履带式割草机自动驾驶远程交互避障系统设计与试验

安全避障是自动驾驶关键技术之一。为提高履带式割草机自动驾驶系统安全性,进行了履带式割草机自动驾驶远程交互避障系统设计研究和试验验证。自动驾驶系统基于RTK高精度定位系统的路径跟踪导航模式,通过毫米波雷达和超声波雷达感知融合进行局部路径规划,采用云端平台和手机APP实现农机车辆周边视频回传和远程遥控避障。在遇到复杂场景时,通过云端平台向手机APP发出预警信息,在手机端可以对自动驾驶农机车辆进行人为干预,以提高自动驾驶农机车辆复杂场景的通行能力和安全性。基于电动履带式割草机设计了自动驾驶远程交互避障软硬件系统,并进行了试验验证,结果表明:履带式割草机自动驾驶远程交互避障系统技术可行,工作可靠,具有实际应用价值。

基于改进YOLOv8的自动驾驶场景目标检测算法

针对自动驾驶场景遮挡目标和小目标检测困难问题,提出了FAN-YOLOv8n自动驾驶检测算法。设计了特征感受野融合模块(EFFVM),增强模型主干部分对局部特征的提取,提高模型对遮挡目标的检测能力;在模型头部增加了更浅特征层P2的检测头,提高模型对于小目标的检测效果;在模型颈部设计了特征指导模块(FGM)来融合浅层和深层的特征信息,使得两层之间能够更好地进行特征交互,让模型更关注细粒特征。提出了特征层融合模块(FLFM),融合多尺度特征层并进行特征增强,使模型能够自适应不同尺度目标的检测。实验结果表明,在SODA10M数据集和部分BDD100K数据集上,改进模型的mAP0.5对比原始YOLOv8n模型提升了7个百分点和6.5个百分点,适用于实际自动驾驶检测任务。

基于YOLOv5s的自动驾驶车辆行人检测方法

提出一种改进的YOLOv5s模型,旨在提高自动驾驶车辆行人检测的准确性。通过增加一个小目标检测层,将原有的三尺度检测层扩展为四尺度,提高小目标的检测能力;在颈部网络中将坐标注意力(CA)机制引入C3模块,构建C3-CA模块,以强化特征间的空间关系,从而更精确地定位行人;将原有的CIoU损失函数替换为EIoU,改善模型收敛性。在BDD100K数据集进行试验验证,结果显示:与YOLOv5s模型相比,改进后的模型检测精度提高了1.7%,召回率提高了4.8%,平均精度提高了2.2%,降低了漏检和误检概率。

自动驾驶仿真测试场景生成技术研究进展

自动驾驶系统已经成为汽车行业和计算机科学的前沿研究领域。为了确保自动驾驶系统的安全性和可靠性,对自动驾驶系统进行充分的测试是十分必要的,而仿真测试因其测试成本低、安全性高等优点,并且测试场景是自动驾驶仿真测试的关键,因此仿真测试场景生成是自动驾驶测试过程中不可或缺的环节。目前,已有大量学者致力于研究自动驾驶仿真测试,也有许多关于自动驾驶仿真测试的研究进展报告,但是针对于自动驾驶仿真测试场景生成的研究进展报告却寥寥无几。因此,对关于自动驾驶仿真测试场景的文献进行了全面调查,并对自动驾驶仿真测试的相关背景知识进行概述;通过调研国内外几十篇相关文献,按照自动驾驶系统的模块进行归纳总结,对现有仿真测试场景生成方法进行详细分类阐述;通过调研目前主流的仿真测试工具,对现有仿真测试工具进行分析归纳;分析了自动驾驶仿真测试领域面临的挑战和未来展望。

ADAS,向自动驾驶演进的必经之路

近期,一辆自动驾驶汽车在公共道路进行测试时意外致死行人的事件引发了业界和公众对自动驾驶安全的广泛关注。虽然恐惧与担忧并存,但整个汽车行业向智能化、电动化、互联化发展的大趋势已不可逆转。以特斯拉、通用、谷歌为代表的企业正在大力推动自动驾驶产品的研发。想要实现不需要人类介入的完全自动化驾驶,必须具备三个条件——即车辆完全了解环境,并根据环境变化作出相应动作,同时确保汽车本身安全和信息安全。

5G推进ADAS和自动驾驶发展进程

5G能克服当前V2X技术的局限。通过在自动驾驶车辆上搭建车载5G网关,并推动边缘计算与自动驾驶融合,将推进ADAS和自动驾驶技术的发展,并为提升自动驾驶系统交通安全性提供保障。

5G保证ADAS、自动驾驶系统安全可靠地运行

本文简介从设备层、网络层到服务层5G提供了整套的基础通信、定位和计算能力与自动驾驶深度融合。藉ADAS、车联网(V2X)和人工智能,以实现更安全、智能的交通运作系统,让车辆进入自动驾驶时代。

基于平行测试的认知自动驾驶智能架构研究

在大数据、云计算和机器学习等新一代人工智能技术的推动下,自动驾驶的感知智能在近年来得到显著的提升与发展.然而,与人类驾驶过程中隐含的以自我目的实现为引导的自探索性和自主性相比,现阶段自动驾驶技术主要以辅助驾驶功能为主,还停留在以被动感知、规划与控制为主的初级智能自动驾驶阶段.为实现车辆智能从数据驱动的环境感知、辅助决策、被动规划到知识驱动的场景认知、推理决策、主动规划的提升,亟需增强车辆自身对复杂外界信息归纳提炼、推理决策、评价估计等类人能力.首先回顾自动驾驶关键技术演化及其应用发展历程;随后分析测试对车辆智能评估的效用;然后基于平行测试理论,提出自动驾驶车辆认知智能训练、测试与评估空间的构建方法,并设计基于平行测试的认知自动驾驶智能训练框架.该项研究工作预期能为推动自动驾驶从感知智能向认知智能的升级提供可行的技术支撑与实现路径.

从ADAS到自动驾驶

高级驾驶员辅助系统的应用是实现自动驾驶的第一步。大陆集团会加强ADAS技术在中国市场的应用推广为中国市场提供消费者负担得起的技术。大陆集团日前发布了"2013年大陆集团汽车消费调研报告",该报告来源于对德国、美国、日本和中国驾驶员就高级驾驶员辅助系统(ADAS)和自动化驾驶话题进行的抽样调查。调研结果显示,绝大多数的受访者对自动化驾驶技术表示欢迎。

面向自动驾驶道路场景中异常案例的多模态数据挖掘算法

基于深度学习的视觉感知技术的发展有利于自动驾驶系统中环境感知技术的进步。然而,对于自动驾驶场景中的异常案例,目前的感知模型还存在一些问题。这是因为基于深度学习的感知模型的能力取决于训练数据集的分布。尤其是驾驶场景中的类别从未出现在训练集中,感知系统也往往很脆弱。因此识别未知类别和极端场景仍然是自动驾驶感知技术安全性的挑战。本文从处理数据集的角度出发,提出了一种新颖的多模态异常案例自动挖掘流程(corner case mining pipeline, CCMP)。为验证CCMP的有效性,在Waymo开放数据集的基础上构建了异常案例子集“Waymo-Anomaly”,该子集共有3 200个图像,每个图像都将包含文本中定义的异常案例场景。并且基于私有数据集Waymo-Anomaly,证明了CCMP针对异常案例场景挖掘的召回率可以达到91.7%。此外,还通过实验验证了目标检测器在包含异常案例的数据集中针对长尾分布的有效性。最终,希望从处理数据集的角度来提高自动驾驶感知模型在现实世界中的真实性。

受限泊车通道下自动驾驶平行泊车的路径规划方法

针对受限泊车通道下自动泊车规划时间长、成功率低等问题,提出了一种改进混合A^(*)算法的路径规划方法。首先,将泊车路径分为前进的位姿调整段与后退的倒车入库段两部分,通过建立直线-圆弧的约束优化模型规划位姿调整段,寻找合适的倒车起始点;其次,通过在混合A^(*)算法中额外引入碰撞风险代价,改进节点扩展方式,并通过判断车辆轮廓线是否与障碍物线相交来进行碰撞检测,以提高倒车入库段规划的实时性和安全性;最后,以路径长度、平滑度、偏离度为指标设计目标函数,并考虑汽车的运动学约束,使用二次规划对初始路径进行平滑,得到最终路径。使用MATLAB对改进算法与原始算法进行仿真分析,结果表明:在受限泊车通道下,改进算法能得到平滑的无碰撞泊车路径,搜索时间比混合A^(*)算法减少了23.8%,且所得路径更安全,更易进行跟踪控制。

自动驾驶汽车行驶风险评估方法综述

行驶风险评估对自动驾驶系统的安全运行至关重要。将现有行驶风险评估方法分为3类,包括面向单一目标物的、基于可达集的和基于势场论的评估方法。提出5个评价维度,包括计算实时性、结果时效性、应用可行性、内容充分性和场景泛用性,对评估方法进行了全面比较,揭示其特点和适用情况。对自动驾驶行驶风险评估面临的问题以及未来发展趋势进行了分析和展望。

针对自动驾驶智能模型的攻击与防御

近年来,以深度学习算法为代表的人工智能技术为人类生产生活的方方面面带来了巨大的革新,尤其是在自动驾驶领域,部署着自动驾驶系统的智能汽车已经走进入们的生活,成为了重要的生产力工具.然而,自动驾驶系统中的人工智能模型面临着潜在的安全隐患和风险,这给人民群众生命财产安全带来了严重威胁.本文通过回顾自动驾驶智能模型攻击和防御的相关研究工作,揭示自动驾驶系统在物理世界下面临的安全风险并归纳总结了相应的防御对策.具体来说,本文首先介绍了包含攻击面、攻击能力和攻击目标的自动驾驶系统安全风险模型.其次,面向自动驾驶系统的三个关键功能层——传感器层、感知层和决策层,本文依据受攻击的智能模型和攻击手段归纳、分析了对应的攻击方法以及防御对策,并探讨了现有方法的局限性.最后,本文讨论和展望了自动驾驶智能模型攻击与防御技术面临的难题与挑战,并指出了未来潜在的研究方向和发展趋势.

机耕道自动驾驶农机局部路径规划

针对机耕道场景下自动驾驶农机行驶的安全性、平稳性与规划实时性的实际需求,该研究提出了一种基于二次规划的局部路径规划方法。首先基于有限状态机构建农机机耕道行驶模式,其次采用横纵向解耦的方法,通过改进状态栅格法分别对农机速度行为和轨迹行为进行决策,随后利用二次规划方法生成满足多目标、多约束条件的农机轨迹和速度,得到最优路径,最后在多种行驶环境中进行仿真和实车试验,行驶参考速度为2 m/s。实车试验结果表明,在绕行静态障碍物场景中,规划轨迹的平均绝对曲率为0.021 m^(-1),最大绝对曲率为0.056 m^(-1),平均绝对横向误差为3.23 cm,最大绝对横向误差为8.69 cm,农机与障碍物外轮廓的距离大于0.76 m;在规避相向行驶、同向行驶和横穿机耕道的动态障碍物场景中,规划速度的平均绝对速度误差为0.08~0.12 m/s,绝对速度误差小于0.38 m/s,加速度变化范围为-0.38~0.44 m/s^(2)。在规划周期为200 ms的仿真试验中,该文算法平均耗时48 ms,最大耗时75 ms,相比采用静态状态栅格法平均耗时减少38 ms,算法效率提升44%。研究结果可为机耕道场景下的农机局部路径规划提供技术支持。

汽车ADAS试验用自动驾驶机器人的设计

本文介绍了汽车ADAS试验用自动驾驶机器人的结构组成,由基站、GPS/惯性导航系统、油门制动踏板执行机构、转向执行机构、控制器等组成,解释了机构中每个构件的作用,为ADAS试验的控制提供硬件基础。

NI技术提升ADAS和自动驾驶汽车的安全性和可靠性测试

美国国家仪器公司（简称NI）近日宣布推出车载雷达测试系统（VRTS,vehicle radar test system）。VRTS可用于测试从研发实验室到量产、从单个雷达传感器到集成先进驾驶辅助系统（ADAS）等应用使用的76-81GHz雷达技术。用户可以从NI精选的联盟合作伙伴处购买VRTS,这些联盟伙伴为用户提供先进系统集成和支持服务。VRTS结合了NI的毫米波前端技术、PXI矢量信号收发器（VST）和针对特定应用的软件。

引力理论框架下基于综合竞争力的自动驾驶拟人换道决策模型

为有效刻画城市快速路中自动驾驶环境下的车辆换道决策机理,考虑主车与周边车辆的位置属性、驾驶风格属性及车辆运动属性对主车换道行为的影响,建立基于综合竞争力的拟人换道决策模型。首先,以邻近前车间距、邻近前车速度差及驾驶风格这3种因素作为自动驾驶车辆的拟人化换道意愿属性,量化表征主车的换道意愿;然后,基于人类决策中的悲观主义准则,分析换道过程中周边车辆与主车可能产生的竞争行为,利用车头间距比和驾驶风格差异提出潜在竞争强度概念;其次,考虑环境稳定性对驾驶舒适性的影响,提出“速度伪距”“加速度伪距”概念,衡量换道后的环境稳定性;最后,结合引力理论建立以车辆横向速度为求解目标的综合竞争力换道决策模型。在模型标定中,筛选Ubiquitous Traffic Eyes开源数据集,得到非强制换道片段数据,利用蚁群算法标定模型参数。采用随机排列交叉验证方法进行验证,以正确率为模型精度和泛化能力的评价指标,并将其与传统模型进行对比。结果表明,将训练与验证比设置为72%∶28%、65%∶35%、57%∶43%和50%∶50%时,平均正确率区间为87.67%~90.34%,说明该模型具有较强的鲁棒性和可行性,相比于传统模型,本文模型具有更高的预测精度,可为自动驾驶环境下车辆的车道选择提供依据。

QNX针对ADAS和自动驾驶推出全新软件平台

黑莓有限公司子公司QNX软件系统有限公司推出其汽车软件产品系列的最新产品——应用于高级驾驶辅助系统（ADAS）的全新QNX平台。该平台具有可扩展性，可帮助汽车厂商构建一系列种类齐全的自动驾驶系统，包括为汽车提供360。全景视野的ADAS模块、整合来自摄像头和雷达等多数据源数据的传感器融合系统，以及在全自动汽车中作出控制决策的高性能处理器。

网联自动驾驶货车编队规划与控制研究综述

物流运输联盟内开展货车编队运行,有望成为未来物流运输降低运营成本的新形态。本文以网联自动驾驶货车编队规划与控制为研究对象,通过文献检索来分析网联自动驾驶货车编队的关键技术与研究现状。从市场应用角度,分析目前实现货车编队市场应用面临的挑战,以及相关利益方之间的成本分配问题。从技术方法视角,围绕网联自动驾驶编队规划与运作控制问题,解读相关技术内涵与实现方法。通过评述网联自动驾驶编队技术研究现状,总结该领域未来研究方向,旨在为研究者掌握该方向发展脉络提供参考。

MathWorks发布Release 2017a助力ADAS及自动驾驶系统设计

MathWorks推出包含一系列MATI。AB和Simulink新功能的Release2017a（R2017a）。值得一提的是，R2017a包含一款名为Automated Driving System Toolbox的新产品，其有助于工程师设计、仿真和测试ADAS以及自动驾驶系统。除此之外，R2017a还包含对86款其他产品的更新和补丁修复。