《智能網(wǎng)聯(lián)汽車技術（第2版）》項目5

智能網(wǎng)聯(lián)汽車技術（第2版）主講教師：環(huán)境感知與決策規(guī)劃技術項目5

自動駕駛技術是集環(huán)境感知、路徑規(guī)劃、行為決策等功能于一體的綜合技術。其中，環(huán)境感知是先進駕駛輔助系統(tǒng)的關鍵環(huán)節(jié),是路徑規(guī)劃和行為決策的基礎；路徑規(guī)劃和行為決策是智能網(wǎng)聯(lián)汽車在交通環(huán)境中實現(xiàn)合法且合理行駛的關鍵。本項目主要介紹環(huán)境感知技術、基于環(huán)境感知的目標識別技術、路徑規(guī)劃技術、行為決策技術等相關知識。項目導讀達成目標技能目標素質目標知識目標1．掌握環(huán)境感知系統(tǒng)的組成和目標識別方法。2．掌握環(huán)境模型的建立方法和路徑規(guī)劃的算法。3．了解行為決策的方法。1．能構建環(huán)境感知技術、路徑規(guī)劃技術和行為決策技術的知識體系。2．能正確理解道路車道線的識別過程和自動泊車的路徑規(guī)劃流程。1．養(yǎng)成嚴謹務實、認真負責的職業(yè)素養(yǎng)。2．弘揚科學嚴謹、精益求精的工匠精神。項目導航認識環(huán)境感知系統(tǒng)認識路徑規(guī)劃與行為決策技術任務5.2任務5.1

認識環(huán)境感知系統(tǒng)任務5.1任務引入先進駕駛輔助系統(tǒng)需要在長期的駕駛實踐中，對“環(huán)境感知-決策規(guī)劃-控制執(zhí)行”過程進行理解、學習和記憶。環(huán)境感知作為其第一環(huán)節(jié)，是智能網(wǎng)聯(lián)汽車與外界環(huán)境信息交互的關鍵，是提高自動駕駛安全性的重要保障，因此必須使車輛能夠精確地模擬駕駛員的感知能力，從而理解自身和周邊的駕駛態(tài)勢。任務引入本任務要求學生了解環(huán)境感知系統(tǒng)的組成、環(huán)境感知的對象、環(huán)境感知傳感器等知識，掌握基于環(huán)境感知的目標識別技術，包括道路識別、車輛識別、行人識別、交通標志識別、交通信號燈識別等，知識與技能要求如下表所示。任務內容認識環(huán)境感知系統(tǒng)學習程度識記理解應用學習任務環(huán)境感知系統(tǒng)的組成●

環(huán)境感知的對象●環(huán)境感知傳感器●目標識別技術●實訓任務認識環(huán)境感知系統(tǒng)●自我勉勵任務工單——認識環(huán)境感知系統(tǒng)任務描述收集環(huán)境感知技術的相關資料，對資料內容進行學習與討論，認識環(huán)境感知系統(tǒng)的組成，掌握基于環(huán)境感知的目標識別技術。學生領取任務工單，并進行分組（詳見教材）相關知識環(huán)境感知技術環(huán)境感知技術概念：通過安裝在智能網(wǎng)聯(lián)汽車上的傳感器或車載自組織網(wǎng)絡，對道路、車輛、行人、交通標志、交通信號燈等目標進行檢測和識別的技術，如圖所示。應用：先進駕駛輔助系統(tǒng)中，以保障智能網(wǎng)聯(lián)汽車安全、準確地到達目的地。相關知識5.1.1環(huán)境感知系統(tǒng)的組成掃一掃觀看“環(huán)境感知系統(tǒng)”信息采集單元信息傳輸單元信息處理單元

相關知識5.1.1環(huán)境感知系統(tǒng)的組成01信息采集單元信息采集單元主要包括慣性元件、超聲波傳感器、激光雷達、毫米波雷達、視覺傳感器、車載自組織網(wǎng)絡、高精度定位系統(tǒng)等。信息采集單元獲取周圍環(huán)境和車輛信息的實時性和穩(wěn)定性，直接關系到后續(xù)信息處理的準確性和執(zhí)行的有效性。相關知識5.1.1環(huán)境感知系統(tǒng)的組成02信息處理單元信息處理單元主要用于處理信息采集單元輸送來的信號，并通過一定的算法對道路、車輛、行人、交通標志、交通信號燈等進行識別。信息處理單元加工后的信息可以被智能決策系統(tǒng)直接使用，作為決策依據(jù)。03信息傳輸單元信息傳輸單元主要是將信息處理單元加工后的信息實時傳輸給智能決策系統(tǒng)。相關知識5.1.2環(huán)境感知的對象駕駛狀態(tài)駕駛環(huán)境道路周邊物體感知對象相關知識5.1.2環(huán)境感知的對象1．道路結構化道路具有明顯的車道線或邊界，幾何特征明顯，車道寬度基本上保持不變，如城市道路、高速公路等非結構化道路一般是指城市非主干道、鄉(xiāng)村街道等道路，這類道路一般沒有車道線和清晰的道路邊界結構化道路非結構化道路2．周邊物體周邊物體主要包括車輛、行人、交通標志、交通信號燈，以及地面上可能影響車輛通過和安全行駛的其他物體。相關知識5.1.2環(huán)境感知的對象3．駕駛狀態(tài)駕駛狀態(tài)主要包括駕駛員自身狀態(tài)、車輛自身行駛狀態(tài)和周邊車輛行駛狀態(tài)。相關知識5.1.2環(huán)境感知的對象4．駕駛環(huán)境駕駛環(huán)境主要包括路面情況、道路交通擁堵情況、天氣狀況等。相關知識5.1.2環(huán)境感知的對象環(huán)境感知的對象有靜止的，如道路、交通標志和交通信號燈；也有運動的，如車輛、行人和移動的障礙物。對于運動的目標，環(huán)境感知系統(tǒng)不僅要對其進行檢測，還要對其軌跡進行追蹤，并根據(jù)追蹤結果，預測該目標下一步的軌跡。小貼士相關知識5.1.2環(huán)境感知的對象相關知識5.1.3環(huán)境感知傳感器0503010204慣性元件超聲波傳感器激光雷達毫米波雷達視覺傳感器

環(huán)境感知主要通過環(huán)境感知傳感器及車載自組織網(wǎng)絡，對環(huán)境信息進行采集，通過智能傳感器融合技術進行信息融合，并通過先進的算法進行信息處理，從而實現(xiàn)目標識別。目前，智能網(wǎng)聯(lián)汽車常用的環(huán)境感知傳感器主要有下面幾種。思政之窗利用智能傳感器融合技術對檢測到的數(shù)據(jù)進行分析、綜合、平衡，根據(jù)各傳感器的互補特性進行容錯處理，可擴大系統(tǒng)的時頻覆蓋范圍，增加信息維數(shù)，消除單個傳感器的工作盲區(qū)，從而得到所需要的環(huán)境信息。在學習和工作中，我們同樣要學會融會貫通，同學之間要取長補短、互促互進。相關知識5.1.3環(huán)境感知傳感器相關知識5.1.3環(huán)境感知傳感器1．慣性元件慣性元件主要是指汽車上的車輪轉速傳感器、加速度計、陀螺儀、轉向盤轉角傳感器等，通過它們可感知汽車自身的行駛狀態(tài)。2．超聲波傳感器超聲波傳感器主要用于短距離探測物體，該過程不受光照影響，但超聲波傳感器的測量精度受測量物體表面形狀、材質等影響較大。相關知識5.1.3環(huán)境感知傳感器毫米波雷達體積小、抗干擾能力強、探測性能好，受天氣和夜間影響較小，且傳播損失比激光雷達少，但它無法感知行人。4．毫米波雷達激光雷達能夠直接獲取物體三維距離信息，測量精度高，對光照強度的變化不敏感，但它無法感知無距離差異平面內的目標信息，且體積較大、價格較高、不便于集成。3．激光雷達5．視覺傳感器視覺傳感器獲取的圖像信息量大，且其實時性好、體積小、能耗低、價格低，但易受光照環(huán)境影響，對三維信息的測量精度較低。相關知識5.1.4基于環(huán)境感知的目標識別技術環(huán)境感知是決策規(guī)劃的基礎，但環(huán)境感知相關信息不能直接用于路徑規(guī)劃與行為決策。在此之前，需要對環(huán)境感知相關信息進行處理，實現(xiàn)對道路、車輛、行人、交通標志、交通信號燈等環(huán)境目標的識別。相關知識5.1.4基于環(huán)境感知的目標識別技術道路識別是把真實的道路通過激光雷達轉換成汽車所認識的道路，供智能網(wǎng)聯(lián)汽車行駛；或通過視覺傳感器識別出車道線，提供車輛在當前車道的位置，幫助智能網(wǎng)聯(lián)汽車提高行駛的安全性，如圖所示。1．道路識別相關知識5.1.4基于環(huán)境感知的目標識別技術1．道路識別1）道路識別的分類根據(jù)道路類型的不同根據(jù)所用傳感器的不同結構化道路識別主要識別道路邊界和各種車道線非結構化道路識別主要識別可行駛路徑基于視覺傳感器的道路識別是通過視覺傳感器采集道路圖像，并通過算法處理，識別出車道線；基于雷達的道路識別是通過雷達采集道路信息，并通過算法處理，識別出車道線。智能網(wǎng)聯(lián)汽車的道路識別主要是基于視覺傳感器的道路識別。相關知識5.1.4基于環(huán)境感知的目標識別技術1．道路識別2）圖像特征在對視覺傳感器采集的圖像進行處理時，需要明確圖像中各部分的特征，然后利用這些特征對圖像中的物體進行識別。圖像特征主要有顏色特征、紋理特征、形狀特征、空間位置特征等。相關知識5.1.4基于環(huán)境感知的目標識別技術顏色特征是對圖像或者圖像區(qū)域中色彩的描述，它不關注細節(jié)，不關注某一個具體的像素，而是從整體上來統(tǒng)計圖像或者圖像區(qū)域中的色彩。在圖像處理中，常用的顏色特征有顏色直方圖、顏色集、顏色矩、顏色聚合向量等。（1）顏色特征紋理特征是指圖像中色彩分布的某種規(guī)律性，它是面向全局的。紋理特征不會因為圖像的旋轉而發(fā)生變化，但當圖像被放大或縮小時，紋理特征會發(fā)生變化。（2）紋理特征1．道路識別相關知識5.1.4基于環(huán)境感知的目標識別技術形狀特征的提出主要是為了分析圖像或圖像區(qū)域中物體的各種形狀。這里的形狀特征包含了圖像或圖像區(qū)域的周長、面積、凹凸性、幾何形狀等特征。（3）形狀特征從整體來看，圖像中的物體與物體之間存在著一定的聯(lián)系，其中最直接的聯(lián)系是空間位置。物體之間可能鄰接，也可能被其他物體間隔；可能有相互重疊的部分，也可能有互不關聯(lián)的部分。有時候用絕對描述來描述空間位置，如某一物體的坐標；有時候用相對描述來描述空間位置，如某一物體的左側或右側。空間位置特征一般與其他特征配合使用。（4）空間位置特征1．道路識別相關知識5.1.4基于環(huán)境感知的目標識別技術1．道路識別3）道路識別的方法基于區(qū)域分割的道路識別基于特征的道路識別基于模型的道路識別基于特征與模型的道路識別等相關知識5.1.4基于環(huán)境感知的目標識別技術1．道路識別基于區(qū)域分割的道路識別基于特征的道路識別是根據(jù)圖像的顏色特征或紋理特征，將道路圖像的像素分割成道路和非道路兩部分。其中，基于顏色特征的區(qū)域分割方法的依據(jù)是道路圖像中道路部分與非道路部分的像素顏色存在顯著差異。主要是結合道路圖像的一些特征，如顏色、梯度、紋理等，在獲取的圖像中識別出道路邊界或車道線。這種方法不受道路形狀變化的影響，魯棒性較好，但對陰影和水跡較為敏感，且計算量較大，適用于具有明顯邊界特征的道路。相關知識5.1.4基于環(huán)境感知的目標識別技術魯棒是robust的音譯，是健壯、強壯的意思。魯棒性是指控制系統(tǒng)在一定的參數(shù)（結構、大?。_動下，維持其他某些性能的特性。小貼士相關知識5.1.4基于環(huán)境感知的目標識別技術1．道路識別主要是基于不同的道路圖像模型，采用不同的檢測技術對道路邊界或車道線進行識別。這種道路識別方法所檢測出的道路較為完整，只需要較少的參數(shù)就可以表示整個道路，對陰影、水跡等外界影響具有較強的抗干擾性，但在道路類型比較復雜時很難建立準確的道路模型。利用基于特征的道路識別方法對待處理圖像進行分割，找出其中的道路區(qū)域和道路邊界，再使用道路邊界擬合出道路模型，從而達到綜合利用兩種道路識別方法的目的?；谀Ｐ偷牡缆纷R別基于特征與模型的道路識別等相關知識5.1.4基于環(huán)境感知的目標識別技術2．車輛識別對前方運動的車輛進行識別是判斷安全車距的前提，車輛識別的準確性不僅能夠決定測距的準確性，還能夠及時發(fā)現(xiàn)一些交通安全隱患，如右圖。目前車輛識別的方法主要有基于特征的車輛識別、基于機器學習的車輛識別、基于光流場的車輛識別、基于模型的車輛識別等。相關知識5.1.4基于環(huán)境感知的目標識別技術1）基于特征的車輛識別基于特征的車輛識別是車輛識別中最常用的方法之一。對于前方運動車輛，其顏色、輪廓和對稱性等特征都可以用來將車輛與周圍背景區(qū)別開來。因此，基于特征的車輛識別就是以車輛的這些外形特征為基礎，從圖像中識別前方運動車輛的。常用的基于特征的車輛識別方法有利用陰影特征識別、利用邊緣特征識別、利用對稱特征識別、利用位置特征識別、利用車輛尾燈特征識別等。相關知識5.1.4基于環(huán)境感知的目標識別技術2）基于機器學習的車輛識別基于機器學習的車輛識別一般需要從車輛區(qū)域和非車輛區(qū)域提取目標特征，再訓練出識別車輛區(qū)域與非車輛區(qū)域的決策邊界，最后使用分類器判斷目標。其識別過程是對原始圖像進行不同比例的縮放，得到一系列的縮放圖像，然后在這些縮放圖像中搜索出所有與訓練樣本的尺度相同的區(qū)域，再由分類器判斷這些區(qū)域是否為目標區(qū)域，最后確定目標區(qū)域并獲取目標區(qū)域的信息。車輛識別的本質是對圖像中車輛區(qū)域與非車輛區(qū)域進行定位與判斷?；跈C器學習的車輛識別無法預先定位車輛可能存在的區(qū)域，因此只能對圖像進行全局搜索，這樣會使識別過程的計算復雜度較高，也無法保證識別的實時性。缺點相關知識5.1.4基于環(huán)境感知的目標識別技術3）基于光流場的車輛識別光流場是指圖像中所有像素點構成的一種二維瞬時速度場，其中的二維速度矢量是景物中可見點的三維速度矢量在成像表面的投影。通常光流場是由場景中目標本身的運動、視覺傳感器的運動或兩者的共同運動產(chǎn)生的?；诠饬鲌龅能囕v識別是在存在獨立運動目標的場景中，通過分析光流場來檢測目標數(shù)量、目標運動速度、目標相對距離、目標表面結構等。基于光流場的車輛識別對運動背景下目標的識別效果較好，但是存在計算量較大、對噪聲敏感等缺點。相關知識5.1.4基于環(huán)境感知的目標識別技術4）基于模型的車輛識別基于模型的車輛識別是根據(jù)前方運動車輛的參數(shù)建立二維或三維模型，然后利用指定的搜索算法來匹配并查找前方運動車輛。這種方法對建立的模型庫依賴度高，但是車輛外部形狀各異，僅建立一種或少數(shù)幾種模型難以對車輛實施有效的識別，而如果為每種車輛都建立精確的模型，又將大幅增加檢測過程中的計算量。相關知識5.1.4基于環(huán)境感知的目標識別技術3．行人識別行人識別是利用安裝在車輛前方的視覺傳感器采集前方場景的圖像信息，通過一系列復雜的算法分析處理這些圖像信息，實現(xiàn)對行人的識別。行人識別是智能網(wǎng)聯(lián)汽車先進駕駛輔助系統(tǒng)的重要組成部分。行人識別的目的是及時準確地識別出車輛前方的行人目標，并根據(jù)不同的危險級別提供不同的預警提示信息，從而降低甚至避免車輛與行人相撞。相關知識5.1.4基于環(huán)境感知的目標識別技術根據(jù)所采用視覺傳感器的不同0102基于可見光的行人識別基于紅外線的行人識別1）行人識別的分類相關知識5.1.4基于環(huán)境感知的目標識別技術1)定義：基于可見光的行人識別采用的視覺傳感器為普通的光學傳感器。優(yōu)點：普通的光學傳感器基于可見光進行成像，非常符合人體的正常視覺習慣，并且硬件成本十分低廉。缺點：但是受到光照條件的限制，這種行人識別方法只能在光照條件較好的白天應用，在光照條件很差的陰雨天或夜間無法使用?；诳梢姽獾男腥俗R別相關知識5.1.4基于環(huán)境感知的目標識別技術定義：基于紅外線的行人識別采用紅外熱成像視覺傳感器。優(yōu)點：這種行人識別方法不依賴于光照條件，具有很好的夜視功能，在白天和晚上都適用，尤其是在夜間以及光線較差的陰雨天，具有無可替代的優(yōu)勢?；诩t外線的行人識別2）相關知識5.1.4基于環(huán)境感知的目標識別技術基于特征分類的行人識別基于運動特性的行人識別基于形狀模型的行人識別基于小波變換和支持向量機的行人識別基于神經(jīng)網(wǎng)絡的行人識別行人識別的方法相關知識5.1.4基于環(huán)境感知的目標識別技術基于運動特性的行人識別是利用人體運動周期性特征來確定圖像中的行人的。這種行人識別方法主要識別運動的行人，不適合識別靜止的行人?；谔卣鞣诸惖男腥俗R別著重于提取行人特征，然后通過對行人特征的匹配來識別行人目標?；谔卣鞣诸惖男腥俗R別基于運動特性的行人識別基于形狀模型的行人識別主要依靠行人的形狀特征來識別行人。這種行人識別方法避免了由于背景變化和視覺傳感器運動帶來的影響，適用于識別運動和靜止的行人?；谛螤钅Ｐ偷男腥俗R別相關知識5.1.4基于環(huán)境感知的目標識別技術提取行人的特征是指利用數(shù)學方法和圖像處理技術從原始的灰度圖像或者彩色圖像中提取表征人體信息的特征，目前行人識別的特征主要有HOG（histogramoforientedgradient，方向梯度直方圖）特征、哈爾小波特征、小邊特征、顏色特征等。如圖5-8所示為行人識別的原始圖像，如圖5-9所示為利用行人HOG特征識別的結果。小貼士相關知識5.1.4基于環(huán)境感知的目標識別技術小波模板主要是按照圖像中小波相關的系數(shù)子集定義目標形狀的?；谛〔ㄗ儞Q和支持向量機的行人識別，首先是對圖像中每個特定大小的窗口進行一定范圍的比例縮放，將得到的窗口進行小波變換，然后利用支持向量機檢測變換后的結果是否可以與小波模板匹配，如果匹配成功，則認為檢測到一名行人?；谛〔ㄗ儞Q和支持向量機的行人識別神經(jīng)網(wǎng)絡在行人識別技術中的應用主要是對利用視覺信息探測到的可能含有行人的區(qū)域進行分類識別。基于神經(jīng)網(wǎng)絡的行人識別，首先是利用立體視覺進行目標區(qū)域分割，然后合并和分離子目標候選圖像中滿足行人尺寸和形狀約束的子圖像，最后將所有探測到的可能含有行人目標的框形區(qū)域輸入到神經(jīng)網(wǎng)絡，進行行人識別?；谏窠?jīng)網(wǎng)絡的行人識別相關知識5.1.4基于環(huán)境感知的目標識別技術4．交通標志識別交通標志作為重要的道路交通安全附屬設施，可向駕駛員提供各種引導和約束信息。駕駛員實時、正確地獲取交通標志信息，方可保證行車安全。在智能網(wǎng)聯(lián)汽車中，交通標志的識別是通過圖像識別系統(tǒng)實現(xiàn)的：首先使用車載攝像頭獲取目標圖像，然后進行目標分割和特征提取，最后通過與交通標志標準特征庫比較進行交通標志識別。

識別結果可以與其他智能網(wǎng)聯(lián)汽車共享。相關知識5.1.4基于環(huán)境感知的目標識別技術基于顏色信息的交通標志識別01030204基于形狀特征的交通標志識別基于顯著性的交通標志識別基于特征提取和機器學習的交通標志識別等交通標志的識別方法相關知識5.1.4基于環(huán)境感知的目標識別技術基于顏色信息的交通標志識別顏色分割是利用交通標志特有的顏色特征，將交通標志與背景分離。由于顏色信息不會隨著圖像的旋轉、傾斜而發(fā)生變化，因此與幾何、紋理等特征相比，基于顏色信息的交通標志識別在圖像旋轉、傾斜的情況下具有較好的魯棒性?；谛螤钐卣鞯慕煌酥咀R別顏色檢測和形狀檢測是交通標志識別中的重要內容?；谛螤钐卣鞯慕煌酥咀R別通常都以顏色分割做粗檢測，排除大部分的背景干擾，再提取二值圖像各連通域的輪廓，進行形狀特征的分析，進而確定交通標志候選區(qū)域并完全定位。相關知識5.1.4基于環(huán)境感知的目標識別技術視野拓展我國的道路交通標志分為警告標志、指示標志、禁令標志三大類。其中，禁令標志的顏色以紅色為主，形狀為倒三角形、正八邊形或圓形；指示標志以藍色為主，形狀為圓形或矩形；警告標志以黃色為主，形狀為正三角形。在識別交通標志的過程中，應充分利用顏色和形狀信息，以及顏色與形狀信息間的對應關系。相關知識5.1.4基于環(huán)境感知的目標識別技術基于顯著性的交通標志識別交通標志具有顯眼的顏色和特定的形狀，其在一定程度上滿足顯著性要求，因此可以采用顯著性模型來識別交通標志?；谔卣魈崛『蜋C器學習的交通標志識別基于特征提取和機器學習的交通標志識別一般使用滑動窗口或者使用之前處理得到的感興趣區(qū)域進行驗證?；谔卣魈崛〉慕煌酥咀R別，首先是對全圖或者交通標志可能出現(xiàn)的感興趣區(qū)域操作，以多尺度的窗口滑動掃描目標區(qū)域，然后對得到的每一個窗口均用訓練好的分類器判斷是否是標志。基于機器學習的交通標志識別則是經(jīng)過顏色、形狀分析等處理得到感興趣區(qū)域，此時感興趣區(qū)域已經(jīng)是一整個標志或者干擾物，只需要對其整體進行分類即可。相關知識5.1.4基于環(huán)境感知的目標識別技術5．交通信號燈識別首先是檢測交通信號燈，即通過視覺傳感器，從復雜的城市道路交通環(huán)境中獲取圖像，根據(jù)交通信號燈的顏色、幾何特征等信息，準確檢測其位置，獲取候選區(qū)域。然后是識別交通信號燈，即對交通信號燈的候選區(qū)域進行分析和特征提取，運用分類算法，實現(xiàn)對其分類識別。檢測識別相關知識5.1.4基于環(huán)境感知的目標識別技術交通信號燈的識別方法基于顏色特征的交通信號燈識別基于形狀特征的交通信號燈識別主要是選取某個色彩空間，對交通信號燈的紅、黃、綠3種顏色進行描述。主要是利用交通信號燈與其相關支撐物之間的幾何信息來識別交通信號燈。這種交通信號燈識別方法的主要優(yōu)勢在于交通信號燈的形狀信息一般不會受到光學和天氣變化的影響。任務實訓——識別道路的車道線1．實訓目標（1）能夠了解車道線的識別過程。（2）能夠正確構建道路識別的知識體系。2．實訓步驟1）了解車道線的識別過程2）分組討論實訓步驟詳見教材。根據(jù)分工填寫“任務工單——認識環(huán)境感知系統(tǒng)”（詳見教材）各小組成員根據(jù)自身表現(xiàn)情況配合指導教師完成“考核評價表”項目名稱評價內容分值評價分數(shù)自評互評師評職業(yè)素養(yǎng)考核項目無遲到、無早退、無曠課8分儀容儀表符合規(guī)范要求8分具備良好的安全意識與責任意識10分具備良好的團隊合作與交流能力8分具備較強的紀律執(zhí)行能力8分保持良好的作業(yè)現(xiàn)場衛(wèi)生8分專業(yè)能力考核項目積極參加教學活動，按時完成任務工單16分操作規(guī)范，符合作業(yè)規(guī)程16分操作熟練，工作效率高18分合計100分總評自評（20%）+互評（20%）+師評（60%）=

綜合等級：

指導教師（簽名）：

考核評價表任務實訓——識別道路的車道線課堂小結（1）環(huán)境感知系統(tǒng)的組成（2）環(huán)境感知的對象（3）環(huán)境感知傳感器（4）基于環(huán)境感知的目標識別技術認識路徑規(guī)劃與行為決策技術任務5.2任務引入在一套相對成熟的自動駕駛技術體系中，如果將環(huán)境感知模塊比作人的眼睛和耳朵，那么決策規(guī)劃模塊就相當于人的大腦。大腦在接收到傳感器的各種感知信息之后，對當前環(huán)境做出分析，建立環(huán)境模型，然后通過路徑規(guī)劃與行為決策技術確定車輛需要采取的動作，并對底層控制模塊下達指令，這一過程就是決策規(guī)劃模塊的主要任務。決策規(guī)劃模塊的性能是衡量和評價自動駕駛能力的核心指標之一。任務引入任務內容認識路徑規(guī)劃與行為決策技術學習程度識記理解應用學習任務環(huán)境模型的建立方法●

路徑規(guī)劃的算法●行為決策的方法●實訓任務認識路徑規(guī)劃與行為決策技術●自我勉勵本任務要求學生掌握路徑規(guī)劃相關算法和行為決策的方法，知識與技能要求如下表所示。任務工單——認識路徑規(guī)劃與行為決策技術任務描述收集路徑規(guī)劃與行為決策技術的相關資料，對資料內容進行學習與討論，了解并分析智能網(wǎng)聯(lián)汽車路徑規(guī)劃與行為決策的方法。學生領取任務工單，并進行分組（詳見教材）相關知識5.2.1路徑規(guī)劃技術掃一掃觀看“路徑規(guī)劃技術”路徑規(guī)劃智能網(wǎng)聯(lián)汽車的路徑規(guī)劃是指在一定環(huán)境模型基礎上，通過給定起點和目標點后，按照性能指標規(guī)劃出一條無碰撞、能安全到達目標點的有效路徑。相關知識5.2.1路徑規(guī)劃技術startend首先建立環(huán)境模型，即將現(xiàn)實的環(huán)境進行抽象后建立相關模型；環(huán)境建模然后根據(jù)算法進行路徑搜索，尋找符合條件的最優(yōu)路徑；路徑搜索最后對最優(yōu)路徑做進一步處理，使其成為一條實際可行的平滑路徑。路徑處理相關知識5.2.1路徑規(guī)劃技術1．環(huán)境建模的方法可視圖法柵格法自由空間法拓撲法相關知識5.2.1路徑規(guī)劃技術1）可視圖法在位姿空間中，將運動物體視為一點，用直線段將物體運動的起點與所有位姿空間障礙物的頂點和目標點連接，并保證這些直線段不與空間中的障礙物相交，這樣就形成一張圖，稱為可視圖，如圖所示。相關知識5.2.1路徑規(guī)劃技術由于任意兩直線段的頂點是可見的，所以從起點沿著直線段到達目標點的所有路徑均是運動物體的無碰撞路徑。因此，搜索最優(yōu)路徑的問題就轉化為由起點經(jīng)過這些可視直線段到達目標點所用最短距離的問題?？梢晥D法具有概念直觀、實現(xiàn)簡單等優(yōu)點，缺點是缺乏靈活性，當車輛的起始點和目標點發(fā)生改變時，就要重新構造可視圖，算法的復雜性與障礙物的數(shù)量成正比，并且不是在任何時候都可以獲得最優(yōu)路徑。相關知識5.2.1路徑規(guī)劃技術2）柵格法在柵格法是用柵格單元表示整個工作環(huán)境，將車輛的連續(xù)工作環(huán)境分解成一系列柵格，如圖所示。柵格的大小與車輛的尺寸相同。柵格可分為自由柵格和障礙物柵格兩種：自由柵格是指某一柵格范圍內不含有任何障礙物；障礙物柵格是指某個柵格范圍內存在障礙物。相關知識5.2.1路徑規(guī)劃技術優(yōu)點柵格法對環(huán)境空間的劃分和操作都比較簡單，較容易實現(xiàn)。缺點由于連續(xù)的工作空間被劃分為離散的柵格空間，沒有考慮環(huán)境本身固有的一些特點，這使柵格屬性代表的信息具有片面性，并且柵格法對柵格大小的劃分有很大的依賴性，當柵格劃分較小且當環(huán)境很復雜時，搜索空間會急劇增大，算法的效率就會明顯降低。相關知識5.2.1路徑規(guī)劃技術3）自由空間法自由空間法是采用預先定義的基本形狀（如廣義錐形和凸多邊形等）構造自由空間，并將自由空間表示為連通圖，然后通過搜索連通圖來進行路徑規(guī)劃。優(yōu)點是自由空間法比較靈活，起點和目標點的改變不會造成連通圖的重構，缺點是算法的復雜性與障礙物的數(shù)量成正比，并且不是在任何時候都可以獲得最優(yōu)路徑。相關知識5.2.1路徑規(guī)劃技術4）拓撲法拓撲法是將規(guī)劃空間分割成具有拓撲特征的子空間，根據(jù)彼此的連通性建立拓撲網(wǎng)絡，在網(wǎng)絡上尋找起點到目標點的拓撲路徑，最終由拓撲路徑求出幾何路徑，如圖所示。優(yōu)點是不管環(huán)境多么復雜，都能找到無碰撞路徑；缺點是建立拓撲網(wǎng)絡的過程相當復雜，計算量龐大。相關知識5.2.1路徑規(guī)劃技術2．路徑規(guī)劃的算法Dijkstra算法概率路線圖算法A*算法相關知識5.2.1路徑規(guī)劃技術概率路線圖算法將路徑規(guī)劃分為兩個階段在學習階段，先通過采樣和碰撞檢測建立完整的無向圖，以得到構型空間的完整連接屬性在查詢階段，利用搜索算法在路線圖上尋找路徑學習階段查詢階段1）概率路線圖算法相關知識5.2.1路徑規(guī)劃技術初始化構型采樣領域計算邊線連接碰撞檢測結束條件搜索設G(V，E)為一個無向圖，其中頂點集V代表無碰撞的構型，連續(xù)集E代表無碰撞的路徑，初始狀態(tài)為空。定義距離ρ，對于已經(jīng)存在于頂點集V中的點，如果它與α(i)的距離小于ρ，則稱其為點α(i)的領域點。檢測連線τ是否與障礙物發(fā)生碰撞，如果無碰撞，則將其加入連線集E中。采用圖搜索算法對無向圖G進行搜索，如果能找到起點A到目標點B的路線，說明存在可行的運動規(guī)劃方案。從構型空間采樣一個無碰撞的點α(i)并加入頂點集V中。將點與其領域點相連，生成連線τ。當所有采樣點（滿足采樣數(shù)量要求）均已完成上述步驟后結束。概率路線圖算法實現(xiàn)步驟相關知識5.2.1路徑規(guī)劃技術2）Dijkstra算法首先查找離第一個節(jié)點最近的相關節(jié)點和兩者之間的道路信息，并把它們都存儲起來，然后通過查找與之距離最短的一個節(jié)點是不是終點，若是終點，則將該節(jié)點存儲起來并返回；若不是終點，則從臨時緩存中刪除第一個節(jié)點，將該節(jié)點存儲起來。2）判斷路徑規(guī)劃的可行性，即判斷起點和目標點的選擇是否可行和存儲節(jié)點的容器是否正確，并將存放節(jié)點的容器初始化，然后把所有節(jié)點粘貼到臨時緩存中。1）Dijkstra算法是最經(jīng)典的路徑搜索算法，其計算結果的質量穩(wěn)定、計算速度快。步驟如下：相關知識5.2.1路徑規(guī)劃技術2）Dijkstra算法判斷目前節(jié)點是不是路徑規(guī)劃的終點，若是，則返回該節(jié)點；若不是，則刪除臨時緩存中的已分析節(jié)點，重新回到步驟（3）。4）尋找離目前中間點最近的一個節(jié)點，將該節(jié)點存儲起來。3）相關知識5.2.1路徑規(guī)劃技術3）A*算法A*算法的估價函數(shù)為f(j)=g(j)+h(j)式中：f(j)——估價函數(shù)；g(j)——從原點到當前節(jié)點j的代價；h(j)——從當前節(jié)點j到目標節(jié)點之間最小代價的估價函數(shù)。A*算法是目前比較常用的最短路徑啟發(fā)式搜索算法。它充分運用問題域狀態(tài)空間的啟發(fā)信息，對問題求解選取比較適宜的估價函數(shù)，再利用估價函數(shù)的反饋結果對它的搜索戰(zhàn)略進行動態(tài)的調節(jié)，最終得到問題的最優(yōu)解。相關知識5.2.1路徑規(guī)劃技術（1）賦給初始值，初始化所有節(jié)點、臨時緩存和關聯(lián)容器（2）計算初始節(jié)點與各個相關節(jié)點的權值f(j)，然后保存起來，從中獲取權值最小的節(jié)點，并保存該節(jié)點，最后把它從節(jié)點緩存中去掉。（3）計算該節(jié)點是不是終點。若是終點，則返回該節(jié)點；若不是終點，則進行下一步計算。（4）獲得所有的中間節(jié)點與相關節(jié)點的權值f(j)，然后開始判斷。若這個節(jié)點沒有保存，則把這個節(jié)點存儲起來；若這個節(jié)點已經(jīng)保存，則比較這個節(jié)點的權值和已保存節(jié)點的權值大小，如果它不大于已保存節(jié)點的權值，則用它更新替換已保存節(jié)點。（5）查找中間點的關聯(lián)節(jié)點中權值最小的一個節(jié)點，將該節(jié)點保存，然后將其從節(jié)點緩存中去掉，并重新回到步驟（3）。A*算法的步驟相關知識5.2.1路徑規(guī)劃技術A*算法特點其余算法A*算法通過使用估價函數(shù)，能自動地使運算結果趨向于目標點。它查找的節(jié)點越少，被占用的存儲空間就越小。除了上述算法外，路徑規(guī)劃算法還有D*算法、遺傳算法、模擬退火算法、蟻群算法等。在實際應用中，需要根據(jù)不同的實際需求選擇或設計合適的算法，并對其進行優(yōu)化。相關知識5.2.2行為決策技術智能網(wǎng)聯(lián)汽車向右變道的行為決策智能網(wǎng)聯(lián)汽車的行為決策是指通過環(huán)境感知傳感器得到交通環(huán)境信息，分析周邊環(huán)境、動態(tài)與靜態(tài)障礙物、車輛匯入及讓行規(guī)則等，并與智能駕駛庫中的經(jīng)驗知識等進行匹配，進而選擇適合當前交通環(huán)境的駕駛策略。相關知識5.2.2行為決策技術基于強化學習的行為決策方法行為決策的目標主要是保證智能網(wǎng)聯(lián)汽車可以像人類一樣執(zhí)行安全駕駛行為。智能網(wǎng)聯(lián)汽車的行為決策方法包括兩種基于規(guī)則的行為決策方法相關知識5.2.2行為決策技術1．基于規(guī)則的行為決策方法基于規(guī)則的行為決策方法將智能網(wǎng)聯(lián)汽車的運動行為進行劃分，根據(jù)當前任務路線、交通環(huán)境、交通法規(guī)、駕駛規(guī)則等建立行為規(guī)則庫，對不同的環(huán)境狀態(tài)進行行為決策邏