《智能網(wǎng)聯(lián)汽車(chē)技術(shù)（第2版）》項(xiàng)目5

智能網(wǎng)聯(lián)汽車(chē)技術(shù)（第2版）主講教師：環(huán)境感知與決策規(guī)劃技術(shù)項(xiàng)目5

自動(dòng)駕駛技術(shù)是集環(huán)境感知、路徑規(guī)劃、行為決策等功能于一體的綜合技術(shù)。其中，環(huán)境感知是先進(jìn)駕駛輔助系統(tǒng)的關(guān)鍵環(huán)節(jié),是路徑規(guī)劃和行為決策的基礎(chǔ)；路徑規(guī)劃和行為決策是智能網(wǎng)聯(lián)汽車(chē)在交通環(huán)境中實(shí)現(xiàn)合法且合理行駛的關(guān)鍵。本項(xiàng)目主要介紹環(huán)境感知技術(shù)、基于環(huán)境感知的目標(biāo)識(shí)別技術(shù)、路徑規(guī)劃技術(shù)、行為決策技術(shù)等相關(guān)知識(shí)。項(xiàng)目導(dǎo)讀達(dá)成目標(biāo)技能目標(biāo)素質(zhì)目標(biāo)知識(shí)目標(biāo)1．掌握環(huán)境感知系統(tǒng)的組成和目標(biāo)識(shí)別方法。2．掌握環(huán)境模型的建立方法和路徑規(guī)劃的算法。3．了解行為決策的方法。1．能構(gòu)建環(huán)境感知技術(shù)、路徑規(guī)劃技術(shù)和行為決策技術(shù)的知識(shí)體系。2．能正確理解道路車(chē)道線(xiàn)的識(shí)別過(guò)程和自動(dòng)泊車(chē)的路徑規(guī)劃流程。1．養(yǎng)成嚴(yán)謹(jǐn)務(wù)實(shí)、認(rèn)真負(fù)責(zé)的職業(yè)素養(yǎng)。2．弘揚(yáng)科學(xué)嚴(yán)謹(jǐn)、精益求精的工匠精神。項(xiàng)目導(dǎo)航認(rèn)識(shí)環(huán)境感知系統(tǒng)認(rèn)識(shí)路徑規(guī)劃與行為決策技術(shù)任務(wù)5.2任務(wù)5.1

認(rèn)識(shí)環(huán)境感知系統(tǒng)任務(wù)5.1任務(wù)引入先進(jìn)駕駛輔助系統(tǒng)需要在長(zhǎng)期的駕駛實(shí)踐中，對(duì)“環(huán)境感知-決策規(guī)劃-控制執(zhí)行”過(guò)程進(jìn)行理解、學(xué)習(xí)和記憶。環(huán)境感知作為其第一環(huán)節(jié)，是智能網(wǎng)聯(lián)汽車(chē)與外界環(huán)境信息交互的關(guān)鍵，是提高自動(dòng)駕駛安全性的重要保障，因此必須使車(chē)輛能夠精確地模擬駕駛員的感知能力，從而理解自身和周邊的駕駛態(tài)勢(shì)。任務(wù)引入本任務(wù)要求學(xué)生了解環(huán)境感知系統(tǒng)的組成、環(huán)境感知的對(duì)象、環(huán)境感知傳感器等知識(shí)，掌握基于環(huán)境感知的目標(biāo)識(shí)別技術(shù)，包括道路識(shí)別、車(chē)輛識(shí)別、行人識(shí)別、交通標(biāo)志識(shí)別、交通信號(hào)燈識(shí)別等，知識(shí)與技能要求如下表所示。任務(wù)內(nèi)容認(rèn)識(shí)環(huán)境感知系統(tǒng)學(xué)習(xí)程度識(shí)記理解應(yīng)用學(xué)習(xí)任務(wù)環(huán)境感知系統(tǒng)的組成●

環(huán)境感知的對(duì)象●環(huán)境感知傳感器●目標(biāo)識(shí)別技術(shù)●實(shí)訓(xùn)任務(wù)認(rèn)識(shí)環(huán)境感知系統(tǒng)●自我勉勵(lì)任務(wù)工單——認(rèn)識(shí)環(huán)境感知系統(tǒng)任務(wù)描述收集環(huán)境感知技術(shù)的相關(guān)資料，對(duì)資料內(nèi)容進(jìn)行學(xué)習(xí)與討論，認(rèn)識(shí)環(huán)境感知系統(tǒng)的組成，掌握基于環(huán)境感知的目標(biāo)識(shí)別技術(shù)。學(xué)生領(lǐng)取任務(wù)工單，并進(jìn)行分組（詳見(jiàn)教材）相關(guān)知識(shí)環(huán)境感知技術(shù)環(huán)境感知技術(shù)概念：通過(guò)安裝在智能網(wǎng)聯(lián)汽車(chē)上的傳感器或車(chē)載自組織網(wǎng)絡(luò)，對(duì)道路、車(chē)輛、行人、交通標(biāo)志、交通信號(hào)燈等目標(biāo)進(jìn)行檢測(cè)和識(shí)別的技術(shù)，如圖所示。應(yīng)用：先進(jìn)駕駛輔助系統(tǒng)中，以保障智能網(wǎng)聯(lián)汽車(chē)安全、準(zhǔn)確地到達(dá)目的地。相關(guān)知識(shí)5.1.1環(huán)境感知系統(tǒng)的組成掃一掃觀(guān)看“環(huán)境感知系統(tǒng)”信息采集單元信息傳輸單元信息處理單元

相關(guān)知識(shí)5.1.1環(huán)境感知系統(tǒng)的組成01信息采集單元信息采集單元主要包括慣性元件、超聲波傳感器、激光雷達(dá)、毫米波雷達(dá)、視覺(jué)傳感器、車(chē)載自組織網(wǎng)絡(luò)、高精度定位系統(tǒng)等。信息采集單元獲取周?chē)h(huán)境和車(chē)輛信息的實(shí)時(shí)性和穩(wěn)定性，直接關(guān)系到后續(xù)信息處理的準(zhǔn)確性和執(zhí)行的有效性。相關(guān)知識(shí)5.1.1環(huán)境感知系統(tǒng)的組成02信息處理單元信息處理單元主要用于處理信息采集單元輸送來(lái)的信號(hào)，并通過(guò)一定的算法對(duì)道路、車(chē)輛、行人、交通標(biāo)志、交通信號(hào)燈等進(jìn)行識(shí)別。信息處理單元加工后的信息可以被智能決策系統(tǒng)直接使用，作為決策依據(jù)。03信息傳輸單元信息傳輸單元主要是將信息處理單元加工后的信息實(shí)時(shí)傳輸給智能決策系統(tǒng)。相關(guān)知識(shí)5.1.2環(huán)境感知的對(duì)象駕駛狀態(tài)駕駛環(huán)境道路周邊物體感知對(duì)象相關(guān)知識(shí)5.1.2環(huán)境感知的對(duì)象1．道路結(jié)構(gòu)化道路具有明顯的車(chē)道線(xiàn)或邊界，幾何特征明顯，車(chē)道寬度基本上保持不變，如城市道路、高速公路等非結(jié)構(gòu)化道路一般是指城市非主干道、鄉(xiāng)村街道等道路，這類(lèi)道路一般沒(méi)有車(chē)道線(xiàn)和清晰的道路邊界結(jié)構(gòu)化道路非結(jié)構(gòu)化道路2．周邊物體周邊物體主要包括車(chē)輛、行人、交通標(biāo)志、交通信號(hào)燈，以及地面上可能影響車(chē)輛通過(guò)和安全行駛的其他物體。相關(guān)知識(shí)5.1.2環(huán)境感知的對(duì)象3．駕駛狀態(tài)駕駛狀態(tài)主要包括駕駛員自身狀態(tài)、車(chē)輛自身行駛狀態(tài)和周邊車(chē)輛行駛狀態(tài)。相關(guān)知識(shí)5.1.2環(huán)境感知的對(duì)象4．駕駛環(huán)境駕駛環(huán)境主要包括路面情況、道路交通擁堵情況、天氣狀況等。相關(guān)知識(shí)5.1.2環(huán)境感知的對(duì)象環(huán)境感知的對(duì)象有靜止的，如道路、交通標(biāo)志和交通信號(hào)燈；也有運(yùn)動(dòng)的，如車(chē)輛、行人和移動(dòng)的障礙物。對(duì)于運(yùn)動(dòng)的目標(biāo)，環(huán)境感知系統(tǒng)不僅要對(duì)其進(jìn)行檢測(cè)，還要對(duì)其軌跡進(jìn)行追蹤，并根據(jù)追蹤結(jié)果，預(yù)測(cè)該目標(biāo)下一步的軌跡。小貼士相關(guān)知識(shí)5.1.2環(huán)境感知的對(duì)象相關(guān)知識(shí)5.1.3環(huán)境感知傳感器0503010204慣性元件超聲波傳感器激光雷達(dá)毫米波雷達(dá)視覺(jué)傳感器

環(huán)境感知主要通過(guò)環(huán)境感知傳感器及車(chē)載自組織網(wǎng)絡(luò)，對(duì)環(huán)境信息進(jìn)行采集，通過(guò)智能傳感器融合技術(shù)進(jìn)行信息融合，并通過(guò)先進(jìn)的算法進(jìn)行信息處理，從而實(shí)現(xiàn)目標(biāo)識(shí)別。目前，智能網(wǎng)聯(lián)汽車(chē)常用的環(huán)境感知傳感器主要有下面幾種。思政之窗利用智能傳感器融合技術(shù)對(duì)檢測(cè)到的數(shù)據(jù)進(jìn)行分析、綜合、平衡，根據(jù)各傳感器的互補(bǔ)特性進(jìn)行容錯(cuò)處理，可擴(kuò)大系統(tǒng)的時(shí)頻覆蓋范圍，增加信息維數(shù)，消除單個(gè)傳感器的工作盲區(qū)，從而得到所需要的環(huán)境信息。在學(xué)習(xí)和工作中，我們同樣要學(xué)會(huì)融會(huì)貫通，同學(xué)之間要取長(zhǎng)補(bǔ)短、互促互進(jìn)。相關(guān)知識(shí)5.1.3環(huán)境感知傳感器相關(guān)知識(shí)5.1.3環(huán)境感知傳感器1．慣性元件慣性元件主要是指汽車(chē)上的車(chē)輪轉(zhuǎn)速傳感器、加速度計(jì)、陀螺儀、轉(zhuǎn)向盤(pán)轉(zhuǎn)角傳感器等，通過(guò)它們可感知汽車(chē)自身的行駛狀態(tài)。2．超聲波傳感器超聲波傳感器主要用于短距離探測(cè)物體，該過(guò)程不受光照影響，但超聲波傳感器的測(cè)量精度受測(cè)量物體表面形狀、材質(zhì)等影響較大。相關(guān)知識(shí)5.1.3環(huán)境感知傳感器毫米波雷達(dá)體積小、抗干擾能力強(qiáng)、探測(cè)性能好，受天氣和夜間影響較小，且傳播損失比激光雷達(dá)少，但它無(wú)法感知行人。4．毫米波雷達(dá)激光雷達(dá)能夠直接獲取物體三維距離信息，測(cè)量精度高，對(duì)光照強(qiáng)度的變化不敏感，但它無(wú)法感知無(wú)距離差異平面內(nèi)的目標(biāo)信息，且體積較大、價(jià)格較高、不便于集成。3．激光雷達(dá)5．視覺(jué)傳感器視覺(jué)傳感器獲取的圖像信息量大，且其實(shí)時(shí)性好、體積小、能耗低、價(jià)格低，但易受光照環(huán)境影響，對(duì)三維信息的測(cè)量精度較低。相關(guān)知識(shí)5.1.4基于環(huán)境感知的目標(biāo)識(shí)別技術(shù)環(huán)境感知是決策規(guī)劃的基礎(chǔ)，但環(huán)境感知相關(guān)信息不能直接用于路徑規(guī)劃與行為決策。在此之前，需要對(duì)環(huán)境感知相關(guān)信息進(jìn)行處理，實(shí)現(xiàn)對(duì)道路、車(chē)輛、行人、交通標(biāo)志、交通信號(hào)燈等環(huán)境目標(biāo)的識(shí)別。相關(guān)知識(shí)5.1.4基于環(huán)境感知的目標(biāo)識(shí)別技術(shù)道路識(shí)別是把真實(shí)的道路通過(guò)激光雷達(dá)轉(zhuǎn)換成汽車(chē)所認(rèn)識(shí)的道路，供智能網(wǎng)聯(lián)汽車(chē)行駛；或通過(guò)視覺(jué)傳感器識(shí)別出車(chē)道線(xiàn)，提供車(chē)輛在當(dāng)前車(chē)道的位置，幫助智能網(wǎng)聯(lián)汽車(chē)提高行駛的安全性，如圖所示。1．道路識(shí)別相關(guān)知識(shí)5.1.4基于環(huán)境感知的目標(biāo)識(shí)別技術(shù)1．道路識(shí)別1）道路識(shí)別的分類(lèi)根據(jù)道路類(lèi)型的不同根據(jù)所用傳感器的不同結(jié)構(gòu)化道路識(shí)別主要識(shí)別道路邊界和各種車(chē)道線(xiàn)非結(jié)構(gòu)化道路識(shí)別主要識(shí)別可行駛路徑基于視覺(jué)傳感器的道路識(shí)別是通過(guò)視覺(jué)傳感器采集道路圖像，并通過(guò)算法處理，識(shí)別出車(chē)道線(xiàn)；基于雷達(dá)的道路識(shí)別是通過(guò)雷達(dá)采集道路信息，并通過(guò)算法處理，識(shí)別出車(chē)道線(xiàn)。智能網(wǎng)聯(lián)汽車(chē)的道路識(shí)別主要是基于視覺(jué)傳感器的道路識(shí)別。相關(guān)知識(shí)5.1.4基于環(huán)境感知的目標(biāo)識(shí)別技術(shù)1．道路識(shí)別2）圖像特征在對(duì)視覺(jué)傳感器采集的圖像進(jìn)行處理時(shí)，需要明確圖像中各部分的特征，然后利用這些特征對(duì)圖像中的物體進(jìn)行識(shí)別。圖像特征主要有顏色特征、紋理特征、形狀特征、空間位置特征等。相關(guān)知識(shí)5.1.4基于環(huán)境感知的目標(biāo)識(shí)別技術(shù)顏色特征是對(duì)圖像或者圖像區(qū)域中色彩的描述，它不關(guān)注細(xì)節(jié)，不關(guān)注某一個(gè)具體的像素，而是從整體上來(lái)統(tǒng)計(jì)圖像或者圖像區(qū)域中的色彩。在圖像處理中，常用的顏色特征有顏色直方圖、顏色集、顏色矩、顏色聚合向量等。（1）顏色特征紋理特征是指圖像中色彩分布的某種規(guī)律性，它是面向全局的。紋理特征不會(huì)因?yàn)閳D像的旋轉(zhuǎn)而發(fā)生變化，但當(dāng)圖像被放大或縮小時(shí)，紋理特征會(huì)發(fā)生變化。（2）紋理特征1．道路識(shí)別相關(guān)知識(shí)5.1.4基于環(huán)境感知的目標(biāo)識(shí)別技術(shù)形狀特征的提出主要是為了分析圖像或圖像區(qū)域中物體的各種形狀。這里的形狀特征包含了圖像或圖像區(qū)域的周長(zhǎng)、面積、凹凸性、幾何形狀等特征。（3）形狀特征從整體來(lái)看，圖像中的物體與物體之間存在著一定的聯(lián)系，其中最直接的聯(lián)系是空間位置。物體之間可能鄰接，也可能被其他物體間隔；可能有相互重疊的部分，也可能有互不關(guān)聯(lián)的部分。有時(shí)候用絕對(duì)描述來(lái)描述空間位置，如某一物體的坐標(biāo)；有時(shí)候用相對(duì)描述來(lái)描述空間位置，如某一物體的左側(cè)或右側(cè)?？臻g位置特征一般與其他特征配合使用。（4）空間位置特征1．道路識(shí)別相關(guān)知識(shí)5.1.4基于環(huán)境感知的目標(biāo)識(shí)別技術(shù)1．道路識(shí)別3）道路識(shí)別的方法基于區(qū)域分割的道路識(shí)別基于特征的道路識(shí)別基于模型的道路識(shí)別基于特征與模型的道路識(shí)別等相關(guān)知識(shí)5.1.4基于環(huán)境感知的目標(biāo)識(shí)別技術(shù)1．道路識(shí)別基于區(qū)域分割的道路識(shí)別基于特征的道路識(shí)別是根據(jù)圖像的顏色特征或紋理特征，將道路圖像的像素分割成道路和非道路兩部分。其中，基于顏色特征的區(qū)域分割方法的依據(jù)是道路圖像中道路部分與非道路部分的像素顏色存在顯著差異。主要是結(jié)合道路圖像的一些特征，如顏色、梯度、紋理等，在獲取的圖像中識(shí)別出道路邊界或車(chē)道線(xiàn)。這種方法不受道路形狀變化的影響，魯棒性較好，但對(duì)陰影和水跡較為敏感，且計(jì)算量較大，適用于具有明顯邊界特征的道路。相關(guān)知識(shí)5.1.4基于環(huán)境感知的目標(biāo)識(shí)別技術(shù)魯棒是robust的音譯，是健壯、強(qiáng)壯的意思。魯棒性是指控制系統(tǒng)在一定的參數(shù)（結(jié)構(gòu)、大?。_動(dòng)下，維持其他某些性能的特性。小貼士相關(guān)知識(shí)5.1.4基于環(huán)境感知的目標(biāo)識(shí)別技術(shù)1．道路識(shí)別主要是基于不同的道路圖像模型，采用不同的檢測(cè)技術(shù)對(duì)道路邊界或車(chē)道線(xiàn)進(jìn)行識(shí)別。這種道路識(shí)別方法所檢測(cè)出的道路較為完整，只需要較少的參數(shù)就可以表示整個(gè)道路，對(duì)陰影、水跡等外界影響具有較強(qiáng)的抗干擾性，但在道路類(lèi)型比較復(fù)雜時(shí)很難建立準(zhǔn)確的道路模型。利用基于特征的道路識(shí)別方法對(duì)待處理圖像進(jìn)行分割，找出其中的道路區(qū)域和道路邊界，再使用道路邊界擬合出道路模型，從而達(dá)到綜合利用兩種道路識(shí)別方法的目的?；谀Ｐ偷牡缆纷R(shí)別基于特征與模型的道路識(shí)別等相關(guān)知識(shí)5.1.4基于環(huán)境感知的目標(biāo)識(shí)別技術(shù)2．車(chē)輛識(shí)別對(duì)前方運(yùn)動(dòng)的車(chē)輛進(jìn)行識(shí)別是判斷安全車(chē)距的前提，車(chē)輛識(shí)別的準(zhǔn)確性不僅能夠決定測(cè)距的準(zhǔn)確性，還能夠及時(shí)發(fā)現(xiàn)一些交通安全隱患，如右圖。目前車(chē)輛識(shí)別的方法主要有基于特征的車(chē)輛識(shí)別、基于機(jī)器學(xué)習(xí)的車(chē)輛識(shí)別、基于光流場(chǎng)的車(chē)輛識(shí)別、基于模型的車(chē)輛識(shí)別等。相關(guān)知識(shí)5.1.4基于環(huán)境感知的目標(biāo)識(shí)別技術(shù)1）基于特征的車(chē)輛識(shí)別基于特征的車(chē)輛識(shí)別是車(chē)輛識(shí)別中最常用的方法之一。對(duì)于前方運(yùn)動(dòng)車(chē)輛，其顏色、輪廓和對(duì)稱(chēng)性等特征都可以用來(lái)將車(chē)輛與周?chē)尘皡^(qū)別開(kāi)來(lái)。因此，基于特征的車(chē)輛識(shí)別就是以車(chē)輛的這些外形特征為基礎(chǔ)，從圖像中識(shí)別前方運(yùn)動(dòng)車(chē)輛的。常用的基于特征的車(chē)輛識(shí)別方法有利用陰影特征識(shí)別、利用邊緣特征識(shí)別、利用對(duì)稱(chēng)特征識(shí)別、利用位置特征識(shí)別、利用車(chē)輛尾燈特征識(shí)別等。相關(guān)知識(shí)5.1.4基于環(huán)境感知的目標(biāo)識(shí)別技術(shù)2）基于機(jī)器學(xué)習(xí)的車(chē)輛識(shí)別基于機(jī)器學(xué)習(xí)的車(chē)輛識(shí)別一般需要從車(chē)輛區(qū)域和非車(chē)輛區(qū)域提取目標(biāo)特征，再訓(xùn)練出識(shí)別車(chē)輛區(qū)域與非車(chē)輛區(qū)域的決策邊界，最后使用分類(lèi)器判斷目標(biāo)。其識(shí)別過(guò)程是對(duì)原始圖像進(jìn)行不同比例的縮放，得到一系列的縮放圖像，然后在這些縮放圖像中搜索出所有與訓(xùn)練樣本的尺度相同的區(qū)域，再由分類(lèi)器判斷這些區(qū)域是否為目標(biāo)區(qū)域，最后確定目標(biāo)區(qū)域并獲取目標(biāo)區(qū)域的信息。車(chē)輛識(shí)別的本質(zhì)是對(duì)圖像中車(chē)輛區(qū)域與非車(chē)輛區(qū)域進(jìn)行定位與判斷。基于機(jī)器學(xué)習(xí)的車(chē)輛識(shí)別無(wú)法預(yù)先定位車(chē)輛可能存在的區(qū)域，因此只能對(duì)圖像進(jìn)行全局搜索，這樣會(huì)使識(shí)別過(guò)程的計(jì)算復(fù)雜度較高，也無(wú)法保證識(shí)別的實(shí)時(shí)性。缺點(diǎn)相關(guān)知識(shí)5.1.4基于環(huán)境感知的目標(biāo)識(shí)別技術(shù)3）基于光流場(chǎng)的車(chē)輛識(shí)別光流場(chǎng)是指圖像中所有像素點(diǎn)構(gòu)成的一種二維瞬時(shí)速度場(chǎng)，其中的二維速度矢量是景物中可見(jiàn)點(diǎn)的三維速度矢量在成像表面的投影。通常光流場(chǎng)是由場(chǎng)景中目標(biāo)本身的運(yùn)動(dòng)、視覺(jué)傳感器的運(yùn)動(dòng)或兩者的共同運(yùn)動(dòng)產(chǎn)生的?；诠饬鲌?chǎng)的車(chē)輛識(shí)別是在存在獨(dú)立運(yùn)動(dòng)目標(biāo)的場(chǎng)景中，通過(guò)分析光流場(chǎng)來(lái)檢測(cè)目標(biāo)數(shù)量、目標(biāo)運(yùn)動(dòng)速度、目標(biāo)相對(duì)距離、目標(biāo)表面結(jié)構(gòu)等。基于光流場(chǎng)的車(chē)輛識(shí)別對(duì)運(yùn)動(dòng)背景下目標(biāo)的識(shí)別效果較好，但是存在計(jì)算量較大、對(duì)噪聲敏感等缺點(diǎn)。相關(guān)知識(shí)5.1.4基于環(huán)境感知的目標(biāo)識(shí)別技術(shù)4）基于模型的車(chē)輛識(shí)別基于模型的車(chē)輛識(shí)別是根據(jù)前方運(yùn)動(dòng)車(chē)輛的參數(shù)建立二維或三維模型，然后利用指定的搜索算法來(lái)匹配并查找前方運(yùn)動(dòng)車(chē)輛。這種方法對(duì)建立的模型庫(kù)依賴(lài)度高，但是車(chē)輛外部形狀各異，僅建立一種或少數(shù)幾種模型難以對(duì)車(chē)輛實(shí)施有效的識(shí)別，而如果為每種車(chē)輛都建立精確的模型，又將大幅增加檢測(cè)過(guò)程中的計(jì)算量。相關(guān)知識(shí)5.1.4基于環(huán)境感知的目標(biāo)識(shí)別技術(shù)3．行人識(shí)別行人識(shí)別是利用安裝在車(chē)輛前方的視覺(jué)傳感器采集前方場(chǎng)景的圖像信息，通過(guò)一系列復(fù)雜的算法分析處理這些圖像信息，實(shí)現(xiàn)對(duì)行人的識(shí)別。行人識(shí)別是智能網(wǎng)聯(lián)汽車(chē)先進(jìn)駕駛輔助系統(tǒng)的重要組成部分。行人識(shí)別的目的是及時(shí)準(zhǔn)確地識(shí)別出車(chē)輛前方的行人目標(biāo)，并根據(jù)不同的危險(xiǎn)級(jí)別提供不同的預(yù)警提示信息，從而降低甚至避免車(chē)輛與行人相撞。相關(guān)知識(shí)5.1.4基于環(huán)境感知的目標(biāo)識(shí)別技術(shù)根據(jù)所采用視覺(jué)傳感器的不同0102基于可見(jiàn)光的行人識(shí)別基于紅外線(xiàn)的行人識(shí)別1）行人識(shí)別的分類(lèi)相關(guān)知識(shí)5.1.4基于環(huán)境感知的目標(biāo)識(shí)別技術(shù)1)定義：基于可見(jiàn)光的行人識(shí)別采用的視覺(jué)傳感器為普通的光學(xué)傳感器。優(yōu)點(diǎn)：普通的光學(xué)傳感器基于可見(jiàn)光進(jìn)行成像，非常符合人體的正常視覺(jué)習(xí)慣，并且硬件成本十分低廉。缺點(diǎn)：但是受到光照條件的限制，這種行人識(shí)別方法只能在光照條件較好的白天應(yīng)用，在光照條件很差的陰雨天或夜間無(wú)法使用?；诳梢?jiàn)光的行人識(shí)別相關(guān)知識(shí)5.1.4基于環(huán)境感知的目標(biāo)識(shí)別技術(shù)定義：基于紅外線(xiàn)的行人識(shí)別采用紅外熱成像視覺(jué)傳感器。優(yōu)點(diǎn)：這種行人識(shí)別方法不依賴(lài)于光照條件，具有很好的夜視功能，在白天和晚上都適用，尤其是在夜間以及光線(xiàn)較差的陰雨天，具有無(wú)可替代的優(yōu)勢(shì)?；诩t外線(xiàn)的行人識(shí)別2）相關(guān)知識(shí)5.1.4基于環(huán)境感知的目標(biāo)識(shí)別技術(shù)基于特征分類(lèi)的行人識(shí)別基于運(yùn)動(dòng)特性的行人識(shí)別基于形狀模型的行人識(shí)別基于小波變換和支持向量機(jī)的行人識(shí)別基于神經(jīng)網(wǎng)絡(luò)的行人識(shí)別行人識(shí)別的方法相關(guān)知識(shí)5.1.4基于環(huán)境感知的目標(biāo)識(shí)別技術(shù)基于運(yùn)動(dòng)特性的行人識(shí)別是利用人體運(yùn)動(dòng)周期性特征來(lái)確定圖像中的行人的。這種行人識(shí)別方法主要識(shí)別運(yùn)動(dòng)的行人，不適合識(shí)別靜止的行人?；谔卣鞣诸?lèi)的行人識(shí)別著重于提取行人特征，然后通過(guò)對(duì)行人特征的匹配來(lái)識(shí)別行人目標(biāo)。基于特征分類(lèi)的行人識(shí)別基于運(yùn)動(dòng)特性的行人識(shí)別基于形狀模型的行人識(shí)別主要依靠行人的形狀特征來(lái)識(shí)別行人。這種行人識(shí)別方法避免了由于背景變化和視覺(jué)傳感器運(yùn)動(dòng)帶來(lái)的影響，適用于識(shí)別運(yùn)動(dòng)和靜止的行人。基于形狀模型的行人識(shí)別相關(guān)知識(shí)5.1.4基于環(huán)境感知的目標(biāo)識(shí)別技術(shù)提取行人的特征是指利用數(shù)學(xué)方法和圖像處理技術(shù)從原始的灰度圖像或者彩色圖像中提取表征人體信息的特征，目前行人識(shí)別的特征主要有HOG（histogramoforientedgradient，方向梯度直方圖）特征、哈爾小波特征、小邊特征、顏色特征等。如圖5-8所示為行人識(shí)別的原始圖像，如圖5-9所示為利用行人HOG特征識(shí)別的結(jié)果。小貼士相關(guān)知識(shí)5.1.4基于環(huán)境感知的目標(biāo)識(shí)別技術(shù)小波模板主要是按照?qǐng)D像中小波相關(guān)的系數(shù)子集定義目標(biāo)形狀的?；谛〔ㄗ儞Q和支持向量機(jī)的行人識(shí)別，首先是對(duì)圖像中每個(gè)特定大小的窗口進(jìn)行一定范圍的比例縮放，將得到的窗口進(jìn)行小波變換，然后利用支持向量機(jī)檢測(cè)變換后的結(jié)果是否可以與小波模板匹配，如果匹配成功，則認(rèn)為檢測(cè)到一名行人?；谛〔ㄗ儞Q和支持向量機(jī)的行人識(shí)別神經(jīng)網(wǎng)絡(luò)在行人識(shí)別技術(shù)中的應(yīng)用主要是對(duì)利用視覺(jué)信息探測(cè)到的可能含有行人的區(qū)域進(jìn)行分類(lèi)識(shí)別?；谏窠?jīng)網(wǎng)絡(luò)的行人識(shí)別，首先是利用立體視覺(jué)進(jìn)行目標(biāo)區(qū)域分割，然后合并和分離子目標(biāo)候選圖像中滿(mǎn)足行人尺寸和形狀約束的子圖像，最后將所有探測(cè)到的可能含有行人目標(biāo)的框形區(qū)域輸入到神經(jīng)網(wǎng)絡(luò)，進(jìn)行行人識(shí)別。基于神經(jīng)網(wǎng)絡(luò)的行人識(shí)別相關(guān)知識(shí)5.1.4基于環(huán)境感知的目標(biāo)識(shí)別技術(shù)4．交通標(biāo)志識(shí)別交通標(biāo)志作為重要的道路交通安全附屬設(shè)施，可向駕駛員提供各種引導(dǎo)和約束信息。駕駛員實(shí)時(shí)、正確地獲取交通標(biāo)志信息，方可保證行車(chē)安全。在智能網(wǎng)聯(lián)汽車(chē)中，交通標(biāo)志的識(shí)別是通過(guò)圖像識(shí)別系統(tǒng)實(shí)現(xiàn)的：首先使用車(chē)載攝像頭獲取目標(biāo)圖像，然后進(jìn)行目標(biāo)分割和特征提取，最后通過(guò)與交通標(biāo)志標(biāo)準(zhǔn)特征庫(kù)比較進(jìn)行交通標(biāo)志識(shí)別。

識(shí)別結(jié)果可以與其他智能網(wǎng)聯(lián)汽車(chē)共享。相關(guān)知識(shí)5.1.4基于環(huán)境感知的目標(biāo)識(shí)別技術(shù)基于顏色信息的交通標(biāo)志識(shí)別01030204基于形狀特征的交通標(biāo)志識(shí)別基于顯著性的交通標(biāo)志識(shí)別基于特征提取和機(jī)器學(xué)習(xí)的交通標(biāo)志識(shí)別等交通標(biāo)志的識(shí)別方法相關(guān)知識(shí)5.1.4基于環(huán)境感知的目標(biāo)識(shí)別技術(shù)基于顏色信息的交通標(biāo)志識(shí)別顏色分割是利用交通標(biāo)志特有的顏色特征，將交通標(biāo)志與背景分離。由于顏色信息不會(huì)隨著圖像的旋轉(zhuǎn)、傾斜而發(fā)生變化，因此與幾何、紋理等特征相比，基于顏色信息的交通標(biāo)志識(shí)別在圖像旋轉(zhuǎn)、傾斜的情況下具有較好的魯棒性。基于形狀特征的交通標(biāo)志識(shí)別顏色檢測(cè)和形狀檢測(cè)是交通標(biāo)志識(shí)別中的重要內(nèi)容?；谛螤钐卣鞯慕煌?biāo)志識(shí)別通常都以顏色分割做粗檢測(cè)，排除大部分的背景干擾，再提取二值圖像各連通域的輪廓，進(jìn)行形狀特征的分析，進(jìn)而確定交通標(biāo)志候選區(qū)域并完全定位。相關(guān)知識(shí)5.1.4基于環(huán)境感知的目標(biāo)識(shí)別技術(shù)視野拓展我國(guó)的道路交通標(biāo)志分為警告標(biāo)志、指示標(biāo)志、禁令標(biāo)志三大類(lèi)。其中，禁令標(biāo)志的顏色以紅色為主，形狀為倒三角形、正八邊形或圓形；指示標(biāo)志以藍(lán)色為主，形狀為圓形或矩形；警告標(biāo)志以黃色為主，形狀為正三角形。在識(shí)別交通標(biāo)志的過(guò)程中，應(yīng)充分利用顏色和形狀信息，以及顏色與形狀信息間的對(duì)應(yīng)關(guān)系。相關(guān)知識(shí)5.1.4基于環(huán)境感知的目標(biāo)識(shí)別技術(shù)基于顯著性的交通標(biāo)志識(shí)別交通標(biāo)志具有顯眼的顏色和特定的形狀，其在一定程度上滿(mǎn)足顯著性要求，因此可以采用顯著性模型來(lái)識(shí)別交通標(biāo)志?；谔卣魈崛『蜋C(jī)器學(xué)習(xí)的交通標(biāo)志識(shí)別基于特征提取和機(jī)器學(xué)習(xí)的交通標(biāo)志識(shí)別一般使用滑動(dòng)窗口或者使用之前處理得到的感興趣區(qū)域進(jìn)行驗(yàn)證。基于特征提取的交通標(biāo)志識(shí)別，首先是對(duì)全圖或者交通標(biāo)志可能出現(xiàn)的感興趣區(qū)域操作，以多尺度的窗口滑動(dòng)掃描目標(biāo)區(qū)域，然后對(duì)得到的每一個(gè)窗口均用訓(xùn)練好的分類(lèi)器判斷是否是標(biāo)志?；跈C(jī)器學(xué)習(xí)的交通標(biāo)志識(shí)別則是經(jīng)過(guò)顏色、形狀分析等處理得到感興趣區(qū)域，此時(shí)感興趣區(qū)域已經(jīng)是一整個(gè)標(biāo)志或者干擾物，只需要對(duì)其整體進(jìn)行分類(lèi)即可。相關(guān)知識(shí)5.1.4基于環(huán)境感知的目標(biāo)識(shí)別技術(shù)5．交通信號(hào)燈識(shí)別首先是檢測(cè)交通信號(hào)燈，即通過(guò)視覺(jué)傳感器，從復(fù)雜的城市道路交通環(huán)境中獲取圖像，根據(jù)交通信號(hào)燈的顏色、幾何特征等信息，準(zhǔn)確檢測(cè)其位置，獲取候選區(qū)域。然后是識(shí)別交通信號(hào)燈，即對(duì)交通信號(hào)燈的候選區(qū)域進(jìn)行分析和特征提取，運(yùn)用分類(lèi)算法，實(shí)現(xiàn)對(duì)其分類(lèi)識(shí)別。檢測(cè)識(shí)別相關(guān)知識(shí)5.1.4基于環(huán)境感知的目標(biāo)識(shí)別技術(shù)交通信號(hào)燈的識(shí)別方法基于顏色特征的交通信號(hào)燈識(shí)別基于形狀特征的交通信號(hào)燈識(shí)別主要是選取某個(gè)色彩空間，對(duì)交通信號(hào)燈的紅、黃、綠3種顏色進(jìn)行描述。主要是利用交通信號(hào)燈與其相關(guān)支撐物之間的幾何信息來(lái)識(shí)別交通信號(hào)燈。這種交通信號(hào)燈識(shí)別方法的主要優(yōu)勢(shì)在于交通信號(hào)燈的形狀信息一般不會(huì)受到光學(xué)和天氣變化的影響。任務(wù)實(shí)訓(xùn)——識(shí)別道路的車(chē)道線(xiàn)1．實(shí)訓(xùn)目標(biāo)（1）能夠了解車(chē)道線(xiàn)的識(shí)別過(guò)程。（2）能夠正確構(gòu)建道路識(shí)別的知識(shí)體系。2．實(shí)訓(xùn)步驟1）了解車(chē)道線(xiàn)的識(shí)別過(guò)程2）分組討論實(shí)訓(xùn)步驟詳見(jiàn)教材。根據(jù)分工填寫(xiě)“任務(wù)工單——認(rèn)識(shí)環(huán)境感知系統(tǒng)”（詳見(jiàn)教材）各小組成員根據(jù)自身表現(xiàn)情況配合指導(dǎo)教師完成“考核評(píng)價(jià)表”項(xiàng)目名稱(chēng)評(píng)價(jià)內(nèi)容分值評(píng)價(jià)分?jǐn)?shù)自評(píng)互評(píng)師評(píng)職業(yè)素養(yǎng)考核項(xiàng)目無(wú)遲到、無(wú)早退、無(wú)曠課8分儀容儀表符合規(guī)范要求8分具備良好的安全意識(shí)與責(zé)任意識(shí)10分具備良好的團(tuán)隊(duì)合作與交流能力8分具備較強(qiáng)的紀(jì)律執(zhí)行能力8分保持良好的作業(yè)現(xiàn)場(chǎng)衛(wèi)生8分專(zhuān)業(yè)能力考核項(xiàng)目積極參加教學(xué)活動(dòng)，按時(shí)完成任務(wù)工單16分操作規(guī)范，符合作業(yè)規(guī)程16分操作熟練，工作效率高18分合計(jì)100分總評(píng)自評(píng)（20%）+互評(píng)（20%）+師評(píng)（60%）=

綜合等級(jí)：

指導(dǎo)教師（簽名）：

考核評(píng)價(jià)表任務(wù)實(shí)訓(xùn)——識(shí)別道路的車(chē)道線(xiàn)課堂小結(jié)（1）環(huán)境感知系統(tǒng)的組成（2）環(huán)境感知的對(duì)象（3）環(huán)境感知傳感器（4）基于環(huán)境感知的目標(biāo)識(shí)別技術(shù)認(rèn)識(shí)路徑規(guī)劃與行為決策技術(shù)任務(wù)5.2任務(wù)引入在一套相對(duì)成熟的自動(dòng)駕駛技術(shù)體系中，如果將環(huán)境感知模塊比作人的眼睛和耳朵，那么決策規(guī)劃模塊就相當(dāng)于人的大腦。大腦在接收到傳感器的各種感知信息之后，對(duì)當(dāng)前環(huán)境做出分析，建立環(huán)境模型，然后通過(guò)路徑規(guī)劃與行為決策技術(shù)確定車(chē)輛需要采取的動(dòng)作，并對(duì)底層控制模塊下達(dá)指令，這一過(guò)程就是決策規(guī)劃模塊的主要任務(wù)。決策規(guī)劃模塊的性能是衡量和評(píng)價(jià)自動(dòng)駕駛能力的核心指標(biāo)之一。任務(wù)引入任務(wù)內(nèi)容認(rèn)識(shí)路徑規(guī)劃與行為決策技術(shù)學(xué)習(xí)程度識(shí)記理解應(yīng)用學(xué)習(xí)任務(wù)環(huán)境模型的建立方法●

路徑規(guī)劃的算法●行為決策的方法●實(shí)訓(xùn)任務(wù)認(rèn)識(shí)路徑規(guī)劃與行為決策技術(shù)●自我勉勵(lì)本任務(wù)要求學(xué)生掌握路徑規(guī)劃相關(guān)算法和行為決策的方法，知識(shí)與技能要求如下表所示。任務(wù)工單——認(rèn)識(shí)路徑規(guī)劃與行為決策技術(shù)任務(wù)描述收集路徑規(guī)劃與行為決策技術(shù)的相關(guān)資料，對(duì)資料內(nèi)容進(jìn)行學(xué)習(xí)與討論，了解并分析智能網(wǎng)聯(lián)汽車(chē)路徑規(guī)劃與行為決策的方法。學(xué)生領(lǐng)取任務(wù)工單，并進(jìn)行分組（詳見(jiàn)教材）相關(guān)知識(shí)5.2.1路徑規(guī)劃技術(shù)掃一掃觀(guān)看“路徑規(guī)劃技術(shù)”路徑規(guī)劃智能網(wǎng)聯(lián)汽車(chē)的路徑規(guī)劃是指在一定環(huán)境模型基礎(chǔ)上，通過(guò)給定起點(diǎn)和目標(biāo)點(diǎn)后，按照性能指標(biāo)規(guī)劃出一條無(wú)碰撞、能安全到達(dá)目標(biāo)點(diǎn)的有效路徑。相關(guān)知識(shí)5.2.1路徑規(guī)劃技術(shù)startend首先建立環(huán)境模型，即將現(xiàn)實(shí)的環(huán)境進(jìn)行抽象后建立相關(guān)模型；環(huán)境建模然后根據(jù)算法進(jìn)行路徑搜索，尋找符合條件的最優(yōu)路徑；路徑搜索最后對(duì)最優(yōu)路徑做進(jìn)一步處理，使其成為一條實(shí)際可行的平滑路徑。路徑處理相關(guān)知識(shí)5.2.1路徑規(guī)劃技術(shù)1．環(huán)境建模的方法可視圖法柵格法自由空間法拓?fù)浞ㄏ嚓P(guān)知識(shí)5.2.1路徑規(guī)劃技術(shù)1）可視圖法在位姿空間中，將運(yùn)動(dòng)物體視為一點(diǎn)，用直線(xiàn)段將物體運(yùn)動(dòng)的起點(diǎn)與所有位姿空間障礙物的頂點(diǎn)和目標(biāo)點(diǎn)連接，并保證這些直線(xiàn)段不與空間中的障礙物相交，這樣就形成一張圖，稱(chēng)為可視圖，如圖所示。相關(guān)知識(shí)5.2.1路徑規(guī)劃技術(shù)由于任意兩直線(xiàn)段的頂點(diǎn)是可見(jiàn)的，所以從起點(diǎn)沿著直線(xiàn)段到達(dá)目標(biāo)點(diǎn)的所有路徑均是運(yùn)動(dòng)物體的無(wú)碰撞路徑。因此，搜索最優(yōu)路徑的問(wèn)題就轉(zhuǎn)化為由起點(diǎn)經(jīng)過(guò)這些可視直線(xiàn)段到達(dá)目標(biāo)點(diǎn)所用最短距離的問(wèn)題?？梢晥D法具有概念直觀(guān)、實(shí)現(xiàn)簡(jiǎn)單等優(yōu)點(diǎn)，缺點(diǎn)是缺乏靈活性，當(dāng)車(chē)輛的起始點(diǎn)和目標(biāo)點(diǎn)發(fā)生改變時(shí)，就要重新構(gòu)造可視圖，算法的復(fù)雜性與障礙物的數(shù)量成正比，并且不是在任何時(shí)候都可以獲得最優(yōu)路徑。相關(guān)知識(shí)5.2.1路徑規(guī)劃技術(shù)2）柵格法在柵格法是用柵格單元表示整個(gè)工作環(huán)境，將車(chē)輛的連續(xù)工作環(huán)境分解成一系列柵格，如圖所示。柵格的大小與車(chē)輛的尺寸相同。柵格可分為自由柵格和障礙物柵格兩種：自由柵格是指某一柵格范圍內(nèi)不含有任何障礙物；障礙物柵格是指某個(gè)柵格范圍內(nèi)存在障礙物。相關(guān)知識(shí)5.2.1路徑規(guī)劃技術(shù)優(yōu)點(diǎn)柵格法對(duì)環(huán)境空間的劃分和操作都比較簡(jiǎn)單，較容易實(shí)現(xiàn)。缺點(diǎn)由于連續(xù)的工作空間被劃分為離散的柵格空間，沒(méi)有考慮環(huán)境本身固有的一些特點(diǎn)，這使柵格屬性代表的信息具有片面性，并且柵格法對(duì)柵格大小的劃分有很大的依賴(lài)性，當(dāng)柵格劃分較小且當(dāng)環(huán)境很復(fù)雜時(shí)，搜索空間會(huì)急劇增大，算法的效率就會(huì)明顯降低。相關(guān)知識(shí)5.2.1路徑規(guī)劃技術(shù)3）自由空間法自由空間法是采用預(yù)先定義的基本形狀（如廣義錐形和凸多邊形等）構(gòu)造自由空間，并將自由空間表示為連通圖，然后通過(guò)搜索連通圖來(lái)進(jìn)行路徑規(guī)劃。優(yōu)點(diǎn)是自由空間法比較靈活，起點(diǎn)和目標(biāo)點(diǎn)的改變不會(huì)造成連通圖的重構(gòu)，缺點(diǎn)是算法的復(fù)雜性與障礙物的數(shù)量成正比，并且不是在任何時(shí)候都可以獲得最優(yōu)路徑。相關(guān)知識(shí)5.2.1路徑規(guī)劃技術(shù)4）拓?fù)浞ㄍ負(fù)浞ㄊ菍⒁?guī)劃空間分割成具有拓?fù)涮卣鞯淖涌臻g，根據(jù)彼此的連通性建立拓?fù)渚W(wǎng)絡(luò)，在網(wǎng)絡(luò)上尋找起點(diǎn)到目標(biāo)點(diǎn)的拓?fù)渎窂?，最終由拓?fù)渎窂角蟪鰩缀温窂剑鐖D所示。優(yōu)點(diǎn)是不管環(huán)境多么復(fù)雜，都能找到無(wú)碰撞路徑；缺點(diǎn)是建立拓?fù)渚W(wǎng)絡(luò)的過(guò)程相當(dāng)復(fù)雜，計(jì)算量龐大。相關(guān)知識(shí)5.2.1路徑規(guī)劃技術(shù)2．路徑規(guī)劃的算法Dijkstra算法概率路線(xiàn)圖算法A*算法相關(guān)知識(shí)5.2.1路徑規(guī)劃技術(shù)概率路線(xiàn)圖算法將路徑規(guī)劃分為兩個(gè)階段在學(xué)習(xí)階段，先通過(guò)采樣和碰撞檢測(cè)建立完整的無(wú)向圖，以得到構(gòu)型空間的完整連接屬性在查詢(xún)階段，利用搜索算法在路線(xiàn)圖上尋找路徑學(xué)習(xí)階段查詢(xún)階段1）概率路線(xiàn)圖算法相關(guān)知識(shí)5.2.1路徑規(guī)劃技術(shù)初始化構(gòu)型采樣領(lǐng)域計(jì)算邊線(xiàn)連接碰撞檢測(cè)結(jié)束條件搜索設(shè)G(V，E)為一個(gè)無(wú)向圖，其中頂點(diǎn)集V代表無(wú)碰撞的構(gòu)型，連續(xù)集E代表無(wú)碰撞的路徑，初始狀態(tài)為空。定義距離ρ，對(duì)于已經(jīng)存在于頂點(diǎn)集V中的點(diǎn)，如果它與α(i)的距離小于ρ，則稱(chēng)其為點(diǎn)α(i)的領(lǐng)域點(diǎn)。檢測(cè)連線(xiàn)τ是否與障礙物發(fā)生碰撞，如果無(wú)碰撞，則將其加入連線(xiàn)集E中。采用圖搜索算法對(duì)無(wú)向圖G進(jìn)行搜索，如果能找到起點(diǎn)A到目標(biāo)點(diǎn)B的路線(xiàn)，說(shuō)明存在可行的運(yùn)動(dòng)規(guī)劃方案。從構(gòu)型空間采樣一個(gè)無(wú)碰撞的點(diǎn)α(i)并加入頂點(diǎn)集V中。將點(diǎn)與其領(lǐng)域點(diǎn)相連，生成連線(xiàn)τ。當(dāng)所有采樣點(diǎn)（滿(mǎn)足采樣數(shù)量要求）均已完成上述步驟后結(jié)束。概率路線(xiàn)圖算法實(shí)現(xiàn)步驟相關(guān)知識(shí)5.2.1路徑規(guī)劃技術(shù)2）Dijkstra算法首先查找離第一個(gè)節(jié)點(diǎn)最近的相關(guān)節(jié)點(diǎn)和兩者之間的道路信息，并把它們都存儲(chǔ)起來(lái)，然后通過(guò)查找與之距離最短的一個(gè)節(jié)點(diǎn)是不是終點(diǎn)，若是終點(diǎn)，則將該節(jié)點(diǎn)存儲(chǔ)起來(lái)并返回；若不是終點(diǎn)，則從臨時(shí)緩存中刪除第一個(gè)節(jié)點(diǎn)，將該節(jié)點(diǎn)存儲(chǔ)起來(lái)。2）判斷路徑規(guī)劃的可行性，即判斷起點(diǎn)和目標(biāo)點(diǎn)的選擇是否可行和存儲(chǔ)節(jié)點(diǎn)的容器是否正確，并將存放節(jié)點(diǎn)的容器初始化，然后把所有節(jié)點(diǎn)粘貼到臨時(shí)緩存中。1）Dijkstra算法是最經(jīng)典的路徑搜索算法，其計(jì)算結(jié)果的質(zhì)量穩(wěn)定、計(jì)算速度快。步驟如下：相關(guān)知識(shí)5.2.1路徑規(guī)劃技術(shù)2）Dijkstra算法判斷目前節(jié)點(diǎn)是不是路徑規(guī)劃的終點(diǎn)，若是，則返回該節(jié)點(diǎn)；若不是，則刪除臨時(shí)緩存中的已分析節(jié)點(diǎn)，重新回到步驟（3）。4）尋找離目前中間點(diǎn)最近的一個(gè)節(jié)點(diǎn)，將該節(jié)點(diǎn)存儲(chǔ)起來(lái)。3）相關(guān)知識(shí)5.2.1路徑規(guī)劃技術(shù)3）A*算法A*算法的估價(jià)函數(shù)為f(j)=g(j)+h(j)式中：f(j)——估價(jià)函數(shù)；g(j)——從原點(diǎn)到當(dāng)前節(jié)點(diǎn)j的代價(jià)；h(j)——從當(dāng)前節(jié)點(diǎn)j到目標(biāo)節(jié)點(diǎn)之間最小代價(jià)的估價(jià)函數(shù)。A*算法是目前比較常用的最短路徑啟發(fā)式搜索算法。它充分運(yùn)用問(wèn)題域狀態(tài)空間的啟發(fā)信息，對(duì)問(wèn)題求解選取比較適宜的估價(jià)函數(shù)，再利用估價(jià)函數(shù)的反饋結(jié)果對(duì)它的搜索戰(zhàn)略進(jìn)行動(dòng)態(tài)的調(diào)節(jié)，最終得到問(wèn)題的最優(yōu)解。相關(guān)知識(shí)5.2.1路徑規(guī)劃技術(shù)（1）賦給初始值，初始化所有節(jié)點(diǎn)、臨時(shí)緩存和關(guān)聯(lián)容器（2）計(jì)算初始節(jié)點(diǎn)與各個(gè)相關(guān)節(jié)點(diǎn)的權(quán)值f(j)，然后保存起來(lái)，從中獲取權(quán)值最小的節(jié)點(diǎn)，并保存該節(jié)點(diǎn)，最后把它從節(jié)點(diǎn)緩存中去掉。（3）計(jì)算該節(jié)點(diǎn)是不是終點(diǎn)。若是終點(diǎn)，則返回該節(jié)點(diǎn)；若不是終點(diǎn)，則進(jìn)行下一步計(jì)算。（4）獲得所有的中間節(jié)點(diǎn)與相關(guān)節(jié)點(diǎn)的權(quán)值f(j)，然后開(kāi)始判斷。若這個(gè)節(jié)點(diǎn)沒(méi)有保存，則把這個(gè)節(jié)點(diǎn)存儲(chǔ)起來(lái)；若這個(gè)節(jié)點(diǎn)已經(jīng)保存，則比較這個(gè)節(jié)點(diǎn)的權(quán)值和已保存節(jié)點(diǎn)的權(quán)值大小，如果它不大于已保存節(jié)點(diǎn)的權(quán)值，則用它更新替換已保存節(jié)點(diǎn)。（5）查找中間點(diǎn)的關(guān)聯(lián)節(jié)點(diǎn)中權(quán)值最小的一個(gè)節(jié)點(diǎn)，將該節(jié)點(diǎn)保存，然后將其從節(jié)點(diǎn)緩存中去掉，并重新回到步驟（3）。A*算法的步驟相關(guān)知識(shí)5.2.1路徑規(guī)劃技術(shù)A*算法特點(diǎn)其余算法A*算法通過(guò)使用估價(jià)函數(shù)，能自動(dòng)地使運(yùn)算結(jié)果趨向于目標(biāo)點(diǎn)。它查找的節(jié)點(diǎn)越少，被占用的存儲(chǔ)空間就越小。除了上述算法外，路徑規(guī)劃算法還有D*算法、遺傳算法、模擬退火算法、蟻群算法等。在實(shí)際應(yīng)用中，需要根據(jù)不同的實(shí)際需求選擇或設(shè)計(jì)合適的算法，并對(duì)其進(jìn)行優(yōu)化。相關(guān)知識(shí)5.2.2行為決策技術(shù)智能網(wǎng)聯(lián)汽車(chē)向右變道的行為決策智能網(wǎng)聯(lián)汽車(chē)的行為決策是指通過(guò)環(huán)境感知傳感器得到交通環(huán)境信息，分析周邊環(huán)境、動(dòng)態(tài)與靜態(tài)障礙物、車(chē)輛匯入及讓行規(guī)則等，并與智能駕駛庫(kù)中的經(jīng)驗(yàn)知識(shí)等進(jìn)行匹配，進(jìn)而選擇適合當(dāng)前交通環(huán)境的駕駛策略。相關(guān)知識(shí)5.2.2行為決策技術(shù)基于強(qiáng)化學(xué)習(xí)的行為決策方法行為決策的目標(biāo)主要是保證智能網(wǎng)聯(lián)汽車(chē)可以像人類(lèi)一樣執(zhí)行安全駕駛行為。智能網(wǎng)聯(lián)汽車(chē)的行為決策方法包括兩種基于規(guī)則的行為決策方法相關(guān)知識(shí)5.2.2行為決策技術(shù)1．基于規(guī)則的行為決策方法基于規(guī)則的行為決策方法將智能網(wǎng)聯(lián)汽車(chē)的運(yùn)動(dòng)行為進(jìn)行劃分，根據(jù)當(dāng)前任務(wù)路線(xiàn)、交通環(huán)境、交通法規(guī)、駕駛規(guī)則等建立行為規(guī)則庫(kù)，對(duì)不同的環(huán)境狀態(tài)進(jìn)行行為決策邏