基于C-V2X的车路协同自动驾驶关键技术与应用

随着车联网技术的演进,自动驾驶在单车智能的基础上,又有了新的发展形态——车路协同自动驾驶。通过“人-车-路-云”深度融合形成的一体化复杂信息物理系统（cyber physical system,CPS）,可以与自动驾驶车辆实现协同感知、协同决策规划甚至协同控制,提升自动驾驶安全性,帮助克服各类复杂交通环境。首先介绍了车路协同的复杂信息物理系统的概念内涵和总体架构,并提出了车路协同自动驾驶的一系列典型应用场景、技术原理、C-V2X(cellular vehicle-to-everything)性能要求、车路协同系统功能与性能要求,可以为下一阶段智能网联汽车与智能交通的深度融合发展提供参考和解决思路。     

道路交通网络节点分配优化策略研究进展

为了进一步提高城市道路交通网络的通行效率,粒子群优化和神经网络等多种智能优化算法受到越来越多的关注。近年来,深度学习技术的普及与应用大幅提升了城市交通网络的节点识别效率,而交通网络的节点调度又扩展了深度学习技术的应用。文中详细分析了交通节点调度所面临的关键问题,归纳并总结了相关网络节点分配的研究现状。在此基础上,深入研讨了城市交通网络节点调度与深度学习的应用前景,并对交通网络节点分配优化策略的未来研究方向进行了展望。     

Implementation of mmWave long-range backhaul for UAV-BS

Uncrewed aerial vehicles (UAVs) have become a vital element in nonterrestrial networks, especially with respect to 5G communication systems and beyond. The use of UAVs in support of 4G/5G base station (uncrewed aerial vehicle base station [UAV-BS]) has proven to be a practical solution for extending cellular network services to areas where conventional infrastructures are unavailable. In this study, we introduce a UAV-BS system that utilizes a high-capacity wireless backhaul operating in millimeter-wave frequency bands. This system can achieve a maximum throughput of 1.3 Gbps while delivering data at a rate of 300 Mbps, even at distances of 10 km. We also present the details of our testbed implementation alongside the performance results obtained from field tests.     

一种实时多尺度目标检测识别算法

无人机目标检测与识别任务中,目标随着飞行高度的改变尺寸发生显著变化。常规目标检测模型中,获取的小目标细节信息有限,检测精度较低;而适用于小目标的实时检测模型往往容易丢失大目标的背景信息,降低大目标的检测精度。针对以上多尺度目标检测识别任务难点,提出一种基于改进特征金字塔网络(Feature Pyramid Network, FPN)结构的实时多尺度目标检测识别模型。该模型通过增加特征金字塔层级覆盖更广的目标尺度,获取更为丰富的目标信息;同时,利用跨连接增加不同尺度特征融合的多样性,降低特征传导距离,保留更加完整的尺度特征来提高模型检测识别多尺度目标的性能。通过实验发现,相比于原始网络结构和相同特征层级的四层特征金字塔结构,加入改进特征金字塔结构的多尺度目标检测模型识别性能得到了提升。     

无人机载PolInSAR城区散射机制初步分析

极化干涉合成孔径雷达（PolInSAR）在城市遥感领域中扮演着重要角色。它能够提高图像的相干性并提高反演结果的精度,所以对于其散射机制的解释往往受到许多研究人员的关注。相关的研究多从极化分解的角度考虑,却少有人从散射中心高度方面进行分析。本文使用Ku波段无人机载极化干涉SAR系统,实现了使用无人机SAR系统对地面进行成像,比较了极化干涉最优分解与Pauli分解作用在不同人造目标时散射中心的关系。我们初步分析了极化干涉SAR的物理意义,并使用C波段的机载极化干涉SAR系统对结论进行验证。     

无人机视角下的林木爆燃火特性研究

森林火灾“爆燃”现象的特征是突然发生的高强度、高蔓延速度的燃烧。目前为止，关于“爆燃火”的原因还没有达成共识。以无人机视角下对林木爆燃火特性研究，以四川木里特大森林火灾为研究对象，通过分析凉山州某森林扑火部队3月31日木里森林火灾当天KWT（科卫泰）无人机航拍火场画面，结合无人机实时影像及实地调研数据，分析了峡谷地形林火蔓延时空特征，探讨了峡谷中风向风速变化时空分布规律，研究了地形变化条件下，不同海拔高度风速特征，建立了无人机倾角测量风速模型（其中为风速m·s-1，为无人机倾角°）。结果表明，高山峻岭特殊地形环境下每天4:00—12:00时间段为静风期，为峡谷林火扑救最佳时期；午后15:00—17:00和晚上20:00—22:00为山谷地形风速活跃期；仿真软件数据显示山顶、谷底与山腰不同海拔位置的风速风向不统一，谷底会产生乱流现象，且风速与海拔不存在正相关关系，小气候在复杂地形中占主导影响地位；在谷口至山谷深处的中间位置会出现气流速度的波峰状态，并易形成乱流，为爆燃火发生提供了客观必要条件。该研究可为复杂地形环境下，森林草原火灾扑救安全提供数据和技术支撑。     

Salient video cube guided nighttime vehicle braking event detection

In nighttime driving brake lights are particularly important because they offer a warning signal to prevent potential collisions. In this work, we propose a novel visual-based approach for nighttime brake light detection using three-dimensional Nakagami imaging to analyze tail lights of vehicles in front. Rather than heuristic features, such as symmetry of taillights and appearance of the third brake light, the proposed approach extracts invariant features by modeling the scattering of brake lights, thus allowing detection to proceed in a part-based manner. Experiments from extensive datasets show that the proposed system can effectively detect vehicle braking under different lighting and traffic conditions, making it a realistic option for real-world applications.     

基于单片机的汽车防盗报警系统的设计与实现

针对汽车防盗及定位需求的日益增长,基于单片机微处理器、GPS、GPRS等技术,采用模块化的设计方案设计了汽车防盗报警系统,实现了实时定位、短信报警的功能,即系统采集到车辆被盗信息后,启动GPS定位模块,接收车辆位置信息（纬度、经度等）,单片机对该定位数据分析与处理后,通过GPRS网络以短信形式发送至车主手机。通过软硬件调试,系统运行数据显示,该系统实时性强、准确性高,车辆报警响应时间为秒级延时,定位误差在经纬度0．6度以内。     

基于ARM和μC/OS-Ⅱ的车载定位终端的设计

针对当前车载定位终端数据交互实时性差以及程序运行不稳定的问题提出了一种基于ARM处理器和uC/OS-Ⅱ操作系统的车载定位终端的设计方案.在32位高速ARM处理器上移植并应用基于优先级的抢占式实时多任务嵌入式操作系统μC/OS-Ⅱ以实现数据交互的高实时性和运行的可靠性,满足车载定位终端对数据处理速度以及可靠性的要求.     

基于单目视觉的行车环境安全预警系统设计

文中设计了基于机器视觉的行车环境安全预警系统,采用包含视频图像采集、行车环境检测以及行车环境安全预警3个功能模块的系统结构,重点研究并提出了新的行车环境识别方法,包含车道线提取和前方车辆检测方法,并对系统硬件架构及软件流程和算法进行说明,实现高速公路行车环境的识别并进行危险警示。实验结果显示,系统能够准确地对前方车道线和车辆进行检测,实现设计效果。