《自動駕駛車輛白主變道策略探究》7800字（論文）

V自動駕駛車輛白主變道策略研究摘要隨著人們生活質(zhì)量的不斷提高，交通流量也在大幅度增加。汽車在給人們帶來便利的同時也造成了許多交通事故，導致了大量的人員傷亡和經(jīng)濟損失。自動駕駛汽車自動駕駛由于取消了駕駛者這一設(shè)定不但可以有效避免因駕駛者的各種原因而導致的交通意外，亦可為無法駕駛車輛的人士提供私家駕駛服務(wù)。在自動駕駛汽車自動駕駛變道控制算法中，根據(jù)汽車遇到周圍環(huán)境的復雜程度和障礙物排放的密集程度的不同，設(shè)計出自動駕駛汽車自動駕駛變道的方法，達到自動駕駛汽車自動駕駛可以優(yōu)秀的進行變道行為。關(guān)鍵詞：自動駕駛傳感器變道技術(shù)，目錄TOC\o"1-3"\h\u229121緒論 1109681.1研究背景及意義 131591.1.1研究背景 15011.1.2研究意義 1170811.2國內(nèi)外研究現(xiàn)狀 130121.2.1國外研究現(xiàn)狀 1322741.2.2國內(nèi)研究現(xiàn)狀 2124212自動駕駛汽車自主變道決策架構(gòu) 4266272.1環(huán)境感知對象 4215602.2環(huán)境感知方法 466562.3基于機器視覺的環(huán)境感知流程 687403自動駕駛汽車自主變道策略設(shè)計 6212993.1多傳感器信息融合 686483.1.1多傳感器信息融合技術(shù) 756793.1.2多傳感器信息融合方法及實現(xiàn) 8184823.1.3多傳感器信息融合技術(shù)的優(yōu)點 10136843.2自動駕駛汽車變道行為設(shè)計 1043523.2.1直接變道行為 10196673.2.2緊急變道行為 11175754結(jié)論 1122322參考文獻 121緒論1.1研究背景及意義1.1.1研究背景為提高汽車整體安全性能，保護駕駛員與行人，降低各種交通事故帶來的經(jīng)濟損失與人員傷亡，政府還頒布了多項法令。這些法律主要包括道路交通安全法、環(huán)境保護法以及有關(guān)機動車交通安全方面的法規(guī)等。隨著社會經(jīng)濟水平的發(fā)展，科學技術(shù)的進步，汽車已經(jīng)成為家庭出行的重要工具。為了改善交通環(huán)境、提升安全旅游質(zhì)量，人們越來越重視汽車的安全技術(shù)。交通事故不僅會造成巨大的經(jīng)濟損失和人員傷亡，而且還會影響到當?shù)氐牡缆非闆r以及駕駛汽車的人的旅行駕駛等。無人駕駛汽車應(yīng)運而生。無人駕駛汽車早期更是被研究用于軍事方面。在相關(guān)技術(shù)不斷成熟的情況下，民用領(lǐng)域已經(jīng)開始研究無人駕駛汽車的有關(guān)技術(shù)。1.1.2研究意義自動駕駛汽車自動駕駛的發(fā)展不僅僅是指汽車產(chǎn)業(yè)的進步，還包括很多新興產(chǎn)業(yè)的成長，所以對世界各國而言，都默認被看作是和各個國家的成長有必不可少的關(guān)系。在我國，自動駕駛汽車將成為今后提高人們出行質(zhì)量和出行效率的重要手段之一。從這個角度來看，自動駕駛技術(shù)將會是未來人類生活中必不可少的一部分。隨著科學技術(shù)的進步以及經(jīng)濟全球化進程的加快，自動駕駛技術(shù)已經(jīng)逐漸滲透到了各個領(lǐng)域之中，并且取得了不錯的成效。只要自動駕駛汽車發(fā)展到一定程度，其它行業(yè)發(fā)展都將到達相應(yīng)程度。到那時自動駕駛技術(shù)就能夠在實際應(yīng)用中得以落實，并解決擁堵，停車難以及排放問題，所以自動駕駛汽車自動駕駛技術(shù)的研究與開發(fā)不僅對于降低交通事故也對于其他社會產(chǎn)業(yè)發(fā)展都有著十分重要的意義。1.2國內(nèi)外研究現(xiàn)狀1.2.1國外研究現(xiàn)狀伴隨著自動駕駛有關(guān)技術(shù)的不斷成熟，世界各國非常關(guān)注它在各領(lǐng)域特別是交通方面與軍事領(lǐng)域中的運用與展望，同時也非常關(guān)注無人駕駛汽車（UAV）的研發(fā)，這反過來又促進了自動駕駛的不斷發(fā)展。世界上第一臺自動駕駛汽車系統(tǒng)是由美國巴雷特電子公司于1954年研制出來的一種新型無人駕駛能源汽車產(chǎn)品，它具有許多新的功能特征，可以實現(xiàn)無人駕駛。1970年代初，歐美國家開始研究發(fā)展新能源汽車。20世紀70年代末，美國國防部開始實施一項名為“下一代地面車輛技術(shù)發(fā)展規(guī)劃”（AVL）的計劃。在該項目的資助下，美國能源部和國家科學基金會開展了一系列關(guān)于無人駕駛汽車關(guān)鍵技術(shù)研發(fā)工作。20世紀80年代初期，美國能源部成立了一個專門負責無人車技術(shù)開發(fā)的部門——無人駕駛辦公室。20世紀80年代初，美國國防部又啟動了另一項新的獨立地面車輛（AVL)計劃。該計劃旨在通過安裝在車輛上的攝像機和計算機系統(tǒng)來探測地形并引導導航車輛行駛。早在20世紀90年代初期，梅賽德斯就與慕尼黑國防大學合作研發(fā)了一款由多個傳感器組成的系統(tǒng)，能夠?qū)崟r監(jiān)測周圍的道路狀況。2004年以來，為給廣大無人駕駛汽車研究者搭建學術(shù)交流平臺和加快無人駕駛汽車技術(shù)進步，美國國防部高級研究計劃局（DARPA）啟動了機器人汽車挑戰(zhàn)賽。谷歌公司于2015年，研發(fā)出第一款可以在道路上正式測試的樣車，一款完全沒有方向盤的無人駕駛汽車，讓駕駛員擺脫了方向盤的束縛。圖1.1谷歌無人駕駛汽車目前很多外國國家也已經(jīng)發(fā)行了一系列政策和措施來鼓勵無人駕駛汽車的研究，也十分關(guān)注無人駕駛汽車的發(fā)展前景。1.2.2國內(nèi)研究現(xiàn)狀我國自動駕駛研究起步較晚，從20世紀80年代末開始，到20世紀90年代初期我國首款無電新車由國防科技大學開發(fā)成功。此后，中國開始了自主研發(fā)無人駕駛車（Autonomous

Vehicle,簡稱AGV）的道路試驗、路測測試與實車運行階段，并取得了一些成果。車載計算機自動轉(zhuǎn)向系統(tǒng)核心是由計算機、傳感器及液壓控制系統(tǒng)等組成，其主要功能是根據(jù)駕駛員的意圖控制汽車[3],實現(xiàn)汽車行駛過程中的各種操作。1988年，由國防科工委立項并列入國家863計劃，由清華大學于1988年開始研究開發(fā)智能汽車。2007年初，由一汽集團與國防科技大學合作研制的紅旗H3型轎車正式上市。共同研制出我國第一臺完全自主知識產(chǎn)權(quán)的電動汽車——紅旗HQ1，實現(xiàn)了具有世界先進水平的“無人車”概念。成功舉辦了主題為“2007年紅旗HQ3——中國制造”的第十四屆國際智能汽車運輸大會。在這次會議上，紅旗HQ3進行了大量的現(xiàn)場測試。2011年7月,"紅旗HQ3"在我國國防科技最高水平——一汽集團內(nèi)完成了長達286公里的無人駕駛考試，這也是人類歷史上第一次在長沙、武漢兩地同時舉行這樣大規(guī)模的測試活動，標志著中國在無人駕駛技術(shù)研發(fā)領(lǐng)域取得重大突破，實現(xiàn)了從環(huán)境識別到智能行為決策的跨越。2013年初，百度推出了無人駕駛汽車——"百度車腦",它由高精度地圖定位、感知、智能決策和控制四個部分組成。2015年初，百度正式發(fā)布了“新能源駕駛汽車”計劃，并在中國首次實現(xiàn)了城市環(huán)線及高速公路的全自動駕駛，行駛里程超過100公里。2016年初，百度宣布將投資20億元人民幣建設(shè)國家級智能網(wǎng)聯(lián)汽車產(chǎn)業(yè)創(chuàng)新中心，計劃未來3年內(nèi)建成世界最大的智能網(wǎng)聯(lián)車產(chǎn)業(yè)技術(shù)創(chuàng)新基地。2018年2月，長安集團正式成立人工智能研究院。同年，長安汽車延遲實施智能戰(zhàn)略654、構(gòu)建六大基本技術(shù)體系、研發(fā)五大平臺核心應(yīng)用技術(shù)、逐步完成由單一智能向全自動駕駛四個階段轉(zhuǎn)變。百度CEO李彥宏參加了百度第一屆智能開發(fā)者大會（2017），并于7月份搭乘百度獨立開發(fā)的新能源自動駕駛汽車（AFC）到達會場。圖1.2百度無人駕駛汽車中國在八十年代后就開始了無人駕駛汽車的研究，而且至今為止世界范圍內(nèi)的研究成果表明中國與外國在新能源汽車自動駕駛技術(shù)的研究中差距越來越小。在未來很長一段時間內(nèi)，我國仍然是世界第一大新能源汽車生產(chǎn)大國，同時也是最大的新能源汽車消費國。這對于國家發(fā)展和人民生活都具有重大戰(zhàn)略意義。未來智能時代下，中國在新能源汽車無人駕駛領(lǐng)域具有舉重若輕。2自動駕駛汽車自主變道決策架構(gòu)2.1環(huán)境感知對象自動駕駛汽車對自動駕駛環(huán)境的認知對象有如下幾種。（1）對行駛路徑感知，主要指通過對道路交通標線、行車道邊緣線、路口導向線、導向車道線、人行橫道線及結(jié)構(gòu)化道路等進行檢測來獲取車輛的行駛路徑，并將這些結(jié)構(gòu)化后的路徑稱為可行駛路徑。好地解決了上述問題。（2）對環(huán)境信息的獲取與處理，包括對前方障礙物、交通標志、信號燈等進行采集；（3）對駕駛狀態(tài)檢測，主要指對駕駛員自身狀態(tài)的檢測。（4）駕駛環(huán)境檢測主要針對路況，道路擁堵狀況和天氣狀況。這說明自動駕駛汽車在自動駕駛環(huán)境中感知的對象及類型數(shù)量十分龐大，路況也比較復雜，環(huán)境感知在自動駕駛汽車自動駕駛中的典型應(yīng)用如圖2.1所示。圖2.1環(huán)境感知在智能網(wǎng)聯(lián)汽車中的典型應(yīng)用2.2環(huán)境感知方法環(huán)境感知方法主要有慣性元件、超聲波傳感器、激光雷達、毫米波雷達、視覺傳感器、自組織網(wǎng)絡(luò)、融合傳感等。（1）慣性元件，慣性元件主要是指汽車上的車輪轉(zhuǎn)速傳感器、加速度傳感器、微機械陀螺儀、轉(zhuǎn)向盤轉(zhuǎn)角傳感器等，通過它們感知汽車自身的行駛狀態(tài)。（2）超聲波傳感器，主要用于短距離探測物體，不受光照影響，但測量精度受測量物體表面形狀、材質(zhì)影響大。（3）激光雷達、無人駕駛汽車必備傳感器可按自動駕駛級別安裝不同激光雷達。激光雷達分為單線束和多線束兩大類，本文主要研究基于激光雷達的多線束激光雷達數(shù)據(jù)融合方法，并建立了相應(yīng)的3D模型。由于激光雷達具有探測距離遠、速度快、精度高等特點，在無人駕駛汽車中被廣泛采用。本文主要研究了基于激光雷達技術(shù)的自動駕駛系統(tǒng)。首先介紹了激光雷達工作原理以及關(guān)鍵技術(shù)。激光雷達由于其獲取的三維距離信息精度高、測量精度高、對光線變化不敏感以及抗干擾能力強等優(yōu)點被廣泛應(yīng)用于自動駕駛汽車中，是實現(xiàn)自動駕駛必不可少的傳感器之一。（4）毫米波雷達與激光雷達相比具有諸多優(yōu)勢：成本低；毫米波雷達具有距離分辨率高，作用距離遠等特點。但由于其具有較強的抗干擾能力，在惡劣的天氣條件下尤其是夜間使用時，可以有效地抑制激光雷達接收到的反射波等信號。（5）利用基于視覺傳感器的圖像分析與識別技術(shù)對駕駛環(huán)境進行了研究，實現(xiàn)了對道路上行人的三維快速定位。在此基礎(chǔ)上，利用圖像處理及模式識別方法實現(xiàn)了車輛行駛狀態(tài)的自動識別與判斷，從而提高了汽車主動安全性能。圖像信息具有實時、低能耗、低價格等特點，且不受光照影響，因此能夠獲得更準確的三維信息，提高了測量精度。（6）通過自組織網(wǎng)絡(luò)既能獲得車輛運行周圍環(huán)境信息及范圍內(nèi)的其它車輛信息又能將車輛本身信息轉(zhuǎn)移到范圍內(nèi)的其它汽車上。利用這些信息，就能及時準確地掌握交通狀態(tài)；并根據(jù)實時路況做出合理決策。本實用新型能夠?qū)崿F(xiàn)汽車間的信息共享且對環(huán)境干擾不靈敏。圖2.2所示為智能網(wǎng)聯(lián)汽車周邊環(huán)境感知示意圖1-長距離雷達，2-短距離雷達，3-視覺傳感器，4-超聲波傳感，5-視覺傳感器，6-自組織網(wǎng)絡(luò)圖2.2自動駕駛汽車自動駕駛周邊環(huán)境感知示意圖2.3基于機器視覺的環(huán)境感知流程機器視覺經(jīng)常用于環(huán)境感知，其具有以下特點：1.視覺圖像特別是彩色圖像中存在著大量信息，其中包含了視場中對象的距離，色彩，紋理和形狀。2，能夠?qū)崿F(xiàn)視場中道路，車輛，行人，路牌和信號燈等信息的同步探測，能夠獲取較大區(qū)域信息。3.系統(tǒng)采用模塊化設(shè)計方法，可以方便地進行升級和擴展。4.系統(tǒng)具有較強的容錯能力，能夠應(yīng)對不同情況下出現(xiàn)的故障?？赏瑫r檢測到多輛自動駕駛汽車，并能準確定位。3.由于人類對視覺信息的獲取能力有限，因此，人對場景圖像具有很強的環(huán)境適應(yīng)能力。因此，視覺信息處理技術(shù)是智能交通系統(tǒng)（ITS）中一項重要的核心技術(shù)。人類對自身身體各個部位的了解和研究還不夠充分。這也是導致交通事故頻繁發(fā)生的原因之一。但是在目前駕駛技術(shù)條件下，人通過眼睛所獲取的信息是最多的。所以，以視覺為基礎(chǔ)的高效低成本環(huán)境感知必將是未來智能網(wǎng)聯(lián)汽車產(chǎn)業(yè)化發(fā)展的重點。本文針對基于視覺的場景感知進行研究，提出了一套完整的框架體系。以視覺為基礎(chǔ)的環(huán)境感知流程如圖2.3所示，通常由圖像采集，圖像預處理，圖像特征提取，圖像模式識別，結(jié)果傳輸組成，其感知流程因具體的識別對象及所使用的識別方法而稍有不同。圖2.3基于視覺的環(huán)境感知流程3自動駕駛汽車自主變道策略設(shè)計3.1多傳感器信息融合多傳感器信息融合技術(shù)指的是將數(shù)據(jù)信息從相同或不同類型的多個傳感器分類并處理，然后根據(jù)特定規(guī)則將這些傳感器的冗余或補充信息處理在時間或空間上。從而得出測量對象一致性的結(jié)論。單個傳感器存在局限性，因為它只能提供有關(guān)自動駕駛汽車自動駕駛自身狀況的單個信息，導致自動駕駛汽車自動駕駛本身的控制判定精度不夠高。所以通過使用多個傳感器來收集信息和進行信息融合，可以獲得更準確有效的信息，對于自動駕駛汽車自動駕駛的下一個決策是必要的，以此提高整體自動駕駛汽車自動駕駛系統(tǒng)的可靠性。隨著技術(shù)的不斷進步，傳感器需要檢測的物體變得越來越復雜。人們不僅需要測量有關(guān)特定測量目標的單個信息，還需要測量有關(guān)測量目標的其他內(nèi)部或特征信息。單個傳感器不能滿足此要求。所以必須采用多個傳感器對同一對象進行多角度檢測來采集被測對象的完整并且全面的信息。數(shù)據(jù)融合技術(shù)被提出來解決多傳感器信息處理的問題，并首先應(yīng)用于軍事領(lǐng)域，近年來機器人技術(shù)、智能檢測系統(tǒng)、工業(yè)監(jiān)控、航空航天、環(huán)境保護和氣象學等領(lǐng)域也廣泛應(yīng)用。3.1.1多傳感器信息融合技術(shù)由于從多個傳感器采集到的數(shù)據(jù)組合在結(jié)構(gòu)上存在差異，從而導致了對信息處理方法的差異。在本文中，我們提出了一種基于模糊神經(jīng)網(wǎng)絡(luò)（FNN）與最小二乘支持向量機（LS-SVM）相結(jié)合的多傳感器信息融合方法。該方法能有效地降低冗余量并提高系統(tǒng)性能。根據(jù)處理方式的不同可以將多傳感器信息組合分為集中式、分散式、混合式以及反饋式等四種類型。單個傳感器能夠獲取的信息十分有限，并且易受傳感器本身質(zhì)量及性能等因素影響而導致獲取信息錯誤。同時，隨著人們對檢測、數(shù)據(jù)收集等方面要求的不斷提高以及各種智能設(shè)備的出現(xiàn)，使得不同類型的傳感器之間能夠進行有效地通信成為可能。由于每個傳感器都具有各自獨特的特性，所以不能互相替代。但是在實際應(yīng)用中往往需要多個傳感器對同一目標進行同時測量，并將得到的結(jié)果綜合起來形成最終的檢測結(jié)論。多傳感器融合技術(shù)是近年來發(fā)展起來的一個新領(lǐng)域，它包括多傳感器融合、多傳感器信息融合以及多傳感器數(shù)據(jù)融合等。多傳感器融合技術(shù)是指多個傳感器之間進行信息交換和共享，以提高系統(tǒng)的可靠性、穩(wěn)定性、準確性以及對環(huán)境的時空覆蓋及可用性。本文采用圖3.1中的方法實現(xiàn)數(shù)據(jù)融合。本文主要討論了一種基于DSP芯片的多傳感器信息集成技術(shù)，該技術(shù)具有實時性強、集成度高、抗干擾能力強及易于實現(xiàn)等特點。整個系統(tǒng)分為三個部分：1.數(shù)據(jù)采集模塊。先把要測的物體轉(zhuǎn)換成電信號，再轉(zhuǎn)換成可由計算機實現(xiàn)A/D變換的數(shù)字量，數(shù)字化后對電信號預處理，去除干擾與噪聲。預處理信號經(jīng)過函數(shù)分解再到數(shù)據(jù)整合中心或在功能發(fā)布時直接把數(shù)據(jù)整合到信號中，最終得到整合結(jié)果。圖3.1數(shù)據(jù)融合過程3.1.2多傳感器信息融合方法及實現(xiàn)根據(jù)融合系統(tǒng)中信息處理的抽象程度，多傳感器信息融合主要分為三個層次：數(shù)據(jù)層融合、特征層融合和決策層融合。（1）數(shù)據(jù)層融合數(shù)據(jù)級融合又叫像素級融合。它通過將兩個或者更多傳感器采集到的測量值進行關(guān)聯(lián)，以達到提高系統(tǒng)性能的目的。目前該技術(shù)已廣泛應(yīng)用于許多領(lǐng)域。本文提出了一種基于層次分析的數(shù)據(jù)級融合方法。傳感器的觀測數(shù)據(jù)經(jīng)過聚合后得到一個屬性向量，然后對這個屬性向量進行分析和處理以獲得最終的識別結(jié)果。若多個傳感器所觀察的物理現(xiàn)象不一致，傳感器所觀察的數(shù)據(jù)就不能歸并于數(shù)據(jù)層（只存在于特征層和決策層）。數(shù)據(jù)層融合不損失數(shù)據(jù)，且得到的結(jié)果在這3個層次上精度最高，但由于其最高復雜性對系統(tǒng)通信帶寬要求比較高。其數(shù)據(jù)層融合方式如圖3.2所示。圖3.2數(shù)據(jù)層融合（2）特征層融合特征層融合是融合中間層的一種。它利用不同類型傳感器獲得的信息之間的互補性來提高系統(tǒng)性能。本文提出一種基于多傳感器的自適應(yīng)特征提取和神經(jīng)網(wǎng)絡(luò)相結(jié)合的特征層融合方法。這種算法是在BP網(wǎng)絡(luò)基礎(chǔ)上發(fā)展起來的。傳感器陣列采集的觀測數(shù)據(jù)作為特征向量；采用檢測方法處理特征向量并打印普通檢測結(jié)果。函數(shù)層融合方法具有計算量小、對應(yīng)通信帶寬需求少等特點，但是會因為丟失部分數(shù)據(jù)而導致準確性不高。特征層融合方式如圖3.3所示。圖3.3特征層融合（3）決策層融合決策級融合在最高層次上進行融合處理，由不同種類傳感器對同一物體進行感知。每一個傳感器都會在當?shù)靥幚硭鶛z測出的數(shù)據(jù)，對所處理數(shù)據(jù)進行特征提取，鑒別或者確定所提取出的表示特征，對所檢測出的物體作出初步的結(jié)論，再將其關(guān)聯(lián)層與決策層相結(jié)合，最后獲得聯(lián)合檢測結(jié)果。該文提出了一種基于Hopfield神經(jīng)網(wǎng)絡(luò)的信息融合算法來解決此問題。該方法利用BP網(wǎng)絡(luò)的自學習能力來建立模型預測未知區(qū)域中可能存在的目標物體位置及大小。由于對傳感器數(shù)據(jù)進行了壓縮，該方法得到的計算結(jié)果精度最低，但是所需計算量最小，數(shù)據(jù)傳輸帶寬也最小。決策層融合方式如圖3.4所示。圖3.4決策層融合3.1.3多傳感器信息融合技術(shù)的優(yōu)點相對于單一傳感器而言，多傳感器能夠進行數(shù)據(jù)信息融合過程從而得到傳感器周邊更加精確和全面的環(huán)境信息。一組功能相似的傳感器所采集到的信息具有明顯的互補性，將互補信息經(jīng)過融合處理后，能夠彌補單個傳感器測量的不確定度及測量范圍的有限性，降低信息的不確定性。因此，當一個或幾個傳感器出現(xiàn)問題時，就可通過將這些傳感器組合起來來彌補單一傳感器在不同方面上存在的不足。本文介紹一種基于模糊神經(jīng)網(wǎng)絡(luò)的多傳感器自適應(yīng)容錯控制方法。甚至在部分傳感器失效的情況下系統(tǒng)仍能正常工作，使系統(tǒng)可靠性得到很大提高。3.2自動駕駛汽車變道行為設(shè)計3.2.1直接變道行為即時變道功能就是自動駕駛汽車駕駛時自己駕駛，發(fā)現(xiàn)路前存在障礙而進行障礙。當遇到障礙時，會主動改變行車方向，以達到避讓目的；一旦發(fā)現(xiàn)危險情況，還能及時做出應(yīng)對措施，避免發(fā)生事故。自動駕駛技術(shù)能夠提高道路交通效率和安全性。同時也存在安全隱患。當遇到障礙物時，自動駕駛汽車能夠識別前方是否存在障礙物；當遇到障礙物時，駕駛員可以根據(jù)障礙物的位置判斷出前方是否有行人或車輛，從而控制智能車轉(zhuǎn)向。傳統(tǒng)方法是手動轉(zhuǎn)向或減速行駛，但這樣容易發(fā)生交通事故。為了解決這個問題，提出了一種基于機器學習技術(shù)的智能車輛避障系統(tǒng)設(shè)計。該系統(tǒng)采用深度神經(jīng)網(wǎng)絡(luò)對障礙物進行識別。變道過程中，自動駕駛汽車通過視覺傳感器和超聲波傳感器獲取車輛前方的距離信息；數(shù)據(jù)融合處理保證了障礙物和自動駕駛汽車間距離的準確性，進而對整個模糊控制器進行計算，并以檢測出的距離信息為輸入對模糊控制器進行控制。為自動駕駛汽車的自動駕駛控制呈報精確結(jié)果以指導自動駕駛汽車進行自動駕駛以避免安全事故發(fā)生。3.2.2緊急變道行為突發(fā)動態(tài)障礙物時，會出現(xiàn)緊急變道行為。本文采用三幀差分法對動態(tài)障礙物進行識別，并利用不同類型的傳感器采集到的數(shù)據(jù)來判斷自動駕駛汽車是否處于自動駕駛狀態(tài)下，如果檢測到動態(tài)障礙物則說明自動駕駛汽車處于自動駕駛狀態(tài)，否則說明自動駕駛汽車未處于自動駕駛狀態(tài)。但是由于自動駕駛汽車自動行駛速度極快，即使是接近動態(tài)障礙物也不會馬上做出反應(yīng)，而是繼續(xù)向前移動；同時，為了避免與前方車輛相撞，自動駕駛汽車必須保