掃一掃
關注中圖網
官方微博
本類五星書更多>
-
>
公路車寶典(ZINN的公路車維修與保養秘籍)
-
>
晶體管電路設計(下)
-
>
基于個性化設計策略的智能交通系統關鍵技術
-
>
花樣百出:貴州少數民族圖案填色
-
>
山東教育出版社有限公司技術轉移與技術創新歷史叢書中國高等技術教育的蘇化(1949—1961)以北京地區為中心
-
>
鐵路機車概要.交流傳動內燃.電力機車
-
>
利維坦的道德困境:早期現代政治哲學的問題與脈絡
自主車輛感知、建圖與目標跟蹤技術 版權信息
- ISBN：9787030620200
- 條形碼：9787030620200 ; 978-7-03-062020-0
- 裝幀：一般膠版紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
自主車輛感知、建圖與目標跟蹤技術 內容簡介
本書介紹自主車輛感知、環境建圖、運動跟蹤、異常診斷等在理論和方法上取得的進展。共分8章: 第1章概述智能車輛的定義、關鍵技術及其研究現狀和產業化前景 ; 第2章介紹交通標志和信號燈檢測與識別的算法設計及檢測技術 ; 第3章討論圖像去霧算法及其在交通場景中的應用 ; 第4章探討激光雷達的動態建圖及車輛的狀態估計與參數測試 ; 第5章研究多傳感器系統的數據處理、路由策略和自定位及網絡協同機制 ; 第6章探究3種基于視覺的目標跟蹤算法及其實驗分析 ; 第7章分析基于運動物體檢測的雷達與相機標定及二維激光雷達和攝像機的標定技術 ; 第8章闡述慣性導航組合定位技術和傳感器異常檢測與診斷技術。
自主車輛感知、建圖與目標跟蹤技術 目錄
目錄
前言
第1章 緒論 1
1.1 智能車輛的定義及研究意義 1
1.1.1 智能車輛的定義 1
1.1.2 智能車輛研究對國民經濟和國防建設的意義 3
1.1.3 自主駕駛車輛與人工智能 4
1.2 智能車輛關鍵技術 5
1.2.1 感知技術 5
1.2.2 規劃與決策技術 6
1.2.3 控制技術 7
1.2.4 其他技術 7
1.3 環境感知、目標跟蹤等關鍵技術的研究現狀 8
1.3.1 環境感知 9
1.3.2 車輛自動駕駛的目標跟蹤技術 13
1.3.3 其他相關技術 15
1.4 智能車輛的產業化及發展前景 16
參考文獻 20
第2章 交通信號檢測與識別技術 23
2.1 交通標志檢測算法設計 23
2.1.1 常見交通標志說明 23
2.1.2 交通標志識別算法設計框架與檢測算法 24
2.1.3 交通標志邊緣重構 26
2.1.4 感興趣區域形狀標記圖提取與匹配 28
2.1.5 交通標志牌檢測算法性能 32
2.2 交通標志識別算法設計 35
2.2.1 二元樹復小波變換特征提取 36
2.2.2 交通標志二元樹復小波特征降維 44
2.2.3 交通標志識別與分類算法 51
2.2.4 內部圖形提取和匹配 54
2.2.5 交通標志分類結果融合 57
2.2.6 交通標志牌識別算法性能 57
2.3 交通信號燈檢測算法設計 64
2.3.1 基于明暗信息的交通信號燈區域提取 64
2.3.2 圓形交通信號燈檢測算法設計 72
2.3.3 箭頭形交通信號燈檢測算法設計 75
2.4 交通信號燈識別算法設計 82
2.4.1 圖像的二維Gabor小波表示 82
2.4.2 交通信號燈Gabor特征降維 84
2.4.3 交通信號燈分類 85
2.5 人行橫道和停止線檢測技術 86
2.5.1 逆透視變換 87
2.5.2 方向邊緣檢測器 89
2.5.3 人行橫道線檢測 91
2.5.4 停止線檢測 94
2.5.5 人行橫道和停止線檢測實時性分析 95
參考文獻 96
第3章 圖像去霧算法及其應用 97
3.1 雨霧天圖像清晰化研究 97
3.1.1 雨霧天圖像清晰化的研究背景及意義 97
3.1.2 雨霧天圖像清晰化的研究現狀 98
3.1.3 雨霧天圖像清晰化的研究難點及問題 100
3.2 霧天圖像、視頻的清晰化算法 101
3.2.1 基于梯度優先規律的霧天圖像清晰化算法 101
3.2.2 基于霧氣理論的視頻去霧方法 109
3.2.3 霧天圖像、視頻清晰化效果的評價 123
3.3 去霧算法在交通場景中的應用 137
3.3.1 交通場景圖像的特點 138
3.3.2 針對交通場景圖像的去霧算法 139
3.3.3 去霧算法在交通場景下的相關應用 142
3.4 雨天圖像的雨滴檢測與去除算法 151
3.4.1 雨天圖像的雨滴特性 152
3.4.2 雨天圖像的雨滴檢測 155
3.4.3 雨天圖像的雨滴去除 158
參考文獻 162
第4章 激光雷達建圖與車輛狀態估計 167
4.1 SLAM中基于局部地圖的混合數據關聯方法 167
4.1.1 SLAM中的數據關聯問題 167
4.1.2 基于局部地圖的混合數據關聯方法 169
4.1.3 實驗結果及分析 172
4.1.4 小結 175
4.2 動態障礙處理方法及動態環境下SLAM的實現 175
4.2.1 動態目標檢測技術 175
4.2.2 基于激光的時空關聯動態目標檢測 179
4.2.3 基于聲吶和攝像頭的動態環境地圖創建 185
4.3 SLAMiDE系統及實現 191
4.3.1 問題描述 191
4.3.2 SLAMiDE系統設計 193
4.3.3 目標模型的設計 194
4.3.4 SLAMiDE系統的實現 197
4.3.5 實驗分析 201
4.4 行駛車輛中的狀態估計和軟測量 206
4.4.1 汽車運動學深入建模 207
4.4.2 車輛狀態參數計算模型 208
4.4.3 橫向操作穩定性與汽車行駛參數 212
4.4.4 非完整性約束下的車輛行駛狀態估計 215
4.5 車輛狀態參數測試試驗與分析 217
4.5.1 路況較好情況下的試驗 217
4.5.2 路況較差情況下的試驗 225
參考文獻 234
第5章 多傳感器系統的協同機制和自定位 237
5.1 多傳感器系統的數據預處理 237
5.1.1 節點獨立位置估計 237
5.1.2 基于熵的不確定度橢球 238
5.1.3 測量信息一致度模型 240
5.1.4 基于極大熵博弈的測量數據選擇 241
5.2 多傳感器系統的路由策略 242
5.2.1 AODV算法簡介 242
5.2.2 OMNeT++平臺簡介 247
5.3 多傳感器系統網絡協同機制 259
5.3.1 能量消耗模型 259
5.3.2 剩余能量平衡模型 260
5.3.3 跟蹤精度模型 261
5.4 多傳感器系統的自定位 264
5.4.1 三邊測量法 264
5.4.2 多邊測量法 265
5.4.3 *小*大法 267
5.4.4 三點幾何法 268
參考文獻 272
第6章 基于視覺的目標跟蹤技術 274
6.1 基于時序特性的增量PCA目標跟蹤算法 275
6.1.1 增量PCA簡介 275
6.1.2 基于增量PCA目標跟蹤算法簡介 278
6.1.3 時序特性的觀測模型 279
6.1.4 特征子空間模型的更新 281
6.1.5 基于時序特性的增量PCA目標跟蹤算法具體步驟 282
6.2 基于多級字典稀疏表達的目標跟蹤算法 283
6.2.1 基于稀疏表達的目標跟蹤簡介 283
6.2.2 多級目標模板字典的更新策略 285
6.3 基于融合多增量外觀模型的目標跟蹤算法 288
6.3.1 基于多實例度量學習的目標跟蹤算法簡介 289
6.3.2 基于融合多增量外觀模型的目標跟蹤算法實現 291
6.4 實驗結果與分析 294
6.4.1 跟蹤結果的定性比較 295
6.4.2 跟蹤誤差的定量比較與分析 300
參考文獻 301
第7章 多外傳感器聯合標定技術 304
7.1 概述 304
7.2 基于運動物體檢測的毫米波雷達與CCD相機的標定 304
7.2.1 毫米波雷達與相機平面之間的關系 306
7.2.2 基于運動檢測的圖像與雷達匹配數據對估計 306
7.2.3 實驗結果與分析 307
7.3 二維激光雷達和攝像機的標定 308
7.3.1 基于三模板*小標定方法介紹 310
7.3.2 基于系數矩陣二范數和多約束誤差函數的激光雷達-攝像機標定法 319
7.3.3 實驗結果與分析 326
參考文獻 330
第8章 慣性導航傳感器異常診斷方法 333
8.1 GPS/INS組合定位技術研究 333
8.1.1 組合方式與狀態方程 333
8.1.2 組合系統量測方程 334
8.1.3 GPS失效狀態下的補償算法 336
8.1.4 車輛定位數據的地圖匹配 342
8.2 冗余傳感器的故障檢測與診斷 348
8.2.1 硬件冗余傳感器的故障診斷 349
8.2.2 不同精度冗余傳感器故障診斷 352
8.2.3 基于多尺度卡爾曼濾波的故障診斷 362
8.2.4 組合導航的故障檢測 368
8.3 變點檢測及其在組合導航系統中的應用 376
8.3.1 傳感器故障診斷與故障檢測 377
8.3.2 基于變長掃描模型的變點檢測 381
8.3.3 變點檢測算法性能測試 384
8.3.4 變點檢測在GPS/INS組合導航系統中的應用 405
參考文獻 413
中英文對照表 415
彩圖
前言
第1章 緒論 1
1.1 智能車輛的定義及研究意義 1
1.1.1 智能車輛的定義 1
1.1.2 智能車輛研究對國民經濟和國防建設的意義 3
1.1.3 自主駕駛車輛與人工智能 4
1.2 智能車輛關鍵技術 5
1.2.1 感知技術 5
1.2.2 規劃與決策技術 6
1.2.3 控制技術 7
1.2.4 其他技術 7
1.3 環境感知、目標跟蹤等關鍵技術的研究現狀 8
1.3.1 環境感知 9
1.3.2 車輛自動駕駛的目標跟蹤技術 13
1.3.3 其他相關技術 15
1.4 智能車輛的產業化及發展前景 16
參考文獻 20
第2章 交通信號檢測與識別技術 23
2.1 交通標志檢測算法設計 23
2.1.1 常見交通標志說明 23
2.1.2 交通標志識別算法設計框架與檢測算法 24
2.1.3 交通標志邊緣重構 26
2.1.4 感興趣區域形狀標記圖提取與匹配 28
2.1.5 交通標志牌檢測算法性能 32
2.2 交通標志識別算法設計 35
2.2.1 二元樹復小波變換特征提取 36
2.2.2 交通標志二元樹復小波特征降維 44
2.2.3 交通標志識別與分類算法 51
2.2.4 內部圖形提取和匹配 54
2.2.5 交通標志分類結果融合 57
2.2.6 交通標志牌識別算法性能 57
2.3 交通信號燈檢測算法設計 64
2.3.1 基于明暗信息的交通信號燈區域提取 64
2.3.2 圓形交通信號燈檢測算法設計 72
2.3.3 箭頭形交通信號燈檢測算法設計 75
2.4 交通信號燈識別算法設計 82
2.4.1 圖像的二維Gabor小波表示 82
2.4.2 交通信號燈Gabor特征降維 84
2.4.3 交通信號燈分類 85
2.5 人行橫道和停止線檢測技術 86
2.5.1 逆透視變換 87
2.5.2 方向邊緣檢測器 89
2.5.3 人行橫道線檢測 91
2.5.4 停止線檢測 94
2.5.5 人行橫道和停止線檢測實時性分析 95
參考文獻 96
第3章 圖像去霧算法及其應用 97
3.1 雨霧天圖像清晰化研究 97
3.1.1 雨霧天圖像清晰化的研究背景及意義 97
3.1.2 雨霧天圖像清晰化的研究現狀 98
3.1.3 雨霧天圖像清晰化的研究難點及問題 100
3.2 霧天圖像、視頻的清晰化算法 101
3.2.1 基于梯度優先規律的霧天圖像清晰化算法 101
3.2.2 基于霧氣理論的視頻去霧方法 109
3.2.3 霧天圖像、視頻清晰化效果的評價 123
3.3 去霧算法在交通場景中的應用 137
3.3.1 交通場景圖像的特點 138
3.3.2 針對交通場景圖像的去霧算法 139
3.3.3 去霧算法在交通場景下的相關應用 142
3.4 雨天圖像的雨滴檢測與去除算法 151
3.4.1 雨天圖像的雨滴特性 152
3.4.2 雨天圖像的雨滴檢測 155
3.4.3 雨天圖像的雨滴去除 158
參考文獻 162
第4章 激光雷達建圖與車輛狀態估計 167
4.1 SLAM中基于局部地圖的混合數據關聯方法 167
4.1.1 SLAM中的數據關聯問題 167
4.1.2 基于局部地圖的混合數據關聯方法 169
4.1.3 實驗結果及分析 172
4.1.4 小結 175
4.2 動態障礙處理方法及動態環境下SLAM的實現 175
4.2.1 動態目標檢測技術 175
4.2.2 基于激光的時空關聯動態目標檢測 179
4.2.3 基于聲吶和攝像頭的動態環境地圖創建 185
4.3 SLAMiDE系統及實現 191
4.3.1 問題描述 191
4.3.2 SLAMiDE系統設計 193
4.3.3 目標模型的設計 194
4.3.4 SLAMiDE系統的實現 197
4.3.5 實驗分析 201
4.4 行駛車輛中的狀態估計和軟測量 206
4.4.1 汽車運動學深入建模 207
4.4.2 車輛狀態參數計算模型 208
4.4.3 橫向操作穩定性與汽車行駛參數 212
4.4.4 非完整性約束下的車輛行駛狀態估計 215
4.5 車輛狀態參數測試試驗與分析 217
4.5.1 路況較好情況下的試驗 217
4.5.2 路況較差情況下的試驗 225
參考文獻 234
第5章 多傳感器系統的協同機制和自定位 237
5.1 多傳感器系統的數據預處理 237
5.1.1 節點獨立位置估計 237
5.1.2 基于熵的不確定度橢球 238
5.1.3 測量信息一致度模型 240
5.1.4 基于極大熵博弈的測量數據選擇 241
5.2 多傳感器系統的路由策略 242
5.2.1 AODV算法簡介 242
5.2.2 OMNeT++平臺簡介 247
5.3 多傳感器系統網絡協同機制 259
5.3.1 能量消耗模型 259
5.3.2 剩余能量平衡模型 260
5.3.3 跟蹤精度模型 261
5.4 多傳感器系統的自定位 264
5.4.1 三邊測量法 264
5.4.2 多邊測量法 265
5.4.3 *小*大法 267
5.4.4 三點幾何法 268
參考文獻 272
第6章 基于視覺的目標跟蹤技術 274
6.1 基于時序特性的增量PCA目標跟蹤算法 275
6.1.1 增量PCA簡介 275
6.1.2 基于增量PCA目標跟蹤算法簡介 278
6.1.3 時序特性的觀測模型 279
6.1.4 特征子空間模型的更新 281
6.1.5 基于時序特性的增量PCA目標跟蹤算法具體步驟 282
6.2 基于多級字典稀疏表達的目標跟蹤算法 283
6.2.1 基于稀疏表達的目標跟蹤簡介 283
6.2.2 多級目標模板字典的更新策略 285
6.3 基于融合多增量外觀模型的目標跟蹤算法 288
6.3.1 基于多實例度量學習的目標跟蹤算法簡介 289
6.3.2 基于融合多增量外觀模型的目標跟蹤算法實現 291
6.4 實驗結果與分析 294
6.4.1 跟蹤結果的定性比較 295
6.4.2 跟蹤誤差的定量比較與分析 300
參考文獻 301
第7章 多外傳感器聯合標定技術 304
7.1 概述 304
7.2 基于運動物體檢測的毫米波雷達與CCD相機的標定 304
7.2.1 毫米波雷達與相機平面之間的關系 306
7.2.2 基于運動檢測的圖像與雷達匹配數據對估計 306
7.2.3 實驗結果與分析 307
7.3 二維激光雷達和攝像機的標定 308
7.3.1 基于三模板*小標定方法介紹 310
7.3.2 基于系數矩陣二范數和多約束誤差函數的激光雷達-攝像機標定法 319
7.3.3 實驗結果與分析 326
參考文獻 330
第8章 慣性導航傳感器異常診斷方法 333
8.1 GPS/INS組合定位技術研究 333
8.1.1 組合方式與狀態方程 333
8.1.2 組合系統量測方程 334
8.1.3 GPS失效狀態下的補償算法 336
8.1.4 車輛定位數據的地圖匹配 342
8.2 冗余傳感器的故障檢測與診斷 348
8.2.1 硬件冗余傳感器的故障診斷 349
8.2.2 不同精度冗余傳感器故障診斷 352
8.2.3 基于多尺度卡爾曼濾波的故障診斷 362
8.2.4 組合導航的故障檢測 368
8.3 變點檢測及其在組合導航系統中的應用 376
8.3.1 傳感器故障診斷與故障檢測 377
8.3.2 基于變長掃描模型的變點檢測 381
8.3.3 變點檢測算法性能測試 384
8.3.4 變點檢測在GPS/INS組合導航系統中的應用 405
參考文獻 413
中英文對照表 415
彩圖
展開全部
自主車輛感知、建圖與目標跟蹤技術 節選
第1章 緒論 人工智能經過60多年的發展已經取得了巨大進步，目前正呈現增長之勢。近年來，國內外人工智能研究出現前所未有的良好發展環境，各種人工智能新思想和新技術如雨后春筍般破土而出，人工智能的產業和應用領域更加拓展。人工智能的快速發展是國際科技發展的大勢所趨，將引領一輪新的機器革命，促進世界產業結構調整，為經濟復蘇與發展注入正能量。 智能交通是一種新型的交通系統或裝置，是人工智能技術與現代交通系統融合的產物，也是人工智能一個新的具有蓬勃發展與廣泛應用前景的產業領域。隨著國民經濟的發展和科學技術的進步，人民群眾的生活水平逐漸提高，他們期盼更為便捷和舒適的交通工具，智能交通能夠提供這種保障。 1.1 智能車輛的定義及研究意義 智能車輛(intelligent vehicle， IV)是智能交通的核心技術之一，是研究道路上人工智能的一門學問。什么是智能車輛？研究智能車輛具有什么重要意義？ 1.1.1 智能車輛的定義 智能交通系統(intelligent transportation systemk， ITS)是一類將智能信息處理技術、傳感技術、通信技術和控制技術等融合于整個交通運輸體系，實現人腦、路、車的有機結合與密切協調，建立起一種大范圍、全方位、實時、準確和高效的交通運輸綜合管理系統。顧名思義，智能交通系統就是應用人工智能技術的交通系統。 智能車輛是智能交通系統的重要組成部分，有利于降低日趨嚴重的交通事故發生率，提高現有道路交通的效率，在一定程度上緩解能源消耗和環境污染等問題，是世界車輛工程領域研究的熱點和汽車工業增長的新動力，已成為許多發達國家智能交通系統的發展重點。未來的交通系統將是基于車-車、車-路等信息交互的人、車、路一體化的智能交通系統，其組成主要包括地面智能控制中心、地面智能設備和智能車輛三部分。地面智能控制中心負責統籌區域內所有智能車輛的運行，提供車輛全局路徑規劃與導航的重要信息；地面智能設備提供詳細的環境信息，包括十字路口四端和車道線的位置、交通信號燈工作狀況等信息，可幫助自主駕駛的智能車輛實現高精度定位；智能車輛感知自身周圍環境，保證車輛舒適安全行駛，直至局部路徑規劃與決策，控制汽車實現快速、安全的自主駕駛。智能交通系統需要具備對駕駛環境和交通狀況的全面實時感知和理解的能力，其中具備自主規劃與控制及人機協同操作功能的智能車輛是實現未來智能交通系統的關鍵。 智能車輛是一個集環境感知、規劃決策和多等級輔助駕駛等功能于一體的綜合系統[3]。它集中運用了計算機、傳感器、信息融合、通信、人工智能及自動控制等技術，是典型的高新技術綜合體。智能車輛包含自主駕駛車輛的概念，除此之外，智能性還體現在：可感應雨水和雨量的智能雨刷、可根據路況控制懸架行程的智能懸架、以巡航控制為代表的各種輔助駕駛系統、以碰撞預警為代表的各種智能安全系統等。自主駕駛車輛是智能車輛的高級階段和集大成者，這種車輛能像人一樣會“思考”“判斷”“行走”，可以自動啟動、加速、剎車，可以自動繞過地面障礙物。在復雜的道路環境下，它的“大腦”能隨機應變，自動選擇*佳方案，指揮汽車正常、安全地行駛。 智能車輛系統(intelligent vehicle system， IVS)感知駕駛環境，提供車輛控制等信息，協助駕駛員進行*佳的車輛操縱。智能車輛系統是超越現有主動安全系統的新一代車輛系統，可能由在線導航系統支持駕駛決策。 汽車業相對發達的美國為智能車輛定義了三個發展階段的目標。**個階段是對汽車的功能擴展，利用互聯網技術增加娛樂功能與生活服務功能以提高駕駛的舒適體驗；第二個階段是輔助駕駛階段，其重點之一是提高汽車的安全性；第三個階段才是真正的自主駕駛階段。在過去的幾十年，汽車上已經安裝了很多智能化系統，如車道偏離警告系統、正面碰撞警告系統、智能雨刷、智能懸架、防打瞌睡系統，以及緊急車道輔助系統等，而自主駕駛汽車所需的各種關鍵技術近年來已經不斷得到確認。 自主駕駛車輛是智能車輛發展的高級階段，它能綜合利用所具有的感知、決策和操控能力，在特定的環境中，代替人類駕駛員獨立地執行車輛駕駛任務[2]。基于智能交通系統的新一代自主駕駛的智能車輛將具有以下功能。 (1)更全面的環境感知與理解：人類駕駛員存在視野范圍、精神狀態和駕駛經驗等多種影響環境感知與理解的因素，而自主駕駛系統將采用多源信息融合技術把相關環境的不完整信息加以綜合和互補，實現對環境更加全面穩定的感知。 (2)復雜交通狀況下的駕駛行為決策：自主駕駛車輛能完成出入匝道、高架橋，以及在動態車流條件下的自主超車、匯入車流等復雜操作；將具備復雜車流條件下的多車輛協同駕駛功能。 (3)復雜天氣條件下完成輔助駕駛：在復雜天氣條件下，自主駕駛車輛能夠將環境感知系統所提取的環境特征與先驗環境模型進行整合，以增強現實可視化的方式將環境逼真地顯示出來，輔助駕駛員完成感知決策。 (4)能在面臨危險時為駕駛員提供寶貴的應急處理時間，或者代替駕駛員進行自主應急處理：新一代的自主駕駛系統將能夠分析駕駛員的操控能力和輔助駕駛系統的適用范圍，實現交互式多目標仲裁機制，從而在面臨危險時為駕駛員提供寶貴的應急處理時間，或者代替駕駛員進行危險應急處理。 1.1.2 智能車輛研究對國民經濟和國防建設的意義 發展智能車輛包括自主駕駛技術對于滿足交通、能源和制造業領域的國家重大需求具有重要意義。安全、節能、環保是近年來國際汽車生產業提出的發展目標。對我國而言，*近20年交通運輸的迅猛發展帶來了安全、節能、環保方面的嚴峻挑戰，而智能車輛的研究和發展是解決安全、節能和環保問題的重要途徑。 首先，智能車輛提高了汽車駕駛的舒適性和安全性，降低了能源消耗，減輕了對環境的污染。以智能懸架和車聯網為例，前者能有效地改善汽車的顛簸，使用戶擁有了更好的體驗；后者在目前發展階段也能有效地緩解擁堵壓力，有效利用交通資源，同時駕車時間更短，且減少了碳排放和能源消耗。更重要的是，智能車輛能有效提高汽車的安全性，減少交通事故的發生。已經開發的各種輔助駕駛系統，如前方碰撞預警、車道偏離預警、倒車輔助系統、駕駛員打盹警告系統等，都能對行車安全提供有效幫助。研究表明，通過先進的智能駕駛輔助技術有助于減少50%～80%的道路交通安全事故。在智能車輛的高級階段，即自主駕駛階段，甚至可以完全避免交通事故，把人從駕駛過程中解放出來，這也是智能汽車*吸引人的價值魅力所在。汽車交通事故在很大程度上取決于人為因素，自主駕駛汽車由計算機精確控制，可以有效減少酒駕、疲勞駕駛、超速等人為不遵守交通規則導致的交通事故。相對有人駕駛車輛，自主駕駛車輛具有以下優點：①響應時間短，環境測量準確；②可消除盲區；③駕駛行為統一規范；④不存在疲勞、慌張的情況。因此，從技術層面上講，研究自主駕駛技術將大幅減少交通事故，提高駕駛安全性，甚至可能實現交通零傷亡的目標。 其次，智能車輛將改變當前道路交通基礎設施狀況，影響汽車運輸相關產業的發展。智能車輛的運行需要配套的交通基礎設施，以促進整個交通系統向智能化發展。在此過程中，需要進行大量的基礎設施改造或升級，例如，為實現自主駕駛，需要在交叉路口、路側、彎道等布置引導電纜、雷達反射性標識、傳感器、通信設施等。智能車輛的運行也必將帶動更多的上下游產業發展，包括上游的元器件和芯片生產企業，中游的先進傳感器廠商、汽車廠商、能夠提供智能駕駛技術研發和集成供應的汽車電子供應商和軟件平臺開發商，以及下游的系統集成商、通信服務商、平臺運營商和內容提供商等。作為國民經濟支柱的汽車產業智能化發展，必然對國民經濟發展做出更大的貢獻。 再次，從創新和競爭角度，智能車輛研究將顯著提升我國汽車產業的競爭實力。在汽車自主駕駛領域，我國與發達國家基本上還處于同一發展階段。自主駕駛是汽車領域的一次重大變革，也是我國提高自主品牌的市場占有率和總利潤的一次絕佳機會。也就是說，自主駕駛技術的研究有可能使國內的汽車產業與國外同行處于同一競爭水平。因此，發展包含自主駕駛在內的智能車輛關鍵技術，將有利于我國汽車產業擺脫長期依賴國外先進技術、自主創新不足、自主產品少的困難局面，對于提高國有自主品牌的市場占有率和總利潤、推動我國建設創新型國家具有重要意義。 *后，自主駕駛技術是無人作戰系統的核心技術之一。美國陸軍已開始執行新一輪無人駕駛軍用車輛的采辦計劃，該計劃提出美國陸軍三分之一的軍用車輛實現無人化，這對我軍的無人作戰系統提出了嚴峻的挑戰。因此，非結構化道路智能車輛行駛技術和自主駕駛技術的研究，能夠有效促進我國無人作戰系統的研發部署進程，對進一步增強我軍武器裝備實力具有重要意義。 1.1.3 自主駕駛車輛與人工智能 智能車輛，就是在普通車輛的基礎上增加先進的傳感器(雷達、攝像)、控制器、執行器等裝置，通過車載傳感系統和信息終端實現與人、車、路等的智能信息交換，使車輛具備智能的環境感知能力，能夠自動分析車輛行駛的安全狀態或危險狀態，并使車輛按照人的意愿到達目的地，*終實現替代人來操作的目的。也就是說，自主駕駛汽車必須要能夠執行一系列的關鍵功能，即它必須知道周圍發生了什么，必須知道它在哪里和它想去哪里，必須具有推理和決策的能力從而制訂安全的行駛線路，而且必須有驅動裝置以操縱車輛的轉向和控制系統。因此，要讓智能車輛走進人們的生活，需要有導航信息資料庫、全球定位系統(global positioning system， GPS)、交通管理中心提供的實時前方道路狀況的信息系統、車輛防碰系統、緊急報警系統，以及無線通信系統等。可以說，智能車輛不是某個單一的系統，它應該是不同系統的整合，通過傳感器和車聯網等，同時實現車與外部世界的連接及車與車之間的連接與通信。簡而言之，自主駕駛車輛是一類通過傳感器感知環境和自身狀態，實現未知環境中面向目標的自主運動，并完成一定作業任務的車輛。 綜上所述，加上考慮道路環境和天氣條件復雜多變等情況，實現車輛全自主駕駛的難度極大。要在所有區域和全天候條件下像人類駕駛員一樣對車輛狀態和環境變化做出實時的判斷，并且相應地改變車輛駕駛方法，保證車輛安全行駛，自主駕駛系統必須具備很高級別的人工智能。可以說，智能車輛技術是各種人工智能方法的綜合體現，包括感知技術、規劃與決策方法、自動跟蹤控制技術、機器學習方法等。智能車輛與機器人一樣，都是人工智能技術的*佳應用場景。 1.2 智能車輛關鍵技術 智能車輛技術按功能層次可以分為智能感知/預警系統、輔助駕駛系統和全自主駕駛系統三層。上一層技術是下一層技術的基礎，這三個層次具體如下所述。 1. 智能感知/預警系統 利用各種傳感器對車輛自身、車輛行駛的周圍環境及駕駛員本身的狀態進行感知，必要時發出預警信息。智能感知/預警系統主要包括碰撞預警系統(collision warning system， CWS)和駕駛員狀態監測系統。碰撞預警系統主要包括前方碰撞警告、盲點警告、車道偏離警告、換道/并道警告、十字路口警告、步行人檢測與警告、后方碰撞警告等。駕駛員狀態監測系統主要有駕駛員打盹警告系統、駕駛員位置占有狀態監測系統等。 2. 輔助駕駛系統 利用智能感知系統的信息進行決策規劃，給駕駛員提出駕駛建議或部分地代替駕駛員進行車輛控制操作。輔助駕駛系統主要包括巡航控制系統、車輛跟蹤系統、準確泊車系統及精確機動系統。 3. 全自主駕駛系統 全自主駕駛系統是智能車輛技術的*高層次，它由車載計算機全自動地實現車輛所有感知、判斷決策和操作功能。 為支持上述功能，需要以下若干關鍵技術。 1.2.1 感知技術 智能車輛系統可靠運行的前提是通過各種傳感器準確地捕捉環境和車輛自身的狀態信息并加工處理，隨后發出預警或者自動操控車輛。研究如何將傳感器傳來的信
書友推薦
- >
大紅狗在馬戲團-大紅狗克里弗-助人
- >
唐代進士錄
- >
人文閱讀與收藏·良友文學叢書:一天的工作
- >
推拿
- >
小考拉的故事-套裝共3冊
- >
上帝之肋:男人的真實旅程
- >
山海經
- >
中國歷史的瞬間
本類暢銷
