- 高振海;金励辛;高菲;赵睿;张天瑶;
针对自动驾驶车辆较传统车辆更易诱发乘员晕动的问题，首先阐述了感觉冲突假说及自动驾驶车辆行驶时乘员晕动症的发生机理，然后对比分析了主观问卷评价和客观生理信号测量2类常用的自动驾驶车辆晕动症测量方法，并从人机交互设计与车辆状态控制2个角度出发介绍了感觉线索获取和运动算法优化2类自动驾驶车辆晕动症减缓方法，最后提出了当前研究的不足并从可量化的机理模型、统一的客观测量体系以及有效的算法优化方法 3个方面对自动驾驶车辆晕动症研究的发展趋势进行了展望。
2022年08期 No.563 1-9页 [查看摘要][在线阅读][下载 697K] [下载次数：751 ] |[引用频次：3 ] - 蒋拯民;党少博;李慧云;潘毅;
论述了当前自动驾驶测试技术的研究现状，就测试内容、测试场景、测试方法等主题展开了深入分析梳理。研究表明，场景挖掘已经成为自动驾驶汽车测试的核心技术，但是高维复杂环境下的稀疏小概率风险事件的抽象和建模研究尚处于起步阶段。此外，现有测试方法的区分不清晰，其中虚拟仿真技术的测试置信度不足。未来，业界需要进一步研究理论建模与数据驱动相结合的场景生成方法，推动建立测试场景的定义与规范，并加强场景库建设，此外还应当深入研究随机动态交通流对虚拟仿真的影响，并进一步协调发挥各类测试方法的互补优势。
2022年08期 No.563 10-22页 [查看摘要][在线阅读][下载 875K] [下载次数：2023 ] |[引用频次：19 ] - 刘永涛;曹莹;乔洁;李旋;陈轶嵩;
为实现智能车辆安全、高效换道，提出一种最优车道选择策略。首先，计算驾驶员对当前车道不满程度，判断是否需要换道；其次，计算目标车辆以规划轨迹换道时的静、动态风险，判断换道是否存在碰撞风险；最后，在无碰撞风险的情况下，根据目标车辆在目标车道是否可以达到期望车速，以及达到期望车速所需时间确定最优车道。结果表明：所提出的策略可以降低换道风险62.62%，提高目标车辆期望车速满足率至89.1%。
2022年08期 No.563 23-31页 [查看摘要][在线阅读][下载 985K] [下载次数：525 ] |[引用频次：3 ] - 李守彪;武志斐;
为提高复杂场景下车道线检测的精度，提出一种基于多尺寸分解卷积的车道线检测模型。首先采用ResNet34网络作为编码器提取图像局部特征；然后基于分解卷积的原理设计多尺寸分解卷积残差模块，进一步提取多尺度的车道线特征；最后设计车道线预测分支和基于双线性插值的解码器来分别对车道线进行置信度预测和像素级分类输出。在CULane数据集上对模型进行验证，平均调和均值F1达到75.3%，并在实际道路上进行了测试，结果表明，提出的模型在复杂场景下可以有效检测车道线。
2022年08期 No.563 32-37页 [查看摘要][在线阅读][下载 873K] [下载次数：346 ] |[引用频次：5 ] - 段敏;孙小松;张博涵;
为确保智能车在复杂曲率变化道路条件下的跟踪精度与横向稳定性，提出一种基于Frenet坐标系的横纵解耦跟踪控制方法，并通过模糊速度规划提升跟踪的可靠性。横向控制采用基于前馈补偿的离散线性二次型调节器（DLQR）使跟踪误差收敛，纵向控制采用模型预测控制（MPC）输出期望加速度并结合油门制动标定表实现速度跟踪。速度规划方面以横向跟踪误差与道路曲率作为输入信号进行模糊速度规划。基于CarSim/Simulink构建仿真模型进行仿真验证，结果表明：该控制方式可有效降低路径跟踪误差，提高车辆横向稳定性以满足不同道路曲率的行车工况。
2022年08期 No.563 38-46页 [查看摘要][在线阅读][下载 982K] [下载次数：530 ] |[引用频次：8 ] - 杨炜;常晓博;刘哲;屈晓磊;
针对传统的掩膜循环卷积神经网络（Mask R-CNN）在检测和分割积水区域时过度重视对区域的分割，忽视了边界分割的问题，在传统Mask R-CNN模型中添加以拉普拉斯（Laplacian）算子为基准构建的边界加权损失函数，得到改进的Mask R-CNN模型，同时以残差网络（ResNet）作为特征提取网络，采用迁移学习的方法，使用自建的1 753张路面积水图像进行训练，以查准率与查全率的加权调和平均值F1和雅卡尔（Jaccard）系数作为评价指标。结果表明，改进的模型F1和雅卡尔系数分别为89.23%和81.46%，在不同积水区域、不同环境下，所提出的方法识别准确率和分割精度较高，能够为无人驾驶车辆提供路面积水信息的技术支持。
2022年08期 No.563 47-53页 [查看摘要][在线阅读][下载 885K] [下载次数：269 ] |[引用频次：0 ] - 万凌峰;孙朋朋;赵祥模;文舜智;
针对路侧激光雷达摆动和背景动态变化导致背景提取困难的问题，提出了一种考虑路侧激光雷达摆动的背景建模及动态更新方法。根据点云纵坐标构建点云高度矩阵并进行时域中值滤波构建背景模型，计算目标点云与背景模型的高度差，提出一种动态阈值选取策略实现对背景点云的滤除。此外，基于点云高度矩阵帧差实现背景模型的更新。对比试验结果表明，所提出的方法背景点滤除率保持在98%以上，目标点提取率保持在93%以上，所提出的方法相比于现有的方法具有更高的准确率和稳定性，单帧点云的处理时间约为32 ms，可满足智能交通系统的实时性需求。
2022年08期 No.563 54-62页 [查看摘要][在线阅读][下载 990K] [下载次数：178 ] |[引用频次：3 ] 下载本期数据