一种域控制器片内及片外时间同步的方法

目前整车E/E架构由于面临来自不同控制器和传感器的数据交互需求而变得愈加复杂,所需要解决的问题包括:功能复杂性,通信带宽,计算能力,灵活性,可拓展性等。其中域控制器上层应用算法对获取数据的同步尤其敏感,数据融合需要针对同一时间点获取到的数据做融合处理。因此,对域控制器内部的异构多核、外部控制器数据以及传感器数据时间同步的研究尤其重要。基于此,文章详细介绍了域控制器片内及片外时间同步的方法,解决了域控制器内外部数据时间不同步的技术缺陷。     

基于激光雷达的自动驾驶同步定位与建图方法综述

同步定位与建图（Simultaneous Localization and Mapping,SLAM）技术可使自动驾驶车辆在未知环境中根据车载传感器采集到的数据估计自身位姿,建立环境地图,为车辆的规划、决策提供定位信息,是近年来自动驾驶技术研究的热点之一。基于车载激光雷达的点云数据,聚焦SLAM技术在自动驾驶领域的应用,围绕前端里程计、后端优化和回环检测技术,对国内外相关研究进行综述。考虑到单一传感器的局限性,结合目前多传感器融合研究的热点与难点,展望了自动驾驶多传感器融合SLAM技术在自动驾驶领域的机遇与挑战。     

自动驾驶场景采集及模拟仿真场景重构的技术研究

自动驾驶仿真场景在自动驾驶算法开发与验证、测试与评价及检验与认证环节都有重要作用。介绍了自动驾驶场景采集车和自动驾驶仿真场景重构系统的组成架构，围绕采集车的数据实现 仿真场景重构展开论述。提出了当前采集时间戳同步、场景数据清洗、基础场景修正3大技术难点的对应解决方案,解决了采集后真值数据经过场景预处理和场景后处理的实现仿真场景转换。最后通 过试验对比分析该方案的可行性,提出了下一阶段优化和改进的方向。     

基于手眼模型的自动驾驶毫米波和激光雷达联合标定研究

为了提高自动驾驶汽车传感器的校准质量,增强自动驾驶系统对目标的精准感知能力,提出了基于手眼模型的毫米波和激光雷达联合标定方法。首先,利用毫米波雷达的内在结构特征建立数学模型,对毫米波和激光雷达传感器的外部参数进行精确计算,确保在统一的世界坐标系中。然后利用手眼模型作为融合分析的基础,实现了毫米波和激光雷达的联合标定。最后,在自动驾驶小巴车平台上进行了标定试验,利用该标定系统得到标定结果的三维位姿关系,并验证了自动驾驶小巴车传感器数据的准确性。研究结果表明,该方法测距误差均值为0.01 m左右,传感器旋转角度可以精确到1°左右,可以满足汽车自动驾驶系统中雷达感知精度的要求。     

基于视觉与激光雷达数据融合的前车识别研究

智能驾驶技术已经成为智能车的重要开发领域,这一技术实现的关键就是对车辆精确的环境感知,对周围物体进行准确识别,避免车辆在行驶过程中出现事故,在智能辅助驾驶系统起关键性作用。目前,单一传感器不能满足复杂工况下的路面识别,基于多传感器的数据融合(Multi-sensor Information Fusion,MSIF)可以提高检测效率,改善单一传感器检测不精确的缺陷,文章先对传感器进行标定实现多传感器的时空同步,对识别的物体进行检测判断,确定前车。实验结果表明此方法有利于提高汽车安全行驶性能,可以准确、实时地识别前方车辆,满足多工况下的前车识别。     

伟世通:专注座舱电子和自动驾驶技术升级

<正>伟世通携智能全数字座舱亮相2019上海车展。专注座舱电子和自动驾驶技术升级,SmartCore座舱域控制器与可扩展Drive Core自动驾驶控制器是伟世通的核心产品。打造智能数字化移动空间现场展示的这款新品整合SmartCore座舱域控制器与可扩展Drive Core自动驾驶域控制器,实现L2级到L3级的无缝切换,以及出色的人机交互体验,可提供手动驾驶模式和自动驾驶模式间的无缝转换,为安全出行保驾护航。伟世通精心准备的互动装     

基于整车在环仿真的自动驾驶汽车室内快速测试平台

整车在环仿真测试方法可以安全、高效地验证复杂环境和极端工况等场景下自动驾驶汽车性能的有效性,基于此研发一种基于整车在环仿真的自动驾驶汽车室内快速测试平台,该平台由前轴可旋转式转鼓试验台、试验台测控子系统、虚拟场景自动生成子系统、虚拟传感器模拟子系统、驾驶模拟器、自动驾驶汽车和测试结果自动分析评价子系统组成。通过在试验台滚筒上独立加载转矩模拟车辆行驶阻力,可动态模拟不同的路面附着系数,同时利用坡度、侧倾和转向随动机构可模拟车辆俯仰角、侧倾角和航向角3个自由度;采用虚拟现实技术柔性集成车辆动力学模型、传感器仿真、复杂道路交通环境及测试用例仿真,模拟多种道路交通场景,并通过传感器仿真及数据融合等技术快速测试自动驾驶汽车智能感知与行为决策等性能指标。将自动驾驶汽车、虚拟仿真场景和试验台耦合构建一个闭环系统,完成了多项关键技术研发,包括：多自由度高动态试验台结构设计、虚拟测试场景自动重构方法和传感器数据模拟及注入方法,可满足在各种场景下测试自动驾驶汽车整车性能的需求。此外,为验证快速测试平台的有效性,以U-turn轨迹跟踪控制为研究实例,基于简化的车辆运动学模型和模型预测控制算法,在平台上搭建U-turn场景并对自动驾驶汽车的轨迹跟踪控制算法性能进行大量测试。结果表明：自动驾驶汽车室内快速测试平台可以真实地模拟汽车在道路上的运行工况,自动驾驶汽车在虚拟场景中的轨迹跟踪效果良好,与参考轨迹的偏差小于8%,证明了该测试平台检测方法的有效性。     

Mentor DRS360:集中式数据融合助力自动驾驶设计

正Mentor推出了一款自动驾驶解决方案DRS360平台,该平台能够借助各种传感手段实时捕获、融合及利用原始数据,改善延时的同时,提升了传感精确度和整体系统效率,满足SAE 5级自动驾驶车辆的要求。对于自动驾驶车辆来说,传感器数据非常关键。这些安装在车身周围及车辆内部的传感器,可以更好地探测车内外环境,为自动驾驶功能的实现提供数据支持。传统的汽车设计,通常把来自不同传感器的数据,如雷达、摄像头等,传     

基于AUTOSAR的域控制器以太网通信系统设计实现

为满足日益增长的汽车功能需求，汽车电子电气架构趋于集成化集中式架构。集中式架构对软件可移植性、规范化程度和高速通信能力提出了更高需求，本文以AUTOSAR架构为基础，基于SOME/IP协议和XCP协议设计实现智能驾驶域控制器车载以太网通信系统软件，部署于英飞凌TC397硬件平台进行测试。测试结果表明，域控制器以太网通信系统满足智能驾驶功能的通信与调试需要，其通信性能相比传统CAN通信协议大大提升，验证了本文提出的域控制器高速通信系统的可行性与有效性。     

先进的自动驾驶数据采集与存储技术研究综述

针对自动驾驶数据采集过程中的触发控制与存储记录问题,从先进的自动驾驶数据采集与存储技术出发,首先调研了国内外部分整车制造商车辆的传感器配置方案,然后对汽车事件数据记录（EDR）系统、自动驾驶数据记录系统（DSSAD）以及一般L3级自动驾驶汽车的数据采集与存储方案展开综述,得出了现有数据采集与存储技术将会产生低质量、高噪声的冗余数据的结论,最后基于特斯拉影子模式介绍了一种人机共驾模式下的驾驶数据采集存储方式,总结归纳出目前先进的自动驾驶数据采集技术研究的发展趋势。     

面向自动驾驶汽车的仿真算法实现

随着自动驾驶技术的发展,自动驾驶汽车进入了人们的视野。自动驾驶汽车的实现离不开各类型的传感器,实现传感器的安装、标定对于自动驾驶汽车至关重要。文章介绍了自动驾驶汽车的发展现状和前景、相机的标定、多线激光雷达的标定、相机和激光雷达的联合标定。最后,文章构建了仿真环境和车辆行驶控制仿真算法。     

自动驾驶汽车事件数据记录系统方案设计

随着汽车自动驾驶技术的发展,目前的EDR的标准无法满足自动驾驶汽车事故重建的要求.本文设计了自动驾驶汽车事件数据记录系统,包括系统的组成及控制原理,并定义了事件检测触发模块、数据缓存模块、数据记录模块.同时还设计了基于统一诊断服务读取/清除自动驾驶汽车事件数据的方法,用于辅助分析自动驾驶事故原因以及自动驾驶系统验证评估...     

适用于高性能车载计算平台的自适应AUTOSAR

正自适应AUTOSAR为实现车辆ECU软件的更大灵活性打下了坚实的基础。这些系统是可扩展的,是全自动和联网驾驶方向的重要一步。自适应AUTOSAR不是替代经典AUTOSAR,它的优势在于2种标准的巧妙结合。自动驾驶对车辆内部E/E架构提出了更高要求。自动驾驶功能需要越来越强大的控制单元,且越来越多地相互联网,并与基础设施(如云端系统)联网(图1)。通过使用来自各种车辆传感器以及外部(例如高精确地图资料)的数据,软件可创     

理解市场需求与持续技术创新，Velodyne踏上激光雷达进阶之路

<正>Velodyne Lidar在2005年发明了实时环绕式激光雷达系统,开创了自动驾驶的新纪元。这项技术为参加DARPA超级挑战赛的自动驾驶汽车提供了精确的视觉系统。多年来,Velodyne Lidar的激光雷达传感器帮助工业、机器人、智能基础设施、汽车和其它应用提升了感知与自动化能力。近期,Velodyne Lidar北美销售副总裁Laura Wrisley与本刊记者共话激光雷达的市场表现与未来技术走向。     

均胜电子推动自动驾驶落地

正均胜电子于近日完成对激光雷达制造商图达通(Innovusion)资本投资,并将通过子公司均联智行与图达通开展合作,向某新造车头部企业最新车型提供超远距离高精度激光雷达,使之实现从辅助驾驶到自动驾驶的跨越。未来,双方将在激光雷达感知融合、V2X数据融合、自动驾驶域控制器决策算法等方面深度合作,并推动上述技术产业化落地,共同开拓全球市场。     

智能车辆安全辅助驾驶技术研究近况

论述了安全辅助驾驶技术的研究现状、研究的必要性以及研究进展。安全辅助驾驶技术包括车道偏离预警与保持、前方车辆探测及安全车距保持、行人检测、驾驶员行为监测、车辆运动控制与通讯等。分析了各种传感器的优缺点及其在实际应用过程中存在的问题,基于单一传感器不能很好地解决安全辅助驾驶技术可靠性和环境适应能力的要求,应结合激光雷达技术解决图像模糊问题,利用红外传感器增强机器视觉识别的可靠性,未来的安全辅助驾驶技术应该采取多种传感器融合的技术,结合毫米波雷达和激光雷达系统具有深度测量精确的特点,将极大的推动汽车安全辅助驾驶系统的应用和推广。     

时钟同步技术在桥梁结构监测系统无线传感网络中的应用研究

针对大型桥梁结构健康监测系统具有传感器类型众多、位置分散、信号信噪比小等特点,研究了基于精确同步的无线传感器网络(WSNs)的设计方法。在分布式的无线传感器网络系统中,各个无线采集节点的数据采集相对独立,各无线节点需以统一的时钟周期和起始时刻进行同步采集,才能得到一个具有时间和空间信息的检测数据。针对所开发系统的网络拓扑结构和具体应用对象,研究提出了一种改进型的延迟测量时间同步机制。经过理论验证和工程实践,设计的无线传感器网络系统能够满足结构健康监测对时间同步精度的要求。     

自动驾驶汽车环境感知传感器研究

近年来,自动驾驶技术作为智能网联汽车的重要组成部分,成为热点话题。环境感知系统是自动驾驶汽车的感官神经,扮演着“眼睛”的角色。文章通过查阅相关文献,结合当前研究热点,对自动驾驶汽车系统组成做简要介绍,同时对其环境感知系统所使用传感器的种类、工作原理、应用场景等方面做了系统介绍,对不同传感器进行对比分析并提出建议。通过介绍,能够帮助读者对自动驾驶汽车环境感知系统有初步了解,同时对相关技术人员给予一定指导。     

自动驾驶汽车基础技术解析

正自动驾驶汽车是一个完整的软硬件系统。硬件系统除了常规的汽车的配置之外,还涉及到专用于无人驾驶技术的传感器,比如摄像头,雷达等。全智能化智能车(Intelligent vehicle)是一个集环境感知、规划决策、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。如下图所示,给自动驾驶技术做一个总的分类,其关键技术依次可以分为环境感知,行为决策,路径规划和运动控制四大部分。     

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。