当前位置：文档之家 › 智能网联汽车概论实训课程课件第5-8章

智能网联汽车概论实训课程课件第5-8章

  • 格式：pptx
  • 大小：7.72 MB
  • 文档页数：59

下载文档原格式

  / 59

合集下载

智能网联汽车概论实训课程课件(中)

智能网联汽车概论实训课程课件(中)

决策技术结构体系 决策层是自主驾驶系统智能性的直接体现，对车辆的行驶安全性和整车性能起着决定性 作用，以谷歌和斯坦福等为代表的众多企业和高校做出了大量研究。常见的决策体系结构有 分层递阶式、反应式以及二者的混合式。
行驶环境 环境感知
反应式体系结构
决策规划
基于行为推理 基于环境规划 目标任务识别 环境动态变化 地图建立规划
在此在基高础精上度，地进图一生步产提过取程、中处，理通和过标提注取矢车量辆图上形传，感包器括采道集路的网原络始信数息据、，道获路取属高性精信度息输地、入图道标特路题征几值何，信构息成和特道征路地上图主:
要标志的抽象信息。
单击此处添加文字 单击此处添加文字
高精度地图模型
(1)道路模型 为了实现和提高 路径规划功能，需要将现实世界 的道路结构进行抽象，形成以顶 点与边组成的拓扑图形结构，图 中的边以弧形线段表示，线段中 由一系列顺序的点表示线的基本 形状走势。在道路拓扑模型中除 了要标示出道路走势，还要描述 道路的连通关系，这种连通关系 是通过顶点确定。道路模型除了 图形属性还包括车道数量、道路
其他芯片解决方案 谷歌公布了AlphaGo战胜李世石的“秘密武器”——芯片 “TPU" (Tensor Processing Unit，张量 处理单元 )，它使得机器学习类深度神经网络模型在每瓦特性能上优于传统硬件。
谷歌公司TPU芯片示意图
“SI”概率芯片示意图
随堂练习
1、（多选）当硬件传感器接收到环境信息后，数据会被导入计算平台，由不同的芯片进行运算。计
B. 实现对可行驶区域的检测 D. 实现模糊行为决策
方面。
3、传统意义上自动驾驶系统的决策控制软件系统含
、
、
、 等功能模块。

智能网联汽车概论(含实验指导)第五章 智能网联汽车高级驾驶辅助系统

智能网联汽车概论(含实验指导)第五章 智能网联汽车高级驾驶辅助系统

环境感知系统 中央决策系统 底层控制系统 人机界面交互系统
自动驾驶辅助阶段 网联驾驶辅助阶段 人机共驾 高度自动化/无人驾驶阶段
02
自主预警类
预警类ADAS名称
功能
前向防撞预警系统 能实时监测车辆前方行驶环境，并在可能发生前向碰撞危险时发出警
( FCW)
告信息
车道偏离预警系统 能实时监测车辆在本车道的行驶状态，并在出现或即将出现非驾驶意
车道保持辅助系统主要由信息采集单元、电子控制单元和执行单元等组成。
工作原理
汽车自动紧急制动系统（AEB）是指在非自适应巡航的情况下正常行驶， 在可能发生碰撞危险时车辆制动系统自动启动，使车辆减速以避免碰撞或减轻 碰撞的系统。
工作原理
自适应巡航系统（ACC）是在传统巡航控制系统（CCS）的基础上发展而 来的。相比CCS系统，自适应巡航控制系统（如图5-25）能够实时监测前方目 标车辆行驶状态，在设定的距离范围内自动调整本车行驶速度，以适应前方目 标车辆和道路条件引起的驾驶环境变化。
03
自主控制类
预警类ADAS名称
功能
车道保持辅助系统 能实时监测车辆前方车道边线的位置，在出现或即将出现非驾驶意
( LKA)
愿的车道偏离时，使车辆保持在原车道内行驶
自动紧急制动系统 能实时监测车辆后方行驶环境，并在可能发生碰撞危险时，车辆的
（AEB）
制动系统会自动启动使车辆减速，甚至使车辆停止
自适应巡航控制系 能实时监测车辆在本车道的行驶状态，在设定的速度范围内自动调
自适应巡航系统由信息采集单元、电子控制单元、执行单元与人机交互单 元组成。
工作原理：
自动泊车辅助系统（APA）利用车载传感器探测有效泊车空间，并辅助控 制车辆完成泊车操作的驾驶辅助系统。

智能网联汽车概论 第五章 智能网联汽车高精度地图技术

智能网联汽车概论 第五章 智能网联汽车高精度地图技术

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。

《智能网联汽车技术概论》课程授课教案

《智能网联汽车技术概论》课程授课教案

《智能网联汽车技术概论》课程授课教案第一章：智能网联汽车概述1.1 课程简介1.2 智能网联汽车的定义与发展历程1.3 智能网联汽车的优势与挑战1.4 智能网联汽车的关键技术第二章：自动驾驶技术2.1 自动驾驶技术的级别与分类2.2 感知环境技术2.3 决策与控制技术2.4 自动驾驶技术的应用与挑战第三章：车载通信技术3.1 车载通信技术概述3.2 车联网的架构与关键技术3.3 车联网的应用场景与展望3.4 车联网发展的挑战与机遇第四章：智能交通系统4.1 智能交通系统的定义与组成4.2 智能交通系统的关键技术4.3 智能交通系统的应用案例4.4 智能交通系统的发展前景第五章：车联网安全技术5.1 车联网安全威胁与挑战5.2 车联网安全关键技术5.3 车联网安全策略与措施5.4 车联网安全发展趋势第六章：车辆传感器技术6.1 车辆传感器概述6.2 常见车辆传感器及其原理6.3 传感器数据融合技术6.4 传感器在智能网联汽车中的应用案例第七章：在智能网联汽车中的应用7.1 概述7.2 机器学习与深度学习在自动驾驶中的应用7.3 计算机视觉在智能网联汽车中的应用7.4 未来发展趋势第八章：电动汽车与智能电网8.1 电动汽车概述8.2 电动汽车与智能电网的关系8.3 电动汽车充电技术8.4 电动汽车产业发展趋势第九章：智能网联汽车产业生态9.1 产业链概述9.2 主要参与者及其角色9.3 产业生态竞争格局9.4 我国智能网联汽车产业发展策略第十章：法律法规与标准体系10.1 法律法规概述10.2 国内外法律法规现状10.3 标准体系概述10.4 我国智能网联汽车标准体系发展现状与展望第十一章：智能网联汽车的安全性与可靠性11.1 安全性概述11.2 智能网联汽车的安全隐患11.3 安全技术措施与策略11.4 可靠性理论与实践第十二章：智能网联汽车测试与验证12.1 测试与验证的重要性12.2 仿真测试技术与工具12.3 实车测试与验证方法12.4 测试与验证的未来发展趋势第十三章：智能网联汽车产业政策与战略13.1 产业政策概述13.2 国际政策分析13.3 我国智能网联汽车产业政策13.4 产业发展战略与规划第十四章：智能网联汽车市场与商业模式14.1 市场规模与增长趋势14.2 消费者需求分析14.3 商业模式探索与应用14.4 市场挑战与机遇第十五章：未来展望与挑战15.1 技术发展趋势15.2 产业发展的未来展望15.3 智能网联汽车面临的挑战15.4 应对挑战的策略与建议重点和难点解析第一章：智能网联汽车概述重点：智能网联汽车的定义、发展历程、优势与挑战。

《智能网联汽车导论》教学课件—05智能网联汽车与大数据

《智能网联汽车导论》教学课件—05智能网联汽车与大数据

1.数据收集 （1）传感器 传感器常用于测量物理环境变量并将其转化为可读的数 字信号以待处理。 （2）日志文件 日志是广泛使用的数据采集方法之一,由数据源系统产 生,以特殊的文件格式记录系统的活动。 （3）众包 “众包”是一种分布式的问题解决模式，指的是一个公 司或者机构、平台把过去由固定人员完成的工作任务， 以自由自愿的形式外包给（通常指网络上的）非特定大 众的做法。而“非特定大众”通过网络登录这些众包平 台即可接受和完成任务。

2.数据预处理
（1）数据集成
数据集成技术在逻辑上和物理上把来自不同数据源的数据进 行集中,为用户提供一个统一的视图。数据集成在传统的数 据库研究中是一个成熟的研究领域,如数据仓库和数据联合 方法。数据仓库又称为ETL,由3个步骤构成:
1）提取：连接源系统并选择和收集必要的数据用于随后的 分析处理。
b.基于云计算的交通信息应用
云计算提供的服务按照其应用模式可分为基础设施 即服务（IaaS）、平台即服务（PaaS）和软件即服 务（SaaS）。
云计算SPI模型
c.基于云计算的交通信息安全
交通云的信息安全主要有交通数据存储安全问题、交通 云平台可用性安全问题和云平台遭受攻击的安全问题等。
2）多源数据预处理技术
2.在汽车制造方面的应用
利用买车卖车用车维保大数据在造车领域的应用的 还是传统车企，4S模式就是这方面应用最好的案例， 4S包括整车销售(Sale)、零配件(Sparepart)、售后 服务(Service)、信息反馈(Survey)等，而最后这个 S(Survey)信息反馈就是大数据的应用。虽然说传统 车企的车型升级比较缓慢，但这些大数据是他们升 级、改造或开发新车型的重要依据。
互联网在汽车领域应用越来多，汽车变得更加智能。 除了传统的车企结合互联网技术不断更新自己的技 术以外，互联网企业也加入了造车的风潮。

智能网联汽车概论

智能网联汽车概论

202203/2113/1/511/15
8
1.1.1 智能网联汽车的定义——智能汽车
➢奔驰2019款E 260 L运动型4MATIC轿车，配置了盲区监测系统、 车道偏离预警系统、车道保持辅助系统、驾驶员疲劳预警系统、 自适应巡航控制系统、自动泊车辅助系统等，属于智能化程度 较高的智能汽车
202203/2113/1/511/15
202203/2113/1/511/15
42
1.3.1 智能网联汽车的关键技术
➢ 4.车载网络技术
CAN、LIN、MOST——以太网
202203/2113/1/511/15
43
1.3.1 智能网联汽车的关键技术
➢ 5.先进驾驶辅助技术
202203/2113/1/511/15
44
1.3.1 智能网联汽车的关键技术
202203/2113/1/511/15
33
1.2.2 智能网联汽车的技术逻辑结构
202203/2113/1/511/15
34
1.2.3 智能网联汽车的技术架构
202203/2113/1/511/15
35
1.2.3 智能网联汽车的技术架构
202203/2113/1/511/15
36
1.2.3 智能网联汽车的技术架构
202203/2113/1/511/15
37
1.2.3 智能网联汽车的技术架构
202203/2113/1/511/15
38
1.2.4 智能网联汽车的产品物理结构
202203/2113/1/511/15
39
1.3 智能网联汽车的关键技术及发展趋势
➢ 1.环境感知技术
车辆本身状态感知 道路感知 行人感知 交通信号感知 交通标识感知 交通状况感知 周围车辆感知

智能网联汽车概论实训课程课件第5-6章

交通标志识别 交通信号识别
信息 传输 单元
显示系统 报警系统 传感器网络 车载网络
传感器
环视摄像头（高清） 前视摄像头（单目） 超声波传感器 侧向毫米波雷（24GHz ） 前向毫米波雷（77GHz ） 激光雷达
环境感知传感器配置
数量/个
最小感知范围
4
8m
1
50°/150m
12
5m
4
110°/60m
点
度、速度等信息，生成目标多维度图像
全天候工作 激光主动探测，不依赖于外界光照条件或目 标本身的辐射特性
智能网联汽车激光雷达系统由收发天线、收发前端、信号处理模 块、汽车控制装置和报警模块组成。
收发 天线
收发 前端
信号处理 模块
报警 模块
汽车控 装置
激光雷达的测距原理
毫米波雷达是高阶自动驾驶的标配。全球 毫米波雷达市场集中度较高，2018年CR5高达 68%，基本上被博世、大陆等外资寡头垄断。 毫米波雷达指工作在30～300GHz频域的雷达， 具有体积小、质量轻和空间分辨率高等优点， 具有全天候、全天时等优秀特性，能够同时 识别多个小目标，可以穿透雾、烟、灰尘等 环节，精准测量目标的相对距离和相对速度， 被广泛应用于自动驾驶汽车车间距离探测， 但易受干扰。
后视系统 倒车辅助系统 自动泊车辅助系统 防追尾碰撞系统
车内视觉系统 驾驶员疲劳检测系统 汽车平视显示系统 车载信息显示系统
角视系统 盲区检测系统 盲区警告系统 并线辅助系统
信息采集单元
惯性 元件 超声波传感器
激光 雷达 毫米波雷达 视觉传感器 定位 导航 车载网络
环境感知系统组成
信息处理单元 道路识别 车辆识别 行人识别
毫米波雷达传感器

智能网联汽车导论-课件(共八章)


3.欧盟
（2）欧盟智能网联汽车发展现状
从2010年起发布了一系列政策，引导各国智能网联汽车产业发展，最 终形成相对完整的包含智能网联汽车在内的智能交通发展战略体系。如 2013年，欧委会推出地平线2020计划，推进智能网联汽车的研发。2014 年启动的欧盟第八个框架计划“Horizon2020”也在进行中。 “Horizon2020”项目在交通领域重点支持九个方向,其中道路、物流、智 能交通系统都涉及智能网联汽车产业的相关领域。2015年，欧洲道路交通 研究咨询委员会发布自动驾驶路线图，规划2030年前乘用车从手动驾驶过 渡到完全无人驾驶的技术路线图。
人机共驾指驾驶人和智能系统分享车辆控制权，人机一体化协同完成驾驶任务。 与一般的驾驶辅助系统相比，共驾型智能汽车由于人机同为控制实体，双方受控 对象交联耦合，状态转移相互制约，具有双环并行的控制结构，因此要求系统具 备更高的智能化水平。系统不仅可以识别驾驶人的意图，实现行车决策的步调一 致，而且能够增强驾驶人的操纵能力，减轻其操作负荷。 （4）高度自动/无人驾驶阶段
2012年，欧盟委员会提出了《欧盟未来交通研究与创新计划》，在交 通安全领域，重点提出以下研究内容：①加强路—路、车—路、车—车之 间的通信，实现信息共享,提高车辆安全性。②综合考虑驾驶人、车辆与道 路一体化的道路安全系统,并通过政策、标准、法规的引导,快速推动相关技
术的研究与产业化应用。③加速推动主动安全、被动安全以及道路紧急救 援相关的应用与服务。④加速推进交通信息化的研究与应用。
云端等）智能信息交换、共享， 具备复杂环境感知、智能决策、 协同控制等功能，可实现“安全、 高效、舒适、节能”行驶，并最 终可实现替代人来操作的新一代 汽车。
2.智能汽车
智能汽车是在一般的汽车上增加雷达、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。

《智能网联汽车技术概论》课程授课教案

《智能网联汽车技术概论》课程授课教案第一章：智能网联汽车概述1.1 课程介绍了解智能网联汽车的概念、发展历程和未来发展趋势。

理解智能网联汽车与传统汽车的区别和优势。

1.2 教学目标掌握智能网联汽车的基本概念和定义。

了解智能网联汽车的发展历程和未来发展趋势。

理解智能网联汽车与传统汽车的区别和优势。

1.3 教学内容智能网联汽车的定义和发展历程。

智能网联汽车的优势和挑战。

智能网联汽车与传统汽车的比较。

1.4 教学方法采用讲授法，介绍智能网联汽车的基本概念和发展历程。

通过案例分析，让学生了解智能网联汽车的优势和挑战。

开展小组讨论，比较智能网联汽车与传统汽车的不同之处。

1.5 教学评估通过课堂提问，检查学生对智能网联汽车基本概念的理解程度。

通过小组讨论，评估学生对智能网联汽车优势和挑战的理解程度。

第二章：智能网联汽车的关键技术2.1 课程介绍了解智能网联汽车所涉及的关键技术，包括传感器、自动驾驶、车联网等。

学习这些技术的工作原理和在智能网联汽车中的应用。

2.2 教学目标掌握智能网联汽车所涉及的关键技术。

了解这些技术的工作原理和在智能网联汽车中的应用。

2.3 教学内容传感器技术：了解各种传感器的工作原理和应用，如雷达、摄像头、激光雷达等。

自动驾驶技术：学习自动驾驶的级别和关键技术，如感知、决策和控制等。

车联网技术：了解车联网的通信技术和应用，如V2X、DSRC等。

2.4 教学方法采用讲授法，介绍智能网联汽车的关键技术。

通过实验室实践，让学生了解传感器技术的工作原理和应用。

通过案例分析，让学生了解自动驾驶和车联网技术的应用。

2.5 教学评估通过课堂提问，检查学生对智能网联汽车关键技术的基本理解。

通过实验室实践和案例分析，评估学生对传感器技术、自动驾驶和车联网技术的应用能力。

第三章：智能网联汽车的安全问题3.1 课程介绍了解智能网联汽车面临的安全问题，包括黑客攻击、数据泄露等。

学习如何保障智能网联汽车的安全性。

  1. 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
视觉传感器的组成
视觉传感器的特点
视觉图像的信息量极为丰富，尤其是 彩色图像
在视野范围内可同时实现道路检测、 车辆检测、行人检测、交通标志检测、 交通信号灯检测等，信息获取面积大
视觉信息获取的是实时的场景图像
输入标题
单击此处添加文字 单击此处添加文字
视觉传感器应用广泛，在智能网联汽 车中可以前视、后视、侧视、内视、 环视
强
10～70
强
强
×
自适应巡航控制系 统、自动紧急制动 系统、前向碰撞预 警系统、盲区检测 系统
适中
激光雷达
强 15～360 强 强 ×
较强 30 弱 弱 √
视觉传感器
实时建立车 辆周边环境 的三维模型
车道偏离预警系、车道保持辅助系统 、盲区检测系统、前向碰撞预警系统 、交通标志识别系统、交通信号灯识 别系统、全景泊车系统
毫米波雷达传感器
毫米波雷达的特点
2
1 探测距离远 毫米波雷达探测距离远，最远可达250m左右。
响应速度快 毫米波的传播速度与光速一样，并且其调制简单，配合高 速信号处理系统，可以快速地测量出目标的角度、距离、速度等信息。
适应能力强 毫米波具有很强的穿透能力，在雨、雪、大雾等恶劣天气
3
依然可以正常工作，而且不受颜色与温度的影响
环境中
超声波传感器结构简单， 体积小，成本低，信息 处理简单可靠，易于小 型化与集成化，并且可
以进行实时控制
测量范围
抗干扰性能
超声波雷达的 特性参数
测量精度
工作频率
波束角
随堂练习
1、（多选）激光雷达的特点有
。
A.分辨率高
B.探测范围广
C.信息量丰富
D.全天候工作
2、（多选）雷达传感器分为
。
A.激光雷达
输入标题
单击此处添加文字
激光雷达传单感击器此处添加文字
输入标题
单击此处添加文字
全固态单击激此光处雷添加达文传字 感器
输入标题
单击此处添加文字
单击多此线处添束加激文字光雷达传感器
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
激
光
雷
探测范围广 探测距离可达300m左右
达
的
特
信息量丰富 可直接获取探测目标的距离、角度、反射强
交通标志识别 交通信号识别
信息 传输 单元
显示系统 报警系统 传感器网络 车载网络
传感器
环视摄像头（高清） 前视摄像头（单目） 超声波传感器 侧向毫米波雷（24GHz ） 前向毫米波雷（77GHz ） 激光雷达
环境感知传感器配置
数量/个
最小感知范围
4
8m
1
50°/150m
12
5m
4
110°/60m
变道辅助系统
后方碰撞预警系统
行人监测系统
驻车开门辅助系统
<60
24
侧方 前方、后方
后方 后方 前方 侧方
100左右
77 前方 前方 前方 侧方 侧方 后方 后方 前方远距离雷达>2来自077 前方 前方 前方
超声波雷达工作在20KHz以上，多用于精准测距，基本原理是通过测 量超声波脉冲和接收脉冲的时间差，结合客气超声波传输速度计算的相 对距离。
毫米波雷达的缺点是覆盖区域呈扇形，有盲点区域；无法识别道路标线、
4
交通标志和交通信号灯。
毫米波雷达分类
毫米波雷达的测量原理
毫米波雷达的目标识别流程
毫米波雷达的应用
毫米波雷达类型
近距离雷达
中距离雷达
探测距离/m
工作频段/GHz
自适应巡航系统
自动紧急制动系统
前向碰撞预警系统
自动泊车辅助系统
功能
盲区监测系统
超声波雷达传感器
超声波雷达安装于汽车前后保险杠上，用于测量汽车前后障碍物；安装于汽车侧面，用于 测量侧方障碍物距离。
超声波传感器有效探测距离
超声波雷达的特点
超声波传感器有效探测 距离一般在5～10m之间
超声波对色彩、光照度 不敏感，可适用于识别 透明、半透明及漫反射
差的物体
超声波对外界光线和电 磁场不敏感，可用于黑 暗、有灰尘或烟雾、电 磁干扰强、有毒等恶劣
B.毫米波雷达
C.超声波雷达
D.Mobileye
3、毫米波雷达的特点有
。
输入标题
单击此处添加文单 击此处添加文字
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。其主要功能是获取足够的机器视觉系统要处理的原始图像。把光、摄像机、图 像处理器、标准的控制与通信接口等集成一体的视觉传感器常称为一个智能图像采集与 处理单元。
输入标题
单击此处添加文字 单击此处添加文字
摄像头一般分为单目、双目、三目和环视等。
单目摄像头 三目摄像头
环视摄像头
双目摄像头
双目摄像头
车道线识 别
可通行空 间检测
视觉传感器 的功能
障碍物检 测
交通信号 灯识别
交通标志 识别
视觉传感器环境感知流程，一般包括图像采集、图像预处理、图像特征 提取、图像模式识别、结果传输等，根据具体识别对象和采用的识别方法不 同，环境感知流程也会有所不同。
高
适中
多传感融合体系
分布式 集中式 融合式
多传感融合体系
传感 器 1 输入
传感 器 n 输入 传感 器 n 输入
传感 器 1 传感 器 1 输出
传感 器 2 传感 器 2 输出
传感 器 n
传输器 n 输出 融合 输出 结果
分布式
传感器 1 输入
传感器 2 输入
传感器 1
传感器 2
信息融合中心
输出最终决策 集中式
随堂练习
1、
年，6英寸左右的触屏开始出现。
2、（多选）语音识别的优点有
。
A.解放双手
B.易学习性
C.便捷性
D.低复杂度
3、在人类感知信息的途径中，通过
、
、
和
信息的比例分别是83%、1%、3.5%、1.5%和1%。
输入标题
单击此处添加文单 击此处添加文字
获取外界
抬头显示（HUD) 发展
语音交互的定义 语音交互（VUI）指的是人类与设备通过自然语音进行信息的传递。 一次完整的语音交互需要经历ASR→NLP→Skill→TTS的流程
人机交互的关键技术
1
人机交互已成为智能汽车的发展的关键技术
2
用户为中心的设计理念和设计流程
3
智能化趋势对人机交互提出了更高的要求:
点
度、速度等信息，生成目标多维度图像
全天候工作 激光主动探测，不依赖于外界光照条件或目 标本身的辐射特性
智能网联汽车激光雷达系统由收发天线、收发前端、信号处理模 块、汽车控制装置和报警模块组成。
收发 天线
收发 前端
信号处理 模块
报警 模块
汽车控制 装置
激光雷达的测距原理
毫米波雷达是高阶自动驾驶的标配。全球 毫米波雷达市场集中度较高，2018年CR5高达 68%，基本上被博世、大陆等外资寡头垄断。 毫米波雷达指工作在30～300GHz频域的雷达， 具有体积小、质量轻和空间分辨率高等优点， 具有全天候、全天时等优秀特性，能够同时 识别多个小目标，可以穿透雾、烟、灰尘等 环节，精准测量目标的相对距离和相对速度， 被广泛应用于自动驾驶汽车车间距离探测， 但易受干扰。
视觉传感器道路识别流程
ADAS
车道偏离预警系统 盲区监测系统
自动泊车辅助系统 全景泊车系统
驾驶员疲劳预警系统 行人碰撞预警系统 车道保持辅助系统 交通标志识别系统 前向碰撞预警系统
视觉传感器的应用
使用摄像头
功能应用
前视
检测车辆即将偏离车道线时预警
侧视
将后视盲区的影像显示在后视镜或驾驶舱内
后视 前视、侧视、后视
ADAS实现的第一步。
2、（多选）多传感器融合体系结构是
。
A.分布式
B.集中式
C.整体式
D.混合式。
3、环境感知系统是由
、
、
组成。
单击此处添加文单 击此处添加文字
激光雷达传感器
毫米波雷达传感器
超声波雷达传感器
激光雷达是工作在光频波段的雷达，它利用光频波段的电磁波先向目标发射探测信号，然后将其接 收到的同波信号与发射信号相比较，从而获得目标的位置（距离、方位和高度）、运动状态（速度、 姿态）等信息，实现对目标的探测、跟踪和识别。
1
15°/170m
1
110°/100m
备注
1.前向和侧向毫米波 雷达不能互换 2.毫米波雷达和激光 雷达互为冗余 3.传感器供应商不同 ，数据存在出入，仅 供参考。
智环境感知传感器对比
传感器类型
近距离探测 探测角度 夜间环境 全天候 路标识别
主要应用
成本
超声波传感器
弱 120 强 弱
×
泊车辅助
低
毫米波雷达
后视系统 倒车辅助系统 自动泊车辅助系统 防追尾碰撞系统
车内视觉系统 驾驶员疲劳检测系统 汽车平视显示系统 车载信息显示系统
角视系统 盲区检测系统 盲区警告系统 并线辅助系统
信息采集单元
惯性 元件 超声波传感器
激光 雷达 毫米波雷达 视觉传感器 定位 导航 车载网络
环境感知系统组成
信息处理单元 道路识别 车辆识别 行人识别
内置 前视
将车尾影像显示在驾驶舱内 将摄像头采集的影像组成周边全景图 检测驾驶员是否疲劳、闭眼等发出警报 检测车辆与前方行人可能发生碰撞预警
前视
检测到即将偏离车道线时，发出警报并纠正