基于最小临近点迹和航迹关联的多源目标融合方法

针对智能车辆多传感器的目标融合问题,提出了一种改进的基于欧氏距离与余弦相似度的点迹和航迹数据关联的车用多传感器目标跟踪融合算法。该方法需获取由毫米波雷达系统和Mobileye视觉系统检测到的目标物数据列表,并对两个传感系统检测到的目标物数据进行匹配关联;然后对目标物进行匹配跟踪,更新目标物的生命周期状态;最后对上述两个传感系统输出的目标物的数据进行融合。该算法能够融合视觉系统和雷达系统两个传感系统的优点,以达到精确感知环境信息的目的,从而解决单一传感器难以满足感知系统精度及可靠性需求的问题。     

智能汽车极限工况下联合制动与转向的自动紧急避撞研究

为提高智能汽车极限工况下的自动紧急避撞能力,提出了一种联合制动与转向的综合控制方法.首先,建立了包含转向、制动和悬架子系统耦合特性的18自由度统一动力学模型,并对其进行了水平路面上的转向制动仿真.接着,提出了联合制动与转向的自动紧急避撞系统总体框架,其中路径规划选用五次多项式规划算法,纵向采用滑模跟踪控制,侧向采用基于...     

基于驾驶行为基元的典型驾驶场景识别与提取方法

为了从海量自然驾驶数据中有效提取典型驾驶场景,提出一种基于驾驶行为基元的典型驾驶场景识别与提取方法,搭建了具有多类场景覆盖及通用程度高的典型驾驶场景自动化识别与提取框架,解决了当前方法仅适用特定单一场景提取,无法从大规模数据中高效提取场景的问题。     

基于数字孪生技术的智能汽车测试方法研究

为加快自动驾驶功能的开发与验证，提出了一种基于数字孪生的智能汽车测试与评价方法。通过数字孪生测试技术，即真实车辆行驶在真实测试场地中，同时与虚拟的测试环境进行有效映射与结合，从而大大丰富智能汽车的测试验证环境、提高测试效率和减小测试成本。本文将真实测试车辆和仿真测试工具相结合，搭建起数字孪生自动驾驶测试平台，实现算法的验证测试与评价，并给出了相应的案例分析。智能汽车数字孪生测试与评价技术的快速应用，对于加快自动驾驶车辆开发和推广有着积极的推动作用。     

自动紧急制动系统控制模块的SOTIF量化评价

建立智能汽车的预期功能安全（SOTIF）评价体系，进行SOTIF设计是实现智能驾驶汽车规模应用的必由之路。为完善自动紧急制动（AEB）系统的SOTIF理论，实现AEB系统的SOTIF设计，本文采用系统理论过程分析（STPA）的方法对AEB系统控制模块进行安全分析。根据安全分析的结果提出AEB系统控制模块的SOTIF评价指标，并基于CRITIC法和优劣解距离（TOPSIS）法对提出的评价指标进行综合量化评价。进一步地，使用提出的评价方法对某型智能汽车的AEB系统控制模块进行了基于实车试验的SOTIF评价，评价结果验证了所提出的AEB系统控制模块的SOTIF评价方法的合理性和实用性。最后，对评价结果进行分析，并根据提出的SOTIF评价指标给出AEB系统的SOTIF改进建议。     

基于能量转移理论的行车风险量化建模方法研究

为建立一种简洁且适用的行车风险量化模型，提出了基于能量转移理论的行车风险量化建模方法，分析了换道避险场景和典型跟车场景的行车风险分布。模型从描述事故致因的能量转移理论出发，提出描述行车风险的风险作用力，通过考虑车辆的动力学约束，推导了车辆可行驶区域，明确了行车风险的影响范围，实现对风险分布的有效约束。仿真结果表明，模型能有效量化行车风险并与传统风险评估指标 THW的结果一致，同时，为缓解道路交通风险应当避免行车风险的大规模叠加造成的风险累积。