汽车智能驾驶路径规划
• ADAS系统的控制是根据各个状态进行来回切换的，传统 控制算法存在目标或控制方式切换引起的车辆加速和减速 跳跃，存在切换过程平稳性差等问题。
• 由于控制状态的变化，原有的车辆控制算法、跟踪过程和 巡航控制过程会出现加速跳跃，影响舒适性。
• 当自动驾驶处于低速时，控制问题就不那么明显。 • 但在高速条件下，我们必须考虑轮胎与地面的连接。 • 由于轮胎和地面摩擦圆的约束，当车轮纵向力变化时，侧
汽车智能驾驶路径规划
• （2）局部路径规划算法
• 1）遗传算法。遗传算法是自动驾驶路径规划常用 的算法。
• 该算法模拟达尔文的生物进化理论，结合进化中 优胜劣汰的概念，是一种基于自然选择和遗传学 原理的搜索算法。
• 请说说遗传算法的原理是什么？
汽车智能驾驶路径规划
• 2）蚁群算法。 • 请说说蚁群算法的基本原理是什么？ • 蚁群算法相对于遗传算法来说具有一定的记忆力。蚁群算法有多种原理，
• 为了保证安全，必须对传感器进行信息融合。 • 多传感器融合可以显著提高系统的冗余度和容错
性，从而保证决策的速度和正确性，这是自动驾 驶系统向先进的自动驾驶方向发展，最终实现无 人驾驶的必然趋势。
汽车智能驾驶环境感知
• 传感器融合的理论方法有贝叶斯准则、卡尔曼滤波、D-S证据理论、模糊集合理论、人工神经网络等。软件 算法能够联合虚拟摄像头和环境传感器数据融合算法，从而得到更精确的数据分析与自主控制决策。
• 请说说遗传算法与蚁群算法如何 进行有效互补？
遗传算法
蚁群算法
汽车智能驾驶路径规划
• 3）神经网络。神经网络可以通过大量实际驾驶行 为数据，学习避障和路径规划中隐含的、难以人 工设计并提取的特征。
• 深度学习的基本模型包括基于受限玻尔兹曼机的 深度信任网络、基于自动编码器的堆叠式自动编 码器、卷积神经网络、递归神经网络。
• 实际应用中，应结合感知需求、芯片计算能力选 择合适的融合架构和方法，构建由各类传感器信 息组成的数字环境，实现智能网联汽车的环境理 解。
汽车智能驾驶环境感知
传感器模块的集中处理
由中央ECU制定的分布式系统
分布式和集中式处理的结合
汽车智能驾驶环境感知
• 2.智能网联汽车环境感知数据库
• 目前，专门用于无人驾驶的数据集有KITTI和 Cityscapes等，数据集的主要作用是对汽车上安 装的各种传感器采集的外部场景数据进行分析， 并呈现无人驾驶车辆的实际情况。
• 环境信息主要包括道路信息、周边车辆与行人信 息。道路信息，包括道路的宽度、坡度、交通标 志灯；周边车辆信息包括车辆大小，行驶的速度、 加速度、方向等；周边行人信息包括行人的数量、 位置及行走方向等。
汽车智能驾驶环境感知
• 汽车自动化的程度越高，集成在车辆中的传感器 的数量和类型也越多，只有这样才能够保证信息 获取充分且、有冗余保障车辆自动行驶的安全。
5
理解汽车智能驾驶行为决策与车辆控制的含 义
6
熟悉汽车智能驾驶转向、驱动和制动系统中 的线控策略
7
熟悉汽车智能驾驶车辆纵向控制和侧向控制 的策略
01 • 智能网联汽车环境感知与路径规划
汽车智能驾驶环境感知
• 1.多传感器融合
• 各类传感器因其测量原理，在环境感知方面都有 各自明显的优缺点：
• 毫米波雷达具有耐候性，可以全天工作，但分辨 率不够高，无法区分人与物；摄像头具有较高的 分辨率，可以感知颜色，但受强光影响较大。
全局路径规划
局部路径规划
混合路径规划
汽车智能驾驶路径规划
• 请说说什么是全局路径规划？
汽车智能驾驶路径规划
• 请说说什么是局部路径规划？
汽车智能驾驶路径规划
• 请说说路径规划问题具有哪些特点？
汽车智能驾驶路径规划
• 路径规划技术是汽车自动控制技术的重要组成部分，根据环境信息的己知程度，全局路径规划是对全局环境 已知，并根据算法搜索出最优或接近最优的路径。
• 车辆控制是指控制转向、驾驶和制动，执行规划 决策模块发出需求速度和需求方向盘转角，也包 括转向灯、喇叭、车窗、仪表等车身电器控制信 号。
汽车智能驾驶行为决策
• 行为决策层汇集了所有重要的车辆周围信息，不仅包括汽车本身的当前位置、速度、方向和所在车道，还 包括汽车一定距离内与感知相关的所有重要障碍物体信息和预测轨迹，在所获得信息的基础上来确定汽车 的驾驶策略。主要包括预测算法、行为规划和动作规划等。
汽车智能驾驶路径规划
• （1）全局路径规划
• 1）栅格法。 • 请说说什么是栅格法？原理是什么？
汽车智能驾驶路径规划
• 2）拓扑法。 • 请说说什么是拓扑法？原理是什么？有哪些特征？
汽车智能驾驶路径规划
• 3）可视图法。 • 首先将自动驾驶视为一个点，然后将起点、障碍
物和目标点的每个端点连接起来，并以直线连接 各个端点，从而将路径规划问题转化为从起点到 目标点的最短路径寻找问题。 • 可视图法的优点是概念直观、简单，缺点是灵活 性不好。 • 当目标点或障碍物或起始点发生变化时，需要对 视图进行重构，而且障碍物的数目越多，算法越 复杂。
汽车智能驾驶路径规划
• 由于无需迭代，采用前向网络学习算法学习避障 的速度非常快，自组织神经网络特性也可用于融 合传感器信息，学习从地图上不同位置到目的地 的行驶路线。一旦学习完成，自动驾驶就可以实 现自主导航。
• 通过司机在场景中的驾驶操作可以得到一套训练 集，输入到神经网络单元进行训练，再输出一个 决策计划结果。在获得预期的轨迹后，需要控制 车辆的转向、制动、驱动以跟踪轨迹。
汽车智能驾驶路径规划
• 请说说我国电子地图应用安全的处理措施对无人驾驶的路劲规划有哪些影响？
汽车智能驾驶路径规划
• 路径规划模块需要根据局部环境感知、可用的全局 车道级路径、相关交通规则，提供能够将车辆引导 向目的地（或目的点）的路径。路径规划可分为全 局路径规划方法、局部路径规划方法和混合路径规 划方法三种。
传感器A 传感器B
时间同步 时间同步
特征选择 特征选择
特征匹配
置信度更新
融合特征输出 融合算法
汽车智能驾驶环境感知
• 传感器融合从融合等级上分为原始数据级融合、 特征数据级融合和目标数据级融合。
• 单一传感器中，越靠近原始数据，干扰信号和真 实信号并存的可能性越大，即越早启动融合，真 实信息的保留和干扰信息的去除效果越好，但同 时也为数据同步、处理算法计算量带来相应的挑 战。
XXXXXXXXXXXXXXXXXXXXXXXX学校/学院
智能网联汽车技术概述
◣ 智能网联汽车路径规划与决策控制
机械工业出版社
授课教师：
学习目标
1 理解汽车自动驾驶功能构架及模块组成
2
理解汽车智能驾驶环境感知的含义和实现方 法
3
理解汽车智能驾驶全局路径规划和局部路径 规划的含义及区别
4 理解汽车智能驾驶路径规划的特点
• 3.动作规划
• 动作规划模块的功能根据路径规划给出的轨迹、 行为规划确定的驾驶模式，按照特定的动作去跟 随轨迹。这些具体的动作规划发送给执行机构实 现车辆的运动控制。
• 将当前的道路系统处理为有向网络图，这种有向 网络图中可以表示道路和道路之间的各种连接、 交通规则、道路宽度等，每一个有向边都带权重。 然后，汽车的路径规划问题就变成了在路网图中， 为了使汽车能从从A点位置到达B点位置，在一定 方法的基础上，选择最优路径，这就使路径规划 问题成为有向网络图搜索问题。
• 激光雷达可以提供具有三维信息的特性，对环境 的可重构性很强，但受天气影响较大。
• 毫米波雷达可以弥补激光雷达、视觉传感器在环 境适应性上的不足。
• 视觉传感器或者激光雷达可以弥补毫米波雷达在 目标分类上的不足等。
汽车智能驾驶环境感知
• 环境感知是通过摄像头、激光雷达、毫米波雷达、 超声波雷达、陀螺仪、加速度计等传感器，感知 周围环境信息和车辆状态信息。
• 在每个轨迹的末端，轨迹优化的目标是筛选出满 足所有可能轨迹曲线边界条件的轨迹曲线，然后 找到平滑的、代价最低的曲线。
• 课程回顾
02 • 智能网联汽车行为决策与车辆控制
汽车智能驾驶行为决策
• 智能网联汽车的自动驾驶分为感知定位、规划决 策、执行控制三个部分。决策是指决策控制电脑 在整个无人驾驶系统中的作用，并根据位置、感 知和路径规划等信息确定无人驾驶车辆的策略。
向力也随之变化。 • 智能车的车速控制和横向轨迹跟踪性能是相互制约的。
汽车智能驾驶路径规划
• 4）人工势场规划 • 人工势场规划是Khatib提出的虚拟力法。 • 请说说人工势场法规划原理是什么？
• 汽车智能驾驶路径规划
• 时空路径是指车辆在一定时间内行驶的轨迹。轨 迹不仅包括位置信息，还包括整个轨迹和车辆姿 态的时间信息（时间、速度、加速度、曲率等）。
汽车智能驾驶行为决策
• 1.预测模块Байду номын сангаас
• 请说说预测模块的功能与预测的原理是什么？
汽车智能驾驶行为决策
• 2.行为规划
• 行为规划是根据路径规划目标，结合环境感知模 块对驾驶环境的描述，以及预测模块对驾驶环境 变化趋势的预测，对车辆需要采取的行为作出规 划。
• 请说说行为规划的具有方法？
汽车智能驾驶行为决策
感知
感知 物体信 息 位置/速度/朝向
预测 轨迹
预测
地图定位
路由寻径
基于 L an e的序 列
行为决策
宏观 命令
动作规划
轨迹 点位置 /速度 /角度 等
反馈控制
油门，加速，刹车，方向 盘转 角等
汽车智能驾驶行为决策
• 智能网联汽车的行为决策是基于环境感知和导航 子系统的信息输出，这包括选择哪条车道，是否 换车道，是否跟车，是否绕道，是否停车。