摘要：智能驾驶技术作为新一代智能交通系统的核心之一,受到了广泛关注。其中,感知融合技术在实现智能驾驶的精准定位和环境感知中起着至关重要的作用。在感知融合中使用的立体匹配算法更是关乎智能驾驶的安全性和准确性,是智能驾驶环境感知领域中重要的技术环节。针对智能驾驶汽车在硬件方面算力不足,但对立体匹配算法实时性和精度均有较高要求的问题,文章基于GwcNet,为智能驾驶环境感知模块设计了一种轻量化的立体匹配算法。利用ACV模型替代GwcNet立体匹配算法中参数量、运算量最大的3D卷积模块,使得算法的实时性和精度得到提升。为了进一步减少网络复杂度,减小ACV模块中的网络参数,提出一个Fast-ACV模型。最后在KITTI 2015数据集中对立体匹配算法进行对比分析。结果表明,所提出的轻量化GwcNet立体匹配算法在精度和实时性上均优于GwcNet算法。

摘要：近年来,智能驾驶技术成为国内外学者研究的热门,车道线识别技术作为智能驾驶领域的一项关键技术,需要准确地识别出各种条件下的车道线。本文设计了一种基于OpenCV图像处理的车道线识别算法,该算法首先将图像进行色彩空间转换,然后利用大津法(OTSU)和Canny算子对图像进行分割,设计掩膜找出图像中的感兴趣区域,采用渐近概率式Hough变换对直线车道线进行检测,拟合直线绘制出车道线,最后借助OpenCV平台对算法进行实现,结果表明该算法对直线车道线识别具有很好的效果。

摘要：自动驾驶汽车的横向控制是实现稳定准确驾驶的关键因素,其横向控制的好坏将直接影响路径跟踪效果。文章将针对横向控制问题,基于车辆动力学以及运动学模型,结合控制目标的特点,选取合适的输入输出和状态量,搭建预测模型,并完成算法推导。搭建Simlink与CarSim联合仿真平台,对横向模型预测控制算法进行联合仿真分析。最后,以改装的中华V3车作为试验平台,实车验证文章所设计的横向控制算法的可行性,分析了试验车的行驶状态结果,横向控制算法可以实现自动驾驶汽车横向控制的稳定性和准确性。