基于动作条件交互的高效行人过街意图预测

城市化的进程不断加速,人车冲突问题已成为现代社会亟待解决的重大难题。复杂交通场景下,行人横穿马路行为导致交通事故频发,准确、实时地预测行人过街意图对避免人车冲突、提高驾驶安全系数和保障行人安全至关重要。本文提出基于动作条件交互的高效行人过街意图预测框架(efficient action-conditioned interaction pedestrian crossing intention anticipation framework,EAIPF)来预测行人过街意图。EAIPF引入行人动作编码模块增强多模态动作模式下的表征能力,挖掘深层骨架上下文信息。同时,引入场景对象交互模块挖掘与对象交互信息,理解交通场景中高级语义线索。最后,意图预测模块融合行人动作特征和对象交互特征,实现行人过街意图的鲁棒预测。所提出的方法在两个公共数据集JAAD和PIE上验证算法性能,准确率分别达到了89%和90%,表明本文方法可以在复杂交通场景下准确预测行人穿越意图。

不确定性环境下的自动驾驶汽车行为决策方法

在真实驾驶环境中,由于感知数据的噪声和其他交通参与者难以预测的行为意图,自动驾驶汽车如何在高度交互的复杂驾驶环境中考虑不确定性因素的影响,做出合理的决策,是当前决策规划系统须解决的主要问题之一。本文提出了一种不确定性环境下的自动驾驶汽车行为决策方法,为消除不确定性的影响,将行为决策过程转化为部分可观察马尔可夫决策过程(POMDP)。同时为解决POMDP模型计算复杂度过高的问题,首次将复杂网络理论应用于自动驾驶汽车周围微观的驾驶环境,对自动驾驶汽车驾驶环境进行动态建模,实现了车辆节点间交互关系的有效刻画,并对重要车辆节点进行科学筛选,用于指导自车的行为决策,实现对关键车辆节点的精准识别和决策空间的剪枝。在仿真环境中验证了所提方法的有效性,实验结果表明,与现有最先进的行为决策方法相比,所提出的方法拥有更高的计算效率,且拥有更好的性能和灵活性。

快速康复外科护理对人工全髋关节置换术后疼痛、髋关节功能及睡眠质量的影响

目的探讨快速康复外科护理对人工全髋关节置换术后疼痛和睡眠质量的影响。方法选取2021年1月至2022年12月厦门大学附属第一医院收治的80例人工全髋关节置换术患者,随机将其分入观察组和对照组,每组各40例。对照组患者护理方法为一般性护理,观察组患者在对照组的基础上实施快速康复外科护理。对两组人工全髋关节置换术患者护理后不同时间疼痛程度、护理前后睡眠质量改善情况进行对比分析。结果观察组术后第1天疼痛程度和护理前睡眠质量各项评分与对照组比较无差异(P>0.05);术后第3天观察组疼痛程度评分低于对照组(P<0.05);观察组髋关节功能评分高于对照组(P<0.05);护理后各项睡眠障碍评分均低于对照组(均P<0.05)。结论快速康复外科护理能有效促进人工全髋关节置换术患者的疼痛程度减轻,改善髋关节功能,提高患者的睡眠质量。

基于多模态特征融合的行人穿越意图预测方法

行人行为预测是城市环境智能汽车决策规划系统面临的主要挑战之一,提升行人穿越意图的预测准确率对于行车安全意义重大。针对现有方法过度依赖行人的边界框位置信息,且很少考虑交通场景中环境信息及交通对象间的交互关系等问题,本文提出一种基于多模态特征融合的行人过街意图预测方法。首先结合多种注意力机制构建了一种新型全局场景上下文信息提取模块和局部场景时空特征提取模块来增强其提取车辆周边场景时空特征的能力,并依赖场景的语义解析结果来捕获行人与其周围环境之间的交互关系,解决了交通环境上下文信息与交通对象之间的交互信息应用不充分的问题。此外,本文设计了一种基于混合融合策略的多模态特征融合模块,根据不同信息源的复杂程度实现了对视觉特征和运动特征的联合推理,为行人穿越意图预测模块提供可靠信息。基于JAAD数据集的测试表明,所提出方法的预测Accuracy为0.84,较基线方法提升了10.5%,相比于现有的同类型模型,所提出方法的综合性能最佳,且具有更广泛的应用场景。

基于轮胎分段仿射辨识模型的车辆行驶状态估计策略研究

以车辆横向运动过程中的行驶状态精确估计为目标,提出了一种考虑轮胎非线性侧偏力学特性的行驶状态估计算法。为准确反映特殊行驶工况下车辆横向动力学行为演化规律,采用分段仿射辨识方法建立了轮胎非线性侧偏力学特性模型,进而实现整车横向动力学分段仿射模型的构建。在此基础上,基于强跟踪平方根容积卡尔曼滤波算法设计了针对系统分段仿射模型的“多模切换”行驶状态估计策略,以期当系统状态发生突变时依然能够保持良好的状态估计精度。基于CarSim和Matlab/Simulink建立了车辆行驶状态估计性能联合仿真验证平台,通过设置两种典型工况,对车辆横摆角速度和质心侧偏角的状态估计效果进行了验证。结果表明,所提出的估计算法能够实现特殊行驶工况下车辆行驶状态的高精度估计。

基于改进分层可拓理论的智能汽车AFS/DYC协调控制

针对紧急避障及大曲率工况的稳定控制难题,提出基于改进分层可拓理论的AFS和DYC协调控制系统,引入了鲸鱼算法解决了可拓边界的自适应划分问题,既简化了分层可拓理论的边界确定过程,又遏制了控制器的一些较为强烈的输出振荡,显著提高了车辆控制的稳定性和安全性。所提AFS/DYC协调控制系统分上下两层,上层是改进分层可拓协调模块,下层是AFS/DYC控制器模块。上层可拓协调模块主要通过横摆角速度、纵向车速以及规划路径曲率来确定AFS和DYC的权重系数,下层控制器模块主要通过上层协调模块确定的权重系数来分配AFS和DYC的输出量,最终实现对智能车辆的稳定性控制。Carsim和Simulink联合仿真结果表明,所提协调控制系统在紧急避障、双移线等大曲率及曲率突变工况下,对横摆角速度和纵向车速的控制效果相较于分层可拓控制、普通可拓控制均有较大提升。

融合复杂网络和记忆增强网络的轨迹预测技术

周边目标轨迹预测是智能汽车决策规划的重要依据,现有基于多交通主体欧氏距离的建模方法无法有效描述多目标之间的复杂交互关系,制约其在实际动态交通场景中的适用性。本文创新地将复杂网络和记忆增强神经网络进行融合,构建了双层动态复杂网络模型,实现了高可靠性和可解释性的多模态轨迹预测。该模型使用高斯可变安全场计算风险权重,考虑了交通参与者的行驶状态参数、形状尺寸和智能体与道路之间的相互影响,真实准确地反映复杂环境中多交通主体间的交互关系;构建了一种由注意力机制和包含风险权重的社交池组成的复杂网络编码模块,实现了动态复杂场景中交通参与者与道路约束之间作用特征的全面有效提取;构建了以参考轨迹为条件的轨迹解码模块,实现了兼顾精度和可解释性的多模态轨迹输出。在公开数据集nuScenes上的验证结果表明,本文所提出的方法最小平均位移误差为1.37 m,最小最终位移误差为8.13 m,性能优异且具有较好的可解释性。

基于层次图注意的异构多目标轨迹预测方法

有效预测周边多目标的未来轨迹是智能汽车决策和运动规划成功的关键。大多数现有研究考虑车辆个体行为之间的成对交互关系,而忽略异构交通参与者之间不同的反应模式和其他场景因素对预测的影响,使得预测轨迹的合理性低,影响运动控制的安全性。鉴于此,本文提出了一种基于层次图注意的异构多目标轨迹预测方法HGATP,首先创新性地构建类别-目标-车道的3层次图,并使用GRU和GCN分别对不同类型的目标进行独立的类别编码,捕捉不同类别的特征;其次,为强化异构目标交互图的边缘表示,构建层次图注意力机制分别获取类别和类别之间的交互以及目标和车道之间的交互,实现异构多目标间高效交互和共享地图;最后,基于目标轨迹信息和区域的车道信息构建预测网络预测多目标的轨迹。为评估模型性能,分别在INTERACTION和nuScenes数据集上进行实验。实验表明,所提模型在nuScenes数据集上单目标轨迹输出的平均误差损失和最终位移损失均减小了20%以上,在INTERACTION数据集上多目标轨迹输出的ADE损失效果较基线方法减小了2 m误差,提升了复杂道路结构下车辆行驶轨迹预测的合理性。

基于检测的高效自动驾驶实例分割方法

基于深度学习的实例分割算法在大规模通用场景中取得了良好的分割性能,然而面向复杂交通场景的多目标实例分割仍然极具挑战性,尤其在算法的高精度和较快推理速度的权衡方面,而这对于智能汽车的行驶安全性至关重要。鉴于此,本文以实时性算法Orienmask为基础,提出了一种基于单阶段检测算法的多头实例分割框架。具体来说,所提框架由骨干网络、特征融合模块和多头掩码构建模块组成。首先,本文通过在骨干网络中加入残差结构获取更加完整的高维表征信息。其次,为了产生更具判别性的特征表达,本文通过引入自校正卷积重构特征金字塔,并使用全局注意力机制改善信息传播以进一步优化所提框架的特征融合模块。最后,提出的多头掩码构建机制通过细化场景目标尺寸分布显著提高不同目标的分割性能。本文算法在开源数据集BDD100k上进行大量测试与验证,分别在边界框和掩码上获得了23.3%和19.4%的均交并比(mAP@0.5:0.95),与基线方法相比,平均指标提高了5.2%和2.2%。同时在基于自主搭建的实车平台上进行的道路实验也证明本算法能够较好地适应真实驾驶环境,且满足实时性分割需求。

混行交通下高速匝道入口智能车辆汇流方法

高速公路匝道入口处的车辆汇流问题是智能驾驶车辆决策系统面临的难题。其中,人类驾驶车辆和智能驾驶车辆混行汇流是最为复杂的情况之一。为了提高汇流区车辆的通行效率,降低污染物质的排放量,通过分析车辆在车道中的分布情况对通行效率的影响,创新了基于深度Q学习(deep Q-network, DQN)算法的智能驾驶车辆汇入模型,根据平均道路时空利用率条件对算法的优化目标函数进行了改进。同时根据真实数据集数据进行分析,定义了场景中车辆的驾驶风格,并建立了混行交通仿真场景。试验结果表明:在3种不同的交通流量条件下,与智能驾驶者模式(intelligent driver model, IDM)模型相比,基于DQN的主道车辆换道模型使得匝道汇流区整体的通行效率平均提高23.10%;每车燃油消耗量平均减少12.7%;每车各种污染气体排放量降低10%~20%。

智能汽车路径跟踪混合控制策略研究

针对传统单一控制算法无法有效协调智能汽车不同转向工况下横向控制性能要求的问题,根据智能汽车在高速和低速转向工况下呈现出的系统特性差异,设计了一种基于PID控制和模型预测控制的智能汽车路径跟踪混合控制策略。该控制策略在低速模式下采用PID控制,在高速模式下则采用模型预测控制,通过车辆速度确定路径跟踪控制模式,进而设计带稳定监督的控制模式切换机制,实现了横向控制系统的平滑切换。基于Carsim和MATLAB/Simulink仿真平台对所设计的智能汽车路径跟踪混合控制策略进行了仿真验证,在此基础上,进一步完成了实车试验。仿真和实车试验结果表明,所设计的混合控制策略能够保证智能汽车不同速度下的路径跟踪性能,具有较好的跟踪精度、实时性和车辆行驶稳定性。

MIS-TLIF围手术期中西医结合外科快速康复理念的实践运用

目的探讨中西医结合外科快速康复理念在微创经椎间孔入路的腰椎椎间融合术(MIS-TLIF)围手术期中的实践运用。方法采用前瞻性研究,选取广州医科大学附属中医医院骨伤科2018年1月至2022年1月进行MIS-TLIF围手术期治疗患者89例,应用抽签方法分为两组。中西医结合外科快速康复组(ERAS组)46例,男20例,女26例,年龄(63.76±8.42)岁;传统组43例,男19例,女24例,年龄(62.30±9.48)岁,比较两组患者围手术不同时期的视觉模拟评分量表(VAS)评分、Oswestry功能障碍指数问卷表(ODI)评分、术后并发症发生率,以及患者满意度。统计学方法采用χ^(2)检验、t检验。结果ERAS组与传统组术后1 d、7 d、30 d患者VAS评分比较,差异均有统计学意义(t=-2.451、-2.097、-2.305,均P<0.05)。术后30 d,两组患者的ODI评分均有所降低,ERAS组评分为(11.8±4.28)分,传统组评分为(13.9±3.83)分,ERAS组治疗后的ODI评分低于传统组,差异有统计学意义(t=-2.383,P=0.019)。ERAS组、传统组总的不良反应发生率分别为13.0%(6/46)、32.6%(14/43),差异有统计学意义(χ^(2)=4.858,P<0.05)。结论中西医结合ERAS理念和措施得到广泛应用,有效整合优化了各学科围手术期的处理措施和流程,对患者的依从性、手术临床疗效和缩短术后康复期都有显著的提高效应,具有较高的患者治疗满意度,值得临床推广应用。

分布式驱动无人车路径跟踪与稳定性协调控制

针对无人车路径跟踪过程中跟踪效果与车辆稳定性这一多目标控制问题,基于分层控制理论提出了一种分布式驱动无人车辆路径跟踪与稳定性协调控制策略。建立了车辆动力学模型和路径跟踪模型,利用滑模控制方法设计了上层控制器,旨在减小路径跟踪过程中的航向偏差和横向偏差的同时确保车辆自身的稳定性。在下层控制器中,设计了一种四轮轮胎力优化分配方法,根据上层控制器需求,结合车辆横摆与侧倾稳定性情况,实现四轮轮胎力的定向控制分配。基于CarSim和Simulink搭建了联合仿真模型并进行仿真实验,结果表明,提出的协调控制策略能够有效地控制车辆路径跟踪中的航向偏差和横向偏差,同时确保车辆的侧倾与横向稳定性。

基于遗传算法的机液传动系统参数匹配研究

本文中对一款机液复合传动变速器进行运动学、动力学和能量管理分析,确定装配方案和基本参数。采用基于Pareto最优原理的多目标遗传算法研究传动系统的参数匹配问题,包括选择优化目标、确定设计变量和约束条件等。建立基于modeFRONTIER的传动系统多目标优化模型,分别以爬坡度和燃油消耗率为动力性和经济性的目标函数,采用多目标遗传算法,结合实验设计,对模型进行全局搜索寻优。结果表明:爬坡度平均值为27.26°,95%置信区间为[26.36°,28.16°],Pareto最优解为27.93°;燃油消耗率平均值为208.88 g/(kW·h),95%置信区间为[208.62,209.13]g/(kW·h),Pareto最优解为206.76 g/(kW·h)。随着优化迭代步数的增加,爬坡度和燃油消耗率两个目标值都将在一个小范围内收敛,且设计变量的Pareto最优解很好地满足传动系统的匹配要求。

基于可拓优度评价的智能汽车横向轨迹跟踪控制方法

针对复杂工况横向控制精度低、稳定性差的问题,提出了一种基于可拓优度评价的智能汽车横向轨迹跟踪控制方法,创新采用可拓优度评价控制方法,设计了两层结构的横向轨迹跟踪控制系统。上层控制器包括基于预瞄偏差的PID反馈控制和基于道路曲率的PID前馈反馈控制;下层控制器利用可拓优度评价方法来评价上层两控制器的优劣,根据实时的车辆道路系统状态,选择优度高的控制器输出值,从而实现智能汽车横向轨迹跟踪控制功能,不论是小偏差、小曲率工况,还是大偏差、大曲率工况,都能达到良好的控制效果,提升了智能汽车横向控制系统的工况适应性和可靠性。仿真结果表明,与单一PID反馈控制相比,采用优度评价控制时,横向位置偏差和航向偏差分别减小了16.67%和12%。

基于NMPC的智能汽车纵横向综合轨迹跟踪控制

本文中针对大曲率转弯工况下,智能汽车纵横向动力学特性的耦合和动力学约束导致轨迹跟踪精度和稳定性下降的问题,提出一种基于非线性模型预测控制(NMPC)的纵横向综合轨迹跟踪控制方法,通过NMPC和障碍函数法(BM)的有效结合,提高了跟踪精度,改善了行驶稳定性。首先建立四轮驱动-前轮转向智能汽车动力学模型和轨迹跟踪模型,采用非线性模型预测控制计算出期望的纵向力、侧向力和横摆力矩;然后基于轮胎动力学模型建立带约束的非线性规划数学模型,利用障碍函数法求解出四轮轮胎力的最优分配,并最终实现四轮驱动智能汽车纵横向综合轨迹跟踪控制。最后进行Carsim和Simulink联合仿真,结果表明,与传统的预瞄PID控制相比,所提方法可在考虑纵横向动力学耦合的情况下明显改善跟踪精度和行驶稳定性。

视觉预瞄式智能车辆纵横向协同控制研究

针对智能车辆路径跟踪控制的高度非线性及纵横向运动控制的耦合性问题,结合视觉预瞄模型及模型预测控制理论提出了一种预瞄式MPC路径跟踪控制新方法。该方法首先对非线性预测模型进行局部线性化,将MPC最优化求解问题转化为二次规划问题。在每个控制时域内将纵向车速及预瞄距离视为已知,运用指数模型对纵向车速进行描述,并结合道路曲率及实际车速设计了预瞄距离发生器。仿真和试验结果表明:相较于传统MPC跟踪控制方法,本文中提出的预瞄式MPC控制方法在不同车速下均能减小跟踪过程中的横向偏差和方向偏差,提高了跟踪精度,且此提升效果在高速状态下更为明显。

基于激光雷达与毫米波雷达融合的车辆目标检测算法

针对仅基于单一传感器的目标检测算法存在检测精度不足及基于图像与激光雷达的多传感器融合算法检测速度较慢等问题,提出一种基于激光雷达与毫米波雷达融合的车辆目标检测算法,该算法充分利用激光雷达点云的深度信息和毫米波雷达输出确定目标的优势,采用量纲一化方法对点云做预处理并利用处理后的点云生成特征图,融合毫米波雷达数据生成感兴趣区域,设计了多任务分类回归网络实现车辆目标检测.在Nuscenes大型数据集上进行训练验证.结果表明:检测精度可达60.52%,每帧点云检测耗时为35 ms,本算法能满足智能驾驶车辆对车辆目标检测的准确性和实时性要求.

基于实例分割和自适应透视变换算法的多车道线检测

为了解决传统的车道线检测算法对光照变化、阴影遮挡等环境干扰较为敏感而导致鲁棒性不足的问题,提出了一种基于实例分割和自适应透视变换算法的多车道线检测方法.该算法首先通过设计的多分支实例分割网络实现多车道线分割,该多分支实例分割网络包括车道线语义分割分支和车道线Id分支;再应用自适应透视变换模型获得鸟瞰图视角下的实例分割后的车道线像素点集合;最后利用最小二乘法二阶多项式完成车道线像素点的拟合.基于Culane车道线数据集进行训练及验证,验证表明,每帧图片检测用时约28 ms,车道线检测准确率达91.4%.将车道线检测模型集成到实车ROS平台进行测试,测试表明,所提算法能够实现各类复杂交通场景下的多车道线实时检测.

基于状态估计的无人车前轮转角与横摆稳定协调控制

针对无人车轨迹跟踪问题,提出了一种基于状态估计的无人车前轮转角和横摆稳定协调控制策略.建立了车辆轨迹跟踪模型,利用模型预测控制算法设计了轨迹跟踪控制器,得到实时跟踪参考轨迹所需的前轮转角.根据车辆模型设计了一种基于未知输入观测器的前轮转角估计方法,并将估计结果作为前轮转角跟踪控制的输入量.基于非奇异终端滑模控制设计了前轮转角跟踪方法,通过转向电机扭矩来控制车辆转向以实现轨迹跟踪.同时,设计了车辆横摆稳定控制器,通过控制横摆角速度跟踪误差确保车辆横摆稳定.建立了CarSim-Simulink联合仿真模型并进行仿真实测试.结果表明,未知输入观测器具有较好的前轮转角估计效果,从而为车辆协调控制提供可靠信息源,协调控制策略能够在保证车辆横摆稳定性的同时完成车辆轨迹跟踪.