0
  • 聊天消息
  • 系統(tǒng)消息
  • 評(píng)論與回復(fù)
登錄后你可以
  • 下載海量資料
  • 學(xué)習(xí)在線課程
  • 觀看技術(shù)視頻
  • 寫文章/發(fā)帖/加入社區(qū)
會(huì)員中心
創(chuàng)作中心

完善資料讓更多小伙伴認(rèn)識(shí)你,還能領(lǐng)取20積分哦,立即完善>

3天內(nèi)不再提示

深度學(xué)習(xí)ADAS系統(tǒng)的方法和步驟

tUM2_ADA ? 來源:djl ? 作者:ADAS ? 2019-08-08 11:49 ? 次閱讀

隨著汽車工業(yè)的迅猛發(fā)展、汽車保有量的增加及駕駛員非職業(yè)程度越來越髙,由汽車運(yùn)輸所造成的交通事故、人員傷亡也越來越多。為了降低交通事故的發(fā)生,近年來各大汽車公司和科研單位開始研發(fā)汽車主動(dòng)安全控制技術(shù),并逐漸在實(shí)車上應(yīng)用。汽車主動(dòng)安全控制技術(shù)的主要控制目標(biāo)在于調(diào)節(jié)輪胎與路面之間的作用力,而這種作用力受路面附著條件的制約。路面狀況不僅影響汽車的加速性能、制動(dòng)性能,還影響汽車的操縱穩(wěn)定性,因此如何識(shí)別汽車與路面間附著狀況是汽車各種主動(dòng)安全電控系統(tǒng)控制策略的關(guān)鍵問題。為使汽車主動(dòng)安全電控系統(tǒng)能在不同路面上充分利用各種路面最大的附著條件,需對(duì)汽車行駛的當(dāng)前路面狀況進(jìn)行識(shí)別并依據(jù)識(shí)別結(jié)果實(shí)時(shí)調(diào)整控制器控制目標(biāo)

國內(nèi)外關(guān)于路面狀況識(shí)別大多在平直路面上展開,沒有考慮不平路面上路面不平度對(duì)識(shí)別參數(shù)的影響。本文路面識(shí)別算法考慮了路面不平度、動(dòng)載荷等對(duì)路面參數(shù)、識(shí)別方法的影響,在 Burckhardt和 Kiencke兩種輪胎模型的基礎(chǔ)上,將實(shí)際汽車行駛路面劃分為6種類型,提出了一種基于“路面狀態(tài)無量綱特征值”的路面識(shí)別方法,得到burckhardt和 Kiencke兩種輪胎-路面數(shù)學(xué)模型6種典型路面特征值門限值(制動(dòng)力系數(shù)一滑移率曲線最佳滑移率前的封閉面積),并依據(jù)特征值門限均值定義了6種典型路面的特征區(qū)間。根據(jù)汽車制動(dòng)過程中估計(jì)的實(shí)時(shí)路面狀態(tài)特征值落入的路面特征區(qū)間作為當(dāng)前識(shí)別的路面狀態(tài),并根據(jù)此方法實(shí)時(shí)估計(jì)了當(dāng)前路面狀況下的峰值附著系數(shù)和最佳滑移率。為了考慮路面不平度對(duì)識(shí)別算法的影響,在14自由度整車仿真平臺(tái)上修正了C級(jí)路面上路面特征區(qū)間的范圍,提高了識(shí)別算法在不平路面上的魯棒性。

建立了含車身縱向、橫向、垂向、橫擺、俯仰、側(cè)傾運(yùn)動(dòng),四個(gè)車輪垂向和轉(zhuǎn)動(dòng)的汽車14自由度動(dòng)力學(xué)模型,在 MATLAB/ Simulink軟件環(huán)境下建立整車仿真平臺(tái)。在各種單一典型路面和對(duì)接變化路面、不平路面上進(jìn)行制動(dòng)模擬試驗(yàn),得到了各種典型路面上路面無量綱特征值、識(shí)別的路面狀態(tài)、實(shí)時(shí)滑移率、附著系數(shù)等參數(shù)的仿真結(jié)果,結(jié)果表明識(shí)別算法能較快速、準(zhǔn)確地識(shí)別路面狀態(tài)。在實(shí)驗(yàn)室自制的汽車防抱制動(dòng)系統(tǒng)試驗(yàn)臺(tái)上的一次制動(dòng)試驗(yàn)數(shù)據(jù)進(jìn)一步驗(yàn)證了識(shí)別算法的可行性。

硏究結(jié)果表明,所提出的路面識(shí)別方法能夠便捷地用于汽車電控制動(dòng)系統(tǒng)最佳滑移率控制及主動(dòng)安全控制系統(tǒng)中,提高汽車的主動(dòng)安全性。但面向聯(lián)合工況下的路面狀態(tài)識(shí)別及如何提高識(shí)別算法在實(shí)際控制器中的可靠性仍是一大難題。

深度學(xué)習(xí)ADAS系統(tǒng)的方法和步驟

深度學(xué)習(xí)ADAS系統(tǒng)的方法和步驟

深度學(xué)習(xí)ADAS系統(tǒng)的方法和步驟

深度學(xué)習(xí)ADAS系統(tǒng)的方法和步驟

聲明:本文內(nèi)容及配圖由入駐作者撰寫或者入駐合作網(wǎng)站授權(quán)轉(zhuǎn)載。文章觀點(diǎn)僅代表作者本人,不代表電子發(fā)燒友網(wǎng)立場。文章及其配圖僅供工程師學(xué)習(xí)之用,如有內(nèi)容侵權(quán)或者其他違規(guī)問題,請(qǐng)聯(lián)系本站處理。 舉報(bào)投訴
  • 傳感器
    +關(guān)注

    關(guān)注

    2542

    文章

    50315

    瀏覽量

    750350
  • 智能汽車
    +關(guān)注

    關(guān)注

    30

    文章

    2736

    瀏覽量

    107049
  • ADAS系統(tǒng)
    +關(guān)注

    關(guān)注

    4

    文章

    226

    瀏覽量

    25651
收藏 人收藏

    評(píng)論

    相關(guān)推薦

    ADAS系統(tǒng)組成簡介#ADAS

    adas
    北匯信息POLELINK
    發(fā)布于 :2024年08月03日 20:05:37

    深度學(xué)習(xí)在汽車中的應(yīng)用

    運(yùn)行的深度學(xué)習(xí)/基于CNN的應(yīng)用程序,以在高效的嵌入式平臺(tái)上提供極具吸引力的高級(jí)駕駛輔助系統(tǒng)ADAS)功能。圖 3:TIDL框架(TI器件轉(zhuǎn)換器和
    發(fā)表于 03-13 06:45

    汽車ADAS應(yīng)該怎么學(xué)習(xí)?

    各位大神,請(qǐng)教ADAS應(yīng)該怎么學(xué)習(xí)
    發(fā)表于 03-09 17:18

    通過深度學(xué)習(xí)提高ADAS系統(tǒng)的檢測速度

    的任務(wù)分解一下。如圖所示,我們將ADAS的任務(wù)分解成目標(biāo)檢測與識(shí)別、圖像分割、攝像機(jī)成像目標(biāo)跟蹤、圖像分割。我們過去一年多的研發(fā)工作其實(shí)就是,用一個(gè)深度學(xué)習(xí)框架來同時(shí)實(shí)現(xiàn)上述這四個(gè)的功能。對(duì)于一個(gè)前向
    發(fā)表于 06-04 07:00

    基于深度學(xué)習(xí)的異常檢測的研究方法

    的研究方法進(jìn)行了系統(tǒng)而全面的綜述。此外,我們回顧了這些方法在不同應(yīng)用領(lǐng)域中的應(yīng)用,并評(píng)估了它們的有效性。我們根據(jù)所采用的基本假設(shè)和方法,將最先進(jìn)的
    發(fā)表于 07-12 07:10

    基于深度學(xué)習(xí)的異常檢測的研究方法

    ABSTRACT1.基于深度學(xué)習(xí)的異常檢測的研究方法進(jìn)行結(jié)構(gòu)化和全面的概述2.回顧這些方法在各個(gè)領(lǐng)域這個(gè)中的應(yīng)用情況,并評(píng)估他們的有效性。3.根據(jù)基本假設(shè)和采用的
    發(fā)表于 07-12 06:36

    深度學(xué)習(xí)介紹

    在未來的某個(gè)時(shí)候,人們必定能夠相對(duì)自如地運(yùn)用人工智能,安全地駕車出行。這個(gè)時(shí)刻何時(shí)到來我無法預(yù)見;但我相信,彼時(shí)“智能”會(huì)顯現(xiàn)出更“切實(shí)”的意義。與此同時(shí),通過深度學(xué)習(xí)方法,人工智能的實(shí)際應(yīng)用能夠在
    發(fā)表于 11-11 07:55

    什么是深度學(xué)習(xí)?使用FPGA進(jìn)行深度學(xué)習(xí)的好處?

    方便的進(jìn)行深度學(xué)習(xí)的應(yīng)用。然而,深度學(xué)習(xí)仍然主要使用 GPU 和 CPU 完成。因此,在這里我們將仔細(xì)研究使用 FPGA 進(jìn)行深度
    發(fā)表于 02-17 16:56

    ADAS 市場崛起,這家公司一已將深度學(xué)習(xí)網(wǎng)絡(luò)應(yīng)用到 ADAS 系統(tǒng)

    ,有一家國內(nèi)公司已經(jīng)邁出重要一步:他們正在將時(shí)下大熱的深度學(xué)習(xí)網(wǎng)絡(luò)應(yīng)用到 ADAS 系統(tǒng)中。這家公司就是位于上海的魔視智能(Motovis)。
    的頭像 發(fā)表于 01-15 11:54 ?6660次閱讀

    模型驅(qū)動(dòng)深度學(xué)習(xí)的標(biāo)準(zhǔn)流程與學(xué)習(xí)方法解析

    模型驅(qū)動(dòng)的深度學(xué)習(xí)方法近年來,深度學(xué)習(xí)在人工智能領(lǐng)域一系列困難問題上取得了突破性成功應(yīng)用。
    的頭像 發(fā)表于 01-24 11:30 ?4869次閱讀
    模型驅(qū)動(dòng)<b class='flag-5'>深度</b><b class='flag-5'>學(xué)習(xí)</b>的標(biāo)準(zhǔn)流程與<b class='flag-5'>學(xué)習(xí)方法</b>解析

    ADAS要如何運(yùn)用深度學(xué)習(xí)?

    北京交通大學(xué)電子信息工程學(xué)院袁雪副教授給我們講解了在高級(jí)輔助駕駛系統(tǒng)ADAS)中的多任務(wù)深度學(xué)習(xí)框架的應(yīng)用。
    的頭像 發(fā)表于 07-15 11:28 ?5170次閱讀

    基于深度學(xué)習(xí)ADAS系統(tǒng),是GPU的主力市場

    事實(shí)上,今天在汽車行業(yè),GPU的用例幾乎涵蓋了從ADAS到自動(dòng)駕駛,從儀表到中控信息娛樂等等多個(gè)車載系統(tǒng)。而在實(shí)際大規(guī)模量產(chǎn)落地領(lǐng)域,基于深度學(xué)習(xí)
    的頭像 發(fā)表于 08-22 09:48 ?2170次閱讀
    基于<b class='flag-5'>深度</b><b class='flag-5'>學(xué)習(xí)</b>的<b class='flag-5'>ADAS</b><b class='flag-5'>系統(tǒng)</b>,是GPU的主力市場

    深度學(xué)習(xí)框架和深度學(xué)習(xí)算法教程

    基于神經(jīng)網(wǎng)絡(luò)的機(jī)器學(xué)習(xí)方法深度學(xué)習(xí)算法可以分為兩大類:監(jiān)督學(xué)習(xí)和無監(jiān)督學(xué)習(xí)。監(jiān)督學(xué)習(xí)的基本任
    的頭像 發(fā)表于 08-17 16:11 ?1010次閱讀

    深度學(xué)習(xí)的模型優(yōu)化與調(diào)試方法

    深度學(xué)習(xí)模型在訓(xùn)練過程中,往往會(huì)遇到各種問題和挑戰(zhàn),如過擬合、欠擬合、梯度消失或爆炸等。因此,對(duì)深度學(xué)習(xí)模型進(jìn)行優(yōu)化與調(diào)試是確保其性能優(yōu)越的關(guān)鍵步驟
    的頭像 發(fā)表于 07-01 11:41 ?588次閱讀

    深度學(xué)習(xí)中的時(shí)間序列分類方法

    時(shí)間序列分類(Time Series Classification, TSC)是機(jī)器學(xué)習(xí)深度學(xué)習(xí)領(lǐng)域的重要任務(wù)之一,廣泛應(yīng)用于人體活動(dòng)識(shí)別、系統(tǒng)監(jiān)測、金融預(yù)測、醫(yī)療診斷等多個(gè)領(lǐng)域。隨
    的頭像 發(fā)表于 07-09 15:54 ?562次閱讀