• <menu id="2y2mc"><nav id="2y2mc"></nav></menu>
  • <menu id="2y2mc"><strong id="2y2mc"></strong></menu>

    智能網聯汽車課題組(THICV)

    清華大學智能網聯汽車課題組

     

           清華大學智能網聯汽車課題組團隊始創于上世紀80年代,前身是清華大學NVH課題組及車輛控制與智能交通實驗室。團隊依托清華大學車輛與運載學院和汽車安全與節能國家重點實驗室,長期圍繞智能網聯汽車多模態全域感知、類腦智能決策、車路云融合控制、復雜系統動態設計與集成等前沿核心領域開展理論研究和技術攻關,構建了完整的“理論-技術-產品”三位一體的科研模式。現有固定人員15人,其中正高8人,副高4人,中級3人。團隊成員入選長江學者特聘教授2人次,國家杰出青年基金1人次,萬人計劃科技創新領軍人才2人次,中青年科技創新領軍人才2人次,國家優秀青年基金1人次,青年長江學者1人次。

     

     

           團隊承擔國家“十三五”重點研發計劃項目2項:“智能電動汽車的感知、決策與控制關鍵基礎問題研究”、“自動駕駛電動汽車環境感知技術研究”;“973計劃”課題1項:“車輛動力學系統關鍵狀態估計與參數辨識”;國家自然科學基金18項:“汽車智能安全”(杰青基金)、“智能汽車的系統動力學與協同控制”(優青基金)、“極限工況下人-車-路閉環系統動力學建模與失穩風險辨識“(自然科學基金重大項目課題),“智能汽車縱向動力學行為與協同控制方法”(自然科學基金重點項目)、“人機共駕型智能汽車的動力學特性及協同控制方法研究”(自然科學基金重點項目)、“基于一致性超級感知容器的自動駕駛汽車傳感器數據智能全息融合” (自然科學基金重點項目)等;“863計劃”課題8項:“智能環境友好型車輛新概念系統技術”、”多目標交通信號和行駛車輛智能化協同控制技術研究”等。

           團隊主導建立了清華大學智能網聯汽車與交通聯合研究中心、“車聯網”教育部-中國移動聯合實驗室、清華大學(汽車系)-日產智能出行聯合研究中心、清華大學-豐田自動駕駛汽車人工智能技術聯合研究中心以及清華大學(汽車系)-戴姆勒可持續交通聯合研究中心等。成果形成了具有完全自主知識產權的汽車智能安全及節能駕駛輔助技術,得到大規模產業化,同時與長安、北汽、一汽、東風等國內車企,奔馳、日產、豐田等國際企業密切合作,聯合開展智能汽車及車聯網技術的基礎問題攻關和產業化應用。

           團隊研究工作在汽車智能駕駛輔助系統的統一共用架構、行車風險定量評估及安全場建模、網聯多車動力學解耦及分布式控制、汽車安全/節能/舒適多目標協同控制等方面取得了國際矚目的先進成果,先后獲國家技術發明二等獎2項:“基于行駛環境感知與控制協同的汽車智能安全新技術及應用”、“運動汽車噪聲綜合識別及控制技術”,國家科學技術進步二等獎3項:“基于路感跟蹤的高性能電動助力轉向系統關鍵技術及應用”、“車輛聯網感知與智能駕駛服務關鍵技術及應用”、“基于共用架構的汽車智能駕駛輔助系統關鍵技術及產業化”,以及省部級及行業一等獎5項。另外獲得IEEE國際智能汽車會議、世界智能交通大會等國際會議最佳論文獎6項。

     

           團隊在國家智能網聯汽車戰略規劃中發揮了重大作用,主筆完成《中國智能網聯汽車技術路線圖》,推動一系列智能汽車領域的國家及行業標準制定。主導建立我國第一個汽車領域高校成果產業孵化基地(清華大學蘇州汽車研究院),積極推動汽車領域科技成果的產業化轉化,并建立了國內第一條具有自主知識產權的汽車智能安全產品生產線,打破了發達國家的技術壟斷,提升了我國汽車智能駕駛輔助系統的開發水平和產品競爭力,為我國汽車智能化技術的產業化做出了重要貢獻。

    融合感知 - 復雜環境感知

    1. 面向弱勢道路使用者的車載多目標跟蹤和運動預測方法

    • 研究背景

           易受傷害道路使用者如行人、騎車人或其他騎行者,在實際交通場景中很常見,具有多樣性,但易受傷害且缺乏保護。易受傷害使用者的檢測是保護他們的第一步,需要進一步跟蹤連續幀間的同一目標的位置,形成運動軌跡,實現多目標跟蹤,為后續預測其運動意圖做準備。

    • 研究成果

           針對自動駕駛環境中的自車周圍易受傷害道路使用者(VRU,包括行人和騎行者兩類)的運動軌跡預測問題,提出了融合多軌跡預測因子的深度循環神經網絡軌跡預測方法,同時考慮連續多幀間目標的位置、形狀等運動特征線索和局部矩形框的深度外觀卷積特征。

           在清華大學-戴姆勒聯合研究中心建立的易受傷害道路使用者多目標軌跡預測數據庫中,綜合評價了不同的循環神經網絡變體(RNN/LSTM/GRU)、目標軌跡預測因子以及網絡參數優化策略,驗證了所提出的融合多軌跡預測因子...

    閱讀更多
    亚洲欧美V国产一区二区 - 视频 - 在线观看 - 影视资讯 - 品赏网