浅析三维建模技术的应用7篇
篇一：浅析三维建模技术的应用
第2章 智能网联汽车环 境感知系统
•2 . 1 环 境 感 知 的 定 义 与 组 成 •2 . 2 环 境 感 知 传 感 器 •2 . 3 道 路 识 别 •2 . 4 车 辆 识 别 •2 . 5 行 人 识 别 •2 . 6 交 通 标 志 识 别 •2 . 7 交 通 信 号 灯 识 别
2021/5/13
2021/5/13
2021/5/13
2.1 环境感知系统的定义与组成—— 定义
• 环境感知就是利用车载超声波传感器、毫米波雷达、激光雷达、视 觉传感器，以及V2X通信技术等获取道路、车辆位置和障碍物的信 息，并将这些信息传输给车载控制中心，为智能网联汽车提供决策 依据，是ADAS实现的第一步
2021/5/13
2.1.1 环境感知的定义
2021/5/13
2.1.1 环境感知的定义
➢环境感知的对象主要有道路、车辆、行人、各种障 碍物、交通标志、交通信号灯等
2021/5/13
2.1.2 环境感知的组成
2021/5/13
2.1.2 环境感知的组成
2021/5/13
2. 2 环境感知传感器
•2.2.1 环境感知传感器的类型与配置 •1.环境感知传感器的类型
超 声 波 传 感 器 毫 米 波 雷 达 激 光 雷 达 视 觉 传 感 器
2021/5/13
2.2.1 环境感知传感器的类型与配置
2021/5/13
2.2.1 环境感知传感器的类型与配置
• 2.环境感知传感器的配置 环境感知传感器主要有超声波传感器、毫米波雷达、激光雷达、单/双/三目摄像头、环视摄像头等
2021/5/13
2.2.1 环境感知传感器的类型与配置
2021/5/13
2.2.1 环境感知传感器的类型与配置
2021/5/13
2.2.1 环境感知传感器的类型与配置
• 通用公司用于研究L4级自动驾驶技术的Bolts 5个16线束激光雷达 21个毫米波雷达 16个摄像头
2021/5/13
2.2.1 环境感知传感器的类型与配置
2021/5/13
2.2.1 环境感知传感器的类型与配置
• 3.环境感知传感器的布局
2021/5/13
2.2.1 环境感知传感器的类型与配置
• 4.环境感知传感器的融合
2021/5/13
2.2.1 环境感知传感器的类型与配置
2021/5/13
2.2.1 环境感知传感器的类型与配置
2021/5/13
2.2.1 环境感知传感器的类型与配置
• 图像级融合——是以视觉传感器为主体，将毫米波雷达 输出的整体信息进行图像特征转化，然后与视觉系统的 图像输出进行融合
• 目标级融合——是对视觉传感器和毫米波雷达输出进行 综合可信度加权，配合精度标定信息进行自适应的搜索 匹配后融合输出
• 信号级融合——是对视觉传感器和毫米波雷达传出的数 据源进行融合。信号级别的融合数据损失最小，可靠性 最高 2021/5/13 ，但需要大量的运算
2.2.2 超声波传感器——定义
声音以波的形式传播称为声波 频率大于20 000Hz的声波称为超声波 频率小于20Hz的声波称为次声波 频率为20～20 000Hz的声波就是人能够听见的声波
2021/5/13
2.2.2 超声波传感器——特点
探测距离短，有盲区 对色彩、光照度不敏感 对光线和电磁场不敏感 简单，体积小，成本低
2021/5/13
2.2.2 超声波传感器——测距原理
2021/5/13
2.2.2 超声波传感器——类型
驻车辅助传感器（UPA，PDC）—15~250cm 泊车辅助传感器（APA，PLA）—30~500cm
2021/5/13
2.2.2 超声波传感器——主要参数
测 量 范 围 ：
1 5 ~ 5 0 0 c m 测 量 精 度 ：
测 量 值 与 真 实 值 的 偏 差 波 束 角 ：
能 量 强 度 减 小 一 半 处 的 角 度 工 作 频 率 ：
4 0 k H z 左 右 抗 干 扰 性 能 ：
噪 声 干 扰 反 射 回 来 的 超 声 波 ，
2021/5/13
2.2.2 超声波传感器——应用
最 常 见 的 是 自 动 泊 车 辅 助 系 统
2021/5/13
2.2.2 超声波传感器——应用
前 视 摄 像 头 、 前 置 毫 米 波 雷 达 和 1 2 个 超 声 波 传 感 器
2021/5/13
2.2.3 毫米波雷达——定义
• 工作在毫米波频段的雷达。毫米波是指长度为1～10mm的电磁波， 对应的频率为30～300GHz；主要用于自适应巡航控制系统、自动 制动辅助系统、盲区监测系统、行人检测等
2021/5/13
2.2.3 毫米波雷达——特点
探测距离远，250m以上 探测性能好 响应速度快 适应能力强 抗干扰能力强 覆盖区域呈扇形，有盲点区域 无法识别交通标志 无法 2021/5/13 识别交通信号
2.2.3 毫米波雷达——类型
按 工 作 原 理 分 类 ：
脉 冲 式 、 调 频 式 连 续 毫 米 波 雷 达 按 探 测 距 离 分 类 ：
短 程 （ < 6 0 m ） 、 中 程 （ 1 0 0 m 左 右 ） 和 远 程
（>200m）毫米波雷达 按 频 段 分 类 ：
2 4 G H z 、 6 0 G H z 、 7 7 G H z 和 7 9 G H z 毫 米 波 雷 达
2021/5/13
2.2.3 毫米波雷达——类型
• 77GHz毫米波雷达与24GHz毫米波雷达相比具有以下不同 （ 1 ） 7 7 G H z 毫 米 波 雷 达 探 测 距 离 更 远 （ 2 ） 7 7 G H z 毫 米 波 雷 达 的 体 积 更 小 （ 3 ） 7 7 G H z 毫 米 波 雷 达 所 需 要 的 工 艺 更 高 （ 4 ） 7 7 G H z 毫 米 波 雷 达 的 检 测 精 度 更 好 （ 5 ） 7 7 G H z 毫 米 波 雷 达 的 射 频 芯 片 不 容 易 获 取
2021/5/13
2.2.3 毫米波雷达——测量原理
• 调频式连续毫米波雷达是利用多普勒效应测量得出目标的距离和速度
2021/5/13
2.2.3 毫米波雷达——工作过程
篇二：浅析三维建模技术的应用
Car情报局
Car情报局
Car情报局
Car情报局 汽车底盘的系统结构图
汽车底盘的组成 汽车一般由发动机、底盘、车身、电气等主要部分组成。
Car情报局
Car情报局
Car情报局
线控底盘主要由四大系统构成，分 别是线控转向、线控制动、线控驱动和 车身控制模块，其中线控转向和线控制 动是自动驾驶执行端方向最核心的产品。
线控制动系统
线控驱动系统
车身控制模块 线控转向系统
线控转向系统 线控转向系统的组成 汽车 线控转向系统由转向盘总成、转 向执行总成和主控制器(ECU)三个 主要部分以及自动防故障系统、 电源等辅助系统组成。
Car情报局
线控转向系统的功能 汽车转向系统是决定汽车主动安全性的关 键总成，传统汽车转向系统是机械系统，汽 车的转向运动是由驾驶员操纵转向盘，通过 转向器和一系列的杆件传递到转向车轮而实 现的。
Car情报局
线控转向系统的分类
Car情报局
液压助力系统结构框图
电动助力转向系统结构图
Car情报局
线 控
提高汽车安全性能
转
向
系
改善驾驶特性，增强操纵性
统
的
特
点
改善驾驶员的路感
输入标题
输入标题
单击此处添加文字 单击此处添加文字
单击此处添加文字 单击此处添加文字
Car情报局
电动 化
轻量
智能
化 底盘发展 化
趋势
共享 化
网联 化
Car情报局
随堂练习
1、汽车底盘是由
、
、
和
组成的。
2、线控底盘主要由
、
、
和
。
3、汽车的转向系统分为两大类：
和
。
输入标题
单击此处添加文单 击此处添加文字
Car情报局
Car情报局
篇三：浅析三维建模技术的应用
汽车与自动驾驶系统
第一节 第二节 第三节 第四节 第五节 第六节 概述 世界智能车辆的研究与发展 智能车辆系统结构与微机测控系统 基于视觉导航的智能车辆模糊逻辑控制 智能车辆的自主驾驶与辅助导航 小结
课程名称
http://www.swust.net.cn
11.1 概 述
11.1.1 汽车自动驾驶概念 是指借助车载设备及路侧、路表的电子设备来检测周围 行驶环境的变化情况，进行部分或完全的自动驾驶控制 的系统，目的是提高行车安全和道路通行能力。
该系统的本质就是将车辆——道路系统中的现代化的通 信技术、控制技术和交通信息理论加以集成，提供一个 良好的驾驶环境，在特定条件下，车辆将在自动控制下 安全行驶。
从当前的发展看，可以分为两个层次：
是车辆辅助安全驾驶系统，或者是先进的车辆控制技术；
是自动驾驶系统，或者称为智能汽车，智能汽车在智能 公路上使用才能发挥出全部功能，如果在普通公路上使 用，它仅仅是一辆装备了辅助安全驾驶系统的汽车。
课程名称
http://www.swust.net.cn
11.1 概 述
11.1.2 车辆自动驾驶系统主要目的 防止部分交通事故的发生；
提高道路利用率；
提高驾驶员方便性；
减轻驾驶员负担；
实现车辆的安全高效行驶
课程名称
http://www.swust.net.cn
11.2 世界智能车辆的研究与发展
11.2.1 智能车辆的产生与发展 它的研究始于20世纪50年代初美国 Barrett Electronics公 司开发出的世界上第一台自动引导车辆系统（Automated Guided Vehicle System，AGVS） 1974年，瑞典的Volvo Kalmar轿车装配工厂与Schiinder －Digitron公司合作，研制出一种可装载轿车车体的 AGVS，并由多台该种AGVS组成了汽车装配线，从而取 消了传统应用的拖车及叉车等运输工具。
20世纪80年代，伴随着与机器人技术密切相关的计算机。
电子、通信技术的飞速发展，国外掀起了智能机器人研 究热潮，其中各种具有广阔应用前景和军事价值的移动 式机器人受到西方各国的普遍关注
课程名称
http://www.swust.net.cn
11.2 世界智能车辆的研究与发展
11.2.2 智能车辆的研究方向 目前智能车辆的研究方向主要有以下几个方面：
驾驶员行为分析（Driver Behavior Analysis） 环境感知（Environmental Perception） 极端情况下的自主驾驶（Autonomous Driving on Extreme Courses） 规范环境下的自主导航（Autonomous Navigation on Normal Environment） 车辆运动控制系统（Vehicle Motion Control Systems） 主动安全系统（Active Safety Systems） 交通监控、车辆导航及协作（Traffic Monitoring, Vehicle Navigation and Coordination）
课程名称 http://www.swust.net.cn
11.2 世界智能车辆的研究与发展
11.2.2 智能车辆的研究方向 车辆交互通信（Inter-vehicle Communications） 军事应用（Military Applications） 系统结构（System Architectures） 先进的安全车辆（Advanced Safety Vehicles）
课程名称
http://www.swust.net.cn
11.2 世界智能车辆的研究与发展
11.2.3 智能车辆的研究范围 计算机视觉 传感器数据结合 智能控制在智能车辆上的应用
课程名称
http://www.swust.net.cn
11.2 世界智能车辆的研究与发展
11.2.4 智能车辆体系结构 智能车辆集多种传感数据融合、视觉信息处理、环境建 模、导航、避障等功能于一体。为完成如此复杂、如此 众多的功能，历史上曾有几种体系结构，如水平型结构、 垂直型结构和综合型结构。
课程名称
http://www.swust.net.cn
11.2 世界智能车辆的研究与发展
11.2.4 智能车辆体系结构
课程名称
http://www.swust.net.cn
11.2 世界智能车辆的研究与发展
11.2.5 智能车辆技术的应用 在日本，众多的汽车厂商也在进行类似的开发工作，日 本政府也制定了完整的开发和实施计划，提出了智能道 路的概念。2000年11月在日本的筑波，来自日本各大汽 车厂家和美国的试验车辆完成了实证试验，这些试验车 辆不但可以在路段上自动驾驶，而且在路口可以探测其 它方向的车辆和过街的行人，并采取相应的措施。2001 年以后，日本开始在各地进行实证试验，2003年计划在 第二东名、名神公路先行引进使用，2015年左右在全国 主要干线道路实现智能道路。
课程名称
http://www.swust.net.cn
11.3 智能车辆系统结构与微机测控系统
11.3.1 引言 智能车辆的研究始于20世纪50年代美国开发的地下埋线 感应式自动引导车辆，虽然其引导技术已十分成熟，但 该种思路很难应用于户外环境。20世纪80年代以来，人 们一直在研究其他引导技术，先后研究过光学导航、视 觉导航、超声导航、红外线导航等，其中视觉导航因其 发展潜力巨大吸引了国内外众多的研究者 。
课程名称
http://www.swust.net.cn
11
11.3 智能车辆系统结构与微机测控系统
11.3.2 车辆体系结构及性能指标 智能车辆的组织和控制结构可粗略分为以下三类基本模 块。
感知模块：获取并处理现场的环境信息。
规划模块：分解任务序列进行规划与决策。
执行模块：驱动车体执行任务操作
课程名称
http://www.swust.net.cn
篇四：浅析三维建模技术的应用
智能网联汽车环境感知系统
2020/5/15
智能网联汽车环境感知系统
➢2.1 环境感知的定义与组成 ➢2.2 环境感知传感器 ➢2.3 道路识别 ➢2.4 车辆识别 ➢2.5 行人识别 ➢2.6 交通标志识别 ➢2.7 交通信号灯识别
2020/5/15
第2页
2020/5/15
第3页
2020/5/15
第4页
2.1 环境感知系统的定义与组成——定义
➢ 环境感知就是利用车载超声波传感器、毫米波雷达、激光 雷达、视觉传感器，以及V2X通信技术等获取道路、车辆位 置和障碍物的信息，并将这些信息传输给车载控制中心， 为智能网联汽车提供决策依据，是ADAS实现的第一步
2020/5/15
第5页
2.1.1 环境感知的定义
202200/25/015/5/15
2.1.1 环境感知的定义
➢环境感知的对象主要有道路、车辆、行人、各种障碍物、交通标志、交通信号灯等
202200/25/015/5/15
2.1.2 环境感知的组成
202200/25/015/5/15
2.1.2 环境感知的组成
202200/25/015/5/15
2. 2 环境感知传感器
➢2.2.1 环境感知传感器的类型与配置 ➢ 1.环境感知传感器的类型
超声波传感器 毫米波雷达 激光雷达 视觉传感器
202200/25/015/5/15
2.2.1 环境感知传感器的类型与配置
202200/25/015/5/15
11
2.2.1 环境感知传感器的类型与配置
➢ 2.环境感知传感器的配置 环境感知传感器主要有超声波传感器、毫米波雷达、激光雷达
、单/双/三目摄像头、环视摄像头等
202200/25/015/5/15
12
2.2.1 环境感知传感器的类型与配置
202200/25/015/5/15
13
2.2.1 环境感知传感器的类型与配置
202200/25/015/5/15
14
2.2.1 环境感知传感器的类型与配置
➢ 通用公司用于研究L4级自动驾驶技术的Bolts 5个16线束激光雷达 21个毫米波雷达 16个摄像头
202200/25/015/5/15
15
2.2.1 环境感知传感器的类型与配置
202200/25/015/5/15
16
2.2.1 环境感知传感器的类型与配置
➢ 3.环境感知传感器的布局
202200/25/015/5/15
17
2.2.1 环境感知传感器的类型与配置
➢ 4.环境感知传感器的融合
202200/25/015/5/15
18
2.2.1 环境感知传感器的类型与配置
202200/25/015/5/15
19
2.2.1 环境感知传感器的类型与配置
202200/25/015/5/15
20
2.2.1 环境感知传感器的类型与配置
➢ 图像级融合——是以视觉传感器为主体，将毫米波雷达输
出的整体信息进行图像特征转化，然后与视觉系统的图像
输出进行融合
➢ 目标级融合——是对视觉传感器和毫米波雷达输出进行综
合可信度加权，配合精度标定信息进行自适应的搜索匹配
后融合输出
➢ 信号级融合——是对视觉传感器和毫米波雷达传出的数据
源进行融合。信号级别的融合数据损失最小，可靠性最高
，但需要大量的运算
202200/25/015/5/15
21
2.2.2 超声波传感器——定义
声音以波的形式传播称为声波 频率大于20 000Hz的声波称为超声波 频率小于20Hz的声波称为次声波 频率为20～20 000Hz的声波就是人能够听见的声波
202200/25/015/5/15
22
2.2.2 超声波传感器——特点
探测距离短，有盲区 对色彩、光照度不敏感 对光线和电磁场不敏感 简单，体积小，成本低
202200/25/015/5/15
23
2.2.2 超声波传感器——测距原理
202200/25/015/5/15
24
2.2.2 超声波传感器——类型
驻车辅助传感器（UPA，PDC）—15~250cm 泊车辅助传感器（APA，PLA）—30~500cm
202200/25/015/5/15
25
2.2.2 超声波传感器——主要参数
测量范围：15~500cm 测量精度：测量值与真实值的偏差 波束角：能量强度减小一半处的角度 工作频率：40kHz左右 抗干扰性能：噪声干扰反射回来的超声波，
202200/25/015/5/15
26
2.2.2 超声波传感器——应用
最常见的是自动泊车辅助系统
202200/25/015/5/15
27
2.2.2 超声波传感器——应用
前视摄像头、前置毫米波雷达和12个超声波传感器
202200/25/015/5/15
28
2.2.3 毫米波雷达——定义
➢ 工作在毫米波频段的雷达。毫米波是指长度为1～10mm的 电磁波，对应的频率为30～300GHz；主要用于自适应巡航 控制系统、自动制动辅助系统、盲区监测系统、行人检测 等
202200/25/015/5/15
29
2.2.3 毫米波雷达——特点
探测距离远，250m以上 探测性能好 响应速度快 适应能力强 抗干扰能力强 覆盖区域呈扇形，有盲点区域 无法识别交通标志 无法识别交通信号
202200/25/015/5/15
30
2.2.3 毫米波雷达——类型
按工作原理分类：脉冲式、调频式连续毫米波雷达 按探测距离分类：短程（<60m）、中程（100m左右）和远程
（>200m）毫米波雷达 按频段分类：24GHz、60GHz、77GHz和79GHz毫米波雷达
202200/25/015/5/15
31
2.2.3 毫米波雷达——类型
➢ 77GHz毫米波雷达与24GHz毫米波雷达相比具有以下不同 （1）77GHz毫米波雷达探测距离更远 （2）77GHz毫米波雷达的体积更小 （3）77GHz毫米波雷达所需要的工艺更高 （4）77GHz毫米波雷达的检测精度更好 （5）77GHz毫米波雷达的射频芯片不容易获取
202200/25/015/5/15
32
2.2.3 毫米波雷达——测量原理
➢ 调频式连续毫米波雷达是利用多普勒效应测量得出目标的距 离和速度
202200/25/015/5/15
33
2.2.3 毫米波雷达——工作过程
202200/25/015/5/15
34
2.2.3 毫米波雷达——布置
➢ 正向布置，与路面夹角的最大偏差不超过5° ➢ 侧向布置，前45°夹角，后30°夹角 ➢ 布置高度， 500（满载）～800 mm（空载）
202200/25/015/5/15
35
2.2.3 毫米波雷达——主要指标
202200/25/015/5/15
36
2.2.3 毫米波雷达——主要指标
202200/25/015/5/15
37
2.2.3 毫米波雷达——主要指标
202200/25/015/5/15
38
2.2.3 毫米波雷达——应用
自适应巡航控制系统（找网上相关视频播放）
202200/25/015/5/15
39
2.2.3 毫米波雷达——应用
前向碰撞预警系统
202200/25/015/5/15
40
2.2.3 毫米波雷达——应用
自动制动辅助系统
202200/25/015/5/15
41
2.2.3 毫米波雷达——应用
盲区监测系统
202200/25/015/5/15
42
2.2.3 毫米波雷达——应用
自动泊车辅助系统
202200/25/015/5/15
43
2.2.3 毫米波雷达——应用
变道辅助系统：盲区监测、变道预警、后向碰撞预警
202200/25/015/5/15
44
2.2.3 毫米波雷达——应用
后向碰撞预警系统
202200/25/015/5/15
45
2.2.3 毫米波雷达
202200/25/015/5/15
46
2.2.4 激光雷达——定义
➢ 激光雷达是工作在光波频段的雷达，它利用光波频段的电磁 波先向目标发射探测信号，然后将其接收到的同波信号与发 射信号相比较，从而获得目标的位置（距离、方位和高度） 、运动状态（速度、姿态）等信息，实现对目标的探测、跟 踪和识别
202200/25/015/5/15
47
2.2.4 激光雷达——定义
202200/25/015/5/15
48
2.2.4 激光雷达——特点
探测范围广：可达300m以上。
分辨率高：距离分辨率可达0.1m；速度分辨率能达到10m/s
以内；角度分辨率不低于0.1mard 信息量丰富：探测目标的距离、角度、反射强度、速度等信
息，生成目标多维度图像 可全天候工作：不依赖于外界条件或目标本身的辐射特性 与毫米波雷达相比，产品体积大，成本高。
不能识别交通标志和交通信号灯
202200/25/015/5/15
49
2.2.4 激光雷达——组成
激光雷达系统由收发天线、收发前端、信号处理模块、汽车 控制装置和报警模块组成
202200/25/015/5/15
50
2.2.4 激光雷达——测距原理
脉冲测距法
202200/25/015/5/15
51
2.2.4 激光雷达——测距原理
干涉测距法
202200/25/015/5/15
52
2.2.4 激光雷达——测距原理
相位测距法
202200/25/015/5/15
53
2.2.4 激光雷达——类型
机械激光雷达：带有控制激光发射角度的旋转部件，体积 较大，价格昂贵，测量精度相对较高，一般置于汽车顶部
202200/25/015/5/15
54
2.2.4 激光雷达——类型
固态激光雷达：依靠电子部件来控制激光发射角度，无须 机械旋转部件，故尺寸较小，可安装于车体内
激光雷达公司Quanergy在2016年发布的号称全球首款的固 态 激 光 雷 达 S3 ， 可 以 达 到 厘 米 级 精 度 ， 30Hz 扫 描 频 率 ， 0.1°的角分辨率
202200/25/015/5/15
55
2.2.4 激光雷达——类型
混合固态激光雷达：没有大体积旋转结构，采用固定激光 光源，通过内部玻璃片旋转的方式改变激光光束方向，实 现多角度检测的需要，并且采用嵌入式安装
32线混合固态Ultra Puck Auto；16线机械式VLP-16
202200/25/015/5/15
56
2.2.4 激光雷达——类型
单线束激光雷达 2D数据 只能测量距离
202200/25/015/5/15
57
2.2.4 激光雷达——类型
多线束激光雷达：4线束、8线束、16线束、32线束、64线 束、128等，其细分可分为2.5D激光雷达及3D激光雷达
2.5D：垂直视野范围一般不超过10° 3D：可达到30°甚至40°以上
202200/25/015/5/15
58
2.2.4 激光雷达——类型
奥迪A8为了实现L3级别的自动驾驶，在汽车的进气格栅下 布置了4线束激光雷达
202200/25/015/5/15
59
2.2.4 激光雷达——类型
美国威力登（Velodyne）公司开发的128线束激光雷达的探 测距离约是HDL-64E的3倍，达到300m，分辨率则是10倍 ，尺寸缩小了70%。该产品是为L5级别自动驾驶而开发的
202200/25/015/5/15
60
202200/25/015/5/15
61
2.2.4 激光雷达——主要指标
➢ （1）距离分辨率：是指两个目标物体可区分的最小距离 ➢ （2）最大探测距离：通常需要标注基于某一个反射率下的
测得值，例如白色反射体大概70%反射率，黑色物体7%～ 20%反射率 ➢ （3）测距精度：是指对同一目标进行重复测量得到的距离 值之间的误差范围 ➢ （4）测量帧频：测量帧频与摄像头的帧频概念相同，刷新 率越高，响应速度越快
202200/25/015/5/15
62
2.2.4 激光雷达——主要指标
➢ （5）数据采样率：是指每秒输出的数据点数，等于帧率乘以 单幅图像的点云数目
➢ （6）角度分辨率：是指扫描的角度分辨率，等于视场角除以 该方向所采集的点云数目
➢ （7）视场角：又分为垂直视场角和水平视场角，是激光雷达 的成像范围
➢ （8）波长：波长会影响雷达的环境适应性和对人眼的安全性
202200/25/015/5/15
63
2.2.4 激光雷达——主要指标
➢ 6.激光雷达的主要指标
202200/25/015/5/15
64
2.2.4 激光雷达——应用
➢ IBEO LUX（4线束）激光雷达是德国IBEO公司借助高分辨 率激光测量技术，推出的第一款多功能的汽车智能传感器。
它拥有110°的宽视角，0.3～200m的探测距离，绝对安全的1 等级激光
202200/25/015/5/15
65
2.2.4 激光雷达——应用
➢ （1）行人保护：能检测0.3～30m视场范围内所有的行人 ➢ （2）自适应巡航控制系统的启和停：可在0～200km/h的速度
范围内实现自动行驶 ➢ （3）车道偏离预警：可以检测车辆行驶前方的车道线标识和
潜在的障碍，同时也可以计算车辆在道路中的位置 ➢ （4）自动紧急制动：实时检测车辆行驶前方的所有静止的和
移动的物体，并且判断它们的外形，当要发生危险时，自动 紧急制动
202200/25/015/5/15
66
2.2.4 激光雷达——应用
➢ （5）预碰撞处理：通过分析所有的环境扫描数据，不管即将 发生什么样的碰撞，会在碰撞发生前100ms发出警告
➢ （6）交通拥堵辅助：消除频繁启停，实现低速下的自动跟车 和车道保持
➢ （7）低速防碰撞功能：在30km/h下，LUX（4线束）激光雷 达检测并分析前方的路况，车辆会在发生碰撞前自动停驶
202200/25/015/5/15
67
2.2.4 激光雷达——应用
（1）高精度电子地图和定位
202200/25/015/5/15
68
2.2.4 激光雷达——应用
（2）障碍物检测与识别
202200/25/015/5/15
69
2.2.4 激光雷达——应用
（3）可行空间检测
202200/25/015/5/15
70
2.2.4 激光雷达——应用
（4）障碍物轨迹预测
202200/25/015/5/15
71
2.2.5 视觉传感器——定义
视觉传感器主要由光源、镜头、图像传感器、模/数转换器 、图像处理器、图像存储器等组成，其主要功能是获取足 够的机器视觉系统要处理的原始图像
202200/25/015/5/15
72
2.2.5 视觉传感器——定义
把光源、摄像机、图像处理器、标准的控制与通信接口等 集成一体的视觉传感器，常称为一个智能图像采集与处理 单元
202200/25/015/5/15
73
2.2.5 视觉传感器——特点
（1）信息量极为丰富：不仅包含有视野内物体的距离信息 ，而且还有该物体的颜色、纹理、深度和形状等信息
（2）多任务检测：在视野范围内可同时实现道路检测、车 辆检测、行人检测、交通标志检测、交通信号灯检测等
（3）实时获取场景信息：提供的信息不依赖于先验知识， 比如GPS导航依赖地图信息，有较强的适应环境的能力
202200/25/015/5/15
74
2.2.5 视觉传感器——特点
（4）应用广泛：可以前视、后视、侧视、内视等
202200/25/015/5/15
75
2.2.5 视觉传感器——类型
单目 双目 三目 环视
202200/25/015/5/15
76
2.2.5 视觉传感器——类型
➢ 3.视觉传感器的类型
202200/25/015/5/15
77
2.2.5 视觉传感器——要求
➢ 视觉传感器工艺要求：
在工艺上的首要特性是快速，以140km/h的速度为例，汽车
每秒要移动40m，为避免两次图像信息获取间隔期间自动 驾驶的距离过长，要求摄像机具有最慢不低于30帧/秒的影 像捕捉率，在汽车制造商的规格中，甚至提出了60帧/秒和 120帧/秒的要求
202200/25/015/5/15
78
2.2.5 视觉传感器——要求
➢ 视觉传感器功能要求：
（1）高动态：在较暗环境和明暗差异较大下仍能实现识别
（2）中低像素：为降低计算处理的负担，摄像头的像素并
不需要非常高，目前30～120万像素已经能满足要求
（3）角度要求：对于环视和后视摄像头，一般采用135°以
上的广角镜头；前置摄像头一般采用55°的范围
（4）安全性：相比工业级和生活级摄像头，车载摄像头在
安全级别上要求更高，尤其是前置摄像头安全级别要求更高
。
202200/25/015/5/15
79
2.2.5 视觉传感器——要求
（5）温度要求：车载摄像头温度范围为-40℃～80℃ （6）防磁抗震：汽车启动时会产生极高的电磁，车载摄像
头必须具备极高的防磁抗震的可靠性 （7）寿命长：寿命至少要在8～10年才能满足要求
202200/25/015/5/15
80
2.2.5 视觉传感器——主要指标
➢ （1）像素：像素越多，代表着它能够感测到更多的物体细 节，从而图像就越清晰
➢ （2）帧率：帧率代表单位时间所记录或播放的图片的数量 ➢ （3）靶面尺寸：就是图像传感器感光部分的大小。一般用
英寸来表示，通常这个数据指的是这个图像传感器的对角线 长度，如常见的有1/3英寸，靶面越大，意味着通光量越好 ，而靶面越小则比较容易获得更大的景深
202200/25/015/5/15
81
2.2.5 视觉传感器——主要指标
➢ （4）感光度：代表入射光线的强弱。感光度越高，感光面 对光的敏感度就越强，快门速度就越高
➢ （5）信噪比：是信号电压对于噪声电压的比值，典型值为 45～55dB，信噪比越大说明对噪声的控制越好
➢ （6）电子快门：用来控制图像传感器的感光时间，电子快 门越快，感光度越低，因此适合在强光下拍摄
202200/25/015/5/15
82
2.2.5 视觉传感器——功能
➢ 具有车道线识别、障碍物检测、交通标志和地面标志识别 、交通信号灯识别、可通行空间检测等功能
202200/25/015/5/15
83
2.2.5 视觉传感器——应用
具有车道线识别 障碍物识别 交通标志识别 交通信号灯识别 可行空间识别
202200/25/015/5/15
84
2.2.5 视觉传感器
202200/25/015/5/15
85
2.2.5 视觉传感器——应用
➢ 根据不同ADAS功能的需要，安装位置分为前视、后视、侧 视以及内置摄像头。实现自动驾驶时将安装6个以上摄像头
202200/25/015/5/15
86
2.2.5 视觉传感器
202200/25/015/5/15
87
2.2.5 视觉传感器
202200/25/015/5/15
88
2.3 道路识别——定义
➢ 真实的道路通过激光雷达转换成汽车认识的道路，供自动驾 驶汽车行驶；或通过视觉传感器识别出车道线，提供车辆在 当前车道中的位置，帮助智能网联汽车提高行驶的安全性。
202200/25/015/5/15
89
2.3.1 道路识别的识别与分类
➢ 道路识别的任务是提取车道的几何结构，如车道的宽度、车 道线的曲率等；确定车辆在车道中的位置、方向；提取车辆 可行驶的区域
202200/25/015/5/15
90
2.3.1 道路识别的定义与分类——分类
➢ 依据道路类型的不同，道路分为结构化道路和非结构化道路
202200/25/015/5/15
91
2.3.2 道路图像的特点
阴影条件下的道路图像 先对道路的阴影进行检测和去除
202200/25/015/5/15
92
2.3.2 道路图像的特点
强弱光照条件下的道路图像 强光照射 弱光照射
202200/25/015/5/15
93
2.3.2 道路图像的特点
雨天条件下的道路图像 雨水对道路有覆盖 雨水能反光
202200/25/015/5/15
94
2.3.2 道路图像的特点
弯道处的道路图像 建模上会有些复杂 可近似看成直线模型
202200/25/015/5/15
95
2.3.3 道路识别的流程和方法——流程
采集原始图像→图像灰度化→图像滤波→图像二值化→车道 线提取
202200/25/015/5/15
96
2.3.3 道路识别的流程和方法——流程
202200/25/015/5/15
97
2.3.3 道路识别的流程和方法——方法
基于区域分割的识别方法 基于道路特征的识别方法 基于道路模型的识别方法 基于道路特征与模型相结合的识别方法
202200/25/015/5/15
98
车道线识别举例
➢ 1. 原始图像 ➢ I=imread('C:\桌面\t.jpg'); ➢ figure(1) ➢ imshow(I) ➢ title('原始图像')
202200/25/015/5/15
99
车道线识别举例
➢ 2. 图像灰度化 ➢ I1=rgb2gray(I); ➢ figure(2) ➢ imshow(I1) ➢ title('灰度图像')
202200/25/015/5/15
100
车道线识别举例
➢ 3. 图像滤波 ➢ I21=medfilt2(I1); %高斯滤波 ➢ I22=filter2(fspecial('average',3),I21)/255; %平滑滤波 ➢ figure(3) ➢ imshow(I22) ➢ title('图像滤波')
202200/25/015/5/15
101
车道线识别举例
➢ 4. 图像二值化 ➢ I3=im2bw(I22); ➢ figure(4) ➢ imshow(I3) ➢ title('图像二值化')
202200/25/015/5/15
102
车道线识别举例
➢ 5. 图像边缘检测 ➢ I4=edge(I3, 'canny'); ➢ figure(5) ➢ imshow(I4) ➢ title('图像边缘检测')
202200/25/015/5/15
103
车道线识别举例
➢ 6. 霍夫变换
➢ [H,T,R]=hough(I4);
➢ figure(6)
➢ imshow(H,[], 'XData',T, 'YData',R, 'InitialMagnification', 'fit')
➢ title('霍夫变换图像')
➢ xlabel('\theta 轴')
➢ ylabel('\rho 轴')
➢ axis on,axis normal
➢ hold on
➢ P=houghpeaks(H,2, 'threshold',ceil(0.3*max(H(:))));
➢ x=T(P(:,2));
➢ y=R(P(:,1));
➢ plot(x,y, ‘s’, ‘color’, ‘white’)
202200/25/015/5/15
104
➢ 6. 霍夫变换
➢
车道线识别举例
202200/25/015/5/15
105
车道线识别举例
➢ 7. 车道线检测 ➢ lines=houghlines(I4,T,R,P, 'FillGap',50, 'MinLength',50); ➢ figure(7) ➢ imshow(I4) ➢ title('车道线检测')
➢
202200/25/015/5/15
106
2.4 车辆识别——定义
车牌识别就是利用摄像头对监控路面过往车辆的特征图像和 车辆全景图像进行实时拍摄，利用图像处理的分析方法，提 取出车牌区域，进而对车牌区域进行字符分割和识别，从而 对车辆进行管理
202200/25/015/5/15
107
2.4.1 车牌识别——组成
摄像机 专用控制器 显示屏 快速闸机 计算机软硬件等
202200/25/015/5/15
108
2.4.1 车牌识别——流程
图像采集→视频车辆检测→车牌定位→字符分割→字符识别 →结果输出
202200/25/015/5/15
109
2.4.1 车牌识别——方法
基于模板匹配的字符识别算法：速度快，实时性好 基于特征的统计匹配法：应用效果不理想，抗干扰性不强 基于边缘检测和水平灰度变化特征的方法：使用多 基于颜色相似度及彩色边缘的算法：一般不单独使用
202200/25/015/5/15
110
2.4.1 车牌识别
202200/25/015/5/15
111
车牌识别举例
➢ 1-1.读取原始图像
202200/25/015/5/15
112
车牌识别举例
➢ 1-2.转换成灰度图像
202200/25/015/5/15
113
车牌识别举例
➢1-3. 边缘检测
202200/25/015/5/15
114
车牌识别举例
➢1-4. 图像腐蚀
202200/25/015/5/15
115
车牌识别举例
➢1-5. 图像膨胀
202200/25/015/5/15
116
车牌识别举例
➢ 1-6.提取车牌区域
202200/25/015/5/15
117
车牌识别举例
➢1-7. 原始图像切割
202200/25/015/5/15
118
车牌识别举例
➢ 2-1.切割后的图像转换成灰度图像
202200/25/015/5/15
119
车牌识别举例
➢ 2-2.对灰度图像进行直方图均衡化
202200/25/015/5/15
120
车牌识别举例
➢2-3. 灰度图像二值化
➢ 2-4.中值滤波
202200/25/015/5/15
121
车牌识别举例
➢ 2-5.计算每个字符的位置，并逐一进行切割后得到只储存
单一字符的图像
202200/25/015/5/15
122
车牌识别举例
➢ 3.字符识别
202200/25/015/5/15
123
2.4.2 运动车辆识别
➢ 基于特征的识别方法 ➢ 基于机器学习的识别方法 ➢ 基于光流场的识别方法 ➢ 基于模型的识别方法
202200/25/015/5/15
124
2.5 行人识别——定义
➢ 行人识别是采用安装在车辆前方的视觉传感器采集前方场景 的图像信息，通过一系列复杂的算法分析处理这些图像信息 ，实现对行人的识别
202200/25/015/5/15
125
2.5.1 行人识别的定义与类型——类型
➢ 可见光行人的检测：采用的视觉传感器为普通的光学摄像头 ，非常符合人的正常视觉习惯，而且硬件成本十分低廉。但 是受到光照条件的限制，该方法只能应用在白天，在光照条 件很差的阴雨天或夜间则无法使用
➢ 红外行人的检测：采用红外热成像摄像头，利用物体发出的 热红外线进行成像，不依赖于光照，具有很好的夜视功能， 在白天和晚上都适用，尤其是在夜间以及光线较差的阴雨天 具有无可替代的优势
202200/25/015/5/15
126
2.5.2 行人识别系统的组成
➢ 预处理：通过传感器获得行人图像信息，做预处理，如降噪 、增强等
➢ 分类检测：采用图像分割、模型提取等一些图像处理技术， 在图像中选取一些感兴趣的区域，即行人的候选区域，用分 类等技术方法判断候选区域中是否包含行人。
➢ 决策报警：对可能发生碰撞的情况进行报警或其他避免碰撞 的操作
202200/25/015/5/15
127
2.5.3 行人识别方法
➢ 基于特征分类的行人识别方法 ➢ 基于模型的行人识别方法 ➢ 基于运动特性的行人识别方法 ➢ 基于形状模型的行人识别方法 ➢ 小波变换和支持向量机 ➢ 神经网络方法
202200/25/015/5/15
128
2.6 交通标志识别
➢2.6.1 交通标志介绍
警告标志
202200/25/015/5/15
129
2.6.1 交通标志介绍
禁令标志
202200/25/015/5/15
130
2.6.1 交通标志介绍
指示标志
202200/25/015/5/15
131
2.6.1 交通标志介绍
交通标志的颜色与形状之间也有着一定的关系
202200/25/015/5/15
132
2.6.2 交通标志识别系统
➢ 首先使用车载摄像机获取目标图像，然后进行图像分割和特 征提取，通过与交通标志标准特征库比较进行交通标志识别 ，识别结果可以与其他智能网联汽车共享
202200/25/015/5/15
133
2.6.3 交通标志识别的流程与方法
➢ 原始图像采集→图像预处理→图像分割检测→图像特征提取 →交通标志识别
202200/25/015/5/15
134
交通标志识别举例
➢ 1.读取原始图像
202200/25/015/5/15
135
交通标志识别举例
➢ 2.将图像由RGB颜色空间转化为HSV颜色空间并提取亮度
202200/25/015/5/15
136
交通标志识别举例
➢ 3.利用颜色阈值提取红色
202200/25/015/5/15
137
交通标志识别举例
➢ 4. 图像碰撞处理
202200/25/015/5/15
138
交通标志识别举例
➢ 5.根据特征提取算法找出图像中最适合待测对象
202200/25/015/5/15
139
交通标志识别举例
➢ 6.根据界定的标志所在区域对图像进行切割，得到的标志识 别结果
202200/25/015/5/15
140
2.7 交通信号灯识别——介绍
➢ 从颜色来看，交通信号灯的颜色有红色、黄色、绿色三种， 而且三种颜色在交通信号灯中出现的位置都有一定的顺序关 系；从安装方式来看，交通信号灯有横放安装和竖放安装两 种，一般安装在道路上方
202200/25/015/5/15
141
2.7.2 交通信号灯识别系统
➢ 图像采集模块 ➢ 图像预处理模块 ➢ 检测模块 ➢ 识别模块 ➢ 跟踪模块 ➢ 通信模块
202200/25/015/5/15
142
2.7.3 交通信号灯识别的流程与方法
➢ 原始图像采集→图像灰度化→直方图均衡化→图像二值化→ 交通信号灯识别
202200/25/015/5/15
143
2.7.3 交通信号灯识别的流程与方法
202200/25/015/5/15
144
2.7.3 交通信号灯识别的流程与方法
➢ 基于颜色特征的识别方法：选取某个色彩空间对交通信号灯 的红、黄、绿3种颜色进行描述
➢ 基于形状特征的识别方法：利用交通信号灯和它的相关支撑 物之间的几何信息
202200/25/015/5/15
145
交通信号灯识别举例
➢ 1.读取图像
202200/25/015/5/15
146
交通信号灯识别举例
➢ 2.将原始图像从RGB空间转化为HSV空间，并输出HSV图像
202200/25/015/5/15
147
交通信号灯识别举例
➢ 3.绘制出原始图的图像直方图
202200/25/015/5/15
148
交通信号灯识别举例
➢ 4.分别统计识别图中的红绿黄像素点。MATLAB将图像转化 为HSV图像后分别统计图像中的红黄绿像素点的个数
➢ 5.输出红黄绿像素点的个数并进行比较 Max_Red_y =345 统计的图像中红色像素点的个数 Max_Green_y =932 统计的图像中绿色像素点的个数 Max_Yellow_y =83 统计的图像中黄色像素点的个数 ➢ 6.输出识别结果。通过比较图像中红黄绿像素点个数的多少
来进行判断当前的信号灯，像素点多的即为当前信号灯
202200/25/015/5/15
149
练习与实训
2020/5/15
第 150 页
150
练习与实训
2020/5/15
第 151 页
151
练习与实训
2020/5/15
第 152 页
152
练习与实训
2020/5/15
第 153 页
153
THANKS!
2020/5/15
154
篇五：浅析三维建模技术的应用
1.3 智能网联汽车的关键技术及发展趋势
➢1.环境感知技术
车辆本身状态感知 道路感知 行人感知 交通信号感知 交通标识感知 交通状况感知 周围车辆感知
2020/3/14
1.3.1 智能网联汽车的关键技术
➢2.无线通信技术
长距离无线通信技术——5G 短距离无线通信技术——DSRC、LTE-V、蓝牙、
WiFi
2020/3/14
1.3.1 智能网联汽车的关键技术
➢3.智能互联技术
车载自组织网络——V2X
2020/3/14
1.3.1 智能网联汽车的关键技术
➢4.车载网络技术
CAN、LIN、MOST——以太网
2020/3/14
1.3.1 智能网联汽车的关键技术
➢5.先进驾驶辅助技术
2020/3/14
1.3.1 智能网联汽车的关键技术
➢6.信息融合技术
信息融合技术是指在一定准则下，利用计算机技术 对多源信息进行分析和综合，以实现不同应用的分 类任务而进行的处理过程。
2020/3/14
1.3.1 智能网联汽车的关键技术
➢7.信息安全与隐私保护技术
智能网联汽车接入网络的同时，也带来了信息安全 和行车的问题。
2020/3/14
1.3.1 智能网联汽车的关键技术
➢8.人机界面技术
语音控制 手势识别 触屏技术
2020/3/14
1.3.2 智能网联汽车的发展趋势
➢ 以深度学习为代表的AI技术快速发展和应用 ➢ 激光雷达等先进传感器加速向低成本和小型化发展 ➢ 自主式智能与网联式智能技术加速融合 ➢ 高速公路自动驾驶与低速区域自动驾驶系统将率先
应用
2020/3/14
篇六：浅析三维建模技术的应用
５１ 论文 Thesis
【机动车专栏】
我国智能网联汽车行业 发展现状探析
文/薛 俊
［摘要］ 智能网联汽车是汽车强国的竞争热点，也是我国重要的战略产业。本文对我国智能 网联汽车行业发展现状作了简析，并就面临的问题提出了对策。
［关键词］ 智能网联汽车 顶层设计 法规标准 Abstract: Intelligent Connected Vehicles are the hotspot of competition among automobile powers, and also an important strategic industry in China. The paper analyzes the development status of Intelligent Connected Vehicle industry in China, and put forwards some countermeasures for the problems faced. Keywords: ICV; Top-level design; Laws and standards
智能网联汽车 (ICV)，是指搭载先进的车载传 感器、控制器和执行器等装置，并融合现代通信 与网络技术，实现车与 X（人、车、路和云端等） 智能信息交换、共享，具备复杂环境感知、智能 决策和协同控制等功能，可实现安全、高效、舒 适和节能行驶，并最终实现替代人来操作的新一 代汽车。
作为一个集环境感知、规划决策和多等级辅 助驾驶等功能于一体的综合系统，智能网联汽车 已成为世界汽车产业聚焦的热点和汽车工业增长 的新动力，也是继新能源汽车之后，我国汽车产 业发展的又一制高点。
一、我国智能网联汽车行业发展现状 1. 投融资环境 智能网联汽车已成为各方资本竞相投资的沃 土，各大整车与零部件企业、互联网、软件巨头 和投融资机构等都纷纷加快投资布局。自 2014 年 开始，全球智能网联汽车领域的投融资呈现逐年 增长趋势，其中 2016 年增幅最大，实现了 117％ 的增长，这表现出越来越多的资本正在关注这个 行业，加紧布局步伐。
目前来看，智能网联汽车市场还处于孕育期， 蕴藏巨大潜力。从各大汽车集团与互联网企业公 布的计划看，智能网联汽车到 2020 年将初步实现
质量与标准化 Quality and Standardization 2019.04
Thesis 论文 ５２
商业化，行业将迎来 5 年～ 10 年的投资机会。根 据 IHS 咨询公司最新预测 ：2025 年全球无人驾驶 汽车销量将达到 60 万辆，2035 年将达到 2 100 万 辆，在这期间，全球无人驾驶汽车销量年复合增 速为 43%。工业和信息化部部长苗圩曾在 2018 年 世界智能网联汽车大会上表示，我国推动智能网 联汽车发展环境日趋完善，预计至 2020 年，我国 智能网联汽车的市场规模可超过 1 000 亿元人民
币。面对如此庞大的市场，今后几年必将吸引更 多的资本投入到该行业中。
2. 主要国家政策 我国政府已经将发展智能网联汽车作为本国 汽车产业重点转型的方向之一，2016 年以来，国 家有关部门在战略目标、产业指导和标准体系建 设等方面制订了一系列支持和规范性政策（见表 1、 2、3）。
表 １ 智能网联汽车发展战略主要政策
文件名称 发布部门
主要内容和意义
《 节 能 与 新 能 源 工 业 和 信 • 提出七大细分领域技术路线图，其中包括智能网联汽车技术路线图 ；
汽车技术路线
• 描绘出智能网联汽车发展所需的关键核心技术和发展路径 ；
图》
息化部 • 对智能网联汽车发展阶段性目标进行了补充和修订。
《智能汽车创新
• 其中从创新、生态、设施、标准、监管和安全等方面提出“六个体系构建”的战略任务 ；
发 展 战 略 》（ 征 国 家 发 改 • 明确了智能汽车已成为汽车产业发展的战略方向；发展智能汽车对我国具有重要的战略意义；
委
求意见稿）
我国拥有智能汽车发展的战略优势。
• 分阶段实现车联网产业高质量发展的目标。第一阶段，到 2020 年将实现车联网（智能网联汽车）
《 车 联 网（ 智 能
产业跨行业融合取得突破，具备高级别自动驾驶功能的智能网联汽车实现特定场景规模应用，
网联汽车）产业 工 业 和 信 车联网用户渗透率达到 30% 以上，智能道路基础设施水平明显提升。第二阶段，2020 年后，
发 展 行 动 计 划 》息化部 技术创新、标准体系、基础设施、应用服务和安全保障体系将全面建成，高级别自动驾驶功
（2018 年）
能的智能网联汽车和 5G-V2X 逐步实现规模化商业应用，“人—车—路—云”实现高度协同，
人民日益增长的美好生活需求得到更好满足。
表 ２ 智能网联汽车产业发展指向性主要政策
分类
文件名称
发布部门
主要内容与意义
• 智能网联汽车有望成为建设汽车强国抢占先机、赶超发展的突破口 ；
• 鼓励企业、院所和高校等创新主体围绕产业链配置创新资源，组建智能网联
《 汽 车 产 业 中 长 工业和信息化 汽车等汽车领域制造业创新中心 ；
产业规划 期 发 展 规 划 》部、 国 家 发 改 • 加强智能网联汽车技术的研发，支持汽车共享、智能交通等关联技术的融合
（2017 年）
委、科技部 与应用 ；
• 以功能安全、网络安全为重点，加强智能网联汽车标准体系建设 ；
• 开展智能网联汽车示范推广。
《关于积极推进
“互联网 动的指导
+意”见行》国务院
• 推动互联网与制造业融合，提升制造业数字化、网络化和智能化水平，加强 产业链协作，发展基于互联网的协同制造新模式 ；
• 加快互联网与交通运输领域的深度融合，通过基础设施、运输工具和运行信
（2015 年）
息等互联网化，推进基于互联网平台的便捷化交通运输服务发展。
产业融合
• 推进智能汽车研发与产业化工程。支持骨干汽车企业与互联网企业开展深度
《“
互
联
网
+”
人
国 科
家 发 改 委、合作，设立跨界交叉融合创新平台。加快智能辅助驾驶、复杂环境感知和车 技 部、 工 业 载智能设备等软硬件产品的研发与应用，支持自适应巡航、自动泊车和安全
篇七：浅析三维建模技术的应用
浅析智能网联汽车关键技术及其趋势
摘要：简述智能网联汽车概念，分析了目前的关键技术，包括环境感知、智能 决策、控制执行、通信与平台、信息安全，并阐述了其发展趋势。
关键词：智能网联；深度学习；V2X 通信；自动驾驶
智能网联汽车是指搭载先进传感器、控制器、执行器等装置，融合现代通信与网络技术， 实现车与 X(车、路、人等)智能信息交换、共享，具备复杂环境感知、智能决策、协同控制等 功能，可实现安全、高效、舒适、节能行驶，并最终替代人操作的新一代汽车。智能网联汽 车可以提供更安全、更节能、更环保、更便捷的出行方式和综合解决方案。
1 智能网联汽车的关键技术 智能网联汽车其技术架构涉及的关键技术主要有以下 6 种：1)环境感知技术，包括利用 机器视觉的图像识别技术，利用雷达的周边障碍物检测技术，多源信息融合技术，传感器冗 余设计技术等。2)智能决策技术，包括危险事态建模技术，危险预警与控制优先级划分，群 体决策和协同技术，局部轨迹规划，驾驶员多样性影响分析等。3)控制执行技术，包括面向 驱动/制动的纵向运动控制，面向转向的横向运动控制，基于驱动/制动/转向/悬架的底盘一 体化控制，融合车联网通信及车载传感器的多车队列协同和车路协同控制等。4)V2X 通信技 术，包括车辆专用通信系统，车间信息共享与协同控制的通信保障机制，移动网络技术，多 模式通信融合技术等。5)云平台与大数据技术，包括云平台架构与数据交互标准，云操作系 统，数据高效存储和检索技术，大数据关联分析和深度挖掘技术等。6)信息安全技术，包括 汽车信息安全建模技术，数据存储、传输与应用三维度安全体系，信息安全漏洞应急响应机 制等。
2 智能网联汽车关键技术发展现状 2.1 环境感知技术 环境感知系统的任务是利用摄像头、雷达、超声波等主要车载传感器 以及 V2X 通信系统感知周围环境，通过提取路况信息、检测障碍物，为智能网联汽车提供决 策依据。由于车辆行驶环境复杂，当前感知技术在检测与识别精度方面无法满足自动驾驶发 展需要，深度学习被证明在复杂环境感知方面有巨大优势，在传感器领域，目前涌现了不同 车载传感器融合的方案，用以获取丰富的周边环境信息，高精度地图与定位也是车辆重要的 环境信息来源。
2.2 自主决策技术 决策机制应在保证安全的前提下适应尽可能多的工况，进行舒适、节 能、高效的正确决策。常用的决策方法有状态机、决策树、深度学习、增强学习等。状态机 是用有向图表示决策机制，具有高可读性，能清楚表达状态间的逻辑关系，但需要人工设计， 不易保证状态复杂时的性能。决策树是一种广泛使用的分类器，具有可读的结构，同时可以 通过样本数据的训练来建立，但是有过拟合的倾向，需要广泛的数据训练。效果与状态机类 似，在部分工况的自动驾驶上应用。深度学习与增强学习在处理自动驾驶决策方面，能通过 大量的学习实现对复杂工况的决策，并能进行在线的学习优化，但对未知工况的性能不易明 确。
2.3 控制执行技术 控制系统的任务是控制车辆的速度与行驶方向，使其跟踪规划的速度 曲线与路径。现有自动驾驶多数针对常规工况，较多采用传统的控制方法。性能可靠、计算 效率高，已在主动安全系统中得到应用。现有控制器的工况适应性是一个难点，可根据工况 参数进行控制器参数的适应性设计。在控制领域中，多智能体系统是由多个具有独立自主能 力的智能体，通过一定的信息拓扑结构相互作用而形成的一种动态系统。用多智能体系统方 法来研究车辆队列，可以显著降低油耗、改善交通效率以及提高行车安全性。
2.4 通信与平台技术 车载通信的模式，依据通信的覆盖范围可分为车内通信、车际通信 和广域通信。车内通信，从蓝牙技术发展到 Wi-Fi 技术和以太网通信技术；车际通信，包括 专用的短程通信技术和正在建立标准的车间通信长期演进技术。广域通信，指目前广泛应用 在移动互联网领域的 4G 等通信方式。通过网联无线通信技术，车载通信系统将更有效地获 得的驾驶员信息、自车的姿态信息和汽车周边的环境数据，进行整合与分析。通信与平台技 术的应用，极大提高了车辆对于交通与环境的感知范围，为基于云控平台的汽车节能技术的
研发提供了支撑条件。车辆通过车与云平台的通信将其位置信息及运动信息发送至云端，云 端控制器结合道路信息以及交通信息对车辆速度和挡位等进行优化，以提高车辆燃油经济性 并提高交通效率。
2.5 信息安全技术 结合智能网联汽车发展实际，确定网联数据管理对象并实行分级管理， 建立数据存储安全、传输安全、应用安全三维度的数据安全体系。建立包括云安全、管安全、 端安全在内的数据安全技术框架，制定智能网联数据安全技术标准。围绕信息安全技术领域 的周边行业，出现很多创新研究方向。比如在信息安全测试评估方面，通过干扰车辆的通信 设备以及雷达和摄像头等车载传感设备，进行智能车的信息安全的攻防研究。
3 智能网联汽车技术发展趋势 3.1 人工智能 AI 技术快速发展和应用 人工智能(AI)技术在智能网联汽车上正在得到快速应用。尤其在环境感知领域，深度学习 已凸显出巨大优势。深度学习需要大量的数据作为学习的样本库，对数据采集和存储提出了 较高需求，还存在内在机理不清晰、边界条件不确定等缺点，需要与其他传统方法融合使用 以确保可靠性，且目前也受限于车载芯片处理能力的限制。
3.2 激光雷达等先进传感器加速发展 激光雷达相对于毫米波雷达等其他传感器具有分辨率高、识别效果好等优点，已越来越 成为主流的自动驾驶汽车用传感器。但由于体积大、成本高，同时也更易受雨雪等天气条件 影响，导致其还不能大规模商业化应用。目前激光雷达正在向着低成本、小型化的固态扫描 或机械固态混合扫描形式发展。
3.3 自主式智能与网联式智能技术加速融合 网联式系统能从时间和空间维度突破自主式系统对于车辆周边环境的感知能力。在时间 维度，通过 V2X 通信，系统能够提前获知周边车辆的操作信息等交通控制系统信息以及气象 条件、拥堵预测等更未来状态信息。在空间维度，通过 V2X 通信，系统能够感知交叉路口盲 区、弯道盲区、车辆遮挡盲区等位置环境信息，使得自动驾驶系统更全面地掌握周边交通态 势。网联式智能技术与自主式智能技术相辅相成，互为补充，正在加速融合发展。
3.4 高速公路与低速区域自动驾驶系统将率先应用 高速公路与城市低速区域将是自动驾驶系统率先应用的场景。高速公路的车道线、标示 牌等结构化特征清晰，交通环境相对简单，适合车道偏离报警、车道保持系统、自动紧急制 动、自适应巡航控制等驾驶辅助系统的应用。而在特定的城市低速区域内，可提前设置好高 精度定位、V2X 等支撑系统，采集好高精度地图，利于实现在特定区域内的自动驾驶。
参考文献 [1]中国汽车工程学会.节能与新能源汽车技术路线图[M]. 北京: 机械工业出版社，2016. [2]吴忠泽.智能汽车发展的现状与挑战[J] .时代汽车，2015，（7）：42-45. [3]孙健,全兴.无人驾驶汽车发展现状及建议[J].科技视界.2017，（6）：182.
