智能網(wǎng)聯(lián)汽車技術(shù)全冊課件

智能網(wǎng)聯(lián)汽車概述能網(wǎng)聯(lián)智汽車技術(shù)時間：講課老師：內(nèi)

容CONTENTS智能網(wǎng)聯(lián)汽車相關(guān)概念01智能網(wǎng)聯(lián)汽車分類02智能網(wǎng)聯(lián)汽車發(fā)展現(xiàn)狀03智能網(wǎng)聯(lián)汽車技術(shù)041.1智能網(wǎng)聯(lián)汽車的相關(guān)概念及系統(tǒng)構(gòu)成“智能”是指搭載先進的車載傳感器、控制器、執(zhí)行器等裝置和車載系統(tǒng)模塊，具備復(fù)雜環(huán)境感知、智能化決策與控制等功能?！熬W(wǎng)聯(lián)”主要指信息互聯(lián)共享能力，即通過通信與網(wǎng)絡(luò)技術(shù)，實現(xiàn)車內(nèi)、車與車、車與環(huán)境間的信息交互；“汽車”是智能終端載體的形態(tài)，可以是燃油汽車，也可以是新能源汽車，未來是以新能源汽車為主。

智能？

網(wǎng)聯(lián)？

1.智能網(wǎng)聯(lián)汽車的定義智能網(wǎng)聯(lián)汽車：是指搭載先進的車載傳感器、控制器、執(zhí)行器等裝置，并融合現(xiàn)代通信與網(wǎng)絡(luò)技術(shù)，實現(xiàn)車與X（車、路、行人、云端等）智能信息交換、共享，具備復(fù)雜環(huán)境感知、智能決策、協(xié)同控制等功能，可實現(xiàn)車輛“安全、高效、舒適、節(jié)能”行駛，并最終可實現(xiàn)替代人來操作的新一代汽車。智能網(wǎng)聯(lián)汽車是智能汽車與車聯(lián)網(wǎng)相融合的產(chǎn)物；智能網(wǎng)聯(lián)汽車的終極目標是實現(xiàn)在各種道路環(huán)境中安全行駛的無人駕駛汽車；車聯(lián)網(wǎng)的終極發(fā)展目標是智能交通系統(tǒng)。車聯(lián)網(wǎng)---是以車內(nèi)網(wǎng)、車際網(wǎng)和車載移動互聯(lián)網(wǎng)為基礎(chǔ)，按照約定的體系架構(gòu)及其通信協(xié)議和數(shù)據(jù)交互標準，在V2X（V代表汽車，X代表車、路、行人及應(yīng)用平臺等）之間進行無線通信和信息交換的大系統(tǒng)網(wǎng)絡(luò)，是能夠?qū)崿F(xiàn)智能化交通管理、智能動態(tài)信息服務(wù)和車輛智能化控制的一體化網(wǎng)絡(luò)，是物聯(lián)網(wǎng)技術(shù)在智能交通系統(tǒng)領(lǐng)域的延伸。智能交通系統(tǒng)---是將先進的數(shù)據(jù)傳輸技術(shù)、電子控制技術(shù)、計算機技術(shù)及智能車輛技術(shù)等綜合運用于整個交通運輸管理體系，通過對交通信息的實時采集、傳輸和處理，借助各種科技手段和設(shè)備，對各種交通情況進行協(xié)調(diào)和處理，建立起一種實時、準確、高效的綜合運輸管理體系，提高交通效率和安全水平，最終使交通運輸服務(wù)和管理智能化，實現(xiàn)交通運輸?shù)募s式發(fā)展。第6頁2.智能網(wǎng)聯(lián)汽車相關(guān)概念間的關(guān)系？

在課本第三頁掃碼看看?。。。。。≈悄芫W(wǎng)聯(lián)汽車是智能交通系統(tǒng)中智能汽車與車聯(lián)網(wǎng)的交集產(chǎn)品，目標是解決安全、節(jié)能、環(huán)保等制約產(chǎn)業(yè)發(fā)展的核心問題。車聯(lián)網(wǎng)聚焦點是建立一個交通體系，通過車載信息終端實現(xiàn)與車、路、行人、業(yè)務(wù)平臺等之間的無線通信和信息交換，發(fā)展重點是給汽車提供信息服務(wù)。1）環(huán)境感知層--環(huán)境感知層的主要功能是通過車載環(huán)境感知傳感技術(shù)、定位技術(shù)、4G/5G及V2X無線通信技術(shù)等，實現(xiàn)對車輛自身屬性和車輛外在屬性（如道路、車輛和行人等）靜、動態(tài)信息的提取和收集，并向智能決策層輸送信息。2）智能決策層---智能決策層的主要功能是接收環(huán)境感知層的信息并進行融合，對道路、車輛、行人、交通標志和交通信號等進行識別，決策分析和判斷車輛駕駛模式和將要執(zhí)行的操作，并向控制和執(zhí)行層輸送指令。3）控制和執(zhí)行層---控制和執(zhí)行層的主要功能是按照智能決策層的指令，對車輛進行操作和協(xié)同控制，并為聯(lián)網(wǎng)汽車提供道路交通信息、安全信息、娛樂信息、救援信息以及商務(wù)辦公、網(wǎng)上消費等，保障汽車安全行駛和舒適駕駛。3.智能網(wǎng)聯(lián)汽車系統(tǒng)構(gòu)成3.智能網(wǎng)聯(lián)汽車系統(tǒng)構(gòu)成1.2智能網(wǎng)聯(lián)汽車分類網(wǎng)聯(lián)化等級等級名稱等級定義典型信息傳輸需求典型場景控制1網(wǎng)聯(lián)輔助信息交互基于車-路、車-后臺通信，實現(xiàn)導(dǎo)航等輔助信息的獲取以及車輛行駛數(shù)據(jù)與駕駛?cè)瞬僮鞯葦?shù)據(jù)的上傳。地圖、交通流量、交通標志、油耗、里程等靜態(tài)信息傳輸實時性、可靠性要求較低交通信息提醒、車載信息娛樂服務(wù)、ecall等人2網(wǎng)聯(lián)協(xié)同感知基于車-車、車-路、車-人、車-云通信，實現(xiàn)獲取車輛周邊交通環(huán)境信息，與車載傳感器的感知信息融合，作為自車決策與控制系統(tǒng)的輸入。。周邊車輛/行人/非機動車位置、信號燈相位、道路預(yù)警等動態(tài)數(shù)字化信息傳輸實時性、可靠性要求較高道路濕滑、緊急制動預(yù)警、特殊車輛避讓等人/自車3網(wǎng)聯(lián)協(xié)同決策與控制基于車-車、車-路、車-人、車-云通信，實時并可靠獲取車輛周邊交通環(huán)境信息及車輛決策信息，車-車、車-路等各交通參與者之間信息進行交互融合，形成車-車、車-路等各交通參與者之間的協(xié)同決策與控制。車-車、車-路、車-云間的協(xié)同控制信息傳輸實時性、可靠性要求較高列隊跟馳等人/自車/他車/云1）智能網(wǎng)聯(lián)汽車網(wǎng)聯(lián)化分類：2）智能網(wǎng)聯(lián)汽車的駕駛自動化分級分級L0L1L2L3L4L5等級名稱無自動化駕駛支持部分自動化有條件自動化高度自動化完全自動化定義由駕駛?cè)巳珯?quán)駕駛汽車，在行駛過程中可以得到警告通過駕駛環(huán)境對轉(zhuǎn)向盤和加減速中的一項操作提供支持，其余由駕駛?cè)瞬僮魍ㄟ^駕駛環(huán)境對轉(zhuǎn)向盤和加減速中的多項操作提供支持，其余由駕駛?cè)瞬僮饔蔁o人駕駛系統(tǒng)完成所有的駕駛操作，根據(jù)系統(tǒng)要求，駕駛?cè)颂峁┻m當?shù)膽?yīng)答由無人駕駛系統(tǒng)完成所有的駕駛操作，根據(jù)系統(tǒng)要求，駕駛?cè)瞬灰欢ㄌ峁┧械膽?yīng)答；限定道路和環(huán)境條件由無人駕駛系統(tǒng)完成所有的駕駛操作，可能的情況下，駕駛?cè)私庸?；不限定道路和環(huán)境條件主體駕駛操作駕駛?cè)笋{駛?cè)?系統(tǒng)系統(tǒng)周邊監(jiān)控駕駛?cè)讼到y(tǒng)支援駕駛?cè)讼到y(tǒng)系統(tǒng)作用域無部分全域

SAE汽車駕駛自動化等級分級名稱定義持續(xù)的車輛橫向和縱向控制目標和事件探測與響應(yīng)動態(tài)駕駛?cè)蝿?wù)后援設(shè)計運行范圍0級應(yīng)急輔助系統(tǒng)不能持續(xù)執(zhí)行動態(tài)駕駛?cè)蝿?wù)中的車輛橫向或縱向運動控制，但具備持續(xù)執(zhí)行動態(tài)任務(wù)中的部分目標和事件探測與響應(yīng)能力駕駛?cè)笋{駛?cè)思跋到y(tǒng)駕駛?cè)擞邢拗?級部分駕駛輔助系統(tǒng)在其設(shè)計運行條件下持續(xù)地執(zhí)行動態(tài)駕駛?cè)蝿?wù)中的車輛橫向或縱向控制，且具備與所執(zhí)行的車輛橫向或縱向運動控制相適應(yīng)的部分目標和事件探測與響應(yīng)能力駕駛?cè)思跋到y(tǒng)駕駛?cè)思跋到y(tǒng)駕駛?cè)擞邢拗?級組合駕駛輔助系統(tǒng)在其設(shè)計運行條件下待續(xù)地執(zhí)行動態(tài)駕駛?cè)蝿?wù)中的車輛橫向和縱向控制，且具備與所執(zhí)行的車輛橫向和縱向運動控制相適應(yīng)的部分目標和事件探測與響應(yīng)能力系統(tǒng)駕駛?cè)思跋到y(tǒng)駕駛?cè)擞邢拗?級有條件自動駕駛系統(tǒng)在其設(shè)計運行條件下持續(xù)地執(zhí)行全部動態(tài)駕駛?cè)蝿?wù)系統(tǒng)系統(tǒng)動態(tài)駕駛?cè)蝿?wù)后援用戶有限制4級高度自動駕駛系統(tǒng)在其設(shè)計運行條件下持續(xù)地執(zhí)行全部動態(tài)駕駛?cè)蝿?wù)并自動執(zhí)行最小風險策略系統(tǒng)系統(tǒng)系統(tǒng)有限制5級完全自動駕駛系統(tǒng)在任何可行駛條件下持續(xù)地執(zhí)行全部動態(tài)駕駛?cè)蝿?wù)并自動執(zhí)行最小風險策略系統(tǒng)系統(tǒng)系統(tǒng)無限制中國汽車駕駛自動化等級2.智能網(wǎng)聯(lián)汽車應(yīng)用（1）自動駕駛礦車內(nèi)蒙古寶利煤炭有限公司于2019年9月在寶利煤礦首次使用了3輛自動駕駛礦車來運輸煤炭。通過“愚公”智慧礦山無人化運輸系統(tǒng)來對車輛進行控制，具體包括礦車自動駕駛系統(tǒng)、機群調(diào)度系統(tǒng)、遠程管控系統(tǒng)等。2.智能網(wǎng)聯(lián)汽車應(yīng)用（2）自動駕駛公交車2018年12月28日，湖南湘江新區(qū)智慧公交示范線首發(fā)儀式在長沙市舉行。湖南湘江新區(qū)智慧公交示范線路全長7.8km，沿途停靠11個站點，雙向總計22個站點，一期計劃投放4輛中車電動智能駕駛公交試運行。2.智能網(wǎng)聯(lián)汽車應(yīng)用（3）自動駕駛出租車2018年底，文遠知行和小馬智行先后在廣州開始進行自動駕駛出租車的試運營，之后百度也積極跟進，憑借更大的體量和規(guī)模，在全國各大城市開展無人駕駛出租車的試乘體驗活動。2.智能網(wǎng)聯(lián)汽車應(yīng)用（3）自動駕駛物流車物流場景主要包括末端物流、支線物流及干線物流。無人物流一直是各大電商快遞企業(yè)的必爭之地，借助自動駕駛物流車能夠有效解決物流安全、成本、環(huán)保及效率痛點，促使物流配送領(lǐng)域整個產(chǎn)業(yè)鏈降本增效，革新升級。2.智能網(wǎng)聯(lián)汽車使用環(huán)境分類1）高速公路環(huán)境具有良好標志的結(jié)構(gòu)化高速公路，主要完成車道保持、車輛識別和跟蹤等功能，目標是實現(xiàn)進入高速公路之后的全自動駕駛。2）城市環(huán)境城市環(huán)境更為復(fù)雜，對感知和控制算法提出了更高的要求。城市環(huán)境中的自動駕駛將成為下一階段研究的重點，目前這類環(huán)境的應(yīng)用已經(jīng)進入到小范圍試點階段。3）特殊環(huán)境無人駕駛汽車研究走在前列的國家一直都很重視其在軍事和其他一些特殊條件下的應(yīng)用。類似碼頭、礦區(qū)、廠區(qū)、短程定線駁車等特殊環(huán)境，這類環(huán)境更簡單，成本問題的敏感性也相對較低，高度自動駕駛甚至無人駕駛也更容易實現(xiàn)。智能網(wǎng)聯(lián)汽車是新一輪科技革命背景下的新興產(chǎn)品，可顯著改善交通安全、實現(xiàn)節(jié)能減排、減緩交通擁堵、提高交通效率，并拉動汽車、電子、通信、服務(wù)、社會管理等協(xié)同發(fā)展，對促進汽車產(chǎn)業(yè)轉(zhuǎn)型升級具有重大戰(zhàn)略意義。智能網(wǎng)聯(lián)汽車發(fā)展目標是什么？未來的趨勢是什么？1.3智能網(wǎng)聯(lián)汽車的發(fā)展現(xiàn)狀2020年國家發(fā)展和改革委員會、科學(xué)技術(shù)部、工業(yè)和信息化部等11個部門聯(lián)合發(fā)布了《智能汽車創(chuàng)新發(fā)展戰(zhàn)略》，旨在加快推進智能汽車的創(chuàng)新發(fā)展，展望2035~2050年，中國標準智能汽車體系將全面建成，更加完善。安全、高效、綠色、文明的智能汽車強國愿景逐步實現(xiàn)。1）國家戰(zhàn)略規(guī)劃2022年國家部委智能網(wǎng)聯(lián)相關(guān)政策1.我國智能網(wǎng)聯(lián)汽車產(chǎn)業(yè)進展

2）我國智能網(wǎng)聯(lián)汽車發(fā)展愿景及總體目標

發(fā)展愿景實現(xiàn)汽車強國偉大目標，使汽車社會朝著有益于文明進步、可持續(xù)軌道發(fā)展，滿足人民對美好生活無限向往的需要。體現(xiàn)在安全、效率、節(jié)能減排、舒適和便捷、人性化等方面。

總體目標摘自：中國信息通信研究院《車聯(lián)網(wǎng)白皮書》汽車正由人工操控的機械產(chǎn)品逐步向電子信息系統(tǒng)控制的智能產(chǎn)品轉(zhuǎn)變。汽車將由單純的交通運輸工具逐漸轉(zhuǎn)變?yōu)橹悄芤苿涌臻g和應(yīng)用終端，成為新興業(yè)態(tài)重要載體。一些跨國企業(yè)率先開展產(chǎn)業(yè)布局，一些國家積極營造良好發(fā)展環(huán)境，智能汽車已成為汽車強國戰(zhàn)略選擇。應(yīng)用層面產(chǎn)業(yè)層面技術(shù)層面3）全球汽車產(chǎn)業(yè)發(fā)展的戰(zhàn)略方向智能網(wǎng)聯(lián)汽車人才需求：

中國人才研究會汽車人才專業(yè)委員會發(fā)布了《智能網(wǎng)聯(lián)汽車大學(xué)生人才現(xiàn)狀研究》2021年參與對標的汽車企業(yè)從業(yè)人員約84.4萬人，研發(fā)人員總數(shù)約為9萬人，智能網(wǎng)聯(lián)相關(guān)方向的研發(fā)人員總量約為7000人，智能網(wǎng)聯(lián)汽車研發(fā)人員占比8.1%。

預(yù)估到2025年，我國智能網(wǎng)聯(lián)研發(fā)人才凈缺口在2.37萬人以上，而2025年智能網(wǎng)聯(lián)汽車涉及的相關(guān)專業(yè)的高校本科生規(guī)模預(yù)計僅7300余人，我國智能網(wǎng)聯(lián)汽車大學(xué)生人才存在供給嚴重不足的情況，人才培養(yǎng)速度顯著落后于智能網(wǎng)聯(lián)汽車發(fā)展的整體速度。智能網(wǎng)聯(lián)汽車機械工業(yè)職業(yè)工種：智能網(wǎng)聯(lián)汽車裝調(diào)員智能網(wǎng)聯(lián)汽車運維員智能網(wǎng)聯(lián)汽車路測設(shè)備裝調(diào)員智能網(wǎng)聯(lián)汽車測試員案例：在量產(chǎn)車型中，自動駕駛級別最高的是L3級，即奧迪A8，它配備了4個魚眼攝像頭、12個超聲波雷達、4個中程毫米波雷達、1個遠程毫米波雷達、1個激光雷達、1個前視攝像頭。其中，4個魚眼攝像頭用于360°環(huán)視系統(tǒng)，12個超聲波雷達用于自動泊車系統(tǒng)。2.智能網(wǎng)聯(lián)汽車的發(fā)展趨勢1.環(huán)境感知技術(shù)77GHz或79GHz毫米波雷達將取代24GHz毫米波雷達，天線尺寸更小、角分辨率更高、芯片材料將向著互補金屬氧化物材料發(fā)展；激光雷達將向著固態(tài)激光雷達、更高的探測距離和分辨率、更小的尺寸和更低的成本發(fā)展；視覺傳感器將沿著深度學(xué)習(xí)的技術(shù)路線，向模塊化、可擴展、全天候方向發(fā)展。2.決策規(guī)劃技術(shù)人工智能技術(shù)將由目前所處的機器學(xué)習(xí)、深度學(xué)習(xí)階段向著自主學(xué)習(xí)方向發(fā)展；人工智能算法芯片，將會對軟硬件進行深度整合使其擁有超強的計算能力、更小的體積、更低功耗，算法處理速率將會大幅提升。3.車輛控制技術(shù)整車電子電氣架構(gòu)將向著跨域集中式電子架構(gòu)和車輛集中式電子架構(gòu)發(fā)展，分散的控制單元將減少，取而代之的是應(yīng)用先進算法的集中控制單元；車輛控制算法也由傳統(tǒng)控制方法向基于模型預(yù)測控制、最優(yōu)控制、神經(jīng)網(wǎng)絡(luò)控制和深度學(xué)習(xí)等智能控制方法轉(zhuǎn)變。4.自主式智能與網(wǎng)聯(lián)式智能技術(shù)加速融合網(wǎng)聯(lián)式系統(tǒng)能從時間和空間維度突破自主式系統(tǒng)對于車輛周邊環(huán)境的感知能力。在時間維度，通過V2X通信，系統(tǒng)能夠提前獲知周邊車輛的操作信息、紅綠燈等交通控制系統(tǒng)信息，以及氣象條件、擁堵預(yù)測等更長期的未來狀態(tài)信息。在空間維度，通過V2X通信，系統(tǒng)能夠感知交叉路口盲區(qū)、彎道盲區(qū)、車輛遮擋盲區(qū)等位置的環(huán)境信息，從而幫助自動駕駛系統(tǒng)更全面地掌握周邊交通態(tài)勢。網(wǎng)聯(lián)式智能技術(shù)與自主式智能技術(shù)相輔相成，互為補充，正在加速融合發(fā)展。5.智能新技術(shù)將助推智能網(wǎng)聯(lián)汽車快速發(fā)展人工智能中的深度學(xué)習(xí)、語義分割、邊緣計算和大數(shù)據(jù)、云計算、5G以及邊緣端、云端等新技術(shù)在智能網(wǎng)聯(lián)汽車中的應(yīng)用將不斷深入，助推智能網(wǎng)聯(lián)汽車快速發(fā)展。2.智能網(wǎng)聯(lián)汽車的發(fā)展趨勢6.在特定場景優(yōu)先得到實踐應(yīng)用，隨著技術(shù)不斷驗證與成熟，逐步向城市郊道路、高速公路等場景拓展從技術(shù)層面來看，限定區(qū)域運營場景由于路況簡單、線路相對固定、車速相對較低、交通參與者較少等因素，更有利于自動駕駛功能實現(xiàn)。因此，智能網(wǎng)聯(lián)汽車會按照低速封閉場景→低速開放場景/高速封閉場景→高速開放場景的順序?qū)崿F(xiàn)商業(yè)化落地，

7.未來路側(cè)基礎(chǔ)設(shè)施將加速智能化進程，連接云控平臺與智能網(wǎng)聯(lián)汽車，形成多級化智能網(wǎng)聯(lián)交通體系通過路側(cè)基礎(chǔ)設(shè)施智能化，可以有效提升交互實時性、道路參與者定位精度，并提高信息交互效率。

此外，在路側(cè)邊緣借助機器智能算法，以交通數(shù)據(jù)流整合為核心，支持實現(xiàn)智能交通物聯(lián)網(wǎng)和信息網(wǎng)的融合，構(gòu)建起全局動態(tài)交通管控系統(tǒng)、數(shù)據(jù)驅(qū)動的智能化協(xié)同管控系統(tǒng)，保障智能交通體系全面性與動態(tài)性。8.智能網(wǎng)聯(lián)汽車推動汽車產(chǎn)業(yè)生態(tài)重構(gòu)智能網(wǎng)聯(lián)汽車與智慧城市、智能交通實現(xiàn)融合成為主要發(fā)展趨勢。我國汽車業(yè)已進入新的發(fā)展階段，智能網(wǎng)聯(lián)技術(shù)作為未來產(chǎn)業(yè)發(fā)展的核心突破口之一，將推動我國汽車業(yè)邁上新臺階，并將帶動相關(guān)產(chǎn)業(yè)協(xié)同發(fā)展。1.4

網(wǎng)聯(lián)汽車的技術(shù)架構(gòu)三橫兩縱技術(shù)架構(gòu)1.智能網(wǎng)聯(lián)汽車的技術(shù)架構(gòu)第32頁2.智能網(wǎng)聯(lián)汽車的關(guān)鍵技術(shù)智能網(wǎng)聯(lián)汽車的最主要目標是將信息技術(shù)運用到汽車上，用實時、全面、有效的信息流來驅(qū)動汽車系統(tǒng)的運行。根據(jù)《智能網(wǎng)聯(lián)汽車技術(shù)路線圖2.0》，智能網(wǎng)聯(lián)汽車的關(guān)鍵技術(shù)包括：1.車輛關(guān)鍵技術(shù)智能網(wǎng)聯(lián)汽車的車輛關(guān)鍵技術(shù)包括：環(huán)境感知技術(shù)智能決策技術(shù)控制執(zhí)行技術(shù)系統(tǒng)設(shè)計技術(shù)2.信息交互關(guān)鍵技術(shù)

智能網(wǎng)聯(lián)汽車的信息交互關(guān)鍵技術(shù)包括：專用通信與網(wǎng)絡(luò)技術(shù)大數(shù)據(jù)云控基礎(chǔ)平臺技術(shù)車路協(xié)同技術(shù)1）車輛關(guān)鍵技術(shù)--環(huán)境感知技術(shù)環(huán)境感知涉及的技術(shù)主要包括：高精度傳感器、行駛環(huán)境感知技術(shù)、車輛姿態(tài)感知技術(shù)、乘員狀態(tài)感知技術(shù)、態(tài)勢分析技術(shù)等。環(huán)境感知使用的傳感器包括車輪轉(zhuǎn)速傳感器、加速度傳感器、微機械陀螺儀、轉(zhuǎn)向盤轉(zhuǎn)角傳感器、超聲波傳感器、激光雷達、毫米波雷達、視覺傳感器等。車輛姿態(tài)感知？行駛環(huán)境感知？乘員狀態(tài)感知？態(tài)勢分析技術(shù)？2.決策規(guī)劃技術(shù)隨著汽車駕駛自動化水平的提高，對車輛自主決策能力提出了新的要求，汽車不僅需要在某個具體工況進行決策規(guī)劃，如超車、巡航和跟車等單一工況，還需要有在線學(xué)習(xí)能力以適應(yīng)更加復(fù)雜的道路交通環(huán)境和不可預(yù)期工況。智能決策主要是對來自環(huán)境感知層的信息并進行融合，對道路、車輛、行人、交通標志和交通信號等進行識別，決策分析和判斷車輛駕駛模式和將要執(zhí)行的操作，并向控制執(zhí)行層輸送指令。智能決策涉及的技術(shù)主要包括：行為預(yù)測與決策技術(shù)、軌跡規(guī)劃技術(shù)、基于深度學(xué)習(xí)的決策算法等。1）車輛關(guān)鍵技術(shù)--決策規(guī)劃技術(shù)自動駕駛汽車決策規(guī)劃出行駛路徑，由底盤執(zhí)行機構(gòu)實現(xiàn)汽車狀態(tài)控制和軌跡跟蹤，這一過程中，控制執(zhí)行技術(shù)起著至關(guān)重要的作用。目前，傳統(tǒng)汽車底盤的控制結(jié)構(gòu)仍為分布式電子架構(gòu)，不同子系統(tǒng)都有各自的運算控制器，較難實現(xiàn)所有功能的協(xié)同控制，智能化的汽車控制器必須采用綜合智能控制策略，以提高汽車的操縱響應(yīng)能力和緊急躲避障礙能力?？刂茍?zhí)行涉及的技術(shù)主要包括：關(guān)鍵線控執(zhí)行機構(gòu)（驅(qū)動、制動、轉(zhuǎn)向、懸架系統(tǒng)等）、車輛運動控制技術(shù)（縱向、橫向、垂向等）、車輛多目標智能控制技術(shù)等1）車輛關(guān)鍵技術(shù)--控制執(zhí)行技術(shù)1）車輛關(guān)鍵技術(shù)--系統(tǒng)設(shè)計技術(shù)系統(tǒng)設(shè)計涉及的技術(shù)主要包括：汽車電子電氣架構(gòu)：是集合了汽車的電子電氣系統(tǒng)原理設(shè)計、中央電器盒設(shè)計、插接器設(shè)計、電子電氣分配系統(tǒng)等設(shè)計為一體的整車電子電氣解決方案。人機交互技術(shù)：智能網(wǎng)聯(lián)汽車人機界面應(yīng)集成車輛控制、功能設(shè)定、信息娛樂、導(dǎo)航系統(tǒng)、車載電話等多項功能，方便駕駛?cè)丝旖莸貜闹胁樵?、設(shè)置、切換車輛系統(tǒng)的各種信息，從而使車輛達到理想的運行和操縱狀態(tài)。智能計算平臺技術(shù)：智能計算平臺主要借助對周邊環(huán)境的感知、對障礙物及危險的識別、與大數(shù)據(jù)云控基礎(chǔ)平臺的通信以及與其他車輛和路側(cè)設(shè)備的互聯(lián)等獲取的信息，通過智能控制、人機交互等方式提高安全性，改善駕駛體驗。2）信息交互關(guān)鍵技術(shù)--專用通信與網(wǎng)絡(luò)技術(shù)智能網(wǎng)聯(lián)汽車的發(fā)展趨勢是必須要有通信，以實現(xiàn)自主控制和云端控制的結(jié)合。根據(jù)《智能網(wǎng)聯(lián)汽車技術(shù)路線圖2.0》，智能網(wǎng)聯(lián)汽車的信息交互關(guān)鍵技術(shù)包括：專用通信與網(wǎng)絡(luò)技術(shù)、大數(shù)據(jù)云控基礎(chǔ)平臺技術(shù)和車路協(xié)同技術(shù)。專用通信與網(wǎng)絡(luò)技術(shù)是智能網(wǎng)聯(lián)汽車系統(tǒng)獲取和傳遞信息的神經(jīng)中樞，通過研究適合于智能網(wǎng)聯(lián)汽車信息交換的通信系統(tǒng)結(jié)構(gòu)形式、軟件技術(shù)、傳輸介質(zhì)、編碼糾錯技術(shù)等，保證信息的準確快速傳輸，并實現(xiàn)車內(nèi)網(wǎng)、車云網(wǎng)和車際網(wǎng)“三網(wǎng)”融合。技術(shù)分支技術(shù)專用通信與網(wǎng)絡(luò)技術(shù)C-V2X專用通信芯片與模塊技術(shù)車載信息交互終端技術(shù)直連通信技術(shù)移動自組織組網(wǎng)技術(shù)5G網(wǎng)絡(luò)切片及應(yīng)用技術(shù)多接入邊緣計算技術(shù)2）信息交互關(guān)鍵技術(shù)--大數(shù)據(jù)云控基礎(chǔ)平臺技術(shù)大數(shù)據(jù)云控基礎(chǔ)平臺是未來智能網(wǎng)聯(lián)汽車架構(gòu)的核心，車輛的智能化并不僅僅表現(xiàn)為車輛依賴自身的能力對周圍局部環(huán)境的理解和反應(yīng)，而是充分獲取全局信息后單體智能與全局智能的協(xié)同最優(yōu)。大數(shù)據(jù)云控基礎(chǔ)平臺一方面能夠?qū)崟r接收記錄所有車輛的上報信息，進行定期備份并異地存儲所有數(shù)據(jù)，另一方面能夠利用人工智能、機器學(xué)習(xí)等方法對海量數(shù)據(jù)進行分析整理，挖掘數(shù)據(jù)的潛在價值。通過虛擬化和資源共享，大數(shù)據(jù)云控基礎(chǔ)平臺大大提升了資源的利用率和資源使用的彈性，從而極大地提升對海量數(shù)據(jù)的存儲能力和處理能力，促進智能網(wǎng)聯(lián)汽車智能程度的升級。大數(shù)據(jù)云控基礎(chǔ)平臺涉及的技術(shù)主要包括：邊緣計算技術(shù)、邊云協(xié)同技術(shù)、協(xié)同感知與決策技術(shù)等2）信息交互關(guān)鍵技術(shù)--車路協(xié)同技術(shù)車路協(xié)同不但能為智能網(wǎng)聯(lián)汽車提供超視距感知能力，還能利用路側(cè)感知設(shè)備位置固定、能夠長時間連續(xù)檢測等優(yōu)勢提高識別的準確率和精準度，同時使人/車/路/云之間具備位置、速度、駕駛方向和駕駛意圖等的交流能力，有效彌補了單車智能的不足，推動了協(xié)同式應(yīng)用服務(wù)發(fā)展，為保障交通出行安全、提升交通出行效率、豐富交通信息服務(wù)提供支撐，是實現(xiàn)智慧公路和自動駕駛的核心要素之一。技術(shù)分支技術(shù)車路協(xié)同技術(shù)車路數(shù)字化信息共享技術(shù)車路融合感知技術(shù)車路融合輔助定位技術(shù)車路協(xié)同決策自動駕駛技術(shù)車路一體化協(xié)同控制自動駕駛技術(shù)3.智能網(wǎng)聯(lián)汽車的基礎(chǔ)支撐技術(shù)根據(jù)《智能網(wǎng)聯(lián)汽車技術(shù)路線圖2.0》，智能網(wǎng)聯(lián)汽車的基礎(chǔ)支撐技術(shù)包括：人工智能技術(shù)、安全技術(shù)、高精地圖和定位技術(shù)、測試評價技術(shù)和標準法規(guī)。技術(shù)分支技術(shù)人工智能技術(shù)新一代人工智能與深度學(xué)習(xí)技術(shù)端到端智能控制技術(shù)技術(shù)分支技術(shù)安全技術(shù)信息安全功能安全預(yù)期功能安全技術(shù)分支技術(shù)高精地圖和定位技術(shù)基于北斗衛(wèi)星導(dǎo)航信號的高精度定位技術(shù)通信基站定位技術(shù)慣性導(dǎo)航與航跡推算技術(shù)高精度地圖協(xié)作定位技術(shù)高精度三維動態(tài)數(shù)字地圖技術(shù)多層高清地圖采集及更新技術(shù)高精度地圖基礎(chǔ)平臺技術(shù)技術(shù)分支技術(shù)標準法規(guī)標準體系與關(guān)鍵標準的構(gòu)建標準技術(shù)試驗與驗證前瞻標準技術(shù)研究國際標準法規(guī)協(xié)同技術(shù)分支技術(shù)測試評價技術(shù)測試評價方法與技術(shù)標準自動駕駛訓(xùn)練與仿真測試測試場地規(guī)劃與建設(shè)示范應(yīng)用與推廣第41頁智能網(wǎng)聯(lián)汽車的標準體系思考題1、智能網(wǎng)聯(lián)汽車的關(guān)鍵技術(shù)分為哪兩個大類？每類又細分為哪些關(guān)鍵技術(shù)？2、環(huán)境感知技術(shù)涉及哪些具體的技術(shù)？3、智能網(wǎng)聯(lián)汽車的發(fā)展需要哪些基礎(chǔ)技術(shù)作為支撐？4、車輛關(guān)鍵技術(shù)、信息交互關(guān)鍵技術(shù)、基礎(chǔ)支撐關(guān)鍵技術(shù)的發(fā)展路線是分別什么？智能網(wǎng)聯(lián)汽車環(huán)境感知技術(shù)能網(wǎng)聯(lián)智汽車技術(shù)時間：講課老師：內(nèi)

容CONTENTS環(huán)境感知技術(shù)概述01視覺傳感器02超聲波傳感器03毫米波雷達04激光雷達05目標識別06導(dǎo)入思考：安裝先進駕駛輔助系統(tǒng)的目的？感知周圍環(huán)境，對道路、車輛、行人、交通標志、交通信號燈等進行檢測與識別。

環(huán)境感知技術(shù)概述01分組討論環(huán)境感知系統(tǒng)的任務(wù)？掃碼觀看課本29頁--環(huán)境感知技術(shù)01環(huán)境感知技術(shù)概述01環(huán)境感知技術(shù)概述1.環(huán)境感知的目的目的：（1）通過性：基于自身行駛性能和共識規(guī)則，能實時、可靠、準確識別并規(guī)劃出可保證規(guī)范、安全、迅速到達目的地的行駛路徑。（2）安全性：在行駛過程中，能夠?qū)崟r準確地識別出行駛路徑周邊對行駛安全可能存在安全隱患的物體，為自身采取必要操作以避免發(fā)生交通安全事故。（3）經(jīng)濟性：為提高車輛高效、經(jīng)濟地行駛提供參考依據(jù)。（4）平順性：為車輛平順行駛提供參考依據(jù)。第49頁智能網(wǎng)聯(lián)汽車環(huán)境感知對象主要有道路、周邊物體、駕駛狀態(tài)和駕駛環(huán)境等。01環(huán)境感知技術(shù)概述2.環(huán)境感知的對象第50頁（1）道路。道路分為結(jié)構(gòu)化道路和非結(jié)構(gòu)化道路，結(jié)構(gòu)化道路識別包括道路邊界和各種車道標識線；非結(jié)構(gòu)化道路識別主要是可行駛路徑。（2）周邊物體。周邊物體主要包括車輛、行人、地面上可能影響車輛通過和安全行駛的其他各種移動或靜止物體，各種交通標志和交通信號燈等。（3）駕駛狀態(tài)。駕駛狀態(tài)主要包括駕駛員自身狀態(tài)、主車自身行駛狀態(tài)和周邊車輛行駛狀態(tài)。（4）駕駛環(huán)境。駕駛環(huán)境主要包括路面狀況、道路交通擁堵情況、天氣狀況等。01環(huán)境感知技術(shù)概述2.環(huán)境感知的對象第51頁智能網(wǎng)聯(lián)汽車環(huán)境感知方法主要有基于單一傳感器的環(huán)境感知方法、基于自組織網(wǎng)絡(luò)的環(huán)境感知方法和基于傳感器信息融合的環(huán)境感知方法。（1）慣性元件。慣性元件主要是指汽車上的車輪轉(zhuǎn)速傳感器、加速度傳感器、陀螺儀、轉(zhuǎn)向盤傳感器等，通過它們感知汽車自身的行駛狀態(tài)。（2）超聲波雷達。超聲波雷達主要用于短距離探測物體，不受光照影響，但測量精度受測量物體表面形狀、材質(zhì)影響大。（3）毫米波雷達。毫米波雷達可以獲取車輛周邊環(huán)境二維或三維距離信息，通過距離分析識別技術(shù)對行駛環(huán)境進行感知。毫米波雷達抗干擾能力強，受天氣情況和夜間的影響小，體積??；傳播損失比激光雷達少，行人的反射波較弱，難以探測。01環(huán)境感知技術(shù)概述2.環(huán)境感知的方法第52頁（4）激光雷達。激光雷達可以獲取車輛周邊環(huán)境二維或三維距離信息，通過距離分析識別技術(shù)對行駛環(huán)境進行感知。激光雷達能夠直接獲取物體三維距離信息，測量精度高，對光照環(huán)境變化不敏感；但它無法感知無距離差異的平面內(nèi)目標信息，體積較大，價格較高，不便于車載集成。（5）視覺傳感器。視覺傳感器能夠獲取車輛周邊環(huán)境二維或三維圖像信息，通過圖像分析識別技術(shù)對行駛環(huán)境進行感知。視覺傳感器獲取的圖像信息量大，實時性好，體積小，能耗低，價格低；但易受光照環(huán)境影響，三維信息測量精度較低。01環(huán)境感知技術(shù)概述2.環(huán)境感知的方法第53頁（6）V2X通信技術(shù)。V2X通信技術(shù)主要包括V2V、V2I、V2P和V2N，它們采集的信息既可以用于先進駕駛輔助系統(tǒng)，又可以用于自動駕駛系統(tǒng)，特別是車路協(xié)同控制，具有較大的優(yōu)勢。V2X通信技術(shù)獲取的信息范圍更為廣闊，可以提供360°視覺感知，不受天氣和道路環(huán)境的影響，可以給駕駛員或自動駕駛系統(tǒng)提供更多的信息，保障車輛的安全行駛。（7）傳感器融合。傳感器融合是指運用多種不同傳感手段獲取車輛周邊環(huán)境多種不同形式信息，通過多信息融合技術(shù)對行駛環(huán)境進行感知，如視覺+毫米波雷達、視覺+激光雷達、視覺+超聲波雷達的融合等。其優(yōu)點是能夠獲取豐富的車輛周邊環(huán)境信息，具有優(yōu)良的環(huán)境適應(yīng)能力，為安全快速輔助駕駛提供可靠保障；缺點是系統(tǒng)復(fù)雜，成本高。超聲波雷達、毫米波雷達、激光雷達、視覺傳感器統(tǒng)稱為智能傳感器。01環(huán)境感知技術(shù)概述2.環(huán)境感知的方法第54頁案例：如圖所示為谷歌第5代無人駕駛汽車智能傳感器的配置?？梢钥闯?，智能傳感器的配置和功能各不相同。隨著汽車電動化、智能化和網(wǎng)聯(lián)化的發(fā)展，智能網(wǎng)聯(lián)汽車配備的智能傳感器的數(shù)量將會逐漸增加，傳感器的性能要求也會逐漸提高。01環(huán)境感知技術(shù)概述第55頁02視覺傳感器1.視覺傳感器的定義視覺傳感器是指：利用光學(xué)元件和成像裝置獲取外部環(huán)境圖像信息的儀器，通常用圖像分辨率來描述視覺傳感器的性能。視覺傳感器的精度不僅與分辨率有關(guān)，而且和被測物體的檢測距離相關(guān)。被測物體距離越遠，其絕對的位置精度越差。第56頁02視覺傳感器2.視覺傳感器的組成視覺傳感器主要由光源、鏡頭、圖像傳感器、模/數(shù)轉(zhuǎn)換器、圖像處理器、圖像存儲器等組成，其主要功能是獲取足夠的機器視覺系統(tǒng)要處理的原始圖像。第57頁02視覺傳感器2.視覺傳感器的組成（1）單目攝像頭：單目攝像頭成本低，可以識別出具體障礙物的種類，而且識別技術(shù)比較準確，但因其識別原理所限，它并不具備識別沒有明顯輪廓的障礙物。（2）雙目攝像頭：相比于單目攝像頭，雙目攝像頭不存在識別率的限制，不用先識別，就能夠直接進行測量，并能夠直接利用視差計算距離，有著更高精度計算，不需要維護樣本數(shù)據(jù)庫。（3）三目攝像頭：三目攝像頭主要是通過三個攝像頭同時判斷、測算前方景物，有著更大的感知范圍，但缺點也較為明顯。（4）環(huán)視攝像頭：環(huán)視攝像頭通常至少會包括4個攝像頭，并且可以實現(xiàn)360度環(huán)境感知。環(huán)視攝像頭常常包括車輛側(cè)視鏡邊緣的兩個超廣角攝像頭、汽車前格柵中部的一個中程攝像頭、車牌上方的一個廣角攝像頭。第58頁02視覺傳感器3.視覺傳感器的特點視覺傳感器主要具有以下特點：（1）信息量豐富視覺圖像的信息量極為豐富，尤其是彩色圖像，不僅包含視野內(nèi)物體的距離信息，而且還有物體的顏色、紋理、深度和形狀等信息。（2）信息獲取面積大，設(shè)備間互不干擾在視野范圍內(nèi)可同時實現(xiàn)道路檢測、車輛檢測、行人檢測、交通標志檢測、交通信號燈檢測等，信息獲取面積大。當多輛智能網(wǎng)聯(lián)汽車同時工作時，不會出現(xiàn)相互干擾的現(xiàn)象。（3）較強的適應(yīng)環(huán)境的能力視覺信息獲取的是實時的場景圖像，提供的信息不依賴于先驗知識，比如GPS導(dǎo)航依賴地圖信息，有較強的適應(yīng)環(huán)境能力。（4）應(yīng)用廣泛視覺傳感器應(yīng)用廣泛，在智能網(wǎng)聯(lián)汽車中可以前視、后視、側(cè)視、內(nèi)視、環(huán)視等.第59頁02視覺傳感器3.視覺傳感器的原理視覺傳感器是一種電子圖像技術(shù)，通過視覺傳感器把圖像抓到，具有從一幅圖像中捕獲數(shù)以千計像素的能力。1）CCD成像原理。CCD成像原理是當光線與圖像從鏡頭透過投射到CCD表面時，CCD就會產(chǎn)生電流，將感應(yīng)到的內(nèi)容轉(zhuǎn)換成數(shù)碼資料儲存起來。CCD像素數(shù)目越多，單一像素尺寸越大，收集到的圖像就會越清晰。2）CMOS成像原理。CMOS成像原理是利用硅和鍺這兩種元素所做成的半導(dǎo)體，使其在CMOS上共存著帶負電的N級和帶正電的P級半導(dǎo)體，這兩個互補效應(yīng)所產(chǎn)生的電流即可被處理芯片記錄和解讀成影像。第60頁02視覺傳感器3.視覺傳感器的原理視覺傳感器的環(huán)境感知流程一般包括圖像采集、圖像預(yù)處理、圖像特征提取、圖像模式識別、結(jié)果傳輸?shù)?。利用視覺傳感器進行道路識別的流程如圖所示：第61頁02視覺傳感器4.視覺傳感器的標定視覺傳感器的標定主要在于確定相機的內(nèi)參，包含相機的焦距和畸變系數(shù)等數(shù)據(jù)，如圖所示視頻圖像坐標系的示意圖。02視覺傳感器4.視覺傳感器的標定從世界坐標系轉(zhuǎn)為相機坐標系，這一步是三維點到三維點的轉(zhuǎn)換。世界坐標系描述物體空間位置，可自由確定，從相機坐標系轉(zhuǎn)為成像平面坐標系（像素坐標系），這一步是三維點到二維點的轉(zhuǎn)換。像素坐標系是一個二維直角坐標系，反映像素點的排列情況，原點位于圖像左上角，其坐標軸的單位是像素（整數(shù)），由于像素坐標系不方便坐標變換，引入了圖像坐標系，原點為相機光軸與像平面交點，圖像坐標系與像素坐標系為平移關(guān)系。02視覺傳感器4.視覺傳感器的標定相機畸變原理：一般而言，相機拍攝的圖片都存在一定的畸變，畸變模型包括徑向畸變和切向畸變。對某些透鏡，光線在遠離透鏡中心的地方比靠近中心的地方更加彎曲，產(chǎn)生“筒形”或“魚眼”現(xiàn)象，稱為徑向畸變。成像儀中心的徑向畸變?yōu)?，越向邊緣移動，畸變越嚴重。徑向畸變公式切向畸變公式第64頁02視覺傳感器4.視覺傳感器的應(yīng)用視覺傳感器是智能網(wǎng)聯(lián)汽車實現(xiàn)眾多預(yù)警、識別類ADAS功能的基礎(chǔ)，可用于自適應(yīng)巡航控制系統(tǒng)、車道偏離預(yù)警系統(tǒng)、車道保持輔助系統(tǒng)、汽車并線輔助系統(tǒng)、自動剎車輔助系統(tǒng)中的障礙物檢測和道路檢測等多個系統(tǒng)。1.聲波及超聲波雷達

在氣體、液體、固體中傳播的彈性波。什么是聲波？是利用超聲波特性研制而成，是在超聲波頻率范圍內(nèi)將交變的電信號轉(zhuǎn)換成聲信號或?qū)⑼饨缏晥鲋械穆曅盘栟D(zhuǎn)換為電信號的能量轉(zhuǎn)換器件。1.次聲波（f＜20Hz）2.聲波（20Hz≤f≤20kHz）3.超聲波（f>20kHz）什么是超聲波雷達？03超聲波傳感器2.超聲波雷達組成、原理

發(fā)射頭（器）、接收頭（器）、數(shù)據(jù)線和拔碼開關(guān)等。L=vt/2v=340m/s03超聲波傳感器第67頁03超聲波傳感器（1）測量距離——取決于其使用的波長和頻率；波長越長，頻率越小，測量距離越大。測量汽車前后障礙物的短距超聲波雷達測量距離一般為0.15~2.50m；安裝在汽車側(cè)面、用于測量側(cè)方障礙物距離的長距超聲波雷達測量距離一般為0.30~5.0m。（2）測量精度——傳感器測量值與真實值的偏差。超聲波雷達測量精度主要受被測物體體積、表面形狀、表面材料等影響。測量精度越高，感知信息越可靠。測量精度要求在±10cm以內(nèi)。3.超聲傳感器參數(shù)（3）波束角---超聲波雷達產(chǎn)生的超聲波以一定角度向外發(fā)出，超聲波沿傳感器中軸線方向上的超聲射線能量最大，能量向其他方向逐漸減弱。（4）工作頻率——發(fā)射頻率要求是40±2kHz，這樣傳感器方向性尖銳，且避開了噪聲，提高了信噪比。（5）抗干擾性能---超聲波為機械波，使用環(huán)境中的噪聲會干擾超聲波雷達接收物體反射回來的超聲波，因此要求超聲波雷達具有一定的抗干擾能力。3.超聲傳感器參數(shù)第69頁03超聲波傳感器超聲波傳感器具有以下特點：1）超聲波的傳播速度僅為光波的百萬分之一，并且指向性強，能量消耗緩慢，因此可以直接測量較近目標的距離，一般測量距離小于10m。2）超聲波對色彩、光照度不敏感，可適用于識別透明、半透明及漫反射差的物體。3）超聲波對外界光線和電磁場不敏感，可用于黑暗、有灰塵或煙霧、電磁干擾強、有毒等惡劣環(huán)境中。4）超聲波傳感器結(jié)構(gòu)簡單，體積小，成本低，信息處理簡單可靠，易于小型化與集成化，并且可以進行實時控制。超聲波方法作為非接觸檢測和識別的手段，已引起人們越來越多的重視。4.超聲傳感器特點第70頁03超聲波傳感器超聲波雷達在智能網(wǎng)聯(lián)汽車中最常見的應(yīng)用是自動泊車輔助系統(tǒng)，系統(tǒng)利用超聲波雷達幫助汽車停車入位。5.超聲傳感器應(yīng)用

毫米波雷達041.毫米波雷達定義

波長為1~10mm電磁波頻率范圍為30~300GHz。什么是毫米波？是工作在毫米波頻段的雷達，它通過發(fā)射

與接收高頻電磁波來探測目標，后端信號

處理模塊利用回波信號計算出目標的距離

、速度和角度等信息。什么是毫米波雷達？完整的毫米波雷達組成包括射頻前端、信號處理系統(tǒng)和后端算法等組成。1）射頻前端射頻前端通過發(fā)射和接收毫米波，得到中頻信號，從中提取距離、速度等信息。因此，射頻前端直接決定了雷達系統(tǒng)的性能。2.信號處理系統(tǒng)信號處理系統(tǒng)也是雷達重要的組成部分，通過嵌入不同的信號處理算法，提取從射頻前端采集得到的中頻信號，獲得特定類型的目標信息。3.后端算法后端算法占整個毫米波雷達成本的比例最高。針對毫米波雷達，國內(nèi)研究人員從頻域、時域、時頻分析多個角度提出了大量的算法，離線實驗的精度也較高。2.毫米波雷達組成毫米波雷達具有波長短、頻帶寬、穿透能力強的特點，這些特點形成了毫米波雷達的優(yōu)勢：1）穿透能力強。與傳統(tǒng)光學(xué)檢測器相比，毫米波雷達穿透霧、煙、灰塵的能力強，具有全天候、全天時、全照度的特點。2）抗干擾性好。同微波雷達相比，具有更高的發(fā)射頻率和更低的發(fā)射功率，更強的抗電子干擾、雜波干擾和多徑反射干擾能力，精度更高。3）探測距離遠。實時性高，可覆蓋雙向6車道以上300~1000m的范圍，分辨識別很小的目標，并且能同時識別多個目標。4）識別目標數(shù)多參數(shù)多。實時連續(xù)對道路多個目標進行坐標、尺寸測量，跟蹤目標速度及運動軌跡，可直接獲取各類交通參數(shù)，直接判別多種交通事件。同時，毫米波雷達也有其明顯的劣勢如無法成像、無法進行圖像顏色的識別、對橫向目標敏感度低等，存在對橫穿車輛檢測效果不佳、行人反射波較弱和行人分辨率不高、探測距離近等問題。3.毫米波雷達特點4.毫米波雷達的原理及參數(shù)毫米波雷達的工作原理是首先通過振蕩器產(chǎn)生線性調(diào)頻連續(xù)波或三角波，經(jīng)由發(fā)射機發(fā)射，再由發(fā)射天線定向輻射出去，在空間以電磁波形式傳播，當遇到目標時反射回來。接收天線接收目標反射信號，再經(jīng)過信號處理、數(shù)據(jù)處理，既可得到單個目標的距離、方位、相對速度信息，又可以檢測車流平均速度、車流量、車道占用率、排隊長度和時間分析。1）距離測量毫米波雷達的測距原理就是把無線電波（毫米波）發(fā)出去，然后接收回波，根據(jù)收發(fā)的時間差測得目標的位置數(shù)據(jù)和相對距離。根據(jù)電磁波的傳播速度，可以確定目標的距離公式為：L=ct/2式中，L為目標距離；t為電磁波從雷達發(fā)射出去到接收到目標回波的時間差；c為光速。4.毫米波雷達的測量參數(shù)2)速度測量毫米波雷達測速是基于多普勒效應(yīng)（DopplerEffect）原理。多普勒效應(yīng)是當聲音、光和無線電波等振動源與觀測者以相對速度V運動時，觀測者所收到的振動頻率與振動源所發(fā)出的頻率有不同。當發(fā)射的電磁波和被探測目標有相對移動時，回波的頻率會和發(fā)射波的頻率不同。當目標向雷達天線靠近時，反射信號頻率將高于發(fā)射信號頻率；反之，當目標遠離天線而去時，反射信號頻率將低于發(fā)射信號頻率。由多普勒效應(yīng)所形成的頻率變化被稱為多普勒頻移，它與相對速度v成正比，與振動的頻率成反比。通過檢測這個頻率，可以測得目標與雷達的相對速度。4.毫米波雷達的測量參數(shù)3）角度測量通過毫米波雷達的發(fā)射天線發(fā)射出毫米波后，遇到被監(jiān)測物體，反射回來，通過毫米波雷達并列的接收天線，通過收到同一監(jiān)測目標反射回來的毫米波的相位差，就可以計算出被監(jiān)測目標的方位角。4.毫米波雷達的測量參數(shù)4）目標特征提取和分類雷達截面積（RadarCrossSection,RCS）是目標在雷達接收方向上反射雷達信號能力的度量。目標的RCS取決于目標結(jié)構(gòu)(形狀和材料)、雷達工作頻率、雷達極化方式和雷達觀測角。4.毫米波雷達的測量參數(shù)4.毫米波雷達的主要技術(shù)參數(shù)指標說明工作頻段用于表示毫米波雷達的類別最大有效識別距離毫米波雷達能穩(wěn)定識別的最大距離，與目標RCS有關(guān)，對應(yīng)不同物體此指標差異大最小有效識別距離毫米波雷達能穩(wěn)定識別的最小距離，與毫米波雷達區(qū)分飛行時間能力有關(guān)縱向分辨率兩個物體在縱向存在距離差異時，毫米波雷達能將其正確區(qū)分的能力橫向分辨率兩個物體在橫向存在距離差異時，毫米波雷達能將其正確區(qū)分的能力水平角度范圍毫米波雷達在水平方向上的有效探測范圍，一般與縱向距離有關(guān)縱向距離誤差毫米波雷達識別目標相對縱向距離結(jié)果與真值的差異橫向距離誤差毫米波雷達識別目標相對橫向距離結(jié)果與真值的差異測速范圍毫米波雷達能有效探測的相對速度的范圍測速誤差毫米波雷達探測相對速度結(jié)果與真值的差異測速精度毫米波雷達能夠分辨的最小目標速度變化量探測靈敏度一般用指定距離處能穩(wěn)定探測物體的最小RCS指來評判可探測目標類型毫米波雷達可探測的目標類型范圍，如移動車輛、靜止車輛、移動騎行者、靜止騎行者、移動行人、靜止行人等探測功能毫米波雷達具備的探測功能，如目標檢測、目標類型識別、車流量統(tǒng)計、車速檢測、逆行檢測、目標狀態(tài)跟蹤、車隊長度檢測等識別目標數(shù)量毫米波雷達能夠同時識別的最大目標數(shù)量數(shù)據(jù)更新周期毫米波雷達處理單幀數(shù)據(jù)的時間工作電壓毫米波雷達能夠穩(wěn)定正常工作的電壓范圍區(qū)間功耗額定功率過壓保護機制是否具備過壓保護及有效保護機制條件工作溫度毫米波雷達能夠穩(wěn)定正常工作的溫度范圍區(qū)間防振性抗震性能壽命一般用累計工作時長或等效參數(shù)表示防護等級防水、防塵能力通訊數(shù)據(jù)傳輸方式、數(shù)據(jù)傳輸能力故障監(jiān)測對毫米波雷達部件故障、機身被覆蓋等導(dǎo)致不能正常工作環(huán)境的監(jiān)測能力列舉智能網(wǎng)聯(lián)汽車應(yīng)用毫米波雷達的系統(tǒng)？自適應(yīng)巡航系統(tǒng)、前向防撞報警、盲區(qū)檢測、輔助變道24GHz頻段，這個頻段的毫米波雷達目前大量應(yīng)用于汽車的盲區(qū)檢測、編導(dǎo)輔助等，主要用作側(cè)向雷達，用于監(jiān)測車輛后方及兩側(cè)車道是否有障礙物，是否可以變道。77GHz頻段，這個頻段的頻率比較高，帶寬也比較高，可以達到800MHz。這個頻段的雷達性能要優(yōu)于24GHz頻段的雷達，主要用作前向雷達，裝在保險杠的位置，探測本車與前車的相對距離和相對速度，目前比較典型的應(yīng)用有自適應(yīng)巡航、主動防撞等。5.毫米波雷達的應(yīng)用激光雷達是激光探測及測距系統(tǒng)的簡稱，是一種以激光器作為發(fā)射光源，采用光電探測技術(shù)手段的主動遙感設(shè)備。激光雷達是工作在光波頻段的雷達，它利用光波頻段的電磁波先向目標發(fā)射探測信號，然后將其接收到的同波信號與發(fā)射信號相比較，從而獲得目標的位置（距離、方位和高度）、運動狀態(tài)（速度、姿態(tài)）等信息，實現(xiàn)對目標的探測、跟蹤和識別。05激光雷達1.激光雷達的定義發(fā)射系統(tǒng)負責發(fā)射激光束即探測信號，主要由激勵源、激光器和光束控制器、發(fā)射光學(xué)系統(tǒng)和激光調(diào)制器等組成。激光接收系統(tǒng)負責接收反射的激光信號即回波信號，主要由接收光學(xué)系統(tǒng)和光學(xué)探測器等組成。信號處理系統(tǒng)負責數(shù)據(jù)獲取、光電轉(zhuǎn)換、信號分析處理

。掃描系統(tǒng)通過對光束的操縱，實現(xiàn)對所探測目標的掃描，并產(chǎn)生實時的平面圖信息，主要旋轉(zhuǎn)電機、掃描鏡、準直鏡頭和窄帶濾光片等組成。2.激光雷達的組成2.激光雷達的組成1）激光發(fā)射系統(tǒng)激光的產(chǎn)生來自于激光發(fā)射器。激勵源周期性地驅(qū)動激光器，發(fā)射激光脈沖，激光調(diào)制器通過光束控制器控制發(fā)射激光的方向和線數(shù)，最后通過發(fā)射光學(xué)系統(tǒng)，將激光發(fā)射至目標物體。2）激光接收系統(tǒng)激光接收系統(tǒng)由接收光學(xué)系統(tǒng)和光電探測器兩部分組成。激光器發(fā)射的激光照射到障礙物以后，通過障礙物的反射，反射光線會經(jīng)由鏡頭組匯聚到接收器上，這里的鏡頭組即激光雷達接收光學(xué)系統(tǒng)，涉及到的結(jié)構(gòu)包括透鏡、窄帶濾光片、分束器等。3）信號處理系統(tǒng)目前激光雷達信號處理主控芯片主流方案為FPGA，負責波形算法處理、激光雷達探測器等功能模塊的控制。4）掃描系統(tǒng)激光雷達的掃描系統(tǒng)通過對光束的操縱，實現(xiàn)對所探測目標的掃描，并產(chǎn)生實時的平面圖信息。3.激光雷達的特點1）具有極高的分辨率激光雷達工作于光學(xué)波段，頻率比微波高2～3個數(shù)量級以上，因此，與微波雷達相比，激光雷達具有極高的距離分辨率、角分辨率和速度分辨率。2）抗干擾能力強自然界中存在諸多干擾電磁波的信號和物質(zhì)，但是很少有能對激光產(chǎn)生干擾的信號，因此激光雷達具有較強的抗干擾能力。3）獲取的信息量豐富可直接獲取目標的距離、角度、反射強度、速度等信息，生成目標多維度圖像。4）可全天時工作激光主動探測，不依賴于外界光照條件或目標本身的輻射特性。4.激光雷達測量原理脈沖測距法首先激光器發(fā)出一個光脈沖，同時設(shè)定的計數(shù)器開始計數(shù)，當接收系統(tǒng)接收到經(jīng)過障礙物反射回來的光脈沖時停止計數(shù)。計數(shù)器所記錄的時間就是光脈沖從發(fā)射到接收所用的時間。024.激光雷達測量原理1）ToFToF通過測量激光脈沖的發(fā)射、返回時間差來測量物體與傳感器的相對距離。激光發(fā)射器發(fā)出調(diào)制脈沖激光，內(nèi)部定時器開始計算時間t1，當激光照射到目標物體后，部分能量返回，當激光接收到返回的激光信號時，停止內(nèi)部定時器t2。024.激光雷達測量原理2）ToF光和本地光做干涉，并利用混頻探測技術(shù)來測量發(fā)送和接收的頻率差異，再通過頻率差換算出目標物的距離。024.激光雷達測量原理3）相位法對發(fā)射光波的光強進行調(diào)制，使光波在投射到物體后返回探測器的過程中在光強波形上形成一個相位差，通過測量相位差來測量時間。024.激光雷達測量原理4）三角法三角法的測距原理如圖2-26所示，激光器發(fā)射激光，在照射到物體后，反射光由線性電荷耦合器件（ChargeCoupledDevice，CCD）接收。案例：少線束激光雷達主要用于智能網(wǎng)聯(lián)汽車ADAS，奧迪A8L安裝的4線束激光雷達如圖所示，可實現(xiàn)自適應(yīng)巡航控制系統(tǒng)、車道偏離預(yù)警系統(tǒng)、自動緊急制動系統(tǒng)、交通擁堵輔助系統(tǒng)等。對于自動駕駛來說，激光雷達的作用主要展現(xiàn)在兩個方面。其一是加載在車輛上，讓車輛達到L2/L3/L4級別，具備高級別自動輔助駕駛能力。通過激光雷達加持，一方面車輛能彌補攝像頭的盲點感知，獲得緊急制動和盲區(qū)監(jiān)測能力，進一步保障安全；另一方面，車輛也能擁有在高速路上運行的保障。其二是加載在道路上，讓車路協(xié)同成為現(xiàn)實。激光雷達加載在路側(cè)，可以精確探測和跟蹤道路、車輛、行人、環(huán)境的數(shù)據(jù)，并通過分析實現(xiàn)智慧交通的車路協(xié)同。對于自動駕駛來說，激光雷達的上“路”與上“車”相結(jié)合，進一步保障商用安全。5.激光雷達的應(yīng)用

目標識別061.道路識別

把真實的道路通過激光雷達轉(zhuǎn)換成汽車認識的道路，供自動駕駛汽車行駛；或通過視覺傳感器識別出車道線，提供車輛在當前車道中的位置，幫助智能網(wǎng)聯(lián)汽車提高行駛的安全性。道路識別任務(wù)：提取車道的幾何結(jié)構(gòu)（車道的寬度、車道的曲率等），確定車輛在車道中的位置、方向。

目標識別061.道路識別

（1）傳統(tǒng)非結(jié)構(gòu)道路識別方法道路模型法：部分非結(jié)構(gòu)化道路依然具有一定程度的固定結(jié)構(gòu)，通過合理構(gòu)造相對規(guī)則的邊緣，近似得到特征明顯的道路模型。該種方法的優(yōu)勢在于對陰影等干擾不敏感，但只適用于部分非結(jié)構(gòu)化道路，無法適用于邊緣不明顯的完全非結(jié)構(gòu)化道路。光流法消失點檢測法圖像分割法

目標識別061.道路識別

（2）機器學(xué)習(xí)根據(jù)非結(jié)構(gòu)化道路的特點，提出了一種基于高斯核支持向量機的非結(jié)構(gòu)化道路環(huán)境植被檢測方法，通過檢測植被，完成可通行區(qū)域和不可通行區(qū)域的甄別?？紤]到植被幾何形狀、邊緣線等特征不明顯.

目標識別061.道路識別

（3）

深度學(xué)習(xí)深度學(xué)習(xí)是含有多層隱藏層的人工神經(jīng)網(wǎng)絡(luò)。深度學(xué)習(xí)在圖像識別方面的應(yīng)用，相比較傳統(tǒng)方法的優(yōu)點在于不需要人為設(shè)定特征。卷積神經(jīng)網(wǎng)（ConvNet）能夠?qū)D像進行語義層面的分割，結(jié)合的神經(jīng)網(wǎng)能夠發(fā)揮各個神經(jīng)網(wǎng)各自的優(yōu)點，彌補不足，具有較高的識別率。

目標識別061.道路識別

（4）

基于激光雷達的道路識別方法激光雷達傳感器因具有可以向系統(tǒng)反饋三維坐標、深度等信息的特點，被廣泛應(yīng)用于識別領(lǐng)域。通過激光雷達的非結(jié)構(gòu)化道路感知方法，依據(jù)對柵格化后的點云數(shù)據(jù)完成距地高度、高度差、梯度差等特征數(shù)據(jù)的統(tǒng)計和聚類分析、跟蹤，實現(xiàn)了可通行區(qū)域、靜態(tài)障礙物的識別與車輛的跟蹤監(jiān)測。

目標識別061.道路識別

視覺傳感器能夠采集紋理信息，同時激光雷達傳感器能夠收集深度信息。結(jié)合兩種傳感器各自的特點，通過深度學(xué)習(xí)訓(xùn)練圖片，用完成訓(xùn)練的模型對圖片語意進行分割；同時，利用雷達獲取與圖片逐幀對應(yīng)的點云數(shù)據(jù)，將點云數(shù)據(jù)和語意分割圖相匹配、融合，得到2.5D分割地圖。根據(jù)地圖計算不同候選路徑的損失，最終選擇損失最小的路徑作為當前路徑。該方法能綜合考慮圖像紋理和深度信息，時效性、魯棒性較好。（5）多路傳感器技術(shù)融合

目標識別062.車輛識別

視頻+毫米波融合等方法。但單一的感知算法，如激光雷達、毫米波雷達、攝像頭等均存在各自的短板，難以適用于所有場景。而將多傳感器進行融合計算，可實現(xiàn)優(yōu)勢互補，使數(shù)據(jù)的維度更豐富、數(shù)據(jù)的置信度更高。因此，多傳感器融合進行車輛識別以及行人識別是目前的主流方式。

目標識別062.車輛識別

1）基于視頻的車輛目標檢測與識別目前，基于視頻的車輛目標檢測與識別從淺層學(xué)習(xí)發(fā)展深度學(xué)習(xí)?；跍\層學(xué)習(xí)的車輛識別一般包括數(shù)據(jù)獲取、預(yù)處理、特征提取、圖像表示和分類器等環(huán)節(jié)，如圖2-30所示。淺層學(xué)習(xí)可分為基于全局特征的車輛識別方法、基于局部特征的車輛識別方法以及基于三維特征的識別方法。預(yù)處理數(shù)據(jù)獲取特征提取圖像表示分類器

目標識別062.車輛識別基于深度學(xué)習(xí)車輛識別，該系統(tǒng)由圖像采集、圖像與處理和圖像識別三個模塊組成。

目標識別062.車輛識別

2）基于激光雷達的車輛目標檢測與識別通過激光雷達的車輛目標檢測與識別一般分為數(shù)據(jù)預(yù)處理、提取特征、目標跟蹤和車輛識別等步驟。提取特征數(shù)據(jù)預(yù)處理目標跟蹤車輛識別

目標識別062.車輛識別

3）基于視頻+激光雷達的車輛目標檢測與識別基于攝像頭與激光雷達的車輛識別方法：首先建立一個感興趣的區(qū)域（ROI）。對該區(qū)域內(nèi)的雷達數(shù)據(jù)進行濾波及聚類處理；聚類后通過計算類的寬度排除一部分不可能是車輛的障礙物，再通過坐標轉(zhuǎn)換得到可能是車輛的障礙物在圖像中的位置，然后通過圖像處理的方法進行識別。

目標識別062.車輛識別

4）基于視頻+毫米波雷達的車輛目標檢測與識別利用雷達獲取候選目標的距離、角度、速度等信息，進而得到目標物的世界坐標，利用攝像頭標定原理得到世界坐標與圖像像素坐標的轉(zhuǎn)換關(guān)系，初步確定候選目標在圖像上的區(qū)域，即感興趣區(qū)域（ROI）；通過自適應(yīng)閾值確定方法進行圖像分割處理，進而利用圖像處理方法對感興趣區(qū)域檢測是否存在車輛特征。06目標識別2.行人識別行人安全是駕駛安全中的重要環(huán)節(jié)，而確保行人安全的前提在于能夠?qū)π腥诉M行準確的檢測和識別，下面主要介紹三種行人目標檢測與識別方法：1）基于視頻的行人目標檢測與識別行人檢測是把視頻序列中出現(xiàn)的行人從背景中分割出來并精確定位，目前有背景差法、幀間差分法、光流法和基于統(tǒng)計學(xué)習(xí)的人體檢測等幾種方法。在實際的交通環(huán)境中，通常采用背景差法檢測行人，即首先通過自適應(yīng)背景提取方法快速提取背景圖像，在差分圖像的基礎(chǔ)上，結(jié)合直方圖自動閾值分割和數(shù)學(xué)形態(tài)學(xué)運算，采用一定的行人分割算法，填充分割圖像中運動行人圖像的斷裂部分，提取出行人完整的輪廓；根據(jù)提取的目標特征信息，結(jié)合多種特征初步判斷行人的存在信息，進行行人檢測。01目標識別3.行人識別2）基于激光雷達的行人目標檢測與識別基于三維激光雷達的障礙物檢測和行人識別主要分為地面點云去除、目標物體分割和行人目標識別三個部分。地面點云去除主要包括建立深度圖和去除地面點云數(shù)據(jù)，將點云數(shù)據(jù)轉(zhuǎn)化為深度圖然后去除地面點云。目標物體分割是從非地面點云數(shù)據(jù)中提取出不同的物體。06目標識別3.行人識別3）基于視頻+激光雷達的行人目標檢測與識別激光雷達雖能獲得深度信息，但是分辨率低，這就使得多傳感器系統(tǒng)成為智能網(wǎng)聯(lián)汽車環(huán)境感知系統(tǒng)研究中的一個熱點?；谝曨l+激光雷達的車輛目標檢測與識別檢測方案類似。06目標識別3.行人識別4）感興趣區(qū)域預(yù)處理由于室外場景下的圖像受天氣、光照等因素的影響，圖像質(zhì)量不高，對其進行預(yù)處理可以消除圖像中的噪聲和增強圖像的邊緣，使得圖像變成較清晰的圖像，便于后續(xù)的處理和分析。5）目標分類識別在感興趣區(qū)域獲取階段，只是對圖像中可能存在行人的區(qū)域進行了初步的檢測，其目的是希望在不發(fā)生行人漏檢的前提下，盡量減少虛檢。但在實際應(yīng)用中往往無法避免虛檢，因此有必要對感興趣區(qū)域做進一步的確認識別，來確定所分割出來的目標是否為行人，這就需要一個目標分類識別的過程。目標分類識別主要是通過分類器對行人進行識別。先是通過訓(xùn)練樣本離線訓(xùn)練分類器，再通過訓(xùn)練好的分類器對行人進行在線識別。06目標識別2.交通標志識別道路交通標志是用文字和圖形符號對車輛、行人傳遞指示、指路、警告、禁令等信號的標志。道路交通標志引導(dǎo)道路使用者有秩序使用道路，以促進道路行車安全，而在駕駛輔助系統(tǒng)中對交通標志的識別則可以不間斷地為整車控制提供相應(yīng)的幫助。06目標識別4.交通標志識別1）基于顏色的交通標志檢測目前主流有RGB（三原色）顏色模型方法和HIS（色調(diào)、飽和度和強度）顏色模型方法?；赗GB模型的交通標志顏色分割算法主要涉及去除噪聲、灰度直方圖均值化、光照控制和切割標志四個步驟。優(yōu)點是計算量較小和速度快等，缺點是沒能很好模擬人類對顏色的視覺感知。2）基于形狀的交通標志檢測中國的交通標志形狀主要有三角形、圓形和矩形，形狀檢測最常見的方法是使用某種形式的霍夫變換，方向梯度直方圖（HistogramofOrientedGridients，HOG）是檢測形狀的可接受選擇之一。其基本思想是將圖像劃分為單元格并在該單元格內(nèi)累積邊緣方向的直方圖。最后，生成特征以通過組合直方圖條目來描述對象。3）基于多特征融合的交通標志檢測交通標志顏色和形狀都有特殊的規(guī)定，易受到環(huán)境的影響，僅僅依靠單種特征可能導(dǎo)致交通標志檢測失敗。因此將顏色和形狀等多特征融合的方法更有利于交通標志檢測，從而提高交通標志檢測算法的準確率。4）基于深度學(xué)習(xí)的交通標志檢測方法通過訓(xùn)練大數(shù)據(jù)來學(xué)習(xí)特征，具有很強的特征表達能力，不容易受到光照、遮擋等與交通標志無關(guān)的外界因素的影響，比傳統(tǒng)的交通標志檢測方法泛化能力更強，準確率更高。06目標識別5.交通信號識別交通信號的檢測與識別是無人駕駛與輔助駕駛必不可少的一部分，其識別精度直接關(guān)乎智能駕駛的安全。不同國家和地區(qū)采用的交通信號燈式樣各不相同，在國內(nèi)，交通信號燈的設(shè)置都必須遵循GB14887—2011《道路交通信號燈》和GB14886—2006《道路交通信號燈設(shè)置與安裝規(guī)范》。06目標識別5.交通信號識別交通信號識別包括檢測和識別兩個基本環(huán)節(jié)。首先是定位交通信號燈，通過攝像頭，從復(fù)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，準確定位其位置，獲取候選區(qū)域；然后是識別交通信號燈，在檢測算法中已經(jīng)獲取交通信號燈的候選區(qū)域，通過對其進行分析及特征提取，運用分類算法對其分類識別。交通信號識別原理如圖：思考題：1.為什么要搭建環(huán)境感知技術(shù)？2.環(huán)境感知技術(shù)主要面向的對象有哪些？3.你所知道的環(huán)境感知傳感器有哪些？請舉例說明。4.視覺傳感器的定義是什么？智能網(wǎng)聯(lián)汽車決策與控制技術(shù)能網(wǎng)聯(lián)智汽車技術(shù)時間：講課老師：內(nèi)

容CONTENTS智能網(wǎng)聯(lián)汽車決策技術(shù)01智能網(wǎng)聯(lián)汽車運動控制技術(shù)0201智能網(wǎng)聯(lián)汽車決策技術(shù)

智能網(wǎng)聯(lián)汽車行為決策的內(nèi)涵：行為決策層在整個智能網(wǎng)聯(lián)汽車規(guī)劃控制軟件系統(tǒng)中扮演著“大腦”的角色。

這個層面匯集了所有汽車感知到的重要周邊信息，不僅包括了智能網(wǎng)聯(lián)汽車本身的當前位置、速度、朝向，以及到達目的地的導(dǎo)航信息和當前所處車道，還收集了智能網(wǎng)聯(lián)汽車一定距離以內(nèi)的障礙物信息。

行為決策層需要解決的問題就是在知曉這些信息的基礎(chǔ)上，決定智能網(wǎng)聯(lián)汽車的行駛策略，使得智能網(wǎng)聯(lián)汽車可以安全地到達目的地。01智能網(wǎng)聯(lián)汽車決策技術(shù)交通環(huán)境預(yù)測

智能網(wǎng)聯(lián)汽車系統(tǒng)架構(gòu)

智能網(wǎng)聯(lián)汽車的系統(tǒng)架構(gòu)如圖所示。一般來說，行為預(yù)測模塊屬于自動駕駛系統(tǒng)的決策規(guī)劃層。智能汽車在進行決策規(guī)劃時，首先會從環(huán)境感知模塊中獲取道路拓撲結(jié)構(gòu)信息、實時交通信息、障礙物（交通參與者）信息和主車自身的狀態(tài)信息，然后根據(jù)這些信息對其他動態(tài)障礙物（交通參與者）未來的運動軌跡做預(yù)測。01智能網(wǎng)聯(lián)汽車決策技術(shù)1）汽車行為預(yù)測

大多數(shù)相關(guān)研究使用汽車歷史軌跡來模擬其行為，基于該行為預(yù)測未來軌跡。然而這些研究并未關(guān)注可能影響汽車在未來行駛軌跡對應(yīng)場景中的道路拓撲結(jié)構(gòu)、交通信息等特征。

汽車的行駛軌跡是兩個因素共同作用的結(jié)果：首先是汽車駕駛?cè)说男袨?，例如反映意圖的換道過程；其次是外部環(huán)境因素，例如在行駛期間影響汽車軌跡的交通信息（如紅綠燈）等。

由此衍生出多種不同的軌跡預(yù)測思路：基于物理模型的軌跡預(yù)測、基于行為模型的軌跡預(yù)測、基于神經(jīng)網(wǎng)絡(luò)的軌跡預(yù)測、基于交互的軌跡預(yù)測、基于仿生學(xué)的軌跡預(yù)測以及多種途徑相結(jié)合的軌跡預(yù)測等。01智能網(wǎng)聯(lián)汽車決策技術(shù)（1）基于物理模型的軌跡預(yù)測

基于物理模型的軌跡預(yù)測是基于物理的運動模型將汽車表示為受物理定律支配的動態(tài)實體。使用動力學(xué)和運動學(xué)模型預(yù)測未來運動，將一些控制輸入（例如轉(zhuǎn)向、加速度），汽車屬性（例如重量）和外部條件（例如路面的摩擦系數(shù)）與汽車狀態(tài)的演變（例如位置）聯(lián)系起來。有大量的工作基于物理的汽車運動模型進行軌跡預(yù)測，這種方法仍然是道路安全背景下最常用的軌跡預(yù)測和碰撞風險評估的方法。

這些汽車模型的復(fù)雜程度不一，它們的區(qū)別在于模型的動力學(xué)和運動學(xué)表現(xiàn)、如何處理不確定性、是否考慮道路的幾何形狀等。01智能網(wǎng)聯(lián)汽車決策技術(shù)①動力學(xué)模型

一般來說，汽車動力學(xué)模型基于拉格朗日方程，考慮影響汽車運動不同力的作用，例如縱向和橫向輪胎力或道路傾斜角。汽車受到復(fù)雜物理學(xué)（駕駛?cè)藢Πl(fā)動機、變速器、車輪等作用的影響）的控制，因此動力學(xué)模型可能非常復(fù)雜并且涉及汽車的許多內(nèi)部參數(shù)。建立這種復(fù)雜的模型在涉及與汽車控制相關(guān)的計算時可能是有必要的，但在軌跡預(yù)測中，為了簡化計算，一般會使用更簡單的模型。因此在軌跡預(yù)測中，常常采用“自行車”模型代替復(fù)雜的汽車動力學(xué)模型，這意味著將四輪汽車簡化為兩輪汽車，并在二維平面上移動。01智能網(wǎng)聯(lián)汽車決策技術(shù)②運動學(xué)模型。

運動學(xué)模型基于運動參數(shù)（例如位置、速度、加速度）之間的數(shù)學(xué)關(guān)系來描述汽車的運動，而不考慮影響運動的力。在運動學(xué)模型中，摩擦力被忽略，并假設(shè)每個車輪的速度都與車輪方向相同。在軌跡預(yù)測方面，運動學(xué)模型比動力學(xué)模型的應(yīng)用更加廣泛運動學(xué)模型中最簡單的是恒速度（CV）和恒定加速（CA）模型，它們都假定汽車是直線運動的。恒轉(zhuǎn)速和速度（CTRV）以及恒轉(zhuǎn)加速度和加速度（CTRA）模型通過在汽車狀態(tài)向量中引入偏航角和偏航率變量來考慮繞z軸的變化。由于速度和偏航率是分離的，因此模型復(fù)雜度很低。通過考慮轉(zhuǎn)向角而不是狀態(tài)變量中的橫擺率，可以用“自行車”模型來表示汽車模型。這種模型考慮了速度和橫擺率之間的相關(guān)性，從中可以導(dǎo)出恒定轉(zhuǎn)向角和速度（CSAV）以及恒定加速度和加速度（CSAA）。01智能網(wǎng)聯(lián)汽車決策技術(shù)（2）基于行為模型的軌跡預(yù)測

基于行為模型的軌跡預(yù)測方法通常有直接通過原型軌跡來進行預(yù)測和先識別駕駛意圖再進行預(yù)測兩種方式。在結(jié)構(gòu)化道路環(huán)境下，汽車的運動軌跡通?？梢愿鶕?jù)道路拓撲分類為有限個軌跡簇，這些軌跡簇通常都對應(yīng)著典型的汽車行為。基于原型軌跡的方法就是將感知到的他車軌跡與先驗的運動模式進行匹配，然后根據(jù)匹配結(jié)果結(jié)合原型軌跡來進行運動預(yù)測。通常通過學(xué)習(xí)的方法，對樣本軌跡進行分類學(xué)習(xí)，從而獲得原型軌跡?？梢酝ㄟ^譜聚類（SpectralClustering）方法對采集的軌跡進行分類，也可以通過簡單求解樣本的均值和標準差來進行分類。在軌跡分類過程中，高斯混合模型（GaussianMixtureModel，GMM）有很好的表現(xiàn)，其基本思想是在高維空間中投影軌跡，然后使用GMM方法，針對軌跡長度進行分類。如果將采集到的軌跡看作離散時間上的多維高斯分布，首先使用K均值（K-Means）方法對汽車的側(cè)向加速度進行分類，然后基于GMM來對樣本軌跡進行分類，可以求解原型軌跡。01智能網(wǎng)聯(lián)汽車決策技術(shù)（3）基于神經(jīng)網(wǎng)絡(luò)的軌跡預(yù)測

一些方法基于長短期記憶（LongShortTermMemory，LSTM）的神經(jīng)網(wǎng)絡(luò)對周圍汽車的短期駕駛行為進行學(xué)習(xí)并進行軌跡預(yù)測（見圖3-6）。該網(wǎng)絡(luò)接收坐標系下針對周圍汽車排好序的傳感器測量數(shù)據(jù)，訓(xùn)練后產(chǎn)生占用柵格地圖，地圖上包含周圍汽車未來時刻可能到達的位置及相應(yīng)的概率。利用LSTM進行軌跡預(yù)測01智能網(wǎng)聯(lián)汽車決策技術(shù)LSTM是RNN的一種形式，通過一個存儲器單元來代替網(wǎng)絡(luò)的每一個結(jié)點，解決了穩(wěn)度彌散的問題。通過“門”（Gate）來控制丟棄或者增加信息，從而實現(xiàn)遺忘或記憶的功能?！伴T”是一種使信息選擇性通過的結(jié)構(gòu)，由一個Sigmoid（）函數(shù)和一個點乘操作組成Sigmoid（）函數(shù)的輸出值在[0，1]區(qū)間，0代表完全丟棄，1代表完全通過。一個LSTM單元有三個這樣的門，分別是遺忘門（ForgetGate）、輸入門（InputGate）和輸出門(OutputGate)。存儲器單元：決定和積累單元要記憶的內(nèi)容。輸入門限：決定輸入信息是否被允許進入模組。輸出門限：決定輸出是否要被模組向外傳送。一個LSTM存儲單元01智能網(wǎng)聯(lián)汽車決策技術(shù)（4）基于交互的軌跡預(yù)測

基于交互的軌跡預(yù)測在對他車環(huán)境進行運動預(yù)測時，將自車和周圍的其他汽車看作是相互影響的，考慮了它們之間的行為依賴關(guān)系。因此，比起基于行為模型的軌跡預(yù)測，它能夠提供更加準確可靠的預(yù)測結(jié)果。考慮交通參與者之間的交互時，其中一種方法是假設(shè)所有駕駛?cè)硕急M量避免碰撞，并選擇風險最小的駕駛行為。這種方法首先計算每個汽車行駛意圖的先驗概率分布，然后再通過建模汽車之間的交互關(guān)系進行風險評估，進而對先驗分布進行修正。這種方法在大多數(shù)正常駕駛場景下可以取得很好的效果，但是在一些真正危險的場景下可能會出錯。

相比于基于物理模型和基于行為模型的軌跡預(yù)測，基于交互的軌跡預(yù)測充分考慮了汽車之間的相互影響，因此可以實現(xiàn)更加準確可靠的預(yù)測結(jié)果。01智能網(wǎng)聯(lián)汽車決策技術(shù)（5）多種途徑相結(jié)合的軌跡預(yù)測

汽車軌跡預(yù)測能夠幫助智能網(wǎng)聯(lián)汽車更好地了解交通環(huán)境、提前執(zhí)行危險性評估等任務(wù)。有的軌跡預(yù)測方法通過結(jié)合基于物理模型與行為模型的軌跡預(yù)測來實現(xiàn)。這兩種方法相結(jié)合的優(yōu)勢在于基于物理模型的軌跡預(yù)測可以在考慮汽車動力學(xué)參數(shù)的情況下確保短期內(nèi)預(yù)測的準確性，而基于行為模型的軌跡預(yù)測可以實現(xiàn)長期的預(yù)測。此外，可以在基于物理模型的軌跡預(yù)測中融合無跡卡爾曼濾波器來實現(xiàn)對不確定性信息的預(yù)測?；谛袨槟Ｐ偷能壽E預(yù)測則將不確定性隨機元素引入到動態(tài)貝葉斯網(wǎng)絡(luò)中，用以推斷每個行為過程對應(yīng)的軌跡。01智能網(wǎng)聯(lián)汽車決策技術(shù)1）行人行為預(yù)測行人軌跡預(yù)測是指根據(jù)行人過去一段時間的軌跡，預(yù)測其未來的軌跡。該技術(shù)在自動駕駛和服務(wù)機器人導(dǎo)航中都有廣泛的應(yīng)用。與汽車不同，行人在決策的過程中有較大的隨機性，其難點可以概括為以下幾個方面。（1）如何使得預(yù)測出的行人軌跡既符合物理約束，又符合社會規(guī)范。符合物理約束指預(yù)測出的軌跡應(yīng)該是滿足物理要求的，例如一個人不能穿過另一個人等、社會規(guī)范則指行人的一些社會學(xué)行為，例如結(jié)伴而行、相互禮讓等。（2）如何對不同行人之間的相互影響進行建模。在行人密集的地方，每個行人在做決策時需要考慮其他行人的行為，包括躲避、追趕、跟隨、超過等交互性的行為。（3）如何預(yù)測出多個合理的軌跡。在實際場景中，往往不只有一種軌跡符合條件，通常有多個軌跡都是合理的。01智能網(wǎng)聯(lián)汽車決策技術(shù)汽車行為決策

汽車行為決策系統(tǒng)的目標是對可能出現(xiàn)的駕駛道路環(huán)境都給出一個合理的行為策略。行為決策系統(tǒng)首先會分析道路結(jié)構(gòu)環(huán)境，明確自身所處的駕駛場景。接著在此基礎(chǔ)上針對特定的駕駛場景，基于基本交通規(guī)則或駕駛經(jīng)驗組成的駕駛先驗知識，在多個可選行為中基于駕駛?cè)蝿?wù)需求等要素條件，選擇此場景下的最優(yōu)駕駛行為。01智能網(wǎng)聯(lián)汽車決策技術(shù)基于規(guī)則的行為決策

基于規(guī)則的自動駕駛汽車行為決策層的設(shè)計，其核心思想是利用分治的原則將自動駕駛汽車周邊的場景進行劃分。在每個場景中，獨立運用對應(yīng)的規(guī)則來計算自動駕駛汽車對每個場景中元素的決策行為，再將所有劃分場景的決策進行綜合，得出一個最后綜合的總體行為決定。首先引入幾個重要概念：綜合決策（SyntheticDecision）、個體決策（IndividualDecision）以及場景（Scenario）。01智能網(wǎng)聯(lián)汽車決策技術(shù)1.綜合決策

綜合決策代表自動駕駛汽車行為決策層面的整體最高層決策，例如按照當前車道跟車保持車距行駛，換道至左/右相鄰車道，立刻停車到某一停止線后等；作為最高層面的綜合決策，其所決策的指令狀態(tài)空間定義需要和下游的運動規(guī)劃（MotionPlanning）模塊保持一致。這樣計算得出的綜合決策指令是下游可以直接用來執(zhí)行從而規(guī)劃出路線軌跡。為了便于下游直接執(zhí)行，綜合決策的指令集往往帶有具體的指令參數(shù)數(shù)據(jù)。01智能網(wǎng)聯(lián)汽車決策技術(shù)2.個體決策與綜合決策相對應(yīng)的是個體決策。個體決策是指對所有重要的行為決策層面的輸入個體，都產(chǎn)生一個決策。這里的個體，可以是感知輸出的路上汽車和行人，也可以是結(jié)合了地圖元素的抽象個體，如紅綠燈或者人行橫道對應(yīng)的停止線等。在場景劃分的基礎(chǔ)上產(chǎn)生每個場景下的個體決策，再綜合考慮歸納這些個體決策，得到最終的綜合決策。個體決策不僅是產(chǎn)生最后的綜合決策的元素，而且也和綜合決策一起被傳遞給下游運動規(guī)劃模塊。個體決策有利于下游路徑規(guī)劃模塊的求解，還能幫助工程師在軟件開發(fā)過程中進行決策模塊的調(diào)試。個體決策和綜合決策相似的地方是除了其指令集本身外，個體決策也帶有參數(shù)數(shù)據(jù)。01智能網(wǎng)聯(lián)汽車決策技術(shù)3.場景

個體決策的產(chǎn)生依賴于場景的構(gòu)建。這里可以將場景理解成一系列具有相對獨立意義的自動駕駛汽車周邊環(huán)境的劃分。利用這種分而治之的思想進行場景劃分，可以將自動駕駛汽車行為決策層面匯集的汽車周邊不同類別的信息元素，聚類到不同的富有實際意義的場景實體中。每個場景模塊利用自身的業(yè)務(wù)邏輯（BusinessLogic）來計算其不同元素個體的決策。

通過場景的復(fù)合，以及最后對所有個體的綜合決策考慮，自動駕駛汽車得到的最終行為決策需要是最安全的決策。從場景的劃分可以看出，本身一個物體出現(xiàn)在不同場景里的概率是很小的。事實上，這種場景劃分的方法本身就盡可能避免了這一情況的出現(xiàn)。即使這種矛盾出現(xiàn)，也會對所有的個體決策進行匯總和安全無碰撞的驗證。01智能網(wǎng)聯(lián)汽車決策技術(shù)整個行為決策層面的框架和運行流程如圖所示。首先是結(jié)合主車信息、地圖數(shù)據(jù)及感知結(jié)果構(gòu)建不同層次的場景。在全局路徑規(guī)劃的指引下，每個場景結(jié)合自身的規(guī)則（往往是交規(guī)或者安全避讓優(yōu)先），計算出屬于每個場景物體的個體決策。在所有的個體決策計算完畢后，雖然發(fā)生的概率極其微小，但模塊還是會檢查有無沖突的個體決策。在對沖突的個體決策進行沖突解決（往往是優(yōu)先避讓）后，推演、預(yù)測當前的所有個體決策能否匯總成安全行駛無碰撞的綜合決策。如果這樣的安全無碰撞綜合決策存在，便將其和個體決策一起輸出給下層的運動規(guī)劃模塊，計算具體從當前位置到下一個位置的時空軌跡。01智能網(wǎng)聯(lián)汽車決策技術(shù)全局路徑規(guī)劃

全局路徑規(guī)劃完成類似于人類駕