智能汽车关键技术及发展概况课件

智能车辆的关键技术及其发展1.序言：智能车辆是一个集环境感知、规划、决策、多级辅助驾驶等功能于一体的综合系统。它采用计算机现代传感信息融合、通信、人工智能、自动控制等技术。它是一个典型的高科技综合体，具有道路障碍物自动识别、自动报警、自动制动、安全距离自动维护、车速和巡航控制等功能。智能车辆系统是智能交通系统ITS :的重要组成部分，它采用了传感器技术、信号处理技术、通信技术、计算机技术等。识别车辆的环境和状态，并根据各传感器获得的信息进行分析和判断，或者向驾驶员发出建议和报警信息，提醒驾驶员避开危险；或者在紧急情况下，帮助驾驶员操作车辆(即辅助驾驶系统)，防止事故发生，使车辆进入安全状态；或者代替驾驶员的操作来实现车辆操作的自动化。智能车辆系统的引入可以提高交通安全和道路利率。目前，智能车辆系统已经应用于汽车、卡车、公共交通系统、工业和军事等领域，其应用的多样性和领域不断增加。可以预见，随着信息采集技术、信息处理技术、系统工程技术等相关技术的深入研究和发展，智能车辆系统将成为智能交通系统研究和发展的一个重要领域。2.智能车辆的关键技术及研究智能汽车是一个综合系统，集成了许多高新技术，特别是作为智能汽车关键环节的环境信息采集和智能决策控制，依靠传感器技术、图像识别技术、电子计算机技术、控制技术等高新技术的有力支持，智能驾驶系统结构如图1:所示。2.1感知技术几乎所有人类在开车时收到的信息都来自视觉。交通信号、交通标志、交通模式、路标等。可以看作是驾驶员对环境的视觉传达语言。同时，当驾驶汽车时，人们通过观察周围的道路场景来决定采取什么样的操作。因此，选择机器视觉作为感测道路场景的传感器是自然的选择。机器视觉在智能车辆中的应用如图2所示图1智能驾驶系统结构框图图2机器视觉传感器在智能车辆中的应用视觉系统主要用于智能车辆识别车辆周围的交通环境，如确定车辆在车道上的位置和方向，检测车辆周围的障碍物，如车辆和行人，识别交通标志和交通信号等。机器视觉应用于智能车辆时，必须具备三个技术特征：实时性、鲁棒性和实用性。实时意味着视觉处理系统的数据处理必须与车辆的高速行驶同步。鲁棒性是指智能车辆对不同的道路环境具有良好的适应性，如高速公路、城市标准公路、普通公路等。不同的道路环境，例如宽度、颜色、纹理、道路表面的动态随机障碍物和交通流以及车道标记，以及变化的气候条件，例如阳光和风景阴影、黄昏和夜晚阴天、雨雪等。实用性意味着智能车在体积和成本等方面可以被普通汽车用户所接受。智能车辆系统可靠运行的前提是通过各种传感器准确捕捉环境和车辆本身的状态信息，并对信息进行处理，然后发出预警或自动控制车辆，研究如何有效处理和分析传感器传递的信息，准确判断环境和车辆本身的状态。然而，到目前为止，没有传感器能保证在任何情况下提供完全可靠的信息。利用多传感器融合技术，将多传感器采集的信息进行综合，形成对环境的综合描述目前，在智能车辆领域，除了视觉传感器外，还有常用的传感器，如激光雷达、毫米波雷达、声纳、红外探测、磁制导GPS等。2.2决策技术例如，在车道偏离警告系统和碰撞警告系统中，需要预测未来某个时间内宿主车辆和其他车辆的状态的高级决策技术包括模糊推理强化学习神经网络和贝叶斯网络2.3控制技术对于自动驾驶车辆或辅助驾驶车辆，有必要利用环境感知信息(如路径自动跟踪)在规划和决策后对车辆进行控制。此时，性能优异的控制器已经成为智能车辆的重要组成部分，成为智能车辆的关键智能控制代表了自动控制的最新发展阶段。它是计算机模拟人类智能的应用。智能控制是实现人类脑力和体力劳动自动化的一个重要领域，是一门新兴学科，包括分层控制系统、专家控制系统、模糊控制系统、神经控制系统和学习控制系统2.4车辆位置和路线规划车辆定位导航系统应用车辆自动定位技术、数字地图通信技术，为车辆提供路径引导和无线遥控等功能。在车辆定位导航系统中，定位是实现导航功能的前提和基础。车辆定位技术大致可分为三种类型：惯性导航无线电定位和卫星定位车辆定位导航系统，如图：所示路径规划是智能车辆信息感知和车辆控制的桥梁，是智能车辆自主驾驶的基础。它可以分为全局路径规划和局部路径规划。全局路径规划在已知地图的条件下，利用已知的障碍物位置和道路边界等局部信息来确定可行的最优路径。它很好地结合了优化和反馈机制。局部路径规划由全局路径规划生成的可行走区域指导。根据传感器感测的局部环境信息，确定前方当前道路上待驾驶车辆的轨迹。与移动机器人的路径规划相比，车辆的行驶环境具有非结构化动态不确定性等特点。因此，研究者在借鉴移动机器人路径规划结果的同时，也在深入研究智能车辆路径规划问题。图3车辆定位导航系统示意图2.5其他智能车辆的关键技术还包括车辆状态的随机估计和智能车辆体系结构的研究。为了有效地控制车辆，需要全面、准确地获取自身的状态参数，如车辆横摆角速度的估计、轮胎与路面摩擦系数的估计、车辆侧面碰撞模型非线性动力学参数的识别等。由于智能车辆系统的高度复杂性和综合性，通常需要一组研究人员共同研究和开发该系统。同时，为了使系统能够在有限的时间和计算资源内完成各种功能，计算通常需要一定程度的并行性。因此，出现了这样的问题需要什么样的体系结构来在一组处理器上有效地分配计算资源，这是智能车辆控制器体系结构所研究的问题3支持智能汽车发展的新理论和新技术3.1不确定性人工智能理论人工智能在模拟人类确定性智能逻辑思维方面取得了巨大的成就，但在模拟人类不确定性智能方面却没有取得很大的进展，在模拟人类视觉思维方面还处于讨论阶段。因此，不确定人工智能70是人工智能的一个研究热点。不确定人工智能也是人工智能的一个重要前沿课题。它使机器拥有与人脑相同的不确定信息和知识、处理能力和思维能力。它是进入21世纪后发展起来的一门新兴的交叉学科，渗透着新的学科。它已经成为当代科学技术的一个热点研究领域。人类生活的客观世界充满不确定性，人类自身在认知过程中也存在不确定性，因为人类的认知实际上是对客观世界的主观反应。客观世界的不确定性决定了人类主观认知过程的不确定性。例如，视觉上可能存在不确定性甚至错觉，记忆可能随着时间的推移变得越来越模糊，而联想创造和洞察力等形象思维甚至更加不确定。不确定性人工智能理论对智能车辆技术研究的一个重要指导内容是分析不同驾驶员对同一外部环境刺激的不确定性认知，并以不确定性处理方法为例。不确定性认知是指面对路面上的同一个水池，一些司机会认为这是一个小路障。然而，一些司机会认为，不相关的不确定性的处理意味着他们也面临着在这个海滩积水。一些司机会选择绕过它，而其他人会选择减速。通过不确定性人工智能理论，它可以进一步细分为几个小的方面，包括粗糙集、模糊集云模型和粒计算理论等。3.1.1粗糙集和模糊集理论粗糙集理论和模糊集理论主要研究各种不确定性理论的本质和人类行为的不确定性研究，在智能车辆中有着重要的应用。例如，在日常驾驶中，对于寻找停车位的问题，驾驶员很难依靠自己的观察和判断直接获得最满意的答案。如何在一系列不确定的潜在停车位中找到合适的停车位是精确处理不确定性概念的研究实例之一。3.1.2云模型理论云模型是一个定性和定量的转换模型。云模型理论可以用来研究人类定性思维(概念内涵)和定量思维(概念外延)之间的双向转换。例如，在智能车辆研究中，过弯驾驶问题是一个定性和定量转化的例子。对于驾驶中的过弯操作，驾驶员只能通过视觉经验等进行定性判断。在驾驶员对近似弯曲角度做出定性判断后，智能系统如何计算并给出实际弯曲角度是解决问题的关键。3.1.3粒度计算理论粒计算主要研究信息粒的解析表示的形式理论(包括信息粒结构和信息粒之间关系的形式描述)和信息粒的粒度测量理论和方法(粒度测量，包括信息粒的大小和信息粒所代表的知识的粒度)不同知识粒度下信息粒不确定性变化规律的自动分解和合成方法对人类多粒度跨粒度思维的研究可以应用在驾驶行为的过程中，如图4所示。在实际驾驶中，驾驶员需要同时观察和判断不同尺度(即不同粒度空间)的环境信息，包括近距离细粒度信息(车载仪器)中的距离中粒度信息(周围车辆)和距离的粗粒度信息(道路延伸方向)图4不同粒度空间的环境信息3.2认知计算认知计算在20世纪90年代成为热门话题，并成为计算智能领域的一个重要研究方向。2009年，国家自然科学基金发布了“基于视听和感知信息的认知计算”重大研究计划。研究计划的制定和实施表明，我国对认知计算的研究正逐步走向广泛和深入。研究计划中提出的“多模态感知信息协同认知机制”可以说与智能车辆技术的发展密切相关。例如，驾驶员融合视听感知收集的环境信息，然后做出驾驶反应的过程就是一个刺激-反应模型。因此，三维立体视觉处理模型情感计算的研究工作可以视为认知计算在智能车辆技术中的初步应用。3.2.1 3D立体视觉处理三维立体视觉处理模型从人类视觉认知原理出发，利用机器学习方法学习人脸结构的先验知识，提出了一种基于单一二维图片的两步三维人脸识别方法。根据该模型开发的三维人脸识别系统可以用来记录和识别驾驶员信息，达到跟踪和防盗的目的。3.2.2情绪计算情绪计算基于认知科学和心理学。研究发现，嘴部特征是人脸表情识别中最重要的特征。这为研究面部表情的表达机制和计算机面部表情的自动识别奠定了基础。情绪计算技术可以监测驾驶员的生理和心理状态，为预防酒后驾驶和疲劳驾驶提供技术支持。3.3智能车辆的数据处理技术智能车不收集和发送各种数据就无法运行，支持其正常运行的核心技术是智能车的数据处理技术。智能汽车的特点是数据量大、种类多、冗余数据量大。根据这些特点，面向交通的数据处理技术包括数据融合、数据压缩、数据标准化、数据挖掘、数据仓库等技术。智能汽车可能同时具有多种传感器数据和多种通信方式，因此需要数据融合技术来实现对不同来源数据的分析和综合。此外，由于智能汽车需要发送和接收的数据量非常大，因此需要数据压缩技术来提高数据处理的效率。智能汽车需要与其他车辆和车辆网络互动。数据标准化技术可以保证数据在智能车辆海量数据的各种载体中得到普遍使用。数据挖掘可以通过数理统计、机器学习等方法从海量数据中获取有效数据。智能车辆是一个决策系统，需要一个集成的、稳定的主题数据集，而数据仓库技术可以提供这样一个结构化的数据环境。3.4电动汽车智能能源管理系统能源系统是电动汽车的核心技术之一。它就像传统汽车的发动机，是电动汽车的“心脏”。它直接关系到电动汽车的质量水平和安全性。能源管理系统是这一核心技术的重要组成部分。电动汽车能量管理系统的功能是满足基本技术性能(如动态行驶平顺性等)的要求。)和成本等。并且基于各种部件的特性和车辆的运行条件。本发明实现了能量转换装置(如发动机电机储能装置、功率转换模块、动力传动装置、发电机、燃料电池等)之间的能量按照最佳路线流动，以达到整车最高的能量利用效率如图5所示，UMD IPC(密歇根大学-迪安智能功率控制器)是一种利用机械技术开发的智能能量管理系统。它是一个智能能源管理系统，通过神经网络预测路况并进行实时控制图5智能能源管理系统4.国内外智能车辆技术的发展在过去10年中，美国、欧洲和日本等发达国家围绕开发新型智能汽车技术制定了一系列研究项目和计划，以综合治理城市交通和环境能源等问题。表1列出了日本国土交通省在AHS设立的一些重要的智能汽车研究项目。研究的主要目的是减少交通事故，提高交通效率，减轻驾驶员的操作负担。该研究致力于发展基于信息的车辆控制辅助和全自动驾驶技术，以实现障碍识别和回避。ASV应用的主要目标，如速度控制和人机交互界面，是使用最先进的技术最大限度地提高车辆的安全性。这项研究将进一步扩大，包括卡车、公共汽车和摩托车。表1日本智能汽车研究项目研究计划评论AHS高级巡航辅助高速公路表2列出了VSC美国运输部发起的两个