99精品伊人亚洲|最近国产中文炮友|九草在线视频支援|AV网站大全最新|美女黄片免费观看|国产精品资源视频|精彩无码视频一区|91大神在线后入|伊人终合在线播放|久草综合久久中文

0
  • 聊天消息
  • 系統(tǒng)消息
  • 評論與回復
登錄后你可以
  • 下載海量資料
  • 學習在線課程
  • 觀看技術(shù)視頻
  • 寫文章/發(fā)帖/加入社區(qū)
會員中心
創(chuàng)作中心

完善資料讓更多小伙伴認識你,還能領(lǐng)取20積分哦,立即完善>

3天內(nèi)不再提示

深度學習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
加入交流群
微信小助手二維碼

掃碼添加小助手

加入工程師交流群

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)汽車主動安全控制技術(shù),并逐漸在實車上應用。汽車主動安全控制技術(shù)的主要控制目標在于調(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、制動性能,還影響汽車的操縱穩(wěn)定性,因此如何識別汽車與路面間附著狀況是汽車各種主動安全電控系統(tǒng)控制策略的關(guān)鍵問題。為使汽車主動安全電控系統(tǒng)能在不同路面上充分利用各種路面最大的附著條件,需對汽車行駛的當前路面狀況進行識別并依據(jù)識別結(jié)果實時調(diào)整控制器控制目標

國內(nèi)外關(guān)于路面狀況識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識別參數(shù)的影響。本文路面識別算法考慮了路面不平度、動載荷等對路面參數(shù)、識別方法的影響,在 Burckhardt和 Kiencke兩種輪胎模型的基礎(chǔ)上,將實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”的路面識別方法,得到burckhardt和 Kiencke兩種輪胎-路面數(shù)學模型6種典型路面特征值門限值(制動力系數(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)汽車制動過程中估計的實時路面狀態(tài)特征值落入的路面特征區(qū)間作為當前識別的路面狀態(tài),并根據(jù)此方法實時估計了當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識別算法的影響,在14自由度整車仿真平臺上修正了C級路面上路面特征區(qū)間的范圍,提高了識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)傾運動,四個車輪垂向和轉(zhuǎn)動的汽車14自由度動力學模型,在 MATLAB/ Simulink軟件環(huán)境下建立整車仿真平臺。在各種單一典型路面和對接變化路面、不平路面上進行制動模擬試驗,得到了各種典型路面上路面無量綱特征值、識別的路面狀態(tài)、實時滑移率、附著系數(shù)等參數(shù)的仿真結(jié)果,結(jié)果表明識別算法能較快速、準確地識別路面狀態(tài)。在實驗室自制的汽車防抱制動系統(tǒng)試驗臺上的一次制動試驗數(shù)據(jù)進一步驗證了識別算法的可行性。

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

深度學習ADAS系統(tǒng)的方法和步驟

深度學習ADAS系統(tǒng)的方法和步驟

深度學習ADAS系統(tǒng)的方法和步驟

深度學習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習之用,如有內(nèi)容侵權(quán)或者其他違規(guī)問題,請聯(lián)系本站處理。 舉報投訴
  • 傳感器
    +關(guān)注

    關(guān)注

    2566

    文章

    53008

    瀏覽量

    767582
  • 智能汽車
    +關(guān)注

    關(guān)注

    30

    文章

    3090

    瀏覽量

    108406
  • ADAS系統(tǒng)
    +關(guān)注

    關(guān)注

    4

    文章

    228

    瀏覽量

    26101
收藏 人收藏
加入交流群
微信小助手二維碼

掃碼添加小助手

加入工程師交流群

    評論

    相關(guān)推薦
    熱點推薦

    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

    深度學習在汽車中的應用

    運行的深度學習/基于CNN的應用程序,以在高效的嵌入式平臺上提供極具吸引力的高級駕駛輔助系統(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應該怎么學習?

    各位大神,請教ADAS應該怎么學習
    發(fā)表于 03-09 17:18

    通過深度學習提高ADAS系統(tǒng)的檢測速度

    的任務分解一下。如圖所示,我們將ADAS的任務分解成目標檢測與識別、圖像分割、攝像機成像目標跟蹤、圖像分割。我們過去一年多的研發(fā)工作其實就是,用一個深度學習框架來同時實現(xiàn)上述這四個的功能。對于一個前向
    發(fā)表于 06-04 07:00

    基于深度學習的異常檢測的研究方法

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

    基于深度學習的異常檢測的研究方法

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

    深度學習介紹

    在未來的某個時候,人們必定能夠相對自如地運用人工智能,安全地駕車出行。這個時刻何時到來我無法預見;但我相信,彼時“智能”會顯現(xiàn)出更“切實”的意義。與此同時,通過深度學習方法,人工智能的實際應用能夠在
    發(fā)表于 11-11 07:55

    什么是深度學習?使用FPGA進行深度學習的好處?

    方便的進行深度學習的應用。然而,深度學習仍然主要使用 GPU 和 CPU 完成。因此,在這里我們將仔細研究使用 FPGA 進行深度
    發(fā)表于 02-17 16:56

    ADAS 市場崛起,這家公司一已將深度學習網(wǎng)絡(luò)應用到 ADAS 系統(tǒng)

    ,有一家國內(nèi)公司已經(jīng)邁出重要一步:他們正在將時下大熱的深度學習網(wǎng)絡(luò)應用到 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 ?6918次閱讀

    ADAS要如何運用深度學習

    北京交通大學電子信息工程學院袁雪副教授給我們講解了在高級輔助駕駛系統(tǒng)ADAS)中的多任務深度學習框架的應用。
    的頭像 發(fā)表于 07-15 11:28 ?5425次閱讀

    基于深度學習ADAS系統(tǒng),是GPU的主力市場

    事實上,今天在汽車行業(yè),GPU的用例幾乎涵蓋了從ADAS到自動駕駛,從儀表到中控信息娛樂等等多個車載系統(tǒng)。而在實際大規(guī)模量產(chǎn)落地領(lǐng)域,基于深度學習
    的頭像 發(fā)表于 08-22 09:48 ?2432次閱讀
    基于<b class='flag-5'>深度</b><b class='flag-5'>學習</b>的<b class='flag-5'>ADAS</b><b class='flag-5'>系統(tǒng)</b>,是GPU的主力市場

    深度學習框架和深度學習算法教程

    基于神經(jīng)網(wǎng)絡(luò)的機器學習方法。 深度學習算法可以分為兩大類:監(jiān)督學習和無監(jiān)督學習。監(jiān)督學習的基本任
    的頭像 發(fā)表于 08-17 16:11 ?1473次閱讀

    深度學習的模型優(yōu)化與調(diào)試方法

    深度學習模型在訓練過程中,往往會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,對深度學習模型進行優(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 ?1850次閱讀

    深度學習中的時間序列分類方法

    時間序列分類(Time Series Classification, TSC)是機器學習深度學習領(lǐng)域的重要任務之一,廣泛應用于人體活動識別、系統(tǒng)監(jiān)測、金融預測、醫(yī)療診斷等多個領(lǐng)域。隨
    的頭像 發(fā)表于 07-09 15:54 ?2134次閱讀

    Pytorch深度學習訓練的方法

    掌握這 17 種方法,用最省力的方式,加速你的 Pytorch 深度學習訓練。
    的頭像 發(fā)表于 10-28 14:05 ?661次閱讀
    Pytorch<b class='flag-5'>深度</b><b class='flag-5'>學習</b>訓練的<b class='flag-5'>方法</b>