汽车电子研究中心

研究方向 / 智能驾驶
研究方向简介 / Research Direction

主要针对智能驾驶车辆和相关关键技术发展的需求,将通信安全、激光雷达、机器视觉、主动安全、节能等技术运用到车辆系统中,开展系统性的多学科交叉研究。
1.感知
针对车用雷达和机器视觉的信息融合技术和视觉探测与测量技术中空间三维信息构建等新技术进行研究
2.自主驾驶决策
基于深度强化学习的框架,构建自动驾驶策略学习算法模型,并利用并行计算提高数据集的训练效率。
3. 车联网通信安全
对车联网的接入身份认证、安全行驶、计费管理、交通管理、数据通信等进行数据加解密,身份认证、密钥分发的研究。
4.节能驾驶
通过路径规划和车速调整来实现节能的研究,结合交通大数据环境,实现电动汽车的智能节能,从而从整个城市的层面实现节能。

基于多传感器融合的车辆定位与导航技术 / Selected Projects

      车辆对周围环境3维感知的精确性很大程度影响了车辆定位,建图,路径规划的能力,而这三点又是无人驾驶汽车的基本能力。传统的定位技术基于GPS来完成,但是在车辆驾驶的环境中,常有GPS信号丢失的情况,例如隧道,地下停车场。如何解决在这些场景下汽车的定位,成为了当前热门的研究挑战。在物理测量过程中,每一种传感器都存在一定的误差,由此基于视觉,激光雷达,IMU等多传感器的融合技术成为了主流方向,在克服误差的同时也能更好地推动无人驾驶汽车的产业化发展,本项目致力于多种廉价传感器融合技术的研发。

      车辆的自生定位与其对周边3维环境的感知相辅相成,对实时性的要求也在一定程度上加大了车辆在行进过程中的定位难度,即时定位与地图构建(SLAM)由此而生,传统方法采用激光雷达进行,但是高昂的成本阻碍了产业化的发展,由此基于视觉的定位与建图技术(VSLAM)成为研究热点,本项目中也以此为车辆定位技术的重点研究方向。

      除此之外将SLAM技术与差分GPS的结合,将推动车辆对当前及全局场景的理解,在此基础上如何给车辆规划出一条安全,合理,经济,舒适的路径前往目的地,并在行进的过程中,如何及时有效地避开障碍物,也是本项目的重要组成部分。

成果 / Intellectual Properties

代表性论文 / Selected Papers

Zhiheng Yang, Jun Li and Huiyun Li, Real-time Pedestrian Detection for Autonomous Driving, 2018 International Conference on Intelligent Autonomous Systems (ICoIAS’2018), Singapore, March 1-3, 2018, accepted.

代表性专利 / Selected Patents

发明及PCT专利:一种基于聚类和极限学习机的自动驾驶决策方法,李慧云;王峥;刘玢玢; 2017/5/12,PCT/CN2017/084081