矿井无人驾驶环境感知技术研究现状及展望

矿井辅助运输系统是煤矿企业运输人员和重要物料、装备的必备系统,实现矿井无人驾驶是提高运输效率、保障运输安全的必然要求,也是落实国家煤矿智能化建设部署的必由之路。矿井无人驾驶依赖于准确实时的环境感知,即利用激光雷达、毫米波雷达等车载感知器件和车联网支持下的协同感知,实现车辆局部甚至矿井全局的精确详尽感知。对矿井无人驾驶环境感知技术的研究现状进行了系统梳理,指出巷道特殊环境使得矿井车载感知设备的性能都将出现不同程度的下降,并对各种车载感知设备的优劣进行了总结归纳;详细阐述了矿井无人驾驶环境感知的关键技术,包括基于可见光图像或激光点云的单传感器障碍物识别方法,多传感器融合感知的分类及可见光图像+激光点云、可见光图像+毫米波点云、可见光图像+激光点云+毫米波点云、4D毫米波雷达+其他感知器件等多传感器融合方式,智能网联协同感知的实现方式、数据处理方法及其对无人驾驶的促进作用,井下巷道交通标志检测与识别方法,井下无轨胶轮车和有轨机车的巷道可行驶区域分割方法等;对矿井无人驾驶环境感知技术的发展方向进行了展望,建议提高矿井多传感器融合性能、研究矿井自适应感知算法并突破矿井智能网联协同感知技术。     

基于V2I/V2N的感知融合系统技术及应用研究

随着智能驾驶技术的研究与发展,单车智能感知的局限性逐渐显现出来,基于V2X的感知技术解决了单车感知在遮挡等场景下的局限性。介绍一种基于V2I/V2N的感知融合系统技术方案,阐述其在智能驾驶系统中发挥的作用。重点讨论路侧感知与车载感知融合技术的算法架构及功能,研究利用V2I/V2N技术搭建智能网联汽车感知系统的可行性,研究基于V2I/V2N的感知融合系统在前车跟车行驶场景、车辆穿越交叉路口场景、高速路匝道车辆汇入场景三种典型场景下的应用。可以为车路协同感知技术应用研究提供参考。     

车路协同路侧感知融合方法的研究

随着智能网联汽车技术和产业的不断发展,智能网联汽车逐渐成为人们交通出行的选择之一。但受智能网联汽车自身环境感知系统对特定道路交通场景信息处理的局限,无法实现在所有行驶工况下安全高效的运行,其需车路协同路侧感知技术的辅助方能更安全高效的运行。海量的车路协同感知数据是城市道路和高速公路车路协同、运行分析和科学管理的宝藏,理解和分析这些数据是车路协同路侧感知融合的关键。面对车路协同路侧多传感器的不同数据,如何高效准确地挖掘和提取雷达、视频在不同时间、不同空间维度的数据,实现对重点交通场景(如视野盲区、急转弯道、隧道、桥梁)和交通事件、环境、设施安全等的雷达、视频数据进行快速融合检测、识别与检索,通过蜂窝车联网C-V2X网络在一定时延范围内有效地将路侧感知融合结果数据发送给智能网联汽车,确保其安全高效的行驶,是面向智能网联汽车辅助驾驶的车路协同路侧感知融合的关键问题。基于智能网联汽车其自身环境感知能力,对道路智能基础设施感知网络中的多传感器融合方法进行研究分析,提出了基于误差方差的多传感器融合算法,与非智能道路相比,其效率更高,更加智能化,可有效解决道路交通运行环境中存在的常见问题,为人们提供更加安全、高效、优质的交通出行服务。     

基于低压直流供电的车路协同一体化系统

随着自动驾驶技术的高速发展,无人驾驶有望成为未来出行的主要方式。一直以来,相关学者对无人驾驶汽车的智能化研究较为深入,而对于车路协同的无人驾驶技术方案探索较少,针对以AI为核心的单车智能存在很多局限性的实际情况,提出一种基于低压直流供电的车路协同一体化系统,主要介绍了车路协同一体化系统中路侧智能基础设施的供电方式和通信组网方式,给车路协同在汽车无人驾驶领域之中的良好应用与发展提供一定的参考。     

智能网联车路云协同系统架构与关键技术研究综述

随着汽车产业电动化、智能化、网联化、共享化的发展驱动,全球主要强国均将智能网联汽车列为国家战略发展方向.蜂窝车联网、边缘计算网络和高精度定位系统的技术发展,为车车、车路、车人和车云系统的全面融合提供了有效支撑.车辆、道路、云平台与蜂窝车联网(Cellular vehicle-to-everything, C-V2X)网络的融合,加速打通车内与车外、路面与路侧、云上与云间的信息互通,为实现车路云一体化的融合感知、群体决策及协同控制提供了重要基础.首先,梳理了智能网联车路云协同系统架构与关键技术,对该领域的演进特征、发展制约因素进行了总体概述;其次,阐述了新型车路云协同系统、智能网联C-V2X通信系统、云控系统和车路云协同测试系统的架构设计与工作原理;然后,从C-V2X组网、融合定位、测试评价角度,介绍了车路云协同系统融合V2X网络、融合定位的技术演进与研究进展,给出了智能网联场景的仿真平台、实车测试及评价指标;最后,对智能网联车路云协同系统的协同组网与控制、互操作、边缘智能服务和安全技术层面的发展趋势进行了展望.     

基于多分辨率建模的车路协同系统仿真场景设计与实现

车路协同技术是当今国际智能交通领域的前沿技术,是城市交通问题的有效解决方案。多分辨率建模方法是研究复杂系统仿真的一种重要手段,特别适用于车路协同系统的复杂性、层次性特性。基于多分辨率思想,从交通流信息、多车与地面设备问的信息交互、单车的车车、车路信息交互三种层次构建了车路协同系统多分辨率模型以及基于高层架构体系（HLA）的车路协同系统仿真框架;通过分析车路协同系统多分辨率层次需求,从高分辨率及中分辨率下的车队排队时间延误、低分辨率下路段平均行驶时间建立完整的路段关联度体系,可以从多层次、不同分辨率对车路协同系统中路段间关联度进行更加准确的描述;结合遗传算法将车路协同系统解聚为动态控制区域,分析了不同分辨率下的子系统和不同模式的数据交互信息及其耦合关系,实现区域最佳协调控制效果。从多层次、不同分辨率更加准确地定义了路段关联度,更好地进行动态控制子区的划分。     

基于5G车联网的绿波通行系统研究

结合MEC与C-V2X融合技术,研究了一种基于5G车联网的绿波通行系统,并且在绿波通行模型、MEC应用和协同控制管理等方面做了相关研究。该系统实现了更低时延的实时车路协同以及多个路口红绿灯信息协同感知,进而实现连续性绿波优先通行,减少路口交通拥堵,并提升运输效率。     

车路协同的云管边端架构及服务研究

对智能交通业务的发展趋势、车路协同技术及系统要求以及国内外发展现状进行了介绍;同时重点阐述了智能网联交通体系之车路协同云管边端架构方案,介绍了中心云、交通专网/电信网络、边缘云、车载/路侧终端协同的"云-管-边-端"统一架构,同时提出了基于云管边端架构的车路协同多源数据融合信息服务能力开放框架,并对其具体功能要求、API调用方式进行了详细论述。     

基于MEC边缘计算的5G V2X车路协同先导应用

1目标和概述 1.1行业面临的挑战 技术发展方面,目前产业发展路径逐步由"单车智能"向"车路协同"转变,车路协同技术发展直接影响车联网规模化发展,车路协同规模化发展存在时间、成本投入巨大等问题.前期的车路协同主要以路侧与车辆直连通信为主,满足场景验证,随着推进商用化的进程计划,与规模应用场景结合,对于车路协同应用,无论...     

基于毫米波雷达的智能车辆纵横向主动避障控制系统设计

智能车辆所搭载监测设备对障碍物目标的识别准确性,影响行驶车辆的纵横向避障能力。为避免车辆与障碍物发生碰撞,提升智能车辆的纵横向避障能力,设计基于毫米波雷达的智能车辆纵横向主动避障控制系统。在底层控制单元中,按需连接纵横向导航控制元件与毫米波雷达摄像头,完成智能车辆纵横向主动避障控制系统的部件结构设计。利用毫米波雷达监测所得的车辆避障图像,定义空间坐标系转换条件,通过标定雷达相机参数的方式,实现基于毫米波雷达的智能车辆避障路径规划。建立车辆纵横向运动模型,根据避障安全距离计算结果,完善具体控制流程,联合各级硬件应用结构,完成基于毫米波雷达的智能车辆纵横向主动避障控制系统的设计。实验结果表明,所设计系统可在智能车辆通过障碍物目标时,保证车体与障碍物之间的距离大于0.3m,能够避免碰撞行为发生,对于车载监测设备而言,其对于障碍物目标的准确识别能力得到了保障,能够有效提升智能车辆纵横向避障能力。     

基于时空注意的毫米波雷达人体活动识别网络

为了解决传统方式利用摄像头进行人体活动识别抗干扰性差以及侵犯用户隐私的问题,提出一种基于时空注意的毫米波雷达3D点云数据的人体活动识别网络,以实现智能应用上下文的准确感知。该网络首先使用二级滑动时间窗口分别累积和分离人体活动产生的点云数据作为分类器的输入,利用PointLSTM单元根据点云坐标关系聚合点特征和状态以提取人体活动的时间序列特征;然后拼接时空特征,通过采样分组模块降低整体网络计算量以及提升网络对局部特征的聚合能力;最后使用堆叠的注意力模块深度融合动态点云数据时空上的全局和局部特征以完成对人体活动任务的准确分类。利用毫米波雷达采集了多种人体活动点云数据集,实验结果表明,提出的时空注意网络平均准确度可达98.64%,能够有效识别复杂且差异小的人体活动类型,完成人体活动识别系统的要求。     

面向智慧交通的图像处理与边缘计算

随着全球人口的持续增长和城市化进程的加速,道路拥挤、交通事故和污染排放增加等问题日益严重。智慧交通系统旨在借助先进的信息与通信技术建成高效安全、环保舒适的交通与运输体系,提供全方位的交通信息服务和安全高效、经济快捷的交通运输与出行服务。经过各国多年来的竭力推进与发展,智慧交通系统在交通管理、自动驾驶与车路协同等方向均得到广泛的应用。智慧交通的发展离不开通信、计算机与控制等研究方向的突破与创新。其中,图像处理作为智慧交通系统的核心技术之一,它的研究进展直接影响着智慧交通系统的部署。图像处理技术是指计算机对图像进行增强、复原、提取特征、分类和分割等技术处理,通过对交通视觉图像的处理,为智慧交通系统的感知、识别、检测、跟踪和路径规划等功能提供了最直接与重要的信息。此外,面对智慧交通系统所产生的大量数据计算任务,边缘计算技术则将中心云服务下沉至各边缘节点附近,不但能够优化算力负载分配,还能够满足智慧交通应用与服务对低时延、高响应速度的需求。本文从智慧交通系统的发展现状入手,分别围绕面向智慧交通的图像处理与边缘计算技术,阐述其研究热点与前沿进展,汇总与比较国内外的相关学术和产业成果,并对智慧交通...     

智轨电车多源环境感知系统

智轨电车的多源环境感知系统是车载平台与运行环境的交互纽带,其包括基于激光雷达的障碍物感知子系统、基于毫米波雷达的前侧向障碍物感知子系统以及基于多摄像头的360度环视子系统。基于激光雷达的障碍物感知子系统采用地面分割算法、点云聚类算法和数据关联算法,实现了对运行前方障碍物的检测和跟踪;基于毫米波雷达的前侧向障碍物感知子系统采用目标检测算法和跟踪算法,实现侧向以及前向障碍物探测;基于分布式鱼眼摄像头的360度环视子系统运用图像拼接算法,实现智轨电车周围障碍物感知和预警。实车试验结果表明,该环境感知系统可有效地提高智轨电车的运行安全系数,为车辆智能驾驶提供了全面的环境信息。     

汽车巡航控制用传感器进展

自主智能巡航控制系统利用前视雷达传感器收集前方道路上交通和障碍物的信息。毫米波雷达和激光雷达是常用于汽车自主智能巡航控制的雷达传感器 ,介绍了这两种汽车传感器的工作原理、技术指标和发展趋势     

基于ADS的毫米波收发组件设计及仿真

接收发射组件(T/R组件)是相控阵天线的核心部分,在通信、雷达等应用领域日益得到重视。针对毫米波段的T/R组件进行了研究,在相控阵技术基本原理分析基础上,对功放、低噪放、移相、衰减、开关及中频放大等模块进行了选型设计,利用安捷伦ADS软件对T/R组件进行仿真验证,仿真结果显示接收组件具有较好的噪声系数,发射组件功率输出满足设计指标要求。     

毫米波无线通信: 从短距离接入到广域覆盖

由于丰富的频谱资源,毫米波通信已成为未来无线网络的重要研究方向。毫米波通信在短距离无线接入虽已取得明显进展,但如何实现超高速广域覆盖还存在巨大的挑战。本文回顾分析了毫米波信道模型、毫米波多天线传输和毫米波通信网络构架等关键技术的国内外研究现状和发展趋势,提出将毫米波无线通信与新兴的大规模多天线和大规模协作无线传输技术紧密结合,并引入云计算和分布式存储处理等新方法,形成密集分布毫米波大规模多天线无线通信新型网络构架,解决毫米波移动通信的广域大容量无线覆盖和支持终端中高速移动等关键性技术的瓶颈。     

智能遥感：AI赋能遥感技术

随着人工智能的发展和落地应用,以地理空间大数据为基础,利用人工智能技术对遥感数据智能分析与解译成为未来发展趋势。本文以遥感数据转化过程中对观测对象的整体观测、分析解译与规律挖掘为主线,通过综合国内外文献和相关报道,梳理了该领域在遥感数据精准处理、遥感数据时空处理与分析、遥感目标要素分类识别、遥感数据关联挖掘以及遥感开源数据集和共享平台等方面的研究现状和进展。首先,针对遥感数据精准处理任务,从光学、合成孔径雷达等遥感数据成像质量提升和低质图像重建两个方面对精细化处理研究进展进行了回顾,并从遥感图像的局部特征匹配和区域特征匹配两个方面对定量化提升研究进展进行了回顾。其次,针对遥感数据时空处理与分析任务,从遥感影像时间序列修复和多源遥感时空融合两个方面对其研究进展进行了回顾。再次,针对遥感目标要素分类识别任务,从典型地物要素提取和多要素并行提取两个方面对其研究进展进行了回顾。最后,针对遥感数据关联挖掘任务,从数据组织关联、专业知识图谱构建两个方面对其研究进展进行了回顾。除此之外,面向大智能分析技术发展需求,本文还对遥感开源数据集和共享平台方面的研究进展进行了回顾。在此基础上,对遥感数据智能分析与解译的研究情况进行梳理、总结,给出了该领域的未来发展趋势与展望。     

网联共享车路协同智能交通系统综述

网联车辆、交通大数据、共享出行等技术给智能交通系统的发展与应用革新带来了机遇和挑战.在全面总 结共享出行系统、网联车辆协同优化控制、交通大数据分析等领域最新研究成果的基础上,系统论述智能交通技术的研究进展,特别对智能交通系统中的交通流及出行需求预测、共享出行系统车辆调度、交通网及电网联合优化、网联车辆协调控制及车-路协同控制等方面进行全面综述.分析智能交通系统存在的问题及挑战,并对其未来发展方向进行展望.