基于深度学习的智能车辆视觉里程计技术发展综述

针对基于模型的视觉里程计在光照条件恶劣的情况下存在鲁棒性差、回环检测准确率低、动态场景中精度不够、无法对场景进行语义理解等问题,利用深度学习可以弥补其不足。首先,简略介绍了基于模型的里程计的研究现状,然后对比了常用的智能车数据集,将基于深度学习的视觉里程计分为有监督学习、无监督学习和模型法与深度学习结合3种,从网络结构、输入和输出特征、鲁棒性等方面进行分析,最后,讨论了基于深度学习的智能车辆视觉里程计研究热点,从视觉里程计在动态场景的鲁棒性优化、多传感器融合、场景语义分割3个方面对智能车辆视觉里程计技术的发展趋势进行了展望。     

泡沫沥青冷再生混合料疲劳特性及其长寿命冷再生沥青路面结构优化

为了研究新旧沥青长期融合作用下泡沫沥青冷再生混合料的抗疲劳耐久性,采用4点弯曲疲劳试验,对80%、100%的RAP泡沫沥青冷再生混合料进行了低应变水平下的疲劳试验,分析RAP、再生剂、模拟服役时间对泡沫沥青冷再生混合料疲劳性能的影响规律,拟合回归了泡沫沥青冷再生混合料的疲劳方程,确定了泡沫沥青冷再生混合料的疲劳极限应变,进而优化了长寿命泡沫冷再生沥青路面结构。结果表明:添加再生剂对泡沫沥青冷再生混合料的力学性能、路用性能和抗疲劳性能有显著增强作用;增大荷载应变水平显著降低了泡沫沥青冷再生混合料的疲劳寿命,泡沫沥青冷再生混合料疲劳寿命对应变水平变化极为敏感,增大RAP掺量或添加再生剂均能改善冷再生混合料的抗疲劳性能;室内放置期间,泡沫沥青冷再生混合料疲劳寿命同样存在增长过程;将泡沫沥青冷再生混合料中的RAP仅作为黑色集料,低估了泡沫沥青冷再生混合料的抗疲劳性能。推荐泡沫沥青冷再生混合料的疲劳极限应变为100με。在此应变水平下,泡沫沥青冷再生路面满足长寿命沥青路面抗疲劳性能要求。     

聚氨酯复合改性沥青的制备与性能研究

为改善聚氨酯(PU)改性沥青的性能,实现其在道路工程领域的应用,将PU、岩沥青(RA)和基质沥青(BA)按照自定的室内工艺流程制备得到PU复合改性沥青,并探讨了制备工艺参数的适宜性.采用针入度、软化点、延度和旋转黏度试验优化了PU和RA的掺配方案,基于胶体理论分析了PU复合改性沥青的温度敏感性;利用动态剪切流变(DSR...     

职业素养深度融入实训教学的研究与实践——以《汽车检测》课程为例

为了切实推进高校课程思政建设,全面提高高等职业教育教学质量的实施,"坚持育人为本,德育为先"、"重视学生全面发展,推进素质教育,增强学生自信心,满足学生成长需要,关注学生不同特点和个性差异,促进学生人人成才".为了提高职业教育的教学质量,必须准确把握从学生岗位适应能力的培养到学生职业素养培育的这一重大转变,培育学生的职...     

小交通量通组公路水泥混凝土路面轴载换算研究

为进行小交通量通组公路水泥混凝土路面的结构受力计算,首先进行了交通组成和标准轴载选用分析,然后基于有限元模型计算确定了混凝土板的临界荷位和轴载换算系数,最后通过对比现有规范和文中应力回归公式计算结果说明了现有规范公式存在的问题.研究结果表明:BZZ-100不应作为小交通量通组公路水泥混凝土路面结构计算的标准轴载,而应选...     

侧碰试验中车门运动与假人伤害响应的相关性

根据侧碰撞试验中车门的运动特点,将车门运动的速度曲线简化为双速度平台曲线,使得车门运动对乘员伤害的影响可用接触时间、过渡段斜率及第2速度平台3个特征参数的变化完整地描述.利用MADYMO仿真软件建立了侧碰撞台车模型,研究了3个特征参数与侧碰撞假人伤害值响应的相关性.     

汽车风洞双车试验来流湍流特征研究

基于自主研发的真实道路来流参数测量系统,对多地区、多场景真实道路行驶来流湍流强度进行了测试,发现车辆道路行驶时来流湍流强度远高于风洞水平,道路平均湍流强度为4%,沿海地区湍流强度最高可达20%,在跟车或超车时湍流强度可达 28%。在汽车风洞内模拟了道路行驶跟车、超车等试验场景,对测试车辆气流环境进行了采集分析。结果表明,跟车和超车时,后车来流湍流强度较高且伴随有速度损失,湍流强度及速度损失大小与前车尺寸和跟车距离有关,湍流强度分布范围为2%～33%,与道路实测相当,且速度损失最大为19%。进一步探究了前车放置角度、风洞风速对后车来流湍流强度的影响规律,建立对后车来流湍流强度定量调节的方法。完成了双车风噪测试,结果表明,风洞内高湍流强度环境车内风噪测试调制频谱结果与道路行驶测试结果相符,车内风噪频谱曲线差异主要集中在小于70 Hz的低频段。     

基于主成分分析和学习向量量化神经网络的制动工况路面识别与验证

开展车辆制动时路面类型识别的研究,提出一种基于主成分分析-学习向量量化神经网络 （Principal Component Analysis - Learning Vector Quantization,PCA-LVQ） 的制动工况路面识别方法。利用主成分分析对多维度驾驶数据降维处理,提取能表征路面特征的主要成分,采用学习向量量化神经网络对降维处理后的驾驶数据进行训练,并用于路面特征分类,使用制动工况下实车试验数据和硬件在环仿真数据进行验证。结果表明,所提出的 PCA-LVQ算法能准确识别路面类型特征,路面识别的精度达到 97%,与传统 BP神经网络的路面类型特征识别精度提升 7%;同时,在不同车速下,基于PCA-LVQ算法也能较准确地识别路面类型特征。     

地铁列车障碍物视频识别系统设计

基于视频图像识别技术的列车障碍物识别系统,可以实现无人驾驶列车前进方向轨道内障碍物的自动检测。该系统通过采用2台独立的高清摄像机采集图像数据,经软件的智能计算分析,可识别列车前方是否存在障碍物,并实现障碍物与车辆之间的距离测量。该技术在业内属首次开发,可实现列车前方障碍物的检测,有效替代司机进行线路瞭望。目前本系统已通过功能仿真验证测试,拟在实际运行线路的列车上进一步进行功能验证。     

北京地铁地连墙基坑变形规律研究

为研究北京地铁地连墙基坑受力变形特征,采用统计法对近5年期间北京在施地铁基坑变形监测数据进行整理分析,并按照围护结构厚度及支撑体系类型对地连墙基坑进行分类,得出不同类型基坑地表、墙体、格构柱的变形规律以及基坑沉降槽曲线,提出地表隆起及墙体变形的新模式。结果表明：1)基坑监测范围内的地表变形中,地表隆起占比高达20%～45%,支撑体系类别及围护结构厚度不同对地表隆起比例与最大变形范围存在不同影响;2)根据墙顶变形方向及幅度,将墙体变形分为4种类型,开挖深度对墙体变形量的影响要大于围护结构厚度对土体变形的约束作用;3)墙顶的变形规律以上浮为主,占统计数据的90%以上;4)格构柱同样以隆起为主,大于墙顶隆起。