过刊目录针对自动驾驶交通场景中车辆检测目标尺度分布不均、背景干扰显著、小目标结构失真以及计算复杂度高等问题,提出一种基于YOLOv11n的改进算法ELD-YOLO算法。通过引入C3k2-EMSC模块,增强多尺度特征提取能力,在复杂交通场景下获得更丰富的上下文信息;LSDECD模块利用共享卷积与群归一化强化特征表达,减少冗余响应;通过动态采样(DySample)提升小目标与边缘特征表征能力。试验结果表明:在KITTI与BDD100K数据集上,ELD-YOLO参数量较YOLOv11n降低16%,mAP@0.5分别达到89.7%和52.7%,降低模型复杂度的同时,显著提升检测精度与鲁棒性。
针对非结构化道路场景中地表纹理复杂、边界模糊和光照变化明显等问题,提出一种融合边界增强与几何-深度先验注意力的仅红绿蓝图像输入(RGB-only)可通行区域检测方法。该方法以SegFormer为基础框架,通过边界辅助监督提取显式边界信息,并利用边界特征融合模块将边界线索注入语义特征空间,增强模型对软边界和不规则轮廓的表达能力。同时,在注意力模块引入几何连续性先验和垂直方向伪深度先验,对特征进行结构化重加权,以提升模型对复杂地形的预测稳定性。试验结果表明:所提出方法在越野可通行区域检测(ORFD)数据集上的交并比(IoU)和F1分数分别达到90.8%、95.1%,且主要分割指标上优于单目RGB方法,具有较好的跨数据集泛化能力。
针对雾气环境下智能汽车相机传感器功能测试过程中,实景雾气测试场景获取成本高、不可重复和雾气能见度不可控,以及虚拟仿真测试方法拟真度不足等问题,提出一种面向雾气环境的智能汽车相机传感器模拟测试方法。首先,基于语义分割对场景中不同区域的大气光进行估计;随后,结合目标能见度和雾微物理参数,通过散射模型计算大气散射系数,并利用相机内外参数校正深度信息,以生成精确的透射率图;最后,构建真实可控的雾化测试平台,并通过图像质量评价(PSNR/SSIM)及基于YOLO-V5的目标识别测试对所提方法进行验证。试验结果表明,该方法在25~100 m能见度范围内均能生成高保真度的雾气图像,并在图像质量与功能测试上均优于现有仿真方案,显著降低了数据采集成本,同时保证了相机传感器验证的质量、可控性和可重复性。
针对汽车开放系统架构(AUTOSAR)工具链对商业操作系统依赖性高且对免费实时操作系统(FreeRTOS)适配不足的问题,提出了一种基于模块化架构的运行时环境(RTE)代码自动生成工具。该工具通过信息提取器、解析器、处理模板和代码生成器等模块,实现了FreeRTOS环境下符合AUTOSAR规范的RTE代码自动生成。测试结果表明,所生成代码在结构规范性、类型安全性和实时性能等方面满足工业级要求,单模块开发时间由8.2人时降至0.5人时,跨平台适配效率提升12.7倍。研究成果为智能汽车嵌入式软件开发提供了高效可靠的解决方案。
在公路行驶场景中,为准确评估自动紧急制动(AEB)系统在不同负载条件下对于介入时机的决策精准性,基于中国交通事故深度调查(CIDAS)数据库筛选255起商用车公路追尾碰撞案例,采用层次聚类算法提取典型场景。聚类变量涵盖交通环境(天气、道路、光照、附着条件)、本车类型、事故前状态及碰撞特征(负载状态、运动状态、碰撞部位、初始速度经离散化处理为低、中、高、极高4个速度区间)、目标车类型及运动状态。聚类后获得4类高代表性测试场景,创新性地将负载状态作为关键聚类变量纳入事故数据结构分析,并结合车辆动力学原理讨论负载对制动距离与AEB响应阈值的影响,使得提取的典型场景能够同时反映事故数据中的统计规律与商用车制动特性的实际规律,弥补了现有研究对负载因素考量不足的缺陷。所构建场景满足UN R131法规要求,并进一步扩展至超法规车速和偏置重叠工况,显著增强了对中国公路复杂交通环境的适应性,为商用车AEB开发、性能优化及标准制修订提供了科学依据。
为了表征多种非线性因素耦合作用对纯电动汽车整车扭转振动的影响,建立了考虑时变啮合力的整车扭转振动模型。针对齿轮啮合过程中时变啮合刚度、齿轮齿隙及传动误差3种非线性因素的物理特性以及其对啮合力的影响规律,构建时变啮合力方程;将永磁同步电机模型与考虑时变啮合力的传动系统扭振模型进行耦合集成,搭建完整的整车机电耦合仿真模型;通过数值求解获得整车扭转振动响应,系统分析多种非线性因素耦合对整车各部件的动态特性影响规律。研究结果表明:在多种非线性因素耦合作用下,时变啮合力峰值增大17.46%,差速器的频域响应增大30.6%,车身角加速度的动态响应由可预测转化为不可预测。