汽车主动安全环境感知共性技术初探

本文对汽车主动安全环境感知共性技术进行了研究和探讨。首先介绍了国内外环境感知技术的发展现状和趋势。随后提出了以CCD和雷达为感知手段,嵌入式系统为处理器的汽车主动安全感知平台,其中包括机器视觉技术,雷达信息处理技术,传感器融合技术和嵌入式处理技术四项共性技术,并分别对其进行了论述,为研发各种主动安全系统奠定了坚实的基础。     

智能车辆的障碍物检测研究方法综述

按照使用传感器的不同类型来分类，对智能车辆的障碍物检测和识别技术进行了综述，并分析各种障碍物检测方法。这些方法中主要包括基于立体视觉方法、基于激光雷达的方法：基于彩色机器视觉的方法及基于结构光的方法等等，同时作者指出任何一种有效的障碍物检测系统不能只依靠单一传感器进行环境感知，因此利用多种传感器信息融合技术检测智能车辆前方障碍物，是未来该领域的研究重点与难点。另外，还介绍了近几年一些研究机构在该领域的研究成果，并对所使用的一些算法进行简要的概括，为我国在智能车辆的障碍物检测领域的发展提供借鉴。     

基于5G和车路协同的云端视觉分析对汽车环境感知能力优化的研究

智能汽车作为一种智能终端,具备环境感知能力、事态分析能力、情况处理能力和信息分享能力。本文针对智能汽车的环境感知能力优化展开研究,并提出5G和车路协同技术有助于云端视觉分析技术的发展,而云端视觉分析技术的介入对汽车环境感知能力有极大的优化作用,最后通过仿真实验予以验证。     

爱驰汽车与深兰科技合作研发智能汽车技术

正近日,爱驰汽车与人工智能企业深兰科技联合宣布:两家公司战略合作协议,共同进行人工智能、机器视觉、深度学习智能线控等先进技术在智能汽车领域的应用开发,加速智慧汽车的研发进程。双方将基于爱驰的车辆控制技术系统,融合深兰科技的机器视觉、算法等AI技术,共同发力智能汽车升级方案。     

基于激光雷达的3D目标检测研究综述

近年来,随着自动驾驶技术的快速发展,智能汽车对于环境感知技术的需求也越来越高,由于激光雷达数据具有较高的精度,能够更好的获取环境中的三维信息,已经成为了3D目标检测领域研究的热点。为了给智能汽车提供更加准确的环境信息,对激光雷达3D目标检测领域主要研究内容进行综述。首先,分析了自动驾驶车辆各种环境感知传感器的优缺点;其次,根据3D目标检测算法中数据处理方式的不同,综述了基于点云的检测算法和图像与点云融合的检测算法;然后,梳理了主流自动驾驶数据集及其3D目标检测评估方法;最后对当前点云3D目标检测算法进行总结和展望,结果表明当前研究中2D视图法和多模态融合法对自动驾驶技术发展的重要性。     

浅谈智能驾驶中的环境感知

环境感知是研究汽车智能驾驶技术的基础。环境感知系统为智能车辆的行为决策和路径规划提供准确可靠的信息源,是智能车辆顺利运行的重要保障。文章首先对比环境感知中常用的传感器,在此基础上总结目标检测与目标跟踪的技术方法并分析优缺点,然后介绍全球四大卫星系统及常用定位导航技术的基本原理,最后对未来智能驾驶汽车的发展进行展望。     

智能驾驶汽车视觉图像处理技术

环境感知系统是智能驾驶电动汽车智能驾驶系统中不可或缺的一部分,相关的视觉图像处理技术是基于视觉的环境感知系统的核心组成部分,是国内外学者关注的热点。在现有车道线识别算法的基础上,本文提出了一种更完善的检测算法。通过逆透视投影变换转换坐标,对输入图像应用双边滤波、大律法二值化、形态学处理等前处理过程,消减噪声;最后使用Canny算子进行边缘检测,并利用Hough变换识别直线,对结果进行筛选。实验证明车道线识别算法能在不同环境下成功地识别出车道线,该算法有着较好的实时性和鲁棒性。     

基于机器视觉的智能车辆导航综述

基于机器视觉的智能车辆导航是智能车辆系统的关键,包括道路检测和障碍物检测两部分。结合国内外最新研究动态,本文主要总结道路检测和障碍物检测中的典型方法,并列出国内外具有代表性的一些智能车辆系统,同时详细介绍当前最具代表性的、美国军方研制的DEMOⅢ系统;最后指出基于机器视觉的智能车辆导航技术的研究与发展趋势。     

基于视觉技术的汽车制造智能装备文献综述

机器视觉是近20年新兴起来的一项工程技术,涉及到成像技术、图像处理、传感器技术、硬件技术与接口技术等。随着视觉技术的逐步完善和发展,其在工程上得到了越来越广泛的运用。文章就视觉技术的组成、机器视觉在智能装备上的运用以及机器视觉在焊接线上的运用展开了综述,在总结文献的基础上对汽车生产焊接线上使用机器视觉技术进行了展望。     

基于机器视觉的智能车辆前方道路边界及车道标识识别方法综述

为了全面了解国内外在基于机器视觉的智能车辆前方道路边界及车道标识识别领域的研究进展，文章介绍了近年来一些典型的基于机器视觉的道路边界及车道标识识别系统，对基于机器视觉的前方道路边界及车道标识识别方法进行了分类，对各大类方法中采用的不同技术进行了阐述，然后对基于机器视觉与其他传感器融合的识别方法进行了总结，最后就该领域的研究难点及发展趋势进行了简要论述。     

汽车安全辅助驾驶支持系统信息感知技术综述

随着我国汽车保有量的激增,汽车驾驶安全日渐重要.围绕人-车-路系统中的人和路开发车载汽车安全驾驶支持系统受到广泛的关注.在智能运输系统的交通安全研究中,与汽车安全辅助驾驶系统相关的信息感知技术研究主要有:车辆状况检测、交通环境的检测、非常规条件下驾驶员视觉增强和对驾驶员的检测等.文中将对上述汽车安全辅助驾驶支持技术国内、外最新研究现状进行综述,并展望该领域研究动向.     

HOG与SVM在动态称重轮轴识别中的应用研究

基于机器视觉的检测技术是道路环境感知的重要手段之一.目前,采用机器视觉对车辆、行人等检测技术日益成熟,并有商业化产品出现,但针对动态称重方面的机器视觉检测技术尚待挖掘.在高速公路实行全面的入口超载治理后,高速公路收费站入口称重系统对识别速度、精度等需求日益增加.因此,尝试将机器视觉技术与人工智能技术相结合的方式,研究车...     

改进Hough变换方法在车道检测中的应用

智能车辆是智能交通系统诸多技术的载体。在智能车辆运用机器视觉技术感知外界环境的过程中，Hough变换作为一种应用广泛的图像分割技术，可用来实现车道检测。文中在介绍Hough变换的基础上分析了运用Hough变换进行车道检测的特点，并对使用改进Hough变换检测车道做了进一步讨论。     

机器视觉在汽车驾驶辅助系统中的应用

机器视觉是汽车驾驶辅助系统应用领域的重要技术,文章主要综述了机器视觉在车道检测技术、交通标志识别技术、车辆识别技术、行人检测技术和驾驶员状态检测技术等领域的应用,着重介绍了机器视觉技术在上述领域目前的研究现状,为机器视觉在汽车驾驶辅助领域的进一步研究提供了参考。     

基于视觉的车辆与车道线检测系统的设计

随着汽车的软硬件迅猛发展，智能驾驶已成为热门领域。为提高汽车的行驶安全性，发展环境感知技术至关重要，其中视觉传感器获取信息直观且成本低廉，已成为智能汽车提高行驶安全性的优先选择方式。据此，基于视觉的车辆与车道线检测方法，进行了系统设计，并以数字图像处理为理论基础，分析了车辆与车道线识别的步骤和检测，同时利用Python编写代码，经过运行达到了预期的设计目标。     

智能汽车运动控制算法综述

平稳控制车辆,按照期望路径安全、准确行驶是智能汽车实现无人驾驶的基础。汽车运动控制作为汽车领域研究的热点之一,近年来国内外科研人员开展了一系列研究。对近年来的相关研究成果进行归纳整理,对智能汽车运动控制分类阐述,并对智能汽车运动控制算法的研究现状进行系统总结分析,指出各种控制方法的特点。针对目前研究存在的一些问题及未来研究方向,总结提出多考虑极限工况,探讨多算法互相融合、相互协同控制并加强实车验证。     

本期导语

<正>在分析交通安全现状的基础上,站在道路安全管理的角度,在交通管理系统、车联网和自动驾驶系统等方面对美国、日本和欧洲的智能交通系统研究现状进行了系统总结与分析。同时,对我国智能交通系统安全管理措施和技术应用状况进行了分析。最后对我国交通安全科技的发展趋势进行了探讨并提出了建议:需重视智能汽车技术的开发;提升车辆主被动安全技术水平;研究车联网环境下的道路交通安     

浅谈智能网联汽车发展现状及趋势

智能网联汽车是中国汽车工业转型升级的重要方向.本文综述了国内外智能网联汽车的发展现状.关键技术包括车辆整体感知技术、决策控制技术、测试评价技术、数据处理技术、无线通信技术、信息安全技术;基础平台包括计算、云控、终端、高精度动态地图和信息安全基础平台,总结了国内智能网联汽车面临的挑战与未来发展的战略构想,并给出针对传统车企的对策建议.     

汽车内饰材料感知质量表征现状及技术路线初步探索

基于汽车内饰材料感知质量的表征状况及企业技术需求,综合对比分析了汽车感知质量表征现状,并从材料触觉、视觉、嗅觉、听觉4个感知维度出发,提出内饰材料感知质量的表征技术路线。该技术路线综合考虑了每个维度的研究现状、消费者的主观满意度评价及材料客观物理性能,希望能够更好地支持与服务主机厂在汽车内饰材料感知质量领域深入发展,达到提高整车品质的目的。     

无人驾驶汽车研究动向

正无人驾驶汽车是一种智能汽车,也可以称之为轮式移动机器人,主要依靠车内以计算机系统为主的智能驾驶仪器来实现无人驾驶。它通过车载传感系统感知道路环境,自动规划行车路线并控制车辆到达预定目标;利用车载传感器来感知车辆周围环境,并根据感知所获得的道路、车辆位置和障碍物信息,控制车辆的转向和速度,从而使车辆安全、可靠地在道路上行驶。无人驾驶汽车集自动控制、体系结构、人工智能、视觉计算等众多技术于一体,是计算机科学、模式识别和智能控制技术高度发展的产物。