Feb, 2020

现代 GNSS 的发展及其对自主驾驶车辆架构的影响

PDF
TL;DR通过研究全球导航卫星系统（GNSS）的最新发展，并对其对自主驾驶体系结构可能产生的影响进行了调查。通过将高完整性 GNSS 车道确定纳入基于视觉的体系结构可以释放车道级机动能力，并提供监督以保证安全。将精密 GNSS 纳入激光雷达系统可以释放鲁棒性和额外的回退以确保安全和效用。最后，GNSS 通过为未来 V2X 方案提供一致的定时和参考框架，提供互操作性。
发现论文，激发创造
  • 提升全球导航卫星系统的机器学习技术综述

    全球导航卫星系统（GNSS）基于位置定位在导航、交通运输、物流、地图和应急服务等各种应用中起着关键作用。本文介绍了近年来机器学习（ML）的最新进展及其潜力，以应对传统 GNSS 模型方法在复杂环境中的局限性以及对不确定噪声模型的适应性不足。研究涵盖了监督学习、无监督学习、深度学习和混合方法等广泛的 ML 方法，并提供了与 GNSS 相关的定位应用的洞见，如信号分析、异常检测、多传感器集成、预测和精度增强。文中讨论了目前基于 ML 的 GNSS 定位方法的优势、局限性和挑战，提供了该领域的全面概述。

    Mar, 2024

  • GNSS-Denied 场景下角度稳健性无人机导航

    通过采用新颖的角度稳健导航范式和模型，结合自适应特征增强模块、跨领域注意力引导模块和鲁棒任务导向头模块，实现高精度导航的方向角预测，并经过实验证明所提出的模型在理想和干扰环境下的到达成功率分别提高了 26.0% 和 45.6%，从而解决了基于视觉的导航方法的局限性。

    Feb, 2024

  • 基于传感器融合的 GNSS 欺骗攻击检测框架在自动驾驶车辆上的实验验证

    验证传感器融合型 GNSS 欺骗攻击检测框架在自动驾驶车辆中的性能，并使用两种策略进行检测：通过传感器融合和机器学习来判断位置变化，以及使用机器学习模型检测和分类转弯。通过实验证明该框架能够有效地检测各种复杂的 GNSS 欺骗攻击。

    Jan, 2024

  • 自动驾驶多传感器欧盟长期数据集

    这篇研究论文介绍了一种多传感器平台，可以更有效和准确地感知车辆周围的环境，收集了一组新的自动驾驶数据集，并公开给社区研究人员使用。

    Sep, 2019

  • 自主卫星通信：基于人工智能的框架解决系统级挑战

    本研究旨在通过确定增加卫星自主性所需的系统级需求，并引入三个基于人工智能的组件，共同解决它们，从而缩小问题所在的差距。这些组件包括需求估计器，离线计划器和实时引擎，它们的交互作用及如何将现有模型纳入框架和未来工作方向也在研究中讨论。

    Dec, 2021

  • 面向自动驾驶车辆的众包三维地图端到端系统：映射组件

    本文介绍了一种端到端的用于构建具有语义含义的精确高清三维地图的系统的制图组件，使用消费级配件，实现了实时交通标志和车道的三角测量，并具有离线标志 / 车道聚类和离线多次行程的 Bundle Adjustment，如此构建的地图在 25 次路线中的标志角处的平均绝对精度小于 20 厘米。据我们所知，在汽车领域使用成本效益高的传感器，这是第一个使用全局坐标的端到端高清地图管道。

    Mar, 2017

  • 自动驾驶计算系统：现状和挑战

    本研究论文综述了自动驾驶的最新计算系统、性能指标、核心技术和挑战，并旨在吸引计算机和汽车领域的关注和更多研究。

    Sep, 2020

  • 基于多传感器融合的多样城市场景下强健而精确的车辆定位

    该研究提出了一种鲁棒且精确的定位系统，能够通过多传感器融合，特别是利用 LiDAR 强度和高度提示来提高在城市、高速公路和隧道等环境中的准确性和鲁棒性，并在大型自动驾驶车队中得到验证。

    Nov, 2017

  • 基于 GPS/INS 的路上位置跟踪系统的安全性

    本文研究了 INS 辅助 GPS 跟踪与导航技术在道路交通系统中的安全保障问题，并通过开发和评估算法展示了对磁力计进行主动欺骗的可行性，同时实验结果表明攻击者可以达到离真实目的地 30 公里甚至更远的位置而不被检测到。

    Aug, 2018

  • 利用众包车辆轨迹改善工作区域自动驾驶车辆地图和导航

    本文介绍了一种将众包轨迹信息引入到地图制作流程中的原型，以加强 CAV 对可行驶区域和交通规则的理解，利用高斯混合模型构建可行驶区域和占用栅格地图，并比较了该方法与单一 SLAM 方法的优劣。

    Jan, 2023