随着自动驾驶的快速发展,对环境感知的要求也越来越高。作为自动驾驶汽车最重要的传感器之一,激光雷达可以通过扫描周围环境得到点云数据。使用合适的方法处理点云数据,我们可以获得目标物体的种类、距离、方位等

为了研究汽车与运行条件的适应性,通常采 用多参数描述汽车的运行状况,并称之为汽车 运行工况。即汽车在使用条件下,汽车驾驶员 以其自己的经验、技艺操纵车辆,完成一定任 务时,汽车及其各零部件、总成的各种参数变 化及技术状态

一、汽车在高温条件下的使用特点 1使用特点 (1)气温高,发动机冷却系散热温差 小,散热能力差,发动机易过热; (2)汽车行驶可靠性变坏; (3)驾驶室及车厢闷热

1、了解交通事故的类型、法医学鉴定目的及常见道路交通事故的原因 2、掌握行人损伤的机体形态学特征及损伤类型; 3、掌握驾驶员及乘客(包括前排及后坐乘客的机体损伤形态学特征;

振动：路面不平等原因引起汽车振动， 它影响舒适性和身体健康。 保持振动环境的舒适性，以保持驾驶 员在复杂行驶和操纵条件下，具有良好 的心理状态和准确灵敏的反应。 汽车的平顺性影响“ 人－汽车”系统 的操纵稳定性以及行驶安全性

近年来路径跟踪控制的发展十分迅猛，研究者们发表了大量的研究成果。考虑到在相同或相近工况下的路径跟踪控制存在一些共性的技术问题与解决思路，从低速路径跟踪控制和高速路径跟踪控制两个角度对近年来的研究成果进行了回顾。在关于低速路径跟踪控制的研究工作中，研究者们较为重视前轮转角速度约束等系统约束对路径跟踪精确性的影响。目前减少系统约束影响的方法包括在规划参考路径时将系统约束纳入考虑，采用预瞄控制使控制器提前响应，以及采用线性模型预测控制（LMPC）或非线性模型预测控制（NMPC）等模型预测控制方法作为路径跟踪控制方法等。考虑到NMPC既能减少系统约束的影响，又无需人为设置预瞄距离，且对定位误差等扰动因素具有较强的鲁棒性，加之低速路径跟踪控制对实时性的需求较低，因此可以认为NMPC能够满足低速路径跟踪控制的绝大多数需求。高速路径跟踪控制在受系统约束影响之外，还面临着较高车速带来的行驶稳定性不足问题的挑战，因此常采用能够将动力学层面的复杂系统约束纳入考虑且计算成本较低的LMPC作为路径跟踪控制方法。不过仅采用动力学层面的LMPC控制方法无法完全解决高速路径跟踪控制中路径跟踪精确性和车辆行驶稳定性之间存在耦合的问题，目前常见的解决思路是在路径跟踪控制中加入额外的速度调节或权重分配模块。此外，在高速路径跟踪控制中，地面附着系数等环境参数的影响也较大，因此地面附着系数等环境参数的估算也成为了高速路径跟踪控制领域的重要研究方向

汽车悬架中存在多种非线性因素,采用非线性模型的时域求解可获得更准确的平顺性分析结果.考虑到单一软件的局限性,本文采用协同仿真技术分析非线性车辆模型的平顺性.用机械系统软件ADAMS建立汽车多体模型,并用MATLAB/Si mulink的S函数建立路面模型、轮胎模型和驾驶员模型.以随机生成的路面不平度数据为输入,在Si mulink环境下建立协同仿真模型并完成车辆非线性模型的时域求解.给出了平顺性协同仿真算例,并根据响应量时间历程数据计算了簧载质量加权加速度均方根值和车轮动载均方根值.平顺性分析结果表明该协同仿真方法合理、可靠,满足非线性车辆模型的平顺性时域分析需要

中国科学技术大学：《多媒体通信 Multimedia Communications》课程教学资源（文献阅读交流）05 自动驾驶中的车辆组网与通信 Networking and Communications in Autonomous Driving A Survey

【智能系统】智能手机车辆异常驾驶行为检测方法编辑部

【机器感知与模式识别】自动驾驶场景下小且密集的交通标志检测