第二章　智能網(wǎng)聯(lián)汽車環(huán)境感知技術(shù)

第一節(jié)　概述

一、環(huán)境感知定義

智能網(wǎng)聯(lián)汽車環(huán)境感知就是利用車載超聲波傳感器、毫米波雷達、激光雷達、視覺傳感器以及V2X通信技術(shù)等獲取道路、車輛位置和障礙物的信息，并將這些信息傳輸給車載控制中心，為智能網(wǎng)聯(lián)汽車提供決策依據(jù)，是ADAS實現(xiàn)的第一步。

環(huán)境感知技術(shù)在智能網(wǎng)聯(lián)汽車中的典型應(yīng)用如圖2-1所示。

二、環(huán)境感知方法

智能網(wǎng)聯(lián)汽車環(huán)境感知方法主要有基于單一傳感器的環(huán)境感知方法、基于自組織網(wǎng)絡(luò)的環(huán)境感知方法和基于傳感器信息融合的環(huán)境感知方法，如圖2-2所示。

①基于單一傳感器的環(huán)境感知方法，如超聲波傳感器、毫米波雷達、激光雷達、視覺傳感器等。

②基于自組織網(wǎng)絡(luò)的環(huán)境感知方法，如V2X通信技術(shù)。

③基于傳感器信息融合的環(huán)境感知方法，如采用視覺傳感器+毫米波雷達、視覺傳感器+超聲波傳感器融合等。

三、環(huán)境感知系統(tǒng)組成

智能網(wǎng)聯(lián)汽車環(huán)境感知系統(tǒng)由信息采集單元、信息處理單元和信息傳輸單元組成，如圖2-3所示。

（1）信息采集單元　對環(huán)境的感知和判斷是智能網(wǎng)聯(lián)汽車工作的前提與基礎(chǔ)，感知系統(tǒng)獲取周圍環(huán)境和車輛信息的實時性及穩(wěn)定性，直接關(guān)系到后續(xù)檢測或識別準確性和執(zhí)行有效性。

（2）信息處理單元　信息處理單元主要是對信息采集單元輸送來的信號，通過一定的算法對道路、車輛、行人、交通標志、交通信號燈等進行識別。

（3）信息傳輸單元　信息處理單元對環(huán)境感知信號進行分析后，將信息送入傳輸單元，傳輸單元根據(jù)具體情況執(zhí)行不同的操作，如分析后的信息確定前方有障礙物，并且本車與障礙物之間的距離小于安全車距，則將這些信息送入控制執(zhí)行模塊，控制執(zhí)行模塊結(jié)合本車速度、加速度、轉(zhuǎn)向角等自動調(diào)整智能網(wǎng)聯(lián)汽車的車速和方向，實現(xiàn)自動避障，在緊急情況下也可以自動剎車；信息傳輸單元把信息傳輸?shù)絺鞲衅骶W(wǎng)絡(luò)上，實行車輛內(nèi)部資源共享；也可以把處理信息通過自組織網(wǎng)絡(luò)傳輸給車輛周圍的其他車輛，實現(xiàn)車輛與車輛之間信息共享。

四、環(huán)境感知傳感器比較

超聲波傳感器、毫米波雷達、激光雷達和視覺傳感器作為主要的環(huán)境感知傳感器，它們的選擇需要綜合考慮其性能特點和性價比，它們之間的比較見表2-1。

五、環(huán)境感知傳感器配置

智能網(wǎng)聯(lián)汽車環(huán)境感知傳感器主要有超聲波傳感器、毫米波雷達、激光雷達、單/雙/三目攝像頭、環(huán)視攝像頭等，它們在智能網(wǎng)聯(lián)汽車上的配置與自動駕駛級別有關(guān)，自動駕駛級別越高，配置的傳感器越多。

典型智能網(wǎng)聯(lián)汽車傳感器基本配置見表2-2。

隨著汽車智能化和網(wǎng)聯(lián)化的發(fā)展，智能網(wǎng)聯(lián)汽車配備的先進傳感器的數(shù)量將會逐漸增加，預(yù)計無人駕駛汽車將會裝配30個左右先進傳感器。

六、環(huán)境感知傳感器融合

傳感器融合就是將多個傳感器獲取的數(shù)據(jù)、信息集中在一起綜合分析以便更加準確可靠地描述外界環(huán)境，從而提高系統(tǒng)決策的正確性。

1.多傳感器融合的基本原理

多傳感器融合的基本原理類似于人類大腦對環(huán)境信息的綜合處理過程。人類對外界環(huán)境的感知是通過將眼睛、耳朵、鼻子和四肢等感官所探測的信息傳輸至大腦，并與先驗知識進行綜合分析，實現(xiàn)對其周圍的環(huán)境和正在發(fā)生的事件做出快速準確的評估；而多傳感器融合技術(shù)是通過各種傳感器對環(huán)境信息進行感知，并傳輸至信息融合中心，與數(shù)據(jù)庫信息進行綜合分析，實現(xiàn)對周圍的環(huán)境和正在發(fā)生的事件做出快速準確的評估。

多傳感器融合的體系結(jié)構(gòu)分為分布式、集中式和混合式，如圖2-4所示。

（1）分布式　先對各個獨立傳感器所獲得的原始數(shù)據(jù)進行局部處理，然后再將結(jié)果送入信息融合中心進行智能優(yōu)化組合來獲得最終的結(jié)果。分布式多傳感器對通信帶寬的需求低，計算速度快，可靠性和延續(xù)性好，但跟蹤的精度卻遠沒有集中式多傳感器高。

（2）集中式　集中式多傳感器將各傳感器獲得的原始數(shù)據(jù)直接送至信息融合中心進行融合處理，可以實現(xiàn)實時融合。優(yōu)點是數(shù)據(jù)處理的精度高，算法靈活；缺點是對處理器的要求高，可靠性較低，數(shù)據(jù)量大，故難于實現(xiàn)。

（3）混合式　混合式多傳感器信息融合框架中，部分傳感器采用集中式融合方式，剩余的傳感器采用分布式融合方式。混合式融合框架具有較強的適應(yīng)能力，兼顧集中式融合和分布式的優(yōu)點，穩(wěn)定性強。混合式融合方式的結(jié)構(gòu)比前兩種融合方式的結(jié)構(gòu)復(fù)雜，這樣就加大通信和計算上的代價。

目前多傳感器融合的理論方法有貝葉斯準則法、卡爾曼濾波法、D-S證據(jù)理論法、模糊集理論法、人工神經(jīng)網(wǎng)絡(luò)法等。

2.視覺傳感器與毫米波雷達相融合技術(shù)

視覺傳感器成本低，可以識別不同的物體，在物體高度與寬度測量精度、車道線識別、行人識別準確度等方面有優(yōu)勢，是實現(xiàn)車道偏離預(yù)警、交通標志識別等功能不可缺少的傳感器，但作用距離和測距精度不如毫米波雷達，并且容易受光照、天氣等因素的影響。毫米波雷達受光照和天氣因素影響較小，測距精度高，但難以識別車道線、交通標志等元素。另外，毫米波雷達通過多普勒偏移的原理能夠?qū)崿F(xiàn)更高精度的目標速度探測。

將視覺傳感器和毫米波雷達進行融合，相互配合，共同構(gòu)成智能網(wǎng)聯(lián)汽車的感知系統(tǒng)，取長補短，實現(xiàn)更穩(wěn)定可靠的ADAS功能，如圖2-5所示。視覺傳感器與毫米波雷達融合具有以下優(yōu)勢。

（1）可靠　目標真實可信度提高。

（2）具有互補性　全天候應(yīng)用與遠距離提前預(yù)警。

（3）精度高　大視角、全距離條件下的高性能定位。

（4）識別能力強　對各種復(fù)雜對象都能夠識別。

3.視覺傳感器與毫米波雷達數(shù)據(jù)融合策略

在智能駕駛場景下，視覺傳感器與毫米波雷達的數(shù)據(jù)融合大致有3種策略：圖像級、目標級和信號級，如圖2-6所示。

（1）圖像級融合　圖像級融合是以視覺傳感器為主體，將毫米波雷達輸出的整體信息進行圖像特征轉(zhuǎn)化，然后與視覺系統(tǒng)的圖像輸出進行融合。

（2）目標級融合　目標級融合是對視覺傳感器和毫米波雷達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(yīng)的搜索匹配后融合輸出。

（3）信號級融合　信號級融合是對視覺傳感器和毫米波雷達傳出的數(shù)據(jù)源進行融合。信號級別的融合數(shù)據(jù)損失最小，可靠性最高，但需要大量的運算。