-
题名智能汽车拟人驾驶风险量化方法研究
- 1
-
-
作者
李海青
李永福
郑太雄
李洪丞
蔡小雨
-
机构
重庆邮电大学先进制造工程学院
重庆邮电大学智能空地协同控制重庆市高校重点实验室
-
出处
《电子测量与仪器学报》
CSCD
北大核心
2023年第8期120-127,共8页
-
基金
国家自然科学基金(62273067)
重庆市创新发展联合基金(CSTB2022NSCQ-LZX0025)
+1 种基金
重庆市教委青年项目(KJQN202100644)
重庆市自然科学基金面上项目(cstc2020jcyj-msxmX0915)资助。
-
文摘
驾驶风险量化评估对智能汽车拟人驾驶决策至关重要,针对复杂多任务场景下的驾驶风险量化问题,提出了一种基于人类风险感知机理的智能汽车驾驶风险量化方法。首先,利用传感器获取驾驶场景周围环境信息与行驶状态信息,并根据人类驾驶经验对潜在冲突因素赋值代价,生成驾驶场景代价地图;其次,根据车辆运动状态与拟人驾驶的基本原则,利用高斯函数建立动态风险模型;最后,结合驾驶场景代价图与动态风险模型实时计算拟人驾驶风险量化值。仿真结果表明,提出的方法能够基于人类驾驶经验,计算出动态变化的驾驶风险量化值,应用于智能汽车自动驾驶决策,可产生拟人驾驶行为。
-
关键词
拟人驾驶
动态风险场
量化方法
智能汽车
-
Keywords
human-like driving
dynamic risk field
quantification method
intelligent vehicles
-
分类号
U491.2
[交通运输工程—交通运输规划与管理]
U471.1
[机械工程—车辆工程]
-
-
题名基于拟人驾驶模型的联合收获机导航控制器设计与试验
被引量:4
- 2
-
-
作者
胡子谦
王登辉
胡瑞
董万静
丁幼春
-
机构
华中农业大学工学院/农业农村部长江中下游农业装备重点实验室
-
出处
《华中农业大学学报》
CAS
CSCD
北大核心
2022年第4期248-258,共11页
-
基金
国家重点研发计划项目(2021YFD2000402
2021YFD2000402-3)
湖北省重点研发计划项目(2021BBA080)。
-
文摘
为了解决轮式联合收获机在水稻收获作业中操作繁琐及作业质量和效率低的问题,通过采集熟练驾驶员驾驶时收获机位姿信息和驾驶员操作信息,运用神经网络构建了拟人驾驶模型并设计了一种基于拟人驾驶模型的联合收获机导航控制器。根据收获作业需求设计了一种田间套行作业路径规划方法,在保证转弯精度的同时,较好的完成收获作业;与传统PID和常规纯追踪模型相比,拟人驾驶模型控制收敛速度快0.42 s、超调减小4.0 cm,具有收敛速度快、超调小等特点。路面直角路线转向试验结果表明,当联合收获机行驶速度分别为0.62、0.82、1.02 m/s时,转弯后超调量不大于3.93 cm,在不同行驶速度下仍具有较高的鲁棒性。田间试验结果表明,联合收获机在水稻田中以0.6、0.8、1.0 m/s的速度前进时,直角转向导航跟踪转向后超调量分别不大于8.1、8.9、9.6 cm,直线跟踪部分平均绝对偏差分别不大于3.1、3.0、3.3 cm。试验结果表明,所设计的拟人驾驶模型导航控制器能较好地完成水稻收获作业自动导航。
-
关键词
联合收获机
北斗
全自动导航作业
神经网络
拟人驾驶模型
导航控制器
纯追踪
-
Keywords
combine harvester
Beidou
fully automatic navigation operation
neural network
humanoid driving model
navigation controller
pure pursuit
-
分类号
TP273
[自动化与计算机技术—检测技术与自动化装置]
-
-
题名自驾驶中的交互认知
被引量:6
- 3
-
-
作者
马楠
高跃
李佳洪
李德毅
-
机构
北京联合大学机器人学院
清华大学软件学院
军事科学院
-
出处
《中国科学:信息科学》
CSCD
北大核心
2018年第8期1083-1096,共14页
-
基金
国家自然科学基金(批准号:61671267
61672178)
+2 种基金
英国皇家工程院牛顿基金项目(批准号:UK-CIAPP\324)
北京市自然科学基金(批准号:4182022)
北京联合大学2017年度人才强校百杰计划(批准号:BPHR2017CZ10)资助项目
-
文摘
近年来,无人驾驶无论Tesla路线、Waymo路线,还是Intel路线等,都重点关注感知、规划和决策等计算认知,而交互认知严重缺失.这一问题不解决,自驾驶车难以被社会接受与认可.本文分析了自驾驶车交互认知的丰富性和实现难度,提出基于自然语言交互的车载智能音箱对话、肢体语言交互和车体语言交互3种交互形式.通过智能音箱及互联网实现了自驾驶车与车主、乘员、运维人员、开发人员、远程服务请求等之间的交互;解决了自驾驶车对路边行人和执勤交警的手势识别、理解与应对;攻克了狭路会车和超车并道两种常见车体交互的难题.最后,基于丰富的自驾驶交互认知形式,给出独立于决策总线的交互总线架构设计,并在多类型智能车上开展应用.
-
关键词
拟人驾驶
多总线架构设计
车载智能音箱
手势识别与理解
车体交互
-
Keywords
personnel driving
multi-bus architecture design
intelligent car speaker
gesture recognition and understanding
body interaction
-
分类号
TP212.9
[自动化与计算机技术—检测技术与自动化装置]
U463.6
[机械工程—车辆工程]
-