进行了基于面部特征识别的驾驶员疲劳检测研究。设计了一种基于改进SSD的人脸特征检测算法,引进Resnet网络残差模块,解决了传统SSD算法训练的网络退化问题;使用Resnet-50替换原始SSD网络框架,有效减少了模型参数并提高识别率。针对驾驶室背景复杂的应用场景,采用Focal Loss代替Softmax Loss,以平衡正负样本的比例。实验结果表明改进SSD算法在自建的人脸特征数据集上的平均识别准确率为98.1%,比传统SSD算法提高了7.6%,体现为提高了对遮挡目标的识别率,且保持了较快的收敛特性。

依托某智能驾驶研发项目,通过对智能车辆单轨动力学模型的运动描述,建立换道策略和行车路径,结合模型预测控制最优化算法,协同智能车辆装载的传感执行设备,讨论了智能车辆在特定换道行驶场景下的路径规划与横向车辆控制。最后通过分析试验数据可知,在简化的低速换道场景下,最大横向位移误差小于0.5 m,整体性能良好。