智能汽車關(guān)鍵技術(shù)與設(shè)計方法

叢書總序 

推薦序一 

推薦序二 

前言 

第1章　緒論1 

　1.1　智能汽車的發(fā)展和現(xiàn)狀1 

　1.2　智能汽車的意義6 

　　1.2.1　智能汽車對個人的意義6 

　　1.2.2　智能汽車對交通系統(tǒng)的意義7 

　　1.2.3　智能汽車對社會的意義7 

　1.3　智能汽車的分級8 

　1.4　智能汽車的關(guān)鍵技術(shù)10 

　1.5　智能汽車的技術(shù)路線10 

　1.6　智能汽車時代的來臨12 

　參考文獻(xiàn)12 

第2章　智能汽車的系統(tǒng)構(gòu)架與主要構(gòu)成14 

　2.1　智能汽車的系統(tǒng)構(gòu)架14 

　　2.1.1　分層遞階式系統(tǒng)構(gòu)架14 

　　2.1.2　反應(yīng)式系統(tǒng)構(gòu)架15 

　　2.1.3　混合式系統(tǒng)構(gòu)架16 

　2.2　智能汽車的硬件系統(tǒng)構(gòu)架17 

　　2.2.1　智能汽車計算平臺18 

　　2.2.2　智能汽車常用傳感器20 

　2.3　智能汽車的軟件系統(tǒng)構(gòu)架26 

　　2.3.1　主機操作系統(tǒng)26 

　　2.3.2　中間層運行框架27 

　　2.3.3　應(yīng)用層27 

　2.4　智能汽車的通信系統(tǒng)29 

　　2.4.1　智能汽車車內(nèi)通信29 

　　2.4.2　智能汽車與V2X技術(shù)31 

　參考文獻(xiàn)34 

第3章　智能汽車環(huán)境感知技術(shù)37 

　3.1　相機模型與李群和李代數(shù)基礎(chǔ)37 

　　3.1.1　相機坐標(biāo)系的定義37 

　　3.1.2　歐式空間坐標(biāo)轉(zhuǎn)換38 

　　3.1.3　李群和李代數(shù)基礎(chǔ)40 

　3.2　KITTI數(shù)據(jù)集介紹44 

　　3.2.1　KITTI數(shù)據(jù)集采集平臺44 

　　3.2.2　KITTI數(shù)據(jù)集的類型45 

　　3.2.3　KITTI數(shù)據(jù)集的格式介紹48 

　3.3　基于多特征融合的道路理解方法48 

　　3.3.1　道路環(huán)境理解算法架構(gòu)49 

　　3.3.2　基于特征融合的道路區(qū)域分割50 

　　3.3.3　道路建模與隨動方向濾波器52 

　　3.3.4　基于置信度函數(shù)的道路標(biāo)線識別54 

　　3.3.5　基于粒子對濾波的道路線跟蹤56 

　　3.3.6　試驗結(jié)果與分析58 

　3.4　基于機器學(xué)習(xí)和粒子濾波的前方車輛識別60 

　　3.4.1　前方車輛識別問題與方法61 

　　3.4.2　路面區(qū)域提取方法63 

　　3.4.3　基于機器學(xué)習(xí)的車輛分層級聯(lián)識別66 

　　3.4.4　基于粒子濾波的多目標(biāo)跟蹤72 

　　3.4.5　試驗結(jié)果與分析77 

　　3.4.6　本節(jié)小結(jié)81 

　3.5　基于深度學(xué)習(xí)的環(huán)境感知方法81 

　　3.5.1　神經(jīng)網(wǎng)絡(luò)81 

　　3.5.2　卷積神經(jīng)網(wǎng)絡(luò)85 

　　3.5.3　CNN在智能汽車環(huán)境感知中的應(yīng)用88 

　3.6　基于激光雷達(dá)的感知技術(shù)93 

　　3.6.1　激光雷達(dá)基礎(chǔ)94 

　　3.6.2　LiDAR的外參數(shù)標(biāo)定96 

　　3.6.3　障礙物檢測97 

　參考文獻(xiàn)98 

第4章　智能汽車緊急控制策略101 

　4.1　轉(zhuǎn)向避撞效能及可行性分析102 

　　4.1.1　避撞所需最短縱向距離102 

　　4.1.2　不同避撞方式的安全收益106 

　　4.1.3　不同避撞方式對環(huán)境感知能力的要求109 

　　4.1.4　不同避撞方式對執(zhí)行器的要求110 

　4.2　臨界距離分析113 

　　4.2.1　制動避撞所需的最短縱向距離113 

　　4.2.2　轉(zhuǎn)向避撞所需的最短縱向距離115 

　4.3　自動緊急控制127 

　　4.3.1　駕駛員觸發(fā)型緊急轉(zhuǎn)向輔助控制129 

　　4.3.2　矯正型緊急轉(zhuǎn)向輔助控制142 

　　4.3.3　AEB算法的優(yōu)化148 

　　4.3.4　制動和轉(zhuǎn)向避撞控制集成150 

　4.4　制動轉(zhuǎn)向協(xié)調(diào)避撞控制152 

　　4.4.1　車輛模型153 

　　4.4.2　環(huán)境模型156 

　　4.4.3　駕駛員模型158 

　　4.4.4　制動轉(zhuǎn)向協(xié)調(diào)避撞控制159 

　4.5　本章小結(jié)161 

　參考文獻(xiàn)162 

第5章　智能汽車的導(dǎo)航定位技術(shù)164 

　5.1　基于高精地圖的匹配定位技術(shù)164 

　　5.1.1　高精地圖VS傳統(tǒng)電子導(dǎo)航地圖165 

　　5.1.2　高精地圖的繪制與測評166 

　　5.1.3　基于高精地圖三維點云的車輛匹配定位方法167 

　　5.1.4　高精地圖的未來發(fā)展與挑戰(zhàn)169 

　5.2　基于DR和MM組合的車輛定位方法169 

　　5.2.1　航位推算技術(shù)170 

　　5.2.2　地圖匹配技術(shù)171 

　　5.2.3　基于卡爾曼濾波器的DR和MM定位信息的融合175 

　　5.2.4　本節(jié)小結(jié)178 

　5.3　視覺里程計178 

　　5.3.1　視覺里程計概述179 

　　5.3.2　對極幾何180 

　　5.3.3　PnP算法原理簡介181 

　　5.3.4　直接法181 

　　5.3.5　本節(jié)小結(jié)182 

　參考文獻(xiàn)183 

第6章　智能汽車試驗驗證技術(shù)185 

　6.1　智能汽車試驗驗證面臨的挑戰(zhàn)186 

　6.2　智能汽車試驗驗證技術(shù)的介紹188 

　　6.2.1　智能汽車測試驗證機理188 

　　6.2.2　ADAS測試評價方法189 

　　6.2.3　高等級自動駕駛車輛測試評價方法201 

　6.3　智能網(wǎng)聯(lián)汽車綜合試驗場204 

　　6.3.1　國外智能網(wǎng)聯(lián)汽車綜合試驗場205 

　　6.3.2　國內(nèi)智能網(wǎng)聯(lián)汽車專用試驗場213 

　參考文獻(xiàn)216 

第7章　智能汽車的挑戰(zhàn)與未來219 

　7.1　智能汽車面臨的挑戰(zhàn)219 

　　7.1.1　法律上的挑戰(zhàn)220 

　　7.1.2　責(zé)任判定上的挑戰(zhàn)220 

　　7.1.3　個人隱私權(quán)的挑戰(zhàn)220 

　　7.1.4　成本提高帶來的挑戰(zhàn)221 

　　7.1.5　汽車廠商和互聯(lián)網(wǎng)廠商合作上的挑戰(zhàn)222 

　　7.1.6　汽車安全的挑戰(zhàn)222 

　7.2　自動駕駛給人類帶來的變化223 

　　7.2.1　市場份額變化223 

　　7.2.2　商業(yè)模式的顛覆223 

　　7.2.3　人們思想的改變224 

　7.3　智能汽車發(fā)展策略224 

　　7.3.1　信息系統(tǒng)224 

　　7.3.2　識別系統(tǒng)225 

　　7.3.3　控制系統(tǒng)226 

　7.4　可預(yù)見的未來226 

　　7.4.1　關(guān)鍵的節(jié)點：2020年226 

　　7.4.2　混合時代：2020～2050年227