杭州市自动驾驶汽车允许上路测试

近日,杭州市经信委、市公安局、市交通运输局联合印发了《杭州市智能网联车辆道路测试管理实施细则(试行)》(以下简称《细则》),主要明确了智能网联汽车道路测试的范围和管理规范等内容。据悉,下一步杭州将成立杭州市自动驾驶测试专家委员会,引入第三方测试管理机构,对测试主体和车辆进行评估审核,发放测试号牌,开放部分路段用于自动驾驶测试,加快推动自动驾驶技术的发展和应用。     

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…     

虚拟驾驶系统中智能汽车创建方法的研究

虚拟驾驶系统中智能自主汽车的驾驶水平对整个仿真系统的逼真性以及测试的可信性起着决定作用。本文通过对智能交通环境的研究，阐述了在虚拟驾驶仿真系统中智能汽车的建立方法．提出了利用数据库储存虚拟交通环境的道路信息，实现智能汽车对道路的识别。本文还提出了基于碰撞检测原理的视觉信息获取方法以及基于视觉信息的实时决策算法。实验结果表明，按照以上的方法，智能汽车能较真实的模拟人的视觉，做出人性化的驾驶行为，增强了智能汽车在复杂交通网络中行驶的正确性以及系统的快速性、稳定性,效果令人满意。     

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。     

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％。…     

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。     

自动驾驶交叉路口测试场景建模及验证方法

自动驾驶汽车在缓解交通拥堵和消除交通事故方面发挥着重要作用.为了保证自动驾驶系统的安全性和可靠性,在自动驾驶汽车部署到公共道路之前,必须进行全面的测试.现有的测试场景数据大多来源于交通事故和交通违法场景,而且自动驾驶系统最基本的安全需求就是遵守交通法规,这充分体现了自动驾驶汽车遵守交通规则的重要性.然而,目前严重缺少针对交通法规构建的自动驾驶测试场景.因此,本文从交通法规出发,根据自动驾驶系统安全需求,提出交叉路口测试场景的Petri网建模及形式化验证方法.首先,依据自动驾驶测试场景对交规进行分类,提取适合自动驾驶汽车的文本交规,并进行半形式化表征.其次,以覆盖道路交通安全法规以及测试场景功能测试规程为目标,融合交叉路口场景要素的交互行为,合理选择并组合测试场景要素,布设交叉路口测试场景.然后,基于交规的测试场景被建模为一个Petri网,其中,库所描述自动驾驶汽车的状态,变迁表示状态的触发条件,并选择时钟约束规范语言（CCSL）作为中间语义语言,将Petri网转换为一个可进行形式化验证的中间语义模型,提出具体的转换方法.最后,通过Tina软件分析验证交规场景模型的活性、有界性和可达性,结果表明所建模型的正确性,并基于SMT的分析工具MyCCSL来分析CCSL约束,采用LTL公式以形式化方法验证交规场景模型的一致性.     

基于神经网络的自动驾驶模型及其虚拟实现

文章提出了一种基于人工神经网络的自动驾驶控制模型,并利用计算机虚拟技术模拟实现车辆的运行环境及其运行行为,并对自动驾驶控制模型进行了测试。试验表明这种自动驾驶模型能有效地指挥车辆的驾驶。     

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。     

基于深度学习的点云目标检测方法

随着自动驾驶技术和点云处理技术的不断发展,如何对点云数据中的点的相关特征进行分析就成为关键问题.针对点云特征分析问题,很多的文献中对点云特征值采取手动输入的方法.然而,该类方法无法适应实际环境中复杂多变的情况.为了解决该问题,该文提出了一种新的基于深度学习网络的三维点云检测框架.该框架以深度学习作为点云分析工具,并引入...     

基于注意力机制的三维点云车辆目标检测

针对自动驾驶场景下三维点云车辆的识别和定位问题,提出了一种基于注意力机制的三维点云车辆目标检测算法.算法将稀疏无序的点云空间划分成等距规则的体素表示,用三维稀疏卷积和辅助网络同步从所有体素中提取内部点云特征,进而生成鸟瞰图.但在将内部三维的点云特征转化为二维的鸟瞰图后,通常会造成目标空间特征信息丢失,使得最终检测结果以及方向性预估差.为进一步提取鸟瞰图中特征信息,提出了一种注意力机制模块,其中包含两种注意力模型,并对其采用首、中、尾的"立体式"布局结构,实现对鸟瞰图中特征信息的放大和抑制,最后使用卷积神经网络和PS-Warp变换机制对处理过后的鸟瞰图进行三维目标检测.实验表明,该算法在保证实时检测效率的前提下,与现有算法相比,具有更好的方向预估性以及更高的检测精度.     

点云场景下基于结构感知的车辆检测

在自动驾驶领域,计算机对周围环境的感知和理解是必不可少的.其中,相比于二维目标检测,三维点云目标检测可以提供二维目标检测所不具有的物体的三维方位信息,这对于安全自动驾驶是至关重要的.针对三维目标检测中原始输入点云到检测结果之间跨度大的问题,首先,提出了基于结构感知的候选区域生成模块,其中定义了每个点的结构特征,充分利用...     

基于LiDAR点云数据的等值线绘制方法

随着新型传感器激光雷达（LiDAR）步入市场,自20世纪80年代起逐渐应用于建筑规划、植被水利等行业.而在测绘行业,采用三维激光雷达扫描技术以取代传统的测量技术才刚开始起步,因其自动化程度高,更新周期短且获取到的数据精度高,信息全而逐渐被现代测绘业逐渐认可.用激光雷达采集到的点云数据为源数据,探究了三维离散点间接综合等值线的方法,并尝试改进三维道格拉斯算法,实现点子重要性排序以用于不同比例尺下地形图的综合.借助二次开发技术实现点数据栅格化,绘制等值线,同时在此过程中对比分析选用不同数量的点集合以及不同分辨率分别对等值线绘制的影响.结果表明先对点数据进行综合继而回放等高线既保留了原始地形的特征,且缩短了数据处理时间,同时也可根据实际比例尺的缩小程度,多尺度地输出、显示等值线.     

基于旋转不变深度层次聚类网络的点云分析

由于解决了三维点云的排列不变性问题,基于三维点云的深度学习方法在计算机三维视觉领域中取得了重大的突破,人们逐渐倾向于使用三维点云来描述物体并基于神经网络结构来提取点云的特征.然而,现有的方法依然无法解决旋转不变性问题,使得目前的模型鲁棒性较差;同时,神经网络结构的设计过于启发式,没有合理利用三维点云的几何结构与分布特性,导致网络结构的表达能力有待提升.鉴于此,提出了一种具有良好兼容性的严格旋转不变性表达以及深度层次类簇网络,试图从理论与实践两个层面解决上述问题.在点云识别、部件分割、语义分割这3个经典任务上进行了旋转鲁棒性对比实验,均取得了最优的效果.     

基于超点图网络的三维点云室内场景分割模型

针对点云数据集样本不均衡及PointNet网络无法充分利用点云邻域信息的问题,提出一种三维点云场景分割模型。根据几何信息将原始点云块同质分割为超点,利用小型PointNet网络将点云原始特征映射到高维空间中,并挖掘场景中深层语义信息。在此基础上,构建自归一化属性门控单元优化点云上下文语义分割效果,采用二维图像领域中的Focal Loss损失函数实现点云场景分割。实验结果表明,该模型在S3DIS数据集上的平均交并比、总体精度、平均精度分别达到63.8%、86.4%、74.3%,较SPG模型分别提升1.7、0.9、1.3个百分点。     

基于点云模型的虚拟手术系统建模及碰撞检测

建模与碰撞检测算法是虚拟手术具有良好实时性的前提。通过CT得到病人身体患部的点云数据,再基于八叉树剖分算法,采用层次包围球结构,对手术部位的软组织及器官进行建模。为了提高碰撞检测的实时性,将手术器械物理模型简化为一个小球或一条直线与软组织交互,而几何模型保持不变,这样在不影响虚拟手术的视觉效果同时又提高了碰撞检测的速度。实验结果表明,算法能准确检测出虚拟手术器械与虚拟模型接触的点,而且碰撞检测实时性显著提高,简化后的平均碰撞检测时间仅为虚拟手术的快速碰撞检测算法中未简化的方法平均时间的10%。     

点云数据压缩中的边界特征检测

点云数据压缩是逆向工程产品建模中必要的数据预处理手段之一。常见的数据压缩算法未考虑点云边界数据点的保留问题，因此在大比例压缩过程中会出现边界数据丢失的情况，从而破坏了数据的完整性。为此，提出了一种利用点云数据小邻域内点的相邻关系来检测边界特征点的算法。该算法能检测出点云数据的内、外边界特征点，同时对边界上的点进行排序，检测出边界特征点中的过渡点，最后构建点云轮廓的边界多边线。该算法不仅能满足在点云数据压缩过程中检测并保留边界特征点的要求，而且生成的边界多边线也为后面的3维模型重建奠定了基础。     

自适应分割的视频点云多模式帧间编码方法

基于视频的点云压缩(Video based point cloud compression, V-PCC)为压缩动态点云提供了高效的解决方案, 但V-PCC从三维到二维的投影使得三维帧间运动的相关性被破坏, 降低了帧间编码性能. 针对这一问题, 提出一种基于V-PCC改进的自适应分割的视频点云多模式帧间编码方法, 并依此设计了一种新型动态点云帧间编码框架. 首先, 为实现更精准的块预测, 提出区域自适应分割的块匹配方法以寻找最佳匹配块; 其次, 为进一步提高帧间编码性能, 提出基于联合属性率失真优化(Rate distortion optimization, RDO)的多模式帧间编码方法, 以更好地提高预测精度和降低码率消耗. 实验结果表明, 提出的改进算法相较于V-PCC实现了−22.57%的BD-BR (Bjontegaard delta bit rate)增益. 该算法特别适用于视频监控和视频会议等帧间变化不大的动态点云场景.     

基于八叉树空间分割的三维点云模型密写

针对三维点云模型的信息隐藏,提出一种基于八叉树空间分割的空域密写算法。对经过主成分分析后的三维点云模型建立包围盒,利用八叉树空间分割得到小体元并记录分割过程,通过顶点位移将信息嵌入到小体元内的不同空间位置。实验结果表明,该算法在提取信息时不需要原始模型数据,具有嵌入量高、失真度低的特点,能够抵抗旋转、平移、均匀缩放和顶点重排序攻击,适合于任意网格的三维模型信息隐藏。     

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.