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。     

某型货车平顺性虚拟实验

通过对某货车整车参数的详细分析及基于虚拟样机技术和多体系统动力学理论创建的货车前后悬架、转向系、车身等子系统,建立了整车模型和四立柱试验台,并且基于专业软件ADAMS/CAR和MATLAB进行了平顺性仿真和分析。文章通过构建某型货车平顺性虚拟实验,可以预测产品的整体性能,进而改进产品设计、提高产品性能。这对启迪设计创新、提高设计质量、加快产品开发周期有重要意义。