智能网联汽车核心技术丛书--智能网联汽车环境感知技术

《智能网联汽车环境感知技术》是“智能网联汽车核心技术丛书”中的一册。本书内容依托“杭州职业技术学院文库”，深入解析了自动驾驶感知系统，涵盖车载传感器、定位导航、车联网通信、计算机视觉感知及目标检测与识别等关键技术领域，剖析了其核心原理、相关算法及系统架构，展现了自动驾驶技术的前沿进展与应用实践。从车辆“感官”到智能决策，本书为读者揭示自动驾驶背后的技术奥秘，助力行业发展。
本书适合智能网联汽车环境感知方向的技术人员阅读参考，也可供智能网联汽车行业的政策制定者、企业管理者、科研工作者以及汽车第三方检测机构人员阅读，同时也可以作为高等院校及大中专院校汽车相关专业的参考教材。

21世纪以来，各项新兴技术的蓬勃发展，掀起了一轮又一轮科技革命。这些技术创新不仅会改变人们的衣食住行，更能够为各个行业注入转型的动力。以汽车行业为例，大数据、物联网、云计算、人工智能等技术的发展以及交通运输、通信技术等行业的创新升级，催生出了智能网联汽车这一能够代表汽车产业发展趋势的新产品。
由于汽车产业能够在国家经济发展的过程中发挥重要的推动作用，因此自智能网联汽车诞生后，我国各相关机构从政策层面相继出台了一系列技术指南、实施办法等，为智能网联汽车产业的良性发展保驾护航；同时，产业链中的互联网巨头、汽车企业以及运营商等也纷纷发挥着各自的角色价值。目前，我国智能网联汽车产业的发展可谓正处于产业与技术、政策三重共振的绝佳时机。
与传统汽车相比，智能网联汽车具有三个显著的特点：车辆的自主化、网络的互联化以及系统的集成化。从车辆的自主化方面来看，我国在自动驾驶辅助系统研发方面已经取得了一定的成果，并初步实现了大规模的产业化；从网络的互联化方面来看，我国智能网联汽车的发展已经进入大规模的道路测试阶段，2021年7月，工业和信息化部、公安部、交通运输部联合印发《智能网联汽车道路测试与示范应用管理规范（试行）》，截至2023年上半年，国内已经有超33座城市发放了自动驾驶路测牌照；从系统的集成化方面来看，我国目前部分车载设备和路侧设施等已经具有定位、通信、感知等功能，可以为智能网联汽车的运行奠定良好的基础。而要提升智能网联汽车车辆的自主化、网络的互联化和系统的集成化水平，就需要对相关关键技术进行深入研究，比如边缘云计算技术、高精度定位技术、C-V2X通信技术以及环境感知技术等。其中，环境感知技术是智能网联汽车“三横两纵”技术架构中的重要组成部分，能够为车辆的智能化、自动化运行提供数据支撑，也是实现智能网联交通的保障。
环境感知技术可以大致分为自主化车辆感知解决方案和网联化协同感知解决方案。智能网联汽车要实现单车智能，即需要具备相应的自主化车辆感知解决方案，其实现的技术基础包括车载传感器技术、定位导航技术等。较为常见的车载传感器有激光雷达、超声波雷达、毫米波雷达等；定位导航技术中比较具有代表性的有高精度地图等。这些关键技术和相关设备能够使得车辆在运行的过程中实时获得精准全面的与驾驶环境、驾驶状态、周边物体和行驶路径等相关的信息。不过，由于自主化车辆感知解决方案只能获得与主体车辆相关的信息，而且信息的获取难度较大、实时性要求较高，并不能完全保障车辆运行的安全性，因此就需要结合网联化协同感知解决方案提升信息采集的效率和范围，进一步提升车辆的感知水平，为用户提供更加人性化、智能化的驾驶体验。网联化协同环境感知技术即车联网通信技术，车联网通过高效的信息传输，实现了车辆内部、车辆与互联网（或云平台）、车辆与车辆之间的实时数据交互。
环境感知是自动驾驶最重要的功能之一，环境感知的性能以及对复杂道路环境和恶劣天气的适应性，直接影响自动驾驶技术的水平。而环境感知性能的实现，需要以多项关键技术为基础，除上述车载传感器技术、定位导航技术、车联网通信技术之外，智能网联汽车环境感知技术还涉及计算机视觉感知技术、目标检测与识别技术以及多传感器信息融合技术等。本书注重理论与实践相结合，分别从自动驾驶感知系统概述、车载传感器技术、定位导航技术、车联网通信技术、计算机视觉感知技术、目标检测与识别技术、多传感器信息融合技术七大维度出发，全面阐述智能网联汽车环境感知模块的系统架构、关键技术与应用策略，辅之以大量的结构图、框图和表格等形式，试图让读者全面掌握智能网联汽车环境感知技术的应用。
本书内容依托2024年度浙江省教育科学规划职业教育教师教学创新团队专项课题（课题编号：2024JCD017）、浙江省首批职业院校技能大师工作室“杨爱喜技能大师工作室”（立项号：浙教办函〔2023〕119号）、2022年度浙江省“尖兵”“领雁”研发攻关项目（课题编号：2022C04023）、教育部高等学校科学研究发展中心中国高校产学研创新基金课题（课题编号：2022IT221）、2022年度浙江省教育厅高校国内访问工程师校企合作项目（课题编号：FG2022072）、杭州职业技术学院高层次人才科研启动项目（编号：HZYGCC202109，HZYGCC202230），全面阐述智能网联汽车环境感知模块的系统架构、关键技术与应用策略，可为具备一定基础的人员提供自动驾驶环境感知系统的开发指导，试图为读者提供一些有益的借鉴与思考，对从事智能网联汽车设计研发、产品测试、质量论证等相关专业人员具有较高的参考价值，可供智能网联汽车行业的政策制定者、企业管理者、科研工作者以及汽车第三方检测机构人员阅读参考，也可作为高等院校及大中专院校汽车相关专业的参考教材。此外，由于本书是“智能网联汽车核心技术丛书”中的一册，因此推荐读者结合丛书中的其他书籍对照阅读，以便对智能网联汽车产业的发展有更加全面系统的了解和更为深入准确的把握。

著者

第1章　自动驾驶感知系统概述	001
1.1　自动驾驶系统的技术架构	002
1.1.1　自动驾驶“三横两纵”架构	002
1.1.2　自动驾驶的四大关键技术	005
1.1.3　自动驾驶的计算平台架构	007
1.1.4　自动驾驶的软件系统框架	010
1.2　感知系统框架与关键技术	013
1.2.1　感知系统整体架构	013
1.2.2　车载传感器技术	014
1.2.3　定位导航技术	016
1.2.4　车联通信技术	017
1.3　感知系统测试技术与方法	019
1.3.1　图像系统测试	021
1.3.2　激光雷达系统测试	022
1.3.3　融合感知系统测试	023

第2章　车载传感器技术	025
2.1　车载摄像头	026
2.1.1　车载摄像头原理与分类	026
2.1.2　车载摄像头的部件构成	029
2.1.3　车载摄像头的玩家群像	031
2.1.4　车载摄像头的技术趋势	033
2.2　激光雷达	035
2.2.1　激光雷达的原理与应用	035
2.2.2　激光雷达的类型与特点	037
2.2.3　激光雷达的零部件构成	039
2.2.4　激光雷达的产业链图谱	041
2.3　超声波雷达	044
2.3.1　超声波雷达的特点与原理	044
2.3.2　超声波雷达的类型与参数	046
2.3.3　超声波雷达的行业竞争格局	048
2.4　毫米波雷达	050
2.4.1　毫米波雷达特性与优势	050
2.4.2　毫米波雷达的工作原理	051
2.4.3　毫米波雷达在自动驾驶中的应用	053
2.4.4　毫米波雷达在智能交通中的应用	054

第3章　定位导航技术	058
3.1　全球导航卫星系统	059
3.1.1　全球定位系统的原理	059
3.1.2　全球定位系统的构成	061
3.1.3　全球主流的导航卫星系统	062
3.1.4　基于GPS的汽车导航系统	065
3.2　惯性导航系统	067
3.2.1　惯性导航技术的演变发展	067
3.2.2　惯性导航系统结构与类型	069
3.2.3　惯性导航系统的工作原理	071
3.2.4　惯性导航系统的核心算法	073
3.3　高精度地图技术	076
3.3.1　高精度地图技术特点与应用	076
3.3.2　自动驾驶的高精度定位技术	079
3.3.3　国外高精度地图的发展现状	081
3.3.4　我国高精度地图的发展现状	082

第4章　车联网通信技术	084
4.1　车联网概念、内涵及架构	085
4.1.1　车联网的概念及内涵	085
4.1.2　车联网功能架构体系	089
4.1.3　车联网技术标准体系	091
4.1.4　车联网产业发展现状	093
4.2　车联网通信的技术路线	094
4.2.1　DSRC技术	094
4.2.2　LTE-V2X技术	096
4.2.3　5G-V2X技术	098
4.3　5G车联网整体解决方案	100
4.3.1　车联网面临的技术挑战	100
4.3.2　5G车联网的应用优势	102
4.3.3　5G车联网关键技术	104
4.3.4　5G车联网解决方案	107

第5章　计算机视觉感知技术	111
5.1　计算机视觉的原理与任务	112
5.1.1　计算机视觉的概念与原理	112
5.1.2　任务1：图像分类	113
5.1.3　任务2：目标检测	116
5.1.4　任务3：目标跟踪	117
5.1.5　任务4：图像分割	118
5.1.6　任务5：影像重建	120
5.2　基于深度学习的目标检测算法	121
5.2.1　单阶段目标检测算法	122
5.2.2　二阶段目标检测算法	125
5.2.3　无锚点目标检测算法	129
5.2.4　目标检测算法的性能比较	131
5.3　基于深度学习的深度估计	132
5.3.1　传统单目深度估计的方法	132
5.3.2　传统双目深度估计的方法	134
5.3.3　基于深度学习的单目深度估计	136
5.3.4　双目立体视觉匹配的算法流程	138
5.3.5　基于场景的深度估计数据集	140
5.4　SLAM技术与应用	141
5.4.1　SLAM系统结构与原理	141
5.4.2　SLAM分类与流程	145
5.4.3　激光雷达主流的SLAM算法	147
5.4.4　基于SLAM的自动驾驶应用	151

第6章　目标检测与识别技术	154
6.1　道路检测与识别	155
6.1.1　道路检测与识别方法	155
6.1.2　道路检测与识别算法	157
6.1.3　道路障碍物检测与识别	159
6.1.4　可行驶区域检测与识别	161
6.2　车辆检测与识别	163
6.2.1　车型检测与识别方法	163
6.2.2　车牌检测与识别方法	166
6.2.3　车辆时空参数识别	169
6.2.4　车辆重量参数识别	172
6.3　行人检测与识别	174
6.3.1　行人检测系统的技术与应用	174
6.3.2　基于计算机视觉的行人检测	176
6.3.3　行人检测与跟踪的主要方法	178
6.4　交通标志检测与识别	180
6.4.1　交通标志识别的技术原理	180
6.4.2　道路交通标志识别的方法	182
6.4.3　道路交通标志识别的应用	184

第7章　多传感器信息融合技术	187
7.1　多传感器信息融合的原理与结构	188
7.1.1　多传感器信息融合的工作原理	188
7.1.2　多传感器信息融合的主要优势	189
7.1.3　多传感器信息融合的三个层次	191
7.1.4　多传感器信息融合的系统结构	192
7.2　多传感器信息融合的算法与技术	195
7.2.1　随机类信息融合算法	195
7.2.2　AI类信息融合算法	198
7.3　基于多传感器信息融合的环境感知策略	199
7.3.1　基于信息融合的感知系统	199
7.3.2　多传感器信息融合与目标探测	201
7.3.3　面向自动驾驶的融合策略	203
7.3.4　可行驶区域探测信息融合	205

参考文献	207