謝志萍，雷莉萍

(成都工業(yè)學(xué)院 機械工程學(xué)院，成都 611730)

智能網(wǎng)聯(lián)汽車環(huán)境感知技術(shù)的發(fā)展和研究現(xiàn)狀

謝志萍*，雷莉萍

(成都工業(yè)學(xué)院 機械工程學(xué)院，成都 611730)

針對智能車發(fā)展中關(guān)鍵技術(shù)之一的環(huán)境感知技術(shù)，介紹從車道電子標記識別、單一傳感器感知、多傳感器融合感知到基于車聯(lián)網(wǎng)的智能汽車感知技術(shù)發(fā)展歷程。詳細分析了雷達感知技術(shù)、視覺感知技術(shù)、車聯(lián)網(wǎng)技術(shù)應(yīng)用于智能網(wǎng)聯(lián)汽車環(huán)境感知的研究進展，并對未來智能網(wǎng)聯(lián)汽車環(huán)境感知技術(shù)進行了展望。分析認為結(jié)合車載各種傳感裝置、利用車聯(lián)網(wǎng)、通過信息融合，實現(xiàn)對復(fù)雜道路交通環(huán)境的全息感知是智能網(wǎng)聯(lián)汽車環(huán)境感知技術(shù)的重點發(fā)展方向。

智能車；環(huán)境感知；傳感器；車聯(lián)網(wǎng)

智能網(wǎng)聯(lián)汽車是指裝備了先進的車載傳感器、控制器、執(zhí)行器等裝置，充分融合現(xiàn)代通信與網(wǎng)絡(luò)技術(shù)，具備復(fù)雜環(huán)境感知、智能化決策、自動化控制功能，使車輛與外部節(jié)點間實現(xiàn)信息共享與協(xié)同控制，能綜合實現(xiàn)安全、節(jié)能、環(huán)保及舒適行駛的新一代智能汽車。它是物聯(lián)網(wǎng)技術(shù)在交通系統(tǒng)領(lǐng)域的典型應(yīng)用之一。發(fā)展智能汽車以及智慧交通是我國汽車及其相關(guān)產(chǎn)業(yè)通過工業(yè)化、信息“兩化融合”，實現(xiàn)轉(zhuǎn)型升級以及“中國制造2025”戰(zhàn)略目標的必由之路。汽車的智能化與網(wǎng)聯(lián)化是未來發(fā)展趨勢。

智能網(wǎng)聯(lián)汽車是汽車、電子、信息、通信和控制等多學(xué)科技術(shù)的綜合應(yīng)用，研究尚處于起步階段。目前在智能網(wǎng)聯(lián)汽車中，存在著若干亟待解決的關(guān)鍵性技術(shù)問題：如智能汽車車輛狀態(tài)及行駛環(huán)境的感知能力問題；車輛狀態(tài)估計和決策；路徑規(guī)劃問題；各類應(yīng)用的安全性和穩(wěn)定性問題；各類車載無線設(shè)備的頻譜共存和電磁兼容性如何保障；車聯(lián)網(wǎng)各類應(yīng)用如何集成等。近年來，美、日及歐洲各國通過政策引導(dǎo)和研發(fā)投入，加強了智能網(wǎng)聯(lián)汽車跨界協(xié)同技術(shù)的研發(fā)、試驗驗證、測試環(huán)境建設(shè)和智能網(wǎng)聯(lián)化產(chǎn)品的開發(fā)。中國雖起步較晚，但通過“智能交通系統(tǒng)關(guān)鍵技術(shù)開發(fā)和示范工程”863計劃的實施和國家自然科學(xué)基金委的支持，在智能網(wǎng)聯(lián)汽車和智慧交通方面展開了深入地研究。經(jīng)過不斷探索和研究，國內(nèi)外在智能網(wǎng)聯(lián)汽車環(huán)境感知、自主決策、協(xié)同控制、通信和測試評價等領(lǐng)域取得了一些關(guān)鍵技術(shù)突破。本文僅描述智能網(wǎng)聯(lián)汽車環(huán)境感知技術(shù)的發(fā)展和研究現(xiàn)狀。

智能車輛在道路上行駛離不開對車輛狀態(tài)及行駛環(huán)境的感知，車輛感知技術(shù)是智能車技術(shù)發(fā)展中的關(guān)鍵問題，其感知能力的進步都將促進車輛智能化技術(shù)的飛躍。從20世紀50年代起，人類就開始探索車輛智能化及自動駕駛技術(shù)，在近60年的發(fā)展過程中，智能車對車輛狀態(tài)及行駛環(huán)境的感知經(jīng)歷了對道路上的電子標記進行感知、從單一的傳感器感知，發(fā)展到多傳感器融合感知。現(xiàn)在，隨著車聯(lián)網(wǎng)技術(shù)的出現(xiàn)，實現(xiàn)了信息在車車、車路、車人及車與互聯(lián)網(wǎng)之間的傳輸，這為智能汽車對行駛環(huán)境的感知提供了新的手段。

1 基于車道電子標記識別的智能汽車感知技術(shù)

1953年，美國通用汽車公司GM和美國無線電公司RCA建立了路面具有鋼線的高速公路，并通過磁極追蹤路面鋼線，利用聲波控制汽車的速度與轉(zhuǎn)向；20世紀60年代，Ohio州立大學(xué)啟動關(guān)于智能駕駛的項目，通過車輛追蹤地面下的電子設(shè)備進行自動行駛。這一時期，智能車是通過對道路上的電子標記進行識別以選擇行駛路線，相當(dāng)于車輛是在一個固定軌道上自動行駛[1]，車輛不具備自適應(yīng)的道路選擇能力，對行駛環(huán)境的感知能力還較弱。

20世紀90年代，美國加州大學(xué)伯克利分校PATH實驗室提出新的自動駕駛系統(tǒng)，通過在道路上鋪設(shè)磁釘以及在車上安裝載雷達等傳感裝置實現(xiàn)汽車隊列行駛及自動駕駛[2]。該項目也采用了基于車道電子標記識別的智能汽車感知技術(shù)。但該技術(shù)的應(yīng)用涉及對道路的改造，成本過大，因此很少采用。

2 基于單一傳感器的智能汽車感知技術(shù)

20世紀八九十年代，隨著機器視覺、雷達傳感器、超聲波傳感器、激光傳感器等傳感技術(shù)的進步，大量的傳感器開始在汽車上應(yīng)用。這一階段，智能汽車環(huán)境感知傳感系統(tǒng)主要使用毫米波雷達、激光雷達、攝像頭等傳感器[3-4]。感知的具體方法有雷達感知和視覺感知。

2.1 雷達感知

雷達感知是指通過激光、微波或聲波獲取車輛周邊環(huán)境的二維或三維距離信息，再通過距離或速度分析對行駛環(huán)境進行感知。它能以較高精度直接獲取物體二維或三維距離信息、對光照環(huán)境變化不敏感。常用的傳感器有毫米波雷達、激光雷達等。

毫米波雷達可以精確地測量目標的徑向距離和速度，可使用多個接收/發(fā)送通道獲取額外的角度信息。它對環(huán)境影響(如極端溫度、不良光照或天氣條件等)具有魯棒性。對于許多駕駛輔助應(yīng)用而言，雷達被視為最有前景的技術(shù)[5-6]。近幾十年來，汽車雷達已成為主動安全和先進駕駛輔助系統(tǒng)(ADAS)的核心設(shè)備。毫米波雷達的應(yīng)用范圍涵蓋了自適應(yīng)巡航控制系統(tǒng)(ACC)、倒車車側(cè)警示系統(tǒng)(CTA)和車道變換輔助系統(tǒng)(LCA)等。

常用的車載毫米波雷達有短程、中程和遠程雷達，分別面向不同的應(yīng)用。短程雷達(SRR)用于感知鄰近車輛、障礙物檢測、停車輔助等場景，主要安裝于車輛側(cè)方區(qū)域，常用于監(jiān)視車輛后方區(qū)域，有時也作為前方遠程雷達傳感器(LRR)的補充。中程雷達(MRR)用于中等距離和速度的感知，主要用在CTA(倒車車側(cè)警示系統(tǒng))中，協(xié)助司機離開停車位。遠程雷達(LRR)用于需要窄波束前向視野的場景，主要用在自適應(yīng)巡航系統(tǒng)(ACC)和其他安全領(lǐng)域，如防撞等應(yīng)用場景。短程、中程和遠程毫米波雷達的通用技術(shù)特點如表1所示(不同的供應(yīng)商可能有不同的技術(shù)規(guī)格)。

表1 短程、中程和遠程雷達的技術(shù)規(guī)格

激光雷達(LiDAR)可用來檢測路面場景中其他車輛、行人或障礙物，識別道路邊界等，與毫米波雷達相比，有更好的橫向分辨率。原來的LiDAR系統(tǒng)十分昂貴，每套價值在8 000至10萬美元以上。高昂的價格制約著車載激光雷達的實用化?，F(xiàn)在很多公司潛心于研究低價位、高性能的激光雷達。如德爾福汽車系統(tǒng)將與美國Quanergy公司合作，為無人駕駛汽車開發(fā)一種新型LiDAR系統(tǒng)，每臺單價低于1 000美元。2015年，加州大學(xué)伯克利分校的研究團隊透露，他們已經(jīng)研發(fā)出新型激光技術(shù)，可以有效解決LiDAR的笨重設(shè)計及成本問題，從而創(chuàng)造出價格更低廉的無人駕駛汽車[7]。今年，Quanergy公司推出了價格特別便宜、號稱是世界上第一款固態(tài)激光雷達S3。低價激光雷達的市場化，必將使其真正成為無人駕駛汽車的眼睛。

2.2 視覺感知

雖然視覺感知容易受到環(huán)境的影響，在能見度較低時效果不理想，其測距精度遠不如雷達和激光掃描儀，但它能夠提供邊緣，具有擴展對對象的姿勢和分類的巨大潛力。作為外部環(huán)境感知技術(shù)手段，視覺感知是智能駕駛環(huán)境感知領(lǐng)域不可或缺的重要組成部分。目前，在智能駕駛領(lǐng)域中，常采用單目、雙目或夜視相機，從不同角度全方位拍攝車外環(huán)境，再通過圖像識別技術(shù)識別近距離內(nèi)的車輛、行人和交通標志等，完成車道線檢測、障礙物檢測和交通標志識別等任務(wù)。

2.3 基于單一傳感器感知技術(shù)的研究現(xiàn)狀

毫米波雷達、視覺傳感器的出現(xiàn)和圖像識別技術(shù)的發(fā)展提高了智能車輛對環(huán)境的自適應(yīng)能力，促進了自適應(yīng)巡航、車道保持、主動避撞、全景倒車輔助等系列智能化駕駛輔助技術(shù)的誕生，并實現(xiàn)了產(chǎn)業(yè)化，已經(jīng)成為很多豪華車的標準配置。360°環(huán)視檢測設(shè)備LiDAR的出現(xiàn)則直接推動了Google、福特等公司自動駕駛智能車的出現(xiàn)。

國外，Dickmanns等[8]利用攝像機開發(fā)了計算機視覺系統(tǒng)實現(xiàn)車輛道路環(huán)境的識別。日本豐田公司使用毫米波雷達和機器視覺共同探測前方障礙物[9]。Benz成功應(yīng)用視距感知技術(shù)取代了軌道技術(shù)用于自動駕駛，并在1999年進一步推出了基于雷達的自適應(yīng)巡航系統(tǒng)[9]。美國TRW公司研制的車載防撞微波雷達已經(jīng)應(yīng)用到貨車和公共汽車上用于探測兩側(cè)盲區(qū)[9]。Mitsubishi開始在車上使用基于激光的測距系統(tǒng)，用于感知危險車輛，用于碰撞預(yù)警。

這個階段，在“人-車-環(huán)境”感知領(lǐng)域，國內(nèi)的研究主要集中在清華大學(xué)、吉林大學(xué)等高校，如侯德藻等[10]利用毫米波雷、激光雷達開發(fā)了碰撞預(yù)警系統(tǒng)及ACC巡航系統(tǒng)，利用CCD攝像機實現(xiàn)了車道保持，利用全景相機開發(fā)了環(huán)視倒車輔助系統(tǒng)等，并提供了具有實用性的控制技術(shù)，相關(guān)的技術(shù)在長安汽車、東風(fēng)日產(chǎn)以及宇通、金龍等企業(yè)實現(xiàn)了推廣應(yīng)用；董因平[11]通過視覺感知系統(tǒng)實現(xiàn)了高速車輛車道預(yù)警等。部分感知算法性能達到國際先進水平，但目前尚無與國外類似的系統(tǒng)集成技術(shù)。如毫米波雷達探測方面，國內(nèi)尚無類似博世、德爾福等公司的高性能產(chǎn)品，但車用高性價比雷達研究已逐步展開[12]。機器視覺感知方面，國內(nèi)尚無類似Mobileye的成熟產(chǎn)品，但清華大學(xué)、武漢大學(xué)和?？低?、地平線機器人等提出的視覺算法性能已達國際先進水平，在2015年KITTI評測中取得多項單項第一[13]。未來，若能結(jié)合已有視覺和雷達算法基礎(chǔ)，加強信息融合，有望在復(fù)雜環(huán)境感知和集成應(yīng)用方面取得重大進展。

3 基于信息融合的智能網(wǎng)聯(lián)汽車感知技術(shù)

一方面，單一傳感器都有其局限性。如激光雷達具有方向性好，波束窄，測角、測距精度高，不受地面雜波干擾等優(yōu)點，但其受大氣的光傳輸效應(yīng)影響大，不能全天候工作，遇濃霧、雨、雪天氣無法工作等缺點。因此，僅僅靠單一傳感器難以提供各種天氣情況下路況環(huán)境的全面描述。

另一方面，據(jù)Aufrère等[14]、Montemerlo等[15]、Leonard等[16]對智能汽車的行駛環(huán)境感知研究得知：車輛自動駕駛需要感知車輛行駛過程中可視、超視距、近距離、遠距離的道路環(huán)境信息，周圍移動車輛、行人和障礙物，宏觀交通狀態(tài)、交通事故信息以及車輛自身位置和各種狀態(tài)信息。因此智能汽車應(yīng)配置多種不同傳感手段獲取車輛周邊環(huán)境不同形式的信息，通過多信息融合對行駛環(huán)境進行感知，使智能汽車具有優(yōu)良的環(huán)境適應(yīng)能力，為安全快速自主導(dǎo)航提供可靠保障。

近年來，不少學(xué)者就多傳感器信息融合算法、多傳感信息進行駕駛員狀態(tài)監(jiān)測、車輛狀態(tài)估計和交通環(huán)境感知展開了研究。如Perrollaz等[17]提出一種概率方法以表征融合2個攝像頭(立體視覺)的不確定性；Scheunert等[18]為了避障目的，將立體視覺信息和激光掃描器信息進行了集成；Spinello等[19]提出一種協(xié)同方法來融合獨立使用激光掃描器和視覺系統(tǒng)的傳感器檢測系統(tǒng)，通過使用一種跟蹤系統(tǒng)將兩種傳感器進行融合。

隨著智能駕駛輔助技術(shù)的發(fā)展，國內(nèi)外的學(xué)者開始探索研究基于多傳感器的智能車自動駕駛技術(shù)。如Li等[20]使用高精度電子地圖、雷達、攝像頭等，進行車道偏離預(yù)警；Chu和Chen等[21-22]利用多源信息融合實現(xiàn)了駕駛員疲勞和注意力的檢測，其車輛狀態(tài)估計和參數(shù)辨識效果達到國際先進水平?，F(xiàn)在，隨著計算機信息技術(shù)、通信技術(shù)、控制技術(shù)和電子技術(shù)的進步，智能汽車多傳感器信息融合技術(shù)的應(yīng)用取得了許多令人振奮的成果，如國內(nèi)的G-BOS系統(tǒng)、歐洲的CVIS系統(tǒng)、美國的IVHS系統(tǒng)、日本的SmartWay系統(tǒng)等[23]。

4 基于車聯(lián)網(wǎng)技術(shù)的環(huán)境感知技術(shù)

在城市復(fù)雜交通環(huán)境下，智能車用雷達、視覺、LiDAR等各種傳感器對行駛環(huán)境進行感知也存在盲區(qū)，同時存在感知空間廣度和時間縱向深度不足等問題。如Google的無人車，雖然采用了LiDAR系統(tǒng)，融合車用毫米波雷達及各種視頻傳感器，車輛對行駛環(huán)境的感知能力也只能達到200～300 m。智能車的單車感知能力不足已經(jīng)成為制約智能車進一步發(fā)展的瓶頸。車聯(lián)網(wǎng)技術(shù)的出現(xiàn)，實現(xiàn)了信息在車車、車路、車人及車與互聯(lián)網(wǎng)之間的傳輸，為提升車輛感知能力提供了新的科學(xué)技術(shù)手段和思路。

車聯(lián)網(wǎng)是以車內(nèi)網(wǎng)、車際網(wǎng)和車載移動互聯(lián)網(wǎng)三網(wǎng)合一的動態(tài)網(wǎng)絡(luò)，如圖1所示。按照約定的通信協(xié)議和數(shù)據(jù)交互標準，在車、路、人與互聯(lián)網(wǎng)之間進行無線通信和信息交換，以實現(xiàn)智能交通管理控制、車輛智能化控制和智能動態(tài)信息服務(wù)的一體化網(wǎng)絡(luò)?；谲嚶?lián)網(wǎng)的智能車信息感知技術(shù)屬于通信感知，可獲取其他傳感手段難以實現(xiàn)的宏觀行駛環(huán)境信息，可實現(xiàn)車輛間信息共享，對環(huán)境干擾不敏感。

車聯(lián)網(wǎng)技術(shù)發(fā)展于20世紀90年代，初期著重基于廣域移動通訊的telematics車載信息服務(wù)的發(fā)展。如美國通用汽車公司開發(fā)了為汽車提供逐項道路導(dǎo)航、遠程防盜、遠程事故援助等服務(wù)的Onstar系統(tǒng)[24]；日本豐田公司推出為車輛提供緊急救援、防盜追蹤、高速公路安全駕駛提醒等服務(wù)的G-Book車載智能通信系統(tǒng)。后期，短程通信技術(shù)逐漸興起，國內(nèi)外開始研究點對點通信模式下車與車、路、人之間的通信。

專用短程通信技術(shù)(DSRC)由于優(yōu)化了數(shù)據(jù)傳輸?shù)目煽啃院偷脱舆t性能[25]，被廣泛應(yīng)用于車聯(lián)網(wǎng)通信。如2012年美國交通部主導(dǎo)開展了Connected Vehicle Safety Pilot項目[26]，主要研究基于DSRC技術(shù)的V2X系統(tǒng)在汽車行駛安全性方面的影響。密歇根大學(xué)交通研究所以DSRC為通信手段首次建立了在實際交通環(huán)境中車車(V2V)、車路互聯(lián)的場景，如圖2所示。

短程通信實現(xiàn)了車與車、路、人之間的網(wǎng)聯(lián)化，協(xié)同化，車輛感知范圍成倍擴大，信息的豐富性、實時性、準確性大幅提高。車聯(lián)網(wǎng)的應(yīng)用從信息服務(wù)逐漸轉(zhuǎn)變到利用短程通信提高汽車自身性能，車聯(lián)網(wǎng)的發(fā)展進入了新的階段。但在道路及車輛上布置DSRC通信模塊成本較高，另外由于其使用CSMA接入機制，當(dāng)車輛密度較大時會出現(xiàn)丟包和網(wǎng)絡(luò)擁堵等問題。

近年來，隨著4G技術(shù)的發(fā)展，國外學(xué)者展開了基于4GLTE技術(shù)的車聯(lián)網(wǎng)技術(shù)研究。如歐洲CoCar項目研究了包括UMTS和LTE的蜂窩移動通信技術(shù)應(yīng)用于V2V、V2I場景的可行性，項目認為并非所有V2V應(yīng)用都需要由DSRC技術(shù)來實現(xiàn)，一些應(yīng)用移動通信網(wǎng)絡(luò)反而更有優(yōu)勢。Dhilip等[26]將4GLTE技術(shù)應(yīng)用到車聯(lián)網(wǎng)中，通過分析數(shù)據(jù)吞吐量、時延性、功耗等指標證實了該技術(shù)確實能夠提高車聯(lián)網(wǎng)的網(wǎng)絡(luò)性能。4GLTE技術(shù)應(yīng)用于車聯(lián)網(wǎng)中，滿足了隨著車聯(lián)網(wǎng)中信息容量越來越大，車聯(lián)網(wǎng)對無線通信網(wǎng)絡(luò)的帶寬、連接可靠性和輸送時延的需求。但4G技術(shù)通訊需要基站支持，在基站無法覆蓋的地區(qū)就無法實現(xiàn)車輛之間的有效聯(lián)網(wǎng)。究竟選擇哪種通信技術(shù)實現(xiàn)短程通信，或者開發(fā)一種更適合車聯(lián)網(wǎng)通信的新型通信方式，是一個亟待解決的問題。

圖2 美國密歇根大學(xué)UMTR主導(dǎo)的Safety Pilot項目實現(xiàn)V2X

車聯(lián)網(wǎng)作為新興的技術(shù)，其在汽車智能化中的應(yīng)用還處于探索階段，車聯(lián)網(wǎng)能為汽車帶來哪些感知能力的增強，如何基于聯(lián)網(wǎng)消滅車輛感知盲區(qū)，實現(xiàn)超視距視野，如何與智能車及自動駕駛技術(shù)進行融合，網(wǎng)絡(luò)信息安全如何保障等還需要深入的研究。美國通過開展IntelliDrive、VII(Vehicle Infrastructure Integration)、IVI(Intelligent Vehicle Initiative)、CVHAS等，日本通過AHS、SmartWay等項目，歐洲通過PReVENT、I-Way等項目對車聯(lián)網(wǎng)進行了探索性研究，強調(diào)以人車路一體化來解決現(xiàn)代交通所存在的嚴重問題[27]。美國DOT報告認為車聯(lián)網(wǎng)技術(shù)將大大增強車輛對行駛環(huán)境的感知能力，提升汽車的安全性，相關(guān)技術(shù)的應(yīng)用將減少85%的交通事故，同時可以大幅度提升交通效率，美國計劃在2017—2018年通過推行政策全面要求車輛前裝車聯(lián)網(wǎng)通信裝置[28]。

我國對應(yīng)用短程通信技術(shù)的車聯(lián)網(wǎng)進行了一定的探索。如清華大學(xué)與長安汽車股份有限公司等合作，負責(zé)了國家863車聯(lián)網(wǎng)專題攻關(guān)課題(2012AA111901)，通過車載GPS、攝像頭等傳感器對車道線信息進行感知，并通過短程通信技術(shù)DSRC實現(xiàn)車輛狀態(tài)相關(guān)信息(如加速、制動)在車車、車路之間的傳遞，從而開發(fā)了車聯(lián)網(wǎng)下交叉口突發(fā)事件辨識和預(yù)警、信號燈控路口車速引導(dǎo)控制、車車通信下車輛跟馳危險辨識與預(yù)警等十余個典型輔助駕駛系統(tǒng)。2015年至今，王建強等[29]通過“基于人-車-路協(xié)同的行車安全場理論及車輛擬人化控制”等項目的進行，并廣泛開展國際合作，深入研究網(wǎng)聯(lián)智能車環(huán)境感知技術(shù)。

總之，結(jié)合車載各種傳感裝置，利用車聯(lián)網(wǎng)實現(xiàn)車輛對行駛環(huán)境的感知能力的增強，利用車內(nèi)網(wǎng)獲取車輛狀態(tài)并識別行駛行為，通過多傳感器融合，車車、車路和車人信息交互，實現(xiàn)對復(fù)雜道路交通環(huán)境的全息感知，滿足智能車輛未來在復(fù)雜交通環(huán)境下自動駕駛要求，將是智能網(wǎng)聯(lián)汽車環(huán)境感知技術(shù)的發(fā)展方向。

[1] 楊殿閣,李克強,鄭四發(fā),等.智能交通系統(tǒng)中的汽車技術(shù)[J].汽車工程,2003(3):223-226.

[2] SHLADOVER S E,DESOER C A,HEDRICK J K,et al.Automated vehicle control developments in the PATH program[J].IEEE Transactions on Vehicular Technology,1991,40(1):114-130.

[3] BENGLER K,DIETMAYER K,FARBER B,et al.Three decades of driver assistance systems: review and future perspectives[J].IEEE Intelligent Transportation Systems Magazine,2014,6(4):6-22.

[4] WEI J,SNIDER J M,KIM J,et al.Towards a viable autonomous driving research platform[J].IEEE Xplore, 2013,36(1):763-770.

[5] RASSHOFER R H,GRESSER K.Automotive radar and lidar systems for next generation driver assistance functions[J].Advances in Radio Science Kleinheubacher Berichte,2005,3(10):205-209.

[6] ZADOR P L,KRAWCHUK S A,VOAS R B.Final report:Automotive Collision Avoidance System (ACAS) program[EB/OL].(1998-05-10)[2016-09-10].http://www.ece.eng.wayne.edu/～smahmud/CrashAvoidance/ACAS_FinalReport_00.pdf.

[7] 新型雷達無人駕駛汽車時代即將來臨！[EB/OL].(2015-09-08)[2016-09-10].http://www.21ic.com/chongdian/news/2015-09-08/640564.html.

[8] DICKMANNS E D,ZAPP A.A curvature-based scheme for improving road vehicle guidance by computer vision[C]//Cambridge Symposium-Intelligent Robotics Systems InternationalSociety for Optics and Photonics,1987:161-168.

[9] 王榮本,李斌,儲江偉,等.世界智能車輛行駛安全保障技術(shù)的研究進展[J].公路交通科技,2002(2):117-121.

[10] 侯德藻,李克強,鄭四發(fā),等.汽車主動避撞系統(tǒng)中的報警方法及其關(guān)鍵技術(shù)[J].汽車工程,2002(5):438-441,444.

[11] 董因平.高速汽車車道偏離預(yù)警系統(tǒng)的算法研究[D].長春:吉林大學(xué),2004.

[12] HUANG L,LU Y,YU Z,et al.Development of a multi-target tracking system based on polar coordinate for automotive wide beam radar[C]//2015 JSAE Annual Congress Proceedings,2015:1-10.

[13] CHEN X,MA H,WANG X,et al.Improving object proposals with multi-thresholding straddling expansion[C]//IEEE CVPR,2015:2587-2595.

[15] MONTEMERLO M,BECKER J,BHAT S,et al.Junior:the stanford entry in the urban challenge[J].Journal of field Robotics,2008,25(9):569-597.

[16] LEONARD J,HOW J,TELLER S,et al.A perception-driven autonomous urban vehicle[J].Journal of Field Robotics,2008,25(10):727-774.

[17] PERROLLAZ M,SPALANZANI A,AUBERT D.Probabilistic representation of the uncertainty of stereo-vision and application to obstacle detection[C]//Intelligent Vehicles Symposium(IV),IEEE,2010:313-318.

[18] SCHEUNERT U,MATTERN N,LINDNER P,et al.Generalized grid framework for multi sensor data fusion[C]//International Conference on Information Fusion,2008:1-7.

[19] SPINELLO L,TRIEBEL R,SIEGWART R.Multiclass multimodal detection and tracking in urban environments[J].International Journal of Robotics Research,2010,29(12):1498-1515.

[20] LI Q,ZHENG N,CHENG H.Springrobot:a prototype autonomous vehicle and its algorithms for lane detection[J].Intelligent Transportation Systems,IEEE Transactions on,2004,5(4):300-308.

[21] CHU W,LUO Y,DAI Y,et al.In-wheel motor electric vehicle state estimation by using unscented particle filter [J].International Journal of Vehicle Design,2015,67(2):115-136.

[22] CHEN L,BIAN M,LUO Y,et al.Tire-road friction coefficient estimation based on the resonance frequency of in-wheel motor drive system[J].Vehicle System Dynamics,2015:1-19.

[23] TOULMINET G,BOUSSUGE J,LAURGEAU C.Comparative synthesis of the 3 main Europeanprojects dealing with Cooperative Systems (CVIS, SAFESPOT and COOPERS) and description of COOPERS Demonstration Site 4[C]//Intelligent Transportation Systems, 2008.ITSC 2008.11th International IEEE Conference on.IEEE,2008:809-814.http://www.cvisproject.org/en/public_documents/videos/cvis_final_video.htm.

[24] “LEARN ABOUT ONSTAR”O(jiān)nStar Services[EB/OL].[2016-09-10].https://www.onstar.com/us/en/services/services.html.

[25] MISENER J A,BISWAS S,LARSON G.Development of V-to-X systems in north America: the promise, the pitfalls and the prognosis[J].Computer Networks,2011,55(14):3120-3133.

[26] SCHAGRIN M.Connected vehicle safety pilot program [R].FHWA Technical Paper,FHWA-JPO-11-031,2011.

[27] 基于車聯(lián)網(wǎng)的車輛信息遠程搜集數(shù)據(jù)系統(tǒng)[EB/OL].(2015-07-30)[2016-09-10].http://www.eeworld.com.cn/tags/IVHS.

[28] Connected Vehicle Pilot Deployments-The Future of Transportation is Here[EB/OL].[2016-09-10].https://search.usa.gov/search?utf8=%E2%9C%93&affiliate=usdot&query=Connected+Vehicles.

[29] DHILIPKUMAR K V,KANDAR D,SARKAR C K.Enhancement of inter-vehicular communication to optimize the performance of 3G/4G-VANET[C]//Optical Imaging Sensor and Security(ICOSS),2013 International Conference on. IEEE,2013:1-5.

The Research and Development of Environmental Perception Technology in Intelligent and Connected Vehicles

XIEZhiping*，LEILiping

(College of Mechanical Engineering, Chengdu Technological University, Chengdu 611730, China)

Environmental perception technology is one of the key technologies in the development of intelligent vehicles. From the lane mark identification, single-sensor perception, multi-sensor fusion perception to perception technology based on connected vehicle, the development of environmental perception technology in intelligent and connected vehicles are introduced. The research of environmental perception technology in intelligent vehicle by using radar perception，visual perception and connected vehicles technology are specifically analyzed， meanwhile，the future of environmental perception technology in intelligent and connected vehicles is prospected. Eventually the trends of the environmental perception technology in intelligent and connected vehicles are discussed and the analysis shows that combining with the onboard multi-sensors, using connected vehicles and combined information to realize the holographic perception of complex road traffic environment is the major development direction for intelligent and connected vehicles using environment perception technology.

intelligent vehicle；environmental perception；sensor；connected vehicle

10.13542/j.cnki.51-1747/tn.2016.04.022

2016-09-29

國家高技術(shù)研究發(fā)展計劃“基于車聯(lián)網(wǎng)的車輛智能化技術(shù)研究”(2012AA111901)

謝志萍(1970— ),女(漢族),四川德陽人，教授，碩士,研究方向：機電控制系統(tǒng)，通信作者郵箱：xzpycy@sina.com。 雷莉萍(1980— )，女(漢族)，江西南昌人，講師，碩士，研究方向：機械電子工程。

U495

A

2095-5383(2016)04-0087-06