共查询到20条相似文献,搜索用时 437 毫秒
1.
<正>随着计算机技术的飞速发展,人工智能技术逐渐走入大众视野,其中自动驾驶技术则是人工智能技术中的重要应用,自动驾驶技术的主要目标是让汽车可以自主行驶,减少驾驶人的驾驶疲劳,提高汽车驾驶的安全性和舒适度。自动驾驶技术的实现需要依赖于感知系统、决策系统和控制系统的协同工作,其中,自动驾驶感知系统是非常重要的一环,承担着让自动驾驶汽车“看得清”的任务,其研究和发展将影响自动驾驶汽车落地进展。 相似文献
2.
随着汽车电气化、智能化的不断发展,汽车行驶的场景越来越趋于多样化和复杂化,从而促使汽车从辅助驾驶向智能驾驶不断创新。随着人工智能的引入,汽车智能驾驶功能越来越趋于实用,正在逐步实现向解放驾驶员双手、向车载高级驾驶辅助系统代替人脑进行复杂驾驶场景实时响应的阶段发展;高阶复杂场景智能驾驶功能则在辅助驾驶功能实现的基础上,针对驾驶员实际驾驶感受并结合人工智能算法实现向车辆复杂场景下的自动驾驶操作的方向发展。介绍了基于人工智能算法的换道超车功能开发,即通过换道条件的智能选择,使车辆以最佳方式自动完成换道超车过程。 相似文献
3.
Q:根据材料介绍,自动驾驶技术才能真正的成熟。为什么不能尽快地把这个系统研发出来。Gerhard Steiger:自动驾驶的发展是一个过程,真正达到自动驾驶是终极目标。现在有很多主机厂和一些供应商部在做这方面的研究,实现过程是一步一步的。目前自动驾驶的实现还存在很多问题,比如传感技术、数据融合、人工智能、地图等。所以我们在介绍自动驾驶的同时也要介绍现阶段的技术,我们在一步一步达到自动驾驶。 相似文献
4.
近些年来,随着人工智能技术新一轮的发展浪潮,汽车与人工智能愈加契合,人工智能在自动驾驶方面体现出的便利性更加显著。文章简要介绍了自动驾驶汽车的特点和发展状况,并对人工智能在自动驾驶汽车中的应用与发展前景进行了展望。 相似文献
5.
自动驾驶技术是智能与网络技术相结合的必然结果,是未来汽车工业发展的重要方向。根据美国电气与电子工程学会(IEEE)的说法,自动驾驶汽车将在2040年前占据75%的市场份额,是推动第四轮人工智能技术发展的关键技术,它将重塑传统汽车业的“金字塔”,引领全新交通和出行生态。自动驾驶的进步是技术进一步发展与成熟关键,也是自动驾驶汽车走向工业化的关键。 相似文献
6.
7.
8.
9.
<正>智能驾驶是人工智能在汽车上的应用场景之一,其在物流运输中的应用和发展前景广阔。随着技术的不断进步和应用场景的不断拓展,智能驾驶将为物流运输带来更加高效、安全和环保的服务,推动整个行业的发展和进步。智能驾驶利用传感器、雷达、摄像头等设备感知周围环境,通过人工智能算法处理数据,实现车辆的自主驾驶,既减少了人力成本,又提高了运输效率。 相似文献
10.
11.
正汽车若要实现真正意义上的自动驾驶,人工智能必不可少。大陆集团在2018 CES Asia展上,推出了运用人工智能技术的第五代摄像头和计算机视觉平台,对可能发生的道路状况进行预测判断,推进自动驾驶的实现。在围绕自动驾驶而展开的各项研发中,包括摄像头、雷达在内的各类传感技术是热点。如果把自动驾驶的整个过程分成感知、判断、执行三部分的话,那么通过传感技术而获得的对周围环境的感知能力,是实现自动驾驶的第一步。只有当车辆精确捕捉并分析道路环境状况后,才能做出正确的驾驶判断并及时执行驾驶操控。 相似文献
12.
13.
随着人工智能技术的不断发展,在社会各个领域都实现了广泛应用,人工智能的进入,改变了人们的生活,同时也推动了时代的全面发展.以汽车领域为例,人工智能已经逐步踏足汽车驾驶技术领域,并且通过人们对智能技术的不断探索与研究,在汽车驾驶技术中实现了良好的应用效果.未来我国汽车驾驶技术领域也会逐步朝着人工智能化发展,并不断优化和提... 相似文献
14.
15.
自动驾驶汽车已成为全球发展趋势,随着人工智能、大数据、通信技术发展,自动驾驶必将迎来蓬勃发展,但是完全实现自动驾驶的道路是漫长而曲折的.本文通过介绍自动驾驶汽车在人员、车辆、道路、网络、云平台五个方面所面临的技术难点与存在的问题,建议行业向重点难点领域聚集,推动行业发展. 相似文献
16.
正1通过深度学习算法教会车辆识别回应路况自动驾驶汽车初创公司Drive.ai由斯坦福大学的8名人工智能研究员于2015年创立,主要致力于通过工具包将普通汽车变为无人车,使用人工智能创建自适应和可扩展的自动驾驶系统,改善当今的交通状况。他们创立这家公司的灵感来自于在斯坦福大学人工智能实验室工作期间,此前试图将深度学习技术应用于车辆系统。正如人类通过观察去学习一样,利用来自真实道路的信 相似文献
17.
18.
19.
随着自动驾驶技术的不断发展,高级别自动驾驶车辆逐步在限定区域开展实际道路测试,确保和提高自动驾驶系统安全驾驶能力是当前研究、测试和工程开发的热点难点。面对自动驾驶车辆将长期与人类驾驶车辆混行,并与其他交通参与者遵守同样交通规则的现实需要,提出一种验证和测试自动驾驶系统交通规则符合性的方法,以期降低多车混行条件下的交通安全风险。针对各类交通法律法规语义自动解析技术瓶颈,提出规范化-逻辑化两阶段交通规则数字化模型,基于改进谓词度量时序逻辑框架(Metric Temporal Logic,MTL),将自然语言交通规则转换为命题、逻辑连接词和时序算子组成的逻辑编码,生成了自动驾驶系统可理解、可执行、可验证的数字化交通规则,并构建了交通规则命题的分级分类体系。提出了一套基于自动驾驶车辆高精度运动轨迹的交通规则符合性验证算法,并搭建仿真试验平台,在高速公路交通场景下开展了试验验证。理论分析与试验表明:精简命题空间、新增时序算子和谓词逻辑词等改进有效提高了原有MTL框架的时间表现能力,解决了时序逻辑性不足等问题,大幅提高了交通规则数字化转换效率,对地方性交通法规和未来交通法规修订提供了良好的兼容性。提出的交通规则符合性验证方法及试验平台可以有效测试自动驾驶系统对现有交通规则的遵守能力,相关成果对提高自动驾驶系统安全性能和未来混行交通安全管控水平具有重要意义。 相似文献