《新能源智能驾驶研究开题报告文献综述（含提纲）3700字》

———PAGE30—开题报告文献综述研究的目的、意义及国内外发展概况研究目的一百多年以前欧美诸多国家率先发展了汽车工业。以日本和韩国为首的亚洲汽车企业虽然起步较晚，但已逐渐成为世界汽车工业的领先者。随着汽车数量的增加给人们的生活带来如交通堵塞、交通事故、尾气排量超标等许多的不利因素。因为在汽车的驾驶过程中，需要驾驶员全程手动控制，注意力必须高度集中，一旦驾驶员犯了错误，就很容易造成交通事故。根据世界卫生组织提供的数据显示，全世界每年因道路交通事故死亡人数约有125万。数据显示，每年还有数千万人因交通事故受伤或残疾。其中，年轻人的首要死亡原因竟然交通事故是，死亡的概率远远高于其他原因。世界卫生组织表示，造成道路交通死伤的一个主要风险是车速过快。此外，世界上的残疾人和老年人也占总人口的很大比例，对于这一群体来说，想安全驾驶汽车也是很不方便的。为了提高车辆整体安全性能及对驾驶员和行人的保护，减少各类交通事故造成的经济损失和人员伤亡，各国政府也公布了一系列法令。同时，为了创造安全的交通环境，提高人们的安全旅游质量，他们加大了对汽车的安全技术的研究。总之，为了避免因交通事故造成的经济损失和人员伤亡，让因为不能自主判断道路情况及不具备驾驶汽车能力的人享受个人旅行驾驶的乐趣。因此，人们逐渐提出并接受新能源无人驾驶汽车这一概念。新能源无人驾驶汽车的初期更多的研究在军事领域的应用。随着相关技术的成熟，民用领域也开始了对新能源无人驾驶汽车相关技术的研究。研究意义新能源汽车自动驾驶技术的开发不仅意味着汽车产业的发展，也意味着许多新兴产业的发展，因此对于世界上所有国家来说，默认地被认为与各国发展有着不可或缺的联系。新能源汽车今后的发展也将会大大提高人们的出行质量和出行效率。只要新能源汽车的发展达到一定的水平，其他产业的发展也会达到相应的水平。届时，自动驾驶技术可以在实践中得到实施，解决拥堵、停车难和排放等问题，因此，研发新能源汽车自动驾驶技术不仅对减少交通事故，而且对其他社会产业的发展具有重要意义。国内外发展概况国外发展现状随着自动驾驶相关技术的成熟，各国都十分注重其在各个领域的应用和前景，尤其是在交通方面和军事领域的应用，以及新能源无人驾驶汽车的开发，进而推动自动驾驶技术的发展。世界上第一台自动引导车辆系统由美国BarretElectronics公司于1954年研发，该系统为其自主研发的第一套系统，它具备了新能源无人驾驶汽车一项最基本的功能特征——无人驾驶[1]。20世纪70年代，在欧美国家已经普遍的重视新能源无人驾驶汽车的相关研究，20世纪80年代，美国国防部开启了自主地面车辆（AVL）新计划，为了能够让汽车拥有充分的自主权，该项目采用摄像头和计算机系统来检测地形并对车进行导航[2]。在20世纪90年代，梅赛德斯和慕尼黑国防军大学联手改进和开发了一种装备有各种传感器的汽车，使汽车能够监控车辆周围的道路状况，并据此进行处理。从2004年起，为了给新能源无人驾驶汽车的众多研究者提供一个学术交流的平台进而加速新能源无人驾驶汽车技术的发展，美国国防部高级研究项目局(DARPA)，开始举办机器车挑战大赛。谷歌公司于2015年，研发出第一款可以在道路上正式测试的样车，一款完全没有方向盘的新能源无人驾驶汽车，让驾驶员摆脱了方向盘的束缚。图1谷歌新能源无人驾驶汽车2017年9月，美国众议院首次提出对新能源无人驾驶汽车的生产、测试和发布进行管理控制并通过了关于自动汽车驾驶的相关法案。并于该月12日，美国交通运输部公布了新版自动驾驶指南2.0，旨在统一全美新能源无人驾驶汽车技术的研发，放宽了新能源无人驾驶汽车公司研究新能源无人驾驶汽车的相关政策。目前很多外国国家也已经发行了一系列政策和措施来鼓励新能源无人驾驶汽车的研究，也十分关注新能源无人驾驶汽车的发展前景。国内发展现状国内在自主驾驶方面研究较晚，从20世纪80年代底才开始，90年代初，国防科技大学便获得了成功，研制出了我国意义上的第一辆新能源无人驾驶汽车，这辆汽车装有由计算机及其配套的传感器和液压控制系统组成的汽车计算机自动驾驶系统，该车能够在计算机控制下完成无人驾驶[3]。1988年清华大学在国防科工委的和国家863计划的资助下，从1988年开始研制开发智能车。2007年一汽集团与国防科大合作，2007年红旗HQ3参加了第14届国际智能车交通大会，会上对红旗HQ3进行了实地的测试，在国际引起了巨大的轰动。2011年7月，国防科技大学和一汽集团联合研制的红旗HQ3首次完成了从长沙到武汉的286千米的高速全程无人驾驶试验，该次试验的成功标志着我国无人驾驶技术在复杂环境识别、智能行为决策和控制等方面实现了新的技术突破[4]。2013年百度公司开始了新能源无人驾驶汽车的项目，其技术核心是百度汽车大脑包括高精度地图定位，感知，智能决策与控制四大模块。2012年11月24日，我国军事交通学院所研发的新能源无人驾驶汽车在北京至天津的高速公路上完成路试，其路试的主要项目有循线行驶、跟车行驶、自主换道、邻道超车、自主超车、人工指令行驶等六个科目，为确保安全，智能车装有应急控制装置，紧急情况下可立即实施人工强制干预[5]。2015年百度公司的新能源无人驾驶汽车首次在国内实现了城市环路和高速公路混合路段下的全自动驾驶，其在路段上测试最高时速达到100公里每小时。同年长安汽车发布了智能化战略654，建立6个基础技术体系，平台开发5大核心应用技术分4个阶段逐步实现从单一智能到全自动驾驶。2017年7月，百度公司CEO李彦宏参加了百度公司举办的首届智能开发者大会并乘坐百度公司自主研发的新能源无人驾驶汽车到达会场。图2百度新能源无人驾驶汽车上世纪八十年代以后，中国开始研究新能源无人驾驶汽车，并且到目前为止，世界上的研究结果表明，新能源汽车自动驾驶技术研究方面中国和外国之间的差距正在缩小。在今后的智能时代，中国将在新能源汽车无人驾驶领域拥有着举重若轻的地位。论文提纲或设计总体方案1绪论1.1研究背景及意义1.2国内外研究现状1.2.1国外研究现状1.2.2国内研究现状1.3论文主要研究内容2新能源汽车数据采集及处理2.1新能源汽车环境感知系统2.1.1环境感知对象2.1.2环境感知方法2.1.3基于机器视觉的环境感知流程2.2传感器2.2.1红外传感器2.2.2视觉传感器2.2.3超声波传感器2.3数据采集方法3新能源汽车避障技术3.1多传感器信息融合3.1.1多传感器信息融合技术3.1.2多传感器信息融合方法及实现3.1.3多传感器信息融合技术的优点3.2超声波与视觉的融合技术3.2.1超声波与视觉的融合技术优势3.2.2超声波与视觉的具体融合方式3.3新能源汽车避障行为设计3.3.1直奔目标行为3.3.2直接避障行为3.3.3紧急避障行为4结论论文的应用价值或设计项目的市场预测在避障算法选择过程中，选择经典的人工势场法作为基础的避障算法。在整个研究过程中，还根据障碍物的数量和放置密度的程度选择不同的算法，如果障碍物数量少、摆列松散，则使用单一的人工势场法，新能源无人驾驶汽车就可以有效躲避障碍物，并顺利到达目的地；当障碍物数量较多、摆列密集时，单一的人工势场法无法满足避障需要，因此基于人工势场方法进行了改进，改进后，添加了模糊控制算法，并使用了人工势场法和模糊控制算法相结合以躲避障碍物。通过模拟分析，结合模糊控制算法的改进的人工势场方法可以障碍物数量多及排列密集的情况下，新能源无人驾驶汽车平滑地躲避障碍物，并安全地行驶到达目标点。进度计划（1）2022年1月1日--1月30日：开始选题，在实践中与指导老师商讨，确定毕业论文题目及写作方向。（2）2022年2月1日--2月28日：通过查询资料并结合写作方向，完成论文开题报告。（3）2022年3月1日--3月30日：完成论文初稿，期间在图书馆及网上查阅并参考了大量相关资料。（4）2022年4月1日--4月30日：完成论文初稿第一次修改。根据指导老师针对文章论点、论据的阐述以及论文逻辑性等方面问题提出的修改意见进行修改。（5）2022年5月01日--5月20日：完成论文第二次修改。根据指导老师针对论文表述不清晰，论点阐述不够深入等问题提出的修改意见进行修改。（6）2022年5月21日--6月10日：完成论文第三次修改。指导老师对论文格式，电子排版做了指导。（7）2022年6月11日--6月30日：最后一次修改并定稿。主要参考文献[1]张国全.基于视觉导航的智能车辆目标检测关键技术研究[D].兰州:兰州理工大学,2012.[2]王子正,程丽.无人驾驶汽车简介[J].时代汽车2016(8):82-85.[3]陈明哲.智能车辆发展现状及前景展望[J].黑龙江科技信息,2016(31):146-147.[4]中国光谷物联网技术创新联盟．286千米——我国自主研制无人驾驶技术的新突破[J]．物联网技术，2011（06）:12-13.[5]贾祝广,孙效玉,王斌,张国维.无人驾驶技术研究展望[J].矿业装备,2014(5):44-47.[6]SAEInternationalOn-roadAutomatedVehicleStandardsCommittee.TaxonomyandDefinitionsforTermsRelatedtoOn-roadMotorVehicleAutomatedDrivingSystem[S].SAEInformationReport,2014.[7]来飞．关于汽车自动化驾驶系统发展的认识[J]．西南汽车信息，2016（11）:9.[8]S.Kim,Y.Kim.RobotLocalizationUsingUltrasonicSensors［C］.Japan:ProceedingsofIEEE/SRJInternationalConferenceonIntelligentRobotsandSystems,2004:3762-3766.[9]L.Kleeman.AdvanceSonarwithVelocityCompensation［J］.InternetJournalRoboticsResea-rch,2004,23(2):111-126.[10]A.Diosi,L.Kleeman.AdvancedSonarandLaseRangeFinderforSimultaneousLocalizationandMapping[C].Japan:Proceedingsof2004IEEE/RSJInternationalConferenceonligentI-ntelRobotsandSystems,2004:1854-1859.[11]M.Y.Kim,H.Cho.AnActiveTrinocularVisionSystemofSensingIndoorNavigationEvironm-entforMobileRobots[J].SensorsandActuatorsA:Physical,2006,125(2):192-209.[