无人驾驶汽车的障碍物识别与存在问题

汽车为我们的生活带来便利,但也带来例如交通拥堵、环境污染、能源消耗、交通事故等问题。随着计算机技术的发展,出现了能解决这些问题的智能化汽车。而无人驾驶汽车的出现则代表计算机技术进入到了一个新的阶段。本文对无人驾驶汽车的发展历程、无人驾驶汽车障碍物识别技术、无人驾驶现存问题以及我国未来在无人驾驶领域的发展做了研究和展望。     

关于无人驾驶汽车存在问题的拟解决方案

无人驾驶汽车是通过车载传感系统感知道路环境,自动规划行车路线并控制车辆到达预定目标的智能汽车.虽然完全实现自动驾驶的道路是漫长而曲折的,充满了危险性,但是随着人工智能、控制技术的发展以及各国政府政策的扶持,无人驾驶必将迎来蓬勃发展.无人驾驶不仅只是节约人类花费在驾驶上的精力并且提高生活品质及效率,最终目标是建立智慧城市、智能交通的规划.介绍了目前国内外无人驾驶汽车的主要应用情况,总结了无人驾驶汽车所面临的技术难点与存在问题,提出了未来无人驾驶汽车的可能应用场景及技术和伦理道德问题的解决途径.     

基于无模型自适应控制的无人驾驶汽车横向控制方法

提出了一种基于无模型自适应控制的无人驾驶汽车横向控制方案.首先,将无人驾驶汽车循迹跟踪控制问题转化成预瞄偏差角跟踪问题,然后基于无人驾驶汽车横向控制系统的动态线性化数据模型,设计出无模型自适应控制算法、伪梯度估计算法和伪梯度重置算法,进而实现了自主车辆的无人驾驶.该方法的实现仅用到无人驾驶汽车运行时的输入输出数据,避免了对无人驾驶汽车进行复杂机理建模的难题,对于复杂的无人驾驶汽车运行过程具有很好的自适应性,对不同的无人驾驶车辆具有较强的可移植性.该方案已实际应用于清华大学无人驾驶汽车实验平台,在北京市丰台区的实地测试实验、在江苏省常熟市高速路的测试以及2015年"中国智能车未来挑战赛"的现场应用验证了所提方案的有效性.     

人工智能技术在无人驾驶汽车中的应用

随着人工智能技术的发展，越来越多的行业开始引入人工智能技术。作为未来汽车行业发展主流的无人驾驶汽车，在人工智能技术的应用辅助下，逐渐步入真正的完全无人驾驶。文章从人工智能技术、无人驾驶汽车的概念入手，结合当前人工智能技术在无人驾驶汽车中应用的现状，分析人工智能在无人驾驶汽车的具体应用，同时结合当前人工智能在无人驾驶汽车应用中出现的问题，展望未来无人驾驶汽车的发展方向，以期为无人驾驶汽车技术的成熟应用提供参考。     

浅析拟人化无人驾驶交互界面对信任度的影响

无人驾驶技术近些年发展迅速,但信任始终是对于大众接受和依赖无人驾驶汽车的关键。许多研究已经证明信息透明化能够提升无人驾驶的信任度,而拟人化可以对自动化系统的信任度产生影响。我们期望拟人化同样在无人驾驶领域可以提升用户对无人驾驶汽车的信任度。     

无人驾驶汽车的数据与计算模型研究

为了探讨无人驾驶的运行模式,文章结合现阶段的无人驾驶技术,以及计算机领域的大数据、云计算、边缘计算、车联网等前沿科技,总结了无人驾驶汽车的数据与计算模型。对于无人驾驶的数据采集与计算,提出分为车辆本身数据、环境感知数据、远环境数据、历史数据四个部分,这些数据经过计算处理可以用于汽车驾驶操控、智能交通的车辆调度等。同时,现阶段无人驾驶在数据与计算领域还存在一定问题,如数据传输、实时计算、数据隐私等。文章对于无人驾驶的未来发展有一定的指导作用。     

人工智能技术在无人驾驶车中的应用

笔者分别介绍了人工智能、无人驾驶车,以明确两者的概念,提出了目前无人驾驶车已到达的阶段以及未来发展的目标。同时,通过描述无人驾驶车的应用场景,说明无人驾驶车与人工智能技术之间的联系,提出了无人驾驶车要想进一步发展,必须充分与人工智能技术的发展结合起来,最后展望了无人驾驶车的发展走向。     

无人驾驶规则的自动提取方法研究

无人驾驶汽车的测试技术主要是通过虚拟测试和场地测试的方法来检测无人驾驶汽车的智能化水平,通过不断的学习和总结经验来提高无人驾驶的安全性,这种方法耗费大量的人力物力以及时间。为此,从文本的角度出发,利用驾驶行为相关文本,通过NLP技术和基于规则的方法构建一个无人驾驶规则库,依据这个规则库来辅助测试无人驾驶汽车能否满足道路安全要求。实验结果表明,对《中华人民共和国道路交通安全法实施条例》处理后规则提取的正确率为89.85%,驾考题库文本的正确率为87.33%。     

基于线性CCD的道路轨迹识别系统算法研究

针对目前的无人驾驶汽车技术,进行了基于线性电荷耦合器件(CCD)的道路轨迹自动识别算法研究,采用线性CCD对道路进行识别,利用单行黑线提取算法中的动态阈值算法对采集的图像进行二值化处理.测试结果表明:算法可实现无人驾驶汽车在复杂路段的快速平稳地行驶.     

基于低压直流供电的车路协同一体化系统

随着自动驾驶技术的高速发展,无人驾驶有望成为未来出行的主要方式。一直以来,相关学者对无人驾驶汽车的智能化研究较为深入,而对于车路协同的无人驾驶技术方案探索较少,针对以AI为核心的单车智能存在很多局限性的实际情况,提出一种基于低压直流供电的车路协同一体化系统,主要介绍了车路协同一体化系统中路侧智能基础设施的供电方式和通信组网方式,给车路协同在汽车无人驾驶领域之中的良好应用与发展提供一定的参考。     

汽车驾驶辅助系统红外与可见光融合算法综述

红外与可见光融合图像融合是汽车高级驾驶辅助系统核心功能之一,能够较好地理解光线条件较差时车辆外部环境目标,对无人驾驶车辆和智能车辆识别环境具有重要作用,其中基于深度学习的神经网络算法在图像特征提取和分类中优势显著。针对汽车领域红外与可见光图像融合算法进行综述,分析了现代车辆对图像融合技术的需求;总结了基于数学方法框架的红外与可见光图像融合算法和最新发展;概述了基于神经网络结构的红外与可见光图像融合算法;最后讨论了车载红外与可见光图像融合技术的发展趋势。     

公平性机器学习研究综述

随着机器学习在社会中的广泛使用,带来的歧视问题引发广泛的社会争议,这逐步引起了产业界和学术界对机器学习算法公平性问题的浓厚兴趣。目前对公平性度量和机器学习公平性机制的研究仍然处于初级阶段。本文对公平性机器学习的研究进行了调研,首先从公平性的定义出发,比较了衡量公平性指标的方法,然后调研了公平性数据集,对公平性问题的产生进行了分析,接下来对现有的公平性机器学习算法进行归类和比较,最后总结了当前公平性机器学习研究中存在的问题,并对关键问题和重大挑战进行了讨论。     

关于深度学习的综述与讨论

机器学习是通过计算模型和算法从数据中学习规律的一门学问,在各种需要从复杂数据中挖掘规律的领域中有很多应用,已成为当今广义的人工智能领域最核心的技术之一。近年来,多种深度神经网络在大量机器学习问题上取得了令人瞩目的成果,形成了机器学习领域最亮眼的一个新分支——深度学习,也掀起了机器学习理论、方法和应用研究的一个新高潮。对深度学习代表性方法的核心原理和典型优化算法进行了综述,回顾与讨论了深度学习与以往机器学习方法之间的联系与区别,并对深度学习中一些需要进一步研究的问题进行了初步讨论。     

基于深度学习的视频预测研究综述

近年来,深度学习算法在众多有监督学习问题上取得了卓越的成果,其在精度、效率和智能化等方面的性能远超传统机器学习算法,部分甚至超越了人类水平。当前,深度学习研究者的研究兴趣逐渐从监督学习转移到强化学习、半监督学习以及无监督学习领域。视频预测算法,因其可以利用海量无标注自然数据去学习视频的内在表征,且在机器人决策、无人驾驶和视频理解等领域具有广泛的应用价值,近两年来得到快速发展。本文论述了视频预测算法的发展背景和深度学习的发展历史,简要介绍了人体动作、物体运动和移动轨迹的预测,重点介绍了基于深度学习的视频预测的主流方法和模型,最后总结了当前该领域存在的问题和发展前景。     

基于改进FCN的车道线检测研究

为提高车道线检测的准确性以增强无人驾驶车辆的安全驾驶性能,在传统车道线检测的边缘提取、霍夫变换、颜色空间阈值提取、透视变换等方法的基础上,利用深度学习技术,提出一种基于改进FCN的车道线检测网络模型.该模型能够准确提取出车道线的特征信息,并在车道线检测数据集上进行模型训练,以评估该车道线检测网络的性能.通过实验对比,结...     

面向智能教育的自适应学习关键技术与应用

本文是关于我们获得2020年度吴文俊人工智能科学技术奖主要工作的一个介绍。该成果针对自适应学习中面临的教学资源表示困难、学习状态诊断困难以及学习策略设计困难等关键技术难题,首先构建数据驱动的教学资源无监督表示新框架,提高了教学资源质量评估和内容检索的精度和效率。其次提出基于深度学习的学习者认知诊断新方法,突破了以量表为基础的教育测量理论研究范式。然后设计基于知识匹配的个性化推荐技术以及多目标匹配的自适应推荐技术,满足了智能教育场景的复杂约束与学习者的多样目标需求。最后,本文成果研发了面向基础教育的智能教育系统——智学网,已在全国推广使用,对我国智能教育发展具有积极意义。     

基于假名的智能交通条件隐私保护认证协议

在智能交通、无人驾驶等场景中,车辆节点与路边设施进行数据交换以实现车路协同,有助于提高交通安全、缓解交通拥堵。但该场景下的数据交换面临很多安全问题,隐私泄露是其中的主要安全风险之一。现有智能交通隐私保护方案多涉及复杂度较高的运算或需配置高成本的防篡改设备,效率较低,不能满足无人驾驶等智能交通应用的实时要求。为此,文章提出一种轻量级基于假名的条件隐私保护认证协议,该协议包括基于变色龙哈希的身份认证与基于椭圆曲线的消息认证,实现了车辆节点在数据交换过程中的匿名性与可追踪性,并可抵抗多种安全攻击。性能分析表明,该协议在计算、通信及存储等方面的开销均优于对比方案,在智能交通场景下的可行性更强。     

Simulation of Multi-Agent based Cybernetic Transportation System

A Cybernetic Transportation System (CTS), composed of a fleet of driverless vehicles, is able to provide public transport services with on-demand and door-to-door capabilities. Of course, fleet planning is essential for system performance. This research uses a distributed fleet planning algorithm based on Multi-Agent System, which is suitable for the Cybernetic Transportation System. Each agent represents one driverless vehicle and transport tasks can be completed more efficiently through cooperation and competition among the agents. Furthermore, a simulated model of the Cybernetic Transportation System based on Multi-Agent System has been developed. The simulation results demonstrate that the effectiveness of the proposed algorithm is better than that of the traditional centralized planning algorithms investigated. The effects of the number of driverless vehicles and the road topology on the proposed fleet planning algorithm have also been investigated.     

深度自编码与自更新稀疏组合的异常事件检测算法

基于深度学习的异常检测算法输入通常为视频帧或光流图像,检测精度和速度较低。针对上述问题,提出了一种以运动前景块为中心的卷积自动编码器和自更新稀疏组合学习(convolutional auto-encoders and self-updating sparse combination learning, CASSC)算法。首先,采用自适应混合高斯模型(gaussian mixture model, GMM)提取视频前景,并以滑动窗口的方式根据前景像素点占比过滤噪声;其次,构建3个卷积自动编码器提取运动前景块的时空特征;最后,使用自更新稀疏组合学习对特征进行重构,依据重构误差进行异常判断。实验结果表明,与现有算法相比,该方法不仅有效地提高了异常事件检测的准确性,且可以满足实时检测需求。     

单目视觉下基于逆投影空间的车辆细粒度识别

当前车辆识别大多采用深度学习方法,直接输入图像数据进行训练以获得车辆分类的深度网络,由于图像本身存在透视形变及尺度变化,因此不得不采取大量不同类型数据进行训练,同时也无法获取车辆相关的物理信息.为了改进上述问题,本文提出基于逆投影空间训练的车辆细粒度识别方法.首先利用标定信息及几何约束,对单目投影下的车辆构建精细化的三...