日本无码免费高清在线|成人日本在线观看高清|A级片免费视频操逼欧美|全裸美女搞黄色大片网站|免费成人a片视频|久久无码福利成人激情久久|国产视频一二国产在线v|av女主播在线观看|五月激情影音先锋|亚洲一区天堂av

  • 手機(jī)站
  • 小程序

    汽車測(cè)試網(wǎng)

  • 公眾號(hào)

    • 汽車測(cè)試網(wǎng)

    • 在線課堂

    • 電車測(cè)試

智能網(wǎng)聯(lián)汽車路徑規(guī)劃與決策控制

2021-10-29 08:26:22·  來(lái)源：驅(qū)動(dòng)視界  
　
1. 智能網(wǎng)聯(lián)汽車環(huán)境感知與路徑規(guī)劃汽車智能駕駛環(huán)境感知1.多傳感器融合各類傳感器因其測(cè)量原理，在環(huán)境感知方面都有各自明顯的優(yōu)缺點(diǎn)：毫米波雷達(dá)具有耐候性，
1. 智能網(wǎng)聯(lián)汽車環(huán)境感知與路徑規(guī)劃
汽車智能駕駛環(huán)境感知
1.多傳感器融合
各類傳感器因其測(cè)量原理，在環(huán)境感知方面都有各自明顯的優(yōu)缺點(diǎn)：
毫米波雷達(dá)具有耐候性，可以全天工作，但分辨率不夠高，無(wú)法區(qū)分人與物；攝像頭具有較高的分辨率，可以感知顏色，但受強(qiáng)光影響較大。
激光雷達(dá)可以提供具有三維信息的特性，對(duì)環(huán)境的可重構(gòu)性很強(qiáng)，但受天氣影響較大。
毫米波雷達(dá)可以彌補(bǔ)激光雷達(dá)、視覺(jué)傳感器在環(huán)境適應(yīng)性上的不足。
視覺(jué)傳感器或者激光雷達(dá)可以彌補(bǔ)毫米波雷達(dá)在目標(biāo)分類上的不足等。


環(huán)境感知是通過(guò)攝像頭、激光雷達(dá)、毫米波雷達(dá)、超聲波雷達(dá)、陀螺儀、加速度計(jì)等傳感器，感知周圍環(huán)境信息和車輛狀態(tài)信息。
環(huán)境信息主要包括道路信息、周邊車輛與行人信息。道路信息，包括道路的寬度、坡度、交通標(biāo)志燈；周邊車輛信息包括車輛大小，行駛的速度、加速度、方向等；周邊行人信息包括行人的數(shù)量、位置及行走方向等。


汽車自動(dòng)化的程度越高，集成在車輛中的傳感器的數(shù)量和類型也越多，只有這樣才能夠保證信息獲取充分且、有冗余保障車輛自動(dòng)行駛的安全。
為了保證安全，必須對(duì)傳感器進(jìn)行信息融合。
多傳感器融合可以顯著提高系統(tǒng)的冗余度和容錯(cuò)性，從而保證決策的速度和正確性，這是自動(dòng)駕駛系統(tǒng)向先進(jìn)的自動(dòng)駕駛方向發(fā)展，最終實(shí)現(xiàn)無(wú)人駕駛的必然趨勢(shì)。


傳感器融合的理論方法有貝葉斯準(zhǔn)則、卡爾曼濾波、D-S證據(jù)理論、模糊集合理論、人工神經(jīng)網(wǎng)絡(luò)等。軟件算法能夠聯(lián)合虛擬攝像頭和環(huán)境傳感器數(shù)據(jù)融合算法，從而得到更精確的數(shù)據(jù)分析與自主控制決策。


傳感器融合從融合等級(jí)上分為原始數(shù)據(jù)級(jí)融合、特征數(shù)據(jù)級(jí)融合和目標(biāo)數(shù)據(jù)級(jí)融合。
單一傳感器中，越靠近原始數(shù)據(jù)，干擾信號(hào)和真實(shí)信號(hào)并存的可能性越大，即越早啟動(dòng)融合，真實(shí)信息的保留和干擾信息的去除效果越好，但同時(shí)也為數(shù)據(jù)同步、處理算法計(jì)算量帶來(lái)相應(yīng)的挑戰(zhàn)。
實(shí)際應(yīng)用中，應(yīng)結(jié)合感知需求、芯片計(jì)算能力選擇合適的融合架構(gòu)和方法，構(gòu)建由各類傳感器信息組成的數(shù)字環(huán)境，實(shí)現(xiàn)智能網(wǎng)聯(lián)汽車的環(huán)境理解。








2.智能網(wǎng)聯(lián)汽車環(huán)境感知數(shù)據(jù)庫(kù)
目前，專門(mén)用于無(wú)人駕駛的數(shù)據(jù)集有KITTI和Cityscapes等，數(shù)據(jù)集的主要作用是對(duì)汽車上安裝的各種傳感器采集的外部場(chǎng)景數(shù)據(jù)進(jìn)行分析，并呈現(xiàn)無(wú)人駕駛車輛的實(shí)際情況。
以KITTI數(shù)據(jù)集為例，該數(shù)據(jù)集是視覺(jué)圖像與三維雷達(dá)數(shù)據(jù)的融合，利用KITTI數(shù)據(jù)集可以實(shí)現(xiàn)在車輛真實(shí)應(yīng)用環(huán)境下立體圖像、光流、視覺(jué)距離測(cè)量、三維目標(biāo)檢測(cè)、三維跟蹤等計(jì)算機(jī)視覺(jué)技術(shù)的性能評(píng)測(cè)。
該數(shù)據(jù)集包含從城市、郊區(qū)、鄉(xiāng)村和高速公路等場(chǎng)景采集的真實(shí)圖像數(shù)據(jù)，整個(gè)數(shù)據(jù)集由389對(duì)立體圖像和光流圖、在測(cè)評(píng)里程內(nèi)的視覺(jué)測(cè)距序列和超過(guò)200k的三維標(biāo)記對(duì)象圖像組成。
完整的數(shù)據(jù)集應(yīng)包括立體數(shù)據(jù)、光流數(shù)據(jù)、視覺(jué)里程計(jì)數(shù)據(jù)、目標(biāo)跟蹤數(shù)據(jù)、道路解析數(shù)據(jù)等。


路徑規(guī)劃是解決智能網(wǎng)聯(lián)汽車如何達(dá)到行使目標(biāo)問(wèn)題的上層模塊，它依賴于為智能聯(lián)網(wǎng)汽車駕駛定制的高精度地圖，與普通導(dǎo)航單純提供指引的性質(zhì)不同，智能網(wǎng)聯(lián)汽車的路徑規(guī)劃模塊需要提供能夠引導(dǎo)車輛正確駛向目的地的軌跡。這些軌跡至少要達(dá)到車道級(jí)導(dǎo)航的水平，而且軌跡上影響車輛行駛的周邊的環(huán)境也需要被準(zhǔn)確描述和考慮。


請(qǐng)說(shuō)說(shuō)我國(guó)電子地圖應(yīng)用安全的處理措施對(duì)無(wú)人駕駛的路勁規(guī)劃有哪些影響？




路徑規(guī)劃模塊需要根據(jù)局部環(huán)境感知、可用的全局車道級(jí)路徑、相關(guān)交通規(guī)則，提供能夠?qū)④囕v引導(dǎo)向目的地（或目的點(diǎn)）的路徑。路徑規(guī)劃可分為全局路徑規(guī)劃方法、局部路徑規(guī)劃方法和混合路徑規(guī)劃方法三種。


什么是全局路徑規(guī)劃？




什么是局部路徑規(guī)劃？


路徑規(guī)劃問(wèn)題具有哪些特點(diǎn)？


路徑規(guī)劃技術(shù)是汽車自動(dòng)控制技術(shù)的重要組成部分，根據(jù)環(huán)境信息的己知程度，全局路徑規(guī)劃是對(duì)全局環(huán)境已知，并根據(jù)算法搜索出最優(yōu)或接近最優(yōu)的路徑。
而局部路徑規(guī)劃則對(duì)環(huán)境局部未知或完全未知，通過(guò)傳感器為自動(dòng)駕駛提供有用的信息確定障礙物和目標(biāo)點(diǎn)的位置，并規(guī)劃起始點(diǎn)到目標(biāo)點(diǎn)的最優(yōu)化路徑。
智能網(wǎng)聯(lián)汽車路徑規(guī)劃問(wèn)題可以分為兩類：
一類是基于環(huán)境先驗(yàn)信息的全局路徑規(guī)劃，主要方法有網(wǎng)格法、拓?fù)浞?、視圖法等；
另一類是基于傳感器信息的局部路徑規(guī)劃，常用的方法有柵格法、人工勢(shì)場(chǎng)法、遺傳算法、空間搜索法、層次法、動(dòng)作行為法、Dijkstra算法、Lee算法、Floyd算法等。


（1）全局路徑規(guī)劃
1）柵格法。
什么是柵格法？原理是什么？


2）拓?fù)浞ā?/span>
什么是拓?fù)浞?？原理是什么？有哪些特征?/span>


3）可視圖法。
首先將自動(dòng)駕駛視為一個(gè)點(diǎn)，然后將起點(diǎn)、障礙物和目標(biāo)點(diǎn)的每個(gè)端點(diǎn)連接起來(lái)，并以直線連接各個(gè)端點(diǎn)，從而將路徑規(guī)劃問(wèn)題轉(zhuǎn)化為從起點(diǎn)到目標(biāo)點(diǎn)的最短路徑尋找問(wèn)題。
可視圖法的優(yōu)點(diǎn)是概念直觀、簡(jiǎn)單，缺點(diǎn)是靈活性不好。
當(dāng)目標(biāo)點(diǎn)或障礙物或起始點(diǎn)發(fā)生變化時(shí)，需要對(duì)視圖進(jìn)行重構(gòu)，而且障礙物的數(shù)目越多，算法越復(fù)雜。


（2）局部路徑規(guī)劃算法
1）遺傳算法。遺傳算法是自動(dòng)駕駛路徑規(guī)劃常用的算法。
該算法模擬達(dá)爾文的生物進(jìn)化理論，結(jié)合進(jìn)化中優(yōu)勝劣汰的概念，是一種基于自然選擇和遺傳學(xué)原理的搜索算法。
遺傳算法的原理是什么？


2）蟻群算法。
蟻群算法的基本原理是什么？
蟻群算法相對(duì)于遺傳算法來(lái)說(shuō)具有一定的記憶力。蟻群算法有多種原理，如覓食原理、避障原理和遺傳算法。蟻群算法屬于群智能優(yōu)化算法，具有并行性。每一個(gè)粒子都能被主動(dòng)優(yōu)化，而遺傳算法不能。




遺傳算法具有快速的全局搜索能力，因此可以快速搜索全局最優(yōu)路徑，但系統(tǒng)中的反饋信息利用率不高，往往導(dǎo)致不作為的冗余迭代，求解效率低。蟻群算法通過(guò)信息素的積累和更新，收斂于最優(yōu)路徑。它具有分布性、并行性和全局收斂性等優(yōu)點(diǎn)。但在初始階段，所有路徑上的信息素都是相等的，使得算法有點(diǎn)像貪婪算法。該算法收斂速度慢，得到的解往往不是最優(yōu)解。
遺傳算法與蟻群算法如何進(jìn)行有效互補(bǔ)？


遺傳算法


蟻群算法
3）神經(jīng)網(wǎng)絡(luò)。神經(jīng)網(wǎng)絡(luò)可以通過(guò)大量實(shí)際駕駛行為數(shù)據(jù)，學(xué)習(xí)避障和路徑規(guī)劃中隱含的、難以人工設(shè)計(jì)并提取的特征。
深度學(xué)習(xí)的基本模型包括基于受限玻爾茲曼機(jī)的深度信任網(wǎng)絡(luò)、基于自動(dòng)編碼器的堆疊式自動(dòng)編碼器、卷積神經(jīng)網(wǎng)絡(luò)、遞歸神經(jīng)網(wǎng)絡(luò)。


由于無(wú)需迭代，采用前向網(wǎng)絡(luò)學(xué)習(xí)算法學(xué)習(xí)避障的速度非?？?，自組織神經(jīng)網(wǎng)絡(luò)特性也可用于融合傳感器信息，學(xué)習(xí)從地圖上不同位置到目的地的行駛路線。一旦學(xué)習(xí)完成，自動(dòng)駕駛就可以實(shí)現(xiàn)自主導(dǎo)航。
通過(guò)司機(jī)在場(chǎng)景中的駕駛操作可以得到一套訓(xùn)練集，輸入到神經(jīng)網(wǎng)絡(luò)單元進(jìn)行訓(xùn)練，再輸出一個(gè)決策計(jì)劃結(jié)果。在獲得預(yù)期的軌跡后，需要控制車輛的轉(zhuǎn)向、制動(dòng)、驅(qū)動(dòng)以跟蹤軌跡。


ADAS系統(tǒng)的控制是根據(jù)各個(gè)狀態(tài)進(jìn)行來(lái)回切換的，傳統(tǒng)控制算法存在目標(biāo)或控制方式切換引起的車輛加速和減速跳躍，存在切換過(guò)程平穩(wěn)性差等問(wèn)題。
由于控制狀態(tài)的變化，原有的車輛控制算法、跟蹤過(guò)程和巡航控制過(guò)程會(huì)出現(xiàn)加速跳躍，影響舒適性。
當(dāng)自動(dòng)駕駛處于低速時(shí)，控制問(wèn)題就不那么明顯。
但在高速條件下，我們必須考慮輪胎與地面的連接。
由于輪胎和地面摩擦圓的約束，當(dāng)車輪縱向力變化時(shí)，側(cè)向力也隨之變化。
智能車的車速控制和橫向軌跡跟蹤性能是相互制約的。


4）人工勢(shì)場(chǎng)規(guī)劃
人工勢(shì)場(chǎng)規(guī)劃是Khatib提出的虛擬力法。
人工勢(shì)場(chǎng)法規(guī)劃原理是什么？


時(shí)空路徑是指車輛在一定時(shí)間內(nèi)行駛的軌跡。軌跡不僅包括位置信息，還包括整個(gè)軌跡和車輛姿態(tài)的時(shí)間信息（時(shí)間、速度、加速度、曲率等）。
局部路徑規(guī)劃可進(jìn)一步分為軌跡規(guī)劃和速度規(guī)劃。
軌跡規(guī)劃只解決根據(jù)行為決策和綜合地圖信息在二維平面上定義一定的代價(jià)函數(shù)下對(duì)軌跡進(jìn)行優(yōu)化的問(wèn)題。
速度規(guī)劃是選擇一個(gè)或多個(gè)軌跡后解決用什么樣的速度來(lái)行駛。速度規(guī)劃由車輛當(dāng)前狀態(tài)、行駛目標(biāo)以及軌跡曲率等決定。


軌跡規(guī)劃算法在很大程度上依賴于地圖對(duì)道路的定義，在車輛模型和道路模型下，由軌跡規(guī)劃生成的軌跡是從區(qū)間到車輛姿態(tài)向量集的連續(xù)映射。
在每個(gè)軌跡的末端，軌跡優(yōu)化的目標(biāo)是篩選出滿足所有可能軌跡曲線邊界條件的軌跡曲線，然后找到平滑的、代價(jià)最低的曲線。


2. 智能網(wǎng)聯(lián)汽車行為決策與車輛控制
汽車智能駕駛行為決策
智能網(wǎng)聯(lián)汽車的自動(dòng)駕駛分為感知定位、規(guī)劃決策、執(zhí)行控制三個(gè)部分。決策是指決策控制電腦在整個(gè)無(wú)人駕駛系統(tǒng)中的作用，并根據(jù)位置、感知和路徑規(guī)劃等信息確定無(wú)人駕駛車輛的策略。


智能網(wǎng)聯(lián)汽車的行為決策是基于環(huán)境感知和導(dǎo)航子系統(tǒng)的信息輸出，這包括選擇哪條車道，是否換車道，是否跟車，是否繞道，是否停車。
車輛控制是指控制轉(zhuǎn)向、駕駛和制動(dòng)，執(zhí)行規(guī)劃決策模塊發(fā)出需求速度和需求方向盤(pán)轉(zhuǎn)角，也包括轉(zhuǎn)向燈、喇叭、車窗、儀表等車身電器控制信號(hào)。


行為決策層匯集了所有重要的車輛周圍信息，不僅包括汽車本身的當(dāng)前位置、速度、方向和所在車道，還包括汽車一定距離內(nèi)與感知相關(guān)的所有重要障礙物體信息和預(yù)測(cè)軌跡，在所獲得信息的基礎(chǔ)上來(lái)確定汽車的駕駛策略。主要包括預(yù)測(cè)算法、行為規(guī)劃和動(dòng)作規(guī)劃等。
1.預(yù)測(cè)模塊
預(yù)測(cè)模塊的功能與預(yù)測(cè)的原理是什么？


2.行為規(guī)劃
行為規(guī)劃是根據(jù)路徑規(guī)劃目標(biāo)，結(jié)合環(huán)境感知模塊對(duì)駕駛環(huán)境的描述，以及預(yù)測(cè)模塊對(duì)駕駛環(huán)境變化趨勢(shì)的預(yù)測(cè)，對(duì)車輛需要采取的行為作出規(guī)劃。
行為規(guī)劃的具有方法？


3.動(dòng)作規(guī)劃
動(dòng)作規(guī)劃模塊的功能根據(jù)路徑規(guī)劃給出的軌跡、行為規(guī)劃確定的駕駛模式，按照特定的動(dòng)作去跟隨軌跡。這些具體的動(dòng)作規(guī)劃發(fā)送給執(zhí)行機(jī)構(gòu)實(shí)現(xiàn)車輛的運(yùn)動(dòng)控制。
將當(dāng)前的道路系統(tǒng)處理為有向網(wǎng)絡(luò)圖，這種有向網(wǎng)絡(luò)圖中可以表示道路和道路之間的各種連接、交通規(guī)則、道路寬度等，每一個(gè)有向邊都帶權(quán)重。然后，汽車的路徑規(guī)劃問(wèn)題就變成了在路網(wǎng)圖中，為了使汽車能從從A點(diǎn)位置到達(dá)B點(diǎn)位置，在一定方法的基礎(chǔ)上，選擇最優(yōu)路徑，這就使路徑規(guī)劃問(wèn)題成為有向網(wǎng)絡(luò)圖搜索問(wèn)題。


智能網(wǎng)聯(lián)汽車路徑規(guī)劃中的路由尋徑也是解決汽車從A點(diǎn)到達(dá)B點(diǎn)的路由問(wèn)題，但由于輸出結(jié)果沒(méi)有被駕駛員使用，而是給下游行為決策和行動(dòng)規(guī)劃等模塊作為輸入，因此路徑規(guī)劃的層次應(yīng)該是更深入到高精度地圖所使用的車道級(jí)別。
例如，箭頭線段代表高精度地圖級(jí)別的道路劃分和方向，車道1，車道2，……，車道8構(gòu)成一系列用于路由輸出的路由段序列，汽車地圖級(jí)別的車道劃分與實(shí)際的自然道路劃分不一致，例如，車道2、車道5和車道7都表示由地圖定義繪制的“虛擬”轉(zhuǎn)彎車道。同樣，一條較長(zhǎng)的實(shí)際道路也可分為若干車道。作為整個(gè)汽車決策控制規(guī)劃系統(tǒng)的最上游模塊，尋路模塊的輸出依賴于高精度地圖的繪制。


基于高精度地圖定義的路網(wǎng)道路劃分和最優(yōu)策略的定義下，路由模塊需要解決的問(wèn)題是計(jì)算從起點(diǎn)到終點(diǎn)的最優(yōu)道路行程序列，其中車道、起始位置、終止位置稱為路由片段，道路由車道線來(lái)標(biāo)識(shí)，起始位置和終止位置分別代表道路上的起始縱向距離和終點(diǎn)縱向距離。
例如，將汽車在高精地圖的車道尋徑問(wèn)題抽象為帶權(quán)重的有向圖上最短路徑搜索問(wèn)題，路由選擇模塊首先根據(jù)車道級(jí)別的高精度地圖，在所有可能經(jīng)過(guò)的車道上分散撒點(diǎn)，這些點(diǎn)稱為車道點(diǎn)。代表汽車可能經(jīng)過(guò)的車道上的位置抽樣，在這些點(diǎn)之間通過(guò)有向邊連接。車道點(diǎn)之間的連接權(quán)表示汽車從一個(gè)點(diǎn)移動(dòng)到另一個(gè)點(diǎn)的潛在代價(jià)。在這種有向加權(quán)圖的問(wèn)題抽象下，可以用一種算法來(lái)實(shí)現(xiàn)路由尋徑問(wèn)題。


汽車智能駕駛的執(zhí)行控制
車輛動(dòng)力學(xué)是自動(dòng)駕駛車輛控制的基礎(chǔ)。簡(jiǎn)易的二自由度車輛動(dòng)力學(xué)模型
又稱為自行車模型，描述了車輛縱向、側(cè)向、橫擺等基本的運(yùn)動(dòng)狀態(tài)，體現(xiàn)了車輛運(yùn)動(dòng)過(guò)程中典型的輪胎側(cè)偏特性，可以對(duì)絕大多數(shù)應(yīng)用場(chǎng)景下車輛運(yùn)動(dòng)狀態(tài)進(jìn)行比較準(zhǔn)確的描述。
線性二自由度模型具體的作用有哪些？


自動(dòng)駕駛要實(shí)現(xiàn)對(duì)車輛的運(yùn)動(dòng)和車身電器進(jìn)行自動(dòng)控制，需要相應(yīng)的線控系統(tǒng)來(lái)滿足，其中車身電器系統(tǒng)用于實(shí)現(xiàn)對(duì)車輛內(nèi)外部燈光、車門(mén)以及人機(jī)交互界面等內(nèi)外部交互的控制，底盤(pán)線控系統(tǒng)用于實(shí)現(xiàn)對(duì)車輛運(yùn)動(dòng)的控制。
底盤(pán)線控制系統(tǒng)包括轉(zhuǎn)向、制動(dòng)、驅(qū)動(dòng)控制，其中制動(dòng)部分包括行車制動(dòng)、駐車制動(dòng)與輔助制動(dòng)，驅(qū)動(dòng)系統(tǒng)包括發(fā)動(dòng)機(jī)/電機(jī)/混合動(dòng)力控制、傳動(dòng)系統(tǒng)控制等。


1.轉(zhuǎn)向系統(tǒng)
線控轉(zhuǎn)向系統(tǒng)通過(guò)在方向盤(pán)到車輪間增加主動(dòng)控制電機(jī)，實(shí)現(xiàn)對(duì)轉(zhuǎn)向系統(tǒng)的主動(dòng)控制。在傳統(tǒng)的電助力轉(zhuǎn)向車輛中，可以通過(guò)對(duì)助力電機(jī)的主動(dòng)控制實(shí)現(xiàn)主動(dòng)轉(zhuǎn)向，但是也需要在駕駛?cè)烁深A(yù)時(shí)主動(dòng)控制系統(tǒng)能夠及時(shí)退出，滿足人工控制優(yōu)先的控制需求。
線控轉(zhuǎn)向系統(tǒng)的主要作用有哪些？


根據(jù)電機(jī)在轉(zhuǎn)向系統(tǒng)中的安裝位置，轉(zhuǎn)向助力系統(tǒng)可以分為哪幾種？


2.驅(qū)動(dòng)系統(tǒng)
驅(qū)動(dòng)系統(tǒng)是較早實(shí)現(xiàn)主動(dòng)線控控制的系統(tǒng)。比如電子節(jié)氣門(mén)就是一種典型的線控驅(qū)動(dòng)控制方式，發(fā)動(dòng)機(jī)控制系統(tǒng)采集油門(mén)踏板角度，然后根據(jù)油門(mén)踏板角度與節(jié)氣門(mén)開(kāi)度之間的關(guān)系，控制節(jié)氣門(mén)，實(shí)現(xiàn)非機(jī)械結(jié)構(gòu)連接的驅(qū)動(dòng)控制。
隨著電驅(qū)動(dòng)系統(tǒng)的發(fā)展，混合動(dòng)力、插電式混合動(dòng)力、純電動(dòng)汽車得到了廣泛應(yīng)用，也進(jìn)一步為線控驅(qū)動(dòng)系統(tǒng)的發(fā)展提供了便利的條件。


在各類線控驅(qū)動(dòng)控制系統(tǒng)的核心是整車控制器，通過(guò)油門(mén)踏板、檔位以及汽車運(yùn)動(dòng)狀態(tài)，判斷駕駛?cè)嘶蛘咦詣?dòng)駕駛系統(tǒng)的操縱或者控制意圖，然后通過(guò)對(duì)自動(dòng)變速箱、發(fā)動(dòng)機(jī)（或電機(jī)、或發(fā)動(dòng)機(jī)與電機(jī)組合）的動(dòng)力控制，實(shí)現(xiàn)主動(dòng)驅(qū)動(dòng)控制。


3.制動(dòng)系統(tǒng)
線控制動(dòng)系統(tǒng)可以主動(dòng)產(chǎn)生制動(dòng)壓力，并分配至各車輪制動(dòng)輪缸，使車輛產(chǎn)生穩(wěn)定平衡的制動(dòng)力。典型的線控制動(dòng)系統(tǒng)核心是液壓調(diào)節(jié)器，請(qǐng)說(shuō)說(shuō)液壓調(diào)節(jié)器的控制原理是什么？


在底盤(pán)線控系統(tǒng)的基礎(chǔ)上，智能網(wǎng)聯(lián)汽車還需要車身電器系統(tǒng)的控制，實(shí)現(xiàn)自車與其它車輛、環(huán)境中交通參與者、交通系統(tǒng)以及車內(nèi)人員的交互。
通過(guò)各類具體控制算法的設(shè)計(jì)實(shí)現(xiàn)縱側(cè)向控制，并由底盤(pán)線控與車身電器控制等系統(tǒng)實(shí)現(xiàn)各類控制指令的執(zhí)行。執(zhí)行控制是智能駕駛系統(tǒng)的動(dòng)作執(zhí)行環(huán)節(jié)，前面所描述的環(huán)境感知、路徑規(guī)劃、行為決策，都需要執(zhí)行控制的具體實(shí)現(xiàn)，才能到達(dá)車輛自動(dòng)駕駛、完成各項(xiàng)智能化任務(wù)的目標(biāo)。


4.車輛縱向控制
執(zhí)行控制算法可以劃分為車輛的縱向控制和側(cè)向控制，縱向控制是通過(guò)車輛的驅(qū)動(dòng)和制動(dòng)系統(tǒng)等控制車速，側(cè)向控制是通過(guò)轉(zhuǎn)向系統(tǒng)等控制車輛的側(cè)向運(yùn)動(dòng)。縱側(cè)向控制的整體效果是車輛沿規(guī)劃的軌跡，在特定行為模式下，以安全舒適的方式行駛并最終抵達(dá)目的地。
車輛縱向控制的基本原理是什么？


5.車輛側(cè)向控制
車輛側(cè)向控制用于控制車輛保持在規(guī)劃的行駛軌跡上，直到完成駕駛?cè)蝿?wù)。側(cè)向控制系統(tǒng)通過(guò)跟蹤和預(yù)測(cè)當(dāng)前車輛行駛軌跡，并實(shí)時(shí)與目標(biāo)軌跡進(jìn)行對(duì)比，根據(jù)軌跡間航向、曲率和距離的偏差，實(shí)時(shí)調(diào)整車輛側(cè)向運(yùn)動(dòng)，以保證車輛始終跟隨目標(biāo)軌跡。側(cè)向控制的算法的設(shè)計(jì)也受舒安全、舒適、節(jié)能等指標(biāo)的約束。
由于智能網(wǎng)聯(lián)汽車信息的豐富性，側(cè)向控制需求的規(guī)劃軌跡可以來(lái)源于很多方面，比如：由高精度地圖規(guī)劃的全局軌跡、根據(jù)當(dāng)前環(huán)境狀態(tài)規(guī)劃的局部路徑、車道保持系統(tǒng)中提供的車道識(shí)別信息，在側(cè)向控制中需要根據(jù)安全、舒適、節(jié)能等指標(biāo)融合各類感知信息，決策最優(yōu)控制指令。


請(qǐng)根據(jù)側(cè)向控制實(shí)現(xiàn)的典型結(jié)構(gòu)說(shuō)說(shuō)其工作原理是什么？


自動(dòng)駕駛路面控制演示


 
分享到：
 
反對(duì) 0 舉報(bào) 0 收藏 0 評(píng)論 0
滬ICP備11026917號(hào)-25