智能网联汽车装调与测试：任务1-1 智能网联汽车认知与安装

任务1.1智能网联汽车认知与安装01学习目标CONTENTE知识目标:掌握智能网联汽车的定义与内涵；掌握智能网联汽车的等级划分方法；掌握智能网联汽车的系统组成与功用；掌握智能网联汽车的安装方法。02学习目标CONTENTE能力目标:能从电控的角度对智能网联汽车各部件（系统）进行划分；能对市场上主流智能网联汽车进行等级划分；能自主查阅智能网联汽车技术资料并完成车辆部件认知和安装。智能网联汽车的定义与等级划分01智能网联汽车的结构组成及关键技术02学习内容CONTENTE智能网联汽车认知与安装03智能网联汽车的定义与等级划分01任务1.1智能网联汽车认知与安装定义1.智能网联汽车的定义与等级划分6搭载先进的车载传感器、控制器、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、后台等）智能信息交换共享，具备复杂的环境感知、智能决策、协同控制和执行等功能，可实现安全、舒适、节能、高效行驶，并最终可替代人来操作的新一代汽车，称之为ICV（IntelligentandConnectedVehicle，ICV）。定义1.智能网联汽车的定义与等级划分根据GB/T36415-2018《汽车行业信息化实施规范》的定义：内涵1.智能网联汽车的定义与等级划分自主式智能汽车（AutonomousVehicle）：指依靠自车所搭载的各类传感器对车辆周围环境进行感知，依靠车载控制器进行决策和控制并交由底层执行，实现自动驾驶。内涵1.智能网联汽车的定义与等级划分自主式智能汽车（AutonomousVehicle）：指依靠自车所搭载的各类传感器对车辆周围环境进行感知，依靠车载控制器进行决策和控制并交由底层执行，实现自动驾驶。内涵1.智能网联汽车的定义与等级划分网联式智能汽车（ConnectedVehicle）：车辆通过V2X通信的方式获取外界的环境信息并帮助车辆进行决策与控制。内涵1.智能网联汽车的定义与等级划分网联式智能汽车（ConnectedVehicle）：车辆通过V2X通信的方式获取外界的环境信息并帮助车辆进行决策与控制。内涵1.智能网联汽车的定义与等级划分车联网属于物联网的其中一种：是以车内网、车际网和车云网为基础，借助全新的信息和通信技术，按照约定的通信协议和数据交换标准实现车与X（人、车、路、云等系统）之间进行无线通讯和信息交换的大系统网络，是能够实现智能交通管理、智能动态信息服务和车辆智能化控制的一体化网络。内涵1.智能网联汽车的定义与等级划分等级划分1.智能网联汽车的定义与等级划分SAE--SocietyofAutomotiveEngineers--国际自动机工程师学会，原译：美国汽车工程师学会等级划分1.智能网联汽车的定义与等级划分LEVEL1级别称其为“驾驶辅助”

该层次车辆有一定的功能协助驾驶员执行横向，或者纵向的车辆运动的特定任务（但不是同时能完成并线超车这种复杂的任务），驾驶员承担大部分车辆控制能力。自适应巡航控制系统（ACC)自动紧急制动(AEB)电子稳定性控制(ESC)Level2其含义为“部分自动化”该层次车辆能够有一定能力协助驾驶员执行包括横向，纵向的车辆运动任务（车辆能自主实现特定地复杂任务），但驾驶员需要实时监控车辆完成这些任务。自动辅助变道自动辅助导航驾驶等级划分1.智能网联汽车的定义与等级划分Level3其含义为“有限制条件的自动驾驶”，该层次汽车能够在某个特定的驾驶交通环境下让驾驶员完全不用控制汽车，而且可以自动检测环境的变化以判断是否返回驾驶员驾驶模式，驾驶员无需一直对系统进行监视，可称之为“半自动驾驶”L3责任不明问题想必是导致斩断L3自动驾驶量产的关键所在。等级划分1.智能网联汽车的定义与等级划分2021年梅赛德斯奔驰成为全球首个获得联合国法规UN-R157ALKS自动车道保持系统认证的汽车企业，意味着全球汽车企业自动驾驶系统认证工作的正式开启。L4级，高度自动化

可以实现驾驶全程不需要驾驶员，但是会有限制条件，例如限制车辆车速不能超过一定值，且驾驶区域相对固定。实现L4级别自动驾驶后已经可以不需要安装刹车和油门踏板了。L5级，完全自动化

完全自适应驾驶，适应任何驾驶场景。但是涉及到法律、高科技突破等限制，目前还需要进一步深入研发，对应的产品目前还没有实现。L3级是当道路状况不满足自动驾驶条件时，需要驾驶员接管汽车。L4级驾驶自动化就将行驶状态的所有道路安全责任转移给汽车本身。等级划分1.智能网联汽车的定义与等级划分DDT（DynamicDrivingTask，动态驾驶任务）：指在道路上驾驶车辆需要做的实时操作和决策行为操作包括转向、加速和减速，决策包括路径规划等。OEDR（objectandEventDetectionandResponse，物体和事件的探测和响应）：指驾驶员或自动驾驶系统对突发情况的探测和应对,在自动驾驶模式下，系统负责OEDR，应对可能影响安全操作的其他事物，进行检测响应.DDTFallback（动态驾驶任务支援）自动驾驶在设计时，需考虑发生系统失效或者出现超出系统设计的使用范围之外的情况，当该情形发生时，驾驶员或自动驾驶系统需做岀最小化风险的解决响应。ODD（OperationalDesignDomain，设计的适用范围）：将已知的天气环境、道路情况、车速、车流量等信息作出测定，给定自动驾驶系统具体的条件，以确保系统能力在安全适用的环境之内。等级划分1.智能网联汽车的定义与等级划分等级划分1.智能网联汽车的定义与等级划分等级划分1.智能网联汽车的定义与等级划分智能网联汽车的结构组成及关键技术02任务1.1智能网联汽车认知与安装从硬件上看，智能网联汽车智能驾驶系统由传感器、计算单元和线控底盘三部分组成。组成与功用2.结构组成及关键技术从硬件上看，智能网联汽车智能驾驶系统由传感器、计算单元和线控底盘三部分组成分别对应智能驾驶的环境感知层、智能决策层以及控制和执行层。组成与功用2.结构组成及关键技术环境感知层的主要功能是通过车载环境感知技术、卫星定位技术、4G/5G及V2X无线通信技术等，实现对车辆自身属性和车辆外在属性（如道路、车辆和行人等）静、动态信息的提取和收集，并向智能决策层输送信息。组成与功用2.结构组成及关键技术高清摄像头车载摄像机是实现众多预警、识别类ADAS功能的基础，是目前最便宜也是最常用的车载传感器之一。摄像机可以识别车辆行驶环境中的车辆、行人、车道线、路标、交通标志、交通信号灯等，具有较高的图像稳定性、抗干扰能力和传输能力。组成与功用2.结构组成及关键技术高清摄像头特斯拉：超声波雷达（×12）探测距离：8m前置毫米波雷达（×1）探测距离：160m前置主摄像头（×3）探测距离：250m/150m/60m前侧视摄像头（×2）探测距离：80m后侧视摄像头（×2）探测距离：100m后视摄像头（×1）探测距离：50m组成与功用2.结构组成及关键技术激光雷达激光雷达是以发射激光束来探测目标空间位置的主动测量设备。在自动驾驶场景中，激光雷达主要有两个功能：3D的环境感知与SLAM加强定位。组成与功用2.结构组成及关键技术毫米波雷达与激光波雷达相比，毫米波雷达不仅成本更低，且可以同时解决摄像机测距、测速不够精确的问题，此外毫米波雷达还可以完美处理激光雷达所处理不了的沙尘天气。组成与功用2.结构组成及关键技术毫米波雷达与激光波雷达相比，毫米波雷达不仅成本更低，且可以同时解决摄像机测距、测速不够精确的问题，此外毫米波雷达还可以完美处理激光雷达所处理不了的沙尘天气。组成与功用2.结构组成及关键技术超声波雷达声波雷达工作在机械波波段，工作频率在20kHz以上。超声波雷达具有频率高、波长短、绕射现象小、方向性好、能够成为射线而定向传播等优点，且兼具防水、防尘的特性，因此非常适合应用于泊车。组成与功用2.结构组成及关键技术IMU+GPS无人驾驶的车辆中，一般都会有组合导航，一个最基本的组合导航，包括了两个部分:GPS(全球定位系统)和IMU（惯性传感器）组成与功用2.结构组成及关键技术高精地图高精地图是用于自动驾驶的专题地图，由含有语义信息的车道模型、道路部件(Object)、道路属性三类矢量信息，以及用于多传感器定位的特征(feature)图层构成。组成与功用2.结构组成及关键技术T-BOXT-BOX作为无线网关，通过4G远程无线通讯、GPS卫星定位、加速度传感和CAN通讯等功能，为整车提供远程通讯接口，提供包括行车数据采集、行驶轨迹记录、车辆故障监控、车辆远程查询和控制（开闭锁、空调控制、车窗控制、发送机扭矩限制、发动机启停）、驾驶行为分析、4G无线热点分享等服务。组成与功用2.结构组成及关键技术组成与功用2.结构组成及关键技术自动驾驶计算单元是一种专门用于处理自动驾驶相关数据和算法的硬件平台。根据不同的厂商和技术方案，自动驾驶计算单元有多种平台，例如：英伟达的DriveAGX系列高通的SnapdragonRide系列、华为的MDC系列。组成与功用2.结构组成及关键技术控制执行层的主要功能是根据功能决策层的指令对车辆进行操作和协调。组成与功用2.结构组成及关键技术线控底盘是智能网联汽车的执行部分，需要执行上层控制的运动指令，完成此过程需要依赖底盘的线控系统（X-by-wire）。关键技术2.结构组成及关键技术拟人化自动驾驶2.结构组成及关键技术关键技术2.结构组成及关键技术2.结构组成及关键技术关键技术2.结构组成及关键技术融合2.结构组成及关键技术关键技术2.结构组成及关键技术在自动驾驶汽车中，定位、雷达、视觉等传感器协作融合，能够以图像、点云等形式输入收集到的环境数据，并通过算法的提取、处理和融合，进一步形成完整的汽车周边驾驶态势图，为驾驶行为决策提供依据。融合2.结构组成及关键技术关键技术2.结构组成及关键技术高精定位----基于GPS+IMU基于差分GPS+惯性导航IMU的组合是最为常规的定位方法。精度可以达到米级。对于低精度的定位要求，差分GPS+惯性导航IMU可谓是一堆黄金组合，在GPS信号良好时，GPS起主导作用，当GPS信号暂时中断（例如隧道环境），惯性导航又可以在短时间依靠航位推算继续提高较高精度的定位。2.结构组成及关键技术关键技术2.结构组成及关键技术高精定位----基于激光雷达+高精地图2.结构组成及关键技术关键技术2.结构组成及关键技术激光雷达+高精地图定位是一种利用激光雷达扫描周围环境，与预先建立的高精地图进行匹配，计算出车辆相对于地图的位置的方法高精定位----基于激光雷达+组合惯导+高精地图2.结构组成及关键技术关键技术2.结构组成及关键技术高精定位----基于视觉+高精地图视觉定位是指用车载摄像头拍摄环境图像，跟已知的地图元素做对比或以递推方式计算车辆位置的定位方式2.结构组成及关键技术关键技术2.结构组成及关键技术道路环境检测—激光雷达2.结构组成及关键技术关键技术2.结构组成及关键技术道路环境检测—视觉基于深度学习的计算机视觉，应用于无人驾驶的视觉感知系统中，主要分为四大块：动态物体检测（DynamicObjectDetection）、通行空间（FreeSpace）、车道线检测（LaneDetection）、静态物体检测（StaticObjectDetection）等。2.结构组成及关键技术关键技术2.结构组成及关键技术道路环境检测—语义分割/深度信息2.结构组成及关键技术关键技术2.结构组成及关键技术2.结构组成及关键技术关键技术2.结构组成及关键技术动态物体检测（DynamicObjectDetection）两种方法：输入激光雷达的单帧扫描点云和摄像头的图片信息，进行在3D空间的更准确的目标检测。激光雷达的位置和摄像头的位置需要提前进行联合标定，现在主要是基于MV3D算法来实现。将lidar_de