自动驾驶汽车基础技术解析

正自动驾驶汽车是一个完整的软硬件系统。硬件系统除了常规的汽车的配置之外,还涉及到专用于无人驾驶技术的传感器,比如摄像头,雷达等。全智能化智能车(Intelligent vehicle)是一个集环境感知、规划决策、多等级辅助驾驶等功能于一体的综合系统,它集中运用了计算机、现代传感、信息融合、通讯、人工智能及自动控制等技术,是典型的高新技术综合体。如下图所示,给自动驾驶技术做一个总的分类,其关键技术依次可以分为环境感知,行为决策,路径规划和运动控制四大部分。     

商用车辅助驾驶系统感知传感器特性及选型分析

汽车辅助驾驶系统是在感知传感器对道路环境进行感知的基础上对驾驶过程中的潜在危险进行预警提醒或主动控制干预。近年来中国交通部以商用车应用为试点,发布相关法规逐步强制推行辅助驾驶系统的配备,以切实提升商用车的安全性。感知传感器是辅助驾驶系统的重要基础,本文在充分分析视觉、毫米波雷达、激光雷达的基础上,综合考虑实际应用对性能和成本两个方面平衡的需求,给出了不同应用传感器的选型建议,为商用车辅助驾驶系统的传感器选型提供参考。     

基于整车在环仿真的自动驾驶汽车室内快速测试平台

整车在环仿真测试方法可以安全、高效地验证复杂环境和极端工况等场景下自动驾驶汽车性能的有效性，基于此研发一种基于整车在环仿真的自动驾驶汽车室内快速测试平台，该平台由前轴可旋转式转鼓试验台、试验台测控子系统、虚拟场景自动生成子系统、虚拟传感器模拟子系统、驾驶模拟器、自动驾驶汽车和测试结果自动分析评价子系统组成。通过在试验台滚筒上独立加载转矩模拟车辆行驶阻力，可动态模拟不同的路面附着系数，同时利用坡度、侧倾和转向随动机构可模拟车辆俯仰角、侧倾角和航向角3个自由度；采用虚拟现实技术柔性集成车辆动力学模型、传感器仿真、复杂道路交通环境及测试用例仿真，模拟多种道路交通场景，并通过传感器仿真及数据融合等技术快速测试自动驾驶汽车智能感知与行为决策等性能指标。将自动驾驶汽车、虚拟仿真场景和试验台耦合构建一个闭环系统，完成了多项关键技术研发，包括：多自由度高动态试验台结构设计、虚拟测试场景自动重构方法和传感器数据模拟及注入方法，可满足在各种场景下测试自动驾驶汽车整车性能的需求。此外，为验证快速测试平台的有效性，以U-turn轨迹跟踪控制为研究实例，基于简化的车辆运动学模型和模型预测控制算法，在平台上搭建U-turn场景并对自动驾驶汽车的轨迹跟踪控制算法性能进行大量测试。结果表明：自动驾驶汽车室内快速测试平台可以真实地模拟汽车在道路上的运行工况，自动驾驶汽车在虚拟场景中的轨迹跟踪效果良好，与参考轨迹的偏差小于8%，证明了该测试平台检测方法的有效性。     

汽车工业增长的新动力-智能汽车

正所谓"智能车辆",就是在普通车辆的基础上增加了先进的传感器(雷达、摄像)、控制器、执行器等装置。通过车栽传感系统和信息终端实现与人、车、路等的智能信息交换,使车辆具备智能的环境感知能力,能够自动分析车辆行驶的安全及危险状态,并使车辆按照人的意愿到达目的地,最终实现替代人来操作的目的。智能汽车与一般所说的自动驾驶有所不同,它指的是利用多种传感器和智能公路技术实现的汽车自动驾驶。智能汽车首     

基于手眼模型的自动驾驶毫米波和激光雷达联合标定研究

为了提高自动驾驶汽车传感器的校准质量,增强自动驾驶系统对目标的精准感知能力,提出了基于手眼模型的毫米波和激光雷达联合标定方法。首先,利用毫米波雷达的内在结构特征建立数学模型,对毫米波和激光雷达传感器的外部参数进行精确计算,确保在统一的世界坐标系中。然后利用手眼模型作为融合分析的基础,实现了毫米波和激光雷达的联合标定。最后,在自动驾驶小巴车平台上进行了标定试验,利用该标定系统得到标定结果的三维位姿关系,并验证了自动驾驶小巴车传感器数据的准确性。研究结果表明,该方法测距误差均值为0.01 m左右,传感器旋转角度可以精确到1°左右,可以满足汽车自动驾驶系统中雷达感知精度的要求。     

面向自动驾驶汽车的仿真算法实现

随着自动驾驶技术的发展,自动驾驶汽车进入了人们的视野。自动驾驶汽车的实现离不开各类型的传感器,实现传感器的安装、标定对于自动驾驶汽车至关重要。文章介绍了自动驾驶汽车的发展现状和前景、相机的标定、多线激光雷达的标定、相机和激光雷达的联合标定。最后,文章构建了仿真环境和车辆行驶控制仿真算法。     

浅谈智能驾驶中的环境感知

环境感知是研究汽车智能驾驶技术的基础。环境感知系统为智能车辆的行为决策和路径规划提供准确可靠的信息源,是智能车辆顺利运行的重要保障。文章首先对比环境感知中常用的传感器,在此基础上总结目标检测与目标跟踪的技术方法并分析优缺点,然后介绍全球四大卫星系统及常用定位导航技术的基本原理,最后对未来智能驾驶汽车的发展进行展望。     

声音感知在自动驾驶汽车中的应用与展望

听觉是人类信息交互的一条中心路径,声音的感知和处理是无人驾驶汽车完全实现自动驾驶必不可少的一部分。本文通过介绍声音感知系统在自动驾驶汽车相关领域中的应用,对行车周边的声学事件检测、声源定位和人机交互等方面的技术特点进行了重点分析,发现声源定位技术在应用中已经取得较好的定位精度,而声学事件检测和人机交互技术在应用方面还面临巨大的挑战。     

自动驾驶仿真系统中网络安全测试方法研究

本文介绍了高级自动驾驶汽车网络安全的检测方法,形成将网络安全模型与车辆仿真测试模型相结合的测试框架。仿真测试综合汽车动力学模型、路况、天气、感知等多种模型,能够全面系统地测试自动驾驶系统的功能和性能。通过分析得到的针对自动驾驶的网络安全威胁模型与仿真模型相结合,可以体系化地验证自动驾驶系统对抗网络安全威胁的能力,是推动自动驾驶网络安全检测的积极尝试。     

自动驾驶汽车测绘管理政策法规问题及优化建议

正自动驾驶汽车通过"环境感知+高精度定位+高精度地图"技术耦合实现路径规划的行为涉及测绘,需要符合我国测绘领域相关政策法规的要求。我国对测绘行为采取严格的管理模式,部分规定会限制测绘技术在自动驾驶汽车上的应用。本文梳理了自动驾驶汽车测绘领域的政策法规现状、存在的问题,并结合产业发展实际,提出了相应的优化建议。     

自动驾驶汽车在城市道路上面临的主要场景挑战

基于人类的自然驾驶数据、交通事故数据等信息提出的自动驾驶汽车技术要求和测试场景难以反映自动驾驶汽车特有的局限性和安全风险。文章从车辆视角出发,利用搭载高度自动驾驶功能的汽车开展了实际道路测试,并通过分析测试过程中遇到的危险场景和边缘场景,总结了城市道路环境下自动驾驶汽车在感知、定位、决策规划、控制执行和网联通信等方面存在的主要场景挑战。该研究成果弥补了基于人类驾驶数据开展相关研究的不足,能够为自动驾驶汽车的研发和基于场景的测试验证提供参考。     

智能网联汽车生态系统的开发与应用

汽车行业目前正向着智能网联化方向的发展，这进一步促进了智能网联汽车的产生。通过汽车与网络的有机结合，在汽车中安装传感器和控制器等相关设备，不仅可实现汽车信息的网络共享，也可以在符合行驶需求的同时实现自动驾驶。与此同时，随着汽车数量的快速增长，生态驾驶也逐渐走进大众视野。通过探索智能网联汽车中生态驾驶的应用策略，可促进生态系统的开发和利用，加速汽车行业的发展，实现自动驾驶汽车在安全稳定的环境中行驶。     

自动驾驶汽车：传感器融合与5G互联的益处

正一辆理想的自动驾驶汽车的终极目标是取代人类驾驶,成为一个完全安全、更有效的"高科技"产品。本质上,这意味着L5级完全自动驾驶汽车将能够感知周围环境,并理解周围环境,在几乎没有人为干预的情况下安全驾驶。当人类驾驶时,五类感官齐上阵。眼睛是不断从环境中收集数据的视觉传感器,感知到另一辆车,或一个行人,或一个正在接近的减速带,眼睛会将这些数据传输到大脑。     

智能驾驶汽车传感器介绍及布置

介绍了智能驾驶汽车各环境感知传感器的特点,举例说明了在特殊场景下的安全隐患,并重点讲解了毫米波雷达在整车上的布置要求,为环境感知传感器在其他车型上的布置提供参考。     

自动驾驶感知系统的未来之路

<正>随着计算机技术的飞速发展，人工智能技术逐渐走入大众视野，其中自动驾驶技术则是人工智能技术中的重要应用，自动驾驶技术的主要目标是让汽车可以自主行驶，减少驾驶人的驾驶疲劳，提高汽车驾驶的安全性和舒适度。自动驾驶技术的实现需要依赖于感知系统、决策系统和控制系统的协同工作，其中，自动驾驶感知系统是非常重要的一环，承担着让自动驾驶汽车“看得清”的任务，其研究和发展将影响自动驾驶汽车落地进展。     

无人驾驶汽车环境感知与导航定位技术应用综述

环境感知以及导航定位是无人驾驶汽车(以下简称无人车)技术的关键组成部分。针对驾驶环境进行定义和分类,提出与环境相互匹配的传感器组合方法。在此基础上,着重介绍传感器技术以及环境感知技术,比较各技术优缺点,并结合导航与定位对无人车组成架构进行概括介绍,并对未来无人车环境感知技术进行展望。     

Mentor DRS360:集中式数据融合助力自动驾驶设计

正Mentor推出了一款自动驾驶解决方案DRS360平台,该平台能够借助各种传感手段实时捕获、融合及利用原始数据,改善延时的同时,提升了传感精确度和整体系统效率,满足SAE 5级自动驾驶车辆的要求。对于自动驾驶车辆来说,传感器数据非常关键。这些安装在车身周围及车辆内部的传感器,可以更好地探测车内外环境,为自动驾驶功能的实现提供数据支持。传统的汽车设计,通常把来自不同传感器的数据,如雷达、摄像头等,传     

面向自动驾驶的道路适驾性研究进展

现有道路设计规范考虑了驾驶人感知反应时间和车辆动力学特征,而自动驾驶汽车与驾驶人在感知反应时间、感知距离和感知高度等方面存在差异。这些差异可能会导致自动驾驶汽车在特定道路条件下面临挑战,例如复杂的道路线形、不规则交叉口等情况。为了解道路基础设施对自动驾驶汽车运行的影响,需要开展面向自动驾驶的道路适驾性研究。针对不同道路类型,道路几何设计、交通控制设施和路侧设施等对自动驾驶汽车安全运行影响的定量研究尚不充分。从路段、交叉口、交通标志标线3个方面进行归纳整理,结果表明：(1)现有的研究建立了道路线形设计、交叉口几何设计与自动驾驶感知能力的关系,发现平曲线半径、弦长和曲线偏转角等设计指标影响自动驾驶视距;(2)实车测试发现道路类型、平曲线曲率和车道宽度对自动驾驶失效事件具有显著影响;(3)随着自动驾驶汽车市场渗透率的增加,自动驾驶汽车之间交互行为规则更加明确,有利于提升道路适驾性水平;(4)自动驾驶的感知识别准确率会受到交通标志的反光性能和设置位置的影响,失效概率与交通标线的尺寸、逆反射亮度系数以及延长线相关。面向未来自动驾驶应用需求,针对已建道路,需要测试不同复杂工况条件对自动驾驶汽车运行...     

基于SEM的自动驾驶汽车接受度模型与风险分析

为了探究社会大众对自动驾驶汽车的接受度及其影响因素,通过对自动驾驶汽车的风险评估,基于TAM模型增加外部变量,改进感知易用性与感知有用性,建立自动驾驶汽车接受度研究模型。将研究模型中假设的外部变量、潜在变量、认知变量与自动驾驶汽车社会接受度的关系进行Pearson相关性与Kendall相关性检验。基于相关性检验剔除无关因素变量,建立线性回归模型,对相关因素与自动驾驶汽车接受度的关系进行了探究,并以此建立接受度结构方程模型,对各个变量与自动驾驶汽车社会接受度之间的因果关系进行了进一步研究论证。结果显示,法律伦理的认知对自动驾驶汽车接受意向产生（E =0.038,P < 0.001）显著正影响。驾龄、驾车频率对接受意向产生（E =-0.044,P < 0.001）显著负影响。学历通过促进公众对自动驾驶汽车正面的认知、抑制负面认知,从而对公众接受意向产生（E =0.172,P < 0.001）显著正影响。功能的认知会促进公众对自动驾驶汽车正面影响的认知,从而对接受意向产生（E =0.444,P < 0.001）显著正影响。      

汽车驾驶人姿态监测系统研究综述

随着自动驾驶技术的发展,驾驶人将会参与更多的与驾驶无关的活动,从而呈现出新的姿态,这些新姿态是优化传统被动安全系统的重要切入点。而且在未来相当长的时间内,自动驾驶车辆的行驶依然依赖于人和系统的密切配合。对驾驶人姿态的观察,则可以为判断驾驶人是否有能力及时接管车辆提供帮助,从而确保安全、合理的人机交互过程。通过对大量相关文献的系统性梳理,综述了汽车驾驶人姿态监测技术的智能化发展趋势,从传感器种类以及相应的姿态监测算法出发,分析了目前不同监测系统的优缺点。研究发现,尽管传感器技术和姿态识别算法取得了明显进步,然而廉价稳定且能够在实际驾驶条件下对驾驶人姿态准确感知的监测系统依然缺乏。总体而言,目前的监测系统大多只是集中于对驾驶人局部身体部位的感知,缺乏实际驾驶条件下的性能分析,并且对驾驶人状态的实时感知和预测能力仍有待完善。最后,针对目前监测系统所面临的问题,对未来可能的研究方向进行展望,并提出主动式立体视觉系统和压力传感器阵列相融合的驾驶人姿态监测方式。研究成果将为驾驶人姿态监测系统的研究提供参考和借鉴,从而有助于道路交通安全水平的进一步提升,同时也可为人机交互界面的设计带来启发。