基于HSV颜色空间模型和卷积神经网络(CNN),建立了实现交通标志识别(TSR)的完整过程。为了提高运算速度,进一步优化了动态感兴趣区域(ROI)识别、RGB向HSV颜色空间模型转换方法和神经网络结构设计。通过GTSRB数据库对TSR算法进行验证,结果表明,所建立的TSR方法有效提升了运算速度和识别率根据对不同车型AEB系统性能实测数据的分析,得出AEB系统TTC值、AEB制动执行策略与最终制动效能和用户体验之间的关联性,并依据分析结果对AEB系统的TTC和制动执行策略设定提出了合理建议。在CCR试验工况中,当车速低于20 km/h时TTC设定应更小,采用单级制动,以提升用户体验;在更高车速下应采取两级制动策略,以使AEB系统更为舒适、平顺地介入,在确保AEB系统性能的同时提升用户舒适度,同时提升AEB系统在NCAP评价规程中的得分率。 汽车技术刘建平，等：AEB系统性能与碰撞时间关联性研究行试验，包括一款轿车（A）、三款SUV（B、C、D）、一款MVP（E）及一款纯电动车（F）。测试工况选用欧洲新车评价规程(Euro-NCAP)的前车静止(CartoCarRearstationary,CCRs)工况[5]，即本车以10km/h的梯度从10km/h递增到50km/h。AEB系统性能-电动液压钢管滚圆机滚弧机张家港数控滚圆机滚弧机折弯机前车为Euro-NCAP测试车辆目标(EuropeVehicleTarget，EVT)模型并保持静止，如图1所示。图1前车静止（CCRs）测试工况试验中采用了E-NCAP中定义的ABD驾驶机器人（含转向、制动和油门机器人）、OxTS陀螺仪本文由公司网站滚圆机网站采集转载中国知网资源整理!www.gunyuanji.name、基站及数传系统、Euro-NCAP测试车辆目标等设备，试验过程精确控制试验车的速度、加速度、方向和距离，实时采集测试车辆速度、减速度、碰撞时间TTC、测试车辆与目标之间距离等。3.2试验结果通过试验得出各车型能实现的最高避撞车速见表1。由表1可知，各车型之间最高避撞速度较接近，但实际用户体验却存在较明显差异。经统计，各车型在各速度点AEB制动时的TTC如图2所示。表1各车型CCRs工况最高避撞车速图2各车型AEB激活时刻TTC与速度关系曲线由图2可看出，在各车速点AEB制动时，B车型TTC最小，E车型的TTC最大，整体上各车型的TTC随车速的增加呈逐步增大的趋势。但F车型在各车速下AEB激活时刻TTC一致性较差，在车速为10km/h时TTC为1.4s，实际体验中能感知该车速下AEB制动时机略显提前，用户体验不佳。B车型AEB制动时TTC值最小，即同一车速下B车型的AEB制动时机最晚，但在CCRs工况下，最高避撞车速仍能达到45km/h。通过对试验采集的数据进一步分析?AEB系统性能-电动液压钢管滚圆机滚弧机张家港数控滚圆机滚弧机折弯机本文由公司网站滚圆机网站采集转载中国知网资源整理!www.gunyuanji.name