为提高自动泊车成功率及准确性，首先基于卷积神经网络（CNN）模型对输入图像进行特征提取，然后利用Transfomer模型的“编码-解码”机制对CNN提取到的图像特征平铺后进行计算推理，通过前馈神经网络得到目标预测结果，最后基于180°广角鱼眼图像进行推理识别，车位角中心点和空车位入口中心点均采用二维坐标表示，降低了输出信息的冗余，优化了模型结构。测试结果表明，该算法能够较好地适应不同车位线划线方式和不同的自然环境，目标感知的召回率达到98%，车位角中心点定位平均误差小于3 cm，满足泊车系统对车位感知的鲁棒性、实时性和准确性要求。

针对基于深度学习的三维点云目标检测算法在更换场景或设备的情况下容易出现网络性能无法维持、可迁移性较差的问题，提出一种准确、灵活且迁移性较好的两阶段三维点云目标检测算法（AF3D）：在第一阶段，对采集到的激光点云使用分段拟合算法去除路面，并使用具有噪声应用的基于密度的空间聚类（DBSCAN）算法对非地面点云进行聚类，得到若干个聚类簇；在第二阶段，搭建点云全连接网络（PFC-Net）对聚类簇提取特征并进行分类。试验结果表明：该算法在KITTI数据集上可实现良好的检测性能，且在实车数据集上对汽车、行人、骑行者的检测精度分别为69.74%，41.25%、54.33%，具有较好的可迁移性。

针对车载社交网（VSN）中车队车辆数据共享过程中存在的隐私泄露问题，提出一种基于密文属性的加密方案。利用基于属性的加密技术，保证仅授权的车辆可访问数据，防止车队车辆数据共享过程中发生隐私泄露；针对车队车辆数据共享时生成访问策略时间开销大、数据共享效率低的问题，通过构造访问树实现对访问策略的设计，利用路侧单元将访问树转化为访问矩阵，实现访问策略的快速生成。仿真分析结果表明，该方案能够实现对VSN中车队车辆的数据安全共享，所构建的访问策略生成方案能够有效降低车辆的计算开销。

为实现纯电动汽车电池能量信息的准确预测，提出了一种基于充电型纯电动汽车大数据的电池能量分析和预测方法。首先，通过大数据平台获取搭载相同型号电池车型的不区分地域大数据，然后使用区间平均法和支持向量回归（SVR）方法对总数据和典型地域数据进行里程-总能量关系的拟合，完成电池总能量衰减的预测，最后，将预测结果与长短时记忆（LSTM）神经网络的预测结果进行对比，并利用实车试验验证所提出方法的准确性。验证对比结果表明：基于SVR的模型能够对分散电池容量进行量化拟合，具有较高的预测精度。

为提高无人车系统中微机电惯性测量单元（MEMS IMU）的姿态角解算精度，提出了一种基于粒子群优化（PSO）算法和自适应强跟踪无迹卡尔曼滤波（STAUKF）算法的数据融合方法。首先，对两种不同精度的IMU模块通过STAUKF算法进行滤波，然后，利用构造的两类误差函数，引入PSO算法对两种IMU的后验估计进行融合，最后，在搭建的无人车平台上进行测试。试验结果表明，相较于两种单一IMU解算数据，所提出的方法解算获得的横滚轴与俯仰轴角度均方根误差分别减小了56.67%、58.94%，相较于冗余式双IMU系统直接加权平均所解算的数据分减小了36.55%、52.15%，解算精度更高、鲁棒性更强。

为解决低配电动车型缺少直接的道路坡度信息问题，提出基于现有控制器局域网（CAN）总线信号的路面坡度估计算法。首先，对总线输入的车速和纵向加速度信号进行预处理，并根据坡度与车速、纵向加速度间的关系构建卡尔曼滤波方程，估算道路坡度；然后，分析卡尔曼滤波过程中噪声方差参数对坡度估算结果的影响，设计自适应调参的卡尔曼滤波器，对坡度估计结果进行优化；最后，通过实车测试验证了坡度估计算法的实时性与有效性。

为提高白车身地板复合材料铺层优化设计的精度、效率及结构轻量化水平，提出了一种碳纤维复合材料地板铺层优化设计方法。首先建立了白车身有限元模型并验证了其有效性，然后通过力学性能测试获取了碳纤维复合材料的参数，并进行了地板铺层的概念设计和建模。接着，采用连续变量优化设计方法确定了地板的铺层厚度、铺块形状和铺层层数，并使用离散化圆整策略获得了各铺向角的离散铺层层数。优化结果表明，所提出的粒子群-细菌觅食混合优化（PSO-BFO）算法对地板质量、静态弯曲刚度和白车身轻量化系数的改善率分别为34.4%、6.0%和5.3%。