智能网联汽车技术基础 习题解答

课后习题：
第一章
1、智能网络汽车是如何定义的？
答：智能网联汽车( Intelligent and Connected Vehicle，ICV) 是指搭载先进的车载传感器、控制器、执行器等装置，融合车联网、5G和V2X 等现代通信与网络技术，实现车与X ( 车、路、人、云等) 智能信息交换、共享，并逐渐具备复杂环境感知、智能决策、协同控制等功能，且可实现安全、高效、舒适、节能行驶，最终实现无人驾驶目标的新一代汽车
2、我国将汽车自动驾驶分成几个级别？
答：0级应急辅助、1级部分驾驶辅助、2级组合驾驶辅助、3级有条件自动驾驶、4级高度自动驾驶、5级完全自动驾驶
3、智能网络汽车包括哪些关键技术？
答：从功能角度上,智能网联汽车包括环境感知系统、定位导航系统、路径规划系统、运动控制系统、先进辅助驾驶系统、无线通信和车载网络系统等。

从技术角度上,智能网联汽车由环境感知层、智能决策层、控制和执行层组成。

第二章
1.我国发展车联网的优势体现在哪几方面?
答：（1）中国汽车市场规模全球第一，汽车网联及智能服务要求的逐渐提高为我国车联网产业的规模化发展提供了机遇；（2）互联网和通信行业的技术能力和服务经验为我国车联网普及奠定了坚实的
基础；（3）国家政府的大力支持。

2.车联网的基本框架包括哪几部分?各自的作用是什么?
答：（1）主要包括车载系统、路侧系统和通信系统。

（2）车载设备子系统主要包括车载传感器、处理器，实现环境信息的获取和处理。

路侧设备子系统主要包括路侧传感器、边缘服务器和远端服务器，采集道路上交通参与者的状态信息。

通信子系统：由车载通信模块、移动通信基站、路侧通信模块以及其他通信设施构成，实现车、路、云三端之间的信息传递。

3.C-V2X相比于DSRC有什么优势?
答：（1）覆盖范围更广，DSRC技术限于短距离信息传输，而C-V2X 长短程均可覆盖；（2）技术性能更好，DSRC技术当网络拥塞时，可靠性较低，而C-V2X在网络拥塞时可利用公网进行调度；（3）C-V2X 相比于DSRC成本更低。

4.智能网联研发中常用的中间件有哪些?各自有何特点?
答：（1）常见的有ROS、Apollo、Autoware等。

（2）三者都是开源的。

ROS比较通用，最先用于机器人。

Apollo和Autoware都是面向智能驾驶的，Apollo当前以脱离ROS，Autoware是基于ROS的。

5.车联网安全技术主要包括哪几方面内容?
答：车联网安全主要包括通信安全、车端安全、移动APP安全、车联网服务平台安全等方面。

第三章
1、请分别叙述线控转向系统、线控制动系统的组成和工作原理？
答：汽车线控转向系统的主要组成部分包括转向盘总成、主控制器（ECU）和转向执行机构。

线控转向工作原理是用传感器检测驾驶员的转向数据，然后通过数据总线将信号传递给车上的ECU，并从转向控制系统获得反馈命令；转向控制系统也从转向操纵系统获得驾驶员的转向明亮，并从转向系统获得车轮情况，从而指挥整个转向系统。

线控制动系统分为电子液压制动系统（EHB）和电子机械制动系统（EMB）。

EHB是从传统的液压制动系统发展来的，但与传统制动方式有很大的不同，EHB以电子元件替代了原有的部分机械元件，是一个先进的机电一体化系统，它将电子系统和液压系统相结合。

EHB主要由电子踏板、电子控制单元（ECU）、液压执行机构组成。

电子踏板是由制动踏板和踏板传感器（踏板位移传感器）组成。

踏板传感器用于检测踏板行程，然后将位移信号转化成电信号传给ECU电控单元，实现踏板行程和制动力按比例进行调控。

EMB以电能为能量来源，通过电机驱动制动垫块，由电线传递能量，数据线传递信号，EMB是线制动系统的一种。

整个系统中没有连接制动管路，结构简单，体积小，信号通过电传播，反应灵敏，减小制动距离，工作稳定，维护简单，没有液压油管路，不存在液压油泄露问题，通过ECU直接控制
2、什么是汽车滑板底盘技术？
答：滑板底盘的全线控技术，将整车的动力、制动、转向、热管理和三电等模块全部整合到底盘上，构成了独立的功能区，达到了上下车体解耦的目的。

整车核心控制模块均集成在了底盘上；滑板底盘可以让车实现上下车体分离解耦；整车实现全线控；上车体可以根据需求
更换。

对于滑板底盘每个系统都是线控系统，使用电子信号输入来控制车辆，而不依赖驾驶员的力或者扭矩的输入。

第四章
1、毫米波雷达在智能网联汽车上的应用主要有哪些？
答案：毫米波雷达在智能网联汽车上的应用主要有自适应巡航控制系统、前向碰撞预警系统、自动制动辅助系统、盲区监测系统、自动泊车辅助系统、变道辅助系统等先进驾驶辅助系统（ADAS）。

2、视觉传感器在无人驾驶汽车上能够实现哪些功能？
答案：视觉传感器在无人驾驶汽车上的应用主要是环境感知，通过视觉传感器实现的感知功能有车道线识别、障碍物识别、交通标识和地面标识、可通行空间识别、交通信号灯识别。

3、多传感器融合技术的优势是什么？
答案：多传感器融合技术的优势在于能够提升感知系统的准确度与感知维度，据此来提升系统决策的可靠性和置信度，增强环境适应能力。

多种工作原理的传感器联合互补，能够尽量避免单一传感器的局限性，在最大程度上发挥多种传感器的优势，可以同时获取被检测物体多种不同的特征信息，渐少环境、噪声等外界干扰，提升系统决策的可靠性，多传感器融合可以带来一定的信息冗余度，当一个传感器发生故障，系统依旧能够正常工作，容错度较高，增加系统决策的可靠性和置信度。

第五章
1、GPS系统和BDS系统有哪些区别？
答：BDS是中国研制的全球卫星导航系统，GPS是美国研制的卫星导航与定位系统。

BDS有星间链路和短报文功能，GPS没有此功能。

GPS 的卫星均是地球中园轨道卫星，BDS的卫星包括地球同步卫星、倾斜轨道同步卫星和中国椭圆卫星、
2、惯性导航系统的工作原理？
答：惯性导航系统主要由惯性测量单元、信号预处理和机械力学编排共同组成。

加速传感器能够测得加速度的信息，在时间上不断积分后，可得到速度，位移等信息，并且是高频率的更新，提供实时的定位信息。

陀螺仪是测量角速度信息，经过参数解算建立导航坐标系，同时获得物体的航向和姿态角。

IMU的每一个轴上都装有加速度传感器和陀螺仪。

惯性导航系统利用先前的位置，再通过姿态信息和积分加速度信息，可以推算出汽车的当前的位置
3、视觉SLAM包括哪几个模块，其之间对应关系？
答：传感器信息采集：通过摄像头采集周围环境信息。

前端视觉里程计：通过前后相连帧的信息，估计相机的当前运动方向以及局部地图。

后端优化：接收前端视觉里程计信息并优化相机在各时刻位姿获得全局运动轨迹及地图。

回环检测：回环检测的目的是判断运动体是否到达先前的位置，如果检测到回环，将信息发给后端进行处理。

建图：根据后端优化好得轨迹和地图，建立相应的地图。

4、地图匹配影响因素有哪些？
答：在地图匹配过程中，路段的匹配是关键环节之一，因此路况是影响实时性和鲁棒性的重要因素。

道路越复杂，道路网的规模越大，道路匹配的时间越长，匹配的实时性就越差。

车速会影响数据的采集，不同路况下轮胎漂移及地面颠簸会影响点云数据的畸形，拐弯、交叉口、立体桥等复杂路况下被测数据会出现波动，这些情况会影响系统的鲁棒性，系统能否有效地在不同情况下正常工作。

地图匹配的精度受到GPS接收机误差、电子地图误差和坐标变换误差的影响。

GPS信号在城市中容易受到高楼、隧道等影响而丢失，会出现较大的匹配误差，对数据的连续性造成一定的影响。

电子地图会受到数据自身精度、数据比例尺、地图投影等因素的影响，会存在误差。

如果电子地图本身存在误差，在匹配道路的过程中也会引入误差。

坐标变换中换算方法的参数会随着区域的不同而发生改变，对坐标变换精度造成一定影响。

第六章
1、请简述马尔可夫决策过程。

答案：马尔可夫决策过程（Markov decision processes,MDP）就是在马尔可夫奖励过程的基础上加入了决策，即加入了相关动作。

马尔可夫（Markov)中“状态”是一个重要的术语，所谓状态，就是指某一事件在某个时刻（或时期)出现的某种结果。

事件的发展，随着时间
的变化而变化所做出的状态转移，或者说状态转移与时间的关系，就称为状态转移过程。

正常马尔可夫的决策过程由五元数组定义，定义
一个这样的五原数组
),,,,S A T R γ（。

1.S 代表了智能车辆所处的有限的状态空间。

形如一个包含了车道，环境和本身的栅格世界模型（即车辆所处的真实世界），可以将智能车辆所处的车道和周边环境归纳到有限的抽象状态中。

2.A 代表了智能车辆的行为决策空间，即无人车在所有状态下行为（behavior ）空间的集合：包含跟车、换道、左转右转、停车等。

3.状态转移函数T ：()),(,s s T s s a T '='∣
是一个条件概率，代表智能车辆在状态s 和动作a 的条件下，达到下一个状态s '的概率。

4.激励函数R ：(,)a R s s '是一个激励函数，代表了无人车在动作a 下，从状态s 跳转到s '得到的激励。

该激励函数可以考虑安全性、舒适性等多种因素。

5.(0,1)γ∈是一个激励的衰减因子，下一时刻的激励就按照这个因子进行衰减。

当前的激励系数为1，下一个时刻为1γ，下两个时刻为2γ，当前的激励总是比未来的激励重要。

2、请简述Dijkstra 算法与A*算法的区别，并概述A*算法的大体过程（伪代码）。

答案：区别：迪杰斯特拉算法搜索路径时的中心思想是广度优先搜索和贪心思想。

在规划过程中，每次只选择当前代价最小的值进行搜索，不从整体最优上加以考虑，只在当前这一步选择最好的，在某种意义
上算法求解的是局部最优解。

A*算法其实就是从Dijkstra 算法演变过
来，也是在Dijkstra 算法之上进行优化的，Dijkstra 算法每次都会选择当前代价最小的值进行收录，而A*算法在此基础上引用了启发函数，不单单看当前代价，还要预估当前点到目标点的预估代价，使得在进行路径规划时搜索的速度更快，效率更高。

A*算法的启发函数
通常表示为()()F
n g n h n =+（）。

其中F(n)为当前点的当前代价，由两部分组成。

g(n)为实际代价，即起始点到当前点的已经走过的路程代价和，与Dijkstra 算法中的每次收录的当前代价类似。

h(n)为预估代价，即当前节点到目标点的估计代价，常用欧式距离（Euclidean Distance ）和曼哈顿距离（Manhattan Distance ）来表示预估代价。

A*算法在规划路径时，每次会根据启发函数的值进行搜索。

A*算法进行每次探索时会向该节点周围的八个方向进行搜索，上下左右以及45度角的方向进行探索。

A*算法的大体步骤如下： Algorithm: A*
1 初始化地图，将起点放入Open list ，Open
list={S};
2
While True 3
If Open list 为空； 4
搜索失败； 5
else 6
取Open list 中F （n ）值最小的节点； 7
将节点加入Close list ； 8 If 节点为终点；
9 回溯父节点，生成路径；
10 return
11 else
12 遍历当前节点未在Close list的邻接节点；
13 If 节点在Open list中；
14 更新节点的g（n）的值；
15 else
16 直接加入Open list；
17 End
3、请描述快速搜索随机树（RRT）算法的搜索过程，并简介RRT算法的改进算法。

答案：RRT（Rapidly-exploring Random Tree）算法叫做快速搜索随机树算法，因为该算法的采样过程类似于大树的生长过程，所以被称为快速搜索随机树算法。

RRT算法的遍历过程和大树树枝生长的过程非常相似，从起点开始，把起点比作大树的种子，然后开始不断朝各个方向长出树枝，树枝慢慢扩展，一直到新生长的树枝接触到终点，然后就可以找到一条可通行的路径。

RRT算法的大体过程如下：
1.从起点开始搜索，然后在地图上确定一个随机点
X，然后将刚
r
确定的随机点连接地图中已经收录的最近点。

2.提前设置一个步长作为树枝的长度，从刚才那个最近点沿着连
线的方向取步长的长度，确定一个新的点
X，并把这个新节点收录。

n
3.然后在随机取一个点
X，连接刚才收录的最新的最近点n X，在
r2
以
X为起点以步长为长度取新的点2n X。

（如果新确定的随机点和最n
近点的连线穿过了障碍物，则舍弃这个随机点，再重新选随机点）
4.重复以上步骤，要想终止算法，生长的树枝就必须正好到终点，
但是正好生长到终点的概率很小，所以要设置一个提前停止的条件。

5.所以加上一个条件，每次产生一个新的
X时就计算一下它距离
n
终点的距离，如果判断这个距离比步长小并且中间没有障碍物，那么
就直接将满足这个条件
X和终点连接。

这样就得到最终路径。

n
改进1：RRT*算法。

虽然RRT算法是一种高效率的采样路径规划算法，但是RRT算法并不能保证所得出的可行路径是相对优化的，因此需要进行改进，RRT*算法就是基于RRT算法进行改进的。

RRT*算法的主要特征是能快速的找出初始路径，之后随着采样点的增加，不断地进行优化直到找到目标点或者达到设定的最大循环次数。

其实RRT*算法和RRT算法主要就差在两个地方。

RRT*算法在RRT算法的基础上优化了两个步骤：重新选择父节点和重新布线随机树两个过程。

重新选择父节点：再确定一个新的节点X_new后，然后以新的
节点为圆心，提前规定好的半径画圆，然后在这圈内的邻近节点重新
选择父节点，看邻近节作为当前节点X_new的父节点时是否有更优，
如果路径更优就选择X_new为它的父节点。

重布线随机树的过程：在进行重新选择父节点后，为使整体的路径代价最小，需要进行重布线处理。

重布线的过程也可以被表述成：如果近邻节点的父节点改为X_new可以减小路径代价，如果能减小代价就更换父节点。

改进2: Informed RRT*算法。

Informed RRT*算法是基于RRT*算法进行改进的，RRT*是一个渐进最优的基于采样的规划算法。

但是RRT*在提高了规划出来的路径的质量的同时，消耗的时间也大大增长。

因此在保证规划出来的路径的质量的同时，缩短搜索时间是一个探索的方向，也就是想办法在同样长的时间内，得到尽可能好的规划结果。

Informed RRT*就是向这个方向探索的一种。

Informed RRT*算法是在RRT*算法得到路径之后，再次基础上对此路径进行进一步优化，使得得到的路径最优。

在用RRT*算法得到可行路径之后，将采样点的范围限制在一个椭圆（高维空间为椭球型）范围内，更优的路径的采样点范围会存在以起点和终点为焦点的椭圆上，然后随着路径长度的不断缩短，椭圆也随着不断变小，然后最终得到的路径也越来越优。

4、请说明TEB算法中的常见约束。

答案：1.跟随路径+避障
跟随路径+避障约束主要有两个目标，跟随已知的全局规划路径和实
时避障,对应的约束函数可以用惩罚函数的形式表示：
()min,max ()min,max (,,,,)
(,,,,)path j p obs j o f e d r S n f e d r S n ττεε==--
2.速度和加速度约束
由于车辆性能的约束，车辆的速度和加速度都是有最大值和最小值的，所以需要对两点之间的运动学信息加以约束，对应的约束形式可以表示为：
111i i i i i i x x v y y T ++-⎛⎫ ⎪-∆⎝⎭ 1i i
i i T θθω+-∆ 11
2()i i i i i v v a T T ++-∆+∆ 3.运动学约束
运动学约束主要是将车辆在单位时间间隔内的轨迹简化成曲率相同的弧线上，如图所示。

对应的约束条件为：
,,1i i i i ββ+=
1,1,11cos()cos()sin()sin()00i i i i i i i i d d θθθθ++++⎡⎤⎡⎤⎢⎥⎢⎥=⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦⎣⎦
2
111,1cos()cos()(,)sin()sin()00i i i i i i i i f x x d θθθθ++++⎡⎤⎛⎫⎛⎫⎢⎥ ⎪ ⎪=+
⎢⎥ ⎪ ⎪ ⎪ ⎪⎢⎥⎝⎭⎝⎭⎣⎦ 4.最快路径约束
最快路径约束是一种比较常见的约束，目的是让车辆获得最快的
路径，并非是传统意义上的最短路径，因为最短的路径不一定是最快的路径。

最快路径约束条件如下：
20(),
n i i f T i n ==∆∈∑
第七章
1、PID 控制包括那些过程？分别的作用是什么？
答案：比例控制，积分控制，微分控制
a.比例控制:指成比例地反应控制系统的误差信号 e(t)，调节器会产生控制
效果以减小误差。

b.积分环节：用于消除误差，提高系统的准确性。

积分作用的强弱取决于
积分时间常数。

c.微分环节：反应偏差信号的 变化速率，并能在偏差信号变得太大之前，
在系统中引入一个有效的早期修正信号，从而加快系统的动作速度，减小调节
时间
2、常见的动力学模型有哪些？其各自包括哪些部分？
答案：二自由度车辆动力学模型，三自由度车辆动力学模型，七自由度车辆动力学模型，
1，二自由度指的是横向上 y 轴的运动和绕 z 轴的转动，忽略了纵向x轴的运动
2，三自由度车辆动力学模型指横向上y 轴运动, 纵向上x 轴运动及车辆绕z 轴的转动
3，七自由度模型:包括车辆的纵向位移、横向位移和横摆角速度与四个车轮的回转运动
3、模型预测控制是基于开环控制还是闭环控制？模型预测控制分为几个部分？
答案：闭环控制。

预测模型，滚动优化，反馈校正。

第八章
1、自动驾驶测试体系包括哪些？
答案：在测试体系中分为纵向分层和横向分层，包括模型在环（MIL）、软件在环（SIL）、硬件在环（HIL）、车辆在环（VIL）和道路在环（RIL）。

其中模型在环（MIL），软件在环（SIL）、硬件在环（HIL）为实验室测试，在进行车辆在环和道路在环测试之前必须经过实验室测试。

道路在环测试又分为封闭式和开放式道路。

2、道路在环中测试环境要素包括哪些？
答案：测试环境要素包括低、高速公路、城市乡村道路、隧道等，还应具备相应的特点，如街景、停车场、弯路、交通设施、标线、信号灯等，同时还要模拟，雨、雪、雾等自然环境
3、安全测评方法遵循哪些原则？
答案：安全测评方法的选择要遵循以下原则：充分性、适应性、系统性、针对性和合理性。

第九章
1、智能辅助系统由几部分组成，其常用的横向功能具体有哪些，常用的纵向功能有哪些？
答案：智能驾驶辅助系统由横向辅助系统、纵向辅助系统以及自动泊车辅助系统三部分组成。

其中常用的横向功能主要包括车道保持辅助系统、车道偏离预警辅助系统、交通拥挤辅助系统、拨杆换道辅助系统；常用的纵向功能主要包括自适应巡航辅助系统、自动紧急制动辅助系统、高速公路辅助系统、智能巡航控制辅助系统。

2、智能辅助系统功能种类繁多，其中哪种功能不同于行车域类型功能，其具体作用是什么？
答案：自动泊车辅助系统荣不同于行车域其他功能，属于静止域辅助系统，一般来说，自动泊车系统使用多种方法来检测自车周围的障碍物。

有些在汽车前后保险杠四周装上了感应器，这些传感器既可以用来作为信号的发送装置，同时也是信号接收装置。

通过发出信号指令，当信号接触障碍物时会反射回来。

这时控制器根据其接收信号所需的时间经过精密计算来标定障碍物的特征大小以及距离等信息。

与此同时，汽车会检测到已泊车完毕的车辆信息以及停车的车位信息和距离路沿的位置，最后把使用该系统的车辆安全停入车位。

3、当装配ADAS系统的智能车辆，前车紧急刹停的情况下，AEB与
ACC哪个先触发，并说明理由。

答案：当装配ADAS系统的智能车辆，前车紧急刹停的情况下，ACC 会先触发。

因为ACC具有跟车功能，当智能辅助系统启动时，前车车辆静止，自车进行跟车车速也会降为0，会让安全距离拉大，进而保持足够的安全距离。

反之，如果AEB先行触发，则会造成车辆短时间内无法启动，进而引发更大交通事故。

第十章
1、大学生无人驾驶方程式赛车的关键部件有哪些？解释其功用是什么？
答案：（1）线控驱动，为赛车提供驱动力，满足赛车在无人驾驶时的高速、高响应性要求
（2）线控转向，使赛车具有转向功能，控制赛车前轮转角使赛车跟踪期望路径。

（3）线控制动，保证赛车的减速能力，减小车速跟踪期望车速，在赛车冲出赛道和关键信号丢失的情况下触发紧急制动保证车辆的安全。

（4）激光雷达，根据激光雷达采集的原始点云提取感兴趣区域，仅保留车体前方一定范围内的点云信息，同时降低点云量。

由于比赛场地较为平整，因此可对地面点进行滤除，保留锥桶点云，并在此基础上采用欧式聚类方法对锥桶点云进行聚类，进而实现锥桶点云的逐个分离，最后提取每个锥桶点云的中心点位置代表锥桶，发送给路径规划程序
（5）摄像头，识别赛道中不同桩桶的颜色，对路径规划与赛车启停有重要决策意义。

（6）惯性定位导航，车规级标准设计和制造的高性能组合导航定位产品。

具备在各种场景下通过数据总线向车辆提供准确姿态、航向、位置、速度和传感器数据等信息的能力
2、举例说明常见的轨迹跟踪控制算法有哪些？他们的优缺点是什么？
答案：PID、模糊控制、几何追踪方法– (纯跟踪)算法、LQR、MPC （1）PID
优点：不依赖于精确的系统模型；缺点:无法抑制系统参数不确定性以及外部扰动对纵向控制性能的影响，对不同车、不同路况都要调，很难适应所有环境达到最优。

（2）模糊逻辑控制
优点：不要精确的系统建模；缺点：制动使用的规则库依赖于先验的专家知识，通常需要进行大量的试验标定
（3）几何追踪法– (纯跟踪)算法
优点：对道路曲率的扰动具有良好的鲁棒性（不是关于曲率的等式）；缺点：跟踪性能严重依赖预瞄距离的选择，最优值很难获取；纯追踪算法是基于简单的几何学模型，并未考虑车辆动力学特征和转向执行器动态特性，高速下转向曲率的快速变化易使车辆产生侧滑，系统模型与实际车辆特性相差较大会导致跟踪性能恶化。

（4）LQP
优点：设计便利，适用于MIMO系统，学习曲线也不陡，通过几个矩阵来控制稳态性能和控制花费，并且拥有极好的鲁棒稳定性能；缺点：二次型性能指标实际中并非每个场景都是一个理想的指标；只适用于
线性系统，不过可以设计局部线性化控制器；控制的对性能函数的最优性对模型参数的准确度要求很高；该性能指标对于响应的瞬态不好直接建立关系来控制。

（5）MPC
优点：模型预测控制可以处理约束安全性约束，上下阈值。

模型预测控制是有向前考虑未来时间步的有限时域优化（一定的预测能力）最优控制要求在整个时间优化，实际上模型预测控制采用了一个折中的策略，既不是像最优控制那样考虑这个时域，也不是完全的贪婪控制仅仅考虑当前，而是考虑未来的有限时间域；缺点：模型预测控制可以处理约束安全性约束，上下阈值。

模型预测控制是有向前考虑未来时间步的有限时域优化（一定的预测能力）最优控制要求在整个时间优化，实际上模型预测控制采用了一个折中的策略，既不是像最优控制那样考虑这个时域，也不是完全的贪婪控制仅仅考虑当前，而是考虑未来的有限时间域。