汽车自动驾驶系统

汽车是现代的主要交通工具，在发达国家汽车已进入家庭．但驾驶汽车是件不容易的自，它有油门，离合器，刹车，换档和方向盘等多个操作机构，工作时各操作机构要协调配合动作。因此使汽车驾驶操作简化，行驶更加安全、舒适是当今汽车研究的主要课题之一。瑞典已开发出用微型操纵杆驾驶的汽车，德国研制出了能在高速公路上行驶的计算机辅助驾驶汽车，美、日等国也在汽车自动驾驶方面开展了许多研制工作。此外一些工程车辆如推土机、压路机、矿山运输车、救火车等在作业时环境恶劣，劳动强度大，这些车辆的驾驶自动化也是十分必要的，国外已有…     

汽车自动驾驶系统的开发动态

汽车的发明已有100多年的历史。其间经历了无数次改型换代，总体结构日臻完善。近些年来，随着电子技术的飞速发展，汽车中的电子成分也日益增加。电子系统正在使汽车性能蕴酿一场新的革命，尤其是电子自动驾驶系统的开发。目前，现代的超豪华轿车中的电子计算能力几乎比6O年代登月的阿波罗飞船的计算能力还强。但是如今汽车中平均电子装置所占的成本只有6O美元，国外专家预计在今后5年内，这项成本将增加2倍。例如，13MW公司预计10年后，他的汽车将包含100个微控制器。电子系统占汽车总成本的比例将越来越高，预计到2000年，将达到20％。…     

汽车自动驾驶及其发展

自动驾驶汽车依靠人工智能、视觉计算、雷达、监控装置和全球定位系统协同合作,让电脑可以在没有任何人类主动的操作下,自动安全地操作机动车辆。自动驾驶技术是汽车产业与人工智能产业、物联网技术、高度智能化计算机等新一代信息技术紧密结合而形成的产物,是当前全球汽车与交通出行产业智能化与物联网系统的重点方向。笔者主要针对汽车自动驾驶及其发展进行研究。     

基于Delta机的汽车自动驾驶系统

本文介绍了Ｄｅｌｔａ工控机及运行于其上的ＶＭＥｅｘｅｃ多任务实时运行环境，论述了自动驾驶系统的设计思想及软／硬件结构系统的硬件组成和软件结构。     

汽车自动驾驶纵向控制技术的研究

汽车自动驾驶的研究在国外一直是几十年们关注的热点，而我国才刚刚起步。本文按照系统建模、分析和控制的过程对汽车自动驾驶的纵向控制技术进行了深入探索和研究，针对汽车系统中存在的问题，提出了相应的解决方法，取得了有意义的结论。     

自动驾驶：释放双手的难度

汽车值得信任么？这是许多司机对配有自动驾驶系统汽车所产生的疑问,因为要眼睁睁地看着“无形大手”旋转方向盘。对此,谷歌给出了肯定的回答。     

自动驾驶系统中局部路径规划改进算法研究

针对自动驾驶系统中局部路径规划算法容易出现局部极小值点从而导致假死的现象,提出了基于差分进化法的局部路径规划改进算法.当局部路径规划过程中出现局部极小值点导致算法失效时,采用模拟退火法获取多条可达路径,并以距离目的地的最终路径长度为目标函数,以次优目标为航向重新构建势力场,从而保证自动驾驶系统可以稳定安全的向目的地运行...     

改进DDPG算法在自动驾驶中的应用

深度确定性策略梯度算法（Deep Deterministic Policy Gradient，DDPG）作为深度强化学习中的经典算法，在连续控制问题上有着较大的优势，被应用于自动驾驶领域。针对DDPG缺少策略动作过滤导致的非法策略比例较高引起的训练效率低、收敛速度慢等问题，提出基于失败经验纠错的深度确定性策略梯度算法。通过分离经验缓存池，根据驾驶表现选择失败数据训练，并将策略网络单输出转化为油门和刹车控制量，通过正态分布噪声改善探索策略。TORCS平台仿真实验表明，所提算法相对于DDPG算法与DQN（Deep Q-learning Network）算法，训练效率明显提升，非法驾驶策略降低为0。     

基于YOLO的自动驾驶目标检测研究综述

自动驾驶是人工智能发展领域的一个重要方向,拥有良好的发展前景,而实时准确的目标检测与识别是保证自动驾驶汽车安全稳定运行的基础与关键。回顾自动驾驶和目标检测技术的发展历程,综述了YOLO算法在车辆、行人、交通标志、灯光、车道线等目标检测上的应用,同时对比分析了精确性与实时性等性能,阐述了自动驾驶目标检测研究领域将要面临的挑战、可能的解决方案和潜在的发展方向。     

谷歌的自动驾驶汽车

谷歌正在进行技术研发,并且已经进行了广泛地测试,以发明一款能独立自动驾驶的汽车。这个科技巨人希望能减少一半车祸的发生。谷歌在自己的博客中报道说,谷歌的工程师们已经在旧金山的海湾地区试驾了这样的车队,总行程达到140公里。     

基于模糊自适应PID算法的列车自动驾驶系统研究

既有列车自动驾驶（automatic train operation,ATO）系统使用的传统PID算法囿于参数固定,在强耦合、高度非线性的实际运行场景中,难以很好地克服非线性干扰问题,控车效果不佳。对此,文章提出一种基于模糊自适应PID算法的列车自动驾驶方法,其可以根据预先制定的模糊规则实时调整比例、积分和微分系数,使PID控制器具有更强的速度跟踪性能,从而改善列车控制效果。以长沙轨道交通4号线线路数据为算例进行半实物仿真,实验结果显示,采用该算法后,列车真实速度与推荐速度的平均均方根误差为18.876 cm/s,小于传统PID控制器的35.200 cm/s;列车站间旅行贴合度为1.69 m/s,小于传统PID控制器的2.25 m/s,这表明文章所提算法能有效优化推荐速度曲线跟踪能力,提升系统运营效率。     

德州仪器加强客户自动驾驶体验减少碰撞事故

2013年10月18日．德州仪器（TI）于北京宣布推出整合创新VisiorlAccelerationPac的TDA2x汽车片上系统（SoC）产品系列,帮助客户创建高级驾驶员辅助系统（ADAS）,其不仅有助于减少路上碰撞事故发生,而且还可实现自动驾驶体验,     

自动驾驶地图的数据标准比较研究

作为实现汽车自动驾驶的关键基础设施,自动驾驶地图能够提供大量准确且语义丰富的数据来帮助用户以更精细的尺度了解周边环境状况,辅助感知、定位、驾驶规划与决策控制,满足智能时代多种高层次的应用需求,进而切实推动我国自动驾驶相关领域的发展与商业化应用。自动驾驶地图的数据标准作为自动驾驶地图生产应用的指导性规范之一,是自动驾驶地图数据标准化的基准。当前我国自动驾驶相关领域对自动驾驶地图标准化的需求迫切,地图数据标准化已成为业界共同关注的热点问题。为解决自动驾驶地图数据标准化问题,切实推动自动驾驶地图的高效发展,本文对自动驾驶地图的数据标准进行比较研究。首先介绍国内外主流的自动驾驶地图数据标准,然后针对其中4种：导航数据标准（navigation data standard,NDS）、OpenDrive、智能运输系统智能驾驶电子地图数据模型与交换格式和道路高精度电子导航地图数据规范进行分析比较研究,主要从数据结构、数据模型、地图渲染和协同应用4个维度展开,并在各个维度上给出数据标准编制时建议遵循的原则。基于分析比较研究的结果,总结出自动驾驶地图数据标准编制时建议遵循的原则。通过对自动驾驶地图的数据标准进行分析比较研究,归纳总结出数据标准编制时建议遵循的原则,这些建议遵循的编制原则对我国相应规格标准的制定具有借鉴意义。     

越野移动机器人自动驾驶专家系统的研究

本文研究越野移动机器人驾驶专家系统等有关问题，首先介绍了系统的硬件支持环境，然后阐述了自动驾驶专家系统的总体结构，有关知识库的内容以及使用知识的各功能模块的作用与运行机理，该系统已分得以应用，能够完全代替驾驶员各种驾驶操作，并能进行自主导航、运动规划、自动绕障、动态跟踪目标、原路返回以及示都再现等复杂任务。     

简析车联网技术在汽车自动驾驶技术上的应用

随着经济的飞速发展,当前人们对汽车的需求越来越大,他们对汽车的性能方面的要求也越来越高,由此就引发了汽车行业的大发展.近年来,我国的汽车行业获得了长足的发展,汽车的智能化趋势逐渐增强,并在很多领域取得了突出的成就.在这个背景下,汽车自动驾驶技术由此衍生,成为一个大的趋势.本文旨在对车联网技术和汽车自动驾驶技术进行研究,并在此基础上推动我国汽车行业的进一步发展.     

高速列车自动驾驶优化算法

为实现列车在自动驾驶下的高效率运行,在分析列车不同阶段运行情况的基础上,以停车阶段为重点,应用层次分析法,得出该阶段各性能指标之间重要性比较的定量描述以及停车控制综合性能指标的评价函数,设计出在线运行控制的模糊操纵规则。依据规则进行多次列车的离线模拟运行,对不同等分区域划分和起始制动点选取方案进行专家打分,得到性能指标最优的停车操纵方案。最后以VC++为平台设计仿真系统,验证控制算法下列车运行具有良好的停车精度、舒适性和节时性。     

自动驾驶汽车将彻底改变智能交通

智能交通系统（ITS）旨在减少交通事故的发生、遏制污染和提高效率。由于自动驾驶汽车正在慢慢成为ITS的一部分,我们所了解的交通法规和法律在未来十年将有可能发生巨大的变化。     

动态条件模仿学习自动驾驶算法研究

针对自动驾驶领域当前条件模仿学习模型在动态环境下表现较差的问题,提出了一种使用LSTM网络融合历史视觉信息的动态条件模仿学习模型DCIL(Dynamic Conditional Imitation Learning)。首先DCIL通过残差网络Resnet34进行环境感知得到图像特征,再将连续的4帧历史图像特征通过LSTM网络进行特征融合,得到动态环境的特征向量。针对不同的导航条件,使用不同的决策网络预测车辆速度和方向盘角度;最后使用比例积分控制模型控制车速。在自动驾驶仿真平台CARLA上的测试结果表明DCIL与经典模仿学习方法相比,自动驾驶水平大幅提高,动态环境下避障能力显著增强。     

自动驾驶汽车障碍物检测技术综述

如何可靠地感知环境和辨别障碍物是自动驾驶汽车最重要的能力之一。其中,障碍物检测是文献中讨论最广泛的课题之一。在任何车辆运动中,都需要非常仔细地对障碍物进行检测,如果检测是可靠的,那么就能确定它的优化方案,以确保行车安全。文章介绍了自动驾驶汽车障碍物检测方法所需各类不同类型传感器的特点,重点阐述了基于电磁波信息、图像信息、多信息融合的障碍检测技术,其中许多方法已经提出了不同的应用领域和场景,为智能车研发提供一定的参考和借鉴。     

门的自动分配算法及其实现

门自动分配是从逻辑图开始的成套印制电路板全自动设计的重要环节。本文采用直接结合度和间接结合度加权算法。在分配中,既考虑有共同信号门,又计及同时与某器件有共同信号的几个门,合理地解决了门与门,门与其他器件联系的“紧密”与“松散”的问题。还采用自动分配与手工分配多种工作方式,以增强灵活性和实用性。