车辆环境感知通信与及驾驶行为实验

车辆环境感知通信与及驾驶行为实验课程名称：____车联网技术基础________

一、实验信息

控制键

盘矩阵

解码器解码器解码器解码器光端光端

机

画面分割器

TV

摄像

头

摄像

头

摄像

头

摄像

头

装有车载取证

设备的指挥车

图2 SIMPAK系列GNSS定位系统

就是说如果磁场和重力场平行了，比如在地磁南北极。这里的磁场是向下的，即和重量场方向相同了。这个时候航线交是没法测出的，这是航姿系统的缺陷所在，在高纬度的地方航线角误差会越来越大。

（2）激光雷达系统

激光雷达是通过发射激光束来探测目标位置的雷达系统，主要用于机器人环境识别、建筑物入侵保护（安防）、自动门/行为方式识别、自动导航车辆（AGV）障碍检测、无人飞行器避障和自主导航。测距时，激光雷达首先靠旋转的反射镜向目标物体发射激光，然后通过测量发射光和从物体表面反射光之间的时间差来确定与目标物体间的实际距离，这种方法也被称为脉冲检测法，在确定了距离之后就可以根据距离和激光发射的角度来推导出物体的实际位置。

激光雷达一般有三个组成部分：第一部分是激光发射器，用来发射激光射线；第二部分是扫描与光学部件，用来收集反射点距离和水平角度；第三部分是感光部件，主要用来检测反射光的强度。因此激光雷达主要是通过收集一系列反射点的坐标和光强信息来对扫描面的景物信息做出判断。

UTM-30LX为HOKUYO公司的2D激光扫描测距产品，如图3所示。

图3 UTM-30LX型单线激光雷达

R-Fans-16 激光雷达传感器是北科天绘公司的16线激光雷达，通过16 线360°扫描实现三维探测成像，如图4所示。

图4 R-Fans-16型16线激光雷达

（3）毫米波雷达系统

毫米波雷达是一种成本较低、体积小、便于安装使用的传感器，相比于其他雷达传感器，其工作在30~300GHz 频域的波段中，波长适中，穿透能力较强，在夜间与雨天均可以较为准确获取障碍物相对于毫米波雷达的距离和速度，能较好的满足在车载条件下前方车辆识别的要求。德尔福ESR毫米波雷达见图5。

图5 德尔福ESR毫米波雷达

（4）视觉传感器及深度学习系统

由于近些年机器视觉领域的蓬勃发展，视觉传感器已经成为了目标检测领域不可或缺的重要传感器。视觉传感器具有其他传感器无法比拟的信息量，单帧图像中的信息量是雷达传感器望尘莫及的。通过机器视觉等方法，视觉传感器能够识别出目标的种类信息，因此它在目标检测、车道线检测、交通标志标线识别等方面有着无法替代的重要作用。同时，视觉传感器的成本极为低廉，且成熟的技术，因此它已经被广泛地应用于智能汽车环境感知系统中。

视觉传感器的缺点也很多，首先由于单帧信息量大，视觉检测的耗时也比较高，实时性较差。其次，视觉传感器很依赖可见光源，因此沙尘、雨雾天气会对其造成影响，而光线照射的改变则会对其造成重大影响。

为了能够尽量节约成本，同时保证相机满足系统应达到的应用条件，实验选

用海康威视DS-2CD3T25D-I3相机作为视觉目标检测的传感器，如图5所示。

相比于传统的机器学习方法，深度学习适合处理大数据，因此深度学习十分地依赖于高端的硬件设施，因为计算量很大。深度学习中涉及很多的矩阵运算，因此很多深度学习都要求有GPU参与运算，因为GPU就是专门为矩阵运算而设计的；在机器学习方法中，几乎所有的特征都需要通过行业专家在确定，然后手工就特征进行编码，然而深度学习算法试图自己从数据中学习特征；在解决问题时，传统机器学习算法通常先把问题分成几块，一个个地解决好之后，再重新组合起来。但是深度学习则是一次性、端到端的解决。本实验所用训练计算机如图6所示，

图6 海康威视DS-2CD3T25D-I3相机

相比于传统的机器学习方法，深度学习适合处理大数据，因此深度学习十分地依赖于高端的硬件设施，因为计算量很大。深度学习中涉及很多的矩阵运算，因此很多深度学习都要求有GPU参与运算，因为GPU就是专门为矩阵运算而设计的；在机器学习方法中，几乎所有的特征都需要通过行业专家在确定，然后手工就特征进行编码，然而深度学习算法试图自己从数据中学习特征；在解决问题时，传统机器学习算法通常先把问题分成几块，一个个地解决好之后，再重新组合起来。但是深度学习则是一次性、端到端的解决。本实验所用训练计算机如图7所示，

图7 深度学习训练计算机

上图为车辆环境感知实验的仪器连接框图

820(EPSON)

驾驶员血压、心电、脉搏

率等生理心理指标量及车XW8000工作站

辆制动、方向角等驾驶操

纵信号采集传感器系统

车载信息及车辆运行环境系统实验平台

图9模拟驾驶三维实景仿真系统车辆及驾驶舱

车辆及驾驶舱是以车载信息与驾驶环境实验室的江铃全顺牌轻型客车（JX6545-H）为主体建设。

（2）驾驶员驾驶参数传感器

驾驶员驾驶参数传感器主要有：车速传感器、转向盘转角传感器、车辆加速传感器、方向灯检测传感器、制动踏板传感器及加速踏板传感器等。

车速传感器主要有磁电式、光电式、霍尔式三种类型，信号形式为磁电式交流信号、霍尔数字信号或光电式数字信号，接口形式有模拟量和数字量。

转向盘转角传感器主要有绝对值转角和相对值转角传感器两种。前者采用电阻分压原理，信号为两路电压信号；后者有光电感应式转换成方波信号，电磁感应式转换成方波信号以及电阻感应式转换成方波信号或连续的模拟输出三种信号形式。

车辆加速传感器主要有三轴和双轴两种加速传感器，接口形式为数字或模拟形式，基本线性参数有量程、抗冲击、温度范围、频率和灵敏度。

方向灯检测传感器有电容式、霍尔式、磁电压和压电压几种类型，参数有输入电源、额定电源和相对温度，接口形式为开关量，信号形式为 0-1。

制动踏板传感器有制动踏板力和位移传感器两种，它是将驾驶员者踩踏板的力度和速度信息传给ECU，参数有额定载荷、精度和输出电压。

加速踏板传感器主要有霍尔式和电位器式两种传感器，它主要是检测踏板的位移和转角，将电气信号传输给发动机电控单元，是一种模拟信号，参数有额定载荷、精度和输出电压。