智能汽车关键技术与设计方法.html.pdf

《智能汽车关键技术与设计方法.html.pdf》由会员分享，可在线阅读，更多相关《智能汽车关键技术与设计方法.html.pdf（209页珍藏版）》请在三一文库上搜索。

1、丛书总序 中国的汽车产业发展迅速，已经成为我国国民经济的支柱产业之一。随着家庭平均汽车保有量的迅速增长，汽车给整个社会带来的能源、环境、交通 和安全的压力日益加大。尽管汽车在轻量化、电动化、排放控制技术和安全技术方面已经有了长足的进步，尤其是近几年互联网和通信技术在汽车的独立 驾驶和智能化方向提供了极大的发展和创新的空间，但诸多的发展给汽车产业带来无限的挑战和机遇。因此，行业的快速变化急需培养一大批不仅懂专业 技术，更熟悉跨界知识的创新型人才。 重庆大学汽车协同创新中心认识到人才培养的迫切需求，组织我们为新成立的汽车学院编写一套教材。参与这套教材编写的所有作者都身在汽车行业 的科研和技术开发的

2、第一线，其中大部分作者是近年海归的年轻博士。教材的选题经过专家在传统学科和新兴学科中反复地论证和研讨，遴选了汽车行业 面临紧迫挑战性的技术和话题。第一批教材有八本，包括汽车材料及轻量化趋势汽车设计的耐久性分析汽车动力总成现代技术汽车安全的 仿真与优化设计汽车尾气净化处理技术智能汽车关键技术与设计方法中国汽车二氧化碳减排路径和电动汽车前沿技术及应用。 这套教材的一个共同特点就是与国际发展同步、内容新颖。编著者对于比较传统的学科，在编写过程中尽可能地把最新的技术和理念包括进去，比如 在编写汽车材料及轻量化趋势的过程中，不仅介绍了各种轻量化材料的特点和动向，而且强调了轻量化材料的应用必须系统地考虑材

3、料的性能、部件 的加工方法和成本。有些选题针对汽车行业发展的新的技术动向，比如汽车安全的仿真与优化设计主要介绍汽车安全仿真的模型验证和优化，这是汽 车产品开发采用电子认证的必经之路。电动汽车前沿技术及应用阐述了现代电动汽车的基本原理、关键技术，以及锂电池汽车和氢燃料电池汽车在未 来发展中的优势和挑战。智能汽车关键技术与设计方法对智能汽车的感知、控制、定位和测试验证等关键技术进行了详尽的分析与解释，并运用实验 与仿真来论证书中所提出方法的正确性和实际可行性。 这套教材的另一个突出的特点是实用，比如一般汽车设计要求非磨损件的寿命是24万千米。汽车设计的耐久性分析着重介绍了汽车行业用于耐久 性分析的

4、主要工具和方法，以及这些方法的理论基础。这是进行汽车整车和零部件寿命耐久性正向设计的基础。随着环境保护的法规日益严格，汽车排放 控制技术也在不断发展提高。汽车动力技术已经形成化石燃料到其他燃料的多元化发展，汽车尾气净化处理技术和中国汽车二氧化碳减排路径介 绍了排放控制技术的进程和法规实施的协调，以及达到法规要求的不同技术路线。 本套丛书不仅对汽车专业的学生大有裨益，也可以作为汽车从业人员和所有对汽车技术感兴趣者的参考读物。由于时间有限，选题的范围还不全面。 每本书的内容也会反映出作者的知识和经验的局限性。在此，真诚地希望广大读者提出意见，供我们不断修改和完善。 2016年8月5日 推荐序一 随

5、着我国汽车工业的快速发展，先进的汽车设计理论和技术在车身开发中越来越受到重视。同时，汽车发展遇到了环保、能源、交通等各个方面的诸 多问题，在这种新形势下，从业者掌握和熟练运用核心设计技术显得尤为重要。 汽车的设计与制造是一个非常复杂的系统工程，需要考虑零件、子系统、系统，乃至整车等各个层面，综合运用材料科学、能源科学、信息科学和制 造科学的相关知识、理论和方法。本套“汽车工程专业系列丛书”涵盖了汽车制造系统和质量、汽车动力总成、汽车材料及轻量化、车身耐久性、汽车安 全仿真与优化、汽车系统控制及其智能化、汽车尾气排放处理与二氧化碳减排等多个方面的内容，涉及汽车轻量化、安全、环保、电子控制等关键技

6、术。 本套丛书的作者既有在汽车相关领域工作多年、有丰富经验的专家，也有学成回国、已崭露头角的后起之秀；内容安排上既有适合初学者学习的大量 基础理论知识，也融入了编著者在相关领域多年来的研究体会和经验，从中我们能充分体会到现代汽车技术节能、环保和智能化的发展趋势。丛书结合大 量实例，取材丰富、图文并茂。 本套丛书可作为汽车设计的参考工具，也可作为车辆工程、机械工程、环境工程等专业研究生的专门教材及学习参考书。相信该书对于汽车行业相关 领域的研究生、企业研发人员和科研工作者会产生重要的启发作用，特作序推荐。 上海交通大学 推荐序二 作为中国制造2025战略部署的主要支点之一，汽车业的持续、快速、健

7、康发展将为中国制造业强国目标奠定坚实的基础。面对中国汽车产业大而 不强的现状，自主品牌汽车产业的发展壮大时不我待。重庆自主品牌汽车协同创新中心，立足于重庆地区汽车产业，依托国家“2011计划”，以我国自主 品牌汽车发展重大需求为牵引，以体制机制创新为手段，探索我国汽车自主品牌的发展模式。中心面向国内自主品牌汽车产业，重点开展培养高端人才， 汇聚优秀团队，研发核心技术，推广产业应用，整合优势资源，搭建交流平台等工作。重庆自主品牌汽车协同创新中心瞄准“节能环保、安全可靠、智能 舒适”的国际汽车三大发展趋势，凝练学科发展方向，汇聚创新资源和汽车及相关领域的优势学科群，建立了全面涵盖汽车行业研究领域的

8、创新团队。本 套丛书由汽车中心特别顾问、福特汽车亚太区技术总监韩维建博士积极推动。丛书主编韩维建博士基于数十年国际一流汽车工程经验以及独到全面的行业 技术趋势把握，整合及组建了编著团队进行丛书各个书籍的编著。编著团队的成员主要由具有多年国际汽车公司工作经验，并且在高校及企业科研一线工 作的归国人员组成。丛书内容拥有立足成熟技术、紧跟国际前沿、把握领域创新的特点及优势，丛书的成功出版将为国内汽车行业及学科提供全面而翔实 的参考材料。 书籍是知识传播的介质，也是人才培养及创新意识传承的基础。正如重庆大学建校宣言“人类之文野，国家之理乱，悉以人才为其主要之因”所阐释 的，本套丛书秉承重庆自主品牌汽车

9、协同创新中心人才培养方针，主要面向高校汽车相关学科本科及研究生的教学，同时也可为汽车行业工程人员参考。 相信本套丛书会对我国汽车领域学科及行业产生积极良好的推动作用。 江苏省产业技术研究院 前言 随着汽车工业和人工智能技术的发展，智能汽车正向人类走来。这一技术的普及，将从根本上改变人类的生活。在智能汽车时代，出行变得更加安 全、便捷、舒适。人机共驾和自动驾驶将改变人类的时空观念，城市布局将重新规划，共享经济大力发展，全职司机由虚拟驾驶人替代。智能汽车技术作 为一种划时代的技术，目前已经上升到国家战略层面。智能汽车产业是中国制造2025和国家中长期科学和技术发展规划纲要（20062020年） 的

10、首选产业。在这样的时代背景下，本书将从技术层面，对智能汽车的感知、控制、定位和测试验证等多种关键技术进行详尽的分析与解释，并运用相关 的实验与仿真来论证本书中所提方法的正确性和实际可行性。 本书第1章回顾了智能汽车的发展历程和现状，并从个人、交通系统和社会等不同层面分析了智能汽车的意义，介绍了智能汽车主要的发展路线和趋 势。第2章以智能汽车系统构架为对象，阐述了智能汽车的基本构架与构建方法，并分别从硬件构架和软件构架两个角度探讨了智能汽车的基础软硬件模 块。第3章着重介绍了智能汽车环境感知技术，从道路的理解到车辆的识别，从机器学习再到深度学习，提出了相关的具体解决方法，并通过实验进行了可 行性

11、验证。第4章从智能汽车控制的角度出发，介绍了智能汽车紧急控制策略，在理论上进行了详尽的分析与论证，提出了相关的控制策略，并通过仿真验 证了策略的有效性和可靠性。第5章针对智能汽车的导航定位技术，从高精地图、DR到视觉里程计，重点介绍了基于DR与地图匹配相结合的导航定位方 法。第6章介绍了智能汽车的测试方法，分析了现行技术条件下国内外智能汽车测试方法，展示了当前全球最先进的汽车测试基础设施与条件。最后，第7 章讨论了智能汽车发展所面临的挑战和未来的发展趋势。 本书由王科和李霖合作完成，作者尽最大努力将对智能汽车的理解和经验融入书中。感谢张鉴、黄鑫对资料整理、文字翻译及校对方面做出的协助。 本书作

12、为参考书籍，主要面向高校相关专业的学生和从事智能汽车相关行业的工程师。由于时间仓促和作者的阅历局限，本书的疏漏和不妥之处在所难 免，欢迎读者提出批评和修改意见。 王科 第1章 绪论 随着人工智能、互联网技术的发展，智能汽车正在逐渐向人类走来。由于智能汽车具有智能化、网联化、节能环保、安全便捷等特点，对它的研究已 经在汽车产业中掀起了一阵热潮，它也将是未来汽车发展的必然方向。它的出现、普及将彻底颠覆人们的出行方式，重新定义汽车的属性，将人们从驾驶 中解放出来，并自动安全地将乘客送往目的地。现今各大企业都开始投身智能汽车产业，相互竞争合作，制订相关的战略计划，研制、测试自家的智能汽 车。目前，智能

13、汽车产业正呈现出百家争奇、蓬勃向上的发展态势，同时这也是一场没有硝烟的战争，任何企业在技术上迟滞落后都可能被行业淘汰。 1.1 智能汽车的发展和现状 智能汽车是一种通过车载传感系统来感知车辆的状态和道路环境，自动规划行车路线并自主控制行驶到达目的地的车辆，是一种智能的移动终端。它 综合应用了计算机技术、感测技术、通信技术、人工智能技术等，涉及人、车、路多方信息的交互，需要云端在线服务平台的支持1。 从汽车诞生开始，几乎同时人们也诞生了自动驾驶的梦想，渴望从驾驶工作中解脱出来。1925年，世界上第一辆自动驾驶汽车“Linrrican Wonder”在纽约街头行驶（见图1-1），它通过无线电实现对

14、车辆方向盘、离合器和制动器等部件的操控2。此次行驶象征着智能汽车技术成功地迈出 了第一步，拉开了智能汽车技术的历史帷幕。 图1-1 第一辆自动驾驶汽车 20世纪90年代末期，美国国防部门开始了DEMO系列军事计划，其主要目的是研究无人车辆，发展无人战争。在DEMO计划完成之后，美国国防高级 研究计划局（DARPA）又举办了三届无人车辆挑战赛，分别是2004年、2005年的Grand Challenge和2007年的Urban Challenge，在2007年的比赛中卡 内基梅隆大学和斯坦福大学分别获得冠军和亚军（见图1-2a）3。这类项目和比赛促进了智能汽车技术的发展、交流与创新。在欧洲有Eu

15、ropean Land Robot Trail（ELBT），韩国有现代无人驾驶汽车竞赛，我国有中国智能车未来挑战赛、中国智能汽车大赛等。在2018年中国首届i-VISTA自动驾驶汽车挑 战赛中重庆大学获得最佳技术奖（见图1-2b）。 在智能汽车领域中，谷歌公司在2009年开始了自动驾驶项目，2012年3月获得了内华达州颁发的美国历史上首个无人驾驶测试许可证。截至2016年3 月，其自动驾驶里程已经达到了241万千米，在整个过程中只发生了14例交通事故，而且其中的13例是对方的责任4。 图 1-2 其他如福特、宝马、丰田、沃尔沃等车企，都在进行智能汽车的测试和研究，各企业之间也在进行相关的合作和

16、战略部署，并计划于2021年左右推出 不同级别的智能汽车量产车辆。美国政府在2016年9月20日公布了全球首个无人驾驶汽车政策文件联邦自动驾驶汽车政策，以促进智能汽车健 康、规范地发展5。2017年7月11日，奥迪在西班牙发布了全球第一款实现3级（美国汽车工程师学会（SAE）的分级）水平的量产车奥迪A86。 在国内，智能汽车技术的研究开始于20世纪80年代。2011年7月，国防科技大学和一汽集团联合研制的红旗HQ3首次完成了从长沙到武汉的286千米 的高速全程无人驾驶试验，该次试验的成功标志着我国无人驾驶技术在复杂环境识别、智能行为决策和控制等方面实现了新的技术突破7。从2009年开 始，国家

17、自然科学基金委员会开始组织举办中国智能车未来挑战赛。该赛事每年举办一次，成功吸引了各大高校和相关机构的参与，促进了智能汽车技术 的交流和发展，扩大了智能汽车技术在中国的影响。 2016年4月，长安汽车成功完成了历经多省约2000千米的自动驾驶测试，在实现高速驾驶的同时，还实现了全速自适应巡航、交通拥堵辅助、自动紧 急刹车、交通标志识别等功能（见图1-3），长安汽车希望在两三年内将智能汽车推向量产8。吉利汽车提出了“智能驾驶技术G-Pilot”战略，该战略 是以适应市场需求为导向、以分阶段的智能驾驶演化路径为指导、以平台化配置架构为方案的智能驾驶技术10年路线图。自2014年的博瑞车型开始，吉利

18、 汽车预计在2020年后实现高度自动驾驶，2024年后将G-Pilot系统推向新的高度。另外，吉利汽车还和沃尔沃联合打造国际领先、国内一流的无人驾驶试 验场9。 图1-3 长安自动驾驶汽车 2015年12月，百度智能汽车在北京完成了高速路段的测试，这是百度在宝马汽车的基础上改装的第一代智能汽车10。2017年4月，百度还向全球 宣布了阿波罗计划，该计划预备向智能汽车领域免费提供新的平台，包括车辆平台、软件平台、硬件平台和云端数据四大部分，并逐步开放其智能汽车的 相关源代码，降低智能汽车的研发成本。截至2017年7月5日，百度阿波罗计划已经有了53家合作伙伴，包括汽车企业、核心零件供应商、地图公

19、司、出行 服务公司以及高校等（见图1-4）。该战略计划已经取得了阶段性成果，将促进智能汽车技术的快速发展11。 图1-4 百度阿波罗计划部分合作伙伴 2015年国务院正式印发了中国制造2025，该战略是我国为实现制造强国的地位而颁布的第一个十年纲领。节能和新能源汽车是其中的重要部分， 要努力实现汽车的电动化、低碳化、信息化、智能化，加速自主品牌形成从零部件到整车的生产工业体系和核心竞争力，缩短与先进国家间的差距。2016 年，国家制造强国建设战略咨询委员会受工业和信息化部委托，正式发布了“节能与新能源汽车技术路线图”12。该路线图规划了未来15年间我国智 能网联汽车的发展方向与框架，由辅助驾驶

20、、部分自动驾驶逐步过渡到高度或完全自动驾驶（见图1-5）。预计到2020年，汽车产业规模达到3000万辆， 带有先进辅助驾驶系统或部分自动驾驶车辆的市场份额达到50%。 图1-5 智能网联汽车发展路线图 1.2 智能汽车的意义 目前智能汽车技术正逐渐从想象变成现实，正从以科技为主导的研发阶段向如何普及推广的市场化阶段过渡。它的市场化使用最终将彻底颠覆人类的 出行方式。人类可以从繁重的驾驶劳动中解放出来，不必花费精力关注车辆及道路的状态。智能汽车的发展和整个社会与人类智能化进程相符合，是社会 发展进步的必然选择。下面本书将从个人、交通系统以及社会三个层面分别论述智能汽车的影响和意义。 1.2.1

21、 智能汽车对个人的意义 智能汽车最直接的意义就是将人从繁重枯燥的驾驶劳动中解脱出来。只需要为它提供目的地，就可以完全地将驾驶任务交给汽车。这样一来既减少了 驾车的疲劳和厌倦，又不必担心堵车拥挤问题，另外也节约了驾车的时间，可以在旅途中享受休闲娱乐甚至继续办公，更加自由随性。同时，无人驾驶汽 车对于未来社会人口老龄化有重大的意义，在未来几十年内，全球老龄化的趋势将越来越明显，年长的司机越来越多，其驾车的反应能力和敏捷性都将下 降，这对于人的生命安全形成了巨大的威胁。当智能汽车投入使用后，它们对于使用人员的要求更低，老人、儿童甚至是残疾人等驾驶能力弱或是无驾驶 能力的弱势群体，都可以通过智能汽车方

22、便出行。 1.2.2 智能汽车对交通系统的意义 智能汽车技术是智能交通系统的重要组成部分，该技术能够有效地降低交通事故发生率，提升汽车行驶的安全性、舒适性和快捷性13。权威数据显 示，全球每年约有130万人死于交通事故，有90%的事故与人的失误行为有关14。人的操作和失误导致了大量的交通事故，所以减少人的操作和失误可 以大幅度减少交通事故的发生。当自动驾驶取代有人驾驶，智能汽车的精准控制有可能实现零交通事故的情况。另外智能汽车可以相互交换数据，了解彼 此的驾驶意图，再结合大数据和云平台服务，了解道路网络的情况，因此智能汽车可以做出更好的路径规划，从而避免交通拥堵。同时，智能交通系统也 可以根据

23、道路网络中车辆的数据而做出相应的改变来缓解交通拥堵，比如将红绿灯的固定间隔时间变成动态的，实时根据相应路口车辆流量的大小来设计 间隔时间以提高效率。由于智能汽车的控制准确，车距可以减小，从而提高车流通量，道路可以不必为了缓解交通问题而修建得更加宽阔，从而提高土地 的使用率。据高盛公司和美国经济学人杂志报道，24%的城市土地空间用于停车15。智能汽车通过云平台可以更好地自动分配汽车的停车问题，使 得汽车可以更加充分地利用各停车场的资源，减少停车场的建设。 1.2.3 智能汽车对社会的意义 智能汽车的使用将会提高社会智能化的程度，推动人类进入智能化时代，缓解现今的能源危机和环境污染等问题。根据公安

24、部交管局统计，截至2016 年年底，全国机动车保有量达2.9亿辆，其中汽车达1.94亿辆16。如此巨大的汽车保有量对石油的需求巨大，将产生大量的污染物及温室气体。当智能 汽车投入使用后，更少的交通拥堵将提高燃油利用率，更好的路线规划将缩短驾驶的里程数，更加准确的车辆控制将降低驾驶员因操纵失误增加的油耗， 这些优势都将降低对石油的需求，从而减少汽车尾气污染物以及温室气体的产生，对环境更友好。根据谷歌无人驾驶汽车团队的统计，当前传统汽车96% 的时间都处于空闲状态17。共享智能汽车的模式将会减少车辆的保有量，提高能源和车辆的利用效率，减少排放。 1.3 智能汽车的分级 根据汽车自动化程度的不同，智

25、能汽车可分成不同的等级。其主要的分级标准有两种，即美国国家公路交通安全管理局（NHTSA）发布的04级标准 和美国汽车工程师学会（SAE）发布的05级标准18，两者的对比如表1-1所示。 表1-1 NHSTA和SAE分级对比自动驾驶分级 从表中可以看出，两者的标准基本一致。SAE将NHTSA的完全自动驾驶（4级）分为高度自动化驾驶（4级）和完全自动化驾驶（5级）两个等级，更 加细化了高度自动驾驶的分类。目前在智能汽车领域中，人们更倾向于使用SAE的智能汽车等级划分标准。 在两者的智能汽车分类中，02级属于先进驾驶辅助系统（ADSA），主要由人来观察环境。根据系统对于车辆的方向盘和加减速是否具有

26、控制功 能，将其分为0、1和2三个等级。在SAE的标准中35级属于自动驾驶系统，主要由机器来感知环境。根据驾驶员需要提供的应答程度、车辆适用的条件和 范围，将其分为3、4和5三个等级。 0级：系统对于车辆运动无控制权，车辆的驾驶全权由人负责，无自动化。系统只能通过车载传感器探测、感知周围环境，进行决策报警。比如车道偏 离报警、倒车防撞雷达和前车防撞预警等，都只是借助报警来提醒、帮助驾驶员更好地驾驶。 1级：系统对于车辆的方向盘或者加减速有单一的控制权，功能比较单一，无法做到对两者同时控制，驾驶员的手和脚不能同时放松。1级包括自适应 巡航控制、紧急刹车辅助等。 2级：系统可以同时对方向盘和加减速

27、进行多项操作，使得在一定条件下，驾驶员可以从驾驶中解放出来，此时车辆具有部分自动化驾驶功能。2级包 括全自动跟随、车道保持与跟踪等。 3级：系统将会完成所有车辆操作，在某些特定条件下可以实现自动驾驶，在紧急情况下，由人进行认知判别和干预。当系统发出接管请求时，驾驶员 需要给予系统支援。3级包括拥挤辅助驾驶功能、自动泊车系统等。 4级：车辆具有高度自动化，可以完成特定条件下的全部任务，但在极端的环境下车辆无法完成驾驶。3级与4级自动化系统的差异在于后者能够不依 赖驾驶员进入最小风险模式，而前者不能可靠地执行19。4级包括景区或工业园区内的自动驾驶、高速公路上的高度自动驾驶等。 5级：车辆具有完全

28、的自动化，不再局限于某一区域，可以完成所有条件下的全部任务，这是智能汽车的最终目标，人类可以安全地从驾驶中解脱出来 而不必关注车辆的状态。只需要告诉车辆目的地，智能汽车便可以自动安全地到达目的地。 1.4 智能汽车的关键技术 对于智能汽车而言，其关键技术包括以下几部分：传感器部分、计算系统、车辆硬件平台以及云端平台。传感器部分是智能汽车的感知基础，系统通 过传感器采集车辆和环境的数据，实现车辆的感知；计算系统包括计算机硬件部分和软件部分，通过对传感器数据进行处理，结合V2X车联网及云端数据 做出决策、规划和控制；云端平台包括对于数据的存储、模拟、高精地图的绘制与更新以及深度学习模型训练，它能为

29、行驶中的智能汽车提供相关的数 据，帮助其做出更好的规划与控制，同时也能够更新高精地图并训练更加有效的识别、跟踪和决策模型20。自动驾驶系统构架图如图1-6所示。 智能汽车的关键技术包括传感器、环境感知、车辆定位、路径规划、车辆控制系统、高精地图等各方面的技术，技术细节将在后续内容中进行详细介 绍。 图1-6 自动驾驶系统构架图 1.5 智能汽车的技术路线 现如今涉足智能汽车领域的不仅有传统和新兴的车企，还有相关的零部件供应商以及跨界的科技公司。目前智能汽车技术正处于发展探索阶段，在技 术路线上存在多种可能，并没有一条大家都比较认同的路线。由于各个企业的经验、资金和技术水平等不同，所以各个企业都

30、有自己倾向的技术路线。 传统的车企倾向于通过技术的不断累积、测试数据的不断增加、场景的不断丰富，逐步从先进驾驶辅助系统过渡到半自动驾驶，最终实现完全自动驾 驶。而某些跨界的科技公司则借助其在数据采集处理、算法、硬件平台、人工智能等方面的优势，直接跨越到高等级自动驾驶的阶段21。例如现如今各 大传统车企借助其在整车方面的优势，都积极推出配备有相应的驾驶辅助系统、部分自动化驾驶系统的车型。而打算直接跨越到自动驾驶的科技公司则直 接开发4/5级别的自动驾驶车辆，其直接目的就是要实现自动驾驶车辆的量产上市。 智能汽车在技术路线上主要有两种方案：一种是以视觉为主导的方案（比如特斯拉），通过摄像头进行环境

31、的感知，可以用于对物体的识别和追踪以 及车辆的定位。该路线使用的摄像头价格低廉，安装方便，比较适用于自动驾驶车辆的量产。它的缺点就在于算法的复杂程度较高，容易受到极端天气的 影响，在光线比较弱的情况下效果比较差。 另一种是以激光雷达（Light Detection and Ranging，LiDAR）为主导（比如谷歌）的方案，通过激光雷达进行障碍物的检测，借助激光雷达扫描的 点云和高精地图的匹配实现车辆的定位。这种方案可以解决摄像头受光线影响的缺点，而且激光雷达的检测范围广，准确度高，算法的复杂程度相对较 低。但是它也有缺点，激光的传播速度容易受到悬浮颗粒物的干扰，当空气中的悬浮颗粒物过大时，

32、其准确性会大大降低。另外其价格昂贵，阻碍了自身 的实际应用。不过对于坚持以激光雷达为主导的谷歌来说，它通过自主开发激光雷达，将成本降低了90%，从7万多美元下降至7500美元。若是智能汽车 量产上市，该激光雷达的价格还会降低。 由于各大企业在各部分关键技术的优势不同，因此各企业之间的合作交流必不可少，通过借助其他企业的某些优势技术进行技术整合，可以集中精力 攻克另一些技术难关，从而促进智能汽车技术的进一步发展。如美国优步（Uber）公司与戴姆勒公司达成协议，双方将合作探索智能汽车在共享出行方面 的应用；福特公司对人工智能初创企业Argo AI投资10亿美元，并在交易完成后获得后者的控股权。Ar

33、go AI将专门为福特公司的自动驾驶开发软件，福特 公司表示开发的软件还可能授权给其他公司22；宝马、Mobileye以及英特尔宣布三方合作，共同开发自动驾驶车辆23；各企业纷纷加入百度的阿波 罗战略计划，开展智能汽车方面的合作。各企业之间的合作越密集，就越有利于智能汽车技术的进步，以及各方资源的进一步整合。 1.6 智能汽车时代的来临 如今，以科研为主的智能汽车技术的第一幕基本已经结束，在这一幕中智能汽车技术主要以研发为主，并不考虑成本，只要能实现自动驾驶的功能即 可。在已经进入以市场为主导的第二幕竞争中，人们需要将第一幕的科研成果转换为市场产品并推广。这不仅涉及技术的发展，还有政府的支持、

34、相关法 规的完善、基础道路设施的建设、智能交通等相关部门的支撑。另外，如何处理自动驾驶车辆与有人驾驶车辆的共存，如何判定自动驾驶车辆的交通事故 责任和道德，如何确保自动汽车的网络安全等问题都对智能汽车提出了极大的挑战。相信智能汽车的时代终将到来，只是这个过程肯定会是曲折艰辛的， 还需要社会各界、相关行业齐头并进、攻坚克难。 参考文献 1 陈慧岩.车辆信息技术M.北京:北京理工大学出版社，2013. 2 刘耕.无人驾驶汽车发展简史N.东莞日报，2015-11-23（B07）. 3 占强.从科幻到现实：无人驾驶城市挑战赛J.世界汽车，2007（12）:90-93. 4 Janai J，Gney F

35、，Behl A，et al.Computer Vision for Autonomous Vehicles:Problems，Datasets and State-of-the- ArtJ.arXiv，2017（05519）:1704. 5 陈燕申，陈思凯.美国政府联邦智能汽车政策解读与探讨J.综合运输，2017（01）:37-43. 6 武子晔.AI融入品牌DNA:奥迪A8引领未来豪华车型N.第一财经日报，2017-07-20（A08）. 7 中国光谷物联网技术创新联盟.286千米我国自主研制无人驾驶技术的新突破J.物联网技术，2011（06）:12-13. 8 任明杰.长安无人驾驶汽车将2

36、000公里路测N.中国证报，2016-04-12（A08）. 9 晨光.瞄准行业未来吉利发布“iNTEC”技术品牌J.驾驶园，2017（06）:52-53. 10 杨学聪.百度：构建自动驾驶“智慧出行”生态N.经济日报，2016-03-04（003）. 11 朱世耘.百度陆奇：Apollo让中国站在自动驾驶前沿N.国际商报，2017-07-07（C03）. 12 张伟.一图看懂未来15年无人驾驶发展路线J.中国公路，2017（02）:22. 13 毛家伟.智能交通系统（ITS）中的智能汽车技术J.交通世界，2017（10）:150-151. 14 杜鸣皓.“自动驾驶”的现实挑战:尚待过法律和安

37、全关J.中国品牌，2017（05）:80-85. 15 王劲.无人驾驶汽车，引领第四次工业革命J.汽车纵横，2016（06）:76-78. 16 雷丽娜.我国机动车保有量达2.9亿辆N.新华社，2017-01-10. 17 杨忠阳.当无人驾驶遇上智慧城市N.经济日报，2016-07-08（013）. 18 SAE International On-road Automated Vehicle Standards Committee.Taxonomy and Definitions for Terms Related to On-road Motor Vehicle Automated Driv

38、ing SystemS.SAE Information Report，2014. 19 来飞.关于汽车自动化驾驶系统发展的认识J.西南汽车信息，2016（11）:9. 20 刘少山.第一本无人驾驶技术书M.北京:电子工业出版社，2017. 21 王莹，王金旺.车联网与自动驾驶关键技术问题J.电子产品世界，2017（05）:20-22. 22 夏雪.10亿美元!福特将投资一家人工智能企业，布局自动驾驶!J.中国机电工业，2017（03）:70-71. 23 张涵.自动驾驶占领2017年CES，英伟达与奥迪、英特尔与宝马等纷纷联手研发N.21世纪经济报道，2017-01-09（013）. 第2章

39、智能汽车的系统构架与主要构成 智能汽车是集计算机技术、感测技术、通信技术、人工智能以及决策控制等多项技术于一体的智能运动平台，是一个复杂的非线性系统。理清智能汽 车系统框架，以及框架内各组成部分间的交互关系，对于理解智能汽车具有重要意义。 2.1 智能汽车的系统构架 从本质上来讲，智能汽车是轮式移动机器人的一种。因此，现阶段移动机器人领域的经典体系构架，也同样被广泛应用于智能汽车，其主要包括分层 递阶式系统构架、反应式系统构架，以及混合式系统构架1。 2.1.1 分层递阶式系统构架 分层递阶控制理论是组织和分析复杂系统时常用的一种技术手段，以分层递阶控制理论为基础的分层递阶控制系统结构，一般包

40、含三个不同的层级， 即组织级、协调级和执行级2，如图2-1所示。其中，组织级是最高的智能级别，主要负责各种信息的融合处理和控制决策，并向下对协调级下达命 令；协调级是组织级和执行级之间的接口，负责将组织级的命令分配为执行级的各项子任务，同时反馈任务执行情况；执行级由若干个执行器组成，需要 完成相应的控制动作，保证各执行器能准确执行下达的相关命令。 图2-1 分层递阶控制系统结构 依据图2-1中的控制系统结构，可以从感知、规划以及控制等三个不同层级，建立起智能汽车的分层递阶式系统构架，典型的分层递阶式系统构架如图 2-2所示3。这种感知规划行动（Sense-Planning-Action，SPA

41、）式系统构架，已被成功地应用于多家科研机构研发的无人驾驶汽车中，如斯坦福 大学在2007年Urban Challenge挑战赛中所使用的无人驾驶汽车。 图2-2 典型的分层递阶式系统构架 分层递阶式系统构架具有一系列优点，如它将系统模块化，使得其设计过程更加容易实现；模块可单独调试等。但同时它也存在一系列缺点，如传感 器数据只有经过建模决策才能得到输出，所以该系统存在延时问题。另外，该层级式串联结构也对系统可靠性提出了很高的要求，一旦某层级出现问题就 会导致整个系统的崩溃。常用的分层递阶式系统构架，如图2-3所示。 2.1.2 反应式系统构架 1986年，布鲁克斯（Brooks）以移动机器人为

42、基础，提出了依据行为来构造层级和模块的思想。他指出对于面向移动机器人的复杂系统，分布式无中 心架构可以极大地提高系统的实时性和效率。在此基础上，他提出了基于“感知（Sense）-行动（Action）”并行映射结构的反应式系统构架，如图2-4 所示4，5。它针对各个局部目标设计各种基本行为，形成各种不同层次的能力1。 图2-3 常用的分层递阶式系统构架 图2-4 基于行为的反应式系统构架 在基于行为的智能汽车反应式系统构架中，各“感知-行动”式任务模块，根据环境数据直接进行决策，并通过内部通信机制和协调机制作用于执行结 构。系统具有简单快速、灵活和高可靠性的优点，如大名鼎鼎的ROS系统就采用了这

43、种构架。但该结构强调模块间的独立、平行工作，缺乏全局性的指导 和协调，虽然在局部行动上可显示出灵活的反应能力和鲁棒性，但对于长远的全局性目标跟踪显得缺少主动性，目的性较差6，7。 2.1.3 混合式系统构架 在分层递阶式系统构架中，依赖较多的是经过高级决策规划后的有意识行为，而在反应式系统构架中，得到的是环境作用下的反射行为，综合利用两 者的优点，就可以得到混合式系统构架。在混合式系统构架中，较低层次采用了基于行为的反应式系统构架，较高层次采用了分层递阶式系统构架，从而 实现对已有信息的有效利用，完成单一结构无法实现的复杂任务8，典型的混合式系统构架如图2-5所示。 图2-5 典型的混合式系统

44、构架 在该混合式系统构架中，框架主体采用的是分层递阶式系统构架，包括环境感知、全局路径规划、局部路径规划和底盘控制四部分。而在局部路径规 划模块中，考虑到该模块对系统有极高的实时性要求，为了适应复杂多变的环境，在该模块中采用了反应式系统构架，将行为决策分为七种典型的行为， 采用竞争机制来完成动作的决策9。混合式系统构架有被成功用在美国DMEO项目上的4D/RCS（Real-time Control System）体系构架10。 2.2 智能汽车的硬件系统构架 智能汽车的硬件系统包括传感系统、计算系统和控制系统，其一般结构如图2-6所示11。其中，传感系统是智能汽车环境感知系统的硬件基础，其 性

45、能的好坏将直接影响智能汽车环境感知模块的准确性和实时性。计算系统是智能汽车数据处理的硬件中枢和大脑，负责及时高效地处理传感系统输入的 外部环境数据。控制系统是智能汽车的执行基础，其执行决策指令的准确性和可靠性，决定了智能汽车的性能。 目前，硬件计算系统有基于CPU、GPU、TPU、FPGA以及ASIC等多种处理器的解决方案12，它们在处理不同任务时具有不同的性能和优势，因此 计算机硬件系统正向多种处理器并存的异构方向发展。另外对于控制系统，为了缩短开发周期，智能汽车控制执行机构大多数是在不改变现有汽车执行机 构的基础上，对传统汽车控制系统的硬件进行的设计和改造。 图2-6 智能汽车一般硬件结构

46、示意图 2.2.1 智能汽车计算平台 如今人工智能在智能汽车技术上的发展和应用越来越深入。但人工智能算法需要大量的并行运算，传统的串行处理器CPU已经不能满足计算的需求。 因此专业人士提出了一些基于其他结构的计算处理平台，来满足自动驾驶系统的计算需要和实时性，并在应用中将CPU作为主处理器，其他异构部分作为 协作处理器，来实现任务的加速处理。如奥迪A8的控制器zFAS中就包括了四块高性能的处理器，即Mobileye的EyeQ3、英伟达（NVIDIA）的Tegra K1、阿尔特拉（Altera）的Cyclone 5和英飞凌（Infineon）的Aurix等。 1.基于GPU的计算平台 GPU是图

47、像处理器的简称，专门用于图像的运算工作。具有代表性的GPU主要以英伟达的产品为主，其依靠本身在GPU方面的强劲实力，推出了一个 基于GPU的智能汽车计算平台，即NVIDIA DRIVE PX平台，包括DRIVE PX、DRIVE PX2以及在2017年10月推出的DRIVE PX Pegasus等产品，如图2-7 所示。 图2-7 DRIVE PX系列产品 由于在浮点运算、并行计算等部分计算方面，GPU可以提供相当于CPU的数十倍乃至上百倍的性能。如今GPU通用技术的发展在智能汽车领域已经得 到广泛应用，比如用GPU的芯片来进行深度学习模型的训练，用于智能汽车环境感知的处理等。 2.基于FPG

48、A的计算平台 FPGA即现场可编程门阵列，是集成电路的一种产物，具有低功耗、高性能的特点。由于FPGA是以门电路的形式运行的，所以编程中的语言在执行时 直接被翻译成为电路，相比于CPU极大地提高了运行速度。同时FPGA在阿尔特拉的帮助下，增加了对OpenCL开发环境的支持，降低了硬件编程的门槛。 如今随着深度学习和神经网络等算法在FPGA上的进一步优化，FPGA平台的计算能力得到进一步提高。目前，阿尔特拉所推出的基于FPGA的Cylone 5SoC的计算平台已经成功用于奥迪A8的zFAS自动驾驶控制器中，用来负责奥迪智能汽车的核心功能，包括障碍物检测、地图融合及各种传感器的预处理 等工作。可见

49、，“CPU+FPGA”这样的并行异构计算平台在未来具有较好的发展前景。 3.其他智能汽车计算平台 当然，除了上面两种主要的计算平台之外，还有一些其他的解决方法，比如ASIC、TPU、类脑芯片、概率芯片等。这些计算平台主要都能够进行大量 的并行运算，来满足智能汽车系统的运行需求。 （1）ASIC即集成电路。ASIC是一种特定的芯片，目前已经在智能汽车领域得到广泛的应用。芯片内部的电路和算法固化，具有前期开发周期长、投 入高，但体积小、功耗低、计算效率高等特点，如Mobileye与意法半导体联合研发的EyeQ系列芯片。其中，EyeQ3芯片已被用于奥迪A8的zFAS当中。公 司还计划在2018年推出更高性能的EyeQ5芯片，该芯片最多可以支持20个外部传感器（包括摄像头、雷达和激光雷达），而EyeQ4最多只能支持8个传感 器数据的处理。 （2）TPU即张量处理单