【《智能小车制动系统设计的国内外文献综述》3100字】

智能小车制动系统设计的国内外文献综述1.1国外研究现状国外的汽车工业起步的比较早，对碰撞预警系统的研发也比较早，在1938年，Gibson就提出了汽车安全驾驶的问题[1]。1957年，第一次在航空交通工具上出现了碰撞预警系统[2]。1978年，美国California州的JPT在NASA的项目资助下首先提出了利用计算机视觉来进行车辆检测的方法，这也是图像处理领域首次通过使用计算机视觉技术来进行物体的识别的里程碑[3]。然后几年过后，第一个基于视觉的车辆检测系统在明尼苏达大学得以开发出来。后来，经过了40年来不断地积淀与探索，逐渐形成了背景差分法、光流法等常见的检测算法。通常，检测的方法分为两种：第一种，Broggi等人通过使用自适应的背景模型来提取前景信息，运用了基于运动的背景差分法进行检测车辆[4]，Arrospide等人通过计算相邻帧之间的全息矩阵，利用帧与帧之间不能相互映射的区域来识别是否为运动车辆[5]，Jazayeri等人则使用隐马尔可夫模型，从而能够在视频中分离背景和运动车辆[6]；第二种，基于外观的的车辆检测方面[7]，Melgani等人利用尺度不变特征变换（SIFT)来提取图像中的关键点，然后利用向量机（SVM）预测图像中的SIFT关键点来判断其是否属于车辆结构[8]，cheng等人提出了一种新的基于动态贝叶斯网络的车辆检测方法[9]。由于视觉识别成本低，采集的数据量丰富。很多大学都纷纷展开了这方面的研究。例如，上世纪90年代，德国的UBM大学便开展了利用计算机视觉算法来进行车距估测的研究，其开发的系统可以利用计算机视觉算法在80米的范围内准确的估测前方车距，而随着下一代系统的CPU的处理树蕨的能力更强，使得处理器数目减少80%，计算能力却提高10倍，并且可以实现实时处理图像。不过，该系统在光线变化的天气条件下，所以可靠性不能满足市场的需求[10]。随着市场对防撞系统的要求越来越迫切，更多的企业也加入到了计算机视觉防撞系统的开发之中。沃尔沃的CWBA[11]系统（CollisionWarningwithAutoBrake）就是一款基于摄像机视觉采集和雷达感应相互结合来识别周围障碍物的防撞系统。当该系统识别到周围有行人或者其他障碍物时，会发出警报，以此来引起驾驶员的注意。相较于其他系统而言，这个系统更加优秀的地方在于，当发现在发出警报之后，还有相撞的风险之时，就会自动地进入随时准备制动的状态，来应对可能会发生的意外。除了沃尔沃的CWBA系统之外，以色列一家专注于计算机视觉开发的公司Mobileye,在视觉高级驾驶辅助系统的研发方面取得了举世瞩目的成果，该公司研发的基于单目视觉传感器的环境感知系统具有一定影响力。该系统能够利用单个摄像头同时实现车道线和行车车道偏离检测、障碍物车辆以及行人检测等功能。该系统已经被应用在包括宝马、通用、沃尔沃等整车制造商的车辆中[11]。虽然摄像机视觉在很多防撞系统之中都得到了很广泛的应用，但是摄像机视觉采集依然拥有很多缺陷。其中之一就是摄像头对光比较敏感，不同的天气条件会对摄像头采集道德图像产生巨大的影响，造成识别和测距的不准确，从而影响系统的正常工作；其次，由于图像处理算法复杂，计算量大，使得简单的计算平台无法支撑这种计算能力，从而导致系统无法瞄准一个确切的目标，从而无法准确的获取目标距离和速度信息，也无法准确获取紧急制动的相对距离和相对速度1.2国内研究现状与欧美、日本相比而言，由于我国之前的经济技术发展水平相对有限，所以在避免车辆碰撞方面起步相对较晚，车辆防碰撞系统的开发、研发也正处于发展的阶段。但是，在国家和有关部门的大力支持下，不少高校和企业纷纷投入到自动紧急制动系统的研发中。目前，在智能车的研究过程中，大多数是通过采取摄像头、激光雷达和毫米雷达这三种传感器来精确识别前方目标[12]。刘志强[13]通过安装在车外和车内的摄像头来采集图像信息，分别判断与前车的距离和驾驶员的状态，实现实时对车辆在运动中存在的危害和潜在危害进行检测。为了实现车辆的预警功能，任晓奎[14]提出了一种通过将超声波测距与GPS无线测量模块相结合的方法来进行对周围环境的检测。郑锐[15]提出了适用在高速公路上行驶的汽车的防撞雷达方案，通过采用毫米波雷达与DSP芯片设计实现低成本、高精度测距功能。江苏大学的尹小琴[16]等人则针对高速公路上汽车追尾事故发生的特点以及事故发生后车内乘员受伤等问题，设计了一套基于激光雷达和机电控制结合的车辆防撞预警系统，该系统进行预警防撞的同时也可以控制车辆的高位制动灯和主动头枕来提高安全指数。但是，毫米波雷达的角度测量精度比较低，基本识别不出前方目标的种类，虚检率比较高，激光雷达的成本高，但是受天气影响，点云数据处理量比较大。在算法方面，2007年，由JunWu等人提出了基于虚拟线圈中亮度和色度来检测周围车辆的算法，并且该研究对视频中虚拟线圈的检测实时性非常强,所以在ADAS中得到了大量的应用，作者通过将虚拟线圈中的像素点的色度作为一个判断指标引入，将前后帧虚拟线圈中像素点单一的亮度指标结合色度指标，使得检测的方法得到了很大的改进[17]。为了解决经常出现的追尾事故，湖南大学的陈涛、方威等人提出了一种基于前方车辆的防追尾算法，该算法是通过利用短程通信技术（DSRC）实现车-车通信得以获得前车实时行驶的关键信息，然后通过安全车距预警模型来计算当前的安全临界车距[18]。北京理工大学裴晓飞等人提出了一种TTC-1作为安全评价指标，利用危险关系ε来对驾驶员进行分级预警。同时在自适应巡航目标检测的算法基础上设计了一种用于避撞系统的的毫米雷达算法，并通过实车试验对该算法进行了验证[19]。但是，这些算法与图像处理算法相比较，没有后者成熟，而且图像处理算法检测结果更加准确，系统的实时性能较好，可以长时间稳定工作，工作效率高，成本低[20]。任德鸿将精准的数学模型和自动适应制动控制的算法相结合，通过运用高精度激光雷达来达到故障安全导向，通过车辆实际实验来探究紧急制动系统的合理性和安全性[21]。程新新基于环境感知的自动紧急制动系统采用摄像头与毫米波雷达融合，在算法中使用贝叶斯和卡尔曼来追踪汽车的行动轨迹，以达成环境感知的效果[1]。赵垚森[22]开发了一套基于小孔成像的图像识别的方式，用激光雷达作传感器，充分提高了对另一辆车的识别率和时效性，这为智能车的研发提供了新的方法。目前，国内众多企业和互联网公司也争先恐后开始了智能车的研发。例如，百度基于激光雷达进行周围环境感知的智能车。2017年，百度公司推出一款智能汽车开发平台“Apollo”。除此以外，阿里巴巴、腾讯和华为等众多高科技公司均逐步对智能车邻域布局和涉猎。参考文献[1]程新新.基于环境感知的自动紧急制动系统研究与发现[D].长春工业大学，2020:3-5.[2]商车.权威解读对GB7258修订之处[J].商用汽车新闻，2017（Z2）:13-16.[3]李佳旺.基于计算机视觉的前方车辆检测及测距研究[D].浙江工商大学,2018:2-5.[4]BroggiA,CappalungaA,CattaniS,etal.LateralvehiclesdetectionusingmonocularhighresolutioncamerasonTerraMaxTM[C]//IntelligentVehiclesSymposium.IEEE,2008:1143-1148.[5]ArrospideJ,SalgadoL,NietoM.Vehicledetectionandtrackingusinghomography-basedplanerectificationandparticlefiltering[C]//IntelligentVehiclesSymposium.IEEE,2010:150-155.[6]JazayeriA,CaiH,ZhengJY,etal.Motionbasedvehicleidentificationincarvideo[J].2010,23(3):493-499.[7]KhammariA,NashashibiF,AbramsonY,etal.VehicledetectioncombininggradientanalysisandAdaBoostclassification[C]//IntelligentTransportationSystems,2005.Proceedings.IEEE,2005:66-71.[8]MoranoduzzoT,MelganiF.AutomaticCarCountingMethodforUnmannedAerialVehicleImages[J].IEEETransactionsonGeoscience&RemoteSensing.2013,52(3):1635-1647.[9]ChengHY,WengCC,ChenYY.VehicledetectioninaerialsurveillanceusingdynamicBayesiannetworks.[J].IEEETransactionsonImageProcessingAPublicationpftheIEEESignalprocessingSociety,2012,21(4):2152.[10]徐友春,李克强,连小珉,等.智能车辆机器视觉发展近况[J].汽车工程,2003,25(5):438-443.[11]QiuChengWang,ZhouKaiXie,WeiGuoLiu,HaiTaoXiao.ResearchonSimulationandReconstructionofVehicle-PedestrianCollisionBasedonMulti-BodyDynamics[J].AdvancedMaterialsResearch,2012,1684.[12]任凤雷.基于智能车辆视觉导航的环境感知技术研究[D].中国科学院大学,2020:5-11.[13]刘志强,汪澎,秦洪懋,仲晶晶,宋世亮.基于多信息检测的车辆智能防撞预警技术研究[J].中国安全科学学报,2010,20(1):153-158.[14]任晓奎,郭海雯.基于超声波和GPS技术的车辆防碰撞预警系统[J].计算机测量与控制,2013,21(3):694-696.[15]郑锐.毫米波汽车防撞雷达的设计与实现[D]