【智能汽车避障研究的国内外文献综述2600字】

6智能汽车避障研究的国内外文献综述智能汽车国外研究现状随着智能车辆相关技术的成熟，各国都十分注重其交通安全方面和军事领域的应用，以及智能车辆的开发，进而推动智能车辆技术的发展。美国BarretElectronics公司于1954年研发了世界上第一台自动引导车辆系统，该系统为其自主研发的第一套系统，它具备了智能车辆一项最基本的功能特征——无人驾驶[1]。到了70年代，智能汽车的研究在欧美国家已经得到了普遍的重视，20世纪80年代，美国国防部开启了自主地面车辆（AVL）新计划，为了能够让汽车拥有充分的自主权，该项目采用摄像头和计算机系统来检测地形并对车进行导航[2]。在20世纪90年代，梅赛德斯和慕尼黑国防军大学联手改进和开发了一种装备有各种传感器的汽车，使汽车能够监控车辆周围的道路状况，并据此进行处理。从2004年起，为了加速智能车辆技术的发展，同时也为智能车辆的众多研究者提供一个学术交流的平台，美国国防部高级研究项目局(DARPA)，开始举办机器车挑战大赛(GrandChallenge)。谷歌公司于2009年才开始研究开发智能车项目，研究开发团队的工程师大多是曾经在DARPA工作的工程师。直到2015年，第一款可以在道路上正式测试的样车揭开了面纱，一款完全没有方向盘的智能汽车，让乘客的双手得到了释放。图1.1谷歌智能汽车2017年9月，美国众议院通过了关于自动汽车驾驶的相关法案，首次提出对智能汽车的生产、测试和发布进行管理控制。并于该月12日，美国交通运输部部长赵小兰公布了新版自动驾驶指南2.0，旨在统一全美智能汽车技术的研发，公开声明智能汽车公司的测试和部署无需审批，并于2018年发布了3.0版本。目前很多外国国家十分关注智能汽车的发展前景，也已经发行了一系列政策和措施来鼓励智能汽车的研究，当然，我国也同样重视智能汽车未来的发展。智能汽车国内研究现状国内在自主驾驶方面研究较晚，从20世纪80年代底才开始，但是在我国智能汽车刚起步十年便取得了巨大的成就。90年代初，国防科技大学便获得了成功，研制出了我国意义上的第一辆智能汽车，这辆汽车装有由计算机及其配套的传感器和液压控制系统组成的汽车计算机自动驾驶系统，该车能够在计算机控制下完成无人驾驶[3]。1988年清华大学在国防科工委的和国家863计划的资助下，从1988年开始研制开发智能车。20世纪90年代中期，国防科大的贺汉根参加一次关于自主驾驶技术的国际研讨会，与会专家建议多个国家联合起来共同研制新型的无人车，他也意识到这是推动国内自主驾驶技术的发展的好机会，询问主委会中国能否参加，日本专家以中国没有无人车为由拒绝中国参加。从80年代末开始在国防科大贺汉根教授的带领下，2001年研制成功时速高达76公里的无人车，2003年研制成功我国首台高速无人驾驶轿车，最高时速可达170公里。2007年一汽集团与国防科大合作，2007年红旗hq3参加了第14届国际智能车交通大会，会上进行了实测的演示，在国内外引起了很大的轰动。2011年7月14日红旗hq3首次完成了从长沙到武汉286公里的高速全程无人驾驶实验，实测全程自主驾驶平均时速87公里创造了我国自主研制的无人车，在复杂交通状况下自主驾驶的一个新纪录，这标志着我国无人车在复杂环境识别，智能行为决策和控制等方面实现了新的技术突破。2013年百度公司开始了无人驾驶汽车的项目，其技术核心是百度汽车大脑包括高精度地图定位，感知，智能决策与控制四大模块。2012年11月24日，我国军事交通学院所研发的无人驾驶汽车在北京至天津的高速公路上完成路试，其路试的主要项目有循线行驶、跟车行驶、自主换道、邻道超车、自主超车、人工指令行驶等六个科目，为确保安全，智能车装有应急控制装置，紧急情况下可立即实施人工强制干预[4]。2015年百度无人驾驶汽车在国内首次实现了城市环路和高速公路混合路况下的全自动驾驶，测试时最高时速达到100公里每小时。同年长安汽车发布了智能化战略654，建立6个基础技术体系，平台开发5大核心应用技术分4个阶段逐步实现从单一智能到全自动驾驶。2017年7月，百度公司CEO李彦宏乘坐百度公司所研发的智能汽车参加了百度公司举办的首届智能开发者大会。图1.2百度智能汽车上世纪八十年代以后，中国开始研究智能汽车，并且到目前为止，世界上的研究结果表明，智能汽车研究方面中国和外国之间的差距正在缩小。在今后的智能时代，中国将在智能车辆领域拥有着举重若轻的地位。1.3智能汽车避障技术发展现状上世纪七十年代，美国学者J.Holland提出了遗传算法。该算法利用了选择、交叉以及变异等方式进行了避障的过程控制。到了八十年代，Khatib提出了人工势场法路径规划，该算法目前被广泛的应用于移动机器人的路径规划上[5]。人工势场法的基本思想是将机器人在周围环境中的运动，设计成一种抽象的人造引力场中的运动，目标点对移动机器人产生“引力”，障碍物对移动机器人产生“斥力”，最后通过求合力来控制移动机器人的运动。应用势场法规划出来的路径一般是比较平滑并且安全，但是这种方法存在局部最优点问题。2015年，王雷等人将遗传算法进行了改良。首先，利用网格法对智能车辆的行驶路径建立模型，提出了初始个体产生法和精英战略，设计了自适应突变概率以此提升算法的质量。2017年，朱珂昕，孙海洋，陈珍提出了一种基于遗传算法在静态环境中的路径规划，这种路径规划采用了二进制编码的方式，建立了简单高效的并且具有针对性的适应函数，该算法将多个障碍物作为介质来寻找目标点，简化了编码在二维空间中的方式，从而克服了多目标情况下的避障问题[6]。参考文献[1]张国全.基于视觉导航的智能车辆目标检测关键技术研究[D].兰州:兰州理工大学,2012.[2]王子正,程丽.无人驾驶汽车简介[J].时代汽车2016(8):82-85.[3]陈明哲.智能汽车发展现状及前景展望[J].黑龙江科技信息,2016(31):146-147.[4]贾祝广,孙效玉,王斌,张国维.无人驾驶技术研究展望[J].矿业装备,2014(5):44-47.[5]郭笑笑,刘元盛,钟启学.基于无人驾驶汽车的避障算法综述[J].计算机科学,2017,44(10A):145-148.[6]朱珂昕,孙海洋,陈珍.基于遗传算法的机器人路径规划[J].电子世界,2017(7):13-14.[7]S.Kim,Y.Kim.RobotLocalizationUsingUltrasonicSensors［C］.Japan:ProceedingsofIEEE/SRJInternationalConferenceonIntelligentRobotsandSystems,2004:3762-3766.[8]L.Kleeman.AdvanceSonarwithVelocityCompensation［J］.InternetJournalRoboticsResea-rch,2004,23(2):111-126.[9]A.Diosi,L.Kleeman.AdvancedSonarandLaseRangeFinderforSimultaneousLocalizationandMapping[C].Japan:Proceedingsof2004IEEE/RSJInternationalConferenceonligentI-ntelRobotsandSystems,2004:1854-1859.[10]M.Y.Kim,H.Cho.AnActiveTrinocularVisionSystemofSensingIndoorNavigationEvironm-entforMobileRobots[J].SensorsandActuatorsA:Physical,2006,125(2):192-209.[11]吴慧玲.基于多传感器的移动机器人避障策略的研究[D].沈阳:沈阳大学,2013.[12]韩九强.机器人视觉技术及应用[M].北京:高等教育出版社,2009:1-15.[13]杜莉,张建军.超声波测距技术改进方法探讨与实现[J].北京工业职业技术学院报,2015,14(1):35-39.[14]范晓静.基于多传感器信息融合的机器人避障和导航控制研究[D].沈阳:沈阳理工大学,2008.[15]赵小军,林晨等.基于MATLAB图像处理的车辆检测与识别[J].数据采集与理,2009(s1):141-143.[16]王莉烨.多传感器信息融合技术在智能机器人上的应用[D].沈阳:沈阳理工大学,2009.[17]谢振南.多传感器信息融合技术研究[D].广州:广东工业大学,2013.[18]Valet,L.MaurisGandetalAStatisticalOverviewofRecentLiteratu