人工智能技術(shù)與應用（案例版）課件 第7章 智能汽車自動駕駛

第7章

智能汽車自動駕駛-1人工智能技術(shù)與應用ArtificialintelligencetechnologyandApplication1.智能汽車概述2.自動駕駛車輛的應用3.智能技術(shù)——機器學習4.應用案例案例引入近日來關(guān)于智能自動駕駛汽車的報道越來越多。都市快報橙柿互動報道，2024年1月15日至2月5日，“市民中心-杭州東站”“市民中心-蕭山機場”自動駕駛出租車線路在杭州試運營。運營車輛配備了50個高清傳感器，包括28個高清攝像頭，它具有強大的算力，能夠?qū)崟r對道路上的車輛和物體進行識別，并精準計算，在保障安全的同時提供高效的出行服務。早在2018年，杭州就在全國率先進行智能網(wǎng)聯(lián)車輛道路測試。智能網(wǎng)聯(lián)汽車發(fā)展，已駛?cè)搿翱燔嚨馈薄?.智能汽車概述智能汽車是搭載先進傳感系統(tǒng)、決策系統(tǒng)、執(zhí)行系統(tǒng)，運用信息通信、互聯(lián)網(wǎng)、大數(shù)據(jù)、云計算、人工智能等新技術(shù)，具有部分或完全自動駕駛功能，由單純交通運輸工具逐步向智能移動空間轉(zhuǎn)變的新一代汽車。改裝的自動駕駛車輛

一款由豐田車改裝的自動駕駛車輛，它搭載了毫米波雷達、攝像機以及激光雷達等環(huán)境感知設(shè)備。其中，在前后保險杠上分布有四個雷達，用來探測較遠處的障礙物。后視鏡附近有一個攝像機，用于檢測道路指示牌和交通燈情況。在行駛過程中，車載傳感器將感知信息發(fā)送給車載計算機，車載計算機通過輸入的感知信息進行路徑規(guī)劃并生成相應控制量，且將控制量下發(fā)給自動駕駛車輛控制系統(tǒng)進行橫向和縱向控制，實現(xiàn)智能駕駛。改裝的自動駕駛車輛

另一款是谷歌在CodeConference上展示了一款原型車。沒有制動踏板，沒有方向盤，也沒有油門踏板，只有一個用于開啟汽車的按鍵，其內(nèi)部設(shè)計可以大大增加乘客的乘車空間，提高舒適性。它搭載了64線激光雷達、GPS定位系統(tǒng)、車載雷達、攝像機、紅外攝像機、車輪編碼器以及開關(guān)。在車輛行駛過程中，車載計算機通過處理接收到的感知環(huán)境信息進行規(guī)劃，并生成可行路徑以及對應的控制量，最后將其發(fā)送給車輛底層執(zhí)行層，進行智能駕駛。自動駕駛車輛也可以分為更容易理解的四大部分，包括感知部分、定位導航、路徑規(guī)劃以及路徑跟蹤。感知系統(tǒng)：可以通過激光雷達、攝像頭、超聲波、GPS慣性導航傳感器來感知周圍的環(huán)境。這些傳感器不斷收集到的數(shù)據(jù)。然后經(jīng)過計算機處理，生成了車輛周圍的三維地圖和障礙物信息。決策系統(tǒng)通過人工智能算法和深度學習技術(shù)來實現(xiàn)決策系統(tǒng)。到的數(shù)據(jù)進行分析。從而做出最優(yōu)的駕駛決策。執(zhí)行系統(tǒng)：通過電動機剎車和轉(zhuǎn)向系統(tǒng)來控制車輛行駛。系統(tǒng)會根據(jù)決策系統(tǒng)做出的決策，自動控制車輛行駛、轉(zhuǎn)向、制動等操作，從而實現(xiàn)自動駕駛。當自動駕駛車輛在行駛過程中遇到一個路口，感知系統(tǒng)會將收集到的三維地圖信息，可稱為車輛的數(shù)據(jù)，然后傳輸?shù)浇巧到y(tǒng)，決策系統(tǒng)會根據(jù)傳感器數(shù)據(jù)和人工智能算法來決定最佳行駛路線和速度。執(zhí)行系統(tǒng)通過控制車輛行駛和轉(zhuǎn)向，確保車輛安全通過路口。如果傳感器檢測到前方有障礙物、其他車輛或行人，那么汽車的計算機將根據(jù)距離和速度等因素做出相應的反應，如減速或停車；與此同時，汽車的計算機還可以通過使用先進的路線規(guī)劃算法來決定最佳的行駛路線，以避免擁堵或危險情況。智能汽車組成智能感知設(shè)備集成的硬件系統(tǒng)：自動駕駛汽車是以智能汽車為代表，可以被理解為“站在四個輪子上的機器人”，利用傳感器、攝像頭及雷達感知環(huán)境，使用GPS和高精度地圖確定自身位置，從云端數(shù)據(jù)庫接收交通信息，利用處理器將收集到的各類數(shù)據(jù)向控制系統(tǒng)發(fā)出指令，實現(xiàn)加速、剎車、變道、跟隨等各種操作。智能汽車組成智能駕駛輔助集成的軟件系統(tǒng)：高級駕駛輔助系統(tǒng)是利用安裝在車上的各式各樣傳感器，在汽車行駛過程中隨時感應周圍的環(huán)境，收集數(shù)據(jù)，進行靜態(tài)、動態(tài)物體的辨識、偵測與追蹤，并結(jié)合導航地圖數(shù)據(jù)，進行系統(tǒng)的運算與分析，從而預先讓駕駛者察覺到可能發(fā)生的危險，有效增加汽車駕駛的舒適性和安全性。智能汽車起源與發(fā)展智能汽車的挑戰(zhàn)與未來在智能汽車技術(shù)變革過程中，智能駕駛汽車的廣泛部署仍面臨許多困難。其中最重要的問題是系統(tǒng)性能、網(wǎng)絡(luò)安全和處理快速發(fā)展的技術(shù)組合的正確管理框架?；谧詣玉{駛概念和出行方式，未來汽車的商業(yè)模式必定會發(fā)生改變，自動駕駛與“互聯(lián)網(wǎng)+”的結(jié)合將會極大地改變現(xiàn)有的汽車概念，甚至改變現(xiàn)有的物流系統(tǒng)、交通系統(tǒng)，實現(xiàn)現(xiàn)代公路物流的全自動化。同時，自動駕駛的概念與共享的概念完全契合?，F(xiàn)在很多國家都步入老年化，自動駕駛可以完美地解決老年人和殘疾人的出行問題。2.自動駕駛車輛的應用自動駕駛分級國際自動機工程師學會（SAE-International）發(fā)布的SAEJ3016標準提出自動駕駛分級標準L0~L5級，共6個等級的自動駕駛分類方法。多數(shù)人所理解的高度自動化的自動駕駛是Level5級別，也就是自動駕駛的最高形態(tài)，但Level5級別的高度自動化駕駛離量產(chǎn)目前還比較遙遠。所以，先擁有成熟的駕駛輔助系統(tǒng)（也就是滿足Level1~Level3級別）是實現(xiàn)高度自動化的基礎(chǔ)。自動駕駛車輛在智能交通中的應用自動駕駛與車聯(lián)網(wǎng)：自動駕駛汽車完全取代傳統(tǒng)汽車之前，必然有并存期。自動駕駛汽車不僅要實現(xiàn)有人駕駛和自動駕駛的無縫接軌，完全實現(xiàn)人機交互、車與車交互。車聯(lián)網(wǎng)通常是指車與車（V2V）、車與路面基礎(chǔ)設(shè)施（V2I）、車與人（V2P）、車與傳感設(shè)備的交互，實現(xiàn)車輛與公眾網(wǎng)絡(luò)通信的動態(tài)移動通信系統(tǒng)，并在信息網(wǎng)絡(luò)平臺上對多源采集的信息進行加工、計算、共享和安全發(fā)布。自動駕駛車輛在智能交通中的應用自動駕駛與智能交通系統(tǒng)：智能交通系統(tǒng)是將先進的信息技術(shù)、通信技術(shù)、傳感技術(shù)、控制技術(shù)以及計算機技術(shù)等有效地集成運用于整個交通運輸管理體系，從而建立起一種在大范圍內(nèi)全方位發(fā)揮作用的、實時、準確、高效的運輸和管理系統(tǒng)。它以信息的收集、處理、發(fā)布、交換、分析、利用為主線，為交通參與者提供多樣性服務，即利用高科技使傳統(tǒng)交通模式變得更加智能化，更加安全、節(jié)能、高效率。自動駕駛車輛在國防安全領(lǐng)域的應用“黑騎士”無人作戰(zhàn)平臺是美國陸軍“未來戰(zhàn)斗系統(tǒng)”的重要組成部分，主要用于前沿火力偵察與監(jiān)視等作戰(zhàn)任務?！昂隍T士”研發(fā)項目由卡內(nèi)基梅隆大學國家機器人工程中心負責研制傳感器、車載計算機系統(tǒng)和硬件，包括自主導航和行動系統(tǒng)。以色列自動駕駛車輛“守護者”是目前世界上第一種已經(jīng)裝備部隊、具有一定自主能力的地面無人系統(tǒng)，如圖7-20所示。它最高行駛速度為80km/h，能自主設(shè)定行駛路線、規(guī)避障礙，具有自主“跟隨”模式，可與其他地面無人系統(tǒng)協(xié)同作戰(zhàn)。這些無人車都配備了遙控武器站，并具備高水平的自主作業(yè)能力。第7章

智能汽車自動駕駛-2人工智能技術(shù)與應用ArtificialintelligencetechnologyandApplication1.智能汽車概述2.自動駕駛車輛的應用3.智能技術(shù)——機器學習4.應用案例3.機器學習機器學習是一門多領(lǐng)域交叉學科，專門研究計算機怎樣模擬或?qū)崿F(xiàn)人類的學習行為，以獲取新的知識或技能，重新組織已有的知識結(jié)構(gòu)使之不斷改善自身的性能。機器學習是人工智能的核心，是使計算機具有智能的根本途徑。概念機器學習就是針對識別菊花和玫瑰花這樣的任務構(gòu)造某種算法。它的特征是：當訓練的菊花和玫瑰花的圖片越來越多的時候，也就是樣本越來越多的時候，識別率就會越來越高。用顯著式編程是達不到這種效果的，因為顯著式編程一開始就定死了程序的輸入和輸出，識別率是不會隨著訓練樣本的增加而變化。機器學習的發(fā)展歷程機器學習的類型機器學習的類型，主要分成這三大類：有監(jiān)督學習，無監(jiān)督學習，半監(jiān)督學習。有監(jiān)督學習是指有求知欲的學生（計算機）從老師（環(huán)境）那里獲取知識、信息。無監(jiān)督學習常常是指同學自主地學習，沒有老師，不知道標準的答案是對還是錯。半監(jiān)督的學習，是監(jiān)督學習與無監(jiān)督學習相結(jié)合的一種學習方法。有監(jiān)督學習無監(jiān)督學習機器學習過程線性回歸隨機變量與確定變量之間只有一個的，那這個就稱之為一元線性回歸。如果考慮多種影響因素，或者是預測多個變量的，那我們就稱之為多元回歸。線性回歸的優(yōu)點是簡單、易于理解和實現(xiàn)，缺點是不能處理非線性關(guān)系和高維數(shù)據(jù)。線性回歸概念線性回歸基本思想建立回歸模型的基本步驟：確定研究對象，明確哪個是自變量，哪個是因變量；畫出它們的散點圖，觀察他們之間是否存在線性關(guān)系；由經(jīng)驗確定回歸方程的類型；按照一定的規(guī)則（如最小二乘法）估計回歸方程中的參數(shù)；得出結(jié)果，分析殘差，確定模型是否合適。聚類聚類是按照某個特定標準（如距離）把一個數(shù)據(jù)集分割成不同的類或簇，使得同一個簇內(nèi)的數(shù)據(jù)對象的相似性盡可能大，同時不在同一個簇中的數(shù)據(jù)對象的差異性也盡可能地大。即聚類后同一類的數(shù)據(jù)盡可能聚集到一起，不同類數(shù)據(jù)盡量分離。聚類是指把相似的數(shù)據(jù)劃分到一起，具體劃分的時候并不關(guān)心這一類的標簽，目標就是把相似的數(shù)據(jù)聚合到一起。聚類基本概念聚類劃分式聚類方法需要事先指定簇類的數(shù)目或者聚類中心，通過反復迭代，直至最后達到“簇內(nèi)的點足夠近，簇間的點足夠遠”的目標。聚類基本過程迭代1次

迭代3次

迭代10次聚類是探索性數(shù)據(jù)挖掘的主要任務，也是統(tǒng)計數(shù)據(jù)分析的常用技術(shù)，用于許多領(lǐng)域，包括機器學習、模式識別、圖像分析、信息檢索、生物信息學、數(shù)據(jù)壓縮和計算機圖形學。關(guān)聯(lián)分析關(guān)聯(lián)分析是一種數(shù)據(jù)挖掘技術(shù)，用于發(fā)現(xiàn)數(shù)據(jù)集中項之間的關(guān)聯(lián)規(guī)則。在商業(yè)領(lǐng)域，關(guān)聯(lián)分析被廣泛應用于市場籃分析、交叉銷售分析、購物籃分析等領(lǐng)域。它可以幫助企業(yè)發(fā)現(xiàn)產(chǎn)品之間的關(guān)聯(lián)性，從而制定更有效的營銷策略，提高銷售額和客戶滿意度。支持向量機支持向量機縮寫是SVM，它是一種有監(jiān)督的機器學習算法，用于分類任務或者是回歸任務。由俄羅斯統(tǒng)計學家和數(shù)學家弗拉基米爾·萬普尼克（VladimirVapnik）在1995年發(fā)表和創(chuàng)造的。支持向量機是一款強大的分類模型，主要應