智能汽车自主泊车系统测试方法

自主泊车系统是智能汽车领域的研究热点，但其缺少系统性测试评价方法的研究。针对这一问题：首先，提出了基于ALFUS（Autonomy Levels for Unmanned System）框架思想的测试用例构建体系，结合对由泊车事故数据、实际泊车场景数据构成的实际数据以及包含传感器工作原理和泊车过程的自主泊车系统工作原理的分析，生成了自主泊车系统测试环境元素集合、测试任务元素集合、两级测试时空顺序，并通过对三者进行整合得到了自主泊车系统测试用例集；其次，提出了以环境类型、任务类型进行划分的自主泊车系统三级四类分级测试方法，并在此基础上结合模糊综合评价法得到了基于自主泊车系统测试用例集的测试评价方法；然后，利用乔哈里视窗理论建立了自主泊车系统测试评价结果分析矩阵，实现了从智能汽车自主泊车系统性能局限、测试方法局限两方面对测试评价结果的分析；最后，考虑现有自主泊车系统技术条件，选用不同型号的具备自主泊车系统的智能汽车进行实车试验，对上述测试方法进行了实践，并分析获得了自主泊车系统功能及性能方面的改进意见。试验结果表明：所提智能汽车自主泊车系统测试方法不仅可对测试对象的性能提出改进建议，也能验证测试方法本身的完善性，并证明了该测试方法对于现阶段自主泊车系统的有效性。     

轻量化车位识别网络与流畅泊车路径规划设计

深度学习在自动驾驶开发中得到广泛应用，而在低算力嵌入式平台上部署高算力需求的车位识别网络及复杂的路径规划算法成为行业挑战，因此本文首先设计了轻量化车位识别网络结构，对不同场景下的车位关键点进行检测，其次基于深度搜索设计了快速泊车路径规划算法，然后基于OpenVX的框架将模型和算法部署在多核异构平台上，最终在实车平台上进行自动泊车功能验证。试验结果表明车位检出率大于98%，泊入成功率大于96%，泊车系统运行时间小于40ms，满足实时性要求。     

基于全景图像与人机交互的自动泊车系统

针对目前自动泊车系统对传感器数量和算力要求较高的问题，提出了一种基于全景图像与人机交互的自动泊车系统方案，针对改进的空闲停车位网络（VPS-Net）进行量化感知训练，实现实时车位检测和车位占据分类，同时借助驾驶员对周围环境的判断，仅利用车身四周的4个环视鱼眼摄像头完成空车位检测与泊车环境实时监测，并利用多段式路径规划与路径跟踪控制器实现车辆平稳、准确地停入车位。验证结果表明，该系统可以在各种典型车位和光照条件下实现自动泊车。     

阶段约束下Gauss配点离散化平行车位自动泊车轨迹规划

针对平行车位自动泊车高精度轨迹规划，提出一种联立多阶段划分和非均匀Gauss配点参数化的轨迹优化算法。首先，结合车辆泊车动力学方程和约束条件建立了平行自动泊车数学模型；然后，根据泊车过程，提出将泊车过程划分为泊车起动、接近车位、进入车位、姿态调整、泊车落位5个阶段，并建立各阶段对应的不等式约束条件；进一步，在伪谱法算法框架下，结合阶段约束给出了多阶段局部高斯配点策略，以此实现分阶段独立配点离散，从而提高泊车轨迹规划的精准度和适应性；最后，在通用小型汽车模型上在长短车位上进行仿真测试，验证提出方法的正确性和适应性。结果显示，相较于分段区域Gauss伪谱法，改进方法在获得平滑泊车轨迹的同时泊车时间平均减少2.976 s，时间性能提升21.7%，表明了所提算法的有效性。     

家庭式泊车系统设计

随着传感器、硬件及泊车技术的进步,自动泊车产品由车位附近的半自动泊车、全自动泊车,逐步向最后一公里的场景发展。最后一公里场景分为适用于商场的代客泊车及适用于固定车位的家庭式泊车。论文对家庭式泊车进行系统设计,介绍了系统的硬件结构、功能及工作流程。首先需要驾驶员开一次车,以建立停车场出入口到目标车位的地图及车辆参考轨迹,之后就可以在停车场出入口下车,车辆自主泊车。针对该系统建图流程简单,泊入精度高,支持避障等特点,对相关关键技术进行论述。最后,对该系统及改进方向进行总结和展望。     

基于模糊逻辑的自动平行泊车控制方法

提出了一种基于模糊逻辑的自动平行泊车控制方法;基于Ackerman转向建立了车辆前轮转向运动学模型,并得到平行车位最小尺寸。将实际平行泊车过程划分为3个阶段,搭建仿真平台进行仿真和试验验证,并绘制真实泊车系统泊车轨迹进行对比分析。结果表明,所提出的控制方法起始位置范围宽,能适应速度的波动。     

基于狭窄垂直车位的多段式路径规划与仿真分析

自动泊车系统（APS）目前受到广泛的关注,但大部分研究忽略了车辆初始航向角偏差对整体泊车效果的影响,对此,论文研究了狭窄垂直车位场景下车辆初始航向角不为零的多段式路径规划方法。首先基于车辆最小转弯半径建立了车辆后轴中心运动轨迹方程,通过五次多项式对路径规划进行优化,实现路径曲率更连续、泊车更平顺和舒适。CarSim/Simulink联合仿真验证表明,五次多项式泊车路径优化方法可行,在满足泊车安全的基础上,泊车位所需实际宽度减少10.4%,长度减少15.3%。     

基于场景的自动驾驶汽车虚拟测试研究进展

随着自动驾驶等级的提高，面向传统汽车的测试工具与测试方法已不能满足自动驾驶汽车测试的需要。基于场景的虚拟测试方法在测试效率、测试成本等方面具有巨大的技术优势，是未来自动驾驶汽车测试验证的重要手段，已成为当前的研究热点。通过对大量相关文献的系统梳理，综述了基于场景的自动驾驶汽车虚拟测试研究进展。对比分析了自动驾驶测试场景的不同定义方式，明确了测试场景的内涵，归纳了测试场景的要素种类，概述了测试场景的数据来源，总结了场景数据的处理方法。在此基础上，对自动驾驶汽车虚拟测试方法进行了总结，分析了典型的测试方式、测试平台和虚拟测试的技术要点，梳理了软件在环、硬件在环和车辆在环测试方案及其关键技术。针对自动驾驶汽车测试效率问题，研究了基于场景的加速测试技术，概述了典型的测试场景随机生成方法和危险场景强化生成方法。最后，对基于场景的自动驾驶汽车虚拟测试所面临的问题及未来发展趋势进行了分析和展望。研究结果表明：基于场景的虚拟测试是推动自动驾驶技术发展和产业落地的必由之路，未来研究应着力突破基于解构与自动重构的测试场景数据库、人-车-环境系统一体化高置信度建模、自动驾驶汽车虚拟测试标准工具链、不同自动驾驶汽车渗透率下的混合交通模拟与测试、测试案例动态自适应随机生成机制等核心共性技术，建立自动驾驶汽车虚拟测试标准体系。     

自动泊车系统的控制算法研究

自动泊车系统是汽车智能化发展的一个重要方向,也是无人驾驶技术的一部分。采用单目视觉的方法识别车位,为了使汽车能连续泊车入位,规划了基于回旋曲线的曲率连续泊车路径。同时,在装有单摄像机的模型车上对算法进行试验验证。结果表明,模型车准确识别车位,并连续泊入车位且以较好的姿态停于车位中间。对机器视觉在汽车上的广泛应用具有一定促进作用。     

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。     

基于深度学习的停车位检测研究

随着智能网联汽车的发展，越来越多的学者投身于L4级以上的稳定的自动驾驶算法研究中来。自动泊车系统作为智能网联汽车的一项重要功能，能够在有效提升驾驶体验的同时，降低由于复杂地段的泊车困难带来的交通事故和经济损失，因此自动泊车在学术界和工业界掀起了研究热潮。传统的自动泊车系统中对于车位的感知依赖于超声波雷达，并且对车位空间结构有诸多限制。由于复杂的视觉环境和环视图像上停车位的不完整显示，基于视觉的停车位检测是一项重大挑战。本文提出了一种基于卷积神经网络（CNN）的车位检测算法，设计适用于车载环视图像的多重沙漏网络，并引入一种策略选择最佳感受野，从而联合检测停车位的角和线特征。所提出的方法达到了较高的精度和召回率，在搭载GPU的嵌入式移动终端可以达到30 FPS的实时性和较高的精准度。     

基于超声波雷达的泊车位类型检测

环境感知系统作为自动泊车系统的基础,其系统鲁棒性和精确性对于泊车成功率有着决定性的作用。目前车位检测方法主要分为测距技术和视觉技术两种。文章通过探讨超声波雷达的测距变化特点,对车位检测方法进行研究,确定不同类型泊车位情况下的车位约束条件,分辨待泊入泊车位的具体类型,为自动泊车做理论基础准备。     

自动驾驶仿真多逻辑场景综合评价方法

基于场景的仿真测试方法已成为解决自动驾驶汽车性能验证的核心思路,该方法将车辆连续驾驶过程进行分割获取非重复的独立场景片段,并在仿真环境中进行测试。与测试过程相贴合,本文提出了一种自动驾驶仿真多逻辑场景综合评价方法。首先建立自动驾驶汽车多逻辑场景综合评价方法,明确兼顾场景自身特征信息及仿真过程信息的场景权重分析流程;通过暴露度、失控度、危害度建立逻辑场景自身特征信息权重;建立包含仿真精度信息、要素种类信息、参数空间信息、离散步长信息的仿真过程信息权重;基于HighD数据集抽取前车制动、前车左侧切入、前车右侧切入场景信息,并基于本文提出的方法及基准算法测试结果计算场景权重,最终获取两种被测算法在多逻辑场景中的综合评价结果。     

基于回旋曲线的垂直泊车路径规划

为解决垂直车位自动泊车路径规划问题，提出了一种算力要求低、泊车空间小的路径规划方法。首先，考虑泊车过程中碰撞约束、汽车运动学约束要求，基于直线-圆弧组合的方式，进行垂直泊车的一步和多步基础路径规划。然后，结合回旋曲线进行曲率优化，实现泊车路径的曲率平滑。最后利用仿真验证方法的可行性，结果表明：对于不同的横向泊车空间以及不同的初始姿态角，该方法均能够规划出安全、平滑的泊车路径。     

自动泊车关键技术研究进展综述

自动泊车是汽车智能化的重要组成部分，代替了驾驶员进行泊车的繁琐操作，减少了泊车事故的发生，在新车上的装载量大幅增加。为了研究自动泊车的发展现状、现有不足与发展趋势，对自动泊车应用现状进行了分析，又从车位探测、路径规划和跟踪控制等技术方面进行了分析，总结现有自动泊车关键技术存在的不足之处和局限性，提出了自动泊车关键技术研究的未来趋势，为从事自动泊车技术研究提供参考。     

自动驶出车位技术

福特公司发现，其自动泊车系统工作可靠。汽车自动转向，停人狭窄车位，减轻驾驶员泊车的苦恼。但唯一缺点是：若车位太小，停得进去却开不出来。在2014智能交通全球大会上，福特表示将在2015款锐界上同时提供自动泊车和自动驶出车位2种功能。该车计划将在2015年3月到达经销商，自动驶出车位功能将被涵盖在一个高科技安全配置选装包中。     

变道切入场景下 ADAS系统测试与评价研究

为了满足变道切入场景下的ADAS系统测试评价需求,提出一种考虑场景风险系数的变道切入场景生成方法和 客观综合评价模型。通过采集自然驾驶数据,采用阈值法自动提取变道切入功能场景并深入分析变道切入行为特征。使 用单因素方差分析法与皮尔逊相关性检验法共同分析场景风险系数与场景要素的相关性来确定关键场景要素。结合 K-means算法对离散逻辑场景参数进行聚类,从而得到5个典型测试场景。基于场景风险系数,采用AHP与CRITIC法构建 多层次综合评价模型,采用灰色关联理论对 ADAS系统进行客观评价。借助 VTD 仿真软件构建变道切入虚拟测试场景 库,进行仿真试验验证。结果表明,相关性分析使场景要素维度降低了60%,生成的测试场景可以有效验证ADAS系统 的综合性能,综合评价模型可对ADAS系统表现进行客观有效的评价,为智能驾驶系统开发提供有效参考。     

高等级自动驾驶汽车虚拟测试：研究进展与前沿

安全性测试是高等级自动驾驶汽车（Highly Automated Vehicles，HAV，指具备L3级及以上能力的自动驾驶汽车）规模化应用的基本保障。鉴于HAV测试对象与测试标准的变革，传统基于里程的车辆测试方法论不再适用，场景化虚拟测试正成为验证HAV安全性的核心方法。基于与国内外多家HAV研发机构开展虚拟测试合作的基础上，针对测试场景、测试工具和测试方法等方面的技术难点和学术问题进行汇总、归纳和分析。测试场景方面，围绕场景覆盖度的要求，需重点关注测试场景自主划分、自动化仿真生成和未知高风险场景搜寻等理论方法。测试工具方面，在构建HAV自动驾驶系统“环境感知-规划决策-运动执行”一体化仿真工具的基础上，需研究支撑测试场景生成、驾驶行为双向交互和多传感器物理模型融合的高可信仿真技术。测试方法方面，针对海量测试场景、HAV驾驶能力非单调变化等特征，亟待开展覆盖度驱动型测试方法、加速测试方法和多目标测试与评估等的研究。此外，在上述研究挑战的基础上，面向HAV虚拟测试自动化、快速化、一体化和协同化的应用需求，提出HAV虚拟测试仿真即服务（Simulation as a Service，SAAS）的系统架构，并进一步明确HAV安全性诊断分析、系统自主优化训练和面向系统快速迭代升级的测试方法等SAAS重点研究需求。     

基于硬件在环的泊车控制器仿真测试

文章论述了一种基于硬件在环的泊车控制器测试系统的方案原理、构成以及测试过程。为了使用硬件在环测试系统验证泊车控制器功能,需要完成超声波探头激励测试、泊车控制器探测距离测试、泊车控制器功能测试。最终硬件在环的泊车控制器测试系统通过场景仿真软件对交通场景进行视觉模拟。同时,超声波板卡对模拟交通场景中目标信息进行超声波仿真模拟,并将以上信息提供给泊车控制器进行决策运算,完成泊车控制器功能的仿真测试。     

雨雾天气下的自动紧急制动系统测试评价方法研究

针对当前自动紧急制动系统评价中,存在雨雾等危险复杂气象状况的测试场景考虑不足,和评价结果难以客观反映 AEB系统实际性能的问题,研究了包含雨雾天气的 AEB系统测试场景和综合评价方法。根据国家车辆事故深度调查体系 （National Automobile Accident in-Depth Investigation System,NAIS） 的事故数据,参考中国新车评价规程,构建了雨雾天气下的AEB系统测试场景;基于层次分析法,建立了AEB系统评价层次模型,提出了AEB系统综合评价方法。在 PreScan-Simulink平台上搭建了仿真测试场景,进行测试评价,验证了方法的效果,与传统单一评价指标方法进行对比,结果显示被测车辆得分为 6.610 7分,小于单一速度减少量评价方法的 9.015 0分,偏差分析表明该方法评价结果更客观,能更准确地反映AEB系统性能。