智能汽车自主驾驶控制系统

智能汽车自主驾驶控制系统

文献综述

姓名：杨久州班级：机电一班学号：20137631

前言

20 世纪末以来，随着世界智能交通系统(ITS)和无人化武器装备系统的发展，共同对新一代智能交通工具提出了迫切的需求。智能车辆技术迅速成为具有前瞻性的高新技术研究课题，受到了学术界和企业界的广泛关注。目前，智能交通系统(ITS)作为一个能够较好地解决世界性的交通拥堵、大量的燃油消耗和污染问题的先进体系吸引了大量学者的关注。一般来说，ITS 由智能车辆、运营车辆管理系统、旅行信息系统和交通监控系统组成，智能车辆作为其核心部分，扮演着至关重要的角色。没有高度发达的智能车辆技术，就不能实现真正意义上的智能交通系统。

智能车辆(Intelligent Automotive)，又称自主车辆(Autonomous Vehicle)或无人地面车辆(UGV)，集成了车辆技术、传感技术、人工智能、自动控制技术、机电一体化和计算机技术等多学科强交叉科学技术，它的发展水平反映了一个国家的工业实力。在近十年间，智能车辆技术的研究吸引了世界范围内大量高校、企业以及相关科学家的关注，各国政府和军事部门也对其表现出强烈的兴趣，智能车辆技术因此在短期内得到了飞跃性的发展。

1.智能汽车自主驾驶技术的发展现状

汽车自主驾驶技术研究是从两个不同研究领域发展起来的。

从1%0年开始,为了改善汽车的操控性能,美国ohio大学的一些研究工作者开始进行汽车侧向跟踪控制和纵向跟踪控制研究,该项研究持续了二十多年,取得了一系列研究成果。

另一方面,二十世纪六十年代美国stanfoul研究所在进行人工智能研究中,开

发了Shakey移动机器人,作为人工智能研究工作的试验平台。1973一1981年间由Hans.Moravec在Stanford研究所领导的stanford。art工程则第一次实现了自主驾驶。

进入二十世纪八十年代以后,军方和一些大型汽车公司对自主驾驶技术表现出了浓厚的兴趣。美国军方先后组织了多项车辆自主驾驶的研究项目,其中包括DARPA的ALV项目,DARPA的DEMo一H计划、DEMo一111计划等。这一系列的研究都试图将自主驾驶技术使用到军事上去,以提高部队战斗力。其它包括英国、法国、德国等在内的一些国家

也都在进行自主驾驶技术在军事使用领域的相关研究。大型汽车公司则更加注重汽车自主

驾驶研究,以期提高汽车性能。

然而直到二十世纪九十年代前期,有关研究主要由大学联合有关公司进行。其中比较成功的有:

(l)德国慕尼黑国防军大学所进行的vaMoRs和vaMP自主驾驶汽车研究。

(2)美国卡耐基一梅隆大学的Navlab系列自主驾驶汽车研究。

(3)美国加州理工大学的PAI,H研究群体。

(4)意大利帕尔玛大学的ARGO自主车样车。

其它包括法国、日本等都在开展自主驾驶汽车的研究工作。

国内关于自主驾驶汽车的研究,是二十世纪八十年代末期开始的,已取得了令人鼓舞的研究成果。

国防科学技术大学1991年研制的汽车自主驾驶系统实现了低速自主驾驶。2000年,以BJ2020为平台的自主驾驶汽车实现了75.6km/h的高速公路车道跟踪实验。2003年,由国防科学技术大学和中国第一汽车集团公司联合开发的红旗车自主驾驶系统实现了17Okm/h的高速公路车道跟踪驾驶,并具有了超车功能。该成果标志着中国汽车自主驾驶技术已经达到了国际先进水平。

清华大学智能系统实验室也在进行汽车自主驾驶技术研究。据报道,2003年其研制的THMR一V智能车进行了最高时速达到150km/h的白线跟踪实验。其它包括吉林大学在内的一些研究机构,也都在进行汽车自主驾驶技术的研究。

2.智能汽车自主驾驶关键技术和分析

2.1智能驾驶控制系统自主开发平台的改装

智能驾驶控制系统功能开发平台需要对发动机、变速箱、制动系统集成控制，实现车辆自动跟随、制动停车、安全车距保持等功能。

具体要求为：发动机能响应增扭或降扭指令；制动系统能响应制动指令；环境感知数据如相对距离、相对速度等信息由雷达或摄像头实时采集；驾驶员可设置信息、危险工况报警信息等在液晶仪表上实时显示，为实验员及驾驶员提供好的交互界面；驾驶员可进行系统设置，如设置系统开/关、巡航速度增减；系统在测试或标定过程中，一些重要的参数必须实时记录，且具有方便的测试接口。

2.2自主驾驶系统的两大功能模块及相互关系

通常将自主驾驶系统分为两大功能模块:环境感知和驾驶控制。

其中：

(l)环境感知

利用有关的环境传感器和定位定向传感器来确定车辆和道路、障碍的相互关系,以及车辆相对于全局导航坐标系的位置、速度、方向等信息。这些信息是驾驶控制系统进行决策控制的基础。一般常用的环境传感器包括:磁轨、可见光摄像机、激光雷达、毫米波雷达、全球定位系统、惯性导航系统、里程仪等。选用合适的传感器,并对感知的信号进行处理,以获得可以用来对自主车进行导航的环境信息,是自主车环境感知的研究重点。用机器视觉的方法对摄像机采集的图像进行分析处理,以获得车辆导航信息是目前比较常用的一种环境感知方法。(2)驾驶控制

作为自主驾驶系统两大功能模块中的一个,驾驶控制模块应能完成自主驾驶任务中除环境感知之外的所有功能,包括任务规划、行为决策、车辆操作等。这些任务从时间跨度、空间广度,以及所要利用信息的种类和范围等方面往往是不同的。例如:每次产生的车辆操纵命令只会在产生一个新操纵命令之前的几十毫秒内影响车辆运动,而一个换道机动的决策则会影响到车在未来几秒甚至几十秒内的运动,并使车辆产生一个明显的侧向位移。

显然这两大功能部分是相互区别又相互联系的,环境感知信息是驾驶控制系统决策控制的基础,而在必要时候驾驶控制系统可向环境感知系统的感知过程提供有价值的参考信息。

具体到两大功能模块自身,其又有各自的研究重点。

对于环境感知系统的研究来说,研究的重点包括:新型高性能环境传感器的研究和开发,新的环境理解算法研究等。

而驾驶控制要对环境感知系统提供的大量环境信息进行合理的取舍和融合,同时实时地进行环境态势估计、行为决策、路径规划、车辆运动控制等一系列需要大量的知识和智能的工作。因此可以将其关键技术概括为以下几项:

(l)有自诊断、自学习功能及容错能力的驾驶控制系统结构研究

SaridiS的分层递阶智能控制系统结构是构建汽车自主驾驶控制系统的理论指导,各层次的功能划分、内部结构、以及层次之间的协调都是汽车自主驾驶系统所要研究的主要问题。

(2)车辆行为决策及路径规划研究

驾驶控制系统需要在不确定性的道路环境中根据环境感知系统和本体感知系统提供的环境信息、任务所要达到的目标及其它相关信息确定自身的行为方式,进一步规划自主车的速度、位置等期望运动轨迹。这一过程中需要进行一系列的推理、计算,对这一问题的研究将是自主车自主能力提高的关键。将人工智能、计算智能中的有关理论用来解决这一问题是自主车研究的重点。

(3)车辆纵向控制及侧向控制研究