中國智能駕駛白皮書

中國智能駕駛白皮書2 1.1機器人時代已經(jīng)到來 11.2汽車制造業(yè)發(fā)展歷程 2 31.4智能駕駛 31.4.1智能交通 41.4.2智能駕駛研究起源 5 61.4.4信息技術倒逼汽車產(chǎn)業(yè)：智能駕駛 71.4.5智能駕駛的漸進式發(fā)展路線：主動安全 81.4.6智能駕駛的顛覆性發(fā)展路線：輪式機器人 81.4.7智能駕駛時代人與汽車關系：雙駕雙控 91.4.8智能汽車系統(tǒng)架構 1.4.9駕駛輔助系統(tǒng)與智能駕駛 1.4.10智能駕駛相關技術領域 1.5智能駕駛技術現(xiàn)狀 1.5.1國外研究機構智能駕駛技術現(xiàn)狀 1.5.2國外主要公司智能駕駛技術現(xiàn)狀 1.5.3國內(nèi)研究機構智能駕駛技術現(xiàn)狀 1.5.4國內(nèi)主要公司智能駕駛技術現(xiàn)狀 1.6智能駕駛比賽 中國智能駕駛白皮書31.7智能駕駛社會效益與影響 1.7.2智能駕駛促進節(jié)能減排 1.7.3智能駕駛將推動社會變革 1.7.4智能駕駛改變傳統(tǒng)汽車產(chǎn)業(yè)發(fā)展 1.8智能駕駛相關法律問題、政府態(tài)度和政策 1.8.1智能駕駛相關法律問題 1.8.2政府對智能駕駛的態(tài)度和政策 1.8.3智能駕駛政策法規(guī)和標準分析與建議 第2章感知工程篇 2.1智能駕駛感知任務 2.2智能駕駛的感知盲區(qū) 2.3環(huán)境信息感知傳感器 2.4傳感器配置方案 2.5傳感器的不完美性 2.6視覺傳感器及技術 2.6.2視覺傳感器 2.7雷達傳感器 2.7.1雷達傳感器及優(yōu)缺點 2.7.2激光雷達的感知技術 2.7.3毫米波雷達及類型 2.8聽覺傳感器技術 2.8.1智能駕駛聽覺感知技術 2.8.2超聲波感知技術 2.9位姿傳感器 5 3.10駕駛態(tài)勢CT圖簇 3.11駕駛認知的圖表達語言 3.12智能車的通用支撐模塊 3.13局部路徑規(guī)劃 3.14尋的駕駛 3.15尋的泊車 3.16智能駕駛的自學習 3.17智能駕駛的智能化程度分級 3.18智能車的增量式智商測試 69第4章控制工程篇 4.1智能車的架構設計 4.2智能車的平臺技術 4.3智能車的發(fā)動機控制 4.4智能車的轉向控制 4.5智能車的制動控制 4.6智能車的檔位控制 4.7智能車的信號控制 4.8智能車電源系統(tǒng) 4.9智能車車載電路的干擾因素 4.10智能車的人機交互 4.11智能車人機交互系統(tǒng)發(fā)展現(xiàn)狀 4.12智能車對車載計算機的需求 4.13智能車網(wǎng)絡與布線 4.14汽車電子技術發(fā)展歷程 4.15汽車電子技術發(fā)展現(xiàn)狀 4.16汽車電子技術未來發(fā)展 中國智能駕駛白皮書64.17當前主流汽車電子產(chǎn)品 4.18CAN總線技術發(fā)展歷程 4.19CAN通信實時性與可靠性 4.20雙駕雙控智能車總線系統(tǒng) 4.21智能駕駛控制決策信息流 4.22縱向與橫向控制技術 4.23智能車系統(tǒng)健康狀態(tài)監(jiān)測 4.24智能車自適應錯誤修復機制 4.25車載自動診斷系統(tǒng)(OBD) 中國智能駕駛白皮書1第1章戰(zhàn)略發(fā)展篇2013年美國發(fā)布的《機器人發(fā)展路線圖》指出機器人技術是少院"院士大會上指出，機器人是“制造業(yè)皇冠頂端的明珠",其研發(fā)、已經(jīng)成為現(xiàn)實，機器人時代真的來臨了，如圖1所示。中國智能駕駛白皮書3顛覆性技術是指打破常規(guī)技術發(fā)展路線、另辟蹊徑的新技術，其影響范圍深廣，能夠?qū)σ延袀鹘y(tǒng)技術或主流技術的繼續(xù)使用產(chǎn)生顛覆性效果，是一種跨越式發(fā)展。2013年麥肯錫全球研究院發(fā)布分析報告，羅列了將對2025年生活、商業(yè)和全球經(jīng)濟產(chǎn)生重大影響的12項顛覆技術，如圖2所示，分別是移動互聯(lián)網(wǎng)(MobileInternet)、知識工程自動化(Automationof 先進油氣勘探開采 接影響將達14萬億到33萬億美元?？梢钥闯?，前六項顛覆性技術與智能駕駛息息相關?！肚贰肚穲D2智能駕駛汽車相關的顛覆技術智能駕駛不能簡單等同于無人駕駛，其本質(zhì)上涉及注意力吸中國智能駕駛白皮書4進行意圖表達和意外情況處置，如圖3所示，谷歌智能駕駛車。圖3谷歌智能駕駛車智能交通的概念于1991年由美國智能交通學會(ITSAmerica:控制技術以及計算機技術等有效地綜合運用于整個交通運輸管理體中國智能駕駛白皮書5智能交通系統(tǒng)的具體實施上，美國智能交通學會在1992年5月制定了《美國智能交通系統(tǒng)戰(zhàn)略規(guī)劃》,描述了美國此后20年的智能交通設計藍圖。該規(guī)劃完整地包括了智能交通的各個方面，并將智能交通系統(tǒng)劃分為六個領域：高級交通管理系統(tǒng)(ATMS:Advanced先進車輛控制與安全系統(tǒng)AdvancedPublicTransportationSystem)和農(nóng)區(qū)交通系統(tǒng)(RTS:Rural在智能駕駛技術的研究方面，美國起步較早，早在1939年紐約世界博覽會上，美國通用汽車公司首次展出了無人駕駛概念車Futurama。1958年，美國無線電公司(RCA,RadioCorporationofAmerica)和通用集團聯(lián)合，對外展示了智能駕駛汽車原型。依賴于預埋線圈的道路設施，車輛可以按電磁信號指示確定其位置與速度，控制方向盤、油門和剎車。自20世紀80年代，在美國國防部先進研究項目局(DARPA,DefenseAdvancedResearchProjectsAgency)的支持下掀起了智能車技術研究熱潮。1984年由卡耐基梅隆大學研發(fā)了全世界第一輛真正意義的智能駕駛車輛，如圖4所示。該車輛利用激光雷達、計算機視覺及自動控制技術完成對周邊環(huán)境的感知，并據(jù)此做出決策，自動控制車輛，在特定道路環(huán)境下最高時速可達31km/h。中國智能駕駛白皮書6歐洲從20世紀80年代中期開始研發(fā)智能駕駛車輛，其研究不強置導航服務，如圖5所示。拍在線地圖顯示云導航云旅游車聯(lián)網(wǎng)飛行器聯(lián)網(wǎng)電子地圖車聯(lián)網(wǎng)是人們生活所需要的物聯(lián)網(wǎng)，如圖6所示。物聯(lián)網(wǎng)在國外最早起源于智能交通，車聯(lián)網(wǎng)技術占到物聯(lián)網(wǎng)技術應用的20%-30%,中國智能駕駛白皮書7布，并為無人駕駛車輛和駕駛員輔助駕駛提供低成本的云計算服務平智能車是不帶情緒的輪式機器人。輪式機器人是集新材料、新工藝、新能源、機械、電子、移動通信、全球定位導航、移動互聯(lián)網(wǎng)、云計算、大數(shù)據(jù)、自動化、人工智能、認知科學、乃至人文藝術等多個學科、多種技術于一身的人造精靈，是人聯(lián)網(wǎng)、物聯(lián)網(wǎng)不可或缺的端設備，是人類社會走向智慧生活的重要伴侶，將引發(fā)人人聯(lián)網(wǎng)、物聯(lián)網(wǎng)的嶄新形態(tài)，也將改變?nèi)祟惖纳a(chǎn)活動、經(jīng)濟活動和社會生活。1.4.4信息技術倒逼汽車產(chǎn)業(yè)：智能駕駛近年來，汽車智能化發(fā)展的巨大潛力已經(jīng)吸引了以谷歌和蘋果為代表的IT巨頭的目光。有專家預測，未來在智能汽車領域呼風喚雨的或許不再是傳統(tǒng)的汽車制造商，而是在互聯(lián)網(wǎng)、無線通信等智能化領域占據(jù)重要位置的公司。IT人對智能駕駛的關注熱度明顯高于傳統(tǒng)汽車人嗎?是信息技術在倒逼汽車業(yè)嗎?事實上，汽車業(yè)也在倒逼IT技術。百年汽車工業(yè)成功的三大要素：規(guī)?；a(chǎn)、精細化管理和高可靠運行。對于加裝昂貴的傳感器的智能汽車能量產(chǎn)嗎?可靠性能保證嗎?出了安全問題誰負責?智能車能解決城市擁堵嗎?回答不了這些問題，汽車人只能冷觀智能駕駛。IT人將智能駕駛看作是顛覆式跨界創(chuàng)新，而汽車人更希望利用IT技術，特別是智能技術，改進能源和動力系統(tǒng)，節(jié)能減排，提升安全性、可靠性、舒適性和速度性，其次才是實現(xiàn)汽車信息化和車聯(lián)中國智能駕駛白皮書9能力的輪式機器人，如圖7所示，不僅是代步工具，更有望成人移動共享工具"才是21世紀的交通，"汽車”已經(jīng)過時了。中國智能駕駛白皮書圖8雙駕雙控的駕駛模式中國智能駕駛白皮書智能化路線的初級發(fā)展階段是先進駕駛輔助系統(tǒng)(ADAS,的汽車產(chǎn)品中，突破了過去被動安全系統(tǒng)(如安全帶、安全氣囊)或主動安全系統(tǒng)(如ABS、ESP系統(tǒng))只能在危險過程中起作用的限智能駕駛技術涵蓋寬廣的技術領域，包括自主行為技術領域(無中國智能駕駛白皮書的智能駕駛試驗。試驗過程中，Navlab5自主控制方向盤，油門和剎車則由駕駛員控制，自動控制方向盤里程占總里程比例達到98.2%。圖10卡耐基梅隆大學Navlab5智能駕駛車1997年8月，美國加州大學伯克利分校提出PATH(PartnersforAdvancedTransitandHighways)計劃，針對小汽車、公交車、卡車等不同的車輛平臺進行了11次智能駕駛公開試驗，演示了自適應巡航、超車換道、車輛編隊等功能，如圖11所示。圖11美國PATH計劃智能公路系統(tǒng)試驗1987年起，歐洲開展了普羅米修斯(PROMETHEUS,Programme項目，持續(xù)8年，總投資7.49億英鎊，由慕尼黑聯(lián)邦國防軍大學、戴姆勒奔馳、寶馬、標致、捷豹等著名研發(fā)機構和汽車企業(yè)聯(lián)合參與。1994年，智能駕駛車輛VaMP和VITA-2在高速公路上混入正常交通流行駛，如圖12所示，最高時速達130km/h,并演示了包括巡線行駛、跟馳行駛、編隊行駛、超車換道等項目。與美國同期Navlab5智能駕駛車輛不同，VaMP和VITA-2方向盤、油門、剎車由車輛協(xié)同自主控制。中國智能駕駛白皮書圖12VaMP智能駕駛車輛1996年，意大利帕爾馬大學視覺實驗室Vislab創(chuàng)立ARGO項目，利用計算機視覺完成車道標線識別，控制車輛行駛，如圖13所示。1998年，其智能駕駛車輛在意大利北部公路完成歷時6天，約1900km的測試，平均車速達90km/h,94%的路段智能駕駛，最長連續(xù)智能駕駛55km。該車輛只裝備了兩臺市售黑白攝像頭，CPU主頻僅為圖13Vislab實驗室ARGO智能駕駛車輛2011年，柏林自由大學研發(fā)的智能駕駛車輛柏林精神(SpiritofBerlin)和德國制造(MadeInGermany)完成城區(qū)智能駕駛測試，順利完成擁堵交通流、交通信號燈及環(huán)島通行等諸多項目，如圖14所中國智能駕駛白皮書圖14柏林自由大學智能駕駛車輛谷歌從2009年起研發(fā)智能駕駛技術，已完成豐田普銳斯、雷克薩斯RX450等多款樣車，并完成了近100萬公里的實際道路測試。等傳感器，其中，置于車頂?shù)募す饫走_能夠掃描半徑約70米全方位備良好的避障能力，如圖15所示。在谷歌的推動下，內(nèi)華達州、佛圖15谷歌第一代智能駕駛車輛歐洲于20世紀80年代啟動了世界上規(guī)模最大的智能地面車輛境下自主行駛的智能車。同時，沃爾沃等7家歐洲公司聯(lián)合啟動SARTRE(SafeRoadTrainsfortheEnvironment)項目(2009年09月至2012年9月),首次成功讓3輛智能駕駛汽車和1輛智能駕駛卡車在西班牙一條高速公路上行駛了124英里。德國漢堡Ibeo公司推出了其研制的智能駕駛車輛，可以在錯綜復雜的城市公路系統(tǒng)中實現(xiàn)智能駕駛。2015年，谷歌宣稱其無人駕駛汽車已經(jīng)在公路上安全行駛160多萬公里，期間沒有發(fā)生過任何碰撞事故。在產(chǎn)業(yè)化方面，美、德兩國走在前列。德國漢堡Ibeo公司研制的智能駕駛汽車預計近年內(nèi)能夠投入生產(chǎn)。美國通用汽車公司計劃在2015年前測試智能駕駛汽車技術，2018年左右將智能駕駛汽車推向市場。2015年1月，在國際消費電子展(CES,ConsumerElectronicsShow)上，奔馳展示了最新智能駕駛概念車，如圖16所示。除裝備最先進的智能駕駛技術與聲光交互技術外，還革命性的改變了汽車的內(nèi)部設計，其駕駛位、副駕駛位均可旋轉，側向車門對開，形成私密而舒適的車艙。這一激進設計反映了廠商從追求智能安全的漸進式路線，逐漸轉向追求完全智能駕駛的顛覆性路線。圖16奔馳公司F015智能駕駛概念車革命性的車艙設計1.5.3國內(nèi)研究機構智能駕駛技術現(xiàn)狀20世紀90年代初期，由南京理工大學、國防科技大學、清華大學、浙江大學和北京理工大學等高校聯(lián)合研制成功了我國第一輛無人中國智能駕駛白皮書駕駛車輛ATB-1(AutonomousTestBed)型。1996年，該車在校園內(nèi)自主行駛躲避障礙，最高速度達到21.6km/h。90年代后期，研制了第二代無人駕駛車輛平臺ATB-2型自動駕駛最高速度可達70km/h,車輛還具備臨場感遙控駕駛和戰(zhàn)場偵查等功能。同期，有代表性的無人駕駛試驗平臺還有清華大學的THMR系列無人車以及吉林大學的2003年，清華大學研制成功THMR-V(TsinghuaMobileRobot-V)型無人駕駛車輛，能在清晰車道線的結構化道路上完成巡線行駛，最高車速超過100km/h。2003年7月，國防科技大學與一汽集團聯(lián)合研發(fā)的紅旗無人駕駛車輛完成封閉環(huán)境高速公路試驗，其自主駕駛最高穩(wěn)定車速達到130km/h。這一階段無人駕駛車輛更多的是在封閉環(huán)境進行測試，單一依賴視覺導航，沿清晰車道線行駛。西安交通大學人工智能與機器人研究所，著重利用機器視覺感知周邊道路環(huán)境，利用從2009年開始，李德毅院士發(fā)起成立了智能車聯(lián)合課題組，包括總參61所、軍事交通學院、北京聯(lián)合大學、中科院合肥物質(zhì)所、北京理工大學、清華大學、上海同濟大學、北汽、宇通等單位先后加入，合作開展智能車研究與成果轉化工作。聯(lián)合課題組將智能車研發(fā)劃分為系統(tǒng)架構、機械、電子電氣、導航、雷達、圖像、決策控制、交互、試驗和云計算等10個部分，在北汽C73、C30、現(xiàn)代iX35、津高速智能駕駛20余次，總行程3000多公里。2012年11月26日，中央電視臺全程直播了"猛獅3號"智能車從北京臺湖收費站到天津東麗收費站共114公里的無人駕駛試驗，自主超車12次，換道36次，總自主駕駛時間85分鐘，平均時速79.06km/h,最高時速105km/h,全程無人工干預。中國智能駕駛白皮書1)一汽集團：研制國內(nèi)首輛智能車早在2003年一汽集團與國防科技大學聯(lián)合研制出中國首輛配備智能駕駛技術的紅旗轎車，2011年這款自主研發(fā)的紅旗HQ3智能駕武漢286公里的高速路段。整個途中配備智能駕駛技術的紅旗HQ3自主超車67次，遇到霧霾、降雨等復雜天氣，依然順利完成整個測2)上汽集團：與中航科工共同研發(fā)2013年8月上汽集團正式與中航科工簽署了戰(zhàn)略合作協(xié)議，協(xié)3)廣汽集團：攜手中科院合作研發(fā)4)吉利汽車：依托沃爾沃進行研發(fā)除上述提及三家國有車企外，國內(nèi)的知名自主車企-吉利汽車也已開始涉足智能駕駛領域。由于此前吉利并購沃爾沃汽車，雙方在技術領域開展全面共享，同時進行眾多新科技的共同研發(fā)。據(jù)悉，沃爾沃品牌將在全新一代XC90車型上，實現(xiàn)無人自動泊車技術，隨后在該車上應用智能駕駛技術。對于吉利品牌而言，由于沃爾沃智能駕駛系統(tǒng)過高的成本，若匹配到吉利車型會導致售價大幅增加。對此李書福曾透露，沃爾沃位于瑞典的研發(fā)中心將會針對吉利推出一套智能駕駛系統(tǒng)，有望于2015年或2016年搭載。5)比亞迪：與海外研究所合作智能駕駛作為未來汽車發(fā)展的重要方向，自主品牌中的"技術派"比亞迪也開始著手研發(fā)。近日，比亞迪攜手新加坡科技研究局通信研究院(I2R)開始共同研發(fā)自動駕駛技術。除了智能駕駛技術，雙方的合作還涉及智能交通系統(tǒng)。比亞迪與新加坡科技研究局通信研究院(I2R)合作研發(fā)的自動駕駛技術，包括利用電子線控系統(tǒng)實現(xiàn)對車輛的剎車、轉向以及對其它汽車系統(tǒng)的操控。進入21世紀后，美國國防部先進研究項目局于2004、2005、2007年舉辦了三屆DARPA挑戰(zhàn)賽，掀起了智能駕駛技術研發(fā)的熱潮。首屆比賽于2004年在美國莫哈韋沙漠舉行，全長240公里，21支車隊報名參賽，15支通過資格測試，所有車隊均未能完成首屆比賽的測試。完成程度最高的來自卡耐基梅隆大學的SandStorm也僅僅跑完了11.78公里，不足全程的5%。第二屆比賽于2005年舉行，全長212公里，仍側重于考察車輛在非結構化道路自動駕駛的能力，全程無人、車干擾。23支車隊報名參賽，5支跑完全程。斯坦福大學的Stanley和卡耐基梅隆大學的第三屆比賽于2007年舉行，全長89公里，側重于考察車輛在城中國智能駕駛白皮書區(qū)結構化道路的自動駕駛能力，有少量行人及車輛干擾，53支隊伍報名，11支通過資格測試，6支車隊跑完全程?？突仿〈髮W的Boss、斯坦福大學的Junior和弗吉尼亞理工的Odin獲得前三名，如圖17所示。圖17三屆DARPA挑戰(zhàn)賽冠軍—SandStorm、Stanley、Boss2006年起，歐洲開始舉辦陸地機器人測試(ELROB,EuropeanLand-RobotTrial),在真實場景下測試包括智能駕駛汽車在內(nèi)的陸地機器人性能。共舉行了三屆軍事場景和兩屆民用場景測試，軍事主題包括偵察監(jiān)測、自主導航、編隊運輸?shù)?，民用場景包括安全、消防、災難控制等。18支隊伍參加首屆測試，大部分采用無線遙控方案，機械故障頻發(fā)。后幾屆測試中，自主車輛占比和任務完成度逐年提高。ELROB測試對歐洲智能駕駛技術研發(fā)起到了積極促進作用。2005年，Vislab實驗室智能駕駛車輛TerraMax參加第二屆DARPA挑戰(zhàn)賽，完成全程，獲得第五名，如圖18所示。2010年，其智能駕駛車輛歷時3月橫跨9國，完成從帕爾馬到上海共13000km的智能駕駛試驗。2013年，其智能駕駛車輛完成了包括環(huán)島行駛、交通信號燈、躲避行人在內(nèi)的城市智能駕駛環(huán)境測試。中國智能駕駛白皮書2008年，國家自然科學基金委提出“視聽覺信息的認知計算”如圖19所示。中國智能駕駛白皮書合肥物質(zhì)研究院分獲二、三名，如圖19所示。圖19第一、二、三屆未來挑戰(zhàn)賽冠軍(由左至右)第四屆比賽于2012年在赤峰舉行，15支車隊參賽，中央電視臺進行直播。比賽重點考察智能駕駛車輛4S(安全性Safety,智能性Smartness,平穩(wěn)性Smoothness和速度Speed)性能，包括城區(qū)道路測試和鄉(xiāng)村道路測試。城區(qū)道路測試全程6.9公里，包括錐形標引導、施工繞行、濃霧干擾、障礙車輛等科目；鄉(xiāng)村道路測試全程16公里，包含多處急彎。軍事交通學院“猛獅3號”智能駕駛車輛獲得冠軍，西安交通大學和合肥物質(zhì)研究院分獲二、三名，如圖20所示。第五屆比賽于2013年在常熟舉行，18支車隊參賽，包括環(huán)湖公路測試和城市道路測試。環(huán)湖公路測試全程18公里，包括動態(tài)車輛城市道路測試全程5公里，包括U字掉頭、路口通行、學校門前減速慢行、遇行人停車讓行等科目。方向盤、油門、剎車完全采用線控的北京理工大學Ray獲得冠軍，軍事交通學院和合肥物質(zhì)研究院分獲二、三名，如圖20所示。第六屆比賽于2014年在常熟舉行，22支車隊參賽，包括綜合道路測試和特殊道路測試。綜合道路測試全程14公里，包括通過拱橋、駛入/駛出校門、駛入/駛出高架橋匝道、交叉路口通行、遮擋區(qū)域通行等科目；特殊道路測試包括停車讓行、錐形標引導、路口通行、側方停車等科目。李德毅院士指導的智能車聯(lián)合課題組包攬前四名，軍事交通學院“猛獅”和“哈弗"包攬了冠亞軍，北京聯(lián)合大學的“京中國智能駕駛白皮書龍2號"和"京龍1號"無人車分獲三、四名，如圖20所示。圖20第六屆智能車未來挑戰(zhàn)賽前四名2014年9月，解放軍總裝備部組織了“跨越險阻-2014”地面無人平臺挑戰(zhàn)賽，21支車隊參賽。比賽側重于非結構化道路測試，包從2008年起，我國智能駕駛技術取得飛速進展?？v觀六屆未來中國智能駕駛白皮書2012年我國平均每天約280人因交通事故傷亡，相當于一次重成的，如圖21所示，駕駛員注意力分散導致交通事故。圖21駕駛員注意力分散導致交通事故中國智能駕駛白皮書圖22智能駕駛的公路火車車系統(tǒng)，如圖22所示。日本研究機構2013年2月25日展示了這一高效行駛、節(jié)能環(huán)保的新技術：4輛卡車分別保持4米間距、以時速節(jié)省油耗15%以上。這一技術有望應用于行駛在高速公路上的技能(比如開車)的價值最終可能一文不值。中國智能駕駛白皮書智能車上路所面臨的法律問題以及行駛安全問題在短時間內(nèi)很通法案。2014年5月聯(lián)合國道路交通法規(guī)也進行了新的調(diào)整，該法規(guī)頒布于1968年，它當時規(guī)定："每名司機必須能夠時刻控制自己的1)美國2012年5月8日，谷歌的智能駕駛汽車在美國內(nèi)華達州上路測中國智能駕駛白皮書歌的智能駕駛汽車如何在擁擠的街道和高速公路上行駛及做出各種兩名測試人員，一人坐在駕駛位，另一人坐在副駕駛位。2012年9法案通過，2015年起可以在加州內(nèi)的道路上行駛，這標志著智能駕2)歐盟今年2月，歐盟攜歐洲十幾家整車制造商和零配件供應商共同推國家因受《維也納協(xié)定》(道路交通公約部分)的限制，目前無法實3)德國國高速公路上進行了無人駕駛汽車測試；隨后，梅德賽斯-奔馳公司中國智能駕駛白皮書隨著測試的成功，德國開始對無人駕駛汽車的研究更進一步。2014年6月開始，德國汽車業(yè)界展開了對是否需要在無人駕駛汽車上安裝4)法國著重培育發(fā)展34個工業(yè)部門，無人駕駛汽車就是其中的一項內(nèi)容。2014年2月，法國公布了無人駕駛汽車發(fā)展路線圖，投資1億歐元，利用三年時間重點研發(fā)無人駕駛汽車，2015年開始進行無人駕駛汽前景。一方面，法國政府認為，無人駕駛汽車有助于提高道路安全 (90%的交通事故都是人為造成)、提高駕駛者生活質(zhì)量(平均每人汽車業(yè)界預計于2020年向市場推出第一批無人駕駛汽車。為保證無人駕駛汽車的順利發(fā)展，法國表示將于2016年年底前實現(xiàn)全國數(shù)千5)英國學部部長的描述，這款汽車比谷歌的無人駕駛汽車造價低。據(jù)BBC中國智能駕駛白皮書小時19公里。英國政府預測到2017年將有100輛完全自動化的無人駕駛汽車投入使用。根據(jù)HIS調(diào)研公司的報告，到2035年，全球道路上約有5400萬輛無人駕駛汽車。為迎接無人駕駛汽車的到來，英1)國家聯(lián)合信息通信產(chǎn)業(yè)、汽車制造業(yè)、汽車維修服務業(yè)、道法部門共同制定智能車產(chǎn)業(yè)發(fā)展規(guī)劃，在2018年前實現(xiàn)50%以上的2)修訂車輛登記制度，在生產(chǎn)車型登記中，將具備智能駕駛功3)建立國家信息管理銀行，并授權國有電信運營商搜集、存儲、中國智能駕駛白皮書4)修訂2007年國家頒布的《中華人民共和國道路交通安全法》,5)修改道路交通安全法的執(zhí)法監(jiān)督規(guī)定，允許交通執(zhí)法部門通6)修訂《機動車交通事故責任強制保險條例》及《中國保險行業(yè)協(xié)會機動車輛商業(yè)保險示范條款》,繼續(xù)推進保險費率市場化改革智能車產(chǎn)業(yè)作為全球下一個萬億元級規(guī)模的戰(zhàn)略性新興產(chǎn)業(yè)之第2章感知工程篇人類在利用視聽覺等進行環(huán)境感知時，能夠從紛繁復雜的場景中快速、準確地提取和駕駛相關的有用信息。心理物理學研究表明，選擇性注意是人類自然感知的一個重要特征。駕駛員在駕駛過程中，優(yōu)先選擇感知對駕駛有關的信息。智能駕駛車輛上安裝的攝像頭、雷達、組合定位系統(tǒng)等傳感器，提供了海量的周邊環(huán)境及自身狀態(tài)數(shù)據(jù)。這些由圖像、點云等形式所構成的數(shù)據(jù)，只是關于周邊環(huán)境的原始信號，包含了大量與駕駛活動無關的信息。必須通過相關算法對這些信號進行選擇性處理，提取出與駕駛活動相關的信息。選擇性注意的時空表現(xiàn)特征有：近目標優(yōu)先、大尺度優(yōu)先、動目標優(yōu)先、差異性優(yōu)先等。2.2智能駕駛的感知盲區(qū)智能駕駛可以有感知盲區(qū)。這是因為此刻的盲區(qū)，在前一時刻或后一時刻不一定是盲區(qū)。實際上，傳感器不可能完美，即便是人其同一時刻所能關注的范圍也相當有限，存在不小的盲區(qū)，但這些盲區(qū)并不影響正常駕駛。2.3環(huán)境信息感知傳感器人類在駕駛過程時所接受的信息幾乎全部來自于視覺，交通信號、交通標志、交通圖案、道路標志等均可以看作是環(huán)境對駕駛員的視覺通信語言。同時，人類在駕駛汽車時，通過對周圍路面場景的觀測來決定采取什么樣的操作。因此，選用相機作為感知路面場景的傳感器是一種很自然的選擇。人類可以通過視覺得到距離和位置信息等，然而僅僅使用機器視覺還無法比較準確的得到這些信息。因此在智能駕駛領域，除了視覺傳感器外，常用的還有激光雷達、毫米波雷達、聲納、紅外探測、磁導引、GPS等傳感器。圖23是2012年完成北京至天津城際間高速公中國智能駕駛白皮書路無人駕駛試驗的軍交猛獅智能車傳感器配置示意圖。200m80m40m交通標志頂部8線激光雷達圖23軍交猛獅智能車傳感器配置示意圖一般來講，傳感器越多，價格越貴，則精度越高，識別范圍也越大。然而對于不同的駕駛任務而言，只需要能夠滿足用于該任務的傳感器就可以了，不是非要追求高配置的傳感器。傳感器永遠是不完美的，智能車的傳感器配置取決于完成駕駛任務的需求。智能車通過傳感器對周圍環(huán)境信息進行采集和處理，實時形成駕駛態(tài)勢，用于認知和決策。目前用于智能駕駛的傳感器主要無論采用哪種物理機理的雷達來感知周邊駕駛態(tài)勢，激光、毫米波、紅外、超聲等都各有局限性。例如，即使用128線激光雷達，取更高的采樣速率，也不可能徹底解決煙、霧、雨水、凹坑不同反射下的干擾難題；無論在一臺車上安裝多少數(shù)量的雷達，都難以徹底解決車輛周邊全三維再現(xiàn)；因此，雷達不可能完美。無論是用單目攝像頭導航，還是用多目攝像頭測距，再高像素的攝像頭，再強自適應曝光能力，再高采樣速率，也不可能徹底解決不同交通環(huán)境下的車道線、指示牌、交通燈等遇到的光照、陰遮擋等傳統(tǒng)圖像處理中的難題。而車道線、指示牌、交通燈有不同程度的老化、磨損和污染是常態(tài)，永遠找不到理想的攝像頭。高精度衛(wèi)星導航定位技術為智能駕駛的實現(xiàn)奠定了重要基礎，還中國智能駕駛白皮書所以，沒有完美的傳感器，傳感器不理想是常態(tài)!也不存在完美機器視覺也叫計算機視覺，即用攝像機和電腦代替人眼對目標進智能駕駛中的視覺感知主要使用的是工業(yè)相機，相比于傳統(tǒng)的民中國智能駕駛白皮書相機；按照輸出色彩可以分為單色(黑白)相機、彩色相機；按照輸出信號速度可以分為普通速度相機、高速相機；按照響應頻率范圍可以分為可見光(普通)相機、紅外相機、紫外相機等。CCD是目前機器視覺最為常用的圖像傳感器。它集光電轉換及電荷存貯、電荷轉移、信號讀取于一體，是典型的固體成像器件。CCD的突出特點是以電荷作為信號，而不同于其它器件是以電流或者電壓為信號。這類成像器件通過光電轉換形成電荷包，而后在驅(qū)動脈沖的作用下轉移、放大輸出圖像信號。典型的CCD相機由光學鏡頭、時序及同步信號發(fā)生器、垂直驅(qū)動器、模擬/數(shù)字信號處理電路組成。CCD作為一種功能器件，與真空管相比，具有無灼傷、無滯后、低電壓工作、低功耗等優(yōu)點。CCD工業(yè)相機一般可以分為線陣CCD和面陣CCD相機兩種。CMOS圖像傳感器將光敏元陣列、圖像信號放大器、信號讀取電路、模數(shù)轉換電路、圖像信號處理器及控制器集成在一塊芯片上，還具有局部像素的編程隨機訪問的優(yōu)點。CMOS圖像傳感器以其良好的集成性、低功耗、高速傳輸和寬動態(tài)范圍等特點在高分辨率和高速場合得到了廣泛的應用。2.6.3全景視覺技術全景視覺成像技術一般分為以下幾類：單相機360°旋轉式成像、多相機拼接成像、魚眼鏡頭相機成像和折反射全景成像，如圖24所示。其中，由于單相機360°旋轉式成像需要不停地旋轉攝像機，要求較為穩(wěn)定的機械結構，系統(tǒng)可靠性要求高；多相機拼接成像需要多個相機拼接而成，系統(tǒng)標定較為復雜，需要實現(xiàn)多相機同步問題及無縫相機成像和折反射全景成像這兩種成像技術。中國智能駕駛白皮書圖24從左至右分別為魚眼鏡頭成像、折反射全景成像和多相機1)雷達傳感器智能車要實現(xiàn)在未知環(huán)境中的自主行駛，必須要具備在各種環(huán)境不同主要包括激光雷達、毫米波雷達和超聲波雷達。從美國的DAPAR挑戰(zhàn)賽到中國的"智能車未來挑戰(zhàn)賽",幾乎每一輛參賽的自毫米波雷達等，如圖25所示。中國智能駕駛白皮書圖25智能車雷達傳感器配置目前激光雷達在智能車領域主要應用于障礙檢測、動態(tài)障礙檢測識別與跟蹤、路面檢測、定位和導航、環(huán)境建模等方面。激光雷達根據(jù)探測原理，可以分為單線(二維)激光雷達和多線(三維激光雷達),其中三維激光雷達可以分為單向多線和三維全向激光雷達。其中單線掃描激光雷達只有一條掃描線，通過旋轉掃描得到一條線上的深度信息，如德國SICK光電設備公司研發(fā)的LMS系列激光雷達；多線掃描激光雷達通過多條掃描線的旋轉掃描，得到多條線上的深度信息，如德國IBEO公司的LDML激光雷達；三維全向激光雷達則掃描的是一個空間，得到一個空間內(nèi)的深度信息。2)雷達傳感器的優(yōu)缺點雷達與攝像機的根本不同在于其環(huán)境探測模式屬于主動探測，也就是雷達屬于主動傳感器，即雷達對物體的感知信息來源于自身，而攝像機作為被動傳感器則是被動接受外界環(huán)境中物體的信息，因此相對于機器視覺而言，雷達受外界環(huán)境影響小，在深度信息的獲取上，其可靠性和精確性要高于被動傳感器。除此之外，雷達相對于攝像機等其它傳感器相比有以下優(yōu)勢：激光雷達采用主動測距法，接收到的是物體反射回的激光脈沖，從而使得激光雷達對環(huán)境光的強弱和物體色彩差異具有很強的魯棒性；激光雷達直接返回被測物體到雷達的距離，與立體視覺復雜的視差深度轉換算法相比更為直接，而且測距更為準確；飛點單線或多線掃描激光中國智能駕駛白皮書壟斷，一臺性能較好的激光雷達成本可能達到一臺攝像機的10倍2)動態(tài)障礙物跟蹤：基于激光雷達的動態(tài)障礙跟蹤是環(huán)境理解3)環(huán)境重建：隨著激光雷達的普及和精度的提高，基于激光雷1)毫米波雷達毫米波雷達工作在毫米波波段，其頻域介于30～300GHz之間，如圖26所示。毫米波的波長介于厘米波和光波之間，因此毫米波兼中國智能駕駛白皮書LongLongRange:174metersMidRange:60metersFOv:+/-45degreesUpdateRate:50miliseconds圖26德爾福ESR"多模式"毫米波雷達2)毫米波雷達類型毫米波雷達根據(jù)其測距原理的不同，可以分為脈沖測距雷達和連中有許多的聲音(如喇叭、警笛)攜帶著重要的信息，需要智能車有智能車聽覺感知能力，主要涉及到4個方面的關鍵技術。1)聲源定位技術信息的感知很重要的一點就是對聲源的定位。聲源定位一般會通過麥克風陣列采集聲音，并通過陣列信號處理來實現(xiàn)?；邴溈孙L陣列的聲源定位方法，按照定位原理大體可分為三大類：基于最大輸出功率的可控波束形成技術、基于高分辨率譜估計的定位技術及基于聲達時間差的定位技術。2)音頻識別技術由于智能車是在室外不定的環(huán)境中行駛，音頻信息極為豐富，內(nèi)容千變?nèi)f化，很難做到"明察秋毫",所以我們需要重點感知具有特殊含義的音頻信息。比如當后面開過來一輛救護車，而智能車正行駛在馬路的中央，我們會希望改變行駛路線向外側車道靠，把內(nèi)側的超車車道讓出來。這就需要音頻識別技術來識別出警笛的聲音。我們通常所能聽到的警笛聲有可能來自于救火車、救護車、警車等，他們在頻率上有各自的特點，同時他們也有一些共性，區(qū)別于非警笛聲音。非警笛聲音主要有汽車喇叭聲、突發(fā)性短時干擾音(如拍手聲)、語音、歌曲等。各種警笛的基頻模式是不同的，利用這些差異，我們可以設計出可識別不同警笛的音頻識別系統(tǒng)。對于更為復雜的環(huán)境音頻信號識別問題，目前常用的多種音頻識別方法包括：基于基頻擬合的算法、基于統(tǒng)計的算法及基于模式匹配的算法。3)魯棒語音識別與理解在智能車的音頻環(huán)境中，很特殊的一類音頻就是人的語音。如果智能車具有噪聲環(huán)境下的語音識別能力，就能以友好的人機交互方式理解并執(zhí)行乘員的指令。從智能車對語音信息的識別需求來看，涉及語種識別、說話人識別、語音關鍵詞識別等等。語音識別的關鍵技術主要包括特征提取技術、模式匹配和數(shù)據(jù)訓練技術三個方面。4)軟件無線電技術作為感知無線電播的智能車聽覺系統(tǒng)，要想兼容各種通信制式，就需要以軟件無線電技術作為其核心技術。軟件無線電技術的中心思中國智能駕駛白皮書衰減小、反射能力強等特點，如圖27所示。超聲波測距的原理是利目前主要的表現(xiàn)基準有許多，比如：以地圖為基準，將車姿信息中國智能駕駛白皮書和周邊信息(無論是靜態(tài)的還是動態(tài)的)都標注到地圖中去；以車載攝像頭視景為基準，將車姿信息、周邊信息和地圖信息都映射并標注到某個攝像頭拍攝的影像圖中；以車載激光雷達圖為基準，將車姿信息、周邊信息和地圖都映射并標注到某個激光雷達圖中；以駕駛員認知為基準，構建一個寄生在車輛上的駕駛態(tài)勢圖，將車姿信息、周邊信息和駕駛地圖等信息統(tǒng)統(tǒng)都映射并標注到用于駕駛員態(tài)勢認知的、和車輛同步移動的駕駛態(tài)勢圖中。在一個控制周期內(nèi)，利用一張駕駛態(tài)勢圖來描述智能車周邊的駕駛態(tài)勢。這張圖主要包括5部分內(nèi)容。(1)周邊障礙物的位置及高度；(2)周邊障礙物的速度；(3)地面交通標志(車道線、斑馬線、行進方向線、停止線)理解、交通指示牌和紅綠燈理解等；(4)駕駛地圖位置標定和路口信息映射；(5)人工駕駛路口起點定標和路口行駛等長期記憶。GPS是由美國國防部研制建立的一種具有全方位、全天候、全時段、高精度的衛(wèi)星導航系統(tǒng)，能為全球用戶提供低成本、高精度的三維位置、速度和精確定時等導航信息，是衛(wèi)星通信技術在導航領域的應用典范。北斗衛(wèi)星導航系統(tǒng)(BeiDouNavigationSatelliteSystem,BDS)是中國自行研制的全球衛(wèi)星導航系統(tǒng)，是繼美國全球定位系統(tǒng)(GPS)、俄羅斯格洛納斯衛(wèi)星導航系統(tǒng)(GLONASS)之后第三個成熟的衛(wèi)星導航系統(tǒng)。北斗衛(wèi)星導航系統(tǒng)由空間段、地面段和用戶段三部分組成，可在全球范圍內(nèi)全天候、全天時為各類用戶提供高精度、高可靠定位、導航、授時服務，并具短報文通信能力，初步具備區(qū)域?qū)Ш?、定位和授中國智能駕駛白皮書時能力，定位精度10米，測速精度0.2米/秒，授時精度10納秒。RTK(Real-TimeKinematic,實時動態(tài)控制系統(tǒng))技術是一種新的常用的GPS測量方法，以前的靜態(tài)、快速靜態(tài)、動態(tài)測量都需要事后進行解算才能獲得厘米級的精度，而RTK能夠在野外實時得到厘RTK屬于廣域定位技術，對周邊障礙物和天氣狀況不敏感，但提前設置RTK差分基站。通常單個基站覆蓋范圍只有數(shù)十公里，這慣性導航是依據(jù)牛頓慣性原理，利用慣性元件(加速度計)來測量慣性導航系統(tǒng)中的陀螺儀用來形成一個導航坐標系使加速度計的測中國智能駕駛白皮書車身姿態(tài)主要是指車輛的側傾角和俯仰角。通常采用慣導或者陀定位信息可以對慣導的積分偏離作出實時校正，慣導可以對GPS數(shù)有一部分信息可以直接從車輛CAN總線上讀取獲得。我國已有的城市地圖、各類交通地圖、經(jīng)濟地圖、教育地圖、旅中國智能駕駛白皮書城市道路環(huán)境下的駕駛地圖主要由簡單道路、復雜道路和路口3復雜道路(不符合簡單道路定義的其他道路):對于城市道路，駕駛地圖中的元素，不僅能提供規(guī)劃軌跡，還能夠幫助各種傳感中國智能駕駛白皮書(1)目標再確認。例如，雷達識別出道路中間的綠化隔離帶，被(2)互相補充。例如，地圖認為進入事故多發(fā)區(qū)，雷達點云數(shù)(3)沖突消解。例如，雷達識別出道路前方疑似橫向路肩，地(5)屬性關聯(lián)。例如，地圖告知正在通過大彎道傾斜路面，雷(6)過濾噪聲。例如，地圖告知正在通過粗糙路面，雷達出現(xiàn)駕駛地圖服務一定會是云服務。這是因為大量的數(shù)據(jù)不中國智能駕駛白皮書對于智能駕駛而言，駕駛地圖只需關注和駕駛相關的交通要素，因此當前交通流量、實時交通態(tài)勢等不一定要包含在駕駛地圖當中。但當前交通流量、實時交通態(tài)勢對于實時躲避擁堵，完成智能路徑推薦等具有重要意義。ACC系統(tǒng)全稱就是自適應巡航控制系統(tǒng)，它是一種智能化的行車自動控制系統(tǒng)，它是在早已存在的定速巡航控制技術的基礎上發(fā)展而來的。在行駛過程中，安裝在車輛前部的車距傳感器會持續(xù)掃描車輛前方道路，同時輪速傳感器采集車速信號。當與前面的車之間的距離過小時(這可以在車內(nèi)設定距離),ACC控制單元可以通過與制動防抱死系統(tǒng)、發(fā)動機控制系統(tǒng)協(xié)調(diào)動作，使車輪適當制動，并使發(fā)動機的輸出功率下降，同時車內(nèi)音響會發(fā)出警報聲音提醒走神的駕駛員注意，它能有效的防止追尾這類事故的發(fā)生。圖28汽車自動巡航系統(tǒng)四種典型工況示意圖如圖28所示，當主車探測與前方車距大于安全距離，保持定速巡航狀態(tài)。當探測到有目標車輛進入安全區(qū)域，自動調(diào)節(jié)節(jié)氣門或施加輕微制動減速，保持與前車的安全車距；隨后轉入對前車的跟隨控制。中國智能駕駛白皮書車道保持系統(tǒng)是一種通過報警的方式輔助駕駛員避免或減少汽車1)基于道路基礎構造的車道偏離警告系統(tǒng)造來檢測車輛橫向位道路下的鐵磁體標記(通常為磁鐵或電線)。車輛傳感器檢測這些鐵2)基于車輛的車道偏離警告系統(tǒng)該類系統(tǒng)主要是利用機器視覺或紅外傳感器檢測車道標識的位基于車輛的俯視系統(tǒng)其優(yōu)勢就是在結構化道路上效率高并簡單道路上使用(必須存在道路標識，且道路標識能被有效識別)。法和信號顯示界面三個基本模塊組成。aa圖29汽車車道保持系統(tǒng)典型工況示意圖如圖29所示，該系統(tǒng)由一個安裝在汽車后視鏡內(nèi)的小型CCD攝像機、一些檢測車輛狀態(tài)和駕駛員操作行為的傳感器以及視覺和聽覺警告裝置組成。該系統(tǒng)利用由CCD攝像機獲得的車輛前方的車道標識線、其他傳感器獲得的車輛狀態(tài)數(shù)據(jù)和駕駛員的操作行為等信息，判斷車輛是否已經(jīng)開始偏離其車道。如有必要，系統(tǒng)將利用視覺警告信息、聽覺警告信息以及振動轉向盤來提醒駕駛員小心駕駛車輛。2.11.3汽車自動泊車系統(tǒng)自動泊車系統(tǒng)，可以使汽車自動地以正確的?？课徊窜?，該系統(tǒng)包括環(huán)境數(shù)據(jù)采集系統(tǒng)、中央處理器和車輛策略控制系統(tǒng)，所述的環(huán)境數(shù)據(jù)采集系統(tǒng)包括圖像采集系統(tǒng)和車載距離探測系統(tǒng)，可采集圖像數(shù)據(jù)及周圍物體距車身的距離數(shù)據(jù)，并通過數(shù)據(jù)線傳輸給中央處理器；所述的中央處理器可將采集到的數(shù)據(jù)分析處理后，得出汽車的當前位中國智能駕駛白皮書圖30汽車自動泊車系統(tǒng)典型工況示意圖如圖30所示，車輪擺正，車輛平行于?？康能囕v向后倒車。向右圖31汽車并線輔助系統(tǒng)典型工況示意圖如圖31所示，位于外后視鏡根部的攝像頭會對距離3米寬，9.5米長的一個扇形盲區(qū)進行圖像監(jiān)控。如果有速中國智能駕駛白皮書Mobileye智能行車預警系統(tǒng)能預防和緩解各種車輛在道路行駛中緊張，創(chuàng)造輕松愜意的駕駛環(huán)境。系統(tǒng)的組成部分：攝像頭組件(包第3章認知工程篇影響駕駛行為的不確定性因素有很多，包括以下幾個方面：(1)駕駛環(huán)境的不確定性，包括：天氣環(huán)境，如季節(jié)、氣溫、光照、風雨變化等；道路條件，如道路寬度、彎曲度、坡度、路面質(zhì)量、側傾等；道路交通設施，如道路標識牌、地面交通標志、信號燈及清晰度等；實時交通情況，如交通流量的變化、周邊隨機障礙物、環(huán)境噪聲等。(2)駕駛車輛本身的不確定性，包括：車輛的物理性質(zhì)，如車身質(zhì)量、車體大小等，車輛動力學性質(zhì)，如方向盤扭矩、發(fā)動機功率、牽引力、制動力等，以及車輛的磨損情況等等。(3)駕駛員行為的不確定性，包括：駕駛員性格、當前情緒，駕駛員的知識、經(jīng)驗和駕駛技術的熟練程度，菜鳥或飆車手，以及每個駕駛員的習慣都不同。沒有哪兩個城市道路是完全相同的，沒有哪兩個駕駛員具有完全相同的駕駛行為，沒有哪兩個路口是完全相同的，甚至沒有哪兩次駕駛是完全相同的。駕駛環(huán)境、駕駛車輛和駕駛人行為的不確定性，反映到智能車的感知、認知和行為的不確定性實現(xiàn)上，就是要實現(xiàn)自主傳感器代替不了大腦，感知代替不了認知。無論傳感器(攝像頭、雷達、GPS+IMU、車姿傳感器等)有多好，都只是有限感知(相當于人的感官),傳感器不完美是常態(tài)。只有代表腦認知的“駕駛腦”才是全局認知，不僅融合了感官知識，還融合了大腦中的先驗知識和駕駛經(jīng)驗中的時空關聯(lián)知識。如同人的決策是基于大腦而不僅是基于感官的，輪式機器人自主決策是基于腦認知的，而不是完全基于某一路傳感器的，也不是完全基于多路傳感器形成的當前和歷史的駕駛態(tài)勢的!因此，自主決策模塊不是直接對口一個個傳感器預處理模塊，而是由駕駛腦認知形成決心理物理學研究表明，選擇性注意是人類自然視覺的一個重要特征：一方面，自然視覺并非對場景中的全部物體進行細致、準確地識關注感興趣目標；另一方面，選擇性注意隨時間而變化，也就是非均勻采樣，自然視覺對場景的采樣頻率以及分辨率不是一成不變的，而是隨時間發(fā)生變化。智能車上不同傳感器的任務分工，體現(xiàn)了人類在駕駛過程中的選擇性注意。車載傳感器有多種配置思路。例如，對于視覺傳感器，既可以僅用一個攝像頭，通過多線程方法分別對車道線、信號燈、交通標志、周邊障礙物等進行檢測與識別；也可以部署多個專用攝像頭，各自完成單一工作。多傳感器信息融合，也稱為多源信息融合，是指組合和合并多個來源的信息或數(shù)據(jù)以便形成一個統(tǒng)一結果的技術。它起源于軍事領域中的多傳感器綜合應用，往往又叫多傳感器信息融合(或數(shù)據(jù)融合),是對人或動物利用各種感官來獲取信息并通過大腦綜合分析來認識客觀世界的一種功能模擬。沒有任何一種傳感器能保證在任何情況下能提供完全可靠的信息，采用多傳感器融合技術，即將多個傳感器采集的信息進行相互補充、印證，形成對周圍環(huán)境的綜合描述，能夠充分利用多傳感器數(shù)據(jù)間的冗余和互補特性，獲得我們需要的信息。在智能汽車技術發(fā)展中，智能車對車輛周邊環(huán)境的感知與理解，是實現(xiàn)汽車“智能”的基本提前，只有準確及時地感知到車輛周圍的道路、車輛、行人等信息，智能車的駕駛行為才會有可靠的決策依據(jù)。目前，大部分智能車都安裝了各類雷達、攝像頭作為主要感知設備，它們原理不同、性能不同、功能各異，利用這些設備可以獲得不同的感知信息，從不同側面反映智能車周圍環(huán)境信息的變化。在輪式機器人的信息融合方面，通過構建變粒度的駕駛態(tài)勢CT圖簇實現(xiàn)攝像頭、雷達、GPS/BD+IMU、車姿等各類傳感器、先驗知識和時空關聯(lián)知識的信息融合，同時結合交通規(guī)則和駕駛經(jīng)驗大數(shù)據(jù)，建立智能車先驗知識庫，為解決智能車在市區(qū)道路的駕駛決策提供有力的支持。在一定的時間對一定的道路空間使用的權力。在智能駕駛中，路權可以用來描述滿足車輛當前安全行駛所需要的道路空間。行駛中的智能車的路權是一個流動的扇形區(qū)，與本車的尺寸、速度、周邊的車流量、前方擁有的空間密切相關，是本車速度的非線性函數(shù)，可用距離和角度來表示：在駕駛過程中，人們會出現(xiàn)不同的駕駛行為，如超車、換道或者重新規(guī)劃道路，智能車可以利用路權來描述換道三角形區(qū)域，如圖32所示，判斷是否可以超車。例如，本車道內(nèi)車間距較小，且沒有變大趨勢，路權受限，超出容忍；相鄰車道的車間距較大，且沒有變小趨勢，路權允許；則從換道窗口中確定換道路徑，執(zhí)行換道。圖32換道三角形路權與車速強相關，可分為期望路權和實際路權，當兩者不一致時，就需要進行調(diào)節(jié)來解決沖突。自主駕駛是智能車在任意時刻對路權的檢測和使用，多車交互是車群在任意時刻對路權的競爭、占有、放棄等協(xié)同過程。自主駕駛的不確定性，體現(xiàn)在車輛行駛中擁有的路權在不停地發(fā)生變化。路權和本車的尺寸、速度、周邊的車流量、前方擁有的空間密切相關，是本車速度的非線性函數(shù)。飆車占用了較大的路權，高峰時段停在車道上的故障車，也占用了較大的路權。如果在特定地段的所有車輛都勻速行駛，每輛車只占用最小路權，如公路火車。當智能車以編隊結構進行行駛時，就是跟馳形式，此時智能車不需要對周邊環(huán)境進行詳細的關注，只需要緊跟前方車輛，保持合適的安全距離，你停我停，你慢我慢的策略行進即可，無需過多的路權。駕駛員在制定出行任務規(guī)劃時，常常愿意選擇熟悉的道路，智能車亦然。智能車需要在駕駛地圖上完成一次規(guī)劃。一次規(guī)劃是出行任務規(guī)劃，基于道路地圖一次性給出從起點到目的地的地理空間規(guī)劃軌在內(nèi)的任何傳感器信息直接掛鉤，它不一定是GPS給出的離散點坐標形成的路網(wǎng)文件，還可以是帶有語義的、地理特征的、圖像特征等的道路地圖文件，用直角坐標系表達。一次規(guī)劃軌跡不具備時間性，未必可實際操作，因為沒有考慮駕駛過程中周邊隨時會出現(xiàn)的各種隨機情況。智能駕駛車輛在駕駛態(tài)勢坐標系里完成二次規(guī)劃。二次規(guī)劃是在周邊隨機駕駛態(tài)勢情況下的精細路徑規(guī)劃，也稱為實時路徑規(guī)劃。智能車上不同傳感器都有各自的坐標系，智能車也有自己的駕駛態(tài)勢坐標系，駕駛地圖在直角坐標系和運動中的駕駛態(tài)勢坐標系之間不停地相互映射，隨時標定智能車在不同坐標系中此時此刻所在的位置和方向。智能車決策模塊在駕駛態(tài)勢坐標系中完成對當前路權的理解和使用，形成駕駛策略，發(fā)出對方向盤、油門和剎車的控制指令。步定位與建圖"或"同步定位與映射",指的是機器人在自身位置不確定的條件下，在完全未知環(huán)境中創(chuàng)建地圖，同時利用地圖進行自主知位置開始移動，在移動過程中根據(jù)位置估計和傳感器數(shù)據(jù)進行自身定位，同時建造增量式地圖。智能車在自主駕駛時，需要實時明確車輛本身在一次規(guī)劃線上的位置，知道了精確位置以后，才能夠?qū)嵤┒我?guī)劃。因此，需要不斷地將駕駛地圖上本車周邊的駕駛態(tài)勢信息實時的映射到以智能車為中心的駕駛態(tài)勢坐標系中，這個過程就是一個逆向SLAM過程。SLAM技術是把道路周邊信息繪制到地圖中，而智能車需要利用SLAM技術實時的從駕駛地圖中獲取定位信息和其他與駕駛有關信息，用于實現(xiàn)二次規(guī)劃，因此逆向SLAM這個過程必不可少。如果把能完成數(shù)學運算的機器稱為“運算腦”,把能完成圍棋博中國智能駕駛白皮書弈的推理機器稱為"圍棋腦",以此類推，從人腦中剝離出來的、能完成各種駕駛認知的機器，就可稱為“駕駛腦”。將駕駛活動從人類的認知活動中抽象并剝離出來，當且僅當駕駛腦專門模擬人腦完成低級、繁瑣、持久的駕駛認知并保證其正確性和完備性，這樣的駕駛腦才不會分散注意力，永遠專注，永不疲倦。不論是人類駕駛還是智能駕駛系統(tǒng)，其駕駛活動均涵蓋三個空間：感知空間、認知空間與物理空間，如圖33所示。感知空間中，人通過視覺、嗅覺、觸覺等各種感官，智能駕駛車輛通過各類傳感器，完成對周邊環(huán)境和自身狀態(tài)的信號獲?。徽J知空間中，通過選擇性注意機制，從感知空間各類信號中，抽取出與駕駛活動相關的要素，形成駕駛態(tài)勢。并利用已有的知識和經(jīng)驗，對當前和歷史的駕駛態(tài)勢進行分析和理解，做出決策。物理空間中，駕駛員通過四肢，智能駕駛車輛通過電信號直接控制方向盤、油門、剎車、檔位等車輛執(zhí)行機構，使車輛達到或接近期望狀態(tài)，并將當前狀態(tài)反饋給感知空間，形成閉圖33駕駛活動涵蓋三個空間人腦通過不同區(qū)域的協(xié)同工作，完成學習與記憶，實現(xiàn)駕駛活動的機制。接下來，我們將用計算機技術解構這一機制，分析人腦各功能區(qū)域與駕駛腦各軟件模塊的對應關系。中國智能駕駛白皮書動機、性格、情緒等功能區(qū)域。人腦功能區(qū)域與駕駛腦功能模塊對應動機：確定任務經(jīng)由及終動機：確定任務經(jīng)由及終點。對應人機交互。長期記憶：表示駕駛員知識和經(jīng)驗。對應駕駛地圖與駕駛操作模型。工作記憶：駕駛員的選擇性注意。對應駕駛態(tài)勢形式化表示語言。計算中樞與思維：感官信號選擇性注意，與當前活動相關的知識經(jīng)驗提取，綜合分析與決策。對應各傳感器信息處理、先驗知識提取、智能決策、二次路徑規(guī)劃等。感覺記憶完成對感官信息的瞬時存儲，信息量極大而存儲時間極短。這部分功能對應于車載傳感器對周邊環(huán)境的感知。傳感器得到的圖像、點云等原始信號，存儲在緩存區(qū)內(nèi)，新數(shù)據(jù)迅速覆蓋舊數(shù)據(jù)，這一機制也與感覺記憶的工作原理非常相似。感覺記憶中的感官信息，由計算中樞與思維迅速分析，通過選擇性注意機制，抽取與當前活動相關的內(nèi)容，傳遞到工作記憶。這部分功能對應于各傳感器的信息處理模塊。這些模塊完成各類車載傳感器信息的預處理與分析，獲取車道標線、紅綠燈、交通標志、周邊其他車輛與行人、本車狀態(tài)與位置等與駕駛有關的信息。而與駕駛無關的信息則被迅速丟棄。長期記憶中存儲重要的經(jīng)驗、知識、場景等內(nèi)容，這部分功能對應于智能駕駛的駕駛地圖與駕駛行為模式。駕駛地圖精確記錄了與駕駛相關的地理信息，包括車道寬度、交通標志、靜態(tài)障礙物等等。駕駛行為包括巡線行駛、跟馳行駛、超車換道等。駕駛地圖與駕駛行為模式共同構成了智能駕駛系統(tǒng)的先驗知識。長期記憶中與當前活動相關的內(nèi)容，由計算中樞與思維完成抽取，傳遞給工作記憶。中國智能駕駛白皮書3.10駕駛態(tài)勢CT圖簇沒有結合人類的駕駛認知經(jīng)驗。無論傳感器(攝像頭、雷達、GPS/BD+IMU等)有多好，都只是有限的感知(相當于人的感官),中國智能駕駛白皮書如圖35所示，將周邊環(huán)境感知、車姿感知和電子地圖等信息都映射并標注到用于駕駛員周邊態(tài)勢認知的、與車輛同步移動的駕駛態(tài)勢CT圖簇中去，不僅需要融合傳感器所獲取的感官知識，還需要融合了先驗知識和時空關聯(lián)知識。因此，只有代表駕駛腦認知的駕駛態(tài)勢CT圖簇才是全局認知(相當于人的大腦)。駕駛態(tài)勢CT圖簇可以用來表示智能車擁有的實際路權和路權的征提取與預處理后，將得到的道路邊緣、靜動態(tài)障礙物、地面標線、信號燈等k個特征屬性通過不同的駕駛態(tài)勢CT圖形式化表達出來。駕駛態(tài)勢CT圖始終以智能車的幾何中心為中心，隨時間動態(tài)變化，不同的CT圖可表示與駕駛認知相關的不同屬性，同時也可生成以駕駛員為中心的三維全景駕駛認知視圖，供人機交互界面生動、直觀顯線、信號燈和交通標志牌的位置和內(nèi)容；CT4表示有關的的道路要素位置標定及路口信息映射；CT5表示人工駕駛的記錄軌跡；CT6表示危險場景記憶棒等。駕駛態(tài)勢CT圖的數(shù)量可根據(jù)駕駛態(tài)勢的屬性內(nèi)容進行增減。35駕駛態(tài)勢CT圖簇駕駛認知的圖表達語言可以從語境、語構、語義和語用這四個方面進行規(guī)范。(1)語境：在大地直角坐標系、極坐標系和對數(shù)極坐標系之間進行坐標變換，為檢測、識別路權對周邊障礙物進行同時定位和映射。(2)語構：認知單元的組織，如確定數(shù)組大小以及數(shù)組單元中國智能駕駛白皮書的命名規(guī)則，方便映射到相應語境中。(3)語義：認知單元的內(nèi)容表(4)語用：駕駛認知圖用于智能車的實時路徑規(guī)劃，同時也反饋給常用對數(shù)成正比的法則。該法則被稱為心理物理學定律 如衡量聲音響度的聲強級，其單位為以10為底對數(shù)關系的貝爾或分差一倍；衡量星體目視亮度的單位"視星等",星等相差5倍，亮度相差100倍；衡量視力的對數(shù)視力表，視標的大小也采用對數(shù)級數(shù)排考慮到智能駕駛車輛上配置的傳感器數(shù)據(jù)在參考面上不均勻分中國智能駕駛白皮書36所示。圖36對數(shù)極坐標系中極角定義轉換圖如圖37所示。圖37從極坐標到對數(shù)極坐標轉換的示例中國智能駕駛白皮書虛擬交換支撐模塊。通常智能駕駛試驗平臺都配置有不止一臺計算機。十余個甚至數(shù)十個應用層模塊分布式運行在不同計算機上，部分軟件模塊同時和多個模塊發(fā)生跨主機通信，通信拓撲復雜。傳統(tǒng)點對點通信方式進程相互依賴、數(shù)據(jù)耦合度高、可擴展性差、可維護性差，不利于系統(tǒng)開發(fā)與調(diào)試。無論是TCP協(xié)議還是UDP協(xié)議，建立通信通路都需要維護IP地址及端口號。隨著軟件模塊數(shù)量增加，通信地址表繁冗復雜，導致通信拓撲結構不清晰。同時，點對點通信也使代碼重用性差，單一模塊功能調(diào)整經(jīng)常導致整個系統(tǒng)多處修改。借鑒CAN總線思想，我們設計了一種分布式進程通信方案——虛擬交換機。虛擬交換機邏輯上由多條虛擬總線組成，每條總線連接若干軟件模塊，這些模塊可以分布在不同計算機上；同一條總線上的模塊間通過訂閱/發(fā)布方式進行數(shù)據(jù)通信，發(fā)布消息的模塊不維護訂閱模塊列表，訂閱模塊也不和消息發(fā)布模塊直接關聯(lián)，邏輯上各模塊只和總線直接通信。各模塊可以在虛擬總線上完成"熱插拔",隨用隨添加，隨停隨移除。虛擬交換機總線結構如圖38所示，它將通信功能從模塊中剝離，使模塊專注于自身事務處理，能長時間維持高性能可靠傳輸，方便系統(tǒng)開發(fā)與維護。圖38虛擬交換機總線結構圖日志記錄支撐模塊，如圖39所示。智能駕駛車輛試驗過程中的異常往往由特定駕駛場景引起，難以捕獲和復現(xiàn)。各模塊自行維護的日志，僅能記錄該模塊的運行狀況，時序不統(tǒng)一，難以聯(lián)合調(diào)試。此外，調(diào)試人員需要觀察日志文件以查找問題，缺乏自動化調(diào)試方法。針對這一問題，我們基于虛擬交換機，實現(xiàn)了用于智能駕駛系統(tǒng)的日0001000000ffffff0t0001000000ffffffff0t0001000000ffffffff0t2014/11/41145.PathOffaet0001000000ffffffff0l0001000000ffffffff0100010000.00ff01中國智能駕駛白皮書志記錄與回放模塊。這一模塊可以將虛擬總線上的消息，按照時序完整記錄至數(shù)據(jù)庫，還能夠按照時序，將消息原封不動回發(fā)至需要調(diào)試的應用層模塊。日志記錄與回放模塊能完整還原試驗中遇到駕駛場景，還可以利用編程環(huán)境提供的各種工具進行自動化調(diào)試，提升智能駕駛車輛的調(diào)試效率。0001000000ffffffff01_到2014/11/1511:47:42·0.0/0.0秒圖39日志管理進程監(jiān)控支撐模塊。智能駕駛車輛必須將安全性放在首位，而任何一個軟件模塊出現(xiàn)異常，都有可能造成整個系統(tǒng)不穩(wěn)定。因此，必須對各軟件模塊運行狀態(tài)進行實時監(jiān)控。針對這一問題，我們開發(fā)了進程監(jiān)控模塊。每個模塊運行時都要實時的向進程監(jiān)控模塊發(fā)送心跳應對措施，并通知調(diào)試人員對系統(tǒng)進行檢查。虛擬交換、日志記錄和進程監(jiān)控模塊構成了整個軟件架構的支撐層，對整個軟件系統(tǒng)的開發(fā)、維護與運行起到了基石作用。智能駕駛試驗平臺軟件架構層次結構如圖40所示。中國智能駕駛白皮書航制測支撐層驅(qū)動層應用層圖40智能駕駛試驗平臺軟件架構層次結構智能車進行局部路徑規(guī)劃(也可稱之為實時路徑規(guī)劃),一般是指在有障礙物的環(huán)境中，如何利用自身傳感器感知周邊環(huán)境，并尋找一條從當前點到目標點點的局部行駛路徑，使智能車在本次任務中能安全快速地到達目標位置。局部路徑規(guī)劃的方法主要包括以下關鍵部分：(1)建立環(huán)境模型，即將智能車所處現(xiàn)實世界抽象后，建立計算機可認知的環(huán)境模型。(2)搜索無碰路徑，即在某個模型的空間中，在多種約束條件下，選擇合乎條件的路徑搜索算法。根據(jù)智能車輛行駛的環(huán)境特點，局部路徑規(guī)劃中的側重點和難點都會有相應不同。在高速公路中，行車環(huán)境比較簡單但車速較快，此時對智能車控制精度要求很高，算法難點主要在于環(huán)境信息獲取的位置精度和路徑搜索的速度；在城市半結構化道路中，道路環(huán)境特征性比較明顯但交通環(huán)境比較復雜，周邊障礙物較多，這就對智能車識別道路特征和障礙物的可靠性有較高要求，路徑規(guī)劃的難點主要在于車中國智能駕駛白皮書汽車在城市道路上行駛，原本是在6自由度空間的運動學和動力化為2.5維上的運動問題。如圖41所示。在城市道路上行駛時，駕駛行為包括自由行駛、跟車可用"的"和"的串"表示。"的"是優(yōu)化目標，即以智能車當前的安全車距；自由行駛時，"的"是駕駛地圖上定位的前方路點，按路圖41尋的駕駛的形式化示意圖尋的駕駛就是針對不同駕駛行為尋找不同目的點或特征點，并建立對應的優(yōu)化過程，進而用于路徑規(guī)劃、車速控制等駕駛行為的生成過程。尋的駕駛反映了人如何理解駕駛環(huán)境以及如何選擇環(huán)境要素做出駕駛行為決策這一認知過程，并將各類駕駛行為進行統(tǒng)一的形式化。在智能駕駛的研發(fā)過程中，能夠使車輛自主控制泊車，是通向車輛智能的必經(jīng)之路。按照停車位形狀、類型的不同，可以將泊車分為平行泊車、垂直泊車和斜列式泊車三種類型?，F(xiàn)有的智能輔助泊車系統(tǒng)，多采用提高倒車雷達或倒車攝像頭的精度、提高算法模型復雜度等方法，需要消耗大量的物力、財力，有的計算時間過長，有的實現(xiàn)步驟過多，影響了智能駕駛系統(tǒng)響應的實時性。尋的泊車利用日志系統(tǒng)記錄人工駕駛過程中的泊車軌跡數(shù)據(jù)，生成泊車記憶棒。智能車在自動泊車時，根據(jù)車型與停車位大小，調(diào)用泊車記憶棒中相應的泊車軌跡曲線段，調(diào)用的泊車軌跡曲線段上點的切線和智能車正前向形成的航向角作為控制角，使智能車當前控制角為零的過程，即為尋的泊車的過程。當?shù)竭_泊車軌跡二維彎曲線段的終點時，汽車速度為零。一個個“的”連續(xù)而成“的串”,完成車輛從起始點到終點的自動泊車。尋的泊車示意圖如圖42所示。圖42尋的泊車示意圖3.16智能駕駛的自學習駕駛行為的不確定性可集中反映在智能車成百上千次的人工駕駛軌跡線上，通過對大量駕駛態(tài)勢認知圖以及對應的人工駕駛行為的操作進行記錄，對影響駕駛行為的關鍵參數(shù)進行抽象，運用機器學習中國智能駕駛白皮書和概率認知的方法，讓智能車具備自學習的能力。如果收集到大量司機的駕駛行為數(shù)據(jù)，可以學習得到“平均水平駕駛員";如果收集到某一類司機(如飆車手或菜鳥)等的駕駛行為數(shù)據(jù)，可以學習得到某一類特定的駕駛員；甚至，如果只收集某一特定司機的駕駛行為數(shù)據(jù)，機器也有望復制其駕駛習慣。關于智能駕駛是否需要根據(jù)特定駕駛員的駕駛“小數(shù)據(jù)”,學習智能車至少學習幾種類型的駕駛模式，以滿足不同乘客的多元化需求。3.17智能駕駛的智能化程度分級目前，在世界范圍內(nèi)智能駕駛車輛的認知程度分級尚不存在統(tǒng)一的標準。比較被廣泛認可的是2013年5月美國國家公路交通安全管理局設定的自動駕駛的智能化程度，分為5個級別，如圖43所示。獨立功能智能駕婆2008駕駛員手和腳不能同時離開操作位時可能要求等建資接管級別4:圖43智能駕駛的智能化程