摘要：目前实地部署的商用采矿无人系统大都采用激光雷达和毫米波雷达作为感知传感器,难以准确识别障碍物的类型,尤其是较远处障碍物,不利于正确决策,从而影响无人作业的安全和整体效率.针对这些问题,本文采集了不同场景的矿山数据,并提出了一种基于YOLOv5S的图像目标检测算法.该算法主要进行了三方面改进:首先,使用不同的填充策略和空间注意模块优化采样方法,提高了模型的采样能力;其次,解耦Head预测分支,让每个分支专注自己的任务;最后,优化损失函数,耦合定位和分类,实现定位和分类任务的联合优化.试验表明,三种方法在保持实时性的前提下,可将YOLOv5S的平均精度(Average Precesion, AP)从49.9%提高至58.9%,实现白天、夜间场景下不同尺度的障碍物识别.

摘要：本文研究了多类时延下同时具有人类驾驶车辆(HDV)和网联自动驾驶车辆(CAV)的混合车辆队列建模与协同控制方法。首先构建了一般形式的混合车辆队列系统模型,对CAV的数量与空间分布进行表征,并将驾驶员反应时延引入模型;接着,考虑V2V通信时延和传感器量测时延,设计了状态反馈控制器;推导了闭环系统特征方程,并根据Routh-Hurwitz判据确定了系统闭环稳定性的充分条件,以指导控制器参数设计;最后,通过数值仿真验证了控制器设计的有效性,定量展示了CAV对衰减交通波动的作用,并分析了各类时延对交通流波动的影响。

摘要：自动驾驶系统一般由感知,决策规划和控制等模块组成,随着研究的深入,决策规划在系统中的作用越来越明显,在规划过程中首先需要解决的是针对各种交通场景做出合理的决策方案。文章提出将路径规划和速度规划分开的设计思路用于自动驾驶的实时路径规划。首先基于封闭场景下采集的高精地图,利用采样方法生成若干可供选择的路径,并结合碰撞检测选择最佳路径;其次基于舒适度对生成的路径进行速度规划;最后通过实车测试验证该方法的有效性。

摘要：如今,基于激光雷达的车辆检测技术已被广泛应用于智能网联汽车领域,其精确的车辆检测和形状估计功能可以为后续的跟踪以及预测提供准确的静态信息。虽然现有的基于激光雷达的车辆检测算法能对各目标车辆进行准确检测和分类,但当车辆点云轮廓被部分遮挡且呈“L”型时,存在估计不稳定的问题。为了解决这一问题,文章提出了一种基于点云簇特征的车辆形状优化算法。其首先采用PointPillars目标检测算法输出车辆检测结果;然后添加优化模块,即基于点云簇特征的车辆形状优化算法,对车辆检测结果做进一步的形状和航向估计。多场景下的实验测试结果表明,与现有的车辆检测算法相比,文章所提出的车辆形状优化算法能有效提高车辆形状和航向估计的稳定性,且所有模块算法的平均每帧耗时为88.93 ms,能满足实车实时性要求。