智能网联汽车技术 课件全套 赵晓敏 项目1-6 车联网与汽车智能化技术概述 - 高级驾驶辅助技术

智能网联汽车技术与应用项目一车联网与汽车智能化技术概述讲师：时间：智能网联技术概述01CONTENTS

目录智能网联汽车关键技术概述02智能网联技术发展历史及未来趋势03Part车联网与汽车智能化技术概述01智能网联汽车定义：搭载车载传感器、控制器等装置，融合通信技术，实现车与X智能信息交换的新一代汽车。技术组成：包含复杂环境感知、智能决策、协同控制等功能，旨在实现"安全、高效、舒适、节能"的行驶。智能网联汽车技术定义车联网概念：车辆物联网，通过信息通信技术实现车与车、人、路、服务平台的网络连接。车联网组成：车载网络、车载自组组织网络、车载移动互联网络，实现全方位网络链接。车联网技术网联化：车辆采用新一代移动通信技术，实现车辆信息交互，增强智能化程度和自动驾驶能力。智能化：车辆配备多种传感器，实现对周围环境的自主感知和控制。智能化与网联化智能化分级：智能汽车是在汽车上增加雷达和摄像头等先进传感器、控制器、执行器等装置，通过车载环境感知系统和信息终端实现与车、路、人等的信息交换，使车辆具备智能环境感知能力，能够自动分析车辆行驶的安全及危险状态，并使车辆按照人的意愿到达目的地，最终实现替代人来操作的目的。我国在智能化的定义分五个层次，分别驾驶辅助（DA）、部分自动驾驶（PA）、有条件自动驾驶（CA）、高度自动驾驶（HA）、完全自动驾驶（FA），其等级定义、失效应对、典型工况具体如下表。智能网联汽车分级网联化程度的分级：网联化以车内网、车际网和车载移动互联网为基础，按照约定的通信协议和数据交互标准，在V2X（X：车、路、行人及互联网等）之间，进行无线通讯和信息交换的大系统网络。我国把网联化分为网联辅助信息交互、网联协同感知、网联协同决策与控制三个阶段，具体等级定义、典型信息、传输需求如下表所示。智能网联汽车分级全球广泛采用的是由SAEInternational（美国工程师学会）制定的划分方法，按照分级标准，自动驾驶从L0－L5总共被分为6个级别，L0代表没有自动驾驶的传统人类驾驶，L1～L5则随自动驾驶的成熟程度进行了逐级划分。SAE对汽车智能网联技术的分级LEVEL0(L0):NoAutomation(无自动化)。SAE定义为由人类驾驶者全权操作，在行驶过程中可得到警告和保护系统的辅助。L0仅能提供警告和瞬时辅助功能。相关功能包括：前车碰撞预警（FCW）、车道偏离预警（LDW）、交通标志识别系统（TSR）、倒车提醒、盲点探测系统（BSD）等。LEVEL1(L1):辅助控制。能够帮助驾驶员完成某些驾驶任务，且只能帮助完成一项驾驶操作。相比较L0无自动化，驾驶员可以稍微轻松些，但需要监控驾驶环境并准备随时接管。代表性技术应用有：车道保持系统，定速巡航系统。LEVEL2(L2):辅助驾驶。可以同时自动进行加减速和转向的操作，常见功能有自适应巡航功能和车道保持辅助系统。LEVEL3(L3):协同驾驶。车辆在特定环境中可以实现自动加减速和转向，无需驾驶者操作。驾驶员可以不监控周边环境，但要随时准备接管车辆，应对自动驾驶处理不了的路况。LEVEL4(L4):自动驾驶，实现全程不需要驾驶员，但是会有限制条件，例如车辆车速不能超过一定值。实现L4级别自动驾驶后已经可以不需要安装刹车和油门踏板了。LEVEL5(L5):无人驾驶，意味着车辆已经完全替代驾驶员，什么天气、地理因素都不用操心。以后的汽车将成由座驾转变为座舱，任何条件都可以实现智能电脑控制车辆。SAE对汽车智能网联技术的分级车路协同系统：采用无线通信技术，实现车车、车路动态实时信息交互，形成安全、高效和环保的道路交通系统。车路协同技术自主驾驶辅助：以车辆环境传感器系统为依托，辅助驾驶操作系统有两种类型：预警系统和控制系统。网联驾驶辅助，是一种依靠信息和通信技术来感知车辆周围环境并预测周围车辆未来运动来帮助驾驶员驾驶的系统。人机共驾，是指驾驶员与智能系统同时共享对车辆的控制，并于人机结合完成驾驶任务。与普通驾驶系统相比，驾驶车辆的任务将由自然驾驶人与自动驾驶系统共同承担。高度自动驾驶，驾驶员不需要参与车辆的操作，车辆将在所有条件下自动完成自动驾驶。高自动驾驶阶段，遇到无法控制的驾驶条件时，车辆将提示驾驶员接管。如果驾驶员不接班，车辆将用保守的方式，如侧边停车，以确保安全。无人驾驶阶段，车辆没有驾驶员，需要处理所有驾驶条件并确保安全。智能交通系统：综合运用先进技术，加强车辆、道路、使用者之间的联系，形成保障安全、提高效率的运输系统。智能交通Part智能网联汽车关键技术概述0201智能网联汽车“三横两纵”技术架构：“三横”是指智能网联汽车主要涉及的车辆/设施、信息交互与基础支撑三大技术领域，它可再细分为第二层与第三层技术。“两纵”是指支撑智能汽车发展的车载平台与基础设施。01基础设施除了车载平台外，支撑智能驾驶发展的所有外部环境条件，如道路、交通、通信网络等。智能网联汽车需要车路协同、车路一体化，在智能网联汽车的推动下，道路等基础设施将逐渐向电子化、信息化、智能化方向发展。智能网联的横向技术可细分为三层体系，第一层为车辆关键技术、信息交互关键技术、基础支撑技术三部分，各部分再细分为第二层与第三层技术。0101根据技术路线，智能网联汽车关键技术主要包含环境感知技术、决策技术、控制执行技术、V2X通信技术、云平台和大数据技术、信息安全技术、高精度地图和高精度定位技术、标准与法规、试验评价等方面。技术概述：利用传感器获取道路、车辆位置和障碍物信息，为智能网联汽车提供决策依据。01技术应用：包括摄像头、激光雷达、毫米波雷达、超声波传感器等。02环境感知技术01汽车朝智能化方向飞速发展，智能汽车是集感知、决策和控制等功能于一体的自主交通工具。其中，感知系统代替人类驾驶人的视、听、触等功能，融合摄像机、雷达等传感器采集的海量交通环境数据，精确识别各类交通元素，为未来自动驾驶汽车决策系统提供支撑。01环境感知技术作为智能网联汽车的基础，同时也是智能驾驶的四大核心技术（环境感知、精确定位、路径规划和线控执行）之一，环境感知技术利用传感器获取道路、车辆位置和障碍物信息，并将这些信息传输给车载控制中心，为智能网联汽车提供决策依据，是智能驾驶汽车的“通天眼”，应用在智能网联汽车的各个角落。环境感知系统由信息采集单元、信息处理单元和信息传输单元组成。系统基于单一传感器、多传感器信息融合或车载自组织网络获取周围环境和车辆的实时信息，经信息处理单元根据一定算法识别处理后，通过信息传输单元实现车辆内部或车与车之间的信息共享。感知系统包括摄像头、激光雷达、毫米波雷达、超声波传感器、惯性系统、多传感器融合技术、多元信息交互系统等。决策过程：依据感知信息进行决策判断，确定工作模型，制定相应控制策略。技术实现：通过感知端及高精度地图，决策端进行认知理解，规划车辆行驶轨迹。智能决策技术决策规划通常指驾驶脑，它首先融合多传感信息，对周围可能存在障碍物的目标状态进行预测，然后根据驾驶需求进行行为决策，规划出两点间多条可选安全路径，并在这些路径中规划选取一条最优的路径作为车辆行驶轨迹。驾驶脑通过各种传感器收集车辆及车辆周边信息，形成驾驶态势CT图，与驾驶地图形成一次路径规划，通过驾驶态势CT图的变化再形成二次路径规划，再通过自动驾驶反馈进行紧急干预。智能决策技术控制执行系统：控制执行是整个自动驾驶系统的最后一环，是将环境感知，行为决策，路径规划的结论付诸实践的执行者。控制执行系统将来自决策系统的路径规划落实到汽车机构的动作上。控制过程的目标就是使车辆的位置、姿态、速度和加速度等重要参数，符合最新决策结果。技术组成：控制执行技术主要指线控底层技术，包括线控制动、线控转向、线控驱动、线控换挡、线控悬挂五大部分。控制执行技术01系统设计技术智能网联汽车的系统设计技术涉及多个方面，其中电子电气架构技术、人机交互技术和智能计算平台技术是至关重要的组成部分。

电子电气架构是车辆上的电子系统和电气系统的组织结构。它定义了各种传感器、控制单元、执行器和通信总线之间的连接和交互方式。智能网联汽车的电子电气架构通常采用多层次的设计，包括硬件层、中间件层和应用层，提供了灵活性和可扩展性，使车辆更容易适应新的功能和技术。电子电气架构多采用分布式控制，即将车辆功能分布到不同的控制单元上，以提高系统的可靠性和性能。例如，不同的子系统可能分别控制驾驶辅助、车辆网络和娱乐系统。智能网联汽车电子电气架构使用高带宽和可靠性的通信总线，如ControllerAreaNetwork(CAN)、Ethernet等，用于各个子系统之间的数据传输和通信，有助于实现实时数据共享和协同操作。此外，智能网联汽车大多实施硬件和软件层面的安全措施，遵守功能安全标准，如ISO26262，对电子电气架构的设计要求，以防范恶意攻击和非法访问。

人机交互技术采用可视化界面，设计直观的仪表盘、中控屏幕和头部显示器，向驾驶员传递关键信息。集成先进的语音识别技术，允许驾驶员和乘客使用语音指令来控制车辆功能，从而减少对物理控制的依赖。

智能计算平台技术涉及到车辆内部的计算和数据处理系统，以支持复杂的智能功能，如自动驾驶、智能感知和决策。智能网联汽车的专用通信与网络技术主要包括车载通信技术和车载网络技术。车载通信技术包括车辆间通信（V2V）和车辆与基础设施通信，通过无线通信技术实现车辆之间和车辆与道路设施之间的数据交换和信息共享。车载网络技术：包括车内网络和车辆对外网络。车内网络用于连接车载电子设备、传感器和控制单元，实现车内设备之间的互联互通。车辆对外网络则用于连接车辆与云端服务器、移动网络和其他外部网络，实现车辆与外部环境的通信。02技术应用：提升交通安全、降低交通事故率，支持自动驾驶、智能交通和车联网创新。01V2X概念：车辆与一切事物相连接的新一代信息通信技术。专用通信与网络技术0102云计算：通过网络将巨大的数据计算处理程序分解成小程序，通过多部服务器进行处理和分析。大数据：对海量数据进行分布式数据挖掘，训练自动驾驶系统。云计算和大数据技术云计算和大数据技术V2X车用无线通信技术（VehicletoEverything,V2X），是将车辆与一切事物相连接的新一代信息通信技术，其中V代表车辆，X代表任何与车交互信息的对象，当前X主要包含车、人、交通路侧基础设施和网络，V2X是未来智能交通运输系统的关键技术，它可以通过通讯获得实时路况、道路信息、行人信息等一系列交通信息，提高驾驶安全性、减少拥堵、提高交通效率、提供车载娱乐信息等。基于V2X技术不仅可以大幅提升交通安全、降低交通事故率，而且可以为自动驾驶、智能交通和车联网创新提供低成本、易实施的技术路线和基础平台。车路协同技术应用于智能网联汽车的人工智能技术主要包括自动驾驶技术、智能导航系统、语音识别和自然语言处理等，通过人工智能技术实现车辆的自主决策、智能导航和语音交互等功能。人工智能技术应用于智能网联汽车的人工智能技术主要包括自动驾驶技术、智能导航系统、语音识别和自然语言处理等，通过人工智能技术实现车辆的自主决策、智能导航和语音交互等功能。智能网联汽车安全技术包括信息安全技术、功能安全技术和预期安全技术。智能网联汽车信息安全体系主要包括：网络化、智能化的车载控制器(BCM、IMMO、PKE/RKE、TBOX、IVI、ADAS)、智能化的车载传感器(TPMS、CAMERA、LIDAR、RADAR)、输入口、接口层和代码行（OBD、CAN、Ethernet、无线、手机、云）、多云端控制权、无人驾驶操控权（远程手机控制）、小集成化、成熟度高的车载通信（蜂窝、WIFI、蓝牙、NFC、RFID）。汽车的通信和娱乐系统是最容易被黑客通过入侵手机网络、WiFi、蓝牙等通道，找到车载App漏洞进行攻击，就能获取用户在这些App上的隐私数据、历史记录，实现监听或促发导航偏离。另外传感器也是黑客入侵可能的途径。像GPS、摄像头、激光雷达、毫米波雷达、IMU等常见传感器装置，都可以被黑客干扰进而影响自动驾驶的判断机制和行驶轨道。比如攻击激光雷达让其辨别不了即时性不良数据，或者是试着干扰他们长期积累的聚合数据等等信息安全技术定位技术是自动驾驶汽车研究领域中的核心问题之一,也是感知-规划-控制三层体系中最基础的环节之一。稳定高频的高精度定位是自动驾驶汽车安全行驶的保证。公共道路场景下的自动驾驶要求定位误差控制在厘米级,为了实现厘米级的定位,主流的定位方法分为两类:以全球卫星导航系统(GlobalNavigationSatelliteSystem,GNSS)为基础的定位技术和以高精度地图为基础的定位技术。括大量的驾驶辅助信息，最重要的信息是道路网的精确三维表征。定位，感知及规划都依赖高精度地图，高精度地图可以帮助车辆找到合适的行车空间，帮助规划器确定不同的路线选择，并帮助预测软件预测道路上其他车辆在将来的位置，在有限速或障碍物的路段，高精度地图可以使车辆提前查看，提前加速或者变道。高精度地图包括道路定义、交叉路口、交通信号、车道规则以及用于汽车导航的其他元素。高精度地图的构建包括五个步骤：数据采集、数据处理、对象检测、手动验证、地图发布。高精度地图和高精度定位技术高精度地图和高精度定位技术高精度地图与传统地图的区别智能网联汽车的测试评价技术是指对车辆系统和相关技术进行系统性的测试和评估，以确保其在各种条件下能够安全、可靠地运行，主要包括对功能安全、信息安全、性能、可靠性、人机界面等方面的评价。功能安全测试包括对车辆电子系统的各个组件和功能进行测试，以验证其在正常操作和故障情况下的行为，通常涉及使用模拟器、硬件在环（Hardware-in-the-Loop，HiL）测试平台和实际车辆测试。信息安全测试关注车辆系统的网络和通信安全，其重点包括网络防护、加密通信、身份验证、访问控制等，以确保车辆系统对于潜在的网络攻击是安全的。性能测试确保车辆系统在各种工况下都能够实现良好的性能，包括响应时间、处理能力、通信延迟等方面。性能测试还包括在高负载和恶劣天气条件下的测试。可靠性和耐久性测试是对车辆系统进行长时间运行测试，包括模拟各种道路和气候条件下的测试，以评估其在不同环境和使用情境下的可靠性，以确保车辆系统的稳定性。人机界面测试针对车辆的用户界面进行测试，确保它对驾驶员和乘客是直观、易用且不会导致分心，其中包括对语音识别、手势控制等交互技术的测试。软件质量和安全漏洞测试是对车辆系统的软件进行静态和动态分析，以检测和修复潜在的安全漏洞和代码缺陷。用户体验测试用来评估车辆系统对用户的整体体验，包括界面设计、交互方式、声音和图形等方面。测试评价技术的综合运用可以确保智能网联汽车在面临各种挑战时都能够提供高水平的安全性、可靠性和用户体验。测试是智能网联汽车研发过程中的关键环节，也是车辆上路之前的必要步骤，以保障车辆在实际使用中的安全性和性能。测试评价技术智能网联汽车涉及到多个方面的技术和安全性考虑，需要一系列的标准和法规来指导其研发、生产和使用。这些标准和法规确保车辆在智能化和联网化的过程中能够满足高度的安全性、可靠性和法规遵从性。智能网联汽车涉及到的标准主要有ISO26262、ISO/SAE21434、ISO20078、UNECER79、IEEE1609等。ISO26262是一项关于车辆功能安全的国际标准，用于定义汽车电子和电气系统的功能安全要求，包括整个车辆开发生命周期中的各个阶段，以确保车辆在正常操作和故障条件下都能提供高度的安全性。ISO/SAE21434是一项关注智能汽车的网络和信息安全的国际标准，提供了用于评估和管理汽车网络的安全性，包括防范入侵、数据保护、软件更新等方面的一个框架。ISO20078是一项道路车辆通信互联的国际标准，该标准涵盖了车辆之间和车辆与基础设施之间的通信协议，确保车辆之间的互联性和信息交流的标准化。UNECER79是由联合国经济委员会颁布的规范，涵盖了自动驾驶车辆的标准，包括对驾驶员监控、人机界面、车辆控制等方面的要求。IEEE1609是一系列涵盖了车辆间通信和车辆基础设施之间通信的标准，确保了智能车辆之间的信息交换的一致性和安全性。智能网联汽车涉及到的法规主要包括UN-R79（国际）、GB/T33598（中国）、NHTSA（美国）、EU-ITS指令（欧洲）等。UN-R79是一项联合国关于自动驾驶车辆的国际法规，定义了自动驾驶汽车的分类、测试程序和安全要求，各国可以根据自身需求采纳并适用。GB/T33598是中国国家标准化管理委员会发布的标准，用于规范自动驾驶汽车领域的术语和定义。NHTSA自动驾驶汽车指南（美国）是美国国家公路交通安全管理局发布的关于自动驾驶汽车的指南，指导制造商和相关方在测试和部署自动驾驶技术时应遵循的最佳实践。EU-ITS指令（欧洲）是欧洲联盟发布的关于智能运输系统的指令，其中包括智能车辆和车辆间通信的相关要求。以上标准和法规是智能网联汽车领域中的一部分，具体的要求和适用范围可能因国家和地区而异。制造商和研发人员通常需要遵循这些标准和法规，以确保他们的产品在国际市场上的合规性和可接受性。智能网联汽车标准与法规Part智能网联技术发展历史及未来趋势03历史发展：汽车技术经历了机械时代、电子时代、软件时代、新商业模式时代。互联网科技的渗透催生汽车互联智能革命，未来的汽车将为人类提供更便捷的交通。从德国工业4.0，到美国制造创新网络计划，再到日本工业机器人的聚焦，各国都在加紧部署，抢占未来战略制高点。以互联网、大数据和机器智能等技术为代表的新一轮科技革命方兴未艾。在此背景下，我国提出《中国制造2025》，将汽车智能技术视为未来十年国家智能制造发展的重要领域之一。从未来发展路线看，汽车产业的发展必须解决能源、污染、安全和拥堵四大汽车公害，节能化、信息化与智能化汽车是未来汽车发展的最终目标。2017年智能汽车技术已经进入自动驾驶的初级阶段，2020年进入部分自动驾驶，2030实现全自动驾驶，发展步伐非常之快。汽车技术发展背景01”技术演进历程：从DARPA挑战赛到量产车的发展，自动驾驶技术的进步。02”未来发展趋势：智能网联汽车的市场化应用，技术面临的挑战和机遇。智能网联汽车技术演进智能网联汽车技术演进国内外有多家公司致力于智能网联汽车的研发，截止到2023年，全球大部分主流主机厂已经全面投入ADAS和自动驾驶系统开发当中，自动驾驶系统的研发需要做大量的道路测试，由于道路测试具有一定危险性，只有国家规划开放的路段才允许进行自动驾驶道路测试。下图为有代表性的国内自动驾驶测试道路规划。。智能网联汽车技术演进随着自动驾驶技术的发展，相应的政策法规不断出台，逐步完善。我国自动驾驶技术的相关政策的发布历程如下。智能网联汽车技术演进世界各国的政策法规如下。智能网联汽车技术演进得益于高性能芯片技术、人工智能等科技的全面发展，近年来自动驾驶技术迎来快速进步，但无人驾驶技术目前依然面临各种难题。根据中国信息通信研究院统计，2022年中国智能网联汽车产量为1.85亿辆，预计到2025年，智能网联汽总量将达到2.59亿辆，在汽车保有量中的占比约75.6%。2020年2月，国家发改委正式发布关于印发《智能汽车创新发展战略》的通知，提出战略愿景，到2025年，中国标准智能汽车的技术创新、产业生态、基础设施、法规标准、产品监管和网络安全体系基本形成。实现有条件自动驾驶的智能汽车达到规模化生产，实现高度自动驾驶的智能汽车在特定环境下市场化应用。智能交通系统和智慧城市相关设施建设取得积极进展，车用无线通信网络（LTE-V2X等）实现区域覆盖，新一代车用无线通信网络（5G-V2X）在部分城市道路、高速公路逐步开展应用，高精度时空基准服务网络实现全覆盖。国家顶层设计将智能网联汽车定义为战略发展方向，产业意义深远，重要性将与新能源汽车相当。现有的整车厂，倾向于温和渐进的策略。只有当技术足够成熟、社会阻碍彻底清除时，全自动驾驶汽车才可能实现。在此期间，整车厂将遵从既定的方式进行市场化。智能网联汽车未来发展趋势谢谢大家项目二智能网联汽车感知与识别技术演讲人任务1环境感知传感器概述01任务目标02任务引入03能够了解环境感知技术的概念04目录01任务1环境感知传感器概述02任务引入任务引入智能网联汽车环境感知传感器在智能网联汽车上的配置与自动驾驶级别有关，自动驾驶级别越高，配置的传感器越多，随着汽车智能化和网联化的发展，智能网联汽车配备的先进传感器的数量将会逐渐增加，预计无人驾驶汽车将配备30个左右先进传感器。陈嘉豪同学在汽车4S店实习，某顾客想购入一款智能化水平较高的汽车，让陈嘉豪同学对汽车的环境感知系统配置做详细介绍。那么，智能汽车的环境感知系统一般包含哪些传感器的配置呢？03任务目标04能够了解环境感知技术的概念能够了解环境感知技术的概念2能够熟悉常用环境感知传感器的种类3能够熟悉常用环境感知传感器的主要应用场景知识链接在汽车行驶过程中，驾驶员会根据行人的移动轨迹预判其下一步的位置，然后依据车速进行安全路径的规划，智能驾驶车辆同样要能做到这些。多个移动物体的轨迹追踪与预测，难度比单一物体要高得多，这就是环境感知，也是智能驾驶汽车最具难度的技术。作为智能驾驶汽车的基础，同时也是智能驾驶的四大核心技术之一，环境感知技术利用传感器获取道路、车辆位置和障碍物信息，并将这些信息传输给车载控制中心。环境感知系统为智能驾驶汽车提供决策依据，是智能驾驶汽车的“通天眼”。环境感知系统由信息采集单元、信息处理单元和信息传输单元组成。自动驾驶四大核心技术分别是环境感知、精确定位、路径规划、线控执行，而环境感知主要包括三个方面：路面、静态物体和动态物体，是自动驾驶和机器人领域的核心技术。知识链接环境感知系统基于单一传感器、多传感器信息融合或车载自组织网络获取周围环境和车辆的实时信息，经信息处理单元根据一定算法识别处理后，通过信息传输单元实现车辆内部或车与车之间的信息共享。如下图2-1-1所示。常见的环境感知传感器有超声波传感器、毫米波雷达、激光雷达和视觉传感器等，各传感器的原理和特点不同，在环境感知技术中的使用也不同。图2-1-1环境感知系统组成超声波传感器超声波传感器是利用超声波的特性，将超声波信号转换成其它能量信号的传感器，具有频率高、波长短、绕射现象小等特点，对液体、固体的穿透性较强。超声波发射器发出的超声波脉冲,经媒质传到障碍物表面,反射后通过媒质传到接收器,测出超声脉冲从发射到接收所需的时间,根据媒质中的声速,求得从探头到障碍物表面之间的距离。原理如下图2-1-2所示。图2-1-2超声波传感器测距原理简图在汽车自动泊车辅助系统中，安装在前后保险杠的8个UPA（用于探测周围障碍物的超声波传感器）和安装在左右侧的4个ALA（用于测量停车位的长度的超声波传感器）共同作用，完成自动泊车辅助。如下图2-1-3所示。超声波传感器图2-1-3超声波传感器在自动泊车系统的应用UPA，又叫PDC传感器，安装在汽车前后保险杠，用于探测汽车前后障碍物，探测距离15~250cm。APA，又叫PLA传感器，安装在汽车侧面，用于测量停车位长度，探测距离30~500cm。毫米波雷达毫米波雷达是工作在毫米波频段的雷达，通过发射源向给定目标发射毫米波信号,并分析发射信号时间、频率和反射信号时间、频率之间的差值,可以精确测量出目标相对于雷达的距离和运动速度等信息。毫米波雷达类型与应用：如下图2-1-4所示图3-1-4毫米波雷达的类型毫米波雷达的特点：如下图2-1-5所示毫米波雷达图2-1-5毫米波雷达的特点激光雷达激光雷达是工作在光频波段的雷达，激光雷达系统由发射模块、接收模块、控制单元和信号处理系统组成。如下图2-1-6所示。图2-1-6激光雷达的组成激光雷达通过测算激光发射信号与激光回波信号的往返时间,计算出目标的距离和运动状态等信息,实现对目标的探测、跟踪和识别。根据发射激光信号的形式不同，分为脉冲法激光测距和相位法激光测距。工作原理如下图2-1-7所示。激光雷达logo图2-1-7激光雷达的工原理机械式激光雷达与固态激光雷达的参数对比，如表2-1-1所示。表2-1-1激光雷达与固态激光雷达参数对比视觉传感器视觉传感器主要由光源、镜头、图像传感器、模数转换器、图像处理器、图像存储器等组成，以实现车道线识别、障碍物检测、交通标志和地面标志识别、交通信号灯识别、可行空间检测等功能。如下图2-1-8所示。图2-1-8视觉传感器的工作范围摄像头有两个重要的指标：分辨率和有效像素。视觉传感器分辨率实际上就是每场行同步脉冲数，这是因为行同步脉冲数越多，则对每场图像扫描的行数也越多。事实上，分辨率反映的是摄像头的纵向分辨能力。有效像素常写成两数相乘的形式，如“320x240”，其中：前一个数值表示单行视频信号的精细程度，即行分辨能力；后一个数值为分辨率，因而有效像素=行分辨能力×分辨率。视觉传感器是智能网联汽车实现预警、识别类ADAS功能的基础,广泛应用于各ADAS系统中，如表2-1-2所示。表2-1-2视觉传感器在智能网联汽车上的应用视觉传感器惯性导航系统惯性导航系统（INS）是利用惯性测量单元（IMU）的角度和加速度信息来计算载体的相对位置的一种定位技术。其主要由3个模块组成：惯性测量单元、信号预处理单元和机械力学编排模块。一个惯性测量单元包括3个相互正交的单轴加速度计（Accelerometer）和3个相互正交的单轴陀螺仪（Gyroscopes），惯性测量单元结构如图2-1-9所示。信号预处理部分对惯性测量单元输出信号进行信号调理、误差补偿并检查输出量范围等，以确保惯性测量单元正常工作。惯性导航系统图2-1-9惯性测量单元结构惯性导航通常与GPS的融合使用。全球导航卫星系统是应用最广泛的定位系统，它使用方便，成本低，定位精度可达到5米。然而定位导航系统的应用也面临着易受干扰、动态环境可靠性差、数据输出频率低、高层建筑卫星信号闭塞等问题。如果将卫星定位导航和惯性导航系统结合起来，两个导航系统可以相互补充，形成一个有机的整体。如图2-1-10所示。惯性导航系统图2-1-10惯性导航与GPS的融合使用GPS卫星定位系统GPS是通过接收和解译人造卫星所发射的电波信号来确定测站点位置的测量定位系统，它是英文“GlobalPositioningSystem”（全球定位系统）的缩写。GPS由24颗卫星组成，其中21颗工作卫星，3颗备用卫星，大致均匀地分布在6个轨道面上。轨道面相对于地球赤道面的倾角为55，各轨道平面之间的交角为60，卫星距地球约20200公里，运行周期为11小时58分。在世界任何地区任何时候至少可以同时接收4颗卫星信号，最多可以同时接收到11颗卫星发射的信号。每颗卫星上均装有4台高精度的原子钟（2台铯钟、2台铷钟），称为卫星钟，用以提供高精度的时间标准。GPS定位系统工作原理：已知一颗卫星的位置和接收器到它的距离，就可以确定接收器在一个球面上；已知两颗卫星的位置和接收器到它们的距离，就可以确定接收器在一个环上。工作原理如图2-1-11所示。GPS卫星定位系统图2-1-11GPS定位系统工作原理高精度地图狭义高精度地图是由传统图形商定义的精度更高、内容更详细的地图。例如，定义更详细信息。广义的高精度地图直接为我们构建了一个真实的三维世界。除了绝对位置的形状信息和拓扑关系外，还包括点云、语义和特征等属性。高精地图应包含的主要信息包括导向箭头、车道宽度、车道标线、车道分割/合并、车道宽度变化、护栏、障碍物等等。如下图所示。图2-1-12高精地图矢量元素高精度地图传统地图依赖于拓扑结构和传统的数据库，将各种元素作为对象堆放在地图上，将道路存储为路径。而高精度地图为了提高存储效率和机器可读性，地图在存储时分为矢量层和对象层。在高精度地图生产过程中，通过提取车辆上传感器采集的原始数据，获取高精度地图特征值，构成特征地图。在此基础上，进一步提取、处理和标注矢量图形，包括道路网络信息、道路属性信息、道路几何信息和道路上主要标志的抽象信息。高精地图生产过程包含以下内容：高精度地图道路元素图像处理在高精度地图中，为了给自动驾驶汽车提供道路的拓扑信息、交通约束信息，需要对道路元素进行识别并做语义标注等以便于后期高精度地图的制作。如图2-1-13所示。图2-1-13道路元素识别高精度地图图像识别与处理道路元素包括交通标志牌、红绿灯、车道线和隔离带等。高精度地图的制作需要对各种道路元素进行图像识别、语义标注等处理。图像识别与处理流程如下图所示。图2-1-14图像识别与处理流程高精度地图激光点云处理在高精度地图制作中，通常使用激光雷达扫描获取点云数据，进而重建三维道路环境，并利用重建好的三维环境进行道路要素特征的提取与识别，准确地反映道路环境并描述其道路环境特征，准确表述道路环境特征，得到高精度点云地图。如图2-1-15所示。图2-1-15高精度点云地图高精度地图激光点云特征提取激光雷达获取的原始数据集以激光点云文件形式进行存储。点云文件包含物体表面的离散点集、法向量、颜色或标签等基本信息，但缺少物体的曲面、体积以及各顶点间的几何拓扑等信息。高精度地图激光点云法向量法向量作为激光点云数据重要的局部特征，能够对散乱激光点云的局部进行有效的描述并为其他激光点云处理技术提供支撑。激光点云法向量的计算方法常用的有两种解决方案：曲面重建技术和法向量估计法。通常基于点云的特性、应用场景、计算资源等因素选择合适的方法。高精度地图激光点云配准利用激光点云配准技术将从各个视角下采集到的含有误差的激光点云通过旋转平移，消除误差并统一到同一坐标系下，还原道路的三维环境。激光点云配准算法繁多，主要分为粗配准以及精配准两种:粗匹配，用于两片激光点云初始位置误差较大的情况下快速取得两片激光点云的转换关系，输出精度不高；精匹配，适用于初始位置误差较小的情况下对两片激光点云的坐标进行精准的计算，输出精度高。高精度地图激光点云分割logo在高精度地图制作中，为了能够将灯杆、标志牌和路沿等交通道路元素从大量杂乱无序的激光点云中识别出来，需要对激光点云进行分割后提取出来。如图2-1-16所示。图2-1-16激光点云分割传感器融合传感器融合实际上是模仿人类通过五官获得外界信息的这种由感知到认知的过程。传感器数据融合是针对一个系统使用多个（种）传感器这一特定问题而提出的信息处理方法，可发挥多个（种）传感器的联合优势，消除单一传感器的局限性，把分布在不同位置的多个同类或不同类传感器所提供的数据资源加以综合，采用使计算机技术对其进行分析加以互补，实现最佳协同效果，获得对被观测对象的一致性解释与描述，提高系统的容错性，从而提高系统决策、规划、反应的快速性和正确性，使系统获得更充分的信息（1）传感器融合的过程。如下图所示。传感器融合图2-1-17传感器融合过程传感器融合多传感器融合结构根据传感器信息在不同信息层次上的融合，可以将多传感器信息融合划分为Low-level融合、High-level融合和混合融合结构。如图2-1-17所示。图2-1-17多传感器融合结构Low-level融合体系结构是一种较低信息层次上的融合，是集中式融合结构。集中式验合结构将各传感器获得的原始数据直接送到数据融合中心，进行数据对准、数据关联、预测等，在传感器端不需要任何处理，可以实现实时融合。如图2-1-18所示。传感器融合多传感器融合结构图2-1-18Low-level融合体系结构传感器融合数据级融合数据级融合又称像素级融合，是最低层次的融合，直接对传感器的观测数据进行融合处理，然后基于融合后的结果进行特征提取和判断决策。如图2-1-18所示。图2-1-18数据级融合体系结构传感器融合数据级融合根据融合内容，数据级融合又可以分为图像级融合、目标级融合和信号级融合。图像级融合以视觉为主体，将雷达输出的整体信息进行图像特征转化，与视觉系统的图像输出进行融合；目标级融合是对视觉和雷达的输出进行综合可信度加权，配合精度标定信息进行自适应的搜索匹配后融合输出；信号级融合是对视觉和雷达传感器ECU传出的数据源进行融合，其数据损失小、可靠性高，但需要大量的计算。传感器融合特征级融合特征级融合指在提取所采集数据包含的特征向量之后融合。特征向量用来体现所监测物理量的属性，在面向检测对象特征的融合中，这些特征信息是指采集图像中的目标或特别区域，如边缘、人物、建筑或车辆等信息。如图2-1-19所示。图2-1-19特征级融合体系结构任务2超声波传感器技术任务引入超声波是一种振动频率高于声波的机械波，具有频率高、波长短、绕射现象小，特别是方向性好、能够成为射线而定向传播等特点。新技术使得今天的超声波传感器非常坚固耐用并有着精确的感应能力，这些新增强的特性拓展了新的应用领域，完全超越了传统的超声波传感器的应用。超声波雷达在汽车智能技术中主要用作停车环境检测（倒车雷达），陈嘉豪同学在某汽车零配件公司实习，负责某倒车雷达产品的技术支持，那么倒车雷达是如何在倒车时实现监控与报警的呢？任务目标任务2超声波传感器技术22能够熟悉超声波传感器的工作原理及各项参数33能够熟悉超声波传感器的应用场景11能够熟悉超声波传感器的概念6知识链接55能够熟悉超声波传感器在汽车上的配置方案44能够熟悉超声波传感器的优缺点超声波传感器介绍及工作原理超声波雷达发展至今以及将近百年历史。其原理是发射人耳所不能察觉的高频率超声波，遇到障碍物后反弹回来。传感器在接收到发射回来的声波后，根据发射和接收声波的时间差来计算出传感器和障碍物之间的距离。超声波传感器是利用超声波的特性研制而成的传感器。超声波是一种振动频率高于声波的机械波，由换能晶片在电压的激励下发生振动产生的，它具有频率高、波长短、绕射现象小，特别是方向性好、能够成为射线而定向传播等特点。超声波对液体、固体的穿透本领很大，尤其是在阳光不透明的固体中，它可穿透几十米的深度。超声波碰到杂质或分界面会产生显著反射形成反射成回波，碰到活动物体能产生多普勒效应。因此超声波检测广泛应用在工业、国防、生物医学等方面以超声波作为检测手段，必须产生超声波和接收超声波。完成这种功能的装置就是超声波传感器，习惯上称为超声探头。超声波传感器介绍及工作原理超声波传感器是一款通过超声波发射装置发出超声波，根据接收器接到超声波时的时间差就可以知道距离了。这与雷达测距原理相似。超声波发射器向某一方向发射超声波，在发射时刻的同时开始计时，超声波在空气中传播，途中碰到障碍物就立即返回来，超声波接收器收到反射波就立即停止计时。（超声波在空气中的传播速度为340m/s，根据计时器记录的时间t，就可以计算出发射点距障碍物的距离(s)，即：s=340t/2）如下图2-2-1所示。超声波传感器介绍及工作原理图2-2-1超声波测距原理超声波传感器的优缺点在20世纪已经出现的车载超声波雷达，当时个体较大，灵敏度识别度都不是很高，识别有效范围在1米到2米之间，起初的功能也只是倒车时如果车辆后方近处有障碍物时发出声音警报。障碍物物体如果直径过小或太矮，那么都无法被超声波雷达侦测到。要实现现代车辆的辅助或自动泊车需求，那么2米的侦测范围是远远不够的。经过20多年的科技发展，如今的超声波雷达已经非常先进和灵敏。以博世公司的第六代超声波雷达为例，其长度只有4.4厘米大小，重量才14g，接收声波的传感器圆面半径只有2.3厘米，却可以达到从15厘米到5.5米的侦测范围。精度达到3cm，即只要物体直径超过3cm就可以感应得到。如下图所示。超声波传感器的优缺点图2-2-2超声波雷达除了侦测精度及侦测范围半径，超声波雷达还有一些其它的技术参数对泊车这个场景也至关重要，如水平方向扫描扇形的角度和垂直方向扫描的最大夹角等等。如下图2-2-3所示。超声波传感器的优缺点图2-2-3超声波雷达测量范围超声波是一种机械波，使得超声波雷达有着以下局限，如图所示。超声波传感器的优缺点图2-2-4超声波雷达的局限性超声波传感器在智能网联汽车上的应用场景由于超声波在传播过程中还受很多其它因素影响很大，如温度等等，所以在采购或使用此类传感器时还要考虑到很多其它的技术因素，详情将在有关超声波雷达的独立教学章节中提到。超声波雷达一般安装在车辆的前后保险杠上。在一些严酷工况下，比如被雨雪或泥巴覆盖的时候，硬件本身没有坏，但检测会出问题。博世的一款传感器有一个特点就是失聪检测，它把数字信号和不同传感器信号编码加在了一起，通过一个线性频率，使每个超声波发出的频率都不太一样，相当于每个超声波都有一个自己的身份认证码，这样极大提高了超声波的抗干扰能力，使得传感器可以做到多收多发，不仅抗干扰能力提升了，整个系统的刷新时间也会变得更快。如下图2-2-4所示。超声波传感器在智能网联汽车上的应用场景图2-2-4超声波雷达在智能网联汽车的应用超声波传感器在智能网联汽车上的配置方案博世的这款第六代超声波雷达水平扫描扇形角度达到75度，也就是说要实现360全面覆盖的全自动泊车，那5，6个此类雷达就足够。但在实际大部分车辆的配备中，整车厂宁愿选择扫描角度小但侦测范围半径大的超声波雷达。因此大部分车辆的自动泊车中都安装大量传感器。比如蔚来自动驾驶系统NIOPilot(SAEL2)就包括了12个超声波雷达。如下图2-2-5所示。超声波传感器在智能网联汽车上的配置方案图3-2-5蔚来汽车自动驾驶系统超声波传感器的安装（1）确定超声波传感器安装位置：①离地高度：50~70cm。②水平间距：两点之间的距离根据实际情况合理布局。01（2）选择超声波传感器钻头直径：要使钻头的直径与传感器的直径相等，为18.8mm。02（3）安装超声波传感器：使箭头方向朝上，然后安装超声波传感器。03（4）均衡用力压紧：在超声波传感器的边缘均衡用力，将传感器压入，并且与安装孔贴紧。04（5）连接插头，用力拧紧：连接防水、防尘插头，并且用力拧紧。05（6）确定配线的长度：超声波传感器线束的标配长度为2.5m左右，可以根据车型的实际需要截取。06超声波传感器的标定（1）在工作区放置工作牌，将超声波雷达安装在支架上。（2）将超声波雷达和控制盒线束连接。（3）打开超声波雷达控制盒供电开关、超声波电源开关。（4）在超声波雷达正前方1m处放置障碍物（或站立人模拟障碍物）。（5）观察超声波显示界面测距数值。（6）前后左右移动障碍物，观察测距数值变化。在超声波雷达的不感应区域、限定区域和不确定区域示意中标记相应区域尺寸。（7）组装和连接示波器。（8）将示波器测试针连接控制面板端口CH2（信号）、CH1（接地）。（9）打开示波器，测试超声波雷达发射的脉冲信号。超声波传感器的标定（10）观察波形，分析超声波雷达发射信号的脉冲周期。（11）整理实验场地。在车后2米内无障碍物的条件下，将倒车挡挂入后，仔细分辨倒车雷达模块通电后的自检。谢谢任务3毫米波雷达技术01任务3毫米波雷达技术02任务引入任务引入自动驾驶技术发展至今，该领域目前已经演变成了融合感知派和视觉感知派这两条截然不同的技术路线。除了特斯拉之外，绝大多数车企都属于融合感知派，它们往往会采用激光雷达+毫米波雷达+摄像头等多重冗余感知方案。对于融合感知派成员来说，激光雷达、毫米波雷达已经不再是装不装的问题，而是需要装多少个的问题。正当大多数车企还在纠结于应该在自己的产品上搭载多少颗激光雷达，多少颗毫米波雷达时，从2022年2月中旬开始，特斯拉投放在北美市场的ModelS和ModelX将不再配备毫米波雷达，这也就意味着特斯拉在北美市场上已经实现了纯视觉自动驾驶的这一愿景，正式进入了它想要的纯视觉智能驾驶时代。你是否认同不搭载毫米波雷达的自动驾驶方案呢？03任务目标04了解毫米波雷达定义、结构、功能、工作原理了解毫米波雷达定义、结构、功能、工作原理020103042了解毫米波雷达在智能网联汽车整车的作用4能够熟悉毫米波雷达的优缺点3能够熟悉毫米波雷达的应用场景5能够熟悉毫米波雷达在汽车上的配置方案毫米波雷达介绍毫米波雷达：MillimeterWaveRADAR（MillimeterWaveRadioDetectionAndRanging无线电探测与测距）。毫米波是指波长为1~10mm的电磁波，对应的频率范围为30~300GHz。电磁波波普如下图2-3-1所示。图2-3-1电磁波波谱毫米波雷达介绍毫米波雷达是工作在毫米波频段的雷达，它通过发射与接收高频电磁波来探测目标，后端信号处理模块利用回波信号计算出目标的距离、速度和角度等信息。按照测量目标的距离远近可划分为短程雷达（SRR）、中程雷达（MRR）、远程雷达（LRR)。如下图2-3-2所示。图2-3-2毫米波雷达频段与距离分类毫米波雷达的组成毫米波雷达是一种利用毫米波频段进行雷达测量的传感器。它由发射模块、接收模块、天线和信号处理模块构成。毫米波工作时，发射模块通过天线将电信号（电能）转化为电磁波发出，接收模块接收到射频信号后，将射频电信号转换为低频信号，再由信号处理模块从信号中获取距离、速度和角度等信息。毫米波雷达的发射模块负责产生并发射毫米波信号。通常使用毫米波频段的电子器件，如谐振器或振荡器来产生毫米波信号。毫米波雷达的天线用于发射和接收毫米波信号。毫米波雷达的接收模块负责接收并处理回波信号。接收模块通常包括低噪声放大器、混频器和解调器等电子器件，用于增强和解调接收到的信号。天线的设计通常需要满足较高的增益和方向性要求，以便有效地发射和接收毫米波信号。毫米波雷达的信号处理模块用于对接收到的回波信号进行处理和分析，通常包括数字信号处理器（DSP）和算法，用于提取出目标的位置、速度、尺寸等信息。毫米波雷达的组成以上是毫米波雷达的一些主要组成部分。不同型号和应用的毫米波雷达可能会有所不同，但通常都会包含这些基本组件。毫米波雷达的组成如图2-3-3所示。图2-3-3毫米波雷达的组成05毫米波雷达测距原理毫米波雷达测距原理与激光雷达相比毫米波雷达会有很多测量短距离的场景，如侧向警示、倒车警示等，因此主要以FMCW调制方法来测距。测距原理为：通过振荡器形成持续变化的信号，而发出信号和接收信号之间形成频率差，其差值与发射-接收时间差成线性关系，只要通过频率差就能计算车辆与物体距离。如图2-3-4所示。图2-3-4毫米波测距原理06毫米波雷达测速原理毫米波雷达测速原理（1）毫米波雷达测速主要是基于多普勒效应来测速。（2）当发射的电磁波和被探测目标有相对移动、回波的频率会和发射波的频率不同，通过检测这个频率差可以测得目标相对于雷达的移动速度。如下图2-3-5所示。图2-3-5毫米波测速原理07毫米波雷达角度测量原理毫米波雷达角度测量原理（1）毫米波雷达方位测量主要包括水平角度和垂直角度的测量。（2）通过毫米波雷达的发射天线（TX）发射出毫米波后，遇到被监测物体，反射回来，通过毫米波雷达并列的接收天线（RX1和RX2），收到同一监测目标反射回来的毫米波，根据反射回波的相位差（b）以及RX1和RX2间的距离（d），就可以通过三角函数计算出被监测目标的方位角（αAZ）。（3）为了提高方位的测量精度，采用使用大量阵列天线来构成窄波束的方法。如下图2-3-6所示。毫米波雷达角度测量原理图3-3-5毫米波角度测量毫米波雷达优缺点毫米波雷达是唯一具备“全天候全天时”工作能力的车载传感器，是智能网联汽车不可或缺的核心传感器之一。08优点优点（1）精度高，抗干扰能力强。毫米波雷达工作在高频段，测量精度高，并且由于周围噪声和干扰处于中低频区，基本上不会影响毫米雷达的正常运行；（2）高分辨率，多目标。毫米波雷达的高分辨率，利于分辨出距离较近的多目标；（3）高频率，低功率。毫米波雷达不同型号功耗不同，一般低于12W；（4）探测距离远，实时性高。传播速度与光速一样，可以快速地测量出目标的距离、速度和角度等信息；（5）全天候全天时。具有很强的穿透能力，在雨、雪、大雾、尘埃等恶劣天气依然可以正常工作。不受光线强度影响，可全天时工作；（6）敏感高，误报低。毫米波雷达金属电磁反射强，其探测不受颜色与温度的影响，误报低；（7）可测速，可测距。毫米波雷达可同时探测多个目标的速度和距离；优点图2-3-6毫米波雷达优点09缺点缺点（1）虚假报警：毫米波雷达是利用目标对电磁波的反射来发现并测定目标位置，而充满杂波的外部环境给毫米波雷达感知经常带来虚警问题；（2）盲区：覆盖区域呈扇形，有盲点区域；（3）交通标志：无法识别交通标志和交通信号灯；（4）道路标志：无法识别道路标线；毫米波雷达的分类根据毫米波雷达的波长及基于此的测量距离，市场上的毫米波雷达可以分为两大类。（1）24GHz毫米波雷达又名角雷达，严格来说是厘米波雷达。其在传统车辆中已经应用多年，属于中短距离雷达，一般安装在车辆的两侧，测距范围在70米之内。可以用来扫描驾驶员盲区，在车辆变道或拐弯时提供自动或辅助功能。（2）77GHz毫米波雷达又名中长距离雷达，主要安装在车辆前后方，高配车辆上的测距范围今天可接近300米，是ADAS辅助驾驶功能的核心。毫米波雷达的技术参数毫米波雷达的技术参数主要有：最大探测距离、距离分辨率、距离灵敏度、距离测量精度、最大探测速度等，如下图所示。图2-3-6毫米波雷达测量技术参数毫米波雷达的应用盲点检测/变道辅助（BSD/LCA）在智能网联汽车的盲点检测/变道辅助功能中，毫米波雷达用于监测驾驶员视线盲区的其他车辆。当其他车辆进入盲区时，系统会发出警告，通常通过闪烁的灯光或声音提醒驾驶员，以减少变道时的潜在危险。毫米波雷达的应用自动紧急制动系统（AEB）AEB是一种主动安全技术，智能网联汽车在检测到潜在碰撞风险时，能够自动启动紧急制动以避免或减轻碰撞的严重程度。车载毫米波雷达通过发射毫米波并接收返回信号，能够检测车辆前方的目标，包括其他车辆、行人、或静止障碍物，可以测量目标与前方车辆之间的距离和相对速度。基于与前方车辆的距离和速度信息，车辆的AEB系统使用算法来评估潜在的碰撞风险。如果系统判断存在碰撞风险，并且驾驶员没有采取适当的行动，AEB系统将启动紧急制动。当AEB系统确定有碰撞风险时，系统会主动触发车辆的制动系统，使车辆减速或停车，以减轻碰撞的严重程度或完全避免碰撞。如图2-3-7所示。毫米波雷达的应用自适应巡航（ACC）ACC是一种先进的驾驶辅助系统，能够维持车辆在高速公路上的巡航速度，并根据前方交通状况进行智能调整速度。车载毫米波雷达能够精确测量前方目标与巡航车辆之间的距离和相对于巡航车辆的速度。基于毫米波雷达提供的目标距离和速度信息，ACC系统使用算法来实时调整巡航车辆的速度，以保持与前方目标的安全距离。毫米波雷达的应用开门预警（DOW）当开门预警功能开启时，安装于汽车两侧的毫米波雷达检测到盲区有目标车辆驶入，且满足报警条件时，驾驶员或乘客打开同侧的车门，系统发出报警，提醒驾驶员或乘客此时下车危险。毫米波雷达的应用后方追尾预警（RCW）当开启后方追尾预警功能时，当安装于汽车后方的毫米波雷达检测到本车道有车辆快速接近，存在碰撞危险，汽车会自动开启双闪警示后方车辆减速，同时仪表显示提醒驾驶员，该功能为0车速启动。如图2-3-8所示。毫米波雷达的应用后方追尾预警（RCW）图2-3-7FCW前方碰撞预警图2-3-8RCW后方碰撞预警10毫米波雷达的安装调试毫米波雷达安装工具设备：电钻工具：平口起子、梅花起子（拆附件）、专用钻头、彩笔、卷尺、电胶布、电笔（安装用）、纸胶带。安装调试过程第1步：拆后保险杠。检查后保险杆内部构造情况，如车架大梁、撞击缓冲泡沫块等，尽量避开此类位置。如果有塑料螺丝动作得轻一些。第2步：打孔。用标尺度量出探头的位置，用配套的专用钻头沿标记处开孔，并将孔修理平滑。（如果是换用新的倒车毫米波雷达，这个较危险的步骤就可以省去）第3步：安装倒车毫米波雷达的探头。按探头编号从左至右依次装入打孔处。理顺探头连线，并上穿至后备箱左侧处。第4步：安装倒车毫米波雷达的控制器，拆开后备箱左侧内衬板及左尾灯，安装上倒车毫米波雷达控制器，电源信号线接在倒车灯线。第5步：安装倒车毫米波雷达的显示器。根据用车习惯找毫米波雷达显示器的固定位置，建议安装在左侧A柱下方。将显示器信号线沿左侧门边压条下方或地胶垫下，排到后备箱左侧处，依顺序把显示器及探头插头接往主控制器。安装调试过程第6步：测试倒车毫米波雷达是否能正常使用。挂入倒档测试倒车毫米波雷达的工作状况，确定各探头及显示器是否正常，然后装回尾灯及内饰板、保险杠。11毫米波雷达的标定毫米波雷达的标定（1）在工作区放置工作牌，将毫米波雷达安装在支架上。在右侧编辑区输入内容（4）在毫米波雷达正前方固定距离放置模拟目标，记录距离。在右侧编辑区输入内容（2）将毫米波雷达RACN信号线与控制柜CAN-H和CAN-L连接。在右侧编辑区输入内容（5）打开控制柜电源，启动计算机。在右侧编辑区输入内容（3）打开毫米波雷达控制盒供电开关、电源开关。在右侧编辑区输入内容（6）启动“RadarViewer"或其他毫米波测试软件。在右侧编辑区输入内容（7）对毫米波雷达安装位置进行调整、标定（模拟目标在测试软件中显示信息与实际一致）。在右侧编辑区输入内容（8）记录软件测试界面的距离、幅度、角度等信息。在右侧编辑区输入内容（9）记录最远距离测试点位数据。（10）记录距离精度测试点位数据。任务4激光雷达技术任务引入近两年以来，越来越多的车企选择在量产车上配置激光雷达，以获得迈向高阶自动驾驶的“通行证”。据不完全统计，包括小鹏P5、宝马iX、理想L9、蔚来ET7、威马M7等在内的几十款车型均配置了激光雷达。激光雷达最初是以“军转民”的方式出现在汽车领域的，所以价格较高。但随着技术迭代，搭载L2~L3级驾驶辅助系统的量产车也开始配备激光雷达。有推崇者，就有反对者。在行业内，特斯拉便是激光雷达的反对者。你如何分析汽车搭载激光雷达的优缺点呢？任务目标12能够熟悉激光雷达的概念能够熟悉激光雷达的概念2能够熟悉激光雷达的工作原理及各项参数3能够熟悉激光雷达的应用场景4能够熟悉激光雷达的优缺点5能够熟悉激光雷达在汽车上的配置方案激光雷达的概念雷达（RADAR-Radiodetectionandranging）是无线电探测和测距，即发射电磁波对目标进行照射并接收其回波，由此获得目标的距离、速度、方位、高度等信息。传统的雷达是以微波作为载波的雷达，大约出现在1935年。按雷达频段分，可分为超视距雷达、微波雷达、毫米波雷达以及激光雷达等，如下图3-4-1所示。激光雷达的概念图2-4-1不同频段对应的雷达激光雷达，简称Lidar，也称LaserRadar或LADAR（LaserDetectionandRanging：激光探测及测距），是一种通过发射激光束探测目标的位置、距离等特征量的雷达系统。以光电探测器为接收器件，以光学望远镜为天线。Lidar（激光雷达）有时被称为3D激光扫描，是3D扫描和激光扫描的一种特殊组合，因为激光雷达因为激光波长短，准直性高，使得激光雷达性能优异：角分辨率和距离分辨率高、抗干扰能力强、能获得目标多种图像信息(深度、反射率等)、体积小、质量轻等特性；所以它可应用于地面、空中和移动等领域。最初称为光雷达，因为那时使用的光源均非激光。自激光发射器出现以来，激光作为高亮度、低发散的相干光特别适合作光雷达的光源，所以现在的光雷达均使用激光发射器作光源，名称也就统称为激光雷达。激光雷达系统组成激光脉冲基本测距原理：测距仪发出光脉冲，经被测目标反射，光脉冲回到测距仪接收系统。测量发射和接收光脉冲的时间间隔，即光脉冲在待测距离上的往返传播时间，然后根据光速计算出距离。如下图2-4-2所示。图2-4-2激光雷达测距原理激光雷达系统组成激光雷达的关键部件按照信号处理的信号链包括控制硬件DSP（数字信号处理器）、激光驱动、激光发射发光二极管、发射光学镜头、接收光学镜头、APD（雪崩光学二极管）、TIA（可变跨导放大器）和探测器，如图2-4-3所示。其中除了发射和接收光学镜头外，都是电子部件。激光雷达向外发射激光束，层数越多，精度也越高。发射光学镜头将激光发射出去后，当激光遇到障碍物会反射，从而被接收光学镜头接收，创建一组点云。随着半导体技术的快速演进，性能逐步提升的同时成本迅速降低。激光雷达系统组成图2-4-3激光雷达系统组成13相位测距（CW-TOF）相位测距（CW-TOF）相位测距原理：通过测量被强度调制的连续波激光信号在雷达与目标之间来回飞行产生的相位差获得距离信息。优点是测距分辨率高（毫米级），难点是测量速度较低，测距精度易受目标形状和运动的影响。应用场景例如手持式激光测距仪，如下图2-4-4所示。图2-4-4手持式激光测距仪14脉冲测距（P-TOF）脉冲测距（P-TOF）脉冲测距原理：通过测量激光脉冲在雷达和目标之间来回飞行时间获取目标距离的信息。测距原理如图2-4-5所示。图2-4-5脉冲测距原理15三角测距原理三角测距原理光器发射激光，在照射到物体后，反射光由线性CCD接收，由于激光器和探测器间隔了一段距离，所以依照光学路径，不同距离的物体将会成像在CCD上不同的位置。按照三角公式进行计算，就能推导出被测物体的距离。三角测距原理图2-4-6三角测距原理16激光雷达优点激光雷达优点(1)隐蔽性好、抗有源干扰能力强：激光直线传播、方向性好、光束非常窄,只有在其传播路径上才能接收到，因此敌方截获非常困难，且激光雷达的发射系统(发射望远镜)口径很小,可接收区域窄，有意发射的激光干扰信号进入接收机的概率极低；(2)低空探测性能好：微波雷达由于存在各种地物回波的影响,低空存在有一定区域的盲区(无法探测的区域)。而对于激光雷达来说,只有被照射的目标才会产生反射,完全不存在地物回波的影响，因此可以"零高度"工作，低空探测性能较微波雷达强了许多。(3)分辨率高：激光雷达可以获得极高的角度、距离和速度分辨率信息。通常角分辨率不低于0.1mard也就是说可以分辨3km距离上相距0.3m的两个目标(这是微波雷达无论如何也办不到的),并可同时跟踪多个目标；距离分辨率可达0.1m；速度分辨率能达到10m/s以内。距离和速度分辨率高,意味着可以利用距离——多谱勒成像技术来获得目标的清晰图像。分辨率高,是激光雷达的最显著的优点,其多数应用都是基于此。17激光雷达的缺点激光雷达的缺点(1)工作时受天气和大气影响大。激光一般在晴朗的天气里衰减较小，传播距离较远。而在大雨、浓烟、浓雾等坏天气里，衰减急剧加大，传播距离大受影响。(2)由于激光雷达的波束极窄,在空间搜索目标非常困难，直接影响对非合作目标的截获概率和探测效率,只能在较小的范围内搜索、捕获目标，因而激光雷达较少单独直接应用于战场进行目标探测和搜索。18车载激光雷达的类型车载激光雷达的类型车载激光雷达的分类,按照发射激光线数可分为单线激光雷达和多线激光雷达：①单线激光雷达：也称为二维激光雷达，适用于平面上的测量和检测任务。②多线激光雷达：多线激光雷达指的是激光雷达通过多个激光器发射光源，形成多线束的扫描，目前主要应用于无人机测绘、自动驾驶3D建模及SLAM加强定位。按照硬件结构的不同，可划分为以下几类：①同轴旋转机械式。实物外观及成像如图2-4-7所示。车载激光雷达的类型图2-4-7同轴旋转机械式激光雷达及成像②棱镜旋转机械式。实物外观及成像如图2-4-8所示。车载激光雷达的类型图2-4-8棱镜旋转机械式激光雷达及成像③面阵式。实物外观及成像如图2-4-9所示。车载激光雷达的类型图2-4-9面阵式激光雷达及成像激光雷达的应用领域目前众多行业中，大致可分为如上表中几大类型：低速室内场景、低速室外场景、高速室外场景；其中高速室外最为典型的代表就是自动驾驶汽车，该项技术难度高，相对于高速室外场景来说，室内、外低速较容易实现，包括车辆的感知、决策、控制、执行、相比乘用车来说都相对简单，同时也不用考虑乘客的舒适感。如图2-4-10所示。图2-4-10激光雷达应用领域19实物实物深圳速腾聚创公司16线激光雷达是典型机械式激光雷达，实物如下图所示。图2-4-11激光雷达实物当激光雷达扫描平面墙体时，呈现出类似双曲线分布轮廓图。16线激光雷达在圆形环境中扫描一周的路径为若干个向上或向下的圆锥面，其形成的点云图为为圆形，当扫描的环境不为圆形时，其点云图为所有圆锥面与扫描环境的交线。因此，当激光雷达扫描平面墙体时，矩形面与圆锥面的交线为一系列的双曲线，如图2-4-12所示。实物图2-4-12激光雷达典型场景点云呈现20参数参数速腾聚创16线激光雷达各项参数如表2-4-1所示。表2-4-1速腾聚创16线激光雷达各项参数21组成结构组成结构该激光雷达系统主要由四大基本单元构成，如下图2-4-13所示。①发射单元：由激光器、发射镜等组成。②接收单元：由光电探测器、接收镜、滤光片组成。③机械或电子扫描机构：包括顶盖、底座、旋转体等结构。④信号处理单元：由集成的信号处理系统构成。信号处理单元用于处理接收到的激光雷达数据，将其转换为三维点云或其他形式的空间信息，包括去噪、滤波、目标识别和跟踪等处理步骤。此外集成的控制单元负责激光的发射和接收时序控制、激光束的扫描控制、数据采集和处理等。组成结构图2-4-13激光雷达组成结构激光雷达的装调1.激光雷达的安装：为自动驾驶车辆服务的激光雷达，目前多数还只能在车身上寻找不太突兀的地方安放。2.激光雷达的标定：激光雷达标定的目的是求解激光雷达测量坐标系相对于其他测量坐标系的相对变换关系，以便获取障碍物相对本车的距离、速度、角度等信息。具体标定步骤（以速腾RSVIEW软件为例）。（1）在工作区放置工作牌，将激光雷达安装在支架上，注意平整与无遮挡。（2）将激光雷达的USB接口与实验台USB接口连接。（3）打开计算机的“设备管理器”，查看连接硬件的识别端口。（4）深圳速腾提供RSVIEW软件读取设备参数，根据硬件识别端口进行设置。也可以使用其他定制软件。激光雷达的装调（5）单击“command-scan"启动激光雷达扫描。（6）在雷达正前方放置模拟目标，观察扫描的点云图像、角度与距离信息。（7）移动物体，观察点云变化，并记录。（8）单击“setmotorPWM”，调节激光雷达转速。（9）连接示波器。（11）测试激光雷达输出、输人信号波形（比特率256kib/s），并记录。（12）测试激光雷达PWM脉冲调制波形，并记录。（13）清理实验场地。谢谢任务5视觉传感器01任务5视觉传感器02任务引入任务引入近年来，汽车ADAS高级驾驶辅助系统装车率正在快速增长。纵览各大厂商，这些技术基本上集中在L2-L3级自动驾驶，而为了实现这些功能，单车感知系统中，摄像头的使用量基本上都在5个以上。比如说特斯拉8个、小鹏P7为14个、威马W6是7个。ADAS摄像头分类从主流车企代表车型的自动驾驶感知方案来看，都广泛采用了多种传感器融合的方案。以通用CruiseAV为例，其目标是实现L4级别的自动驾驶，全车搭载5个Velodyne的16线激光雷达、21个毫米波雷达以及16个摄像头。根据ADAS不同的功能需要以及安装位置，车载摄像头包括前视、环视、后视、侧视以及内置摄像头，不同位置的摄像头功能各异，是实现自动驾驶必不可少的构成部分。那么，智能汽车上的视觉传感器（摄像头）主要有哪些不同种类，如何识别周边环境中的车辆及行人的呢？03任务目标04能够熟悉视觉传感器的概念能够熟悉视觉传感器的概念ADBC3能够熟悉视觉传感器的应用场景4能够熟悉视觉传感器的分类5能够熟悉视觉传感器在汽车上的配置方案2能够熟悉视觉传感器的工作原理及各项参数知识链接摄像机从诞生的那一日起已经有了100多年的历史。在科技高度发展，尤其是计算芯片和光学镜头迅速微小型的今天，即使是精度非常高的专业摄影机在日常生活中也已经非常常见，一般用来完成拍照、摄像这些基本的功能。自动驾驶以及人工智能的到来，使得人们有了从摄像头中，获取更为智慧的结果的需求，即通过摄像头的视野，分析感知环境的变化，做出判断，将结果反馈到终端或者云端的处理器当中，服务于更丰富的应用。与其它智能汽车上的视觉传感器，比如和激光雷达相比较，其物理原理（直接光学成像）和成像过程（2D平面图像3D数据）虽然不同，但由于其体积非常小，硬件价格低廉，而如果算法足够强大的话，在ADAS各样应用场景中也能符合大部分的使用条件。123视觉传感器在ADAS中的应用视觉传感器在智能网联汽车中的功能是物体的识别与跟踪、车辆本身的定位。基于智能摄像头的ADAS高级驾驶辅助系统，可实现车道偏离警告(LDW)、基于雷达视觉融合的车辆探测、前部碰撞警告(FCW)、车距监测(HMW)、行人探测、智能前灯控制(IHC)、交通标志识别(TSR)、仅视觉自适应巡航控制(ACC)等功能，如下表2-5-1所示。表2-5-1视觉传感器在ADAS中的应用摄像头的分类车载摄像头按照安装位置及用途，大致可分为三类：前视摄像头、（侧面）环视摄像头、后视摄像头和驾驶舱内置摄像头。05前视摄像头前视摄像头前视摄像头可用于行车辅助类如行车记录仪、车道偏离预警及交通标示识别等。智能前视摄像头（单目/双目/三目）可用于动态物体检测（车辆、行人）、静态物体检测（交通信号灯、交通标志、车道线等）和可通行空间划分等。多与ADAS辅助驾驶系统协作，实现包括紧急制动AEB，自巡航ACC等场景功能。前视摄像头在车上的安装位置案例如图2-5-1所示。前视摄像头图2-5-1前摄像头的应用前视摄像头在很多交通场景中必须测量障碍物，如行人，车辆，或是地上一些特殊线条，如停车线，泊车位划线等的距离。根据测距时的不同技术原理，又可划分成单目摄像头和多目（双目和三目）摄像头。目前应用于自动驾驶的路况判断，多以单目摄像头方案为主。单目摄像头主要依靠数据样本和一些专门针对图形识别的算法来获取图像抽象信息，如距离，边界，形状等。双目匹配的作用是把同一场景在左右视图上对应的像点匹配起来，像人眼一般。这样做的目的是为了得到视差图。双目匹配被普遍认为是立体视觉中最困难也是最关键的问题。而多目摄像头则是让各个摄像头用不同的焦距来覆盖不同距离范围的场景。06环视摄像头环视摄像头环视视觉传感器的镜头采用鱼眼镜头，而且安装位置是朝向地面的。某些高配车型上会有“360全景显示”功能，所用到的就是环视摄像头。(侧面）环视摄像头主要用于低速近距离感知，系统同时采集车辆四周的影像，经过图像处理单元畸变还原→视角转化→图像拼接→图像增强，最终形成一幅车辆四周无缝隙的360度全景俯视图，再在四幅图像的中间放上一张车的俯视图，即可实现从车顶往下看的效果，如下图所示。环视视觉传感器的感知范围并不大，主要用于车身5-10米内的障碍物检测、自主泊车时的库位线识别等。车载视觉传感器环视图像及图像拼接处理后的效果图如图2-5-2所示。环视摄像头图2-5-2车载视觉传感器环视效果图07后视摄像头后视摄像头汽车的后视摄像头是一种安装在车辆后部的摄像头系统，用于提供驾驶员在驾驶时对车辆后方环境的实时视图。后视摄像头通常用于辅助驾驶员进行倒车、停车、变道等操作，以提高驾驶的安全性和便利性。08驾驶舱内置摄像头驾驶舱内置摄像头驾驶舱内置摄像头主要针对驾驶员的疲劳、分神、不规范驾驶等危险情况进行一层或多层预警，要求在全部工况