基于Unity3D的虚拟驾驶系统的开发与应用

近年来,汽车驾驶模拟器的研究迅速发展.借助于Unity3D专业的游戏引擎以及逼真的画面效果,基于虚拟现实技术开发了车辆驾驶模拟器,提出了驾驶模拟器的各组成部分的功能及原理.设计了逼真的虚拟场景以及车辆动力学模型,使用户通过转向、离合、油门等操纵机构驾驶控制车辆,通过场景中车辆模型的运动姿态控制四自由度的运动平台,实现人机交互.经多次试验表明,该系统实时效果好,可以真实地模拟实际驾驶情况,该虚拟驾驶系统对于汽车虚拟驾驶具有重要的实际意义和应用价值.     

基于VEGA的车辆自动驾驶仿真研究

在研究车辆自动驾驶特性的基础上,采用虚拟现实仿真技术,利用Creator和Vega完成了实体模型的建立和虚拟场景的渲染,完成了仿真系统的开发,完整地演示了从建模、路径导航设置,碰撞检测到最终实现车辆自动模拟驾驶的全过程,并在仿真测试中取得了较好的效果.该系统可以真实的模拟交互式的车辆行驶过程,提供了一个通用的仿真平台,可以大大降低车辆行驶视景仿真建模中的开发成本,并对同类虚拟仿真的研究也具有重要的指导意义.     

基于数字孪生的网联自动驾驶测试方法研究

数字孪生(DT)可以虚拟化地呈现出系统的整个生命周期,非常适合在自动驾驶测试中使用。提出了在有限环境下利用DT进行网联自动驾驶测试的方法,即在自动驾驶的仿真测试环境中,利用DT的映射实现虚拟复杂道路场景下真实的网联自动驾驶车辆测试。相关实验说明,该方法能够有效地支持开展网联自动驾驶测试。     

我国自动驾驶道路测试开展情况、问题及建议

道路测试是全面验证自动驾驶车辆功能,实现车、路、人云协同,确保车辆安全、可靠、高效运行的重要手段,对推进自动驾驶技术成熟与产业发展至关重要。当前,美欧日等国持续推动自动驾驶道路测试的全面开展。今年,我国中央和地方纷纷出台自动驾驶道路测试规范,已在多地开展自动驾驶道路测试。通过数月的道路测试可以发现,当前存在政策法规与标准规范不健全、申请流程繁琐与道路测试场景简单、测试道路基础设施不完善、事故责任分配有待明晰等影响道路测试健康发展的系列问题,亟待完善现行道路测试规范、建立自主创新体系、构建测试保障体系、逐步开放试点项目以及明确主体责任分配体系,以进一步推动我国自动驾驶道路测试的健康发展。     

虚拟交通场景编辑平台开发

虚拟交通场景的构建是一项繁琐的工作。在此利用Creator创建基础道路交通场景,并利用Vega虚拟仿真平台,在Visual C^--集成环境下开发了虚拟交通场景编辑系统,用户能够根据自己的需要,自行创建虚拟交通道路、虚拟汽车、交通灯及树木等,利用键盘,可以控制一台虚拟汽车在虚拟交通场景中体验虚拟驾驶过程。     

基于InfluxDB的自动驾驶智慧货运平台的构建及应用

随着物联网、大数据技术的发展,利用物联网系统有助于执行自动化任务,实现对远程实时监控及车辆运输过程可视化,从而加快复杂场景中的决策。文中研究搭建了一套基于InfluxDB时间序列数据库,用于在自动驾驶智慧货运平台的真实场景中进行监控和分析。选择InfluxDB数据库,克服使用传统关系型数据库的实时性弱点,也便于公共和私人利益相关者之间应用可访问性和互操作性。通过InfluxDB技术对黑龙江阿穆尔河大桥进行数字化仿真模拟,检测车辆位置信息和运输状态,实现车辆运输过程可视化。自动驾驶智慧货运展示大屏能够实现车端数据的可视化展示,展示车载摄像头拍摄画面,实现远程监控,旨在对自动驾驶车辆行驶状态进行实时监测,并掌握货运运营情况。     

自动驾驶搅拌车横向控制设计及试验研究

车辆控制包含横向和纵向控制两部分,其中横向控制根据决策规划输出的路径、曲率等信息进行跟踪控制,不同的横向控制算法适用于不同的应用场景.本文分析了双前桥转向四轴搅拌车的动力学模型,结合搅拌车运行场景,提出了一种基于车辆动力学模型的横向控制算法(LQR),该算法考虑了路面曲率和道路坡度的前馈补偿.利用Matlab对该横向控制算法进行建模,仿真分析其动态响应特性,最后进行实车道路测试.结果表明:LQR横向控制算法适合搅拌车的工作场景,能够兼顾搅拌车的行驶稳定性和乘坐的舒适性.     

一种基于可行驶区域的自动驾驶避撞方法研究

在自动驾驶技术普及的过程中,车辆与道路行人之间的避撞方法一直是人们关注的热点话题。本文将行人运动的不确定性、运动车辆对行人运动的影响等因素与熵的概念相结合,提出一种基于可行驶区域的自动驾驶避撞方法,以自定义的车辆可行驶区域与对应空间熵的计算为基础,再应用于车辆与行人之间的碰撞预测。首先,利用车辆自身传感器获取的信息数据,采用速度与路径规划叠加的方法来生成车辆备选的轨迹路线;其次,基于社会力模型与马尔可夫模型对行人位置进行预测,得到行人位置概率;最后,根据目标优化算法得到车辆行驶的最优轨迹,实现避撞。仿真实验表明,本文提出的基于可行驶区域的自动驾驶避撞方法在不同的行车工况下可以有效地与行人进行安全避撞交互,对于推动自动驾驶的发展、保障道路行人安全具有重要意义。     

北京市大型立交桥路考虚拟驾驶系统的设计与实现

本文为解决北京市大型立交桥复杂多变的路况,设计出了一套以路考为目的的虚拟驾驶系统.还原真实的三维场景,进行数据处理和交互控制,实现虚拟驾驶,这是一种简单方便的交互方式.本系统的优点是低碳低成本,减少驾校占地面积、燃油费用和车辆维修费用,降低车辆排放尾气造成的环境污染.不仅可以解决一些实际中不能解决的问题,并且体现了实际的应用价值,有着广阔的发展空间.     

基于深度学习的驾驶场景数据应用

真实驾驶场景是智能网联汽车开发、测试及相关技术发展的基础条件及关键支撑,可为相关研究的开展提供重要理论依据,而目前,我国有关真实道路场景数据的相关研究比较匮乏。本文首先研究搭建Tensorflow框架用以处理视觉感知任务的深度学习平台,然后基于真实驾驶场景数据,研究智能车辆视觉感知驾驶环境所依赖的核心算法与网络模型,采用卷积神经网络Multi Net实现真实交通环境中行驶车道的分割和目标物的检测。     

Co‐Pilot Agent for Vehicle/Driver Cooperative and Autonomous Driving

ETRI's Co‐Pilot project is aimed at the development of an automated vehicle that cooperates with a driver and interacts with other vehicles on the road while obeying traffic rules without collisions. This paper presents a core block within the Co‐Pilot system; the block is named “Co‐Pilot agent” and consists of several main modules, such as road map generation, decision‐making, and trajectory generation. The road map generation builds road map data to provide enhanced and detailed map data. The decision‐making, designed to serve situation assessment and behavior planning, evaluates a collision risk of traffic situations and determines maneuvers to follow a global path as well as to avoid collisions. The trajectory generation generates a trajectory to achieve the given maneuver by the decision‐making module. The system is implemented in an open‐source robot operating system to provide a reusable, hardware‐independent software platform; it is then tested on a closed road with other vehicles in several scenarios similar to real road environments to verify that it works properly for cooperative driving with a driver and automated driving.     

交通事故中道路通行能力计算方法

为准确计算交通事故中道路通行能力,在深入分析发生事故时道路状况的基础上,通过对道路通行能力的机理分析,提出了一种计算方法。针对事故发生位置对车道路宽进行变换处理,根据驾驶员反应时间等因素算出最小车头间距,推导出车速与车流密度关系、车道路宽与车速关系以及通行能力与车流量、车道数的关系。最后,使用Matlab数值模拟得到道路通行能力与车流密度的相图。结果表明,该相图能准确反映出交通事故对道路通行能力所造成的削弱影响。     

Adaptive vehicle skid control

In this paper, adaptive vehicle skid control, for stability and tracking of a vehicle during slippage of its wheels without braking, is addressed. Two adaptive control algorithms are developed: one for the case when no road condition information is available, and one for the case when certain information is known only about the instant type of road surface on which the vehicle is moving. The vehicle control system with an adaptive control law keeps the speed of the vehicle as desired by applying more power to the drive wheels where the additional driving force at the non-skidding wheel will compensate for the loss of the driving force at the skidding wheel, and also arranges the direction of the vehicle motion by changing the steering angle of the two front steering wheels. Stability analysis proves that the vehicle position and velocity errors are both bounded. With additional road surface information available, the adaptive control system guarantees that the vehicle position error and velocity error converge to zero asymptotically even if the road surface parameters are unknown.     

Adaptive Haptic Feedback Steering Wheel for Driving Simulators

Controlling a virtual vehicle is a sensory-motor activity with a specific rendering methodology that depends on the hardware technology and the software in use. We propose a method that computes haptic feedback for the steering wheel. It is best suited for low-cost, fixed-base driving simulators but can be ported to any driving simulator platform. The goal of our method is twofold. 1) It provides an efficient yet simple algorithm to model the steering mechanism using a quadri-polar representation. 2) This model is used to compute the haptic feedback on top of which a tunable haptic augmentation is adjusted to overcome the lack of presence and the unavoidable simulation loop latencies. This algorithm helps the driver to laterally control the virtual vehicle. We also discuss the experimental results that demonstrate the usefulness of our haptic feedback method.     

基于MCU的工程机械柴油车辆油耗计量系统研究

基于彻底解决柴油车辆司机虚报油耗的目的,利用W77E58单片机制作了一种油耗监控车载终端,通过GPS的定位和时间信息来监控车辆单位油耗的方法,详细记录油量消耗的过程信息,通过GPRS将信息上传到远程监控中心,监控中心在MAPX地图上再现车辆轨迹,并显示任意单位油耗的行驶路线、里程、时间。车辆监控终端还可向手机发送GSM短信报告当前车辆总油耗及位置,实现了对车辆油耗及位置的实时监控。通过上路行驶试验,油耗的精确度达到了95%以上,实现了油耗与路线、里程、时间的精确对比。     

山区弯道智能会车提示系统的设计

介绍了以微处理器STC89C52作为核心控制芯片和单片射频收发器nRF905芯片组成的山区弯道智能会车提示系统的特点和工作原理,给出了系统的软硬件实现方案。通过实验考虑会车所能出现的各种状况得到的实验结果表明该系统车辆检测率较高,数据显示准确,达到了山区弯道智能会车提示系统的要求,能够确保山区弯道会车安全,降低事故率。     

履带车辆行驶平顺性仿真及试验

基于虚拟样机技术,结合三维造型软件、有限元分析和多体动力学软件,对履带车辆行驶平顺性仿真技术进行了研究.建立履带车辆的刚柔混合虚拟样机模型及随机不平路面模型,生成平顺性仿真模型系统,通过在F等级随机路面行驶仿真,得到车辆行驶时驾驶员座椅位置振动加速度曲线,根据评价标准对车辆进行平顺性评价,并与实车试验测试数据的计算结果进行对比分析.结果表明,仿真模型系统及评价方法合理,可以为提高和改善履带车辆的机动性能提供有效的方法和手段.     

基于深度强化学习的端到端无人驾驶决策

端到端的驾驶决策是无人驾驶领域的研究热点.本文基于DDPG（Deep Deterministic Policy Gradient）的深度强化学习算法对连续型动作输出的端到端驾驶决策展开研究.首先建立基于DDPG算法的端到端决策控制模型,模型根据连续获取的感知信息（如车辆转角,车辆速度,道路距离等）作为输入状态,输出车辆驾驶动作（加速,刹车,转向）的连续型控制量.然后在TORCS（The Open Racing Car Simulator）平台下不同的行驶环境中进行训练并验证,结果表明该模型可以实现端到端的无人驾驶决策.最后与离散型动作输出的DQN（Deep Q-learning Network）模型进行对比分析,实验结果表明DDPG决策模型具有更优越的决策控制效果.     

基于光学多传感器场景信息的视觉辅助驾驶技术

为满足坦克、装甲车辆等军用车辆的闭舱、无窗驾驶需求,研制了一套新型辅助驾驶系统。系统将分布于车辆四周的多路光学传感器获取车辆近身场景,通过全景拼接算法得到车辆近身360°的全景鸟瞰视频,该视频显示于车载显示屏,用于车辆通过窄道、有障碍物等特殊路段,或倒车时,驾驶员观看。同时,在车辆通过常规路段时,上述视频可根据驾驶员头部扭转角度,裁选出符合人眼观察视角的车外场景视频,传输至驾驶员显示头盔上,供驾驶员观看。如遇特殊情况,车载显示屏会报警,驾驶员将回归车载显示屏的观看。其中,驾驶员头部位置确定方法采用了红外LED光源图像定位技术和MEMS惯性器件定位技术。在实验室,搭建模型小车,验证全景鸟瞰视频生成技术和头盔自由视点观察技术。此外,还使用真实车辆进行了跑车实验。实验结果表明,上述系统可满足闭舱无窗车辆在常规路况下行驶,速度可达40 km/h,同时可辅助车辆窄道行车、障碍物绕行和倒车等事项顺利进行。     

Development of a Novel Sensorless Longitudinal Road Gradient Estimation Method Based on Vehicle CAN Bus Data

The availability of road gradient information will have a big impact upon the quality of vehicle control. This paper presents a novel "sensorless" longitudinal road-gradient estimation method, which was developed in two steps starting from a benchmark system design. The gradient benchmark system consists of an inclinometer sensor and an acceleration-based error correction algorithm, which can be used to verify the accuracy of the road gradient obtained using a sensorless estimation method. The sensorless road-gradient estimation algorithm uses the vehicle data currently available on the vehicle controller area network (CAN) bus. The completed gradient estimation algorithm was successfully tested online in variable road conditions and different driving manners. The test results showed that the resulting longitudinal road-gradient estimation algorithm fulfilled the specified accuracy requirement, and provided a cost effective and reliable way for longitudinal road-gradient estimation in real time.