在车辆高速剧烈运动场景下,现有激光雷达-惯性里程计(LiDAR-inertial odometry,LIO)因IMU前向传播误差的快速累积,导致车辆的运动畸变补偿精度下降,进而引发"补偿误差-配准误差-状态估计误差"的级联效应,最终造成车辆定位轨...在车辆高速剧烈运动场景下,现有激光雷达-惯性里程计(LiDAR-inertial odometry,LIO)因IMU前向传播误差的快速累积,导致车辆的运动畸变补偿精度下降,进而引发"补偿误差-配准误差-状态估计误差"的级联效应,最终造成车辆定位轨迹显著偏离真实状态,本文提出了基于迭代误差卡尔曼滤波(iterated error-state Kalman filter,IESKF)的自适应激光雷达-惯性里程计(state-adaptive update LiDAR-inertial odometry,SAU-LIO)。首先,提出基于协方差特征值阈值的动态调整策略,以实时监测LIO误差累积趋势,自适应缩短状态更新时间间隔,有效抑制剧烈运动下的误差发散;其次,结合线特征与面特征的联合提取策略,构建概率观测模型,通过观测协方差矩阵约束实现不同置信度特征的最优加权融合,实现环境特征的有效利用。最后,基于NCLT(the university of Michigan north campus long-term vision and LIDAR dataset)、UTBM(EU long-term dataset with multiple sensors for autonomous driving)标准数据集及实车试验平台的验证结果表明:SAU-LIO算法在保证实时性的前提下,与对比算法相比具有更高的定位精度,在低速工况下,平均定位误差较次优的对比算法减小14.3%,在组合工况下,平均定位误差较次优的对比算法减小9.4%。展开更多
现有的前向碰撞预警系统大多采用多个毫米波雷达叠加或毫米波雷达与视觉传感器融合等方式,存在成本高、算法受限等问题。在比较多种传感器的性能及应用优、缺点后,选择双目视觉传感器作为前向碰撞预警系统传感器。将改进后的碰撞时间(Ti...现有的前向碰撞预警系统大多采用多个毫米波雷达叠加或毫米波雷达与视觉传感器融合等方式,存在成本高、算法受限等问题。在比较多种传感器的性能及应用优、缺点后,选择双目视觉传感器作为前向碰撞预警系统传感器。将改进后的碰撞时间(Time to Collision,TTC)算法与卡尔曼滤波融合,结合双目视觉传感器,比较TTC值与适应性阈值,评估风险等级,确保行车安全,降低事故率。在Matlab环境下,基于改进算法对两个不同行车场景进行仿真分析。结果表明,与传统的TTC算法相比,融合卡尔曼滤波TTC算法的碰撞时间预警响应及时性和可靠性显著提高。展开更多
随着汽车电子化、智能化发展,电子电气架构向计算中央化、数据和能源区域化演进,车载计算平台的集中化使相关需求指数级提升。智能中央计算平台作为汽车电子架构核心,其刷写技术对提升汽车性能、优化用户体验意义重大。本文探讨该平台...随着汽车电子化、智能化发展,电子电气架构向计算中央化、数据和能源区域化演进,车载计算平台的集中化使相关需求指数级提升。智能中央计算平台作为汽车电子架构核心,其刷写技术对提升汽车性能、优化用户体验意义重大。本文探讨该平台软件刷写总体方案,深入研究基于互联网的诊断协议(Diagnostics over Internet Protocol,DoIP)升级、空中下载技术主控制器、智能部件刷写等关键技术。结果表明,其具备高性能处理、低延迟跨核通信等优势,能有效提升汽车模块更新效率,可为汽车智能化发展提供技术支撑。展开更多
文摘在车辆高速剧烈运动场景下,现有激光雷达-惯性里程计(LiDAR-inertial odometry,LIO)因IMU前向传播误差的快速累积,导致车辆的运动畸变补偿精度下降,进而引发"补偿误差-配准误差-状态估计误差"的级联效应,最终造成车辆定位轨迹显著偏离真实状态,本文提出了基于迭代误差卡尔曼滤波(iterated error-state Kalman filter,IESKF)的自适应激光雷达-惯性里程计(state-adaptive update LiDAR-inertial odometry,SAU-LIO)。首先,提出基于协方差特征值阈值的动态调整策略,以实时监测LIO误差累积趋势,自适应缩短状态更新时间间隔,有效抑制剧烈运动下的误差发散;其次,结合线特征与面特征的联合提取策略,构建概率观测模型,通过观测协方差矩阵约束实现不同置信度特征的最优加权融合,实现环境特征的有效利用。最后,基于NCLT(the university of Michigan north campus long-term vision and LIDAR dataset)、UTBM(EU long-term dataset with multiple sensors for autonomous driving)标准数据集及实车试验平台的验证结果表明:SAU-LIO算法在保证实时性的前提下,与对比算法相比具有更高的定位精度,在低速工况下,平均定位误差较次优的对比算法减小14.3%,在组合工况下,平均定位误差较次优的对比算法减小9.4%。
文摘现有的前向碰撞预警系统大多采用多个毫米波雷达叠加或毫米波雷达与视觉传感器融合等方式,存在成本高、算法受限等问题。在比较多种传感器的性能及应用优、缺点后,选择双目视觉传感器作为前向碰撞预警系统传感器。将改进后的碰撞时间(Time to Collision,TTC)算法与卡尔曼滤波融合,结合双目视觉传感器,比较TTC值与适应性阈值,评估风险等级,确保行车安全,降低事故率。在Matlab环境下,基于改进算法对两个不同行车场景进行仿真分析。结果表明,与传统的TTC算法相比,融合卡尔曼滤波TTC算法的碰撞时间预警响应及时性和可靠性显著提高。
文摘随着汽车电子化、智能化发展,电子电气架构向计算中央化、数据和能源区域化演进,车载计算平台的集中化使相关需求指数级提升。智能中央计算平台作为汽车电子架构核心,其刷写技术对提升汽车性能、优化用户体验意义重大。本文探讨该平台软件刷写总体方案,深入研究基于互联网的诊断协议(Diagnostics over Internet Protocol,DoIP)升级、空中下载技术主控制器、智能部件刷写等关键技术。结果表明,其具备高性能处理、低延迟跨核通信等优势,能有效提升汽车模块更新效率,可为汽车智能化发展提供技术支撑。
