人工智能出版工程 人工智能：智能驾驶（精装版）

本书在简要介绍智能驾驶的产生与发展、智能驾驶技术现状之后，提出了智能驾驶系统的体系架构，讨论了深度学习与智能驾驶、智能驾驶的环境感知、智能驾驶的融合感知等相关内容，深入研究了智能驾驶决策与智能驾驶控制等问题。此外，本书还探讨了智能驾驶的安全性问题，以及智能驾驶面临的未来展望。本书适合人工智能与智能驾驶领域的研究人员、管理人员、以及广大爱好者阅读。

张新钰，清华智能车猛狮团队负责人，中国人工智能学会原副秘书长、理事，国家重点研发计划首席科学家，中国智能交通协会青年科技创新领军人才，主要从事多模态智能感知、智能驾驶、多模态交通工具等方面的相关研究工作。承担了国家重点研发计划、自然科学基金、中国工程院、北京市科委以及多个产业化项目；主持研制了国内首台无人驾驶快递车，并批量研制百度-奇瑞智能车的底层智能系统；研制了以传统的四轮两驱底盘作为地面行驶的基础结构，利用旋翼实现高自由度的飞行动作的陆空两栖自主驾驶飞行车辆，研究成果已被新华社、中国日报网、中国网等相继报道；带领团队连续近三年获得由国家自然科学基金主办的中国智能车未来挑战赛冠亚军以及世界智能驾驶挑战赛等比赛的冠军；发表学术论文五十余篇，出版《智能驾驶100问》《无人驾驶技术》《中国智能机器人产业发展研究报告2015》，起草五项轮式机器人标准，荣获省部级一等奖1项、二等奖3项。

前言

汽车作为现代文明的重要标志，颠覆了人类的出行方式，扩展了人类的活动空间，提升了人类的生活品质。然而，随着汽车的大规模普及，交通事故、交通拥堵、环境污染等汽车时代的特有矛盾，也逐渐成为现代社会的顽疾。研发智能驾驶汽车，提高驾驶安全性和道路使用效率，减少燃油消耗，将人类驾驶员从低级、烦琐、持久的驾驶活动中解放出来，从根本上改变汽车的驾驶方式，消除交通事故，减缓交通拥堵与环境污染，具有十分重大的意义。

智能驾驶汽车的研发基于人工智能、认知科学、自动控制、地图测绘、传感技术等众多学科的最新研究成果。进入21世纪以来，智能驾驶技术已经成为交通领域的研究热点。随着汽车保有量的持续快速增长，几乎每个国家中的较发达城市，特别是如洛杉矶、纽约、北京等主要大城市，都面临严重的交通拥堵、道路安全和环境污染等问题。高德地图联合其他机构发布的《2018年度中国主要城市交通分析报告》指出，北京市人均堵车时间占人均总通勤时间的一半以上。与此同时，致命交通事故的数量也在逐年增加，其中大部分事故是由人为驾驶操作错误引发的。智能驾驶技术是解决上述问题的关键技术。近年来，美国、日本、德国等发达国家已将智能驾驶汽车的研发列为重要的战略目标。

目前，智能驾驶汽车凭借其良好的应用前景与广阔的潜在市场，得到了众多国家的资金投入与研发支持，在技术上也取得了许多突破性进展。作为一个集成感知、认知、规划和控制功能于一体的复杂系统，智能驾驶汽车依然存在一些技术瓶颈和安全问题。例如，美国时间2018年3月18日晚，Uber无人驾驶汽车与一名横穿马路的行人相撞，导致行人不幸身亡。而随后，警方确认当时无人驾驶汽车检测到了行人的存在，但并未采取任何制动措施。因此，如何突破技术瓶颈、提高安全性成为当前智能驾驶面临的重大挑战。

智能驾驶汽车的实现是一项复杂的系统工程，涉及人工智能、认知科学、自动控制、地图测绘、传感技术等多个领域。其主要技术包含环境感知、驾驶认知、路径规划、决策和控制等。作为智能驾驶的第一个环节，环境感知系统通过车载传感器来采集智能驾驶汽车内部及车身周围的道路环境信息。为了保证所采集数据的完备性、实时性和精确性，目前科研人员已针对不同功能研发出多种用于智能驾驶汽车的传感器，包括视觉传感器、雷达传感器、听觉传感器、定位传感器和姿态传感器等。

智能驾驶的关键技术在于智能驾驶系统，基于车载传感器获取环境数据，利用高性能计算平台和智能驾驶算法实现信息的认知，从而生成相应的决策方法和轨迹，并通过控制系统控制车辆的方向及速度，实现正确、安全的智能驾驶。智能决策是智能驾驶系统中的关键技术之一，由传感器结合驾驶地图先验知识获取周边环境与本车状态信息，并由智能决策对信息进行综合分析，形成可被执行机构跟踪的期望状态，使智能驾驶汽车在符合交通规则的前提下，安全、平稳地完成各类驾驶任务。

本书作为“人工智能出版工程”丛书中的一册，从人工智能角度出发，重点阐述人工智能算法在智能驾驶领域的应用，即将智能驾驶看作人工智能的应用之一，从智能驾驶角度反映人工智能的发展情况。

本书主要内容包括：

第1章 智能驾驶简介。本章简要总结了智能驾驶的发展历程，介绍了智能驾驶系统的整体架构与国内外技术现状，并对智能驾驶的相关挑战赛进行了介绍。

第2章 智能驾驶系统的体系架构。智能驾驶系统是一个集中运用了先进的人工智能和信息控制技术，集环境感知、驾驶认知、规划控制以及高级驾驶辅助系统功能于一体的综合系统，本章对智能驾驶所涉及的感知设备、定位设备及线控系统进行了介绍。

第3章 深度学习与智能驾驶。本章从人工智能算法的角度出发，通过对智能驾驶感知系统的简单梳理，以及基于深度学习对行人、车辆等图像识别、多传感器融合和端到端智能驾驶汽车控制的研究分析，总结了深度学习技术在智能驾驶领域相关应用情况。

第4章 智能驾驶的环境感知。环境感知是智能驾驶系统整个感知—决策—动作任务链中的重要环节，其中基于视觉的环境感知是最接近于人类感知环境信息的方法，也是智能驾驶汽车感知外部环境的主要手段。本章对目标跟踪技术的主流方法和发展现状做了简要介绍。

第5章 智能驾驶的融合感知。智能驾驶汽车行驶的环境一般为复杂的室外场景，需要感知来自这些场景的多种复杂目标。单一传感器早已不能满足复杂环境中的感知需求，多传感器技术和多模态融合技术成为智能驾驶汽车提高道路感知能力的必要手段。因此，本章主要介绍了基于人工智能算法的智能驾驶融合感知技术。

第6章 智能驾驶决策。作为智能驾驶的关键技术之一，本章参考人类认知机理形成驾驶认知，简述智能决策系统，基于驾驶认知形成可被执行机构跟踪的期望状态，使智能驾驶汽车在符合交通规则的前提下，安全、平稳地完成各类驾驶任务。

第7章 智能驾驶控制。本章首先介绍了车辆的建模方法；接着分别从车辆的跟踪控制、避障控制、稳定性控制等方面介绍了智能驾驶的控制技术。

第8章 智能驾驶的安全性。本章通过分析智能驾驶的安全问题，提出安全场和安全熵两大概念，并从功能安全和信息安全两方面对智能驾驶的安全性进行了介绍。

第9章 智能驾驶的未来展望。本章主要总结了目前智能驾驶的未来发展趋势，并介绍了智能网联汽车和智能驾驶汽车产业化政策。

本书包含了编著者团队的相关研究进展及学术成果。本书由张新钰组织编写，刘华平、周沫、郑思仪等人参与了重要章节编写，谭启凡、郭沐、赵建辉、刘玉超等人参与了相关技术部分编写，吴锦润、邵文博等人参与了文字校对工作。

特别感谢电子工业出版社的赵丽松老师、牛平月老师和满美希老师在本书撰写过程中给予的指导和帮助。感谢多年来给予编著者团队大力支持和帮助的各位师长、同事和朋友们。

作为前沿研究成果，书中内容的表述可能存在不妥当的地方，编著者衷心希望各位专家学者和广大读者不吝批评、指正。

目录

第1章智能驾驶简介

11智能驾驶的产生与发展

111智能驾驶的萌芽

112智能驾驶的发展

113智能驾驶的未来

12智能驾驶的不确定性

13智能驾驶系统

14智能驾驶技术现状

141国外智能驾驶技术现状

142国内智能驾驶技术现状

第2章智能驾驶系统的体系架构

21传感器配置

211传感器的分类

212传感器比较

22视觉传感器

23雷达传感器

231激光雷达

232毫米波雷达

233超声波雷达

24定位系统

241GPS和北斗

242差分定位技术

243惯性导航系统

244姿态感知

25控制系统

251车辆底层平台

252发动机的控制

253转向控制

254制动控制

255挡位控制

256信号控制

第3章深度学习与智能驾驶

31深度学习概述

311智能驾驶感知系统

312行人检测

32基于特征描述与分类器的行人检测方法及技术

321方向梯度直方图检测方法

322基于深度学习模型的行人检测方法

323双目摄像头立体匹配检测方法

324多传感器融合技术

33端到端的智能驾驶方案

331间接感知方案

332直接感知方案

34行为反射方案

参考文献

第4章智能驾驶的环境感知

41概述

411可行域检测

412目标跟踪技术

413半监督学习

42基于协同学习的非结构化道路可行域检测

421协同训练简介

422增量式支持向量机

423直方图反向投影器

424在线协同学习

425实验结果分析

43基于协同学习的目标跟踪技术

431基于半监督学习的视觉目标跟踪概述

432基于协同学习的粒子滤波方法

433实验结果分析

参考文献

第5章智能驾驶的融合感知

51多源异构传感器介绍

511彩色视觉传感器

512三维激光雷达传感器

513其他传感器

52视觉传感器的标定

521基于Harris算法的角点识别

522相机坐标与图像像素坐标的转换

523多相机联合标定

53激光雷达传感器的标定

531点云数据预处理

532基于KDTree最近邻空间距离的聚类算法

533基于最小二乘法的标定板平面拟合

534基于平面最小包围框的标定板识别

535多雷达联合标定

54视觉相机-激光雷达联合自动标定

541基于重投影法的空间同步标定

542基于多线程的时间同步标定

55基于深度学习的视觉雷达融合方法

551融合方法概述

552雷达稀疏数据的上采样方法

553数据集

554目标分类

555实验结果

56基于分层多视图提案网络的目标检测与识别

561激光雷达投影视图

562三维点云的聚类

563分层多视图提案网络结构

564实验及结果分析

第6章智能驾驶决策

61无人驾驶车辆的智能决策

62驾驶行为选择方法

621不同交通环境中的驾驶行为

622非结构化交通环境中的驾驶行为选择方法

623结构化交通环境中的驾驶行为选择方法

63无人驾驶车辆的路径规划

631车辆的路径规划算法

632非结构化交通环境中的路径规划方法

633结构化交通环境中的路径规划方法

64无人驾驶车辆的速度规划

参考文献

第7章智能驾驶控制

71车辆的建模方法

711车辆的运动学建模

712车辆单轨模型的动力学建模

713车辆双轨模型的动力学建模

72车辆的跟踪控制

73车辆的避障控制

74车辆的稳定性控制

741常规车辆的防翻控制

742四轮独立驱动车辆的制动力分配控制

75车辆的其他控制问题

751车辆的鲁棒性问题

752车辆的特殊问题

参考文献

第8章智能驾驶的安全性

81智能驾驶的安全问题

811安全场

812安全熵

82功能安全

821功能安全的作用

822功能安全架构的分类

823功能安全的发展趋势

83信息安全

参考文献

第9章智能驾驶的未来展望

91智能驾驶的未来发展趋势

92智能网联汽车

93智能驾驶汽车产业化

931国家产业政策

932地方产业政策

参考文献