基于改进的DSSD算法的行人检测

交通场景下的行人检测在高级辅助驾驶系统和自动驾驶汽车领域中占有重要地位.为了解决道路行人因采集视角和低像素模糊而导致小、尺度行人氏检测精度的问题,提出了一种基于DSSD的行人检测网络框架,结合改进的ResNeXt特征提取模型作为DSSD检测框架的前置网络以保证小尺度行人特征的精确提取和高效传递.为了充分获取局部细节信息...     

基于PreScan软件的交叉路口防碰撞控制系统仿真

汽车主动安全避撞是基于传感技术和电子技术的新兴技术。在交叉路口汽车主动安全防碰撞系统地开发中,利用PreScan软件能够建立典型的交叉路口虚拟交通场景、添加需要的传感器,再通过控制算法添加控制模块就能进行交叉路口汽车自动驾驶过程的仿真实验,能缩短避撞系统的开发周期、降低开发成本和减小试验的危险性。     

集成主被动式安全带的性能评估及优化分析

针对高级驾驶员辅助系统（ADAS）功能多、集成度低的情况,提出了将可逆预紧式安全带与车道偏离预警系统、前方碰撞预警系统和疲劳驾驶监测系统集成为一体的集成式主被动安全系统。在探讨了该集成系统的工作原理和控制策略基础上,通过开展志愿者实车道路实验研究了前方预警系统的碰撞时间阈值、安全带预紧力以及安全带预紧时产生的噪声三个因素对乘员主观感受的影响。对志愿者的主观评价和实验数据的对比分析表明：该集成系统的控制策略逻辑合理,在各个工况下能够主动触发以提醒和约束乘员;但是初期由于预警提醒的频次过高和噪声较大影响了乘员的驾驶体验。经过降低预警系统碰撞时间阈值和优化调整安全带的传动结构,提高了乘员的驾驶体验。该集成式主动安全系统可有效地辅助驾驶员驾驶,且满足乘员的主观可接受度。     

美光揭晓自动驾驶汽车的关键技术

<正>自动驾驶汽车需要高度安全、可靠、快速响应的解决方案,此类解决方案依赖于由海量数据驱动的瞬时决策。为了快速分析未来自动驾驶汽车所需的数据,带宽更高的内存和存储解决方案不可或缺。到2020年,在互联网汽车方面的存储需求可能将达到1万亿字节,要驱动全自动驾驶需具备每秒300千兆字节以上的存储系统带宽。作为汽车内存和存储市场的领导者,美光科技有限公司的地位独一无二,将帮助加速行业创新的步伐。     

Eon Studio的虚拟自主汽车自动超车行为仿真

在Eon Studio三维交互式仿真平台上进行虚拟自主汽车自动超车行为仿真.提出把超车安全距离转化到前车层次包围盒几何尺寸上的方法,利用Eon Studio的碰撞检测节点去检测与前车的距离是否大于安全换道的距离再采取超车行为,实现无碰撞自动超车行为仿真,并把仿真结果应用到虚拟自主汽车视觉行为系统(AVV-VPB系统),增强了系统中虚拟交通环境的真实感.     

一种智能控制汽车转向信号灯的设计

设计了一种智能控制汽车转向信号灯,以柔性电阻式压力传感器、汽车方向转角传感器监测转向柱转动信号,通过转向控制模块辨别转向意图,控制转向信号灯的自动执行,达到因各种原因没有对汽车转向开关进行操作的补救,对道路的交通有序通行和行人安全具有一定现实意义。     

考虑交互博弈的无信号交叉路口自动驾驶车辆决策规划研究

为了解决无信号交叉路口自动驾驶车辆决策保守,与周围车辆交互性差的问题,提出一种考虑交互博弈的无信号交叉路口自动驾驶车辆决策规划算法。该方法分为以下几步,首先基于运动学模型及道路约束对自车和周围车辆进行初步的运动预测,并建立两车的交互动作空间,得到车辆可能的行驶域。其次,建立一个新颖的危险度评估方法,能评估两车在任意位置、任意姿态、任意速度下的碰撞危险度,用于各交互动作状态行为值的求解。进一步基于斯塔克伯格主从博弈求出两车的均衡动作策略,该策略即为当前交通环境下考虑交互得到的最优动作。最后,通过Prescan/Simulink构建交叉路口场景进行联合仿真,来验证该算法的合理性。结果表明所提出的考虑交互博弈的算法在保证安全性的基础上,能相对于基于决策树和无交互的方法分别提高7.3%和12.4%的效率,并能在多车复杂工况下与周围车辆进行灵活交互。     

恩智浦加强汽车从安全向自动驾驶演进

正随着ADAS系统的广泛应用,市场研究机构IHS Research预测:未来几年汽车雷达传感器市场的年均增长率将高达23%,预计到2021年的市场需求总量将达5×10~7部。因为汽车雷达能准确提供汽车行驶环境的相关数据.无论在当前还是未来都是汽车ADAS系统中的核心。它提供对周围驾驶环境的精确数据,最终使道路上的司机和乘客生命更安全。恩智浦半导体大中华区汽车电子业务部总经理陈伟进先生认为,汽车从安全向自动驾驶演进的过程大致分为4个级别:第一级为特定     

可嵌入式智能色盲红绿灯

常规红绿灯,不能根据光线强度调节亮度,不能根据交通情况自动调节显示时间,给红绿色盲色弱群体的出行安全带来不便及构成威胁,也会造成白天强光下看不清交通信号情况,为行人和司机带来误判的隐患;而夜晚信号灯太亮,影响司机行人视觉。设计了一种可嵌入式智能色盲色弱红绿灯,采用图形及颜色组合的形式区分,红灯采用箭头加横杆,黄灯采用闪烁方式,绿灯采用滚动方式,同时可根据天气环境自动调节亮度以适应环境,也可以根据交通情况自动调节时间。这给红绿色盲色弱群体的出行安全带来了保障,也便捷了司机、行人、行动不便人员的生活。     

遮挡环境下基于路侧异源雷达融合的多交通目标鲁棒跟踪方法

多目标跟踪是保障自动驾驶行驶安全与效率的基础,其获取的数据广泛应用于自动驾驶运动规划、驾驶决策等上层应用。传统多目标跟踪方法在遮挡环境下往往存在目标丢失、错位的现象,针对这一问题,本文提出了基于异源雷达融合与遮挡预测模型的鲁棒跟踪方法。首先,基于激光雷达与毫米波雷达的局部观测一致性方程,提出了一种基于多目标运动约束与全局最大匹配的多传感动态自标定算法。其次,针对完全遮挡环境下因观测数据缺失导致的跟踪中断问题,提出了一种基于异构雷达融合无迹卡尔曼滤波与长短期时序神经网络的混合监督目标位置预测方法。通过实验表明,本文提出的方法在完全遮挡环境下可有效补全至少81%断开的多车辆目标轨迹,且相比于最先进的方法,能够实现更为可靠的多交通目标跟踪。     

基于二进制粒子群优化算法的行人检测

针对汽车前方道路上的行人安全问题,对道路行人采用二进制粒子群优化算法（BPSO）进行了检测,以确保行人的安全。首先,对随机采集的道路行人图像样本进行了二维离散余弦变换（DCT）,将行人的描述从图像空间转换为用少量数据点来表示频率域空间,再利用DCT算法的对称性,解压缩图像,获得了行人图像的特征向量;其次,应用BPSO算法对得到的特征向量进行了特征选择,从行人频域特征空间中,提取了有价值的特征子集,得到了最具代表性的行人特征,完成了行人检测。试验结果表明,在样本数量较少的情况下,无论在检测正确率还是检测实时性方面BPSO算法都优于传统的支持向量机（SVM）算法。研究结果表明,二进制粒子群优化算法能够高效快速的检测到行人,为车辆主动安全技术提供重要基础,对于减少交通事故具有重要意义。     

Development and validation of a pedestrian deformable finite element model

Pedestrian protection has become an increasingly important consideration in vehicle crash safety. Pedestrian-vehicle crashes cause a significant number of pedestrian fatalities and injuries globally. Computer models are powerful tools for understanding how to reduce the severity of injuries in such crashes. Real-world studies of pedestrians provide an important source of information for evaluating pedestrian model dynamic performance and ability to reconstruct injury-causing events. This study describes the validation process of deformable pedestrian model using published postmortem human subject (PMHS) trajectory and head resultant velocity corridors, and demonstrates its applicability to pedestrian — vehicle impact research. We implemented the deformable pedestrian model using LS-DYNA finite element code. Based on PMHS data, the pedestrian model is used to validate the displacement trajectories of the head, pelvis, knee and foot. The finite element pedestrian model thus obtained can help assess the friendliness of vehicles with pedestrians in traffic crashes and assist in the future development of pedestrian safety technologies. This paper was recommended for publication in revised form by Associate Editor Young Eun Kim Tso-Liang Teng is a Professo r in the Department of mechanical and automation engi-neer ing and the Dean of engineeri ng college at the Da-Yeh Uni versity, Taiwan. He received a BS (1981), MS (1986) and PhD (1994) from the Chung Cheng Institute of Technology. His research intere sts include design of passive safety systems in ve hicles, crash tests simulation, passenger and pedest rian injuries analysis, design of pedestrian protecti on systems.     

基于AdaBoost行人检测优化算法的研究

针对车辆辅助安全驾驶系统的道路行人检测和识别问题,对行人检测算法的实时性和检测准确性受光照影响等方面进行了研究。对行人检测识别算法进行了归纳,将在线训练和更新行人分类器技术应用到车辆前方行人检测和识别中。提出了改进的AdaBoost行人检测优化算法,应用该算法行人识别分类器训练时,根据正样本和负样本的错分率,实时调整级联分类器权重系数,在线更新分类器的错误率权重,在保证分类器整体准确率的前提下,降低了分类器的级数,优化了分类器结构,减少了计算的复杂性;采用扩展的类Haar特征,降低了算法对光线的敏感性,提高了环境适应能力。试验结果表明:在相同的检测率下,改进的AdaBoost算法需要的检测时间更少,系统具有更高的鲁棒性,可以满足道路行人识别的要求。     

基于关键帧定位和时空图卷积的异常行为识别

为提高监控视频中行人异常行为检测效率,提出了结合关键帧定位和时空图卷积的异常行为识别方法。该方法在人体骨架关键点检测的基础上,采用关键点运动特性定位视频中行人异常行为关键序列,利用时空图卷积网络可以提取行人时空特征的优点,在关键帧序列上构建人体骨架时空图,同时建立基于瓶颈残差模块的时空图卷积网络行为识别模型,实现对监控视频中行人异常行为的高效识别。采用自建数据集和公开数据集对该方法有效性进行检验,结果表明,该键帧定位算法可高效实现异常行为定位,结合基于瓶颈残差模块时空图卷积网络,在减少时空图卷积网络计算复杂度的同时提升了网络性能,能够有效判断行人异常行为。     

均分区域法标记试验区域的行人保护试验研究

现阶段我国仍属于人、车混合的交通状况,车辆碰撞事故频繁发生。在车辆与行人碰撞事故中,行人属于弱势群体,加上现阶段车辆缺乏对行人保护的措施,行人伤亡严重。在汽车行人碰撞事故中,行人头部受重伤是造成行人死亡的主要因素;行人腿部受伤是造成行人受重伤的主要因素。基于两款车辆以均分区域法标记试验区域的行人保护头型碰撞测试数据,对其进行分析研究。得到在车辆前期设计时,将吸能空间留得足够大,可减小头型碰撞的伤害值,从而减小对行人的伤害。将理论分析与试验数据相结合,找到影响头型碰撞发动机罩伤害值大小的主要原因为发动机罩距离机舱内部的距离,通过前期造型设计使得发动机罩距离发动机舱内部部件距离足够大,来减小头型碰撞发动机罩的伤害值。     

基于Mean Shift和灰色预测的快速运动行人跟踪

针对MeanShift跟踪算法在跟踪快速运动的行人时往往不能持续跟踪的不足,提出了一种基于GM（1,1）灰色预测的MeanShift运动行人跟踪算法。依据行人衣装颜色分布建立了目标模板,利用GM（1,1）模型预测行人可能出现的位置并作为搜索目标的起始点,在该点邻域内利用MeanShift迭代求取行人的实际位置。实验结果表明,本算法对于快速运动行人和被遮挡行人均能给出较为良好的跟踪效果,并减少了MeanShift的迭代次数。     

[智能设计与计划调度]基于数据挖掘的绿色设计中客户需求向工程特性权重转化方法

针对客户需求向工程特性转化过程中存在的主观性、模糊性和复杂性等问题,提出了一种基于数据挖掘的客户需求数据向工程特性权重的转化方法。利用模糊层次分析法对采集到的客户需求数据进行分析,得到客户需求重要度,建立了单一客户的质量屋,获取该客户需求对应的工程特性权重。构建了多层感知器模型,挖掘客户需求数据与工程特性权重之间的关系,确定客户需求向工程特性权重之间的转化模型。最后以减速器的客户需求与工程特性的转化为例,验证了所提方法的可行性和有效性。     

基于改进深度卷积网络的铁路入侵行人分类算法

异物侵入铁路限界严重影响行车安全,识别铁路限界内的人员侵入对保证铁路运营安全具有重要意义。由于既有铁路图像异物侵入检测系统只能检测报警图像,无法区分是人员侵入的正确报警还是光线干扰导致的误报警,为了降低上述误报警,本文建立了铁路异物侵限报警样本的训练集和测试集,提出了将改进的深度卷积网络提取的高层Alex特征和HOG特征相结合并用于深度卷积网络模型训练的分类算法。首先引入了改进的AlexNet深度卷积神经网络模型,提取了自动学习的Alex高层特征,然后将其与HOG特征相结合形成Alex-HOG组合特征,最后利用组合特征对分类网络进行训练。铁路异物侵限报警测试样本库的实验表明,该方法对1 498张测试样本图像的识别准确率高达98.46%,时间为3.78s,实时性和准确率均有较大提高,对降低系统误报率具有重大意义。     

基于单片机的行人过街交通信号控制系统设计

论文基于解决城市干道横向过街行人交通问题,提出了对行人过街交通信号协调控制的方法,设计了以AT89C51单片机为主控芯片的系统.通过对机动车流量、过街行人数量检测确定不同的信号灯控制策略,增加语音提示模块,过街辅助控制装置等,提高了过街信号控制的智能和自动化程度.有利于保证行人过街的安全性以提高及道路的利用率.