基于蒙特卡洛模拟的无人车高速公路变道虚拟测试场景自动生成算法

高速公路环境下,相邻车道前方车辆变道切入是常见的高风险场景.基于场景的虚拟仿真测试,是验证无人车应对其他车辆变道切入时控制算法安全性与可靠性的有效方法.基于蒙特卡洛模拟方法,提出一种无人车高速公路变道虚拟测试场景自动生成算法,实现测试场景中变道车与测试车的运动轨迹生成.利用高速公路真实交通数据集highD提取真实变道场...     

基于三维激光雷达的无人车障碍物检测与跟踪

针对真实交通场景中障碍物的检测与跟踪问题,提出了一种基于三维激光雷达HDL-64E的无人车障碍物检测与跟踪方法。首先对三维激光雷达产生且经路面分割后的点云数据栅格化,并进行栅格增补。在障碍物聚类之后,先利用无人车RTK-GPS数据和INS航向角数据进行多帧融合的静态障碍物的检测,再进一步利用动态障碍物模板匹配算法对静态障碍物检测结果形成的可行驶区域进行动态障碍物检测。最后,利用标准卡尔曼滤波器实现对动态障碍物的跟踪。本文方法应用在自主研发的无人车上的大量实验结果表明,本文提出的方法具备较高的可靠度,满足无人车的环境感知要求。     

短途无人配送车自动驾驶技术研究综述

随着互联网经济与物流运输的迅猛发展,“最后一公里”在送货效率、安全、成本上需要更智能化的解决方案,无人化的物流配送成为解决当前配送痛点的关键技术,短途无人配送车已经从试验室阶段迈向商业化应用阶段。与其他车型的无人驾驶技术类似,无人配送车也需要应用到车辆定位、环境感知、路径规划及决策、车辆控制四大核心技术。据此,通过研究核心技术的发展情况,梳理了现阶段无人配送车存在的技术问题,以期为行业提供参考。     

矿井围岩无人监测车

通过分析国内外矿井围岩智能监测技术、矿井围岩无人监测车的研究现状,从移动机构、定位系统、传感探测、影像系统、控制系统等方面分析了矿井围岩无人监测车的关键技术及其发展趋势,设计了一种新型矿井围岩无人监测车。该无人监测车性能稳定,操纵方便,既可人工远程控制又可全程自动化运转,提高了矿井围岩监测预报精度和可靠性,对矿井作业的进步以及社会生产方面的提升有一定的推动作用。     

基于自然驾驶数据挖掘的二阶车辆与行人交互测试场景

针对当前网联车车辆与行人交互(以下简称人车交互)测试场景复杂性低、无法充分涵盖真实道路情况下的人车交互场景测试需求问题,提出了一种基于自然驾驶数据的人车交互测试场景构建方法.该方法首次提出了二阶人车交互测试场景的概念,在传统人车交互场景基础上组合前序车辆运动场景,实现交互场景时间域扩充,并通过挖掘自然驾驶数据中人车交互...     

无人配送车支援西安市抗疫一线

2022年1月1日,在接到政府应急物资末端无接触配送的需求后,陕车智联牵头联合沣西新城工信局,紧急制定了疫情防控期间物资配送解决方案,确定由新石器交叉信息核心技术研究院(西安)有限公司提供车辆并运营。作为西安市自动驾驶道路测试第三方授权机构,陕车智联积极发挥平台作用,开展了路线规划、现场勘查及常见道路场景测试等十余项基本测试项目,协调组织西安市智能汽车专家委员会对疫情防控期间申请无人车上路项目进行了评审,提出改进完善意见,确认该车辆在疫情防控的特殊情况下,具备上路进行物资配送的条件,并要求无人配送车生产单位应有远程智能接管等多种应急保障措施,确保运营安全。     

基于危险性的汽车ACC切车场景设计研究

针对汽车自适应巡航控制系统功能测试需求，基于曝光度及危险性分析设计ACC切车场景。基于自然驾驶数据，通过对切车工况数据特征进行分析，提取切车工况，并基于先验的智能驾驶模型、最优化方法和扫描线种子填充算法设计了关键切车场景。基于场景仿真软件完成了关键切车场景的构建及对ACC功能模块的仿真验证，并进行了危险切车场景仿真分析。结果表明基于考量场景曝光度及危险性的自然驾驶关键切车场景提取与设计方法，可有效设计开发汽车自适应巡航控制系统典型测试场景。     

北京打造智能网联汽车示范运行区8种无人车场景集中亮相首钢园

正2月28日,北京市智能网联汽车示范运行区(首钢园)正式启动,无人接驳、编队行驶、分时租赁、无人快递、无人清扫、无人配送、无人售卖、无人巡检共8种20多辆无人车齐聚首钢园,首钢园区成为本市无人车集中测试的实验田,将打造全国首个智能网联汽车示     

无人车软件体系架构

无人车已经成为当前国内外高校和产业界研究的热点。未来的无人车可以显著提高交通效率,降低交通事故发生率,将是智能交通系统的重要组成部分。无人车搭载的软件和程序是无人车的"灵魂",本文拟对当前无人驾驶汽车的软件结构进行介绍。     

基于真实事故案例的自动紧急制动系统两轮车测试场景研究

两轮车事故是我国道路一种重要的交通事故类型,但我国在自动紧急制动(AEB)系统研究中还缺乏合适的两轮车测试场景。据此,本文中参考国际上已有的研究成果,建立适用于我国道路交通环境的AEB系统两轮车测试场景。首先,对419起汽车与两轮车碰撞事故案例进行了聚类分析,获得了11类典型的汽车与两轮车碰撞事故场景;接着,根据11类场景在不同参数特征下的事故伤亡程度和事故样本数,准确地获得了各类场景中两轮车运动状态、汽车车速和两轮车车速的详细参数特征;最后,设计了汽车在照明良好的情况下直行通过路口的主要测试场景,通过改变主要测试场景得到了其它5类次要测试场景,且因而最终获得汽车与3种不同两轮车类型(电动两轮车、摩托车和自行车)碰撞下6类AEB系统两轮车测试场景的具体参数特征。本研究结果可为研究我国AEB系统两轮车测试提供参考依据。     

基于多传感器融合的复杂越野环境人员识别方法

军用无人车辆的一大应用场景是班组伴随功能,复杂越野环境下的人员识别技术,是军用无人车辆的关键技术,实时、准确地检测出车辆周边的人员,是班组伴随实现的前提条件。针对激光雷达和摄像头融合感知下的人员识别问题,提出基于多传感器融合的解决方案,针对激光雷达采用基于KDTree加速的欧式聚类方法,针对摄像头信息设计改进的YOLO v3深度学习网络架构,设计空间尺度融合算法。通过履带式车辆验证平台在复杂环境下进行多工况试验验证,结果表明,所设计的基于多传感器融合的识别算法能够准确识别复杂环境下的目标,激光雷达和摄像头融合算法的交并比超过95%。     

基于REINFORCE算法和神经网络的无人驾驶车辆变道控制

针对无人驾驶车辆变道超车场景，研究基于REINFORCE算法和神经网络技术的无人驾驶车辆变道控制策略。通过车辆动力学模型确定模型的反馈量、控制量和输出限幅要求; 设计神经网络控制器的结构，根据REINFORCE算法设计控制器训练方案; 分析经验池数据数值和方差过大的问题，提出1种经验池数据预处理的方法以改进控制器训练方案; 结合无人驾驶车辆运行场景，分析和研究强化学习过程中产生的奖励分布稀疏问题，并针对该问题提出1种基于对数函数的奖励塑造解决方案; 与PID控制器和LQR控制器进行对比实验验证。实验结果表明，与PID相比，该控制策略有更小的最大误差，变道过程更安全; 与LQR相比，该控制策略性能表现接近，以此证明其用于无人驾驶车辆变道控制任务的可行性。此外，记录在不同平台下该控制策略的执行时间以证明其实时性和在轻量级平台运行的可行性。      

基于数据驱动的人机混驾多车协同控制算法

针对多车协同控制系统中，传统控制算法需要准确获取系统中与驾驶员驾驶行为相关的参数以及与车辆系统动力学相关参数等问题，提出基于数据驱动的自适应动态规划控制算法。以有人与无人驾驶车辆混行的多车协同控制系统为研究对象，通过分析系统的横纵向控制模型，推导出系统状态方程，采用递推数值方法在线逼近最优解，并通过对最优反馈控制矩阵进行优化求解，得到最优控制输入。该算法简化了系统的控制输入参数，仅仅利用V2X通信获得的车辆的前轮转角以及车辆期望的纵向加速度作为控制输入，即可实现无人驾驶车辆的优化控制。基于Carsim和Simulink进行联合仿真测试验证，结果表明，该算法控制参数简单、收敛速度快、控制精度高、适应性强，能够控制无人驾驶车辆在多车系统中保持期望的车速并且与前车保持期望的车间距，同时在任意曲率道路上行驶时与车道中心线之间的横向误差趋于0。      

Robust gain-scheduling automatic steering control of unmanned ground vehicles under velocity-varying motion

Owing to the fact that unmanned ground vehicles have the features of time-varying, parametric uncertainties and external disturbances, this paper mainly studies robust automatic steering control of unmanned ground vehicles. Firstly, a linear parameter varying lateral model for unmanned ground vehicle is constructed, in which the longitudinal velocity is represented by a polytope with finite vertices. Secondly, a robust gain scheduling automatic steering control scheme based on the linear matrix inequality technique is proposed to deal with the characteristics of time-varying and external disturbances. Finally, Simulation results based on Adams–Matlab joint platform using a nonlinear full vehicle model have demonstrated that the proposed control approach can simultaneously ensure the control accuracy and strong robustness of system.     

浅谈低速无人车发展现状、挑战及建议

随着无人驾驶技术的创新发展以及资本的投入,无人驾驶赛道热度持续上升,低速无人车成为资本新热点,被视为是破局无人驾驶落地的关键一步。本文就低速无人车目前发展的现状及面临的问题进行探讨分析,并对其未来的发展趋势提出合理化建议。     

基于行为融合的无人自动驾驶车辆的智能控制

针对动态环境下无人自动驾驶车辆控制的非线性、时变的特点,提出并设计了一种基于行为融合的无人驾驶车辆的智能控制策略。根据车辆行驶基于模糊逻辑方法设计了一系列的基本行为模式,用模糊控制的方法分别建立各行为模式控制器,进而对车辆的方向和速度进行控制。在行为选择机制设计中,对常用的行为竞争和行为融合2种方法进行分析比较后,提出限制各行为模式的使用范围,通过各行为的控制和融合,既达到有效避障,又能完成行驶目标的目的。通过几种典型障碍物环境下的避障仿真实验,结果显示设计达到了预期效果。     

车-车协同下无人驾驶车辆的换道汇入控制方法

多车协同驾驶是智能车路系统领域的研究热点之一,可有效降低道路交通控制管理的复杂程度,减少环境污染的同时保障道路交通安全。基于多车协同驾驶控制结构,提出了一种无人驾驶车辆换道汇入的驾驶模型及策略,系统分析了多车协同运行状态的稳定条件。在综合分析无人驾驶车辆换道汇入的协作准则、安全性评估后,基于高阶多项式方法,结合车辆运行特性,通过引入乘坐舒适性的指标函数,设计得到无人驾驶车辆换道汇入的有效运动轨迹。通过研究汇入车辆与车队中汇入点前、后各车辆的运动关系,详细分析车辆发生碰撞的类型和影响因素,给出避免碰撞的条件准则,从而确保无人驾驶车辆汇入过程中多车行驶的安全性和稳定性。基于车辆运动学建立车辆位置误差模型,结合系统大范围渐进稳定的条件,选取线速度和角速度作为输入,应用李雅普诺夫稳定性理论和Backstepping非线性控制算法,设计了无人驾驶车辆换道汇入后的路径跟踪控制器。仿真试验和实车试验结果表明：所设计的换道汇入路径是可行、安全的,控制器具有良好的跟踪效果,纵向和横向的距离误差在15 cm以内,方向偏差的相对误差在10%以内。研究结果为智能车路系统中的多车状态变迁与协同驾驶研究提供了参考,可服务于未来道路交通安全设计和评价。     

无人驾驶电动游览车底盘集成控制研究

介绍了具有自动寻迹行驶和遥控行驶2种模式的无人驾驶电动游览车,该车采用光电传感器自动辨识行驶路径,自动完成寻迹行驶,且在自主行驶过程中通过超声波传感器探测技术自动检测障碍物信息,具有防碰撞功能,在底盘控制上实现了无人驾驶技术、轮毂电机驱动技术和线控转向技术以及防碰撞技术等的集成控制,对于实现车辆的智能驾驶具有重要意义。     

野外环境下基于改进 Faster R-CNN的无人车障碍物检测方法

针对无人车在越野环境中障碍物检测存在特征提取能力不足和检测准确率低等问题,提出一种基于改进型Faster R-CNN卷积神经网络模型的障碍物检测方法。通过构建FPN与ResNet50组合的网络结构来实现对野外障碍物的特征提取,有效解决了特征提取时障碍物细节特征丢失和尺度变换大的问题。使用Soft-NMS代替NMS,避免了NMS非极大值抑制由于阈值难调整带来的误删除和误检问题。在每个卷积层残差块最后嵌入注意力机制,有助于特征图中有效特征信息筛选和减小计算量。试验结果表明,构建的改进型Faster R-CNN卷积神经网络模型可准确识别野外环境中的障碍物,从而验证了该模型有良好的检测能力,对提升无人车的野外感知能力具有重要意义。     

6×6无人地面车辆差速转向分析与优化

差速转向越来越多的被应用于无人地面车辆，介绍了差速转向相比于传统转向轮转向的一些优势，并对差速转向进行了简单的运动学分析。差速转向消耗的功率大，提出通过调整悬架装置改善转向效率，并对车辆悬架调整前后的模型进行静力学分析。