通过文献查阅及行业调研,研究全球汽车行业对网联化的需求。分析车联网技术的发展现状,指出当前国内外车联网技术的发展瓶颈,识别急需攻克的关键技术领域,并建议面向第5代移动通信的车路协同系统(Vehicle to Everything,V2X)车联网核心...通过文献查阅及行业调研,研究全球汽车行业对网联化的需求。分析车联网技术的发展现状,指出当前国内外车联网技术的发展瓶颈,识别急需攻克的关键技术领域,并建议面向第5代移动通信的车路协同系统(Vehicle to Everything,V2X)车联网核心技术的演进路径,聚焦全球智能网联汽车的发展方向,为汽车产业全面数字化转型和互联网化应用提供理论基础和智力支持。展开更多
为防止驾驶员误判或忽视交通标志和车辆,提出一种通过线性加权方法融合Faster RCNN(faster regions with CNN features)和YOLOX-Tiny(you only look once X-Tiny)模型的路况检测算法,结合双目摄像头对检测目标物进行距离检测,以增强模...为防止驾驶员误判或忽视交通标志和车辆,提出一种通过线性加权方法融合Faster RCNN(faster regions with CNN features)和YOLOX-Tiny(you only look once X-Tiny)模型的路况检测算法,结合双目摄像头对检测目标物进行距离检测,以增强模型对道路远处目标的检测能力.实验结果表明,模型融合算法相较于Faster RCNN,每秒传输帧数提升了30.6帧,与YOLOX-Tiny相比,其目标检测结果的平均精度提升了21.9%.展开更多
文摘通过文献查阅及行业调研,研究全球汽车行业对网联化的需求。分析车联网技术的发展现状,指出当前国内外车联网技术的发展瓶颈,识别急需攻克的关键技术领域,并建议面向第5代移动通信的车路协同系统(Vehicle to Everything,V2X)车联网核心技术的演进路径,聚焦全球智能网联汽车的发展方向,为汽车产业全面数字化转型和互联网化应用提供理论基础和智力支持。
文摘为防止驾驶员误判或忽视交通标志和车辆,提出一种通过线性加权方法融合Faster RCNN(faster regions with CNN features)和YOLOX-Tiny(you only look once X-Tiny)模型的路况检测算法,结合双目摄像头对检测目标物进行距离检测,以增强模型对道路远处目标的检测能力.实验结果表明,模型融合算法相较于Faster RCNN,每秒传输帧数提升了30.6帧,与YOLOX-Tiny相比,其目标检测结果的平均精度提升了21.9%.
