智能汽车关键技术和发展概况课件.docx
《智能汽车关键技术和发展概况课件.docx》由会员分享,可在线阅读,更多相关《智能汽车关键技术和发展概况课件.docx(12页珍藏版)》请在冰豆网上搜索。
![智能汽车关键技术和发展概况课件.docx](https://file1.bdocx.com/fileroot1/2023-2/9/52fa007b-8bbd-436c-97b5-8c3b88b72064/52fa007b-8bbd-436c-97b5-8c3b88b720641.gif)
智能汽车关键技术和发展概况课件
智能汽车关键技术及发展概况
1、前言:
智能车辆(IntelzigentVehicles,IV)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。它具有道路障碍自动识别、自动报警、自动制动、自动保持安全距离、车速和巡航控制等功能。作为智能交通系统(ITS:
IntelligentTrnasportationSystem)的一个重要组成部分,智能车辆系统利用传感器技术、信号处理技术、通讯技术、计算机技术等,辨识车辆所处的环境和状态,并根据各传感器所得到的信息做出分析和判断,或者给司机发出劝告和报警信息,提醒司机注意躲避危险;或者在紧急情况下,帮助司机操作车辆(即辅助驾驶系统),防止事故的发生,使车辆进入一个安全的状态;或者代替司机的操作,实现车辆运行的自动化。
智能车辆系统的引入,可以提高交通的安全性和道路的利率。目前,在汽车、卡车、公交系统、工业及军用等领域,智能车辆系统都得到了应用,而且应用的多样性和领域还在不断增加。可以预言,随着信息采集技术、信息处理技术、系统工程技术等相关技术的研究和发展深入,智能车辆系统将是智能交通系统研究和发展的重要领域。
2、智能汽车关键技术及研究
智能汽车是一个汇集了众多高新科技的综合系统,尤其是作为智能汽车关键环节的环境信息获取与智能决策控制,更是依赖于高新技术的有力支撑,如传感器技术、图像识别技术、电子与计算机技术、控制技术。智能驾驶系统结构如图1:
2.1感知技术
人类在驾驶汽车时所接受的信息几乎全部来自于视觉,交通信号、交通标志、交通图案、道路标志等均可以看作是环境对驾驶员的视觉通讯语言。同时,人类在驾驶汽车时,通过对周围路面场景的观测来决定采取什么样的操作。因此,选择机器视觉作为感知路面场景的传感器是一种很自然的选择。机器视觉在智能车辆中的应用如图2所示。
图1智能驾驶系统结构框图
图2机器视觉传感器在智能汽车上的应用
视觉系统在智能车辆中主要用来识别车辆周围的交通环境,如确定车辆在车道中的位置和方位、车道的几何结构、检测车辆周围的障碍物如车辆和行人、识别交通标志和交通信号等。当机器视觉用于智能车辆时必须具备实时性、鲁棒性和实用性三方面的技术特点。实时性是指视觉处理系统的数据处理必须与车辆的高速行驶同步进行;鲁棒性是指智能车辆对不同的道路环境如高速公路、市区标准公路、普通公路等,不同的路面环境如路面及车道标线的宽度、颜色、纹理、动态随机障碍与车流等,以及变化的气候条件如日照及景物阴影、黄昏与夜晚、阴天与雨雪等均具有良好的适应性;实用性是指智能车辆在体积和成本等方面能够为普通汽车用户所接受。
智能车辆系统可靠运行的前提是通过各种传感器准确的捕捉环境和车辆自身的状态信息,并加工处理,随后发出预警或者自动操控车辆。研究如何将传感器传来的信息加以有效处理、分析,并准确的确定环境和车辆自身的状态是非常重要的。然而到目前为止,没有任何一种传感器能保证在任何情况下提供完全可靠的信息,采用多传感器融合技术,即将多个传感器采集的信息进行合成,形成对环境特征的综合描述的方法,能够充分利用多传感器数据间的冗余和互补特性,获得我们需要的、充分的信息。
目前,在智能车辆领域,除了视觉传感器外,常用的还有激光雷达、毫米波雷达、声纳、红外探测、磁导引、GPS等传感器。
2.2决策技术
在辅助驾驶或者自动驾驶技术中,需要依据感知系统获取的信息来进行决策判断,进而向驾驶员发出警告或者对车辆进行控制。例如,在车道偏离警告系统和碰撞警告系统中,需要预测主车辆和其它车辆未来一定时间内的状态。先进决策技术包括模糊推理、强化学习、神经网络和贝叶斯网络等技术。
2.3控制技术
对自动驾驶车辆或者辅助驾驶车辆来说,利用环境感知信息进行规划决策后需要对车辆进行控制,比如对路径的自动跟踪,此时性能优良的控制器成为了智能车辆必不可少的部分,成为智能车辆的关键。智能控制代表着自动控制的最新发展阶段,是应用计算机模拟人类智能,实现人类脑力和体力劳动自动化的一个重要领域。智能控制是一个新兴学科,包括递阶控制系统、专家控制系统、模糊控制系统、神经控制系统和学习控制系统等5个方面。
2.4车辆定位与路径规划
车辆定位导航系统应用车辆自动定位技术、数字地图、通信技术,为车辆提供路径引导、无线遥控等功能。在车辆定位导航系统中,定位是实现导航功能的前提和基础,车辆定位技术大致上可分为三类:
惯性导航、无线电定位和卫星定位。车辆定位导航系统如图3所示:
路径规划是智能车辆信息感知和车辆控制的桥梁,是智能车辆自主驾驶的基础,可分为全局路径规划和局部路径规划。全局路径规划是在己知地图的情况下,利用已知局部信息如障碍物位置和道路边界,确定可行和最优的路径,它把优化和反馈机制很好的结合起来。局部路径规划是在全局路径规划生成的可行驶区域指导下,依据传感器感知到的局部环境信息来决策车辆当前前方路段所要行驶的轨迹。与移动机器人路径规划相比,车辆的行驶环境具有非结构化、动态性、不确定性等特点,因此研究者们在借用移动机器人路径规划成果的同时,也在深入彻底研究智能车辆路径规划问题。
图3车辆定位导航系统示意图
2.5其它
智能车辆的关键技术还包括车辆状态随机估计和智能车辆体系结构的研究等方面。为了对车辆进行有效的控制,必须全面准确地获取车辆的自身状态参数,如车辆横摆角速度估计、汽车轮胎与路面之间的摩擦系数估计、以及车辆侧面碰撞模型的非线性动力学参数的辨识等。由于智能车辆系统复杂程度高、综合性强,一般需要一组研究人员共同研究开发,同时为了使系统能够在有限的时间和计算资源内完成各功能,计算经常需要一定的并行性,由此产生这样的问题一一将计算资源有效地分布在一组处理器上需要什么样的体系结构,这就是智能车辆控制器体系机构所研究的问题。
3、支撑智能汽车发展的新理论和新技术
3.1不确定性人工智能理论
人工智能在模拟人类的确定性智能逻辑思维方面,已经取得很大成就,但是在人类不确定性智能的模拟方面始终没有太大的进展,而在模拟人类形象思维方面尚处在探讨阶段。因此,不确定性人工智能[70]是人工智能中的研究热点,也是人工智能中的重大前沿课题。不确定性人工智能是使机器能够具备人脑一样的不确定性信息和知识的表示能力、处理能力和思维能力,是进入21世纪后新发展出来的多学科交叉渗透的新学科,它已成为当代科学技术研究的热点领域。
人类所处的这个客观世界充满了不确定性,人类自身在认知过程中也具有不确定性。因为人类的认知实际上是对客观世界的主观反应,客观世界的不确定性,决定了人类主观认知过程的不确定性。比如,视觉感知会存在不确定性甚至出现错觉,记忆也会随着时间的推移而愈加模糊,而联想、创造和顿悟等形象思维更是毫无确定性可言。
不确定性人工智能理论对智能汽车技术研究的一个重要指导内容就是分析不同驾驶人员对同一外界环境刺激所产生的不确定性认识以及采取的不确定性处理方式。举个形象的例子,不确定性认识是指面对路面上的同一滩积水,有的驾驶人员会认为是一个小路障,而有的驾驶人员则会觉得无关紧要。不确定性处理方式则是指同样是面对这滩积水,有的驾驶人员会选择绕过去,而有的却会选择减速直接通过。不确定性人工智能理论可以进一步细分为若干小方面,包括粗糙集和模糊集、云模型和粒计算理论等。
3.1.1粗糙集和模糊集理论
粗糙集和模糊集理论主要研究各种不确定性理论的本质联系。人类行为的不确定性研究在智能汽车上具有重要的应用。比如,在日常驾驶中,对于一个寻找泊车位的问题,驾驶员仅靠自己的观察判断难以直接获得最满意的答案。如何在一系列不确定的潜在泊车位中寻找一个合适的泊车位,这是不确定性概念的精确处理研究实例之一。
3.1.2云模型理论
云模型(CloudModel)是一种定性和定量的转换模型。云模型理论可以用于人类定性思维(概念内涵)与定量思维(概念外延)之间的双向变换研究。比如,驾驶过弯的问题就是智能汽车研究中的一个定性与定量计算的转换例子。对于驾车中的过弯操作,驾驶员只能靠目测、经验等做出定性判断;驾驶员做出大致入弯角度的定性判断后,智能系统如何定量计算并给出实际入弯角度,才是解决问题的关键。
3.1.3粒计算理论
粒计算主要研究信息粒的解析表示形式化理论(包括信息粒的结构以及信息粒之间关系的形式化描述)、信息粒的粒度度量理论和方法(粒度的度量,包括信息粒的大小以及信息粒所表示的知识的粒度大小)、信息粒的自动分解与合成方法、不同知识粒度下的不确定性变化规律。对人类多粒度、跨粒度思维的研究可以在驾驶行为过程中有所应用。如图4所示,在实际驾驶中,驾驶人员需要同时观察和判断不同尺度(即不同粒度空间)的环境信息,包括近距离的细粒度信息(车载仪表)、中距离的中粒度信息(周边的车辆)以及远距离的粗粒度信息(道路延伸方向)。
图4不同粒度空间的环境信息
3.2认知计算
认知计算在20世纪90年代成为发展热点,目前已成为计算智能领域中一个重要的研究方向。2009年国家自然科学基金委发布了“基于视听觉信息的认知计算”的重大研究计划,该研究计划的制定和实施表明对认知计算的研究在我国逐步走向广泛和深入。在该研究计划中提出的“多模态感知信息协同认知机理”可以说是与智能汽车技术的发展紧密相关。比如,驾驶人员融合视听觉采集到的环境信息然后做出驾驶反应的这个过程就是一个刺激-反应模型。因此,三维立体视觉处理模型、情感计算等方面的研究工作可以看作是认知计算在智能汽车技术上的初步应用。
3.2.1三维立体视觉处理模型
三维立体视觉处理模型从人类视觉认知原理出发,用机器学习方法学习人脸结构先验知识,提出了基于单张二维图片的两步人脸三维立体认知方法,初步实现以单张照片上少量特征点为基础的三维人脸建模。由此模型发展而来的三维人脸识别系统可以用于记录和辨认驾驶人员信息,达到跟踪和防盗的目的。
3.2.2情感计算
情感计算基于认知科学和心理学,发现了嘴部特征是人脸表情识别中最重要的特征,为人脸表情的表达机制以及计算机人脸表情的自动识别等研究奠定了基础。情感计算技术可以监控驾驶员的生理和心理状态,为防止酒后驾驶和疲劳驾驶提供了技术支持。
3.3面向智能汽车的数据处理技术
智能汽车的行驶离不开收集和发送各种数据,而支撑其正常运转的核心技术就是面向智能汽车的数据处理技术。智能汽车数据的特点就是数据量大、数据种类多而且有海量的冗余数据。针对这些特点,面向交通的数据处理技术包括数据融合、数据压缩、数据标准化、数据挖掘和数据仓库等技术。
智能汽车可能同时拥有多种传感器数据及多种通信方式,所以需要数据融合技术来实现对这些不同来源的数据的分析与综合。又因为智能汽车需要收发的数据量是非常巨大的,故而需要数据压缩技术来提高数据处理的效率。智能汽车需要和其他车辆以及车联网发生交互,数据标准化技术可以保证数据在各种不同的载体之间通用。针对智能汽车的海量数据,数据挖掘可以通过数理统计、机器学习等方法从海量数据中获取有效数据。智能汽车是一个决策系统,需要一个有主题的、集成的、稳定的数据集合,而数据仓库技术就可以提供这样一个结构化的数据环境。
3.4电动汽车的智能化能源管理系统
能源系统是电动汽车的核心技术之一,它好比传统汽车的发动机,是电动汽车的“心脏”,直接关系到电动汽车的质量水平与安全性,能源管理系统是这一核心技术的重要组成部分。电动汽车能源管理系统的功用是在满足汽车基本技术性能(如动力性、驾驶平稳性等)和成本等要求的前提下,根据各部件的特性及汽车的运行工况,实现能量在能源转换装置(如发动机、电动机、储能装置、功率变换模块、动力传递装置、发电机和燃料电池等)之间按最佳路线流动,使整车的能源利用效率达到最高。
如图5所示,UMD_IPC(UniversityofMichigan-Dearbornintelligentpowercontroller)就是一个利用机器学技术而研制的智能化能源管理系统。它是通过神经网络来预测路况并实时做出控制的智能化能源管理系统。
图5智能化的能源管理系统
4、国内外智能汽车技术的发展概况
近10年来,美国、欧洲和日本等发达国家,围绕发展新型智能汽车技术、综合治理城市交通和环境能源等问题制定了一系列的研究项目和计划。
表1列出了由日本国土建设及交通部设立的一些重要的智能汽车研究项目。AHS的主要目标是减少交通事故,改善交通效率,以及减轻驾驶人员的操作负担。该研究致力于信息提供、车辆控制辅助和全自动驾驶技术的开发,以实现障碍识别和规避、速度控制和人机交互界面等应用。ASV的主要目标是用最先进的技术来最大可能地提升车辆的安全性。该研究还将进一步扩展,其涉及货车、公共汽车以及摩托车。
表1日本的智能汽车研究项目
研究项目
备注
AHS
AdvancedCruise-AssistanceHighwaySystems
ASV
AdvancedSafetyVehicle
表2列出了由美国交通部发起的两个主要智能汽车研究项目。VSC定义了一套维护车辆安全的通信规范,并评估专用短程无线通信(DSRC:
Dedicated-ShortRangeCommunications)标准,以及采用5.9GHz带宽的DSRC无线技术来支持该通信规范。VII是致力于开发无线通信和网络技术的新方法,它将允许驾驶人员和乘客能够了解当前交通状况和道路信息,接收可能的风险警告,并引导车辆行进中的无线通信。
表2美国的智能汽车研究项目
研究项目
备注
VSC
VehicleSafetyCommunication
VII
VehicleInfrastructureIntegration
表3列出了欧洲资助的一些重要的智能汽车研究项目。这些项目覆盖了很广的范围,包括人-车操控界面、紧急救援、道路安全预防、车载传感器、行人别、十字路口安全、协作系统和协作网络、地理学技术以及车-车通信等。
表3欧洲的智能汽车研究项目
研究项目
备注
AIDE
AdaptiveIntegratedDriver-vehicleInterface
AIDER
AccidentInformationandDriverEmergencyRescue
ATLANTIC
AThematicLong-termApproachtoNetworkingfortheTelematics&ITSCommunity
PREVENT
PreventiveandActiveSafetyApplicationsContributetotheRoadSafetyGoalsonEuropeanRoads
ADOSE
ReliableApplicationSpecificDetectionofRoadUserswithVehicleOn-boardSensors
INTERSAFE-2
CooperativeIntersectionSafety
SAFERIDER
AdvancedTelematicsforEnhancingtheSafetyandComfortofMotorcycleRiders
COOPERS
CooperativeNetworksforIntelligentRoadSafety
HIGHWAY
BreakthroughIntelligentMapsandGeographicToolsforthecontext-aware-deliveryofE-safetyandaddedvalueservices
I-WAY
IntelligentCooperativeSystemsinCarforRoadSafety
COMeSafety
COMeSafety[25]
COMeSafety
AdvanceddriversupportsystembasedonV2Vcommunicationtechnologies
SafeSpot
Cooperativevehiclesandroadinfrastructureforroadsafety
CVIS
CooperativeVehicle-InfrastructureSystems
与国外相比,国内在智能汽车方面的研究起步较晚,规模较小,和国际先进水平相比差距较大,竞争力明显不足。造成上述状况的原因,主要是汽车工业的科技含量较高,跨国汽车公司实力强大,而国内电子行业缺乏人才和技术储备,影响了国内汽车智能化的进程,暂时还处于跟着跑的境地。虽然形势不容乐观,但我国也正在兴起汽车和交通系统信息化、智能化的热潮,国家交通部规划司于2007年制定了《公路水路交通信息化“十一五”发展规划》,其为我国智能汽车技术的研究奠定了良好的发展基础。
5、总结
汽车已经过了100多年的发展历史,从诞生的那一天起,它就从未停止过智能化发展的步伐。当前的信息技术革命正在推动汽车设计翻开新的一页,自动化、智能化、多功能将成为21世纪汽车发展的新趋势。
随着以计算机技术和信息技术为代表的高新技术的发展,不断改变着人们的行为和思维模式,人工神经网络、模糊控制、神经模糊技术和虚拟现实技术等新思想、新技术纷呈叠出,为我们站在一个新的高度研究智能车辆提供了可能。这是一个能够将汽车产业、交通系统与信息产业紧密结合起来的新型领域。智能车辆的研发为世界各国的高新技术产业提供了又一广阔的发展空间。欧洲、日本、美国等发达国家虽然走在了前面,但只要我们把握住这一机遇,有计划、有步骤地制定相应的发展策略,提供各种优惠政策来积极指引和引导其健康发展,从而在改善和发展我国交通,提高交通安全性的同时,缩小该领域与发达国家之间的差距。
6、参考文献:
[1]DengWeiwen.EleetrifieationandIntelligenee一TeehnologiesthatDriveFutureVehicles[J].JournalofAutomotiveSafetyandEnergy,2010,Vol.1No.3:
179~189.
[2]陈超,吕植勇,付姗姗,彭琪.国内外车路协同系统发展现状综述[J].交通信息与安全,2011,29
(1):
102~109.
[3]胡国强,陈昌生,熊明洁.世界智能车辆的关键共性技术研究现状[J].轻型汽车技术,2011,3:
3~6.
[4]翼杰.智能汽车关键技术发展及研究现状[J].西南汽车信息,2012年上半年合刊,2012(06).
[5]王国胤,陈乔松,王进.智能车技术探讨[J].重庆邮电大学计算机科学与技术研究所,2012(05):
2~6.
[6]李舜酩,沈峘,毛建国,辛江慧,缪小东.智能车辆发展及其关键技术研究现状[J].传感器与微系统,2009(01):
2~3.
[7]MartinezFJ,TohC-K,CanoJC,etal.EmergencyServicesinFutureIntelligentTransportationSystemsBasedonVehicularCommunicationNetworks[J].IEEEIntelligentTransportationSystemsMagazine,2010,2
(2):
6~20
[8]AnSheng-hai,LeeB-H,ShinD-R.Asurveyofintelligenttransportationsystem[C]∥2011ThirdInternationalConferenceonComputationalIntelligence,CommunicationSystemandNetworks(CICSyN).2011:
332~337
[9]ParkJ,ChenZhi-hang,KiliarisL,etal.Intelligentvehiclepowercontrolbasedonmachinelearningofoptimalcontrolparametersandpredictionofroadtypeandtrafficcongestion[J].IEEETransitionsonVehicularTechnology,2009,58(9):
4741~475.
[10]蒋媛媛,张志霞.智能汽车的系统技术核心[J].智能化,2012(5).
[11]何树林.浅谈智能汽车及其相关问题[J].汽车工业研究,2010(09):
1~3.
[12]孙胤胤.大型智能汽车系统开发技术研究[J].江苏科技信息,2013(10).
[13]韩晓峰,林晓丽.智能汽车系统的技术研发要点及趋势[J].智能设备,2013(7).
[14]蒋媛媛,张志霞.智能汽车的系统技术核心[J].智能化,2012(5).
[15]王建,张晓炜,杨锦,昝鑫,刘小勇.基于视觉传感器的智能车控制算法设计[J].微型机及应用,2010(10).
[16]李骏.智能汽车发展需不断创新[J].中国信息化周报,2014(06).
[17]江屹,智能汽车3.0:
进化而非革命.中国西部,2014(5).