基于毫米波传感器与激光雷达信号融合的自动驾驶障碍物感知方法

由于自动驾驶无法准确感知障碍物信息，且感知误差较高，为了提高自动驾驶避障能力，提出基于毫米波传感器与激光雷达信号融合的自动驾驶障碍物感知方法。将毫米波传感器内置于自动驾驶装置中，采集自动驾驶装置与障碍物之间的激光雷达回波信号，采用匹配滤波器进行干扰滤波处理，提取传感信号的功率谱密度特征量，采用小波多尺度分解的方法实现信号时频转换，通过Wigner-Vill分布检测和多分辨特征聚类，分析自动驾驶激光雷达毫米波传感信号回波特征，根据波束形成和信号融合结果实现对障碍物感知和自适应定位。测试结果表明，采用该方法进行自动驾驶障碍物感知的准确性较高，感知误差较低，最低为0.01,响应速度较快，最快为0.1 s,收敛迭代步数较小，定位能力较强，提高了自动驾驶的环境适应性。     

结合人工势场的Q-learning无人驾驶汽车路径规划算法

基于强化学习算法规划路径常用栅格法来描述环境,但存在路径过于贴近障碍物、非最短路径等与实际应用场景不符的情况。针对此问题,提出了一种结合人工势场知识的Q-learning无人驾驶汽车路径规划算法,引入障碍物的斥力场值来优化选择状态时的奖励值,同时增加无人驾驶汽车的斜向运动。仿真实验表明,与现有的算法相比,在消耗时间有所增加的情况下,结合人工势场的Q-learning无人驾驶汽车路径规划算法能够找到一条更符合实际情境的更优路径。     

移动边缘计算突破无人驾驶时延瓶颈

智能无人驾驶汽车发展潜力巨大.当前关于无人驾驶汽车的研究大多集中在车载环境感知技术和车辆控制技术方面.随着无人驾驶汽车逐步走向规模化商用,如何实现云端和汽车之间数据的低时延和高带宽连接,成为制约智能无人驾驶汽车发展的瓶径.移动边缘计算通过在移动网络边缘提供IT服务环境和云计算能力,可以减少对网络资源的无效占用,增加实时通信连接的可用带宽,降低服务交付的时延.移动边缘计算可以满足智能无人驾驶的需要,将对无人驾驶汽车的发展起到重大支撑和推动作用.     

基于Apriori算法的流量识别特征自动提取方法

提出了一种基于Apriori算法自动提取协议识别特征的方法,该方法可以自动提取2种最常用的协议识别特征--特征字符串和包长特征,提取特征的效率较传统方法有很大的提高.通过识别率、准确率、正误识别率和负误识别率等指标验证了所提取特征的准确性和完整性,并根据结果反馈指导特征提取的过程,保证了提取特征的可靠性.     

基于SVM的多特征手写体汉字识别技术

针对传统的模板匹配法对汉字的识别率较低,文中提出一种基于SVM的多特征手写体汉字识别技术。在提取网格特征的基础上增加对汉字质心特征、笔划特征、特征点的提取,并采用SVM算法构造分类器,实现对手写体汉字的识别。实验结果表明,该方法的平均识别率为95.9%,高于传统的模板匹配法。     

基于俯仰角修正的HOG特征快速行人检测算法

传统的HOG特征对正视或侧视行人有较好的识别率,但是对俯视行人的识别率仍有所欠缺。对检测图像的HOG特征根据不同的俯仰角进行了转换,同时优化了SVM分类器训练过程,提出了一种改进的快速行人检测算法。测试结果表明,该算法优于基于传统HOG特征的检测方法,有效提高了不同俯仰角视频中行人检测的准确性。     

一种级联式神经网络框架的路标识别方法研究

为了提升无人驾驶汽车对于外界环境感知的能力, 本文提出了一种级联式神经网络框架对虚拟环境中的路标进行检测与分类。该框架将添加了 辅助结构的全卷积神经网络与改进后的经典LeNet-5网络进行 组合,在处理所提取出的路标区域边缘不平整以及产生杂项问题上使用传统的腐蚀膨胀开运 算图像处理算 子进行优化和解决,实现虚拟道路图像中雨雪等多种情况下的多类路标进行定位与识别。通 过与经典的不 变矩特征、ORB全局特征提取方法,以及YOLO,SSD人工智能方法对比试验表明,本文所提出 方法具备检测准确度高,运算速度快的优势。     

一种新的基于单目视觉的广义障碍物检测方法

 障碍物检测是辅助驾驶、机器人导航等领域的核心问题之一.本文提出一种新的基于特征点道路面投影位移矢量的单目视觉广义障碍物检测方法.基于道路平面假设,利用特征点估计相机自运动参数,并利用此参数对相机的旋转运动进行补偿.利用逆透视投影变换,分别推导并证明了道路平面上的点和障碍物上的点的道路面投影位移矢量与相机位移矢量的关系.提出了一种区间统计方法,实现了相机位移矢量的鲁棒估计.最后,通过分析连续图像特征点的道路面投影位移矢量与相机位移矢量的关系,实现了广义障碍物检测.各种场景下的实验结果表明,该方法能够检测任意类型、形状的障碍物.与传统的运动补偿方法相比,具有更好的鲁棒性和准确性.     

5G背景下无人驾驶汽车关键技术在疫情环境中的应用研究

5G移动通信技术的发展,为无人驾驶汽车的高速反应、安全驾驶提供了更多的技术可能,无人驾驶汽车的关键技术包括导航定位、环境感知、路径规划、稳定牵引控制、防抱死制动和自动泊车技术,以上关键技术的实现,还需传感器、GPS和北斗卫星导航系统、RFID无线射频技术等信息技术的支持.无人驾驶汽车的高速发展使得其可以更快地投入现实使用,解决人们的日常生产、生活问题,保障人们的生命财产安全.     

基于DSP的车载语音识别系统设计

为了提高在汽车噪声环境中语音识别系统的识别率,并达到降低系统成本的目的,在低成本定点DSP(TMS320VC5509A)芯片工业标准的基础上,使用两路无差输入信号进行噪声抵消,建立了一种基于孤立词,小词汇量,特定人识别的语音识别系统,实验表明,在类似汽车噪声环境中,该系统的识别率可满足实用要求,且成本较低。