智能车辆导航技术(付梦印,邓志红,刘彤著)思维导图

车载GPS定位技术与应用
最短路问题
• 最短路径：就是指在带权有向图中，寻找从指定 起点到终点的一条具有最小权值总和的路径。
• 6.2.1 经典的最短路算法 • 1、迪杰斯特拉(Dijkstra)算法：
• 由荷兰数学家E.W.D ijkstra于1959年提出的一个适 用于非负权值网络的单源最短路算法，是目前求 解最短路问题的理论上最完备、应用最广的经典 算法，它可以给出从某指定节点到图中所有其他 节点的最短路。
车载GPS定位技术与应用
电气与信息工程学院 电子信息工程系
车载GPS定位技术与应用
第五章
智能车辆导航系统
§ 1、智能车辆的分类 § 2、路径规划 § 3、自主式车辆导航系统的设计 § 4、中心决定式车辆导航系统的设计
车载GPS定位技术与应用
6.1 智能车辆导航系统的分类
• 智能车辆导航系统是集成了自动车辆定位系统技 术、地理信息系统技术、数据库技术、多媒体和 现代通信技术等的高科技综合系统。 从实现导航功能的角度看，目前可分为两大类：
车载GPS定位技术与应用
• 在使用大O表示法时，需要考虑关键操作的程序步 数，在大多数场合里，程序步数与执行频度是一 一对应的，如果最后给出的是渐进值，可以直接 考虑关键操作的执行频度，找出其与n的函数关系， 从而得到渐进时间复杂度。 • 常见的算法时间复杂度有：常量阶，表示运行时 间与问题规模无关或不超过某一常数;线性阶，表 示运行时间与问题规模呈线性关系，类似的还有 平方阶、 对数阶、指数阶等。
32 13 1 6 9 7 5 17
30
2
车载GPS定位技术与应用
每一对顶点之间的最短路径 • 方法一：每次以一个顶点为源点，重复执行 Dijkstra算法n次 • 方法二：弗洛伊德(Floyd)算法 • 2、弗洛伊德(Floyd)算法 • 算法思想：逐个顶点试探法 • 求最短路径步骤

5)GPS不限制终端数,在GPS卫星信号不被阻挡的情况下,在地球上任何地点、时间,任何 GPS终端都可以得到正确的位置和时间。
6)功能多,应用广泛,可应用于军事、道路、车辆、船舶导航等多种应用中。 GPS也存在诸多不足,比如,受天气和位置的影响较大。当遭遇不佳天气或者接收器上空 存在遮盖时,会屏蔽GPS信号,定位精度就会受到相当大的影响,甚至无法进行定位服务。此 外,GPS更新频率低,并不能满足实时计算的要求。
7.2.2 旋转
三维空间的旋转的表达方式有很多种,有欧拉角、旋转矩阵、四元数等。 其中,四元数是简单 的超复数。复数是由实数加上虚数单位i组成,一般可表达为a+bi,其中i2=-1,a、b是实数。四元数是 由实数加上三个虚数单位i、j、k组成,一般可表示为w+xi+y数。
7.3 视觉定位
7.3.1 视觉SLAM
通常所说的定位,是在环境地图已知的情况下进行的,此时智能车辆是根据里程计、地图等 信息计算更新自身当前在环境地图中的位置。由于不可能拥有每一个地方的环境地图,当车辆 面临一个全新的环境时,此时如何计算车辆的位置就是一个问题。SLAM即所谓的即时定位与 地图构建算法,其作用是将对象车辆放入未知环境中的未知位置,而能让车辆一边移动一边逐步 描绘出此环境完全的地图。通俗地说,一个健全的SLAM系统需要让车辆在一个未知环境中逐 步绘制此环境的增量式地图,并同时根据地图与传感器信息计算自身的位置信息。建图与定位 是SLAM最重要的两个功能,环境地图的创建需要计算车辆实时的位置,而定位需要当前环境下 的地图,它们之间联系紧密,是不可分割的关系,而视觉SLAM就是利用视觉传感器信息实现的 SLAM,是当下SLAM研究中有应用前景的方向。
7.1.2 GPS定位特性

提取其特征，再进行识别并进行分类，完成标注。常用的图像处理流程如图5-5
所示
图像采集
图像预处理
图像分割
边缘检测
图像识别
特征参数计算
特征提取
图5-5常用的图像处理流程
图像细化
道路元素图像处理
1. 图像采集: 通过摄像机等工具采集真实道路环境下的图像，形成数据集。 2. 图像预处理: 对数据集中的图像进行扩充，同时对图像进行标注工作，便于后期进行深度学习训练模型使 用。 3. 图像分割: 将图像分成若干个特定的、具有独特性质的区域并提出感兴趣目标的过程。 4. 边缘检测: 找出图像中亮度变化剧烈的像素点构成的集合。 5. 图像细化: 将图像的线条从多像素宽度减少到单位像素宽度的过程。通过减少图像的像素数来达到压缩图 像的目的。 6.特征提取: 将数据集中的每一幅图像输入到深度学习模型中，在特定的卷积层中提取图像的深度学习特征， 便于图像识别工作。 7. 特征参数计算: 参数计算对卷积神经网络(Convolutiona Neural Network,CNN)至关重要,不同的步长、填充方 式、卷积核大小、池化层策略等都决定最终输出模型与参数计算复杂度等。 8. 图像识别: 将任意一幅待识别的图像输入到深度学习训练模型中，提取样本的深度学习特征并对图像进行 识别。判断该图像中的物体属于哪个类别并显示识别物体的准确率。
高精度地图
厘米级
机器
静态数据：一般要求周级或天级更新；动态 数据：要求车道及路况或交通事件等信息实 时更新。
增加了车道及车道线类型、宽度等展性，更 有诸如护栏、路沿、交通标志牌、信号灯和 路灯等详细信息。
高精度地图对自动驾动驾驶的“眼睛”,有其局 限性，如易受恶劣天气的影响等。高精度 地图可以对传感器无法探测或探测精度不 够的部分进行补充，实现实时状况的监测 及外部信息的反馈，进而获取当前位置精 准的交通状况。 通过对高精度地图模型的提取，可以 将汽车周边的道路、交通设施、基础设施 等元素和元素之间的拓扑结构提取出来。

精选ppt
13
§1.1.2 智能车辆定位导航系统
ITS研究的范围十分广泛，内容丰富，使 用的技术和手段多样。但其中，最关键的组成 莫过于智能车辆定位导航系统。
精选ppt
14
§1.1.2 智能车辆定位导航系统
智 能 车 辆 定 位 导 航 系 统 （ Intelligent Vehicle Location and Navigation System，简称 IVLNS）是集成应用了自动车辆定位技术、地 理信息系统与数据库技术、计算机技术、多媒 体技术和现代通信技术的高科技综合系统。
43
§1.2 车辆定位导航系统研究现状
EVA除了推算定位、地图匹配和依次转向 路径引导，它还可以同时用可视显示和声音合 成输出来给司机提供导航。80年代中期以来， 智能交通系统实验计划PROMETHUS和DRIVE 一直在欧洲大规模地实施中。
精选ppt
44
§1.2 车辆定位导航系统研究现状
中国：和发达国家相比，国内在此方面的 研究起步较晚，开始于八十年代末期，其应用 主要是集中在车辆的监控调度系统方面。
精选ppt
35
§1.2 车辆定位导航系统研究现状
1985年，美国易泰克（ETAK）公司推出 了一种称为Navigator的汽车自主导航系统。该 系统配有数字地图库，采用航位推算和地图匹 配技术，定位误差可由已知道路的位置和方向 来修正，航位推算传感器包括磁罗盘和车速传 感器。
精选ppt
36
§1.2 车辆定位导航系统研究现状
精选ppt
23
§1.1.2 智能车辆定位导航系统
2、地理信息系统引擎（Map Query）是操 作和查询电子地图数据库的接口，提供了电子 地图的显示、浏览、动态刷新、缩放等功能和 相关的信息检索和查询服务。

二、高精度地图组织结构
（一）路网
行为决策也和路网信息高度相关，目前的高精度地图系统里，行为决策的 实现依然是基于交通规则的，对规则列表的适配需要结合全局规划信息。目标 的预测也类似，道路交通中的目标预测一个重要的先验就是目标在多数情况下 会在自己的车道上行驶或者遵循交通规则变道，针对不同的道路参与者，交通 规则也不一定相同。因此，一个合格的自动驾驶地图，应当包含所有交通参与 者的道路规则，例如非机动车道以及行人可能出现的区域和运动的方向等。
一、高精度地图与自动驾驶
图3-1 高精度地图与自动驾驶技术
一、高精度地图与自动驾驶
高精度地图的特征包括车道、车道线、道路上的各项交通设施和人行横道 等。它能描述所有交通要素以及人能感受到的影响交通驾驶行为的特征。此外， 高精度地图对实时性要求较高，实时性也是评价高精度地图的重要指标之一。 自动驾驶车辆的算法处理依赖于对周围环境的感知，如果高精度地图不能提供 实时的道路信息，会使得导航算法出现偏差甚至出现严重交通事故。
从以上三个方面出发，可以更好地理解高精度地图的组织结构。
二、高精度地图组织结构
（一）路网
路网即地图中道路的拓扑关系，在传统的电子地图中，路网是地图的骨架， 道路元素多是通过在路网基础上添加短枝来表述的。高精度地图系统中，使用 路网语义的主要目的之一就是产生全局路径规划，即起点到终点的全局路线。 区别于粗粒度的电子导航全局规划，高精度地图系统中的全局规划不仅需要知 道车的路线（道路级别），还需要知道车道级别的信息，例如可以走哪些车道、 车道是不是公交专用道、车道能否变道、能否借道等。
三、高精度地图数据格式
（一）NDS格式规范
NDS是由德国大众、宝马等车企联合导航电子地图提供商提出的一种导 航电子地图存储标准，是一种基于嵌入式数据库的导航电子地图存储标准，它 采用WGS84坐标系系统，总体由地图显示、路径规划、名称、兴趣点 （POI）、交通信息和语言表达六个内容层组成，其中不同层的数据会储存在 不同的表中，每一层的数据也会根据类型不同储存在内嵌数据库的不同表中。 对同一内容的数据，通过比例尺划分成多个数据表达层，并且进行相应的分块 和存储的操作。某块数据代表的是数据库表中的某条记录。传统的数据寻址是 通过物理地址偏移来进行，而高精度地图是通过数据库ID的相互引用来完成。

五、ITS的其他特点
★ ★ ★
还需要人的参与 信息化 一体化
§ 1.3 智能交通能解决那些问题？



具有重大的经济效益和社会效益： 解决交通问题，减少交通损失； 降低燃油消耗，保护环境； 大大降低运输行业成本； 拉动关联产业，新增市场商机。
效益表现 减少交通拥 堵
欧 洲 (2017年) 出行时间减少 25% 公共交通延误 减少50％
（2）先进的交通管理系统 提供面向交通管理者，它将对交通状况、 交通事故、气象状况和交通环境进行监测， 根据收集到的信息，对交通进行控制，如信 号灯控制、发布诱导信息、道路管制、事故 处理与救援等。
（3）先进的公共交通系统 系统主要目的是改善公共交通的效率 （包括公共汽车、地铁、轻轨交通等）， 提供便捷、经济运量大的公交系统。
智能交通是在较完善的道路基础 设施上将先进的信息技术、电子通讯 技术、自动控制技术以及网络技术等 有效地综合运用于整个交通运输管理 和控制系统。
§1.2
ITS的由来及发展
§1.2.1 ITS的产生 两大因素：
一、经济的发展，人、车、路和环境
之间的矛盾日益严重，现有的各种措 施的作用已不明显；
交通运输的发展程度是国家兴旺发达 的重要标志之一，交通运输的高速发展出 进了物资交流和人们的往来，大大缩短了 出行时间，提高了工作效率。 但同时也带来了许多弊病，交通事故、 交通拥挤、环境污染、能源短缺是世界各 国共同面临的问题。无论是发达国家还是 发展中国家，都毫不例外地承受着不断恶 化的交通环境的困扰。
二、交通工具智能化 交通工具的智能化主要是指车辆的智能化，可 以确保车辆的行驶安全并引导车辆在陌生地方行驶 不致迷失方向。 三、交通系统智能化 系统的智能化将为交通控制管理中心提供对道 路和车辆状态的实时监控，及时处理事故，保障道 路畅通。

我国的地基增强系统主要是北斗地基增强系统，是国家所有的重要信息基础设施，用于提供北斗 卫星导航系统增强定位精度和完好性服务。系统由框架网基准站和加强密度网基准站。通信网络数 据处理系统运营平台、数据播发系统和用户终端组成，具备在全国范围内为用户提供广域实时米级、 分米级、厘米级和后处理毫米级定位精度的能力，具有作用范围广、精度高、野外单机作业等优点。
全球导航卫星系统
（4） Galileo Gale卫星系统也是个正在建设中的全球卫星导航系统 ，欧洲人的目的是摆脱对美国全球定位系 统的依赖，打破其垄断。该系统的基本服务免费，但使用高精度定位服务需要付费。Galileo 系统也 分为空间段、地面段、用户段3大部分。空间段是由分布在3个轨道上的30颗MEO卫星构成，其中27 颗为工作星，3颗为备份星。地面段由两个地面操控站、29个伽利略传感器达到站以及5个S波段上 行站和10个C波段上行站组成，传感器达到站及上行站均分布于全球。用户段则提供独立于其他卫 星导航系统的5种基本服务。
全球导航卫星系统
（2） GLONASS GLONASS也由空间段、地面段、用户段3大部分组成，但与GPS相比各部分的具体 技术有较大的差异。空间段由21颗GLONASS卫星组成，其中21颗为正常工作卫星，3颗 为备份卫星。如果GLONASS星座完整，则可以满足在地球上任何地点任何时刻都能收 到来自至少4颗卫星的信号，从而获取可靠的导航定位信息。地面监控部分包括系统控制 中心和跟踪控制站网，这些跟踪控制站网分散在俄罗斯所有领土上。用户端能接收卫星 发射的导航信号，进而获取需要的位置、速度和时间信息。
SBAS也主要由空间段、地面段和用户端3部分构成。它们作为区域性广域差分增强服务，可以使 得单点的卫星定位更稳定、定位精度更高，从而实现1~ 3m、1m甚至优于1m的定位服务。

图说智能汽车无人驾驶技术
读书笔记
01 思维导图
03 精彩摘录 05 目录分析
目录
02 内容摘要 04 阅读感受 06 作者简介
思维导图
本书关键字分析思维导图
技术
了解
无人驾驶
应用
原理
读者
理解
技术
图说
无人驾驶 通过
全面
汽车
核心
这些
介绍
发展趋势
汽车
内容
内容摘要
内容摘要
《图说智能汽车无人驾驶技术》是一本全面介绍无人驾驶技术的科普读物。本书以简洁明了的语 言，配以丰富的插图，深入浅出地解析了无人驾驶汽车的原理、技术及应用前景。通过阅读本书， 读者可以迅速理解无人驾驶技术的核心要点，并对这一前沿科技有更全面的认识。 在内容上，本书主要从无人驾驶的原理、关键技术、应用场景和发展趋势四个方面进行阐述。介 绍了无人驾驶的基本概念和原理，包括车辆定位、环境感知、路径规划和控制执行等核心要素。 通过这些内容的讲解，使读者对无人驾驶汽车的运作机制有了基本的了解。 详细阐述了无人驾驶的关键技术。包括传感器技术（如雷达、激光雷达、摄像头等）、人工智能 算法（如深度学习、机器视觉等）、高精度地图和V2X通信技术等。这些技术是实现无人驾驶的 核心，也是本书的重点内容。通过阅读这部分，读者可以深入了解无人驾驶技术的核心技术原理 和应用。
这句话强调了无人驾驶技术在保障乘客安全方面的努力。通过多传感器融合 和先进的算法，无人驾驶汽车能够实现对周围环境的全方位感知，从而在各种情 况下都能为乘客提供安全可靠的出行体验。
“在未来的交通中，无人驾驶汽车将与共享出行、车联网等先进技术深度融 合，共同构建一个高效、便捷、安全的出行生态。”
这句话描绘了无人驾驶技术在未来交通中的广阔应用前景。随着共享出行、 车联网等先进技术的不断发展，无人驾驶汽车将与它们深度融合，共同构建一个 高效、便捷、安全的出行生态，为人们的出行带来更多便利和舒适。

智能：智能网联汽车技术逻辑主线： “信息感知”&“决策控制”
信信息息方方面面 根据信息对驾驶行为的影响和相互关系 分为“驾驶相关类信息”和“非驾驶相关类信息”； 其中，“驾驶相关类信息”包括传感探测类和决策 预警类，“非驾驶相关类信息”主要包括车载娱乐 服务和车载互联网信息服务。传感探测类根据信息 获取方式进一步细分为依靠车辆自身传感器直接探 测所获取的信息（自身探测）和车辆通过车载通信 装置从外部其它节点所接受的信息（信息交互）。
信息
控制
非驾驶相关类 车载娱乐
车载互联网信息
驾驶相关类信息辅 导
传感探测类
决策预警类
信息交互
资深探测
辅助驾驶类人类监 控驾驶环境
自动控制类系统监 控驾驶环境
驾驶辅助（DA）横 向或纵向控制
部分自动驾驶（PA） 横向和纵向控制
有条件自动驾驶 （CA）特定条件、
全条件、全部任
务
纵向控制
完全自动驾驶（FA） 全部条件、全部任
务
智能网联汽车技术逻辑结构示意图 驾驶员
控控制制方方面面 根据车辆和驾驶员在车辆控制方面的作用和 职责，区分为“辅助控制类”和“自动控制类”，其中 辅助控制类主要指车辆利用各类电子技术辅助驾驶员进 行车辆控制，如横向（方向）控制和纵向（速度）控制 及其组合；自动控制类可分为驾驶辅助（DA）和部分自 动驾驶（PA）；自动控制类则根据车辆自主控制以及替 代人进行驾驶的场景和条件进一步细分为有条件自动驾 驶（CA）、高度自动驾驶（HA）和完全自动驾驶（FA）。