因为拥有 所以幸福 雪佛兰赛欧3

<正>电影《当幸福来敲门》中,主人公克里斯.力口德纳身陷困境,依旧坚持不懈,没有放弃自己的梦想,最终凭借自己的努力脱颖而出,追求到了幸福。幸福关键词:拥有。冬月,成都。这里的冬季气候温和,丝毫感受不到北方冬季的浮躁,平静和安逸显然是这座幸福之城的主旋律。2012年雪佛兰赛欧全民幸福指数研究报告在成都发布,作为拥有15年历史的全民轿车,两年之后新赛欧的发布重回幸福之地,我对即将试驾的雪佛兰赛欧3充满期待。     

基于CCD传感器的自动识别路径的智能车设计

智能车系统以MC9S12XSl28单片机为控制核心,以CCD传感器作为路径识别装置。对智能车自动寻线控制系统的软、硬件等进行了设计。测试结果表明,智能车能准确、快速、稳定地跟踪引导线。     

一种关于智能车多模式切换跟车控制方法的论述

本文论述了智能车纵向控制系统的巡航模式、接近模式、跟车模式和避撞模式的控制策略和模式切换控制逻辑,以及多模式切换跟车的控制方法。     

一种关于智能车多模式纵向速度控制方法的论述

依据不同的行驶模式和不同的行驶速度区间,通过查询在不同工况下的油门和制动强度值,并通过实时的闭环微调,实现智能车的高品质速度控制。     

基于机器视觉的智能车辆障碍物检测方法研究

着重阐述基于机器视觉的前方车辆障碍物检测方法，首先根据公路上前方车辆的先验特征模型，建立障碍物探测的感兴趣区，以缩小搜索区域，随后提出一种新的对称变换算子，用于检测障碍物车辆的对称轴，并确定障碍物车辆的矩形轮廓，为进一步提高障碍物检测的实时性，采用递归模板匹配法对障碍物进行跟踪，试验表明上述方法是有效的。     

采用补偿模糊神经网络识别雨天导航路径的方法研究

为实现视觉导航智能车辆对雨天导航路径的准确识别,在分析雨天导航路径特点的基础上,提出了采用补偿模糊神经网络识别雨天导航路径的方法,设计了具有5层结构的补偿模糊神经网络,并分别取大雨、小雨、雨后水迹、雨中模糊反光环境的部分导航路径图像作为样本进行训练,又采用剩余部分路径图像进行了识别试验,试验结果表明该方法能够很好的识别雨天导航路径,并具有较强的实时性。     

新型视觉自动引导车辆导航控制器设计

本文简要地介绍了基于机器视觉引导的自动引导车辆的原理和组成，从自动引导车辆的运动学特征出发，结合驱动系统的系统辨识，建立了自动引导车辆的控制模型，然后利用最优控制理论获取极小值的反馈最优控制。通过对被控对象的仿真分析和实验，验证了最优控制器路径跟踪平稳可靠。     

基于CIDAS事故场景的智能车辆视场配置

为优化智能车辆感知视场,以中国交通事故深度调查(CIDAS)数据库中的事故案例为基础提取22种交叉口乘用车典型事故场景,在交叉口典型乘用车事故仿真场景中提取来车相对于主车的极限相对位置并将其转换为车辆安全通行下最小感知区域;为实现基于场景安全通行的智能车辆感知视场配置,建立场景安全通行需求的智能车辆感知视场配置框架并提出感知视场配置求解方法;在对感知元件进行功能建模后,使用视场配置方法求解场景安全通行下感知元件组合方案;最后使用感知区域覆盖率、目标有效感知率对该感知元件组合方案进行评价,结果表明搭载该感知元件组合方案的智能车辆在事故场景中可满足安全通行要求。     

考虑驾驶风格的智能车自主驾驶决策方法

为了提升智能车类人驾驶水平,提供符合驾乘者驾驶习惯的个性化驾驶服务,改进了DDPG算法并设计智能车驾驶决策系统,学习不同风格的个性化驾驶策略.招募20位驾驶人参加基于仿真平台的模拟驾驶实验,采集驾驶数据.运用相关性检验方法选择个性化驾驶评价指标,使用K-means聚类方法将驾驶风格进行分类.在基础DDPG算法的输出部分加入线性变换过程,形成改进的个性化驾驶决策学习算法,进而构建个性化自主驾驶系统,以3种驾驶风格作为学习目标,调节线性变换参数,在线训练并测试算法.结果表明,提出的方法比基础算法收敛速度提升21.3%.算法在测试场景中,保持了高于驾驶人的横向控制水平,车道偏移量下降73.0%,且驾驶的车辆未与道路外侧护栏发生碰撞.聚类结果显示,算法通过调节线性变换参数,能够有效学习不同的驾驶风格.      

智能车路径跟踪控制算法的简述

智能车主要分为路径规划、路径跟踪、自动泊车三大部分。路径规划主要研究车辆的避障问题,路径跟踪主要研究车辆跟随期望路径的有效性,自动泊车主要分析车辆在有限的几何空间内将车辆泊到指定的空间位置。其中路径跟踪是其核心部分,根据研究方法的不同,主要分为"预瞄跟随模型"和"智能控制模型"。文章根据预瞄点的不同,主要分析单点预瞄模型、两点预瞄模型、路程预瞄模型。根据智能控制方法的不同,主要分析模糊逻辑控制驾驶员模型、神经网络控制驾驶员模型、模型预测控制驾驶员模型。