商用车企业的车辆一致性证书平台升级开发

根据国家认证认可监督委员会2017年第1号公告《国家认监委关于进一步深化汽车强制性产品认证改革的公告》,随车附带的车辆一致性证书在内容和格式等方面发生一系列变动,针对此次公告及平台在前期应用中所总结的工作流程、编码规则等方面的短板进行全面升级开发,立足整个开发过程,对其升级过程及实施效果加以展示。通过比对平台升级前后的工作流程、参数提取、数据匹配等改进效应,得出实现快捷高效的车辆一致性证书备案及打印工作需要融合专业知识及计算机知识的结论。期望能与同行业者共同探讨智能化办公平台在企业发展中的作用,促进车辆证书参数的一致性提升及相关工作流程的优化。     

承担社会责任,加强车辆生产一致性管理

产品一致性与企业转型升级,是社会重点关注的热点问题,也是我们专用汽车行业应该重点考虑、迫切需要解决的问题。近一段时间以来,反映汽车行业的问题明显增多。我们必须正视这些问题,从维护人民群众根本利益和有利于汽车产业健康可持续发展的角度出发,重视、强化生产一致性管理,把生产一致性管理真正落实到生产、销售的每一个环节,把好车辆产品质量关,为社会提供优质的车辆产品和服务。     

恩智浦FlexRay收发器提升车辆安全

3月11日，恩智浦半导体（NXP Semiconductors）宣布，其TJA1080A收发器已通过FlexRay产品的行业标准测试一FlexRay物理层一致性测试，成为率先通过该测试的全球首款收发器产品。     

基于深度学习网络模型的车辆类型识别方法研究

为了将有效地识别车辆类型用于智慧交通系统,本文在分析Inception V3模型的基础上,提出了一种基于迁移学习理论的车型分类深度学习模型。该模型首先在Inception V3模型的基础上去除最后的全连接层,并加入参数优化层,然后采用Dropout和全局平均池化层。理论分析和试验结果表明,该模型的性能优于基于VGG-16的车型分类模型、基于Xception的车型分类模型和基于Resnet50的车型分类模型,其训练精度优于96.48%、测试精度优于83.86%。     

车牌定位及车辆特征识别研究

车牌定位及车辆识别是智能交通管理的主要研究问题.车牌定位识别,通过对图像进行预处理并结合形态学能粗略获取候选车牌位置,对符合特征的候选车牌进行筛选,精确获取车牌位置,最后采用神经网络完成字符识别过程.车辆识别采用迁移学习,采用AlexNet卷积神经网络构造出深度特征向量.形态学能够应对灰度底质量差的情形,为字符识别提供保障.车辆识别时对比直接分类图片特征,迁移学习构造的深度特征分类精度为85.13%,提高了38%,验证了迁移学习的有效性,通过KNN算法表明深度特征能够表征图片属性.针对新数据集重新提取特征、训练样本将消耗大量时间,对比迁移学习和AlexNet框架发现分类精度持平,表明了迁移学习的鲁棒性.      

车辆一致性证书智能化应用研究

1 前言 车辆一致性证书是车辆注册必备资料之一.如何高效完成备案、出证工作,是重中之重.而目前,工作模式是出证时发现缺少资料,通过邮件、电话等方式通知相关人员进行备案,然后再进行出证.沟通环节费时费力,不仅不好掌控完成时间,人为操作失误也易发生.为此,本文提出一种思路,运用CCC专业知识、车辆设计原理、销售用户需求、生...     

动态场景下基于语义分割与运动一致性约束的车辆视觉SLAM

传统的车辆同时定位与建图方法多依赖于静态环境假设,在动态场景下易引起位姿估计精度下降甚至前端视觉里程计跟踪失败。本文结合Fast-SCNN实时语义分割网络与运动一致性约束,提出一种动态场景视觉SLAM方法。首先利用Fast-SCNN获取潜在动态目标的分割掩码并进行特征点去除,以获取相机位姿的初步估计;随后基于运动约束与卡方检验完成潜在动态目标中静态点的重添加,以进一步优化相机位姿。验证集测试表明,所训练的语义分割网络平均像素精度和交并比超过90%,单帧图片处理耗时约14.5 ms,满足SLAM系统的分割精度与实时性要求。慕尼黑大学公开数据集和实车数据集测试表明,融合本文算法的ORB-SLAM3部分指标平均提升率超过80%,显著提升了动态场景下的SLAM运行精度与鲁棒性,有助于保障智能车辆的安全性。     

基于交叉组合因子分析的主观评价尺度一致性仿真研究

为解决车辆动力学主观评价结果容易受到客观或主观因素的影响,导致其可信度降低的问题,基于因子分析法对主观评价结果进行交叉组合分析,构造了一种可以反映评价尺度一致性的量化指标,并通过仿真分析验证了在各种因素影响下该指标的普适性。结果表明,无论扰动加载到单个或多个样本、评价项目,在常规的样本规模或评价项目规模下,该指标随评价尺度的波动单调增加,可敏感地反映其波动变化。     

基于深度学习的车辆目标检测算法综述

车辆目标检测是自动驾驶环境感知的重要组成部分。近年来随着深度学习在目标识别领域取得重大突破,基于深度学习的车辆目标检测算法逐渐成为该领域的研究热点。论文对当前主流的两阶段车辆目标检测算法和单阶段车辆目标检测算法进行简要介绍,分析了其中几种具有代表性的卷积神经网络算法的优缺点,最后总结目前车辆目标检测存在的问题以及未来的发展方向。     

车辆移动监控系统并发调度机制的研究

在车辆移动监控系统运行过程中,监控中心将同时接收到从不同车载终端发送过来的大量信息,这些信息分别对应着不同的事件。监控中心如何针对这些事件,及时做出不同的响应和处理是极为重要的。在对监控中心并发处理的性能要求进行分析的基础上,提出了优先数事件队列算法来实现车辆监控中心的并发调度机制,并给出了算法实现。     

《车辆产品生产一致性监督管理办法》研讨会在沪召开

9月23日,工信部产业政策司在上海组织召开了专题研讨会,对<公告车辆产品生产企业及产品生产一致性监督管理办法>(讨论稿)进行了讨论.会议由工信部产业政策司李万里处级调研员主持,参加研讨会的有工信部产业政策司的领导,以及来自汽车、专用车、摩托车、农用车检测机构和中机车辆技术服务中心的代表.     

车辆产品生产一致性监督管理办法即将实施 专用汽车企业应积极准备

<正>日前,记者从相关渠道得到可靠消息,工信部可能将在今年下半年开始实施《车辆生产企业及产品生产一致性监督管理办法》(以下简称《办法》)。     

基于YOLOv5的车辆目标检测算法轻量化改进

针对传统路端车辆目标检测算法参数多、检测速度较慢等问题,提出了基于YOLOv5 的车辆目标检测算法轻量化改进。首先,选用轻量化 EfficientnetV2 卷积神经网络对原骨干网络进行重构,同时在网络中引入 GAM 注意力机制;其次,为平衡 CIoU 损失和 IoU 损失在损失函数中的权重,引入 α-CIoU 损失代替原有的 CIoU 损失;最后,使用 soft-NMS 算法替换原有的 NMS 非极大值抑制算法。结果表明：相比原算法,改进后算法的精度提升了.51%,检测速度提升了 8.6%,模型大小降低了 31.7%;改进后的模型在提升检测速度的同时,还提高了路端车辆目标的检测性能。     

确定车辆数的有时间窗车辆路径问题的遗传算法

给出了有时间窗车辆路径问题（vehicle routing problem with time window，VRPTW）的通用数学模型，通过引入新的CX交叉算子，能有效避免传统遗传算法“早熟收敛”的局限。特别是在确定车辆数时，实现了VRPTW的路径长度和车辆数的同时优化，改善了优化结果，提高了优化速度。实验结果表明，该方法明显减少了迭代次数。     

基于深度学习的多角度车辆动态检测方法

针对在复杂场景下,背景区域干扰特征过多、被检测目标运动速度快等导致的动态目标检测率低的问题,研究了基于深度学习的多角度车辆动态检测方法,将带有微型神经网络的卷积神经网络(MLP-CNN)用于传统算法的改进.使用快速候选区域提取算法提取图像中可能存在车辆的区域,之后使用深层卷积神经网络(CNN)提取候选区域的特征,并在卷积层中增加微型神经网络(MLP)对每层的特征进一步综合抽象,最后使用支持向量机(SVM)区分目标和背景的CNN特征.实验表明,该方法能够处理高复杂度背景条件下,部分遮挡、运动速度快的目标特征检测,识别率高达87.9%,耗时仅需225ms,比常用方法效率有大幅度提升.     

《车辆生产企业及产品生产一致性监督管理办法》出台 专用汽车成主要突破口

8月18日,业内关注已久的《车辆生产企业及产品生产一致性监督管理办法（简称《一致性管理办法》）正式在工信部产业政策司的网站上发布。     

基于机器视觉的车辆检测与参数识别研究进展

近年来公路交通运输快速增长,交通车辆的快速准确检测与识别对智能交通系统和交通基础设施运维具有重要意义.随着机器视觉和深度学习技术的迅速发展及其在目标检测领域的广泛应用,车辆目标检测和参数识别也取得新的突破.该文从车辆参数的识别方法和应用研究两方面梳理了机器视觉和深度学习在车辆检测与参数识别领域的研究现状、最新研究成果和...     

面向自动驾驶汽车测试的交通车辆交互过程建模

为满足自动驾驶汽车测试对场景真实度的要求,提出一种针对交通车辆交互关系的耦合特征建模方法。结合基于机理模型构建的虚拟数据和采集的真实场景数据建立交通车辆行为数据集;采用深度学习建立局部信息响应的交通车辆行为决策模型、跟驰模型和换道模型,结构相对简单的单体模型能提升场景模拟的可扩展性;针对自动驾驶汽车测试对模型鲁棒性要求高的问题,建立分布执行-集中对抗训练的架构进行交通车辆模型优化,提高模型对输入扰动的鲁棒性。构建交通车辆交互仿真环境对模型进行仿真,通过仿真数据与真实数据分布之间的对比和量化评价指标验证模型的有效性。     

基于改进Mask RCNN的夜间车辆检测方法

传统的夜间车辆检测基于车灯特征的提取和识别,这类方法容易发生误判、检测精度和检测实时性不高。针对上述问题,本文研究了基于改进Mask RCNN(mask RCNN-night vehicle detection,Mask RCNN-NVD)的夜间车辆检测算法。将残差网络（residual network,ResNet）结构中的普通卷积修改为数量为16组的分组卷积,通过16组1×1卷积实现通道数叠加,将网络参数降至普通卷积的1/16,提升检测速度,并实现与普通卷积相同的效果;将通道注意力机制模块（squeeze-and-excitation,SE）嵌入ResNet结构中,通过2个全连接层构建瓶颈结构,将归一化权重加权到各通道特征,增强网络表征能力;在特征金字塔网络（feature pyramid networks,FPN）后加入自底向上结构,将底层特征强定位信息传递到高层语义特征中;加入自适应池化层,根据区域候选网络（region proposal network,RPN）产生的候选区域分配至不同尺度特征图中,并在底层特征与各阶段最高层特征之间加入跳跃连接结构,实现缩减模型参数的同时保留...