排序方式: 共有25条查询结果,搜索用时 15 毫秒
11.
13.
14.
15.
针对目前在自动驾驶汽车中,目标检测的点云分割与识别算法的准确率低等问题,提出一种稀疏彩色点云结构,该结构由摄像头采集的图像信息与激光雷达采集的点云信息进行空间匹配与特征叠加后生成.通过改进的PointPillars神经网络算法对融合后的彩色稀疏点云进行运算.实验结果表明,本方法在平均精度上比原算法有较大的提升,尤其是对... 相似文献
16.
根据路面附着状况实时地选择最优的滑移率控制目标是电动车驱动防滑控制策略的关键.针对四轮驱动电动车的特点,研究利用自适应Kalman滤波获得车速信息和轮胎驱动力信息的方法.利用该方法实时估计车速和驱动力等参数,并计算附着系数-滑移率曲线的斜率k,以对路面附着状况进行精确估计.通过将计算得到的斜率与设定的最优滑移率所对应的斜率之差作为控制参考量,及时地调整驱动电机的输出转矩,提高电动车的道路附着系数利用率,以获得更好的电动车驱动防滑控制效果.仿真结果表明:车辆在高、低附路面行驶时,该算法均可有效地估计滑移率的k值. 相似文献
17.
18.
无人驾驶决策算法可以分为端到端的决策算法与分层式决策算法,分层式算法由于可解释性强、鲁棒性高而被大多数主机厂采用。规划模块是分层式决策算法中的核心模块,它承接感知与地图模块的信息并输出驾驶轨迹或动作,而人工势场法由于规划效率高、信息提取能力强,被越来越多地应用于无人驾驶决策规划领域。但现阶段的人工势场存在未考虑目的地因素或建立目的地单点引力场导致远距离引力过大、方向错误的问题,无法应对复杂交通环境。针对这些问题,提出一种无人驾驶“行车意图-风险复合场”(Driving Intention & Risk Field, IRF),根据目的地、车辆、道路边界等要素各自的特点分别建模,并以势场的形式统一在IRF中。创建考虑全局规划的全局引力场,将全局规划路径离散成等距离的路径点,并动态选取感兴趣范围内的路径点进行全局引力场的构建。为了验证模型的性能,搭建IRF-SAC动态规划算法平台,并在CARLA仿真环境分别设置高速公路场景、十字路口场景和环岛场景。研究结果表明:相比于NF-SAC和FSM,IRF-SAC算法在安全性、舒适性、通行效率上均有显著提升;在高速公路场景下,IRF-SAC显示出较强的路径跟踪精度和鲁棒性,最大位移偏差相对于NF-SAC和FSM算法分别下降了44.8%、70.2%;在十字路口场景下,与NF-SAC及FSM算法相比,平均危险系数分别降低12.0%、20.6%,纵向加速度均方根分别降低13.2%、44.9%,行驶时长相较于FSM算法减少了39.2%;在环岛场景下,与NF-SAC及FSM算法相比,平均危险系数分别降低了31.7%、52.9%,纵向加速度均方根分别降低了27.0%、19.0%。 相似文献
19.
20.