自动驾驶感知系统的未来之路

<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。     

基于人工智能算法的换道超车功能开发

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。     

访罗伯特·博世有限公司底盘控制系统事业部总裁Mr．Gerhard Steiger

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。     

浅谈人工智能在自动驾驶汽车中的应用

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。     

自动驾驶汽车感知系统关键技术分析

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。     

汽车自动驾驶技术研究

自动驾驶汽车是一种通过电脑系统实现无人驾驶的智能汽车,它的行驶模式可以更加节能高效,可以为国家节省数千亿人民币的交通事故成本、交通拥堵成本以及运输过程中以人力提高生产力的成本。然而由于传感器的可靠性,系统漏洞等原因,现在使用的自动驾驶技术并不那么安全。针对上述内容从提高自动驾驶的可靠性方面,重点对汽车自动驾驶技术的网络化、人工智能、高精度地图、关键传感器、交通基础设施等方面进行研究。     

数学算法在汽车自动驾驶系统中的应用

本论文的研究目的在于探索数学算法应用于汽车自动驾驶系统的领域。通过从汽车自动驾驶系统概述、基础理论、具体应用及未来发展方向等方面的阐述,分析了数学算法对于促进汽车智能驾驶技术进步的重要性。数学算法不断地优化与创新,会进一步提高汽车自动驾驶系统性能与智能水平。     

智能车辆的研究及发展

智能车辆也叫无人车辆，是一个集环境感知、规划决策和多等级辅助驾驶等功能于一体的综合系统。它集中运用了计算机、现代传感、信息融合、通讯、人工智能及自动控制等技术，是典型的高新技术综合体。它具有道路障碍自动识别、自动报警、自动制动、自动保持安全距离、车速和巡航控制等功能。它的主要特点是在复杂的道路情况下，能自动地操纵和驾驶车辆绕开障碍物并沿着预定的道路(轨迹)行进。     

智能驾驶在现代物流中的应用及前景

<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。     

基于强化学习的自动驾驶决策研究综述

强化学习的发展推动了自动驾驶决策技术的进步，智能决策技术已成为自动驾驶领域高度关注的要点问题。本文以强化学习算法发展为主线，综述该算法在单车自动驾驶决策领域的深入应用。对强化学习传统算法、经典算法和前沿算法从基本原理和理论建模等方面进行归纳总结与对比分析。针对不同场景的自动驾驶决策方法分类，分析环境状态可观测性对建模的影响，重点阐述了不同层次强化学习典型算法的应用技术路线，并对自动驾驶决策方法提出研究展望，以期为自动驾驶决策方案研究提供有益参考。     

人工智能推进自动驾驶研发进程

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。     

行车障碍识别算法的精度提升方法

自动驾驶技术中,行车过程中的障碍物识别是技术难点。目前基于机器视觉识别的技术中,以YOLO算法与Faster-RCNN算法最为著名。YOLO算法的识别速度快,但是识别的准确率不够高;Faster-RCNN 算法的识别准确率高,但是识别速度慢。两者均不满足当前汽车自动驾驶的工程需求。提出了一种融合了元学习Reptile算法与知识蒸馏技术的训练方法来训练YOLOv4算法,在保证YOLOv4算法速度的同时提升算法精度。     

人工智能在汽车驾驶技术领域的应用与发展

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...     

国务院鼓励人工智能与交通运输融合创新

<正>日前,国务院发布《新一代人工智能发展规划》(简称《规划》),提出推动人工智能与各行业融合创新,智能载运工具、智能物流等交通运输领域多项重点位列其中。智能运载工具方面,《规划》明确,发展自动驾驶汽车和轨道交通系统,加强车载感知、自动驾驶、车联网、物联网等技术集成和配套,开发交通智能感知系统,形成我国自主的自动驾驶平台技术体系和产品总     

我国自动驾驶汽车发展过程中存在的问题

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.     

Drive.ai自动驾驶汽车表现出色

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     

吹响自动驾驶集结号

正自动驾驶的革命浪潮正在不断挑战人们对未来驾驶的想象。笔者在本文中详细盘点了科技公司、汽车公司等在自动驾驶领域的技术现状与未来布局。人们有理由相信,自动驾驶的未来已经到来。Waymo:自动驾驶640万km在自动驾驶汽车的研发过程中,经验是个关键因素。它能保障技术安全,并为汽车的最终上路做好充分准备。谷歌母公司Alphabet Inc旗下的自动驾驶汽车公司Waymo宣布,它们的汽车已实现全自动。为了成为世界上最有经验的自动驾驶汽车,Waymo已累积在公共道路上行驶测试超     

本期导读

正在人工智能与大数据背景下,自动驾驶船舶因其安全、高效的优势吸引了国内外学者的广泛关注。但其避碰相关法律条例与避碰路径规划发展并不均衡。自动驾驶船舶概念在规范条例中仍十分模糊,传统的路径优化与算法存在一定的偏差,只局限于全局规划或局部规划无法有效的保障船舶行驶安全性。基于避碰规则梳理了自动驾驶船舶的相关规范,分析了最新的自动驾驶船舶路径优化研究成果,阐述了当下自动驾驶船舶路径规划的模型,包括智能算法、规划目标与约束条件等。针对当下仍存在的自动驾驶船舶避碰问题,应从定义、监管、     

自动驾驶系统交通规则符合性仿真验证方法

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。     

基于避碰规则自动驾驶船舶路径优化的研究进展

在人工智能与大数据背景下,自动驾驶船舶因其安全、高效的优势吸引了国内外学者的广泛关注.但其避碰相关法律条例与避碰路径规划发展并不均衡.自动驾驶船舶概念在规范条例中仍十分模糊,传统的路径优化与算法存在一定的偏差,只局限于全局规划或局部规划无法有效的保障船舶行驶安全性.基于避碰规则梳理了自动驾驶船舶的相关规范,分析了最新的...