深度學(xué)習(xí)及自動(dòng)駕駛應(yīng)用 課件 第1章 汽車(chē)自動(dòng)駕駛技術(shù)概述

Chapter1汽車(chē)自動(dòng)駕駛技術(shù)概述第一章DeepLearningAndAutonomousDriving深度學(xué)習(xí)與自動(dòng)駕駛應(yīng)用DeepLearningAndAutonomousDriving深度學(xué)習(xí)與自動(dòng)駕駛應(yīng)用第2頁(yè)1.1汽車(chē)自動(dòng)駕駛技術(shù)概述1.2汽車(chē)自動(dòng)駕駛技術(shù)架構(gòu)目錄Content1.3汽車(chē)自動(dòng)駕駛領(lǐng)域深度學(xué)習(xí)應(yīng)用概述DeepLearningAndAutonomousDriving深度學(xué)習(xí)與自動(dòng)駕駛應(yīng)用第3頁(yè)1.1汽車(chē)自動(dòng)駕駛技術(shù)概述1.2汽車(chē)自動(dòng)駕駛技術(shù)架構(gòu)目錄Content1.3汽車(chē)自動(dòng)駕駛領(lǐng)域深度學(xué)習(xí)應(yīng)用概述汽車(chē)自動(dòng)駕駛技術(shù)原理及愿自動(dòng)駕駛汽車(chē)是指搭載先進(jìn)車(chē)載傳感器、控制器、執(zhí)行器等裝置，具備復(fù)雜環(huán)境感知、自主決策、運(yùn)動(dòng)控制等功能，可實(shí)現(xiàn)“安全、高效、舒適、節(jié)能”行駛，最終替代人類(lèi)駕駛員并實(shí)現(xiàn)自主駕駛的新一代汽車(chē)。自動(dòng)駕駛技術(shù)因?yàn)榫哂刑嵘煌ò踩?、增?qiáng)道路通暢、減少燃油消耗的巨大潛力，受到學(xué)界和業(yè)界的廣泛關(guān)注。麥肯錫報(bào)告顯示自動(dòng)駕駛的全面普及可將交通事故發(fā)生率降低至原來(lái)的十分之一。蘭德公司預(yù)測(cè)自動(dòng)駕駛汽車(chē)可提升30%的交通效率，減少67%的碳排放量，潛在的經(jīng)濟(jì)與社會(huì)效益顯著。4第4頁(yè)汽車(chē)自動(dòng)駕駛的分級(jí)第5頁(yè)汽車(chē)自動(dòng)駕駛的分級(jí)中國(guó)汽車(chē)工程學(xué)會(huì)分級(jí)第6頁(yè)汽車(chē)自動(dòng)駕駛技術(shù)發(fā)展現(xiàn)狀國(guó)外自動(dòng)駕駛汽車(chē)的發(fā)展現(xiàn)狀第7頁(yè)汽車(chē)自動(dòng)駕駛技術(shù)發(fā)展現(xiàn)狀國(guó)外自動(dòng)駕駛汽車(chē)的發(fā)展現(xiàn)狀1956年推出的FirebirdII，是世界上第一輛安裝自動(dòng)導(dǎo)航系統(tǒng)的概念車(chē)，神似火箭頭的造型很容易讓人聯(lián)想到已經(jīng)實(shí)現(xiàn)自動(dòng)駕駛的飛機(jī)。第8頁(yè)汽車(chē)自動(dòng)駕駛技術(shù)發(fā)展現(xiàn)狀國(guó)外自動(dòng)駕駛汽車(chē)的發(fā)展現(xiàn)狀2004年~2007年間，DARPA在連續(xù)組織了三屆無(wú)人駕駛汽車(chē)競(jìng)賽，在推動(dòng)自動(dòng)駕駛技術(shù)方面發(fā)揮了重要作用，激發(fā)了全球范圍內(nèi)的研究和開(kāi)發(fā)，圖為DARPA2005競(jìng)賽冠軍斯坦福大學(xué)的Stanley賽車(chē)。第9頁(yè)汽車(chē)自動(dòng)駕駛技術(shù)發(fā)展現(xiàn)狀國(guó)外自動(dòng)駕駛汽車(chē)的發(fā)展現(xiàn)狀20世紀(jì)80年代開(kāi)始，美國(guó)卡內(nèi)基·梅隆大學(xué)、斯坦福大學(xué)、麻省理工學(xué)院等著名大學(xué)都先后加入無(wú)人駕駛汽車(chē)的研究工作中。其中，美國(guó)卡內(nèi)基·梅隆大學(xué)研制的NavLab系列智能車(chē)輛最具有代表性。進(jìn)行了多次自動(dòng)駕駛測(cè)試，其中包括在高速公路上的自動(dòng)駕駛行駛，開(kāi)發(fā)的NavLab-11，如圖，最高車(chē)速達(dá)到了102km/h。第10頁(yè)汽車(chē)自動(dòng)駕駛技術(shù)發(fā)展現(xiàn)狀國(guó)外自動(dòng)駕駛汽車(chē)的發(fā)展現(xiàn)狀1987年至1995年期間，德國(guó)慕尼黑聯(lián)邦國(guó)防大學(xué)研發(fā)的VAMT和VITA智能車(chē)，該車(chē)輛最大時(shí)速為158km/h，可以實(shí)現(xiàn)車(chē)輛自動(dòng)超車(chē)、跟隨等功能。2001年，歐盟開(kāi)展了CyberCars/CyberMove智能車(chē)項(xiàng)目，該系列智能車(chē)采用激光掃描技術(shù)，可以完成障礙檢測(cè)、車(chē)輛跟蹤和自主導(dǎo)航。1998年，意大利帕爾馬大學(xué)研發(fā)出ARGO智能車(chē)，2010年，ARGO試驗(yàn)車(chē)沿著馬可·波羅的旅行路線，全程自動(dòng)駕駛來(lái)到中國(guó)上海參加世博會(huì)，行程達(dá)15900km。2013年，ARGO試驗(yàn)車(chē)在無(wú)人駕駛的情況下成功識(shí)別了交通信號(hào)燈、避開(kāi)行人、駛過(guò)十字路口和環(huán)島等。除了科研院校在無(wú)人駕駛領(lǐng)域的積極研究外，奧迪、福特、沃爾沃、日產(chǎn)、寶馬等眾多汽車(chē)制造廠商也于2013年開(kāi)始相繼在無(wú)人駕駛汽車(chē)領(lǐng)域進(jìn)行了布局。第11頁(yè)汽車(chē)自動(dòng)駕駛技術(shù)發(fā)展現(xiàn)狀國(guó)外自動(dòng)駕駛汽車(chē)的發(fā)展現(xiàn)狀2018新款?yuàn)W迪A8是全球首款量產(chǎn)搭載Level3級(jí)別的自動(dòng)駕駛系統(tǒng)的車(chē)型，其安裝有24個(gè)車(chē)載傳感器，可以在60km/h以下車(chē)速時(shí)實(shí)現(xiàn)Level3級(jí)自動(dòng)駕駛。第12頁(yè)汽車(chē)自動(dòng)駕駛技術(shù)發(fā)展現(xiàn)狀國(guó)外自動(dòng)駕駛汽車(chē)的發(fā)展現(xiàn)狀2015年10月，特斯拉推出的半自動(dòng)駕駛系統(tǒng)Autopilot，Autopilot是第一個(gè)投入商用的自動(dòng)駕駛技術(shù)。2010年，通用公司在上海世博會(huì)上首次展示了EN-V系列電動(dòng)車(chē)輛的概念原型。2016年，通用汽車(chē)收購(gòu)了自動(dòng)駕駛技術(shù)創(chuàng)業(yè)公司CruiseAutomation，正式進(jìn)入無(wú)人駕駛領(lǐng)域。2018年1月，作為通用汽車(chē)旗下自動(dòng)駕駛部門(mén)的CruiseAutomation發(fā)布了新一代（第四代）無(wú)人駕駛汽車(chē)——CruiseAV，如圖1.11所示。CruiseAV沒(méi)有方向盤(pán)、油門(mén)踏板和剎車(chē)踏板，安裝了21個(gè)普通雷達(dá)、16個(gè)攝像機(jī)和5個(gè)激光雷達(dá)來(lái)感知車(chē)輛周?chē)沫h(huán)境和障礙物。第13頁(yè)汽車(chē)自動(dòng)駕駛技術(shù)發(fā)展現(xiàn)狀國(guó)外自動(dòng)駕駛汽車(chē)的發(fā)展現(xiàn)狀2010年，Google啟動(dòng)了"谷歌自動(dòng)駕駛項(xiàng)目"，旨在研發(fā)一種能夠自主駕駛的汽車(chē)，并能夠在現(xiàn)實(shí)道路上行駛，圖為谷歌公司的自動(dòng)駕駛原型車(chē)。谷歌的自動(dòng)駕駛團(tuán)隊(duì)開(kāi)始將自動(dòng)駕駛技術(shù)應(yīng)用于一些修改過(guò)的汽車(chē)，并進(jìn)了測(cè)試。他們?cè)诓煌貐^(qū)進(jìn)行大規(guī)模的測(cè)試，積累了大量的自動(dòng)駕駛行駛數(shù)據(jù)，并不斷改進(jìn)和驗(yàn)證自動(dòng)駕駛系統(tǒng)的性能。2016年，谷歌將自動(dòng)駕駛項(xiàng)目整合到AlphabetInc.旗下的一個(gè)子公司——Waymo。Waymo在自動(dòng)駕駛車(chē)的研究和開(kāi)發(fā)方面取得了顯著的成就，并不斷推進(jìn)自動(dòng)駕駛技術(shù)的商業(yè)化和實(shí)際應(yīng)用。第14頁(yè)汽車(chē)自動(dòng)駕駛技術(shù)發(fā)展現(xiàn)狀國(guó)外自動(dòng)駕駛汽車(chē)的發(fā)展現(xiàn)狀2016年5月，Uber無(wú)人駕駛汽車(chē)在位于美國(guó)賓夕法尼亞州匹茲堡市的Uber先進(jìn)技術(shù)中心正式上路測(cè)試。Uber首次路測(cè)使用的無(wú)人駕駛汽車(chē)是一款福特Fusion混合動(dòng)力汽車(chē)，如圖所示，它同時(shí)進(jìn)行采集測(cè)繪數(shù)據(jù)并試驗(yàn)自動(dòng)駕駛功能。第15頁(yè)汽車(chē)自動(dòng)駕駛技術(shù)發(fā)展現(xiàn)狀國(guó)外自動(dòng)駕駛汽車(chē)的發(fā)展現(xiàn)狀創(chuàng)業(yè)公司nuTonomy是一家于2013年從麻省理工學(xué)院分離出來(lái)的創(chuàng)業(yè)公司，2016年8月，它成為了新加坡第一家在試點(diǎn)項(xiàng)目下推出自動(dòng)駕駛出租車(chē)的公司。在新加坡的測(cè)試中，nuTonomy在自動(dòng)駕駛汽車(chē)上配備了6套激光雷達(dá)檢測(cè)系統(tǒng)，前面安裝有2個(gè)攝像機(jī)，用于識(shí)別障礙物，檢測(cè)交通信號(hào)燈變化。第16頁(yè)汽車(chē)自動(dòng)駕駛技術(shù)發(fā)展現(xiàn)狀國(guó)內(nèi)自動(dòng)駕駛汽車(chē)的發(fā)展現(xiàn)狀第17頁(yè)汽車(chē)自動(dòng)駕駛技術(shù)發(fā)展現(xiàn)狀國(guó)內(nèi)自動(dòng)駕駛汽車(chē)的發(fā)展現(xiàn)狀相對(duì)于歐美國(guó)家，我國(guó)智能車(chē)的研究起步較晚，國(guó)防科技大學(xué)從20世紀(jì)80年代末開(kāi)始先后研制出基于視覺(jué)的CITAVT系列智能車(chē)輛。1992年，由國(guó)防科技大學(xué)、北京理工大學(xué)等五家單位聯(lián)合研制成功了ATB－1（AutonomousTestBed－1）無(wú)人車(chē)，這是我國(guó)第一輛能夠自主行駛的測(cè)試樣車(chē)，其行駛速度可以達(dá)到21km／h。清華大學(xué)在國(guó)防科工委和國(guó)家863計(jì)劃的資助下，從1988年開(kāi)始研究開(kāi)發(fā)THMR系列智能車(chē)。THMR-Ⅴ智能車(chē)能夠?qū)崿F(xiàn)結(jié)構(gòu)化環(huán)境下的車(chē)道線自動(dòng)跟蹤、準(zhǔn)結(jié)構(gòu)化環(huán)境下的道路跟蹤，復(fù)雜環(huán)境下的道路避障、道路停障以及視覺(jué)臨場(chǎng)感遙控駕駛等功能，最高車(chē)速達(dá)150km/h。1992年以后，吉林大學(xué)先后研發(fā)出了JUIV系列智能車(chē)，其中JLUIV-4使用交流電提供動(dòng)力，提升了視覺(jué)采集技術(shù)，使得視野范圍更大，圖像采集的速度加快。第18頁(yè)汽車(chē)自動(dòng)駕駛技術(shù)發(fā)展現(xiàn)狀國(guó)內(nèi)自動(dòng)駕駛汽車(chē)的發(fā)展現(xiàn)狀為推動(dòng)創(chuàng)新研發(fā)無(wú)人駕駛汽車(chē)，國(guó)家自然科學(xué)基金委員會(huì)啟動(dòng)了“視聽(tīng)覺(jué)信息的認(rèn)知計(jì)算”重大研究計(jì)劃，從2009年起，每年舉辦一屆“中國(guó)智能車(chē)未來(lái)挑戰(zhàn)賽”推動(dòng)中國(guó)的無(wú)人駕駛車(chē)輛“駛出實(shí)驗(yàn)室，駛向?qū)嶋H環(huán)境”。2012年，軍事交通學(xué)院研制出“猛獅3號(hào)”智能車(chē)，如圖1.14所示，獲得“中國(guó)智能車(chē)未來(lái)挑戰(zhàn)賽”冠軍，在高速公路進(jìn)行試驗(yàn)，完成了車(chē)輛跟隨、換道、超車(chē)等功能。第19頁(yè)汽車(chē)自動(dòng)駕駛技術(shù)發(fā)展現(xiàn)狀國(guó)內(nèi)自動(dòng)駕駛汽車(chē)的發(fā)展現(xiàn)狀不同于國(guó)外車(chē)企以自主研發(fā)為主，我國(guó)汽車(chē)制造廠商多采取與國(guó)內(nèi)科研院所、高校合作研發(fā)無(wú)人駕駛技術(shù)。一汽集團(tuán)于2007年與國(guó)防科技大學(xué)合作，2011年7月，由一汽集團(tuán)與國(guó)防科技大學(xué)共同研制的紅旗HQ3無(wú)人駕駛汽車(chē)，如圖所示，完成了286km的面向高速公路的全程無(wú)人駕駛試驗(yàn)，人工干預(yù)的距離僅占總里程的0.78％。2015年4月，一汽集團(tuán)正式發(fā)布了其“摯途”技術(shù)戰(zhàn)略，標(biāo)志著一汽集團(tuán)的互聯(lián)智能汽車(chē)技術(shù)戰(zhàn)略規(guī)劃正式形成。第20頁(yè)汽車(chē)自動(dòng)駕駛技術(shù)發(fā)展現(xiàn)狀國(guó)內(nèi)自動(dòng)駕駛汽車(chē)的發(fā)展現(xiàn)狀2015年8月，宇通大型客車(chē)從鄭開(kāi)大道城鐵賈魯河站出發(fā)，在完全開(kāi)放的道路環(huán)境下完成自動(dòng)駕駛試驗(yàn)，共行駛32.6km，最高速度為68km/h，全程無(wú)人工干預(yù)，這是國(guó)內(nèi)首次大型客車(chē)高速公路自動(dòng)駕駛試驗(yàn)。2018年5月，宇通客車(chē)在其2018年新能源全系產(chǎn)品發(fā)布會(huì)上宣布，已具備面向高速結(jié)構(gòu)化道路和園區(qū)開(kāi)放通勤道路的Level4級(jí)別自動(dòng)駕駛能力。2013年，百度公司開(kāi)始了百度無(wú)人駕駛汽車(chē)項(xiàng)目，其技術(shù)核心是“百度汽車(chē)大腦”，包括高精度地圖、定位、感知、智能決策與控制四大模塊。2015年12月初，百度無(wú)人駕駛汽車(chē)在北京進(jìn)行自動(dòng)駕駛測(cè)跑，實(shí)現(xiàn)多次跟車(chē)減速、變道、超車(chē)、上下匝道、調(diào)頭等復(fù)雜駕駛動(dòng)作，完成了進(jìn)入高速到駛出高速不同道路場(chǎng)景的切換，最高車(chē)速達(dá)到100km/h。第21頁(yè)汽車(chē)自動(dòng)駕駛技術(shù)發(fā)展現(xiàn)狀國(guó)內(nèi)自動(dòng)駕駛汽車(chē)的發(fā)展現(xiàn)狀2015年12月14日，百度宣布正式成立自動(dòng)駕駛事業(yè)部。2016年，百度智能車(chē)獲得美國(guó)加州車(chē)輛管理局的批準(zhǔn)，可以進(jìn)行無(wú)人車(chē)輛道路測(cè)試。2021年下半年，百度正式組建智能汽車(chē)事業(yè)部，將多年積累的能力和經(jīng)驗(yàn)全面應(yīng)用在量產(chǎn)乘用車(chē)領(lǐng)域，助力車(chē)企共同擁抱汽車(chē)智能化浪潮。自此，百度先后推出了自主泊車(chē)ApolloParking、行泊一體領(lǐng)航輔助駕駛ApolloHighwayDrivingPro、城市域領(lǐng)航輔助駕駛ApolloCityDrivingMax等覆蓋低、中、高組合的全系列智駕產(chǎn)品，目前已在多款明星車(chē)型上實(shí)現(xiàn)量產(chǎn)。第22頁(yè)汽車(chē)自動(dòng)駕駛技術(shù)發(fā)展現(xiàn)狀國(guó)內(nèi)自動(dòng)駕駛汽車(chē)的發(fā)展現(xiàn)狀百度自動(dòng)駕駛出租車(chē)2020年10月11日起在北京開(kāi)放，約車(chē)平臺(tái)為“蘿卜快跑”。“蘿卜快跑”是百度Apollo帶來(lái)的全新升級(jí)的自動(dòng)駕駛出行服務(wù)平臺(tái)，主要使用自動(dòng)駕駛汽車(chē)Robotaxi，如圖所示，開(kāi)展自動(dòng)駕駛甚至完全無(wú)人駕駛運(yùn)營(yíng)。截止2023年，蘿卜快跑已在北京、上海、廣州、深圳、重慶、武漢、長(zhǎng)沙、陽(yáng)泉、烏鎮(zhèn)等城市開(kāi)通。第23頁(yè)汽車(chē)自動(dòng)駕駛技術(shù)發(fā)展現(xiàn)狀國(guó)內(nèi)自動(dòng)駕駛汽車(chē)的發(fā)展現(xiàn)狀我國(guó)還有不少科技公司在自動(dòng)駕駛領(lǐng)域取得了不錯(cuò)的成績(jī)“經(jīng)緯恒潤(rùn)”的產(chǎn)品覆蓋智能泊車(chē)、智能行車(chē)、安全預(yù)警三大領(lǐng)域。

“地平線”是國(guó)內(nèi)率先實(shí)現(xiàn)大規(guī)模前裝量產(chǎn)的車(chē)載智能芯片公司，領(lǐng)跑ADAS一體機(jī)、智能座艙、智能駕駛（行泊一體）域控制器等細(xì)分市場(chǎng)?！澳⒐杰?chē)聯(lián)”采取“單車(chē)智能+車(chē)路協(xié)同”技術(shù)路線，以系統(tǒng)性思維打造了“車(chē)路云一體化”自動(dòng)駕駛方案，實(shí)現(xiàn)技術(shù)與數(shù)據(jù)閉環(huán)，在自動(dòng)駕駛行業(yè)競(jìng)爭(zhēng)中形成優(yōu)勢(shì)?！拜p舟智航”采取“技術(shù)應(yīng)用深度和廣度”雙擎發(fā)展戰(zhàn)略。一方面，以公開(kāi)道路L4級(jí)別自動(dòng)駕駛能力為“動(dòng)力引擎”，不斷探索更多落地場(chǎng)景，驅(qū)動(dòng)城市交通出行效率提升；另一方面，以自動(dòng)駕駛量產(chǎn)規(guī)?；涞貫椤皠?chuàng)新引擎”，借助更多裝機(jī)量實(shí)現(xiàn)產(chǎn)品和技術(shù)的打磨。專(zhuān)注于礦區(qū)自動(dòng)駕駛技術(shù)的“踏歌智行”，入選為國(guó)家級(jí)專(zhuān)精特新“小巨人”企業(yè)，自研感知、規(guī)控、協(xié)同、云控、運(yùn)維五大核心技術(shù)，有效應(yīng)對(duì)極端自然環(huán)境、特殊路面、龐大車(chē)輛、復(fù)雜路況與生產(chǎn)工藝流程等礦區(qū)獨(dú)有的應(yīng)用場(chǎng)景。第24頁(yè)DeepLearningAndAutonomousDriving深度學(xué)習(xí)與自動(dòng)駕駛應(yīng)用第25頁(yè)1.1汽車(chē)自動(dòng)駕駛技術(shù)概述1.2汽車(chē)自動(dòng)駕駛技術(shù)架構(gòu)目錄Content1.3自動(dòng)駕駛領(lǐng)域深度學(xué)習(xí)應(yīng)用概述汽車(chē)自動(dòng)駕駛技術(shù)架構(gòu)第26頁(yè)汽車(chē)自動(dòng)駕駛技術(shù)架構(gòu)環(huán)境感知環(huán)境感知技術(shù)是自動(dòng)駕駛系統(tǒng)中至關(guān)重要的組成部分，它負(fù)責(zé)通過(guò)傳感器獲取車(chē)輛周?chē)h(huán)境的信息，以實(shí)時(shí)感知和理解道路條件、障礙物、交通標(biāo)志、行人和其他車(chē)輛等各種元素。這些感知信息是自動(dòng)駕駛決策和規(guī)劃的基礎(chǔ)，幫助車(chē)輛做出正確和安全的駕駛決策。第27頁(yè)汽車(chē)自動(dòng)駕駛技術(shù)架構(gòu)環(huán)境感知攝像頭：攝像頭是被動(dòng)式傳感器，它的基本工作原理是通過(guò)光學(xué)透鏡和圖像傳感器，將周?chē)h(huán)境的光線轉(zhuǎn)化為數(shù)字圖像信號(hào)。相比于其他傳感器，攝像頭通常成本較低，適用于廣泛應(yīng)用和大規(guī)模生產(chǎn)。但攝像頭產(chǎn)生的圖像數(shù)據(jù)龐大，對(duì)計(jì)算機(jī)視覺(jué)算法和硬件的要求較高，需要高效的圖像處理和分析能力，在強(qiáng)光、弱光和惡劣天氣條件下可能性能下降。激光雷達(dá)：激光雷達(dá)是一種主動(dòng)式傳感器，它通過(guò)發(fā)射一束激光脈沖，并通過(guò)接收返回的激光反射信號(hào)來(lái)計(jì)算目標(biāo)物體的距離和位置。激光雷達(dá)的傳感器通常旋轉(zhuǎn)或使用多束激光來(lái)掃描周?chē)h(huán)境來(lái)獲取周?chē)h(huán)境的三維點(diǎn)云數(shù)據(jù)，這些點(diǎn)云數(shù)據(jù)可以用于構(gòu)建高精度的地圖、檢測(cè)障礙物和進(jìn)行目標(biāo)識(shí)別，從而實(shí)現(xiàn)全方位的感知。但激光雷達(dá)成本高、價(jià)格昂貴、對(duì)不透明物體的感知能力有限。第28頁(yè)汽車(chē)自動(dòng)駕駛技術(shù)架構(gòu)環(huán)境感知毫米波雷達(dá)：毫米波雷達(dá)也是一種主動(dòng)式傳感器，它使用毫米波頻段（通常是24GHz或77GHz）的電磁波來(lái)探測(cè)周?chē)h(huán)境，從而提供高精度、長(zhǎng)距離的障礙物檢測(cè)和距離測(cè)量。相比于激光雷達(dá)，其空間分辨率較低、通常無(wú)法穿透非金屬、不透明的物體、角度分辨率相對(duì)較低，無(wú)法提供精細(xì)的目標(biāo)識(shí)別和輪廓信息。超聲波傳感器：是一種常用于測(cè)量距離和檢測(cè)障礙物的被動(dòng)式傳感器。它利用超聲波在空氣中傳播的特性，測(cè)量從傳感器發(fā)射到目標(biāo)物體反射回來(lái)的超聲波的時(shí)間差，從而計(jì)算出目標(biāo)物體與傳感器的距離。相比于其他傳感器，超聲波傳感器通常成本較低，適用于經(jīng)濟(jì)實(shí)惠的自動(dòng)駕駛解決方案。然而，超聲波傳感器的探測(cè)范圍相對(duì)有限，通常在幾米到十幾米之間，因而它不適用于高速駕駛和大范圍感知。第29頁(yè)汽車(chē)自動(dòng)駕駛技術(shù)架構(gòu)環(huán)境感知全球衛(wèi)星導(dǎo)航系統(tǒng)：常用的有美國(guó)的全球定位系統(tǒng)（GlobalPositioningSystem，GPS）、俄羅斯的GLONASS、歐盟的Galileo和中國(guó)的北斗系統(tǒng)。這些衛(wèi)星導(dǎo)航系統(tǒng)共同為全球用戶(hù)提供了更加準(zhǔn)確和可靠的導(dǎo)航和定位服務(wù)，可用于獲取車(chē)輛的精確位置信息，并與高精度地圖相匹配，從而提供更準(zhǔn)確的定位和導(dǎo)航。但衛(wèi)星導(dǎo)航系統(tǒng)可能會(huì)受到信號(hào)干擾或遮擋，導(dǎo)致定位誤差增大。慣性導(dǎo)航系統(tǒng)（InertialNavigationSystem，INS）：是一種能夠獨(dú)立地、持續(xù)地、實(shí)時(shí)地提供車(chē)輛的位置、速度和方向信息的導(dǎo)航系統(tǒng)，它利用加速度計(jì)和陀螺儀等慣性傳感器來(lái)測(cè)量車(chē)輛的加速度和角速度，估計(jì)車(chē)輛的位置和姿態(tài)。慣性導(dǎo)航系統(tǒng)不依賴(lài)于外部信號(hào)源，如衛(wèi)星定位系統(tǒng)或地面基站，因此在遭遇信號(hào)中斷或干擾時(shí)仍然可以提供導(dǎo)航信息，而且慣性導(dǎo)航系統(tǒng)能夠?qū)崟r(shí)地提供導(dǎo)航信息，不需要預(yù)先建立地圖或進(jìn)行數(shù)據(jù)處理。但慣性導(dǎo)航系統(tǒng)的測(cè)量誤差會(huì)隨著時(shí)間累積，導(dǎo)致位置和方向信息的誤差逐漸增大。第30頁(yè)汽車(chē)自動(dòng)駕駛技術(shù)架構(gòu)環(huán)境感知車(chē)聯(lián)網(wǎng)：通過(guò)無(wú)線通信技術(shù)將車(chē)輛與互聯(lián)網(wǎng)連接起來(lái)，比如借助5G通信技術(shù)在高速、大容量、低延遲等方面優(yōu)勢(shì)，為車(chē)聯(lián)網(wǎng)提供更快速、可靠的數(shù)據(jù)傳輸，實(shí)現(xiàn)車(chē)輛與車(chē)輛（V2V）、車(chē)輛與基礎(chǔ)設(shè)施（V2I）、車(chē)輛與云端（V2C）之間的實(shí)時(shí)數(shù)據(jù)交換。第31頁(yè)汽車(chē)自動(dòng)駕駛技術(shù)架構(gòu)決策規(guī)劃技術(shù)在自動(dòng)駕駛汽車(chē)中，決策規(guī)劃是一個(gè)關(guān)鍵的環(huán)節(jié)，它根據(jù)車(chē)輛的感知信息和環(huán)境狀況做出決策，規(guī)劃出車(chē)輛的行駛路徑和行為，以實(shí)現(xiàn)預(yù)定的目標(biāo)和任務(wù)。決策規(guī)劃的主要任務(wù)包括路徑規(guī)劃、速度規(guī)劃、交通行為決策和沖突處理等。

第32頁(yè)汽車(chē)自動(dòng)駕駛技術(shù)架構(gòu)決策規(guī)劃技術(shù)路徑規(guī)劃：路徑規(guī)劃是決策規(guī)劃的核心部分，它決定車(chē)輛的行駛路徑。路徑規(guī)劃算法根據(jù)車(chē)輛的當(dāng)前位置、目標(biāo)位置和環(huán)境信息，計(jì)算出一條安全且符合規(guī)則的路徑。考慮到不同的場(chǎng)景和交通條件，路徑規(guī)劃可以是全局路徑規(guī)劃（從起點(diǎn)到目標(biāo)點(diǎn)的整體路徑規(guī)劃）或局部路徑規(guī)劃（針對(duì)避障和動(dòng)態(tài)障礙物的路徑調(diào)整）。速度規(guī)劃：速度規(guī)劃決定車(chē)輛的行駛速度。根據(jù)當(dāng)前交通情況、道路條件、障礙物等信息，速度規(guī)劃算法可以調(diào)整車(chē)輛的速度，以保持安全距離、避免碰撞，并盡可能地提高行駛效率。車(chē)道規(guī)劃：車(chē)道規(guī)劃決定車(chē)輛在道路上的行駛車(chē)道。車(chē)道規(guī)劃算法可以根據(jù)交通標(biāo)志、道路標(biāo)線和導(dǎo)航目標(biāo)，將車(chē)輛引導(dǎo)至合適的車(chē)道。交通行為決策涉及到車(chē)輛在復(fù)雜交通環(huán)境中的行為。第33頁(yè)汽車(chē)自動(dòng)駕駛技術(shù)架構(gòu)控制執(zhí)行技術(shù)自動(dòng)駕駛汽車(chē)的控制執(zhí)行是指將經(jīng)過(guò)決策規(guī)劃階段得出的行駛路徑和行為決策轉(zhuǎn)化為實(shí)際的車(chē)輛操作，使汽車(chē)能夠按照規(guī)劃的路徑和速度進(jìn)行行駛?？刂茍?zhí)行是自動(dòng)駕駛系統(tǒng)中的最終環(huán)節(jié)，負(fù)責(zé)將決策轉(zhuǎn)換成車(chē)輛的物理動(dòng)作。自動(dòng)駕駛汽車(chē)的控制執(zhí)行主要任務(wù)包括縱向（驅(qū)動(dòng)、制動(dòng)）、橫向（轉(zhuǎn)向）和橫縱向綜合控制。第34頁(yè)汽車(chē)自動(dòng)駕駛技術(shù)架構(gòu)控制執(zhí)行技術(shù)縱向控制：縱向控制是指通過(guò)對(duì)驅(qū)動(dòng)和制動(dòng)的協(xié)同控制，實(shí)現(xiàn)利用加速度或減速度對(duì)目標(biāo)車(chē)速或目標(biāo)扭矩的精確響應(yīng)。橫向控制：橫向控制主要是指通過(guò)對(duì)電動(dòng)助力轉(zhuǎn)向系統(tǒng)（EPS）進(jìn)行轉(zhuǎn)角或轉(zhuǎn)矩控制，實(shí)現(xiàn)汽車(chē)的自動(dòng)轉(zhuǎn)向功能?？刂茍?zhí)行：控制執(zhí)行要根據(jù)車(chē)輛當(dāng)前的狀態(tài)和位置，確保車(chē)輛按照規(guī)劃的路徑準(zhǔn)確行駛，避免偏離或碰撞障礙物。第35頁(yè)DeepLearningAndAutonomousDriving深度學(xué)習(xí)與自動(dòng)駕駛應(yīng)用第36頁(yè)1.1汽車(chē)自動(dòng)駕駛技術(shù)概述1.2汽車(chē)自動(dòng)駕駛技術(shù)架構(gòu)目錄Content1.3汽車(chē)自動(dòng)駕駛領(lǐng)域深度學(xué)習(xí)應(yīng)用概述深度學(xué)習(xí)與傳統(tǒng)機(jī)器學(xué)習(xí)的區(qū)別傳統(tǒng)機(jī)器學(xué)習(xí)方法下，一般需要獨(dú)立的特征提取階段；而在深度學(xué)習(xí)下，只需要輸入原始的圖像、語(yǔ)音和文本信息，即可直接訓(xùn)練。第37頁(yè)深度學(xué)習(xí)的研究及應(yīng)用進(jìn)展第38頁(yè)自動(dòng)駕駛領(lǐng)域深度學(xué)習(xí)應(yīng)用概述第39頁(yè)自動(dòng)駕駛領(lǐng)域深度學(xué)習(xí)應(yīng)用概述深度學(xué)習(xí)在自動(dòng)駕駛環(huán)境感知中的應(yīng)用自動(dòng)駕駛汽車(chē)環(huán)境感知包括：可行駛路面檢測(cè)、車(chē)道線檢測(cè)、路緣檢測(cè)、護(hù)欄檢測(cè)、行人檢測(cè)、機(jī)動(dòng)車(chē)檢測(cè)、非機(jī)動(dòng)車(chē)檢測(cè)、路標(biāo)檢測(cè)、交通標(biāo)志檢測(cè)、交通信號(hào)燈檢測(cè)等。對(duì)于如此復(fù)雜的路況檢測(cè)，環(huán)境感知技術(shù)是利用攝像機(jī)、激光雷達(dá)、毫米波雷達(dá)、超聲波等車(chē)載傳感器，以及V2X和5G網(wǎng)絡(luò)等獲取汽車(chē)所處的交通環(huán)境信息和車(chē)輛狀態(tài)信息等多源信息。這些多源信息需要通過(guò)深度學(xué)習(xí)方法進(jìn)行處理。第40頁(yè)自動(dòng)駕駛領(lǐng)域深度學(xué)習(xí)應(yīng)用概述深度學(xué)習(xí)在自動(dòng)駕駛環(huán)境感知中的應(yīng)用深度學(xué)習(xí)按照模型的不同可以分為CNN、RNN、LSTM、DBN和Autoencoder等類(lèi)型。CNN（卷積神經(jīng)網(wǎng)絡(luò)）在處理圖像和視頻上擁有很好的效果，幫助車(chē)輛準(zhǔn)確地感知和理解周?chē)h(huán)境，從而為安全、高效的駕駛決策提供支撐。CNN可以用于實(shí)時(shí)檢測(cè)和識(shí)別道路上的各種目標(biāo)，如車(chē)輛、行人、自行車(chē)、交通標(biāo)志等。CNN通過(guò)訓(xùn)練，它可以從傳感器（如攝像頭）捕獲的圖像中提取特征，并準(zhǔn)確地標(biāo)記和分類(lèi)目標(biāo)。CNN可以用于圖像的語(yǔ)義分割，即將圖像中的每個(gè)像素點(diǎn)標(biāo)記為屬于不同的類(lèi)別，例如車(chē)道線、道路、行人、建筑物等。這有助于自動(dòng)駕駛車(chē)輛更好地理解和解釋環(huán)境。CNN可以進(jìn)行實(shí)例分割，實(shí)例分割能夠?qū)⑼活?lèi)別的目標(biāo)分別標(biāo)記出來(lái)，有助于更精確地識(shí)別和跟蹤目標(biāo)。CNN可以用于檢測(cè)和提取道路邊緣的特征，幫助車(chē)輛在復(fù)雜道路環(huán)境中準(zhǔn)確地定位和行駛。第41頁(yè)自動(dòng)駕駛領(lǐng)域深度學(xué)習(xí)應(yīng)用的概述深度學(xué)習(xí)在自動(dòng)駕駛決策規(guī)劃中的應(yīng)用自動(dòng)駕駛汽車(chē)的規(guī)劃分為全局規(guī)劃和局部規(guī)劃兩種。全局規(guī)劃是根據(jù)獲取到的地圖信息，規(guī)劃出一條無(wú)碰撞最優(yōu)路徑，以滿(mǎn)足特定的行駛條件。局部規(guī)劃則是根據(jù)全局規(guī)劃，在一些局部環(huán)境信息的基礎(chǔ)之上，避免碰撞一些未知的障礙物，最終達(dá)到目的地的過(guò)程。在自動(dòng)駕駛汽車(chē)決策規(guī)劃中，車(chē)輛需要根據(jù)環(huán)境感知數(shù)據(jù)和當(dāng)前狀態(tài)來(lái)做出決策，如選擇合適的行駛速度、路徑規(guī)劃、超車(chē)、變道、避障等，以確保安全、高效和舒適的駕駛。第42頁(yè)自動(dòng)駕駛領(lǐng)域深度學(xué)習(xí)應(yīng)用的概述深度學(xué)習(xí)在自動(dòng)駕駛決策規(guī)劃中的應(yīng)用深度學(xué)習(xí)在自動(dòng)駕駛汽車(chē)決策規(guī)劃中發(fā)揮著關(guān)鍵的作用。深度學(xué)習(xí)模型可以用于預(yù)測(cè)其他交通參與者（如其他車(chē)輛、行人）的行為，包括變道、加速、減速等。這些預(yù)測(cè)能夠幫助自動(dòng)駕駛車(chē)輛更好地理解周?chē)?chē)輛和行人的動(dòng)態(tài)，從而做出合理的決策。深度學(xué)習(xí)模型可以用于路徑規(guī)劃，根據(jù)車(chē)輛的當(dāng)前位置、目的地和環(huán)境條件，選擇最優(yōu)的行駛路徑。這有助于車(chē)輛避開(kāi)擁堵路段、選擇安全路線，并使駕駛更高效。深度學(xué)習(xí)模型可以用于制定合適的跟車(chē)策略，包括與前車(chē)的距離維持、速度調(diào)節(jié)等，以確保安全且平滑的跟車(chē)行駛。自動(dòng)駕駛車(chē)輛需要能夠識(shí)別并規(guī)避障礙物，如其他車(chē)輛、行人、障礙物等。深度學(xué)習(xí)可以幫助車(chē)輛做出及時(shí)的避障決策，避免潛在的碰撞。深度學(xué)習(xí)還可以用于交通信號(hào)燈的識(shí)別和狀態(tài)預(yù)測(cè)，從而幫