智行者科技为温州乐清市人民医院部署无人配送车

2月19日傍晚,温州乐清市人民医院门口,一辆无人车接过餐饮公司送来的爱心盒饭,缓缓地驶进医院大厅,医院工作人员再将盒饭搬到各个区域分发。温州因为感染人数较多,成为了此次疫情的"重点防护区",无人驾驶物流配送车"蜗必达"的到来,帮助实现餐饮公司与医院的无接触送餐。由于疫情防控要求,智行者科技技术人员无法上门进行线路、场景测试,于是组织了志愿者与公司技术员远程对接,仅在一天之内便完成了所有前期部署工作。

基于深度神经网络的行人及骑车人联合检测

本文中针对现有检测方法中不能有效区分行人和骑车人两类目标的问题,提出了一种基于深度神经网络的行人和骑车人联合检测方法;而针对道路环境中的行人与骑车人联合检测误检漏检频繁、小尺寸目标检测效果不佳和背景环境复杂多变等问题,设计了难例提取、多层特征融合和多目标候选区域输入等多种深度神经网络改进方案,以实现行人与骑车人的联合检测。在公开的行人与骑车人数据库上进行的试验表明,所提出的方法对行人或骑车人的识别率高,且能有效区分彼此,其有效性得到了验证。

复杂环境下的激光雷达目标物实时检测方法

目标物实时检测是自动驾驶决策控制的基础信息,保证了智能车安全可靠的行驶。针对现有的尤其是城市复杂场景下的基于三维点云的方法对地面点云去除不干净、目标物过分割欠分割等问题,提出一种基于激光雷达的智能车目标物实时检测方法。在分析三维点云数据特征的基础上,采用一维核密度估计和RANSAC（随机抽样一致性）的方法去除背景点云,然后通过将三维点云映射到二维图像域中,使用像素区域生长和连通区域标记的方法提取目标物,得到轴向矩形盒体作为目标物,完成智能车的目标物实时检测。实验证明,该方法将地面点云去除的非常干净,同时很好的保留了目标物点云,解决了绝大多数情况下的目标物过分割和欠分割问题,在自车前后各100m左右各20m的感兴趣区域内,目标物提取正确率为98%以上,纵向和横向检测距离偏差平均都在16cm内,算法运行时间在45ms/帧内。

基于机器视觉的非特定目标实时跟踪研究

计算机视觉在小型无人机及其他便携式设备中的应用越来越广泛,视觉目标跟踪作为其中的关键环节,成为国内外研究的热点问题。现有目标跟踪算法目标单一,应用范围严重受限,无法同时满足跟踪精度和跟踪速度的要求。基于以上背景,文中设计了一种基于相关滤波的多特征融合无人机目标跟踪算法,融合HOG特征和颜色特征作为输入,以最小方差原则在频域内训练出相关滤波器,将颜色特征置信概率叠加到相关滤波响应中,综合选取跟踪结果。通过仿真实验和飞行实验验证了该算法的正确性和有效性。

5G格局无人驾驶或成第一行业破冰者

随着人工智能在人类生活领域的逐步渗透,目前,人工智能已经成为对人类生活方式影响最大的产业,尤其在最近一项全新的5G技术在行业中崛起,让5G技术可能带来的科技智能影响倍受世界人民的关注,原因是凭借5G技术带来的“高速率、低延时、大带宽”的绝对优势,将可能会引领一场全新的技术革命.

面向中国场景的汽车智能化系统测试评价关键技术及装备

智能化已成为全球汽车产业重要的发展方向,已发展出辅助驾驶、自动驾驶等智能驾驶产品.由于智能驾驶面临多变交通环境、多样驾驶行为、全域自动控制等适配需求,需上亿公里测试才能保证其安全性,该需求无法通过传统测试方法实现.相比国外,我国交通环境更复杂,迫切需要构建面向中国交通环境的高效测评技术,解决以下三个核心难题:①反映中国交通场景的测评理论与体系亟待建立;②智能化系统算法模型迭代验证周期长,传统的算法开发遵循V流程开展,算法模型迭代验证周期长、效率低、成本高,难以满足海量场景验证需求;③系统及整车测试效率低,关键测试装备被国外垄断,难以满足针对关键场景的高效连续测试需求.因此,迫切需要研发面向中国场景的汽车智能化系统测试评价关键技术及装备,打破国外技术垄断,支撑我国汽车智能化系统的研发和产业化应用.

车载激光雷达传感器及感控处理系统

自动驾驶汽车正在带来一场移动出行的技术变革,是我国汽车产业升级的历史机遇。目前不同级别的自动驾驶汽车已经逐步得到广泛应用。随着自动驾驶市场逐渐扩大,其关键技术空心化对行业安全、信息安全、国家安全的危害也日益凸显,当传感器或计算平台受国外控制时,每一辆自动驾驶汽车都有可能变成高精度的信息采集系统和攻击性移动平台。因此实现环境感知关键技术的自主突破具有重大意义。