶员特征的安全距离模型,提升驾驶员对ADAS车辆的AEB系统的满意度。使用搭载ADAS系统的ATP VRU的硬件实验样机进行试验分析,参照C-NCAP相关试验场景车辆AEB系统测试。结果表明:模型侧向和纵向误差满足工况路测标准。

基于手眼模型的自动驾驶毫米波和激光雷达联合标定研究

为了提高自动驾驶汽车传感器的校准质量,增强自动驾驶系统对目标的精准感知能力,提出了基于手眼模型的毫米波和激光雷达联合标定方法。首先,利用毫米波雷达的内在结构特征建立数学模型,对毫米波和激光雷达传感器的外部参数进行精确计算,确保在统一的世界坐标系中。然后利用手眼模型作为融合分析的基础,实现了毫米波和激光雷达的联合标定。最后,在自动驾驶小巴车平台上进行了标定试验,利用该标定系统得到标定结果的三维位姿关系,并验证了自动驾驶小巴车传感器数据的准确性。研究结果表明,该方法测距误差均值为0.01 m左右,传感器旋转角度可以精确到1°左右,可以满足汽车自动驾驶系统中雷达感知精度的要求。

线控底盘和智能驾驶整车一体化检测线研究与展望

伴随汽车行业技术的迅速迭代更新,线控底盘与智能驾驶已成为主机厂争夺的重点,为了保证车辆在生产阶段符合功能开发要求,提出新型整车一体化检测线的技术方案,本文阐述该方案布局及线控底盘整车一体化检测功能设计方案,确保智能驾驶整车生产符合功能性设计研发要求。

基于ADAMS/Car软件的乘用车前悬架K&C特性研究

为了提高车辆的悬架K&C特性以及操纵稳定性,常见的方式就是通过更改悬架硬点来改变K特性和更改弹性件动静刚度来改变C特性。悬架在汽车底盘中起着举足轻重的作用,在乘用车的操纵稳定性方面要求达到更高的标准。本文选取一款乘用车作为研究对象,针对前悬架K&C特性和整车操纵稳定性展开分析与研究,以ADAMS/Car为平台,建立乘用车前悬架系统的刚体模型,更改乘用车前悬架参数,也就是硬点修改后车辆悬架K特性变化情况,最后对前悬架模型和刚体模型进行运动学仿真分析,通过分析侧倾中心、轮距、车轮外倾角、前束角、主销内倾角、主销后倾角性能参数在乘用车前悬架运动过程中的变化规律,为悬架设计人员和维修保养人员提供借鉴。

基于双滚筒转毂的线控制动性能测试系统设计及验证

以智能驾驶为目标的车辆安全性能,特别是车辆制动性能日益受到关注。文章研究一种更接近真实的前后轮双滚筒转毂试验平台,此装置能够模拟出车辆在实际运行过程中的情况,达到精确测试智能驾驶车辆制动性能目的。在此基础上,基于前后轮双滚筒转毂试验台检测原理,对双滚筒转毂制动试验台测试系统进行设计,本试验系统能够对车辆制动性能进行自动评估,只需试验人员根据系统指示将车辆开到试验用双滚筒转毂试验台上并踩下制动器即可获得车辆制动性能试验结果。文章分析了速度阶跃信号、制动压力阶跃信号、建压速度持续时间等参数,经过试验和数据分析得知:双滚筒转毂制动试验台更接近于实际使用路况,通过车辆信号周期、最大延迟时间和制动压力建压速度等测试结果能较真实地反映车辆制动性能。

绿色设计理念在机械设计制造中的应用

在我国工业化进程的不断向前,综合国力在不断上升的同时,环境问题也日益显现。绿色环保的理念早已深入人心。机械设计制造对推动我国工业化的发展有巨大作用。为了确保其正确与稳定的发展,就必须要将绿色理念融入其中。本文将先简要介绍绿色理念,并阐述绿色理念在机械设计制造中应用的优势,最后就该理念在机械设计制造中的应用做解析。

集成PCA和LSTM神经网络的浸润线预测方法

为预防尾矿库溃坝事故,挖掘尾矿库在线监测系统的有效信息,提高浸润线预测精度,构建基于主成分分析(PCA)和长短期记忆(LSTM)神经网络的浸润线预测模型;以陈坑尾矿库为例,引入皮尔森(Pearson)相关系数和变量组合法,确定模型输入为预测前3天的待测点浸润线位置、相邻周边2点浸润线位置、库水位、坝体纵向位移和降雨量等18个特征量;利用PCA消除输入变量间的数据冗余,并采用LSTM神经网络预测未来3天的浸润线位置。结果表明:基于PCA和LSTM神经网络的浸润线预测方法具有较高的预测精度,平均绝对误差为0. 011,决策系数为0. 805,且能实现不同降雨工况下尾矿库浸润线的稳定预测。

深度学习方法在二维人体姿态估计的研究进展

人体姿态估计的任务是对图像或视频中的人体关键点进行定位和检测,其一直是计算机视觉领域的热点研究方向之一,也是计算机理解人类行为动作的关键一步。近年来,图像和视频中的二维人体姿态关键点预测在许多领域有着广泛的应用,二维人体姿态估计利用深度学习强大的图像特征提取能力,提升了其鲁棒性、准确性并缩短了处理时间,而且表现效果远超传统方法。根据二维人体姿态研究对象数量的不同,可将其分为单人以及多人姿态估计方法。针对单人姿态估计,根据提取到的关键点表示的不同,可采用基于直接预测人体坐标点的坐标回归方法,以及预测人体关键点高斯分布的基于热图的检测方法;针对多人姿态估计,可采用的方法分为解决多人到单人过程的自顶向下方法,以及直接处理多人关键点的自底向上方法。根据现有的人体姿态估计方法对其进行总结,说明网络结构的内部机制及执行过程,并对常用的数据集、评价指标进行分析,最后阐述当前面临的问题及未来发展趋势。

基于双里程计传感器融合的SLAM建图研究

在自动驾驶车辆研究领域中,SLAM车辆感知是热点研究领域之一,SLAM根据里程计类型可分为以视觉为主和以激光为主。两者本质上都以实现位姿估计和地图构建为目的,激光里程计主要是构建点云地图比较直观,视觉里程计构建的是稀疏视觉特征的地图。本文提出紧耦合双里程计传感器融合的SLAM框架,以完成实时状态估计和地图构建,并且具有高精度和鲁棒性。该方法可以有效地解决传统基于视觉或激光算法或者视觉和激光单一松耦合中累积误差的问题,框架融合了视觉与激光惯性的各自优点而形成两个子系统,这两个子系统采用紧密耦合方式进行设计,构成一个完整的系统。实验通过Ouster数据集评估绝对轨迹整体误差,并且该方法在自动驾驶接驳车中的应用表现出较高的精度。

智能网联汽车云技术研究现状与发展

目前我国汽车市场已经进入高速发展阶段,汽车企业需要积极推进智能网联汽车产业的发展,以满足日益增长的用户需求。汽车云技术是推动智能网联汽车发展的关键。使用该技术可以实现高级自动驾驶,从而提高智能交通的安全性并优化交通流量。本文旨在探究云计算对智能网联汽车的革新发展的影响,从汽车云技术的基本概况及特点入手,重点探讨了汽车云服务主流技术方向,以及包括车联网数据、车联网安全和自动驾驶云服务等技术的现状水平。最后,本文提出了智能网联汽车云技术面临的挑战,给出了相关建议。