基于车云协同的露天矿山数字地图更新方法

高精数字地图是自动驾驶技术的基础,其为自动驾驶车辆提供精确的位置信息;但随着环境的变化和时间的推移,非结构化道路地图的保真性会逐渐下降。为此,文章提出了一种基于车云协同的露天矿山数字地图更新方法,以有效提高地图更新的效率。其首先构建了一种三层地图模型结构,以保证露天矿山地图更新的完整性;然后,针对露天矿山多种场景,提出了一种基于轨迹的地图更新方法,并设计了一种基于车云协同的地图更新系统。实验结果表明,采用基于车云协同的露天矿山数字地图更新方法,可有效降低地图更新时延,相比单车模式,地图平均更新时延降低了75%,保证了地图的鲜度;同时降低了地图更新的相对误差,整体精度提升了10%,满足地图保真性的要求。

双端驾乘人员车云协同计算危险行为分析

车内人员不安全行为的预警是减少交通事故的重要手段,然而现有的研究主要关注于驾驶员的危险行为检测,乘客的危险行为往往被忽视,因此文中提出了一种基于车云算力协同的驾乘人员危险行为分析算法。首先,通过基于粗粒度深度估计的检测和人员身份分析模型区分驾驶员与乘客;然后,通过基于ByteTrack多目标跟踪的检测模型检测乘客是否越位,并通过头部姿态估计与疲劳状态检测的多任务联合模型检测驾驶员的危险驾驶行为;最后,将危险行为视频片段上传云端进行校验。实验结果表明,文中提出的基于粗粒度深度估计的检测模型和人员身份分析模型相比感兴趣区域法的F_(1)-Score提高了5.1%,多任务联合模型中的头部姿态估计分支相比LwPoser模型F_(1)-Score提高了5.2%,疲劳检测分支相比YOLOv6s模型平均准确率均值提高了2.4%,且校验中使用云端高精度模型F_(1)-Score提高了7.6%。以上结果证明了文中所提算法的有效性。

基于赛博链的云端动力电池管理

电池管理系统有助于保持汽车动力电池的安全和优良特性,实现状态估计、单体均衡、热管理和故障诊断重要功能。传统的车载设备已不能满足先进电池管理系统对算力、通信的需求,提出基于赛博链(CHAIN)的云端电池管理系统,通过“端、边、云、智”模式实现车云协同,利用分布式计算架构解决算力问题,可以提供基础设施服务(IaaS)、开发平台服务(PaaS)、软件应用服务(SaaS)、数据资源服务(DaaS)4种服务类型。最后总结了该系统可能面临的技术挑战,并展望了其广泛的应用场景。

人工智能在汽车自动驾驶系统中的应用分析

以自动驾驶系统为代表的汽车智能化技术将对汽车产业生态变革产生重大影响。首先,分析了自动驾驶技术发展路线、发展现状及人工智能(Artificial Intelligence,AI)的应用领域,指出AI在自动驾驶应用中面临的挑战。然后,提出一种基于AI的车云协同自动驾驶系统架构,分析了基于AI的智能驾驶终端软硬件架构与基于大数据的自动驾驶云端空间架构;结合车端与云端的AI集成应用问题、信息数据交互方法与车云协同技术,讨论了人工智能在自动驾驶系统的主要应用。