智能網(wǎng)聯(lián)汽車技術 課件 項目六 高級駕駛輔助技術

項目六高級駕駛輔助技術01任務1高級駕駛輔助系統(tǒng)(ADAS)簡介02任務引入任務引入安全一直是汽車界最關心的問題。汽車行業(yè)制定了與車輛安全相關的世界范圍測試協(xié)議，其在減少交通死亡人數(shù)方面取得了巨大成功。在過去的幾十年里，每行駛1億英里的死亡率急劇下降，從1975年的3.35下降到近年的1.13，其中大部分得益于“被動安全”功能，即僅在發(fā)生事故時激活并減少對駕駛員和乘客的傷害的功能。其中包括安全帶和安全氣囊，以及結(jié)構(gòu)改進，例如吸收碰撞能量的皺縮區(qū)。然而被動安全帶來的受益已經(jīng)開始趨于平穩(wěn)。此外，分心駕駛已成為一個日益嚴重的問題，部分原因是智能手機。為了延續(xù)提高安全性的趨勢并實現(xiàn)行業(yè)零車輛相關事故和死亡人數(shù)的目標，車輛必須幫助駕駛員停止撞到東西。這就是主動安全的用武之地。在汽車行業(yè)，主動安全主要是指車輛中的高級駕駛輔助系統(tǒng)(ADAS)。那么，什么是ADAS呢？03任務目標能夠熟悉高級駕駛輔助系統(tǒng)的概念3能夠熟悉常見的高級駕駛輔助系統(tǒng)4能夠理解高級駕駛輔助系統(tǒng)的特點2能夠熟悉高級駕駛輔助系統(tǒng)的應用范圍1能夠熟悉高級駕駛輔助系統(tǒng)的概念ADAS的定義ADAS（AdvancedDrivingAssistantSystem）又稱高級駕駛輔助系統(tǒng)，是利用安裝在車上的各式各樣傳感器（毫米波雷達、激光雷達、單\雙目攝像頭以及衛(wèi)星導航），在汽車行駛過程中隨時來感應周圍的環(huán)境，收集數(shù)據(jù)，進行靜態(tài)、動態(tài)物體的辨識、偵測與追蹤，并結(jié)合導航儀地圖數(shù)據(jù)，進行系統(tǒng)的運算與分析，從而預先讓駕駛者察覺到可能發(fā)生的危險，有效增加汽車駕駛的舒適性和安全性，ADAS的技術路線如下：ADAS的定義圖6-1-1ADAS的技術路線ADAS是實現(xiàn)自動駕駛的前提。早期的ADAS技術主要以被動式報警為主，當車輛檢測到潛在危險時，會發(fā)出警報提醒駕車者注意異常的車輛或道路情況。對于最新的ADAS技術來說，主動式干預也很常見，美國SAE把ADAS分為6級，分級如下表：表6-1-1ADAS的分級ADAS的定義ADAS的作用：根據(jù)公安部統(tǒng)計數(shù)據(jù)，近84%的交通事故歸因于駕駛員的駕駛失誤，人已成為交通安全中最大的不確定性因素。智能駕駛系統(tǒng)作為人類駕駛的輔助與替代，利用算法實現(xiàn)人類經(jīng)驗難以比擬的判斷速度與精度，能夠有效減少駕駛失誤，降低交通事故率。ADAS的控制原理如下圖所示。圖6-1-2ADAS控制示意圖ADAS的定義智能駕駛產(chǎn)業(yè)化發(fā)展迅速，當前仍處于1-2級智能駕駛階段，3級綜合輔助智能駕駛已有充分的技術儲備，如豐田的公路自動駕駛輔助AHAC、特斯拉的Autopilot等。各家主流廠商計劃在2025年左右實現(xiàn)無人駕駛商業(yè)化高級輔助駕駛的類型目前，高級駕駛輔助系統(tǒng)功能主要有預警系統(tǒng)與控制系統(tǒng)，如下表所示。表6-1-2高級輔助駕駛的功能05前方碰撞預警系統(tǒng)（FCW）前方碰撞預警系統(tǒng)（FCW）FCW(ForwardCollisionwarning)前方碰撞預警系統(tǒng)通過計算前方車輛的距離并考慮到車輛的相對速度，系統(tǒng)確定可能發(fā)生碰撞的時間，并向駕駛員提供警告信號，如下圖所示。圖6-1-3FCW前方碰撞預警系統(tǒng)FCW系統(tǒng)的如上功能可以通過三大模塊加以實現(xiàn)：信息感知、決策算法、預警信息發(fā)布，信息感知包括車輛信息、道路信息，如下圖所示。前方碰撞預警系統(tǒng)（FCW）圖6-1-4前方碰撞預警系統(tǒng)控制邏輯前方車輛識別，車輛識別是前提，可以采用的傳感器有單目視覺、立體視覺、毫米波雷達以及多傳感器融合。目前，基于單目視覺灰度圖像進行車輛識別的研究最為廣泛。前方碰撞預警系統(tǒng)（FCW）前方車距檢測，車距測量是FCW系統(tǒng)的重要組成部分，超聲波、毫米波、激光雷達、視覺攝像頭都可以實現(xiàn)。超聲波測距原理簡單、成本最低，但其測距精準性受室外溫度影響大，衰減快，因此目前只適合短距離測距，主要用在倒車雷達上。實際應用中，常用的是毫米波雷達和視覺方案。視覺方案通過獲取圖像，根據(jù)圖像在視野里面的變化的快慢，可預測出車輛發(fā)生碰撞的時間。更多的是用雷達的手段先做距離的檢測，然后再來算出碰撞的時間。06駕駛員監(jiān)控系統(tǒng)（DM）駕駛員監(jiān)控系統(tǒng)（DM）DM(drivermonitoring)駕駛員監(jiān)控系統(tǒng)是一個不斷監(jiān)測用戶的駕駛風格，以發(fā)現(xiàn)嗜睡和疲勞的跡象。他可以通過監(jiān)視駕駛員面對面部表情的方式來完成，也可以通過監(jiān)視某些駕駛風格（例如：轉(zhuǎn)向）來檢測可能的睡意。目前，從整體架構(gòu)來講分為直接檢測和間接檢測兩類，如下圖所示。駕駛員監(jiān)控系統(tǒng)（DM）圖6-1-5DM駕駛員監(jiān)控系統(tǒng)豐田的DM方案是由豐田旗下的Denso提供的，主要應用在雷克薩斯以及豐田商用車上。該方案采用一臺NIR的紅外傳感器與一體化ECU組成，裝配在駕駛員位置。通過攝像頭對駕駛員面部狀態(tài)以及眼睛的開合頻率進行數(shù)據(jù)采集，從而判斷車輛的行駛狀態(tài)。此方案具有相當高的識別率，但是裝配成本相對較高。駕駛員監(jiān)控系統(tǒng)（DM）德系車型的DM方案都是基于方向盤轉(zhuǎn)向角速度的單向變化率來進行判斷的。同時通過車內(nèi)硬件配置的使用情況將車速、行程、發(fā)動機狀態(tài)、轉(zhuǎn)向角、橫向加速度、偏轉(zhuǎn)率、車門的情況、安全帶的情況、時間信號等操作進行綜合運算之后，得到一個駕駛員的情況。但是由于系統(tǒng)僅對汽車內(nèi)部情況進行分析，缺少其他維度的支持，得到的數(shù)據(jù)存在一定的偏差。07后方橫向交通告警系統(tǒng)（RCTA）后方橫向交通告警系統(tǒng)（RCTA）RCTA(rearcrosstrafficalert)后方橫向交通告警系統(tǒng)，它是BSM的一個拓展功能，通常與BSM共享相同的雷達傳感器，倒車時當有任何接近的車輛時警示司機。有些系統(tǒng)提供聲音報警或者包括閃爍后視鏡里面的BSM圖標，如下圖所示：圖6-1-6后方橫向交通告警系統(tǒng)（RCTA）08車道偏移報警系統(tǒng)（LDW）車道偏移報警系統(tǒng)（LDW）LDW(lanedeparturewarning)車道偏移報警系統(tǒng)是一個橫向的監(jiān)控系統(tǒng)，監(jiān)控車輛在當前車道的位置和提醒司機意外的車道漂移。該系統(tǒng)使用一個位于擋風玻璃內(nèi)部后視鏡后面的攝像機來監(jiān)視前方道路的車道標志。當系統(tǒng)檢測到偏離車道時，可以向駕駛員發(fā)出聲音或觸覺反饋，或者通過其他系統(tǒng)主動引導車輛返回車道。車道偏移報警系統(tǒng)（LDW）圖6-1-7車道偏移報警系統(tǒng)（LDW）按照傳感器的安裝方式又可分為俯視系統(tǒng)和前視系統(tǒng)。前視系統(tǒng)可以利用更多的道路信息，在沒有道路標識的道路上也可以使用，目前應用較為廣泛。09交通標志識別系統(tǒng)（TSR）交通標志識別系統(tǒng)（TSR）TSR(trafficsignrecognition)交通標志識別系統(tǒng)是一個前方的監(jiān)控系統(tǒng)，通常使用與車道偏離預警系統(tǒng)相同的相機來監(jiān)控前方道路交通標志。TSR系統(tǒng)的一個主要特征是提醒司機當前限速圖6-1-8交通標志識別系統(tǒng)（TSR）交通標志識別系統(tǒng)（TSR）交通標志通常處于室外復雜的環(huán)境條件，識別的過程中容易受環(huán)境光照、方向旋轉(zhuǎn)的影響?，F(xiàn)有交通標識識別的檢測算法最常用的方法包括顏色分割、形狀檢測以及利用局部特征信息設計分類器等方法。在顏色分割方面，常用的顏色空間包括：RGB空間、HSI空間、HSV空間、LAB空間、YCbCr空間、LUV空間等。在形狀檢測方面，常用的方法包括：Hough變換檢測特定形狀、基于圖像梯度方向信息的幾何模型等。10盲區(qū)檢測系統(tǒng)（BSM）盲區(qū)檢測系統(tǒng)（BSM）BSM(blindspotmonitoring)盲區(qū)檢測系統(tǒng)是一個側(cè)面和后方監(jiān)控系統(tǒng)，當司機打算改變車道、超車或超車時，針對汽車駕駛?cè)说拿c（主要是指三面后視鏡，即左、右、內(nèi)視鏡看不到的區(qū)域，運用雷達和傳感器，來偵測車輛后方的盲點區(qū)，在盲點區(qū)偵測到車輛靠近時會向駕駛員提供警示，幫助駕駛?cè)藢⒁馔獾母怕式抵磷畹?。圖6-1-9盲區(qū)檢測系統(tǒng)（BSM）任務2高級駕駛輔助系統(tǒng)(ADAS)關鍵技術任務引入近兩年，國家出臺了許多鼓勵ADAS產(chǎn)品的行標和政策，對一些大型貨運車輛、特殊行業(yè)車輛進行了明確的要求，需加裝含有ADAS功能的產(chǎn)品才可上路運營，當然也對諸如此類的ADAS功能產(chǎn)品的各項指標進行了明確的要求。2021年中國發(fā)布的《道路交通安全法（修訂草案）》里明確規(guī)定營運客車須包含的ADAS功能主要有兩個，第一個是前碰預警（ForwardCollisionWarning，簡FCW），另一個是道路線偏移預警（LaneDepartureWarning）。該類ADAS產(chǎn)品功能是通過在車前窗適當高度位置加裝一個前視攝像頭進行環(huán)境感知分析計算實現(xiàn)的。那么，ADAS中攝像頭是如何完成環(huán)境感知的呢？任務目標11能夠熟悉高級駕駛輔助系統(tǒng)關鍵技術的概念能夠熟悉高級駕駛輔助系統(tǒng)關鍵技術的概念2能夠熟悉多傳感器融合控制過程3能夠理解多傳感器融合算法知識鏈接無人駕駛汽車主要包括數(shù)據(jù)采集、數(shù)據(jù)處理、路徑規(guī)劃、決策控制四部分，如下圖所示。圖6-2-1ADAS系統(tǒng)示意圖無人駕駛是高級駕駛輔助系統(tǒng)(ADAS)的發(fā)展終極目標，高級駕駛輔助系統(tǒng)(ADAS)的關鍵技術主要有：算法算法（Algorithm）是指解題方案的準確而完整的描述，是一系列解決問題的清晰指令，算法代表著用系統(tǒng)的方法描述解決問題的策略機制。也就是說，能夠?qū)σ欢ㄒ?guī)范的輸入，在有限時間內(nèi)獲得所要求的輸出。不同類型的傳感器,由于收集的信息類型差異比較大,所以對信息的處理和認知方式也有所不同，激光雷達、毫米波雷達等主動式傳感器對算法依賴程度較低，算法較為簡單。攝像頭等被動式傳感器對算法依賴程度較高，一般由第三方企業(yè)提供。在傳感器算法方面，視覺識別技術領域發(fā)展最為成熟，下面以視覺算法為例來做講解。視覺算法擁有識別行人，擁有辨別顏色、識別圖案等優(yōu)點，在ADAS技術路線中必不可少。視覺算法分為三個階段，依次對應智能駕駛的輔助駕駛、高度自動駕駛、完全自動駕駛。算法第一階段是簡單識別，包括車道線識別、車尾識別；第二階段是邊界識別，加入各角度、被遮擋行人檢測、被遮擋車輛檢測、自行車檢測等；第三階段是街景識別，能夠全部識別建筑物、街道、馬路邊緣。12行人檢測（PedestrianDetection）一直是計算機視覺研究中的熱點和難點。行人檢測要解決的問題是：找出圖像或視頻幀中所有的行人，包括位置和大小，一般用矩形框表示，和人臉檢測類似，這也是典型的目標檢測問題。3視覺處理系統(tǒng)巨頭Mobileye成立于1999年，2007產(chǎn)品進入前裝市場，截至2015年底全球超過1000萬輛車搭載Mobileye產(chǎn)品，市占率高達90%，目前EyeQ3系統(tǒng)可以通過單目攝像頭實現(xiàn)行人和前車防碰撞預警。算法圖6-2-2ADAS行人檢測示意圖在行人檢測中的難道主要有是人的外觀差異大、遮擋、背景復雜、檢測速度，具體如下圖所示。算法logo圖6-2-3行人檢測的難題行人檢測的算法按照實現(xiàn)原理，我們可以將算法可以分為基于運動檢測的算法和基于機器學習的算法兩大類，接下來分別進行介紹。12基于運動檢測的算法基于運動檢測的算法如果攝像機靜止不動，則可以利用背景建模算法提取出運動的前景目標，然后利用分類器對運動目標進行分類，判斷是否包含行人。常用的背景建模算法有高斯混合模型、ViBe算法、幀差分算法、樣本一致性建模算法、PBAS算法，具體如下圖所示。圖6-2-4背景建模算法的運動目標檢測13基于機器學習的方法基于機器學習的方法基于機器學習的方法HOG+SVM，它是2005年NavneetDalal提出的檢測算法。下圖為用HOG特征進行行人檢測的流程，輸入圖像、規(guī)范伽馬和顏色、計算梯度、空間和方向單元加權(quán)股票、對重疊空間塊進行對比歸一化、收集HOG的過度檢測窗口、線性支持向量機、人/非人判斷分類，如下圖所示。圖6-2-5HOG+SVM算法檢測的流程基于機器學習的方法得到候選區(qū)域的HOG特征后，需要利用分類器對該區(qū)域進行分類，確定是行人還是背景區(qū)域，在實現(xiàn)時，使用了線性支持向量機，這是因為采用非線性的支持向量機在預測時的計算量太大，與支持向量的個數(shù)成正比。采用經(jīng)典機器學習的算法雖然取得了不錯的成績，但依然存在下面的問題：①對于外觀，視角，姿態(tài)各異的行人檢測精度還是不高②提取的特征在特征空間中的分布不夠緊湊③分類器的性能受訓練樣本的影響較大④離線訓練時的負樣本無法涵蓋所有真實應用場景的情況14基于深度學習的算法基于深度學習的算法基于背景建模和機器學習的方法在特定條件下可能取得較好的行人檢測效率或精確度，但還不能滿足實際應用中的要求。自從2012年深度學習技術被應用到大規(guī)模圖像分類以來，研究人員發(fā)現(xiàn)基于深度學習學到的特征具有很強層次表達能力和很好的魯棒性，可以更好的解決一些視覺問題。因此，深度卷積神經(jīng)網(wǎng)絡被用于行人檢測問題是順理成章的事情?；谏疃葘W習的通用目標檢測框架，如Faster-RCNN、SSD、FPN、YOLO等，這些方法都可以直接應用到行人檢測的任務中，相比之前的SVM和AdaBoost分類器，精度有顯著的提升。多傳感器的融合多傳感器融合實際上是模仿人類通過五官獲得外界信息的這種由感知到認知的過程。傳感器數(shù)據(jù)融合是針對一個系統(tǒng)使用多個（種）傳感器這一特定問題而提出的信息處理方法，可發(fā)揮多個（種）傳感器的聯(lián)合優(yōu)勢，消除單一傳感器的局限性，把分布在不同位置的多個同類或不同類傳感器所提供的數(shù)據(jù)資源加以綜合，采用使計算機技術對其進行分析加以互補，實現(xiàn)最佳協(xié)同效果，獲得對被觀測對象的一致性解釋與描述，提高系統(tǒng)的容錯性，從而提高系統(tǒng)決策、規(guī)劃、反應的快速性和正確性，使系統(tǒng)獲得更充分的信息，多傳感器融合示意圖如下：多傳感器的融合圖6-2-6多傳感器融合示意圖多傳感器融合的優(yōu)勢：在自動駕駛汽車系統(tǒng)中使用多傳感器融合技術主要有提高系統(tǒng)感知的準確度、增強環(huán)境適應能力、有效減少成本。多傳感器的融合過程包括：獲得觀測數(shù)據(jù)、數(shù)據(jù)預處理、獲取描述信息、數(shù)據(jù)關聯(lián)、數(shù)據(jù)融合，如下圖所示：多傳感器的融合圖6-2-7多傳感器融合的過程多傳感器融合結(jié)構(gòu)：根據(jù)傳感器信息在不同信息層次上的融合，可以將多傳感器信息融合劃分為Low-level融合、High-level融合和混合融合結(jié)構(gòu)，如下圖所示：多傳感器的融合logo圖6-2-8多傳感器融合結(jié)構(gòu)Low-level融合體系結(jié)構(gòu)是一種較低信息層次上的融合，是集中式融合結(jié)構(gòu)。集中式驗合結(jié)構(gòu)將各傳感器獲得的原始數(shù)據(jù)直接送到數(shù)據(jù)融合中心，進行數(shù)據(jù)對準、數(shù)據(jù)關聯(lián)、預測等，在傳感器端不需要任何處理，可以實現(xiàn)實時融合，如下圖所示：多傳感器的融合圖6-2-9Low-level融合控制數(shù)據(jù)級融合是最低層次的融合，直接對傳感器的觀測數(shù)據(jù)進行融合處理，然后基于融合后的結(jié)果進行特征提取和判斷決策。多傳感器的融合圖6-2-10數(shù)據(jù)級融合根據(jù)融合內(nèi)容，數(shù)據(jù)級融合又可以分為圖像級融合、目標級融合和信號級融合。圖像級融合以視覺為主體，將雷達輸出的整體信息進行圖像特征轉(zhuǎn)化，與視覺系統(tǒng)的圖像輸出進行融合。目標級融合是對視覺和雷達的輸出進行綜合可信度加權(quán)，配合精度標定信息進行自適應的搜索匹配后融合輸出；信號級融合是對視覺和雷達傳感器ECU傳出的數(shù)據(jù)源進行融合，其數(shù)據(jù)損失小、可靠性高，但需要大量的計算。多傳感器的融合特征級融合指在提取所采集數(shù)據(jù)包含的特征向量之后融合。特征向量用來體現(xiàn)所監(jiān)測物理量的屬性，在面向檢測對象特征的融合中，這些特征信息是指采集圖像中的目標或特別區(qū)域，如邊緣、人物、建筑或車輛等信息。圖6-2-11特征級融合多傳感器的融合根據(jù)融合內(nèi)容，特征級融合又分為目標狀態(tài)信息融合和目標特性融合兩大類。其中，前者是先進行數(shù)據(jù)配準，以實現(xiàn)對狀態(tài)和參數(shù)相關估計，更加適用于目標追蹤，后者是借用傳統(tǒng)模式識別技術，在特征預處理的前提下進行分類組合。High-level融合體系結(jié)構(gòu)是一種較高語義層次上的融合，可以是分布式融合結(jié)構(gòu)或者集中式融合結(jié)構(gòu)。分布式融合結(jié)構(gòu)在各獨立節(jié)點都設置相應的處理單元，在對各個獨立傳感器所獲得的原始數(shù)據(jù)進行局部處理的基礎上，再將結(jié)果輸入到數(shù)據(jù)融合中心，進行智能優(yōu)化、組合、推理來獲得最終的結(jié)果?；旌鲜饺诤辖Y(jié)構(gòu)是由多種Low-Level和High-Level融合結(jié)構(gòu)組合而成，部分傳感器采用集中式融合方式，其余的傳感器采用分布式融合結(jié)構(gòu)，兼有二者的優(yōu)點，能夠根據(jù)不同需要靈活且合理地完成信息處理工作。但是，混合式融合方法的結(jié)構(gòu)復雜，對結(jié)構(gòu)設計要求高，加大了通信和計算上的代價。多傳感器的融合三種融合結(jié)構(gòu)的比較：基于精度、通信帶寬和可靠性等方面，將分布式、集中式、混合式結(jié)構(gòu)融合方法進行比較，如下圖所示。圖6-2-12三種融合的比較多傳感器融合算法融合算法是融合處理的基礎。它是將多元輸入數(shù)據(jù)根據(jù)信息融合的功能要求，在不同融合層次上采用不同的數(shù)學方法，對數(shù)據(jù)進行綜合處理，最終實現(xiàn)融合。目前已有大量的融合算法，它們都有各自的優(yōu)缺點。這些融合算法總體上法可以分為三大類型：嵌入約束法、證據(jù)組合法、人工神經(jīng)網(wǎng)絡法。15嵌入約束法嵌入約束法用數(shù)學語言描述就是，即使所有傳感器的全部信息，也只能描述環(huán)境的某些方面的特征，而具有這些特征的環(huán)境卻有很多，要使一組數(shù)據(jù)對應惟一的環(huán)境（即上述映射為一一映射），就必須對映射的原像和映射本身加約束條件，使問題能有惟一的解。嵌入約束法有兩種基本的方法：貝葉斯估計和卡爾曼濾波。貝葉斯估計法貝葉斯估計法是由ThomasBayes提出的，是一種基于先驗概率，并不斷結(jié)合新的數(shù)據(jù)信息得到新的概率。貝葉斯估計法常用于靜態(tài)環(huán)境下特征層的融合，公式為：卡爾曼濾波法卡爾曼濾波法是一種利用線性狀態(tài)方程，通過系統(tǒng)輸入輸出觀測數(shù)據(jù)，對系統(tǒng)狀態(tài)進行最優(yōu)估計的算法?？柭鼮V波法本質(zhì)就是最小均方誤差準則下的最優(yōu)線性計算，因此在這里首先介紹幾種最優(yōu)估計法。最優(yōu)估計是指某一指標函數(shù)達到最值時的估計。最小二乘估計是用于對隨機向量或常值向量的估計，其達到的最優(yōu)的指標是使量測估計的精度達到最佳。在估計過程中，可以不使用與估計量相關的動態(tài)信息和統(tǒng)計信息，所以估計精度不高，但較為簡單，對被估計量和量測誤差之間的關系不做要求。最小方差估計是使均方差最小的估計，是估計方法中精度最高的。但是最小方差估計只確定了估計值在量測空間上的條件均值這一抽象關系，而條件均值的求取較為困難，所以按照條件均值來進行最小方差估計較為困難。16證據(jù)組合法證據(jù)組合法證據(jù)組合法認為完成某項智能任務是依據(jù)有關環(huán)境某方面的信息做出幾種可能的決策，而多傳感器數(shù)據(jù)信息在一定程度上反映環(huán)境這方面的情況。證據(jù)組合法是為完成某一任務的需要而處理多種傳感器的數(shù)據(jù)信息。它先對單個傳感器數(shù)據(jù)信息每種可能決策的支持程度給出度量（即數(shù)據(jù)信息作為證據(jù)對決策的支持程度），再尋找一種證據(jù)組合方法或規(guī)則，使在已知兩個不同傳感器數(shù)據(jù)（即證據(jù)）對決策的分別支持程度時，通過反復運用組合規(guī)則，最終得出全體數(shù)據(jù)信息的聯(lián)合體對某決策總的支持程度，得到最大證據(jù)支持決策，即傳感器信息融合的結(jié)果。17人工神經(jīng)網(wǎng)絡法人工神經(jīng)網(wǎng)絡法人工神經(jīng)網(wǎng)絡通過模仿人腦的結(jié)構(gòu)和工作原理，設計和建立相應的機器和模型并完成一定的智能任務。神經(jīng)網(wǎng)絡根據(jù)當前系統(tǒng)所接收到的樣本的相似性，確定分類標準。這種確定方法主要表現(xiàn)在網(wǎng)絡權(quán)值分布上，同時可采用神經(jīng)網(wǎng)絡特定的學習算法來獲取知識，得到不確定性推理機制。采用神經(jīng)網(wǎng)絡法的多傳感器信息融合，主要分為選擇拓撲結(jié)構(gòu)、定義映射函數(shù)網(wǎng)絡結(jié)構(gòu)、確定權(quán)值轉(zhuǎn)換邏輯三個步驟。如下圖所示。人工神經(jīng)網(wǎng)絡法圖6-2-13人工神經(jīng)網(wǎng)絡法的主要步驟謝謝任務3高級駕駛輔助技術的主要應用01任務3高級駕駛輔助技術的主要應用02任務引入任務引入在當今搭載AEB汽車主動安全上市車型中，出現(xiàn)了較多“故障率”引發(fā)用戶較多的抱怨。該“故障率”是指當確實遇到碰撞風險時，需要系統(tǒng)觸發(fā)安全制動，而系統(tǒng)未能及時作出反應，也指當未出現(xiàn)碰撞風險時，不需要系統(tǒng)作出安全制動時，系統(tǒng)卻錯誤的作出制動剎車。那么，造成這種“故障率”的原因有哪些呢？03任務目標能夠熟悉高級駕駛輔助技術的應用范圍能夠熟悉高級駕駛輔助技術的應用范圍能夠熟悉ADAS系統(tǒng)的配置方案能夠理解高級駕駛輔助系統(tǒng)的特點知識鏈接常見ADAS技術：自適應巡航系統(tǒng)（ACC）碰撞避免系統(tǒng)（AEB或FCW）自動泊車系統(tǒng)車道保持輔助系統(tǒng)圖6-3-1常見ADAS技術05自適應巡航概念自適應巡航概念自適應巡航控制系統(tǒng)（AdaptiveCruiseControl，ACC）通過安裝在車輛前部的車距傳感器（一般為毫米波雷達），持續(xù)掃描車輛前方道路，從而得知前車的車速與相對距離，行駛中會自動偵測車速，當與前車的距離越來越小時，會對應調(diào)整自身車速，與前方車輛保持安全距離，在設定的速度范圍內(nèi)自動調(diào)整行駛速度，以適應前方車輛和/或道路條件等引起的駕駛環(huán)境變化。圖6-3-2自適應巡航控制狀態(tài)06自適應巡航功能自適應巡航功能（1）根據(jù)駕駛員設定的安全距離，能夠在直道、彎道以及上下坡時根據(jù)前車的運行狀況自動調(diào)整車速，并跟蹤前車行駛,以減輕駕駛者的疲勞。（2）通過系統(tǒng)軟件的升級，自適應巡航控制系統(tǒng)可以實現(xiàn)“停車/起步”功能，以應對在城市中行駛時頻繁的停車和起步情況。（3）與自動巡航（也稱定速巡航）的區(qū)別在于，自動巡航只具有按照駕駛員設定的車速進行等速行駛的功能，自適應巡航不僅具有該功能，還可以根據(jù)前車的運行狀況自動調(diào)整車速的功能。也就是說，自動巡航只是自適應巡航的一部分。常規(guī)巡航控制模式在車內(nèi)開關如下圖所示。自適應巡航功能圖6-3-3巡航開關車間距離控制模式如下圖所示。圖6-3-4行車間距離狀態(tài)07自適應巡航系統(tǒng)工作策略自適應巡航系統(tǒng)工作策略（1）Case1:前方?jīng)]有行駛車輛，按設定的車速勻速行駛。（2）Case2:前方有行駛車輛，前車速度大于本車速度，按設定的車速勻速行駛。（3）Case3:前車速度小于本車速度，進行主動減速，確保安全距離，當?shù)竭_目標值后，跟隨前車，同速行駛。（4）Case4:前車變更車道/本車變更車道且前方無車時進行加速，恢復設定的車速勻速行駛，若駕駛員干預，則自動退出ACC系統(tǒng)。如下圖所示。自適應巡航系統(tǒng)工作策略圖6-3-8巡航控制策略08自適應巡航功能的實現(xiàn)流程自適應巡航功能的實現(xiàn)流程自適應巡航功能的實現(xiàn)流程，如下圖所示。圖6-3-9巡航控制流程09AEB簡介AEB簡介自動制動輔助系統(tǒng)（AutonomousEmergencyBraking，AEB），又稱為自動緊急制動系統(tǒng)，主要由四個模塊構(gòu)成，包括測距模塊、數(shù)據(jù)分析模塊、控制模塊和制動模塊。自動制動輔助系統(tǒng)采用毫米波雷達測出與前車或者障礙物的距離，然后利用數(shù)據(jù)分析模塊將測出的距離與警報距離、安全距離進行比較，小于警報距離時就進行警報提示，而小于安全距離時如果駕駛?cè)藳]有來得及踩制動踏板，AEB系統(tǒng)會主動干預使汽車自動制動，從而防止追尾事故的發(fā)生。如下圖所示。10AEB系統(tǒng)構(gòu)成AEB系統(tǒng)構(gòu)成汽車AEB系統(tǒng)（自動緊急制動系統(tǒng)）是一種先進的駕駛輔助技術，旨在幫助減緩或避免碰撞。如下面圖所示，AEB系統(tǒng)主要由主動制動系統(tǒng)、ABS/ESC系統(tǒng)、電機控制器、車身控制模塊和EPS系統(tǒng)構(gòu)成。主動制動系統(tǒng)是AEB系統(tǒng)的核心組成部分之一。它包括傳感器和制動執(zhí)行器，用于監(jiān)測車輛前方的交通狀況，并在必要時主動執(zhí)行制動操作。主動制動系統(tǒng)涉及到雷達、攝像頭、激光雷達等傳感器來感知前方的障礙物，然后通過控制制動液壓系統(tǒng)來實現(xiàn)緊急制動。ABS（防抱死制動系統(tǒng)）和ESC（電子穩(wěn)定控制系統(tǒng)）是與AEB協(xié)同工作的系統(tǒng)。ABS系統(tǒng)通過防止車輪鎖死，保持車輛制動時的操控性，從而幫助AEB系統(tǒng)更有效地執(zhí)行緊急制動。ESC系統(tǒng)則在車輛失控時通過對車輛進行制動或加速來穩(wěn)定車輛。電機控制器是AEB系統(tǒng)中負責調(diào)整車輛動力系統(tǒng)的部分。當AEB系統(tǒng)判斷需要進行緊急制動時，電機控制器可能會調(diào)整發(fā)動機輸出功率，AEB系統(tǒng)構(gòu)成以幫助更有效地減緩車速。車身控制模塊監(jiān)測并控制車輛的動態(tài)行為，確保在執(zhí)行緊急制動時車輛保持平穩(wěn)，與ABS、ESC等系統(tǒng)協(xié)同工作，通過調(diào)整懸掛系統(tǒng)或其他參數(shù)來保持車輛的穩(wěn)定性。EPS（電動助力轉(zhuǎn)向系統(tǒng)）在緊急制動時可以通過調(diào)整轉(zhuǎn)向助力來幫助駕駛員更好地控制車輛，有助于避免潛在的失控情況，并提高緊急制動的效果。圖6-3-11AEB系統(tǒng)構(gòu)成11自動泊車的原理自動泊車的原理不同的自動泊車系統(tǒng)采用不同的方法來檢測汽車周圍的物體。有些在汽車前后保險杠四周裝上了感應器，它們既可以充當發(fā)送器，也可以充當接收器。這些感應器會發(fā)送信號，當信號碰到車身周邊的障礙物時會反射回來。然后車上的計算機會利用其接收信號所需的時間來確定障礙物的位置。其他一些系統(tǒng)則使用安裝在保險杠上的攝像頭或雷達來檢測障礙物。但最終結(jié)果都是一樣的：汽車會檢測到已停好的車輛、停車位的大小以及與路邊的距離，然后將車子駛?cè)胪＼囄?。自動泊車的原理圖6-3-12自動泊車系統(tǒng)原理12自動泊車兩種情況自動泊車兩種情況自動泊車兩種情況：平行泊車、垂直泊車，如下圖所示。圖6-3-13多類型自動泊車原理13自動泊車步驟自動泊車步驟現(xiàn)有的自動泊車汽車并不是全自動的，但這種車的確使順列式駐車更加容易。駕駛員仍然必須踩著制動踏板控制車速（汽車的怠速足以將車駛?cè)胪＼囄?，無需踩加速踏板）。然后車上的計算機系統(tǒng)將接管方向盤。（1）汽車移動到前車旁邊時，系統(tǒng)會給駕駛員一個信號，告訴他應該停車的時間。（2）駕駛員換倒擋，稍稍松開剎車，開始倒車。計算機通過動力轉(zhuǎn)向系統(tǒng)轉(zhuǎn)動車輪，將汽車完全倒入停車位。（3）當汽車向后倒得足夠遠時，系統(tǒng)會給駕駛員另一個信號，告訴他應該停車并換為前進擋。汽車向前移動，將車輪調(diào)整到位。（4）最后系統(tǒng)再給駕駛員一個信號，告訴他車子已停好。14幾種自動泊車系統(tǒng)介紹Tiguan途觀PLA自動泊車系統(tǒng)介紹圖6-3-14自動泊車系統(tǒng)裝置①PLA系統(tǒng)傳感器探測范圍介紹。后保險桿上有4個PDC傳感器。中間2個探測范圍是160厘米。兩邊2個探測范圍是60厘米。前保險桿上有4個PDC傳感器和2個PLA傳感器。前面4個是PDC傳感器，中間2個探測范圍120厘米。外側(cè)2個PLA傳感器，探測范圍60厘米。前后PDC的連續(xù)報警區(qū)都是30厘米。Tiguan途觀PLA自動泊車系統(tǒng)介紹圖6-3-15PLA系統(tǒng)傳感器范圍②PLA系統(tǒng)技術參數(shù)如下表所示。表6-3-1PLA技術參數(shù)③PLA系統(tǒng)操作說明如下圖所示。Tiguan途觀PLA自動泊車系統(tǒng)介紹圖6-3-16（1）PLA系統(tǒng)操作備注：系統(tǒng)默認靠右邊停車，駕駛員如果打左轉(zhuǎn)向燈，車輛將自動尋找左側(cè)的停車位。Tiguan途觀PLA自動泊車系統(tǒng)介紹圖6-3-16（2）PLA系統(tǒng)操作備注：停車位長度超過車輛長度1.4m時，無需4、5兩歩，可一次自動倒入車位。Tiguan途觀PLA自動泊車系統(tǒng)介紹④PLA系統(tǒng)注意事項：車輛發(fā)動后，首次前進車速要求≥10km/h,之后按下再PLA開關，才能激活PLA系統(tǒng)。ESP處于打開狀態(tài)，而且無故障報警。關閉EPB和AUTOHOLD功能。前進車速≤30km/h，系統(tǒng)才開始尋找停車位。車速超過45km/h，系統(tǒng)自動關閉。如果在車速大于30km/h，而且小于40km/h，按下PLA開關，則只有當車速小于