汽车无人驾驶功能中人工智能技术的应用及挑战

近年来,经济发展与技术迭代为汽车行业提供了全新的可能性,以人工智能为首的科学技术能够在有效规避传统驾驶方 法中存在的问题的基础上,提升智能驾驶的精准性,进而提升智能化汽车驾驶的工作效率。文章深度剖析了汽车无人驾驶功能中 人工智能技术的应用,重点对无人驾驶功能中环境感知端、规划决策端、控制执行端所采用的人工智能技术方法及挑战进行了阐 述,为人工智能技术在汽车无人驾驶领域的价值提供有效佐证,以期为安全出行的智能技术创造提供参考。

5G通信技术下的汽车无人驾驶技术研究

5G通信技术下的汽车无人驾驶技术要想取得全面发展,行业协会、政府以及企业需要开展联合互动,促进技术标准落地实施,并且对技术进行不断更新优化。本文对汽车无人驾驶技术的发展进行了简要论述,对其中引进5G通信技术推动无人驾驶技术发展的策略进行了探讨,以期更好地服务于无人驾驶车辆的运作。

5G通信技术下汽车无人驾驶技术研究

在科学技术快速发展的背景下,信息技术的发展日新月异。5G网络走进千家万户,极大地便利了人们的生活。5G通信技术不仅为物联网等技术的进一步发展提供了动力,同时也有效推动了汽车无人驾驶技术的进一步发展。该文分析5G通信技术下的汽车无人驾驶技术,以期为相关工作人员带来启发。

5G通信技术下的汽车无人驾驶技术之研究

信息化技术升级体系下5G通信技术逐渐走入人们的生活,物联网产业的高速进步也带动了其他领域的发展,汽车无人驾驶受到了越来越多的关注,将5G通信技术和汽车无人驾驶技术予以融合,能进一步推动行业的成长。本文简要介绍了5G通信技术和无人驾驶导航方式,并着重讨论5G通讯技术下汽车无人驾驶技术的应用。

受汽车无人驾驶启发的液压支架智能协同控制

针对综采工作面液压支架控制精度低、协同性差、推移不齐等问题,借鉴汽车无人驾驶技术,提出了一种液压支架智能协同控制方法。将综采工作面每台液压支架看作是一辆“汽车”,该“汽车”靠移架动作向前行驶,靠底调、侧护板调整行驶方向,液压支架群组就像排成一排的“汽车”按照一定顺序前行,并保持排列队形。每台液压支架都有固定的目标行程,并受左右侧支架的位置约束,能够关注前方采煤机运行情况,兼顾邻架的状况,从而实现液压支架智能协同控制。该方法从液压支架精准推移控制、平行移架控制、护帮板控制、自动跟机闭环控制等方面探讨了液压支架智能协同控制,为解决综采工作面液压支架控制问题提供了一个思路。

卷积神经网络(CNN)在汽车无人驾驶中的应用与分析

汽车无人驾驶技术在实际应用过程中会通过高精度的感应器监测交通环境,应用科学算法准确规划合理的行车路径,其中卷积神经网络在无人汽车驾驶技术应用当中有明显的研究价值。文章对卷积神经网络在汽车无人驾驶中的应用进行研究,综合概述卷积神经网络的发展情况,研究分析无人驾驶双目3D感知模型,无人驾驶物体检测模型,并综合说明3D感知与物体检测之间的关系,以期对卷积神经网络能够在汽车无人驾驶中得到有效应用。

基于5G通信技术下的汽车无人驾驶技术探讨

在当今信息技术的不断发展之中,5G网络已经开始出现。这不仅为当今的物联网产业发展提供了强大的动力,同时也带动了其他领域的发展。尤其是在汽车无人驾驶这一领域的发展之中,5G通信技术更是发挥着至关重要的作用。文章就是对5G通信技术之下的汽车无人驾驶进行分析。希望通过本次的分析,可以对5G通信技术在当今汽车无人驾驶领域之中的良好应用与发展提供一定的参考价值。

汽车无人驾驶的关键技术及发展研究

随着人们生活水平的不断提高,汽车成为现代生活中必不可少的交通工具,汽车行业根据市场供需关系的变化不断改进和研发各种汽车,其中无人驾驶汽车便是重要研发成果。无人驾驶汽车作为汽车行业未来转型的重要发展方向,在研发过程中面临较多问题,因此对无人驾驶汽车关键技术进行研究显得尤为重要。文章就无人驾驶汽车在国内外的发展现状进行简要介绍,指出无人驾驶汽车技术发展存在的问题,并对无人驾驶汽车关键技术的研发提出相应对策。

基于5G通信技术下的汽车无人驾驶

自动驾驶汽车是未来汽车的发展方向之一,目前无人驾驶汽车在安全性、可靠性、以及处理器运算上还存在较大的技术瓶颈。我国正在开展5G技术的研究与开发,5G网络的出现将促进物联网产业的发展,与此同时,5G网络高速率低延迟的优势将有助于更加高级的智能无人驾驶技术的普及。一、5G通信技术5G即第五代移动通信技术,它是在4G网络的基础上发展起来的,其峰值传输速率可达4G的100倍。在实验研究中,5G技术能在28GHz的频段中以1Gb/s的速率进行数据传输,传输距离最远可覆盖2000米(陈云生,5G移动通信技术下的物联网时代:信息通信,2018)。

技术关立法关已过 汽车无人驾驶进入实战

说起无人驾驶汽车已经不觉得新鲜了，除了一些公司机构致力研发，个人玩票的也很多。可要说什么时候售卖，什么时候合法地在公路上行走，还真不好说。6月29日，大众汽车披露，配备了临时自动驾驶系统（TAP）的汽车可在高速公路上实现最高时速达130km的半自动驾驶，

融合反步法的无人驾驶汽车轨迹跟踪控制方法

为了解决无人驾驶汽车轨迹跟踪控制的准确性、稳定性和快速性问题,将反步法分别融合滑模变结构控制和模糊自适应控制.建立车辆三自由度运动学位姿误差微分方程,推导了基于反步法的车速和横摆角速度控制律,结合Lyapunov稳定性判据验证了系统稳定性.分别建立融合反步法的滑模变结构和模糊自适应轨迹跟踪控制方法,结合轨迹跟踪稳态误差、超调量和调整时间,验证、比较了控制方法准确性、稳定性和快速性3种性能的优劣.结果表明:融合反步法的滑模变结构轨迹跟踪控制的稳定性最好,轨迹跟踪超调量接近于0;融合反步法的模糊自适应轨迹跟踪控制快速性最好,轨迹跟踪调整时间相对于反步法缩短了18.2%.

无人驾驶汽车纵向速度的磁敏传感器控制方法

在无人驾驶汽车行驶过程中,工况的切换导致纵向速度控制难度较大,为提高行驶的稳定性和安全性,提出了基于磁敏传感器的无人驾驶汽车纵向速度控制方法。对无人驾驶汽车纵向运动的参数计算,为磁敏传感器建立基础环境。利用永磁体为磁敏器件提供偏置磁场,计算点磁源磁场强,获得磁敏传感器空间坐标。在空间坐标内,将汽车转速跟踪控制问题转化为连续系统的传感器状态描述,算出加速度和变化速率约束范围,得到最优控制输入增量;为避免制动与驾驶方式频繁转换,将节气门开度和期望制动器主液压控制量作为执行器控制输入,完成汽车纵向速度控制。实验表明,所提方法能够很好地跟踪期望的纵向速度,可以根据探测信息实时地调节控制参数,纵向车速控制效果更加稳定,保证行驶安全。

基于深度学习的无人驾驶汽车目标检测算法研究

环境感知是无人驾驶汽车的重要基础,目标检测是环境感知的重要一环,随着深度学习的发展,基于深度学习的目标检测算法的精度和速度也在不断提升,逐渐成为主流算法。总结梳理了基于深度学习的目标检测算法以及其最新研究进展,并将其分为基于图像、点云、融合和变形器(Transformer)四大类,分别介绍了其经典算法。最后总结了当前目标检测领域里存在的不足,对目标检测算法的发展进行了展望,为该领域的研究工作提供一些思路。

无人驾驶混合动力汽车轨迹跟踪节能控制融合研究

为进一步提高无人驾驶混合动力汽车轨迹跟踪精度和能耗经济性,提出了一种轨迹跟踪节能控制融合策略。首先,建立车辆运动学模型,采用模型预测控制策略对车辆进行轨迹跟踪控制;在此基础上,以速度为交互变量,提出了一种三阶段动态规划节能控制策略,在线优化最优经济性函数,以降低整车能耗总成本;最后,选择相互独立的纯跟踪轨迹跟踪算法与功率跟随节能控制策略进行比较。结果表明,所提出的轨迹跟踪节能控制融合策略提高了轨迹跟踪效果,降低了整车能耗总成本,轨迹跟踪精度提高了70.47%,纯电动和混合驱动模式下能耗总成本分别下降了4.52%和25.10%。

无人驾驶汽车路径跟踪控制的算法综述

国内外对无人驾驶车辆运动控制问题的研究,主要分为纵向运动控制、路径跟踪控制和轨迹跟踪控制。其中,路径跟踪控制是无人驾驶汽车运动控制的重点研究方向,路径跟踪控制中控制器设计是重点和难点。路径跟踪控制的研究主要集中在常规工况,对复杂路况、恶劣天气、突发事件等非常规工况的研究较少,增强控制算法的鲁棒性以应对非常规工况是无人驾驶汽车路径跟踪控制算法未来的发展重点。

人工智能系统在新能源无人驾驶汽车中的应用

随着新能源汽车技术的不断发展,无人驾驶汽车逐渐成为汽车行业的热点话题。在无人驾驶汽车发展过程中,人工智能系统作为关键技术之一,正逐渐得到广泛应用。该文从人工智能相关概述入手,分析人工智能系统在新能源无人驾驶汽车中的具体应用,特别是感知、决策和控制等方面,并对人工智能系统在新能源无人驾驶汽车中的应用进行展望,以推动汽车行业的可持续发展。

计及质心侧偏角动态自适应的无人驾驶汽车横坡弯道跟踪控制

针对无人驾驶汽车在横坡弯道处因发生偏离期望轨迹甚至严重侧滑而失去稳定性的问题,提出质心侧偏角动态自适应控制策略。为应对汽车垂直载荷发生变化而导致轮胎侧偏刚度改变的情况,通过多组数据拟合得到载荷匹配图,进而设计基于模型预测算法的横向轨迹跟踪控制器,根据汽车入弯速度选择预测时域并结合道路弯度选择瞬态、稳态质心侧偏角,通过在线优化生成最佳前轮转角。最后搭建CarSim/Simulink联合在线仿真系统和实车系统进行验证,结果表明:所提控制策略能够保证汽车在横坡倾角为7%左右及弯道路面下不会出现严重的侧滑,从而提高了无人驾驶汽车在横坡弯道跟踪任务中的跟踪精度,使汽车具有良好的横向稳定性。

无人驾驶汽车行驶引导交互手势设计研究

目的旨在构建符合用户认知的交互手势设计方法,提升非方向盘操控情境下的无人驾驶汽车行驶引导的用户体验。方法首先采用用户参与式设计的方法,提取出无人驾驶场景下车内与车外的行驶引导交互手势集合;其次,采用一致率比较方法确保手势交互系统的一致性,并在此基础上构建一套适用于车内外行驶引导的交互手势集合;最后,通过卡片分类法和模拟测试对构建的手势集进行可用性评估。结果卡片分类法和模拟测试均显示采用了用户参与式设计和一致性计算相结合的设计方法所建立的无人驾驶汽车内外行驶引导交互手势集合达到了较好的用户体验预期,同时也验证了在车内外采用统一的行驶引导交互手势的可行性。结论验证了手势交互在车内外对无人驾驶汽车行驶进行引导可以达到较好的用户体验,为无人驾驶汽车的用户体验研究提供了新的方向。

无人驾驶汽车地方立法问题探析

智能交通领域无人驾驶汽车日渐成为热门话题,有关该领域的地方立法应积极落实。在国家尚未出台专门法律之前,加强智能交通新兴领域的地方立法不仅拥有宪法上“遵循在中央的统一领导下,充分发挥地方的主动性、积极性的原则”的依据,还是对习近平法治思想中“加强新兴领域立法”要求的落实和对中国特色社会主义法律体系的完善。目前,不少地方人大常委会制定或正在制定地方性法规或作出决定,一方面为未来国家立法积累了经验,另一方面也存在一些不足。各地应在未来探索创新的立法活动中总结经验、找准不足,坚持全过程人民民主的原则,切实提高人民群众在立法工作中的感受度和满意度;构建区域协同立法机制,践行“小快灵”的立法模式,保证立法的及时性和有效性,加强制度供给和填补制度空白。

基于改进卷积网络的无人驾驶汽车动态避障路径规划方法

为了提高无人驾驶汽车动态避障的成功率,实现路径最优规划目标,本文引入了改进卷积网络,并开展了基于该网络的无人驾驶汽车动态避障路径规划方法研究。首先,建立了精确的汽车运动学模型,以描述无人驾驶汽车在行驶过程中的运动学特性。其次,对道路障碍物目标位置进行检测,连续获取道路动态障碍物目标的信息,预测障碍物未来的位置和速度。最后,在此基础上,利用改进卷积网络计算了无人驾驶汽车动态避障路径损失函数,评估了规划避障路径与实际目标路径之间的差距。同时,辅助人工势场法求解势能的最小值,得到了汽车避障路径。试验结果表明,应用本文提出的规划方法后,在6个车道上,无人驾驶汽车的动态避障成功率始终高于另外2个对照组,均达到了99%以上,可以有效地识别障碍物并进行避障。