智能网联汽车概论实训课程课件(中).pptx

1、在人类感知信息的途径中，通过视觉、触觉、嗅觉和味觉获取外界信息的比例分别是83%、1%、3.5%、1.5%和11%。众所周知，驾驶员在驾驶状态下，至少需要一只手操作转向盘，眼睛注视前方道路。周围信息复杂并且时刻在改变，驾驶人的注意力不能长时间离开路面，汽车内部信息过多或复杂会让用户心，从而造成危险。输入标题单击此处添加文字单击此处添加文字输入标题图形用户界面与多点触控操作物理触感操作手势操作手势操作输入标题单击此处添加文字单击此处添加文字输入标题单击此处添加文字单击此处添加文字通过语音的方式与汽车HMI进行交互，更加直接获得信息反馈，用户的注意力不受到分散，能够全身心注视前方，保障驾驶的安全。

2、奥迪MMI 宝马iDrive Drive 奔驰COMAND 苹果CarPlay 谷歌Android Auto 吉利G-Netlink 腾讯AI inCar阿里互联智行百度CarLife 输入标题单击此处添加文单击此处添加文字1、（多选）CarLife是百度在2015年初推出的车联网解决方案，通过手机连接车机进行映射，同时支持iOS和Android系统，具有 、三项基本功能。A.电话 B.地图 C.音乐 D.解说2、I手势交互作为一种新的 ，它能减小驾驶者的 和 ，逐渐成为汽车人机交互界面设计研究的重要方向。3、语音交互（VUI）指的是人类与设备通过 进行信息的传递。随堂练习随堂练习智能决策的定

3、义：智能网联汽车是集感知、决策和控制等功能于一体的自主交通工具，其中，智能决策是依据感知信息来进行决策判断，确定适当工作模型，制订相应控制策略，替代人类驾驶员做出驾驶决策。环境预测示意图环境预测示意图智能决智能决策系统策系统环境预环境预测模块测模块行为行为决策决策动作动作规划规划路径路径规划规划功能功能模块模块（1）环境预测模块 环境预测模块作为决策规划控制模块的直接数据上游之一，其主要作用是对感知层所识别到的物体进行行为预测，并且将预测的结果转化为时间空间维度的轨迹传递给后续模块。通常感知层所输出的物体信息包括位置、速度、方向等物理属性。环境预测示意图（2）行为决策模块 行为决策模块在整个自

4、动驾驶决策规划控制软件系统中扮演着“副驾驶”的角色。这个层面汇集了所有重要的车辆周边信息，不仅包括了自动驾驶汽车本身的实时位置、速度、方向，还包括车辆周边一定距离以内所有的相关障碍物信息以及预测的轨迹。行为决策层需要解决的问题，就是在知晓这些信息的基础上，决定自动驾驶汽车的行驶策略。（3）动作规划模块 自动驾驶汽车规划模块包括动作规划和路径规划两部分。动作规划模块主要是对短期甚至是瞬时的动作进行规划，例如转弯、避障、超车等动作；而路径规划模块是对较长时间内车辆行驶路径的规划，例如从出发地到目的地之间的路线设计或选择。（4）路径规划模块 路径规划主要包含两个步骤：建立包含障碍区域与自由区域的环境

5、地图，以及在环境地图中选择合适的路径搜索算法，快速实时地搜索可行驶路径。路径规划结果对车辆行驶起着导航作用，它引导车辆从当前位置行驶到达目标位置。环境地图表示方法主要分为度量地图表示法、拓扑地图表示法等。决策技术结构体系决策层是自主驾驶系统智能性的直接体现，对车辆的行驶安全性和整车性能起着决定性作用，以谷歌和斯坦福等为代表的众多企业和高校做出了大量研究。常见的决策体系结构有分层递阶式、反应式以及二者的混合式。分层递阶式体系结构决策技术结构体系决策层是自主驾驶系统智能性的直接体现，对车辆的行驶安全性和整车性能起着决定性作用，以谷歌和斯坦福等为代表的众多企业和高校做出了大量研究。常见的决策体系结构

6、有分层递阶式、反应式以及二者的混合式。决策规划-反应式体系结构反应式体系结构混合式体系结构 先进决策理论01基于多准则的决策方法 02基于模糊决策的行为决策方法03强化学习和数据驱动方法04贝叶斯网络方法 输入标题单击此处添加文字单击此处添加文字输入标题单击此处添加文字单击此处添加文字基于机器学习的非结构化道路检测框架基于人工智能的车云协同自动驾驶系统构建方案示意图智能计算平台自动驾驶汽车从交通运输工具逐步转变为新型移动智能终端。汽车功能和属性的改变导致其电子电气架构随之改变，进而需要更强的计算、数据存储和通信能力作为基础，车载智能计算平台是满足上述要求的重要解决方案。1、智能网联汽车是集感知

7、、决策和控制等功能于一体的自主交通工具，其中，是依据感知信息来进行决策判断，确定适当工作模型，制订相应控制策略，替代人类驾驶员做出驾驶决策。2、（多选）现阶段人工智能技术在智能网联汽车领域的主要应用体现在以下 方面。A.实现对环境物体的识别与认知 B.实现对可行驶区域的检测C.实现行驶路径的规划与决策 D.实现模糊行为决策3、传统意义上自动驾驶系统的决策控制软件系统含 、等功能模块。随堂练习随堂练习硬件传感器接收到环境信息后，数据会被导入计算平台，由不同的芯片进行运算。计算平台的设计直接影响自动驾驶系统的实时性及鲁棒性。对于自动驾驶这样的复杂任务，在设计软件的同时，还必须考虑与之匹配的硬件效能

8、，这里包括性能、功耗和功能安全。为了保证自动驾驶的实时性要求，我们需要保证软件响应的最大延迟在可接受的范围内，对于计算资源的要求也因此变得极高，目前，自动驾驶软件的计算量达到了10个TOPS(每s万亿次操作)的级别，这使得我们不得不重新思考对应的计算架构。福特第二代Fusion自动驾驶原型车行李舱中的计算设备为了解智能网联汽车计算平台的要点，我们介绍一个行业领先的L4级自动驾驶公司现有的计算平台硬件实现，包括现有的不同芯片制造商所提供的无人驾驶计算解决方案。这个L4级无人驾驶公司的计算平台由两个计算盒组成。每个计算盒配备了一颗英特尔至强E5处理器(12核)和4到8颗NVIDIA K80GPU加

9、速器，彼此使用PCE总线连接。CPU运算峰值速度可达400f/s，功率需求400V。每个GPU运算峰值速度可达8TOPS，功率需求300W。因此，整个系统能够提供64.5TOPS的峰值运算能力，其功率需求为3000W。输入标题单击此处添加文字单击此处添加文字输入标题单击此处添加文字单击此处添加文字基于GPU的解决方案GPU在浮点运算、并行计算等部分的计算方面能够提供数十倍至上百倍的CPU性能。利用GPU运行机器学习模型，在云端进行分类和检测，其相对于CPU耗费的时间大幅缩短，占用的数据中心的基础设施更少，能够支持(比单纯使用CPU时)10100的应用吞吐量。NVIDIA PX2平台芯片示意图基

10、于DSP的解决方案DSP(Digital Signal Processor)以数字信号处理大量数据。DSP的数据总线和地址总线分开，允许取出指令和执行指令完全重叠，在执行上一条指令的同时就可取出下一条指令，并进行译码，这大大提高了微处理器的速度。德州仪器TDA2 SoC芯片示意图基于FPGA的解决方案作为GPU在算法加速上强有力的竞争者，FPGA硬件配置最灵活，具有低能耗、高性能及可编程等特性，十分适合感知计算。更重要的是，FPGA相比GPU价格便宜(虽然性价比不一定最好)。在能源受限的情况下，FPGA相对于CPU与GPU有明显的性能与能耗优势。Altera公司Cyclone V SoC芯片示

11、意图基于ASIC的解决方案Mobileye是一家基于ASIC的无人驾驶解决方案提供商。其Eyeq5 SOC装备有四种异构的全编程加速器，分别对专有的算法进行了优化，包括有：计算机视觉、信号处理和机器学习等。MobileyeEyeq5 SOC结构示意图其他芯片解决方案谷歌公布了AlphaGo战胜李世石的“秘密武器”芯片“TPU(Tensor Processing Unit，张量处理单元)，它使得机器学习类深度神经网络模型在每瓦特性能上优于传统硬件。谷歌公司TPU芯片示意图“SI”概率芯片示意图输入标题单击此处添加文单击此处添加文字1、（多选）当硬件传感器接收到环境信息后，数据会被导入计算平台，由

12、不同的芯片进行运算。计算平台的设计直接影响自动驾驶系统的实时性及鲁棒性。对于自动驾驶这样的复杂任务，在设计软件的同时，还必须考虑与之匹配的硬件效能，这里包括 。A.性能 B.功耗 C.功能安全 D.价格2、（多选）现有的计算平台解决方案有 。A.基于GPU的解决方案 B.基于DSP的解决方案 C.基于FPGA的解决方案 D.基于ASIC的解决方案随堂练习随堂练习高精地图的含义：地图是地理信息空间的载体，它是将客观现实世界中的空间特征以一定的数学法则（即模式化）,符号化、抽象化，将空间特征表示为形象符号模型或者称为图形数学模型。高精度地图与普通电子地图的对比普通电子地图高精度地图精度一般电子地图

13、精度在在10米左右，商用GPS精度为5米高精度地图的精度在厘米级别（Google、Here等高精度地图精度在1020厘米级别）数据维度传统电子地图数据只记录道路级别的数据高精度地图不仅增加了车道属性相关数据，还能够明确区分车道线类型、路边地标等细节作用及功能传统地图起的是辅助驾驶的导航功能，本质上与传统经验化的纸质地图是类似的高精度地图通过“高精度+高动态+多维度”数据，起的是为自动驾驶提供自变量和目标函数的功能。高精地图相比传统地图有更高的重要性使用对象普通的导航电子地图是面向驾驶员，供驾驶员使用的地图数据高精度地图是面向机器的供自动驾驶汽车使用的地图数据数据的实时性数据的实时性要求较低高精

14、度地图对数据的实时性要求更高输入标题单击此处添加文字单击此处添加文字高精度地图与传统地图相比，具有不同的采集原理和数据存储结构。传统地图依赖于拓扑结构和传统的数据库，将各种元素作为对象堆放在地图上，将道路存储为路径。高精度地图，为了提高存储效率和机器可读性，地图在存储时分为矢量层和对象层。在高精度地图生产过程中，通过提取车辆上传感器采集的原始数据，获取高精度地图特征值，构成特征地图:在此基础上，进一步提取、处理和标注矢量图形，包括道路网络信息、道路属性信息、道路几何信息和道路上主要标志的抽象信息。高精度地图模型(1)道路模型 为了实现和提高路径规划功能，需要将现实世界的道路结构进行抽象，形成以

15、顶点与边组成的拓扑图形结构，图中的边以弧形线段表示，线段中由一系列顺序的点表示线的基本形状走势。在道路拓扑模型中除了要标示出道路走势，还要描述道路的连通关系，这种连通关系是通过顶点确定。道路模型除了图形属性还包括车道数量、道路等级、功能属性等。(2)车道模型 车道模型记录了车道的行驶参考线及车道的边线（标线）及停止线等。车道模型还记录了车道与道路拓扑的关系。(3)对象模型 对象模型是记录道路和车道行车空间范围边界区域内要素的，模型属性包括对象的位置、形状及属性值。这些地图要素包括路牙、护栏、立交、隧道、龙门架、交通标牌、可变信息标牌、轮廓标、收费站/杆、交通灯、墙面、箭头、文本、符号、警示区、

16、导流区等。对象模型中的数据通常用于辅助环境感知，并辅助于高精度定位。高精度地图模型道路模型 车道模型对象模型 高精度地图在自动驾驶中的作用高精度地图数据中提供道路甚至车道的曲率值，当车辆转弯时可以根据曲率进行提前减速，控制传感器甚至大灯转向辅助。高精度地图也提供隧道等详细信息，车辆在进入前可以提前开启大灯或调整传感器感光参数。高精度地图提供了坡度，能够辅助车辆控制油门节省能源。高精度地图提供了各种交通标志和提示信息标牌的精确位置及形状能够辅助车辆进行高精度定位。高精度地图的限速信息精确到车道，能够为车辆提供精准的限速信息，智能网联汽车用以精准控制执行器操作。高精度地图的先验感知特征高精度地图能

17、够辅助汽车超视距感知，当车辆道路环境被其他物体遮挡，或者转弯，或者超出汽车电子设备感知范围时，高精度地图能够帮助车辆对行进方向进行环境的感知。高精度地图能够辅助车辆快速识别道路环境周边固定物体及车道标线。高精度地图能够提高自动驾驶车辆数据处理效率，自动驾驶车辆感知重构周围三维场景时，可以利用高精度地图作为先验知识减小数据处理时的搜索范围。高精度地图在V2X中的作用V2X是智能网联汽车在网联化方面的基础。在V2X环境中，V2X系统与高精度地图分工合作，通过路侧基础设施（信号灯、标识牌等路侧单元）与车辆进行通信，车辆能够直接获取道路基础环境信息，并能够利用基础设施进行高精度定位。高精度地图主要用于

18、车道规划和辅助对不能发射信号的基础设施的感知，如路肩、隔离带等。高精度地图云中心可以通过与基础设施中的道路边缘计算网格进行通信，实现信息的收集与分发。道路边缘计算网格与车辆进行实时通信，车辆从道路边缘计算网格获取道路环境信息，并上报车辆传感器识别变化的信息，道路边缘计算网格经过初步处理后将数据发送到高精度地图云中心，云中心综合多方证据信息进行处理，提前预测道路环境变化，并将可能引起道路交通恶化的预测信息发送给边缘计算网格通知车辆，车辆可以提前做出决策。高精度地图对自动驾驶规划的作用高精度地图能够辅助车辆进行车道级动态路径规划，车辆在拥有高精度定位功能前提下，在无外部环境干扰的情况下可以根据高精

19、度地图的车道参考线前进到达目的地。由于现实中道路环境存在各种干扰情况，包括其他车辆、行人等，因此车辆需要更复杂的传感器进行感知决策。具体在车道级规划中的作用：高精度地图提供有车道中心线，以及车道中心线联通关系，自动驾驶车辆可以在这个数据基础上结合当前位置及前进方向进行有限范围（如10公里范围内）准实时的车道级路径规划，规划结果用于辅助决策单元生成控制指令。具体在辅助决策中的作用：基于高精度地图的车道级动态路径规划及辅助感知成果最终都将作为参考信息提供给决策单元，决策单元在已知固定环境、已知线路和动态目标的基础上通过算法生成控制指令。高精度地图对自动驾驶规划的作用车道级车道级规划规划 高精度地图

20、提供有车道中心线，以及车道中心线联通关系，自动驾驶车辆可以在这个数据基础上结合当前位置及前进方向进行有限范围（如10公里范围内）准实时的车道级路径规划，规划结果用于辅助决策单元生成控制指令。辅助决策辅助决策 基于高精度地图的车道级动态路径规划及辅助感知成果最终都将作为参考信息提供给决策单元，决策单元在已知固定环境、已知线路和动态目标的基础上通过算法生成控制指令。输入标题单击此处添加文单击此处添加文字1、高精度地图在自动驾驶中，可以作为自动驾驶的 系统，不仅可以用于 、，还可以为环境感知和理解提供先验知识，辅助车载传感器实现高精度定位。2、为了保证自动驾驶汽车的安全性，地图数据需要保持“、”等特

21、点比如维度数据有道路形状、坡度、曲率、航向、横坡角等。3、高精地图的路径规划是为 服务的。随堂练习随堂练习高精度定位是高精度地图有效应用的重要前提，也是智能驾驶系统自主导航、自动驾驶的重要前提。在车载传感器定位受限情况下，可以为智能驾驶系统提供有效的辅助定位信息。全局定位局部定位高精定位的分类高精定位的分类输入标题单击此处添加文字单击此处添加文字输入标题单击此处添加文字单击此处添加文字网络RTK也称基准站RTK,是近年来在常规RTK和差分GPS的基础上建立起来的一种新技术，目前尚处于试验、发展阶段。通常把在一个区域内建立多个（一般为三个或三个以上）GNSS参考站，对该区域构成网状覆盖，并以这些

22、基准站中的一个或多个为基准计算和播发GNSS改正信息，从而对该地区内的GNSS用户进行实时改正的定位方式称为GNSS网络RTK。整体架构网络RTK是由差分基准站网、运营中心和接收机组成的。它的基本原理是在一个较大的区域内稀疏地、较均匀地布设多个基准站，构成一个基准站网；那么我们就能借鉴广域差分GNSS和具有多个基准站的局域差分GNSS中的基本原理和方法来设法消除或削弱各种系统误差的影响，获得高精度的定位结果。差分站差分站差分基准站上应配备全频点GNSS接收机，该接收机应能同时提供精确的双频伪距观测值。差分基准站的站坐标应精确已知，其坐标可采用长时间GNSS静态相对定位等方法来确定。此外，这些站

23、还应配备数据通信设备及气象仪器等。差分基准站应按规定的采样率进行连续观测，并通过数据通信链实时将观测资料传送给数据处理中心。差分站差分站差分基准站上应配备全频点GNSS接收机，该接收机应能同时提供精确的双频伪距观测值。差分基准站的站坐标应精确已知，其坐标可采用长时间GNSS静态相对定位等方法来确定。此外，这些站还应配备数据通信设备及气象仪器等。差分基准站应按规定的采样率进行连续观测，并通过数据通信链实时将观测资料传送给数据处理中心。智能网联汽车，尤其是在L4、L5级的体系中，对实时动态高精度定位能力的需要是刚性的、不可或缺的，定位精度一般要求达到厘米级，实时性要求100Hz以上，系统可用性要求

24、达到99.99999%的级别。输入标题单击此处添加文单击此处添加文字1、（多选）高精度地图，为了提高存储效率和机器可读性，地图在存储时分为 。A.标量层 B.矢量层 C.图层 D.对象层2、高精度定位是 有效应用的重要前提，也是智能驾驶系统自主导航、自动驾驶的重要前提。3、高精度定位分为 和 。随堂练习随堂练习车辆两侧环境预测 环境预测模块作为决策规划控制模块的直接数据上游之一，其主要作用是对感知层所识别到的物体进行行为预测，并且将预测的结果转化为时间空间维度的轨迹传递给后续模块。行为决策模块在整个自动驾驶决策规划控制软件系统中扮演着“副驾驶”的角色。这个层面汇集了所有重要的车辆周边信息，不仅包括了自动驾驶汽车本身的实时位置、速度、方向，还包括车辆周边一定距离以内所有的相关障碍物信息以及预测的轨迹。决策规划处理是人工智能技术在自动驾驶中的另一个重要应用场景。现阶段主流的人工智能方法包括状态机、决策树、贝叶斯网络等。输入标题单击此处添加文字单击此处添加文字输入标题单击此处添加文字单击此处添加文字基于机器学习的非机构号道路检测框架1、自动驾驶系统是一个集 、和动作执行等功能于一体的综合系统。2、传统意义上自动驾驶系统的决策控制软件系统包含 、路径规划等功能模块。3、通常感知层所输出的物体信息包括 、等物理属性。随堂练习随堂练习