智能汽車綜述樊杰玉課件

智能車輛綜述

汽車與交通學(xué)院樊杰玉1230852343771、前言2、智能車輛研究3、智能車輛發(fā)展及鍵技術(shù)4、智能車輛的技術(shù)發(fā)展5、智能車輛導(dǎo)航技術(shù)的發(fā)展趨勢6、結(jié)束語智能車輛的概念智能汽車指的是利用多種傳感器和智能公路技術(shù)實(shí)現(xiàn)的汽車自動(dòng)駕駛。它有一套導(dǎo)航信息資料庫，存有全國公路以及各種服務(wù)設(shè)施的信息資料以及GPS定位系統(tǒng)、道路狀況信息系統(tǒng)、車輛防碰系統(tǒng)等。它集中運(yùn)用了計(jì)算機(jī)、現(xiàn)代傳感、通訊、人工智能及自動(dòng)控制等技術(shù)。智能車輛的原理示意圖智能車輛研究基于模糊控制理論的智能車輛研究基于人工神經(jīng)網(wǎng)絡(luò)技術(shù)的智能車輛研究基于神經(jīng)模糊技術(shù)的智能車輛研究

基于模糊控制理論的智能車輛研究駕駛員對汽車的認(rèn)識是建立在模糊認(rèn)識的基礎(chǔ)之上的，如對汽車速度的認(rèn)識就是車速很快、快、較快、較慢、慢，對汽車的轉(zhuǎn)向操縱是左轉(zhuǎn)大、左轉(zhuǎn)小、零、右轉(zhuǎn)大、右轉(zhuǎn)小等?；谀：刂评碚摰能囕v的引導(dǎo)控制系統(tǒng)，即車輛模糊引導(dǎo)控制系統(tǒng)是使各車輛都裝有該系統(tǒng)的車隊(duì)保持前后車輛的合適車距，由引導(dǎo)車輛引導(dǎo)隨后的車輛自動(dòng)行駛。智能車輛的發(fā)展及關(guān)鍵技術(shù)感知技術(shù)

智能車輛系統(tǒng)可靠運(yùn)行的前提是通過各種傳感器準(zhǔn)確的捕捉環(huán)境和車輛自身的狀態(tài)信息，并加工處理，隨后發(fā)出預(yù)警或者自動(dòng)操控車輛。研究如何將傳感器傳來的信息加以有效處理、分析，并準(zhǔn)確的確定環(huán)境和車輛自身的狀態(tài)是非常重要的。決策技術(shù)在輔助駕駛或者自動(dòng)駕駛技術(shù)中，需要依據(jù)感知系統(tǒng)獲取的信息來進(jìn)行決策判斷，進(jìn)而向駕駛員發(fā)出警告或者對車輛進(jìn)行控制。控制技術(shù)智能控制代表著自動(dòng)控制的最新發(fā)展階段，是應(yīng)用計(jì)算機(jī)模擬人類智能，實(shí)現(xiàn)人類腦力和體力勞動(dòng)自動(dòng)化的一個(gè)重要領(lǐng)域。其它智能車輛的關(guān)鍵技術(shù)還包括車輛狀態(tài)隨機(jī)估計(jì)和智能車輛體系結(jié)構(gòu)的研究等方面智能車輛導(dǎo)航技術(shù)的發(fā)展智能車輛導(dǎo)航技術(shù)的研究現(xiàn)狀機(jī)器視覺引導(dǎo)磁釘或引導(dǎo)電纜慣性導(dǎo)航系統(tǒng)全球定位系統(tǒng)/數(shù)字地圖多傳感器組合導(dǎo)航技術(shù)智能車輛導(dǎo)航技術(shù)的研究現(xiàn)狀智能車輛導(dǎo)航技術(shù)的研究在早期主要側(cè)重于對各種單一導(dǎo)航方式的研究，如視覺、引導(dǎo)磁釘或電纜、GPS等。但每種導(dǎo)航方式都有自身固有的局限性和工作盲區(qū)，因此，自20世紀(jì)90年代末期以來，智能車輛的多傳感器組合導(dǎo)航技術(shù)成為國內(nèi)外的研究熱點(diǎn)。根據(jù)導(dǎo)航方式與原理的不同，目前，智能車輛所應(yīng)用的導(dǎo)航技術(shù)主要可包括：機(jī)器視覺、引導(dǎo)磁釘或引導(dǎo)電纜、慣性導(dǎo)航系統(tǒng)、全球定位系統(tǒng)/數(shù)字地圖、多傳感器組合導(dǎo)航技術(shù)機(jī)器視覺目前，國內(nèi)研制的智能車輛、以及國外的許多智能車輛都主要是依靠視覺來識別道路和障礙物，進(jìn)而經(jīng)過局部路徑規(guī)劃實(shí)現(xiàn)對車輛方向的控制。為實(shí)現(xiàn)車輛的自主駕駛，視覺技術(shù)應(yīng)具備實(shí)時(shí)性與魯棒性等特點(diǎn)。為保證視覺系統(tǒng)的實(shí)時(shí)性和魯棒性，可以采用高性能的硬件設(shè)備，但研究高效的識別算法也是至關(guān)重要的。應(yīng)當(dāng)指出，天氣狀況和光線的變化對機(jī)器視覺影響很大，在光照條件不好或無光照的情況下單純依靠視覺無法保證能夠進(jìn)行可靠的檢測與導(dǎo)航。這也是機(jī)器視覺的不足之處。引導(dǎo)磁釘或引導(dǎo)電纜這種導(dǎo)航技術(shù)通過在車道下埋設(shè)磁釘或電纜來為智能車輛提供導(dǎo)航信息。其優(yōu)點(diǎn)是具有較好的環(huán)境適應(yīng)能力，它在雨天、冰雪覆蓋、光照不足、無光照的情況下都可以提供可靠的導(dǎo)航信息。其不足之處在于探測范圍小，且需要對現(xiàn)行的道路設(shè)施做較大的改造，美國Chrysler公司和日本豐田公司的室外駕駛機(jī)器人均采用了電纜引導(dǎo)的方式，著名的美國PATH項(xiàng)目以及美國明尼蘇達(dá)州的高速公路自動(dòng)掃雪車采用了磁性導(dǎo)航方式。慣性導(dǎo)航系統(tǒng)慣性導(dǎo)航系統(tǒng)（SINS）是一種完全自主式的導(dǎo)航系統(tǒng)，因此具有隱蔽性好、抗干擾、不受任何氣象條件限制的優(yōu)點(diǎn)，此外還具有數(shù)據(jù)更新率快、短期精度高和穩(wěn)定性好等特點(diǎn)。長期以來，慣性導(dǎo)航系統(tǒng)的研究和應(yīng)用一直以軍事應(yīng)用為主要目的。這主要是由于慣性導(dǎo)航系統(tǒng)的成本較高，難以在民用領(lǐng)域得到應(yīng)用。在現(xiàn)有條件下，一般不單獨(dú)采用SINS，而是將它與其它導(dǎo)航設(shè)備組合構(gòu)成組合導(dǎo)航系統(tǒng)。這樣不僅可以修正SINS的累積誤差，而且還保留了SINS自身的優(yōu)勢。全球定位系統(tǒng)/數(shù)字地圖GPS/DM導(dǎo)航技術(shù)的諸多優(yōu)勢，使得該技術(shù)在智能車輛的自主駕駛研究中也受到了重視與應(yīng)用。在實(shí)現(xiàn)智能車輛的方向控制與道路跟蹤中，主要就是依靠高精度載波相位差分GPS/數(shù)字地圖所提供的導(dǎo)航信息。需要指出的是，GPS技術(shù)也存在一些不足，如CP-DGPS信號在不利的環(huán)境條件下，會(huì)產(chǎn)生失鎖和周跳等問題，并且其接收機(jī)的信號輸出頻率較低，有時(shí)不能滿足車輛載體對更新頻率的要求。多傳感器組合導(dǎo)航技術(shù)智能車輛在實(shí)際運(yùn)行中，外部環(huán)境總是復(fù)雜多變的。在這種情況下，為保證自主駕駛過程的高度可靠，僅靠上述任何一種傳感器來獲取可靠的導(dǎo)航信息是不切實(shí)際的。因此，近年來，智能車輛的多傳感器組合導(dǎo)航技術(shù)研究受到了國內(nèi)外學(xué)者的普遍關(guān)注。Manabu1999年采用直接Kalman濾波方法將CP-DGPS（CarrierPhase-DifferentialGPS）與車輛速度、橫擺角速率等信息進(jìn)行融合，利用融合結(jié)果與數(shù)字地圖相匹配所得的導(dǎo)航信息實(shí)現(xiàn)了對智能車輛的控制。但集中式濾波結(jié)構(gòu)的容錯(cuò)能力有限，還需要對現(xiàn)有高等級道路做磁性化改造，成本高、難度大。智能車輛導(dǎo)航技術(shù)的發(fā)展趨勢低成本、小型化和高可靠性的車載導(dǎo)航傳感器研究智能車輛多傳感器組合導(dǎo)航模型與機(jī)理的研究信息融合方法的研究低成本、小型化和高可靠性的車載導(dǎo)航傳感器研究為使智能車輛的導(dǎo)航系統(tǒng)能夠適應(yīng)復(fù)雜的環(huán)境，一方面要求車載導(dǎo)航傳感器要具有很高的工作可靠性和抗干擾能力，另外還應(yīng)針對民用級的特點(diǎn)，注重低成本、低功耗與小型化。因此，研制高性價(jià)比的車載導(dǎo)航傳感器將是一個(gè)重要的研究領(lǐng)域，以期從元器件級別來提高導(dǎo)航可靠性。如對于視覺導(dǎo)航，應(yīng)研制能夠適應(yīng)大動(dòng)態(tài)光線范圍的CCD攝像頭，以滿足戶外道路環(huán)境的要求。再如對于慣性導(dǎo)航，近年來隨著MEMS技術(shù)的快速發(fā)展，深入研究低成本的硅微陀螺、硅微加速度計(jì)和微型慣性測量組合等，使其性能和可靠性不斷地提高，以滿足車載慣性導(dǎo)航領(lǐng)域的巨大需求。智能車輛多傳感器組合導(dǎo)航模型與機(jī)理的研究不同的車輛導(dǎo)航傳感器由于工作原理的不同，所提供的信息在表現(xiàn)形式、采樣頻率以及時(shí)空特性上都有所不同，從不同方面反映車輛的導(dǎo)航狀態(tài)。例如，GPS能夠提供車輛的三維空間位置和速度等信息，視覺傳感器能夠測量車輛相對道路中心的位置。為使這些具有互補(bǔ)性或冗余性的傳感器信息得以最大限度地綜合利用，避免單個(gè)傳感器的工作盲區(qū)，需要深入研究各種車載導(dǎo)航傳感器的工作機(jī)理，進(jìn)而建立適當(dāng)?shù)亩鄠鞲衅鹘M合導(dǎo)航模型，以期使導(dǎo)航系統(tǒng)具有系統(tǒng)級的故障自診斷、隔離和容錯(cuò)能力，適應(yīng)復(fù)雜環(huán)境下的可靠性導(dǎo)航要求。信息融合方法的研究目前，在導(dǎo)航領(lǐng)域研究和應(yīng)用的信息融合方法主要有Kalman濾波、貝葉斯估計(jì)法與D-S證據(jù)推理等等，其中以Kalman濾波最多。Kalman濾波具有良好的實(shí)時(shí)性，但它是建立在嚴(yán)格的數(shù)學(xué)模型的基礎(chǔ)上。當(dāng)導(dǎo)航模型存在較大建模誤差或者系統(tǒng)特性發(fā)生變化時(shí)往往會(huì)導(dǎo)致濾波發(fā)散。為提高濾波算法的穩(wěn)健性和自適應(yīng)能力，可針對智能車輛的導(dǎo)航要求與特點(diǎn)，研究適當(dāng)?shù)淖赃m應(yīng)Kalman濾波算法、魯棒濾波算法（如H∞濾波）或智能濾波（如模糊推理、神經(jīng)網(wǎng)絡(luò)以及專家系統(tǒng)）方法等。