无人机和无人驾驶汽车何时普及？

最近,亚马逊和DHL都展示了他们用于递送包裹的无人驾驶飞行器,但我们估计还得需要一段时间才能看出这是真枪实战还是市场宣传的噱头。     

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。     

期待无人驾驶汽车

无人驾驶汽车是人们的美好梦想。在绝大多数人的心目中,当今世上最炫酷、最令人向往的汽车不是布加迪、迈巴赫,也不是宾利,而是电影《变形金刚》中的汽车人。当这些机器人化身为汽车时,那流线型的车身、卓越的行驶速度、绝世的智能,无一不被人们津津乐道。面对梦想,很多人只是企盼,但是更有人在奔向梦想的道路上潜行耕耘。今年在美国拉斯维加斯举行的国际消费电子展上,多家汽车企业展出了自己的无人驾驶汽车,     

论流浪动物致害的侵权责任归责原则与责任的承担

流浪动物是饲养动物在脱离原主人或者管理人管理期间的特殊称谓,因此流浪动物致害责任在很大程度上应当被视为饲养动物致人损害的责任,其责任的构成要件也相应地应当与饲养动物侵权责任构成要件存在很多相似之处。但是鉴于流浪动物致害的特点,该责任主体和归责原则以及最后的责任承担应当区别于饲养动物。     

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.     

基于车联网技术的无人驾驶汽车转向控制方法

目前,模型预测控制联合车联网技术已经成为汽车系统控制中的热门研究领域。针对传统控制方法下无人驾驶汽车转向控制精度低、延迟高等问题,研究将车联网技术、无人驾驶汽车、转向控制进行结合,首先利用车联网技术搭建无人驾驶控制系统,接着利用模型预测控制构建了汽车转向控制模型。研究结果表明,所构建的模型能够很好地控制车辆参数的变化,使其仿真轨迹基本与参考轨迹重合。相较于其他传统控制算法,模型预测控制算法的控制准确率为97.8%,误差率为1.05%,系统响应时间为1.01 s。综上,此次研究所设计的转向控制模型拥有较好的性能表现,能为优化无人驾驶汽车转向控制提供一定的参考价值。     

无人驾驶汽车决策系统的规则正确性验证

无人驾驶车辆技术是当前科学研究的重点领域之一,目前无人车决策系统的开发过程中面临着安全性不足的问题。针对该问题,提出了验证驱动的基于代码自动生成的无人车决策系统开发框架。该框架利用模型检验技术对无人车决策系统进行环境建模,通过验证可以发现无人车决策系统的设计过程中不易发觉的缺陷,解决其安全性不足的问题,同时能够将安全检查与软件开发同步,降低其维护成本。基于该框架,设计并实现了无人车决策系统辅助开发工具UNMANNED_RULE_EDIT(URE),目前该工具已初步应用于国内某单位研制的无人车上,为其开发研制工作提供了帮助。     

无人驾驶汽车图像识别与底层控制技术

无人驾驶汽车环境感知技术是研究的最多的部分,其中常用的传感器有摄像机,毫米波雷达,激光雷达,GPS等,本文研究分析的是摄像机图像识别技术.首先对图像识别的原理进行了阐述,并介绍了几种常用的车载摄像机,从而分析了识别车道线的方法以及相关底层控制技术.     

基于北斗导航系统与5G技术下的无人驾驶汽车的发展研究

随着经济的发展,科技不断进步。全球5G发展过程中,我国已成为必不可少的重要力量,5G设备已建设且部分投入测验。5G时代的到来,代表之前不敢想的会变成可能,如无人驾驶汽车等,基于先进技术的高科技产品不再只是一个梦。中国有了北斗导航系统和5G发展的前锋力量,就具有更优越的条件研发自动驾驶汽车,中国无人驾驶汽车上市指日可待。     

基于凸优化的无人驾驶汽车转向角安全性验证

无人驾驶汽车系统过大的输入-输出空间(即输入和输出的所有可能组合)使得为其提供形式化保证变成一项具有挑战性的任务.在本文中,我们提出了一种自动验证技术,通过结合凸优化和深度学习验证工具DLV来保障无人驾驶汽车的转向角安全.DLV是一个用于自动验证图像分类神经网络安全性的框架.我们运用故障安全轨迹规划中的凸优化技术解决预测转向角的判断问题,然后拓展DLV来实现无人驾驶汽车转向角安全性的验证.我们在NVIDIA的端到端无人驾驶架构上说明所提出方法的优势,这个架构是许多现代无人驾驶汽车的关键组成部分.我们的实验结果表明,对于给定区域和操作集,如果存在对抗性错误分类(即不正确的转向决策),我们的技术可以成功地找到.因此,我们可以实现安全验证(如果在所有DNN层都没有发现错误分类,在这种情况下网络关于转向决策可以说是稳定或可靠的)或证伪(在这种情况下,这些对抗性反例可以用于后续微调网络).     

高速公路上无人驾驶汽车目标检测算法的研究

为了解决高速公路环境下无人驾驶汽车对目标检测准确度及速度的问题,提出一种改进SSD模型的目标检测算法,通过结合空洞卷积改进DenseNet网络模型,构成D-DenseNet网络模型,并以此代替传统SSD算法中的VGG16网络,从而简化模型,减少运算量,提高检测精度,实现对目标快速且准确的检测。利用相关道路交通图像并结合深度学习中常用的VOC数据集作为样本进行训练和测试,并与Faster R-CNN、YOLOv3及原始SSD模型进行比较,实验结果表明,与其它算法相比,该算法对于高速公路不同环境下无人驾驶汽车的目标检测速度更快,精度更高,具有良好的鲁棒性。     

无人驾驶汽车决策系统的规则描述与代码生成方法

无人驾驶汽车的高层决策系统是其实现自主驾驶功能的核心,在决策系统的开发过程中,由于信号变量与状态数量庞大等原因,系统面临着可维护性与可拓展性差的难题。UNMANNED_RULE_EDIT是面向无人车高层决策系统的规则编辑与代码自动生成辅助工具,具有图形化编辑和代码自动生成的功能,有利于开发人员清晰直观地设计规则,并摆脱繁琐的编码工作。主要讨论了UNMANNED_RULE_EDIT的中间语言(规则语言)设计和代码自动生成算法。目前,该工具已初步应用在国内某单位研制的无人车上,为其决策系统的开发提供便利。     

Google无人驾驶汽车想成功，绕不开这6项问题

除非无人驾驶汽车能在纷繁复杂的道路世界精确导航,从容应对斑马线、车库、雨天、道路破碎以及数以万计其他不可预知隐患,我们才会义无反顾地考虑以无人驾驶汽车作为日常交通。     

基于事件触发的无人驾驶汽车路径跟随预测控制

研究存在有界扰动的非线性无人车辆模型的路径跟随问题,提出一种基于事件触发的模型预测控制算法,与现有的基于时间周期的模型预测控制算法相比,可以在保证车辆对参考轨迹跟随准确性的同时减少跟随过程中求解优化问题的计算量,降低在线实时优化的计算负担.最后给出无人车运动学模型的仿真结果,对比所提出的控制算法与传统算法,验证了其有效性.     

无人驾驶汽车协同感知信息传输负载优化技术

无人驾驶近年来成为了学术界和工业界的研究热点,无人驾驶汽车的环境感知则是其中的重要基础.仅通过提升无人驾驶汽车上的传感器数量和精度并不能完全消除车辆的感知盲区,因此无人驾驶汽车与路边基础设施进行协同环境感知越来越受到关注.通过车路协同感知,无人驾驶汽车的感知范围能够得到有效扩展,有助于消除感知盲区,对于提升无人驾驶的安...     

一种面向无人驾驶汽车的高效交通标志识别方法

为解决智能交通系统中交通标志识别的实时性差和准确率低等缺陷,本文提出一套高效准确的交通标志识别方法.通过实验选择合适的待检测区域,对该区域图像进行预处理以适应不同环境,并分离出红、黄、蓝、黑四通道图像;提取各通道图像外层轮廓并进行筛选,对合格轮廓进行凸壳处理及再次筛选;根据凸壳轮廓的Hu不变矩、周长和面积等特征选择出圆形和方形轮廓,在高分辨率原图中选择轮廓内图像作为待识别区域;利用水平和垂直方向直方图特征,对每个所选区域进行横纵向直方图放缩匹配(HSTM),选择最优匹配作为最终识别结果.本系统主要应用于"中国智能车未来挑战赛"无人驾驶汽车平台,在实际测试中识别率达95%,识别速率达8 Hz~10 Hz.且在实际比赛过程中准确识别出指定交通标志,在实时性及准确率上相对现有方法有一定优势.     

基于PER-APF算法的无人驾驶汽车换道轨迹规划

针对传统人工势场算法在解决无人驾驶汽车换道轨迹规划过程中存在的不足,提出一种基于势能重构人工势场 (Potential Energy Reconstruction- Artificial Potential Field, PER-APF) 的无人驾驶汽车换道轨迹规划算法。首先,建立了具有斥力区分的道路边界约束条件和多约束换道轨迹规划模型,通过判断障碍车辆与道路边沿的距离来保证换道过程的安全性与有效性;其次,提出了基于势能重构的改进APF算法,通过构建虚拟区域以及重构物理势能力场,有效的解决了目标不可达以及局部最优问题。仿真结果表明,所设计的PER-APF算法能够快速有效地为无人驾驶汽车规划一条安全合理的换道轨迹。     

受汽车无人驾驶启发的液压支架智能协同控制

针对综采工作面液压支架控制精度低、协同性差、推移不齐等问题,借鉴汽车无人驾驶技术,提出了一种液压支架智能协同控制方法。将综采工作面每台液压支架看作是一辆“汽车”,该“汽车”靠移架动作向前行驶,靠底调、侧护板调整行驶方向,液压支架群组就像排成一排的“汽车”按照一定顺序前行,并保持排列队形。每台液压支架都有固定的目标行程,并受左右侧支架的位置约束,能够关注前方采煤机运行情况,兼顾邻架的状况,从而实现液压支架智能协同控制。该方法从液压支架精准推移控制、平行移架控制、护帮板控制、自动跟机闭环控制等方面探讨了液压支架智能协同控制,为解决综采工作面液压支架控制问题提供了一个思路。     

浅谈无人驾驶汽车的前景和面临的挑战

自1885年,卡尔本茨发明汽车以来,人们在汽车性能上的突破越来越大,但是目前,在道路安全方面,最薄弱的环节不是汽车的性能,而是驾驶员.目前很多科技公司正加紧步伐开发无人驾驶技术,希望能借此减少目前存在的交通问题.虽然无人驾驶汽车已然成为焦点,但是这项技术的普及还面临着许多的挑战,本文将重点分析这项技术的未来及面临的问题.