应用于地面战场目标的点云检测算法研究

地面战场上目标检测是精准跟踪以及准确打击的前提,在现代无人化陆战中起着至关重要的作用。传统的图像检测方法受到光照,天气等条件制约,利用激光雷达技术进行3D目标检测能够显著改善车体的感知能力。针对应用于陆战无人车的检测任务,提出了一种基于卷积神经网络的3D点云检测算法,通过优化VoxelNet的体素化和特征融合模块设计了一组端对端的高效网络,并改进了一种基于距离的非极大值抑制策略。实验表明原始VoxelNet在自建数据集上车辆目标AP值为78.53%,而改进后的网络性能达84.11%,对未来军事领域的三维目标检测任务具有参考价值。     

无人驾驶机器人机械腿非线性模糊自适应反演滑模控制

为了实现无人驾驶机器人机械腿位置精确跟踪及提高车速跟踪精度,针对机械腿受到的非线性干扰,提出了一种基于非线性干扰观测器的机械腿模糊自适应反演滑模控制方法.首先,通过对机械腿机构操纵踏板时的位置运动分析,建立了机械腿运动学模型,构建了考虑运动副非线性摩擦的机械腿动力学模型,描述了机械腿关节间摩擦力矩与相对速度之间的关系,求得了摩擦参数.接着,设计了油门/制动机械腿切换控制器和非线性干扰观测器.最后,针对观测误差以及其他不确定干扰,设计了模糊自适应反演滑模控制器,进行了李雅普诺夫稳定性分析.实验结果表明,所提方法有效削减了控制输出的抖振,且相较于未对摩擦进行补偿的情况,机械腿位置最大跟踪误差从5.5×10^-2 rad减小为1.1×10^-3 rad,最大车速跟踪误差从2.21 km/h减小为1.91 km/h.基于干扰观测器的机械腿模糊自适应反演滑模控制方法能够有效提高机械腿跟踪精度与车速跟踪精度.     

基于改进YOLO算法的FSAC赛车实时目标检测系统

针对中国大学生无人驾驶方程式大赛(Formula Student Autonomous China,FSAC)赛车目标检测系统检测速度较慢和鲁棒性较差的问题,文章提出了一种基于改进YOLO算法的实时目标检测方法。以YOLOv3-tiny网络为基础,根据目标物较为细长、尺寸较小的特点,使用k-means算法对数据集中的真实边界框进行聚类,选取合适的边界框数量和规格改进YOLOv3-tiny网络结构,使其目标检测时能融合更大的尺度信息,对小目标物检测更加有效和准确;将改进的算法部署在机器人操作系统(robot operating system,ROS)中,并将实时目标检测系统搭载到NVIDIA Jetson TX2嵌入式开发板中,形成适用于FSAC大赛特定场景的轻量化实时目标检测系统。实验结果表明,改进算法的召回率达到94.1%,比原始算法提高了11.8%;准确率达到93.2%,提高了3%;在NVIDIA Jetson TX2中画面每秒传输帧数FPS达到20,检测速度满足实时检测需求。     

打车软件Uber新募资12亿美元

正估值超170亿美元美国打车服务uber日前宣布,该公司已经完成了一个12亿美元的融资回合,这个融资回合对该公司的交易前估值为170亿美元,总估值则达到了182亿美元。所谓"交易前估值",是指公司在将外部融资额加入资产负债表前的价值。这个融资回合由富达投资集团领投4.25亿美元,其参与者     

低速无人驾驶车辆双向行驶控制方法

针对无人驾驶车辆在复杂景区场景低速双向行驶的问题,概述了正向行驶的运动学模型及其跟踪结果,并且在分析车辆倒车运动学模型的基础上,提出一种基于模型预测控制理论的无人驾驶车辆双向轨迹跟踪控制方法。对该双向轨迹跟踪控制方法使用MATLAB工具进行仿真,并在实车上进行验证。结果表明,该方法可以保证无人驾驶车辆稳定地进行双向跟踪参考轨迹行驶。     

浅谈基于轨道的列车自动控制(ATC)系统

现今我国城市轨道交通迅猛发展,而信号系统是中国城市轨道交通建设的关键之一,由于轨道交通工具的特殊性,司机只是承担其中列车的控制功能,而列车的驾驶则是通过车载信号系统来完成,在此过程中逐步实现无人驾驶。目前,我国主流的列车控制系统是基于轨道的列车控制系统,也称ATC系统。它通过轨道电路来确定列车的位置,向车载设备传递包括线路、机车等相关设备的基本信息。本文主要研究ATC具有哪些功能,以及实际情况的应用。     

面向无人驾驶的行人三维姿态估计方法

实时、高精度的行人三维姿态估计可有效提升无人驾驶汽车智能化水平。在Open Pose深度学习基础上,提取人体2D关节点,通过建立简化人体躯干数学模型来计算躯干空间位置和姿态,并以单个肢体为对象,通过分层式优化计算求解人体四肢关节角,进而确定人体3D姿态。主、客观实验测试结果表明,行人各关节空间位置平均误差低于78 mm,算法平均处理时间每帧低于52 ms。     

未来空战——无人驾驶战斗机与传统战斗机的博弈

一场空战的革命正在酝酿之中,也许不久的将来,战斗机飞行员就会被自动的机器所取代。现在,机器人驾驶的战斗机不过刚刚崭露头角,就像是皮毛柔软的哺乳动物幼仔生存在恐龙的尖牙利爪之下。但是,未来呢？     

无人驾驶车辆智能水平等级划分

 国内外无人驾驶车辆迅速兴起,为加快无人驾驶车辆关键技术研究,进行无人驾驶车辆智能水平等级划分成为首要任务。本文以无人驾驶车辆、任务、环境三者构成的复杂交互系统为研究对象,开展无人驾驶车辆智能水平评价研究。建立了由环境复杂度、人工干预程度、任务复杂度组成的无人驾驶车辆评测模型,并根据环境复杂度、人工干预程度、任务复杂度分别对无人驾驶车辆进行5个等级划分;最后根据无人驾驶车辆行驶的环境复杂度、人工干预的程度、执行任务的复杂度及行驶质量,对无人驾驶车辆智能水平进行了10个等级划分。     

科技期刊亮点

<正>成功研制无人驾驶拖拉机无人驾驶拖拉机在华南农业大学研制成功,该机能在田间作业条件下自动导航,实现升降和地头转向等控制,极大提高了拖拉机的自动化和智能化水平。