面向车路协同的路侧感知仿真系统

路侧感知是车路协同应用开发的重要组成部分,通过在路侧部署传感器,将采集到的路面信息经V2X通信给到车辆,使车辆拥有超视距的感知能力.在实际应用中,为达到最优的路侧感知效果,不同的场景往往需要不同的RSU配置,RSU的选型及安装是一个耗时耗力的过程.交通参与者的识别是路侧感知的核心,基于机器学习的识别算法需要大量的标签数...     

面向交通能源融合的路侧单元传输控制优化策略

针对如何提高自供电路侧单元服务满足数量的问题,提出一种在自供电路侧单元平均能效约束下最大化满足车辆服务请求数量的传输控制策略.该策略按照待服务车辆权重次序以车辆位置和能量队列长度为系统状态作出传输控制决策.通过建立自供电路侧单元传输控制决策的马尔可夫链模型,对服务过程中平均完成请求数和平均能效进行分析,进而提出一个非线性优化问题并求解,获得最优传输控制策略及其调度参数.仿真结果表明,上述自供电路侧单元最优传输控制策略具有位置状态和能量状态的双门限结构,相比于贪婪策略和Q- learning方法分别在能效方面平均提升了20.55%与11.86%,在服务稳定性方面,相比于其他两种策略,停电概率与不服务概率分别平均下降了20.03%与15.14%,具有能效和稳定性上的优势.     

毫米波雷达在车路协同系统中的应用研究

随着车路协同系统技术的研究与发展,感知设备的可靠性、稳定性、高性价比、可大规模部署等要求被提出来。而毫米波雷达正是满足这一要求的器件。介绍了一种基于智能网联平台的车路协同的基本组成与架构,阐述其在交通系统中发挥的作用。重点讨论了毫米波雷达感知技术的原理与功能,研究以毫米波雷达为主要感知设备搭建车路协同系统的可行性,研究毫米波雷达技术在智能交叉路口、智能高速/快速公路、智能停车场三种车路协同场景下的应用。可为毫米波雷达技术在车路协同系统中的应用研究提供参考。     

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。     

基于多源信息融合的智能汽车环境感知技术分析

文章探讨了智能汽车环境感知功能的实现,分析多源信息融合技术在其中的应用。介绍了多元信息融合技术和智能汽车环境感知技术,从多源信息融合预处理和多源信息检测识别两方面,阐述多源信息融合在智能汽车环境感知中的应用,完善了汽车环境感知系统功能,以期能够推动我国汽车行业的智能化发展。     

车路两端纯视觉鸟瞰图感知研究综述

纯视觉鸟瞰图（bird’s-eye-view,BEV）感知是国内外自动驾驶领域的前沿方向与研究热点,旨在通过相机2D图像信息,生成3D空间中周围道路环境俯视视角下的特征表示。该领域在单车智能方向上迅速发展,并实现大量落地部署。但由于车端相机的安装高度受限,不可避免地面临着远距离感知不稳定、存在驾驶盲区等实际问题,单车智能仍存在着一定的安全性风险。路端摄像头部署在红绿灯杆等高处基础设施上,能够有效扩展智能车辆的感知范围,补充盲区视野。因此,车路协同逐渐成为当前自动驾驶的发展趋势。据此,本文从相机部署端和相机视角出发,将纯视觉BEV感知技术划分为车端单视角感知、车端环视视角感知和路端固定视角感知三大方向。在每一方向中,从通用处理流程入手梳理其技术发展脉络,针对主流数据集、BEV映射模型和任务推理输出三大模块展开综述。此外,本文还介绍了相机成像系统的基本原理,并对现有方法从骨干网络使用统计、GPU（graphics processing unit）类型使用统计和模型性能统计等角度进行了定量分析,从可视化对比角度进行了定性分析。最后,从场景多元、尺度多样分布等技术挑战和相机几何参数迁移能力差、计算资源受限等部署挑战两方面揭示了当前纯视觉BEV感知技术亟待解决的问题。并从车路协同、车车协同、虚拟现实交互和统一多任务基座大模型4个方向对本领域的发展进行了全面展望。希望通过对纯视觉BEV感知现有研究以及未来趋势的总结为相关领域研究人员提供一个全面的参考以及探索的方向。     

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.     

路侧多激光雷达协同感知和误差自校准方法

多激光雷达3D点云数据融合能够弥补单个激光雷达感知范围有限的缺陷,而雷达安装误差自校准能够获取更加准确的感知数据。基于此,提出了路侧激光雷达协同感知数据融合算法和安装误差自校准方法。首先,使用KD-tree和k近邻算法查找两幅点云的重叠点,并对重叠点进行拼接处理。其次,基于深度学习模型实现多激光雷达数据融合,利用点云数据拼接特征实现激光雷达的误差自校准。最后,基于长安大学车联网与智能汽车试验场搭建多激光雷达数据采集平台,采集试验场内的点云数据来验证本次提出的数据融合算法和误差自校准方法。结果表明,后融合目标识别比前融合目标识别效率提升11.6%,且激光雷达误差自校准方法使有效数据精度提升了13.44%。     

智能车辆的道路检测及其应用

道路检测是智能车辆环境感知的主要内容,也是实现自动驾驶的基础.由于交通道路环境多样、复杂,车道检测存在许多挑战.本文总结了相关工作,以缩微智能车辆验证平台为例,从车道检测系统的嵌入式平台构建、典型车道线检测算法分析、车道预警应用等方面入手,分析了典型道路检测技术实现,可作为智能车辆相关功能实现的技术参考.     

无信号交叉口车辆调度方法研究

随着车辆数量的快速增加,交通拥堵问题变得日益严重.如何引导车辆安全高效地通过交叉路口已经受到了学界的广泛关注.已有的控制方法主要是在线优化信号灯的相位配比.然而相位之间的频繁切换会导致信号周期中黄灯时间占比的增加,进而降低交叉口的车辆放行能力.本文提出了一种基于车路协同的无信号交叉口资源调度模型,该模型将交叉口划分为互不相交的物理空间路权资源,并描述了各个路权资源之间的相互协同关系,进而将无信号交叉口交通控制问题转换为有限资源调度问题.在此基础上,构建最大化交叉口通行效率的目标函数,并求解车辆的最优通行序列.实验结果表明:较传统有信号交叉口控制方法,无信号控制方法有效减少了车辆的排队长度,提高了交叉口的车辆吞吐能力.     

一种适用于车路网的速率自适应算法

车载网衰落信道质量变化频繁,传统速率自适应算法不能选择合适传输速率。为此,提出一种适用于车路网的速率自适应算法。该算法基于发送端的接收信号强度指示(RSSI)预测进行速率选择,即用发送端路边设施测量接收到ACK报文的RSSI值,预测下次传输时的信道质量。模拟结果表明,该算法能提高信道质量预测的准确度,在不同的信道衰落程度下,取得比RBAR算法和SampleRate算法更高的系统吞吐率。     

基于协助车组的车联网多信道协助下载方法

针对目前车联网中单信道协助下载方法的吞吐量低和通信域叠加的问题,提出一种基于对向协助车车组的车联网多信道协助下载方法McDvg。此方法利用对向协助车车组相遇概率大、通信多次重传以及延长数据传输时间的特点在局部范围内形成车组,并设计选车策略选择一组合适的对向车辆携带用户所需的数据为目标车辆提供协助下载;利用对向协助车组可有效延长目标车的协助下载时间,并采用多信道的策略解决单信道情况下的通信冲突问题。最后本文通过相应的仿真实验对该方案进行验证,仿真结果表明该方法可以在高速移动环境中显著提高下载吞吐量,降低盲区的通信时延,从而为当前的车联网提供有效的服务支撑。     

基于双分支网络特征融合的车辆重识别方法

车辆重识别目的是通过不同的摄像机来识别同一辆车.但是由于车辆图像类内差异性大、类间相似性大,使得车辆重识别成为一个极具挑战性的任务.本文提出了一个基于双分支网络特征融合的车辆重识别方法来解决这一问题.该方法使用2个分支和批擦除策略提取并融合全局特征和局部特征,以突出车辆图像的类内相似性和类间差异性;并且采用圆损失代替传...     

基于多特征融合的汽车车型模糊识别方法

车型识别是智能交通系统中的一个重要组成部分.利用计算机视觉、模式识别等理论方法,对车型的有效特征提取与分类识别进行了深入的研究,提出了一种多特征融合的模糊聚类车型识别方法.通过自动调整各维特征的加权系数来调整特征对分类的贡献,结果表明达到了较好的分类效果.     

多摄像头协同感知系统的设计与实现

为了提供连续的实时监控，提高区域安全性，利用多个活动像机，设计了一个对多个运动目标进行无缝检测和跟踪的协同感知系统，并提供给用户一个可视的3维场景。最后给出了实验室的应用实例。     

基于多特征融合的前向车辆检测方法

针对传统车辆检测方法定位精度不高的问题,提出一种基于多特征融合的前向车辆检测方法。采用基于直方图分析和自适应双阈值的方法分别实现阴影和边缘特征的准确分割,并通过阴影和边缘特征的综合分析,生成车辆假设区域。利用对称性、纹理和轮廓匹配度3个特征融合得到的综合特征对获得的车辆假设区域进行验证,剔除其中的误检区域。实验结果证明,该方法能在不同光照条件下自适应地进行车辆检测,检测率可达92%以上,且在检测率和误检率2项指标上均优于传统基于学习的方法。     

基于组件特征与多注意力融合的车辆重识别方法

为提升车辆重识别算法的性能,提出一种基于车辆组件特征与多注意力融合的特征学习方法.首先,修改深度残差网络以获取具有丰富语义信息的特征图,同时应用语义分割网络将车辆图像划分为车辆正面、背面、顶面、侧面及背景区域,以实现组件特征提取并消除视角变化的影响.然后,设计多注意力融合模块,基于面积注意力与特征注意力实现组件特征的自适应融合.最后,在多任务学习框架下,优化车辆重识别的三元组损失与辅助分类任务的交叉熵与焦点损失,对网络参数进行训练.在多个数据集上的实验结果表明,提出的方法在大多数性能指标上均超越了现有方法.进一步的消融实验证明了多注意力融合模块与多任务损失函数在特征提取上的有效性.     

基于多特征融合的运动车辆阴影消除方法

提出一种基于边缘特征的阴影消除方法,通过边缘检测获取阴影边缘信息,利用边缘差分、形态学等运算进行阴影消除。并提出一种基于灰度特征的阴影消除方法,利用暗化因子高斯模型进行阴影消除。结合2种方法的优点,给出一种基于多特征融合的运动车辆阴影消除方法,可同时解决车辆与阴影颜色相似以及阴影内部边缘复杂等原因造成的误检问题。实验结果表明,该方法具有较好的实时性、精确性和鲁棒性。