朱炳先，張朋飛

（中國(guó)北方車(chē)輛研究所，北京100072）

地面無(wú)人車(chē)輛及關(guān)鍵技術(shù)研究進(jìn)展

朱炳先，張朋飛

（中國(guó)北方車(chē)輛研究所，北京100072）

地面無(wú)人車(chē)輛研究是移動(dòng)機(jī)器人研究的重要方向?；诖罅课墨I(xiàn)研究，分析了地面無(wú)人車(chē)輛國(guó)內(nèi)外發(fā)展現(xiàn)狀及關(guān)鍵技術(shù)研究進(jìn)展，提出了地面無(wú)人車(chē)輛未來(lái)發(fā)展趨勢(shì)和亟待解決的3個(gè)關(guān)鍵技術(shù)問(wèn)題，為進(jìn)一步研究相關(guān)問(wèn)題提供了一定參考。

地面無(wú)人車(chē)輛；環(huán)境感知；信息融合；自主行駛

地面無(wú)人車(chē)輛集環(huán)境感知、規(guī)劃決策與多等級(jí)輔助駕駛功能于一體，是涉及到傳感、信息融合、計(jì)算機(jī)、通訊、人工智能及自動(dòng)控制技術(shù)等多學(xué)科多領(lǐng)域的高技術(shù)集合體[1]。隨著科學(xué)技術(shù)高速發(fā)展，地面無(wú)人車(chē)輛對(duì)社會(huì)經(jīng)濟(jì)特別是國(guó)防現(xiàn)代化建設(shè)的重大意義日益凸顯[2]，因而成為車(chē)輛工程領(lǐng)域研究的熱點(diǎn)及很多國(guó)家高科技發(fā)展的重點(diǎn)，而相關(guān)的關(guān)鍵技術(shù)是地面無(wú)人車(chē)輛正常運(yùn)行的前提條件之一[3]。地面無(wú)人車(chē)輛依靠眾多關(guān)鍵技術(shù)對(duì)周?chē)h(huán)境信息進(jìn)行獲取、處理和理解，實(shí)現(xiàn)自主定位、環(huán)境探索與自主行駛。所以，許多關(guān)鍵技術(shù)成為地面無(wú)人車(chē)輛自主行為研究的重要內(nèi)容[4]。為此，本文在梳理地面無(wú)人車(chē)輛及關(guān)鍵技術(shù)研究進(jìn)展基礎(chǔ)上，提出未來(lái)地面無(wú)人車(chē)輛發(fā)展趨勢(shì)及亟待解決的若干關(guān)鍵技術(shù)問(wèn)題，以供業(yè)界同行參考。

1 地面無(wú)人車(chē)輛研究現(xiàn)狀

1.1國(guó)外研究現(xiàn)狀

國(guó)外地面無(wú)人車(chē)輛研究主要集中于歐美日等國(guó)。20世紀(jì)80年代初，美國(guó)國(guó)防部高級(jí)研究計(jì)劃局發(fā)布戰(zhàn)略計(jì)劃[5]，將地面無(wú)人車(chē)輛作為其重要組成部分?？▋?nèi)基梅隆大學(xué)早在20世紀(jì)90年代研制了NavLab系列地面無(wú)人車(chē)輛[6]，成為當(dāng)時(shí)的代表性成果。目前，NavLab11是該系列的最新成果，雖然屬于改裝型，但是該款地面無(wú)人車(chē)輛已經(jīng)具備一定環(huán)境感知能力[7]。此外，美國(guó)國(guó)防部還制定了一系列地面無(wú)人作戰(zhàn)平臺(tái)計(jì)劃，推動(dòng)研制地面無(wú)人自主車(chē)輛，其目的就是構(gòu)建無(wú)人地面作戰(zhàn)系統(tǒng)。斯坦福大學(xué)研發(fā)的Stanley地面無(wú)人車(chē)輛更加先進(jìn)，系統(tǒng)處理傳感器數(shù)據(jù)的頻率可達(dá)100 Hz，且擁有魯棒性較強(qiáng)的車(chē)輛狀態(tài)估計(jì)算法[8]。

近年來(lái)，卡耐基梅隆大學(xué)又研制了一款名叫“Boss”的地面無(wú)人車(chē)輛，擁有感知、運(yùn)動(dòng)規(guī)劃、任務(wù)規(guī)劃及行為的若干子系統(tǒng)，基本實(shí)現(xiàn)了自動(dòng)避障、會(huì)車(chē)、泊車(chē)等功能[9]。2010年以來(lái)，Google公司也將地面無(wú)人車(chē)輛研究列為研發(fā)項(xiàng)目[10]，其目標(biāo)是實(shí)現(xiàn)對(duì)車(chē)輛的智能控制。目前，Google公司的地面無(wú)人車(chē)輛已經(jīng)完成了近百萬(wàn)公里的安全測(cè)試，車(chē)輛具備感知能力和人工智能，可自動(dòng)地識(shí)別信號(hào)燈、行人以及車(chē)輛，配置谷歌街景地圖對(duì)車(chē)輛進(jìn)行導(dǎo)航，基本實(shí)現(xiàn)自主行使。

在德國(guó)，慕尼黑聯(lián)邦國(guó)防大學(xué)于20世紀(jì)80年代也開(kāi)始對(duì)地面無(wú)人車(chē)輛技術(shù)進(jìn)行探索[11]，目前，已開(kāi)發(fā)出兩款地面無(wú)人車(chē)輛（VaMoRs和VaMoRs-P）[12]，其中VaMoRs-P地面無(wú)人車(chē)輛實(shí)現(xiàn)了1 600 km的長(zhǎng)距離自主行駛和400多次變道，最高時(shí)速達(dá)130 km/h。2010年，德國(guó)柏林自由大學(xué)研發(fā)了MIG出租車(chē)[13]，這款地面無(wú)人車(chē)輛是以帕薩特為基礎(chǔ)，用線控技術(shù)控制車(chē)輛[14]。

此外，意大利帕爾瑪大學(xué)研制的地面無(wú)人車(chē)也于2010年7月20日下線四輛無(wú)人電動(dòng)車(chē)，行程13 000 km，抵達(dá)中國(guó)上海世博園現(xiàn)場(chǎng)[15]。英國(guó)牛津大學(xué)研制的地面無(wú)人車(chē)輛Wildcat，則采用激光雷達(dá)和相機(jī)監(jiān)控路面、交通、行人等交通狀況，可以實(shí)現(xiàn)崎嶇山路上自主行駛、堵車(chē)?yán)@道等功能[16]。

日本是20世紀(jì)90年代實(shí)施了先進(jìn)巡航協(xié)助公路-系統(tǒng)(AHS)計(jì)劃，主要從事高速公路車(chē)輛測(cè)試、評(píng)價(jià)和實(shí)施等研究。針對(duì)日本高速公路彎曲度大的特點(diǎn)，由日本多家汽車(chē)和電子企業(yè)合作，致力于彎曲道路環(huán)境下因傳感器受限無(wú)法檢測(cè)到公路上危險(xiǎn)情況展開(kāi)研究，目的是提高車(chē)輛行駛的安全性。此外，日本幾大汽車(chē)公司在車(chē)輛定位、感知技術(shù)、駕駛員人臉識(shí)別、車(chē)輛跟蹤及夜間行駛等方面也做了深入研究，為“城市交通系統(tǒng)”構(gòu)建做出了貢獻(xiàn)。

1.2國(guó)內(nèi)研究現(xiàn)狀

在國(guó)內(nèi)，地面無(wú)人車(chē)輛研究起步較晚，地面無(wú)人車(chē)輛研究始于“八五”期間。1995年，國(guó)防科大和北理工合作成功研制了代號(hào)為ATB-1的地面無(wú)人車(chē)輛，這是國(guó)內(nèi)第一輛能夠自主行駛的測(cè)試樣車(chē)。此后相繼研制了ATB-2和ATB-3。這些地面無(wú)人車(chē)輛包含了計(jì)算機(jī)系統(tǒng)、精確定位系統(tǒng)、路徑規(guī)劃系統(tǒng)、運(yùn)動(dòng)控制系統(tǒng)和自動(dòng)駕駛儀，其功能不斷加強(qiáng)，行駛速度不斷提高，環(huán)境認(rèn)知能力和軌跡跟蹤能力進(jìn)一步加強(qiáng)，實(shí)現(xiàn)了在準(zhǔn)結(jié)構(gòu)化和非結(jié)構(gòu)化道路以及越野環(huán)境下的自主行駛功能[17]。清華研制的THMR-V地面無(wú)人車(chē)輛[18]，可根據(jù)不同環(huán)境場(chǎng)景實(shí)現(xiàn)高速和城市道路選擇性行駛模式切換，最高行駛速度達(dá)到42 m/s[19]。國(guó)防科大研制的CITAVT-IV地面無(wú)人車(chē)輛[20]，在真實(shí)路況條件下，50 min內(nèi)行駛11 km，能識(shí)別交通標(biāo)識(shí)和信號(hào)燈，對(duì)各種障礙物可進(jìn)行感知，在路口可進(jìn)行左右轉(zhuǎn)彎和直行。西安交大研制的Springrobot地面無(wú)人車(chē)輛具有較高的車(chē)道線檢測(cè)和行人檢測(cè)能力[21]?！爸袊?guó)一汽”和國(guó)防科大研制的“紅旗CA7460”地面無(wú)人車(chē)輛，標(biāo)志著我國(guó)自主研發(fā)的第一輛駕駛汽車(chē)誕生，這款車(chē)可以根據(jù)前方障礙狀況實(shí)現(xiàn)自動(dòng)變道，其最高行駛速度達(dá)到47 m/s。吉林大學(xué)地面無(wú)人車(chē)輛研究團(tuán)隊(duì)在環(huán)境感知、導(dǎo)航技術(shù)等方面有較為深入的研究，研制的地面無(wú)人車(chē)輛能夠?qū)崿F(xiàn)按照標(biāo)識(shí)線路自主行駛[22]。

此外，中科院合肥物質(zhì)科學(xué)研究所、軍事交通學(xué)院、上海交大、武漢大學(xué)、湖南大學(xué)等單位也在地面無(wú)人車(chē)輛研究方面取得了一定成果[23-25]。

綜上所述，國(guó)內(nèi)外研究機(jī)構(gòu)和企業(yè)在地面無(wú)人車(chē)輛研究方面做出了開(kāi)創(chuàng)性工作，但整體上還是處于實(shí)驗(yàn)室階段，將地面無(wú)人車(chē)輛置身于真實(shí)交通系統(tǒng)，在交通規(guī)則約束下，對(duì)周邊固定或移動(dòng)障礙物及車(chē)輛交互行為做出響應(yīng)決策，最終實(shí)現(xiàn)真實(shí)道路上安全自主行駛還需要時(shí)日。其根本原因在于，地面無(wú)人車(chē)輛對(duì)周邊車(chē)輛行為、意圖缺乏識(shí)別和理解，難以在理解基礎(chǔ)上做出合理響應(yīng)行為，即地面無(wú)人車(chē)輛缺乏與周邊車(chē)輛的有效交互與協(xié)同，相關(guān)關(guān)鍵技術(shù)研究需進(jìn)一步加強(qiáng)。

2 地面無(wú)人車(chē)輛關(guān)鍵技術(shù)研究現(xiàn)狀

地面無(wú)人車(chē)輛與現(xiàn)行車(chē)輛相比，主要體現(xiàn)在結(jié)構(gòu)化和非結(jié)構(gòu)化條件下運(yùn)行時(shí)的信息采集和處理數(shù)量[26]，所以，對(duì)地面無(wú)人車(chē)輛的智能化水平的要求很高。地面無(wú)人車(chē)輛運(yùn)行過(guò)程中要對(duì)已知和實(shí)時(shí)獲取的環(huán)境信息做出路徑規(guī)劃并自主決策，這樣才能使車(chē)輛安全可靠運(yùn)行。因此，地面無(wú)人車(chē)輛是多學(xué)科綜合應(yīng)用的產(chǎn)物，涉及到多種基礎(chǔ)理論（信息論、控制論、人工智能、決策論等）和多種先進(jìn)技術(shù)（計(jì)算機(jī)、網(wǎng)絡(luò)、微電子、通信等）的綜合應(yīng)用，而技術(shù)支撐是地面無(wú)人車(chē)輛研發(fā)獲得重大突破的關(guān)鍵[27]。

2.1傳感技術(shù)

地面無(wú)人車(chē)輛追求的最終目標(biāo)是達(dá)到車(chē)輛自主行駛。因此，地面無(wú)人車(chē)輛必須掌握足夠多的車(chē)體自身的狀態(tài)信息和車(chē)體外部的環(huán)境信息，從而使得地面無(wú)人車(chē)輛對(duì)外部交通環(huán)境能有效感知，而這些地面無(wú)人車(chē)輛自主行駛所需要的信息則需要通過(guò)各種傳感器來(lái)獲得[28]。目前主流的傳感手段有雷達(dá)系統(tǒng)、機(jī)器視覺(jué)、高精度GPS和磁道釘。

雷達(dá)系統(tǒng)是一種主動(dòng)型傳感器，其優(yōu)勢(shì)是對(duì)距離、速度和方位進(jìn)行直接測(cè)量，特別是在惡劣氣象條件下能夠正常工作而不受影響。尤其是激光雷達(dá)，其精度更高。不足是成本高，光譜分辨率和掃描速度較低，多個(gè)雷達(dá)之間容易產(chǎn)生相互干涉。機(jī)器視覺(jué)技術(shù)是近20年來(lái)在地面無(wú)人車(chē)輛研發(fā)中備受關(guān)注的技術(shù)，他是依靠CCD等成像元件，從多角度全方位拍攝車(chē)外環(huán)境，其成本較雷達(dá)系統(tǒng)低[29]。目前主要用CCD提取車(chē)道線，識(shí)別近距離車(chē)輛、行人和交通標(biāo)志等，這些屬于被動(dòng)型傳感器，缺點(diǎn)主要是容易受到環(huán)境干擾，特別是能見(jiàn)度低的情況下效果不理想。高精度GPS則可以對(duì)車(chē)輛位置、行駛方向、速度、加速度等車(chē)輛狀態(tài)信息精準(zhǔn)捕獲，結(jié)合電子地圖和先進(jìn)匹配算法，能夠獲得充分的道路信息，對(duì)于精準(zhǔn)定位車(chē)輛和道路跟蹤具有不可替代的作用。磁道釘技術(shù)是借助磁傳感器采集道路的磁場(chǎng)分布狀況，以此來(lái)確定車(chē)輛位置，并結(jié)合計(jì)算機(jī)視覺(jué)輔助信息，可提供全天候車(chē)輛導(dǎo)航，不受氣象條件影響。

總之，視覺(jué)系統(tǒng)具有高分辨率和低成本特征，因而基于視覺(jué)信息環(huán)境感知是有實(shí)用價(jià)值的方法[30]。

2.2智能算法

地面無(wú)人車(chē)輛通過(guò)傳感器感知到周?chē)沫h(huán)境信息有其局限性，為了提高整個(gè)系統(tǒng)的有效性和穩(wěn)定性，需要多個(gè)傳感器信息有效融合，即需要融合方法。目前主流的融合方法有：數(shù)據(jù)融合算法、視覺(jué)算法、濾波算法、控制決策算法等。

數(shù)據(jù)融合算法是將多個(gè)傳感器捕獲的數(shù)據(jù)信息輸入到融合算法中，生成有效的融合數(shù)據(jù)供給系統(tǒng)決策[31]。另外，不同類(lèi)型的傳感器之間存在優(yōu)勢(shì)互補(bǔ)的情況，也需要通過(guò)數(shù)據(jù)融合算法來(lái)處理。視覺(jué)算法是為了提高算法適應(yīng)能力，基于實(shí)時(shí)、穩(wěn)定的視頻圖像，從中提取出有效的環(huán)境信息的檢測(cè)與識(shí)別算法[32]。濾波算法是為了提高抗干擾能力，解決測(cè)量數(shù)據(jù)與真實(shí)數(shù)據(jù)之間的誤差，對(duì)數(shù)據(jù)進(jìn)行各種濾波處理方法。控制決策算法是為了使地面無(wú)人車(chē)輛實(shí)現(xiàn)自主確定并切換到適當(dāng)工作模式，從而完成自主行駛?cè)蝿?wù)的各種橫向、縱向控制方法。

2.3通信技術(shù)

地面無(wú)人車(chē)輛的主要目標(biāo)是實(shí)現(xiàn)無(wú)事故自主行駛，而造成事故的客觀原因是通信不暢。所以，降低事故率必須從解決車(chē)輛通信問(wèn)題入手[33]。地面無(wú)人車(chē)輛行駛過(guò)程中，車(chē)輛之間、車(chē)輛與交通監(jiān)控中心之間、車(chē)輛與道路設(shè)施之間、車(chē)輛與其他信息系統(tǒng)之間，都存在著大量的各種存在形式的信息需要實(shí)時(shí)交換，而通信技術(shù)就是保證信息的準(zhǔn)確快速傳輸，適合于地面無(wú)人車(chē)輛信息交換的通信技術(shù)顯得尤為重要。為了提高通信質(zhì)量，必須研究地面無(wú)人車(chē)輛信息交換的通信系統(tǒng)結(jié)構(gòu)、傳輸介質(zhì)、編碼糾錯(cuò)技術(shù)、軟件技術(shù)等。目前采用的是無(wú)線數(shù)字通信，其通信電路設(shè)計(jì)和基于廣域網(wǎng)的無(wú)線通信協(xié)議技術(shù)對(duì)于車(chē)輛與環(huán)境之間的信息交互極具意義，低成本的無(wú)線通信技術(shù)將在各種電子裝置之間完成數(shù)據(jù)傳遞、信息交換發(fā)揮重要作用。

3 地面無(wú)人車(chē)輛發(fā)展趨勢(shì)及關(guān)鍵技術(shù)展望

3.1發(fā)展趨勢(shì)

地面無(wú)人車(chē)輛作為一種智能化交通工具，他將代替人類(lèi)駕駛員實(shí)現(xiàn)一系列自主駕駛行為，涉及到對(duì)外部環(huán)境的精確感知、對(duì)自身的精準(zhǔn)定位以及智能化決策控制。可以預(yù)見(jiàn)，不久的將來(lái)地面無(wú)人車(chē)輛研制不僅能夠推動(dòng)各項(xiàng)先進(jìn)技術(shù)的產(chǎn)生，也將促進(jìn)多門(mén)類(lèi)科學(xué)理論的發(fā)展。就地面無(wú)人車(chē)輛本身而言，未來(lái)將向系列化、車(chē)族化方向發(fā)展。考慮到未來(lái)對(duì)地面無(wú)人車(chē)輛的實(shí)際需求，可能首先滿(mǎn)足軍事裝備需求，所以，未來(lái)可能針對(duì)不同軍種，開(kāi)發(fā)適應(yīng)多軍種的系列化和車(chē)族化地面無(wú)人車(chē)輛。如美軍為了適應(yīng)海軍陸戰(zhàn)隊(duì)要求，開(kāi)發(fā)的“角斗士”無(wú)人戰(zhàn)車(chē)，適應(yīng)于排雷需要的微型掃雷車(chē)，適應(yīng)于城市環(huán)境的偵察、巡邏、監(jiān)視等任務(wù)的龍騰小型智能車(chē)等。此外，可能為了適應(yīng)任務(wù)多樣化需求，開(kāi)發(fā)以地面無(wú)人車(chē)輛為原型的多種變形智能車(chē)輛，比如多功能通用、后勤裝備車(chē)輛（運(yùn)輸車(chē)型、掃雷型和輕型突擊型）。

從應(yīng)用角度而言，地面無(wú)人車(chē)輛率先應(yīng)用于軍事領(lǐng)域，以此為牽引，擴(kuò)展到民用領(lǐng)域，實(shí)現(xiàn)軍民兩用協(xié)調(diào)發(fā)展態(tài)勢(shì)。事實(shí)上，軍用技術(shù)與民用技術(shù)通常是相互交叉出現(xiàn)的，軍用車(chē)輛所承載的技術(shù)發(fā)展起來(lái)后，逐步向民用領(lǐng)域轉(zhuǎn)向。比如，互聯(lián)網(wǎng)和GPS定位系統(tǒng)最初都是軍事項(xiàng)目，而現(xiàn)在則對(duì)整個(gè)社會(huì)經(jīng)濟(jì)發(fā)展均有滲透且起著巨大作用。同時(shí)，高精尖技術(shù)在民用領(lǐng)域的廣泛應(yīng)用也促進(jìn)了軍用項(xiàng)目向縱深發(fā)展。地面無(wú)人車(chē)輛也不例外，其在軍用方面的特殊環(huán)境（越野道路、無(wú)路環(huán)境、核生化環(huán)境）中誕生的環(huán)境感知技術(shù)與自動(dòng)控制技術(shù)，可以應(yīng)用于民用車(chē)輛的自主道路規(guī)劃、安全輔助駕駛等領(lǐng)域，且孕育于民用領(lǐng)域的軍事技術(shù)可獲得巨大民間資源，實(shí)現(xiàn)其快速發(fā)展。

3.2亟待解決的關(guān)鍵技術(shù)

縱觀國(guó)內(nèi)外關(guān)于地面無(wú)人車(chē)輛研究成果發(fā)現(xiàn)，近年來(lái)主要聚焦于地面無(wú)人車(chē)輛的環(huán)境感知系統(tǒng)，尤其是在道路檢測(cè)、障礙識(shí)別等方面取得了不少成果，以及基于結(jié)構(gòu)化道路環(huán)境研發(fā)的輔助駕駛系統(tǒng)已經(jīng)得到具體應(yīng)用。但在復(fù)雜的非結(jié)構(gòu)化路況和惡劣氣象條件下的地面無(wú)人車(chē)輛的感知系統(tǒng)還面臨很多問(wèn)題，需要進(jìn)一步深入研究。為了滿(mǎn)足某一特定任務(wù)需要，同時(shí)考慮到最優(yōu)性?xún)r(jià)比，未來(lái)總體技術(shù)可能向平臺(tái)的模塊化和運(yùn)載系統(tǒng)的通用化方向發(fā)展，需要開(kāi)發(fā)地面無(wú)人車(chē)輛的通用技術(shù)，根據(jù)不同需要進(jìn)行不同配置，從而實(shí)現(xiàn)不同功能。

為此，復(fù)雜背景環(huán)境下城市道路中的交叉口檢測(cè)、道路標(biāo)志和交通信號(hào)準(zhǔn)確實(shí)時(shí)識(shí)別，行人避讓檢測(cè)與跟蹤識(shí)別等問(wèn)題是環(huán)境感知技術(shù)亟待解決的問(wèn)題。區(qū)別于城市道路環(huán)境下幾何描述能夠說(shuō)明道路的可通過(guò)性，在野外環(huán)境條件下，對(duì)復(fù)雜地形進(jìn)行分析是關(guān)鍵，在分析三維地形幾何特征、地形覆蓋、檢測(cè)及對(duì)可能是障礙的地形分類(lèi)，并評(píng)估各種地形的可通過(guò)性。所以，地面無(wú)人車(chē)輛在復(fù)雜野外環(huán)境中各種障礙檢測(cè)與自主導(dǎo)航成為另一個(gè)亟待解決的問(wèn)題。此外，由于惡劣氣象條件和光照條件下的影響，視覺(jué)系統(tǒng)作為環(huán)境感知系統(tǒng)的重要組成部分，要想實(shí)現(xiàn)全天候、夜間條件下的準(zhǔn)確感知與理解還需要進(jìn)一步的研究。

4 結(jié)束語(yǔ)

地面無(wú)人車(chē)輛是匯聚多種理論和技術(shù)于一體的高科技產(chǎn)物，其發(fā)展不僅推動(dòng)著所涉學(xué)科與技術(shù)的進(jìn)步，而且在軍事與民用上具有廣闊的應(yīng)用前景。本文在閱讀大量文獻(xiàn)基礎(chǔ)上，回顧了地面無(wú)人車(chē)輛國(guó)內(nèi)外發(fā)展歷程，梳理了涉及地面無(wú)人車(chē)輛自主行駛的關(guān)鍵技術(shù)，對(duì)地面無(wú)人車(chē)輛未來(lái)發(fā)展趨勢(shì)做出了預(yù)測(cè)，對(duì)相關(guān)的亟待解決的關(guān)鍵技術(shù)進(jìn)行了整理，可望此項(xiàng)工作能對(duì)地面無(wú)人車(chē)輛研究者提供一個(gè)較為清晰思路和未來(lái)研究重點(diǎn)方向。

[1]陳慧巖,熊光明,龔建偉,等.車(chē)輛信息技術(shù)[M].北京：北京理工大學(xué)出版社，2013：12-13.

[2]Arslan G,Maiden J R,Shanuna J S.Autonomous vehicle-target assignment：A game-theoretical formulation[J].Journal of Dynamic Systems,Measurement and Control,2007,129(5)：584-596.

[3]劉嚴(yán)巖，王進(jìn)，冒蓉.無(wú)人地面車(chē)輛的環(huán)境感知技術(shù)[J].太赫茲科學(xué)與電子信息學(xué)報(bào)，2015,13（5）：810-815.

[4]錢(qián)鈞.基于路標(biāo)的智能車(chē)輛定位[J].上海交通大學(xué)學(xué)報(bào),2007(6)：894-898.

[5]（美）National research council of the national academies.軍用無(wú)人地面車(chē)輛技術(shù)的發(fā)展[M].付夢(mèng)印,王美玲,主譯.北京：國(guó)防工業(yè)出版社,2009：28-36.

[6]Thorpe C,Herbert M,Kanade T,et al.Toward autonomous driving：the CMU Navlab[J].IEEE Expert,1991,6(4)：31-42.

[7]鄧志東.無(wú)人駕駛車(chē)輛：從遙控或半自主到完全自主[R].清華大學(xué)智能技術(shù)與系統(tǒng)國(guó)家重點(diǎn)實(shí)驗(yàn)室，2012：15-20.

[8]Urmson C,Anhalt J,Bagnell D.Autonomous Driving in Urban Environments：Boss and the Urban Challenge[J].Journal of Field Robotics，2008,25(8)：425-466.

[9]Ferguson D,Howard T,Likhachev M.Motion Planning in Urban Environments：Part I[C].Proceedings of the IEEE/RSJ International Conference on Intelligent Robots and Systems(IROS).Nice,France,2008：1063-1069.

[10]Markoff J.Google Cars Drive Themselves,in Traffic[R].The New York Times，October 11,2010.

[11]Dickmanns E D.The development of machine vision for road vehicles in the last decade[C]//Intelligent Vehicle Symposium,2002.IEEE.IEEE,2002,1：268-281.

[12]Albus J S.4-D/RCS reference model architecture for unmanned ground vehicles[C]//Aerosense.International Society for Optics and Photonics,2002：1-5.

[13]Reuschenbach A,Wang M,Ganjineh T,et al.iDriver-Human Machine Interface for Autonomous Car s[C]//Information Technology：New Generations(ITNG),2011 Eighth International Conference on.IEEE,2011：435-440.

[14]Ford H J.Shared Autonomous Taxis：Implementing an Efficient Alternative to Automobile Dependency[D].Princeton University,2012.

[15]Bertozzi M,Broggi A,Cardarelli E,et al.VIAC Expedition Toward Autonomous Mobility[From the Field][J].IEEE Robotics&Amp Amp Automation Magazine,2011,18(3)：120-124.

[16]Chang B R,Tsai H F,Young C P.Intelligent data fusion system for predicting vehicle collision warning using vision/GPS sensing[J].Expert Systems with Applications,2010,37(3)：2439-2450.

[17]趙盼.城市環(huán)境下無(wú)人駕駛車(chē)輛運(yùn)動(dòng)控制方法的研究[D].合肥：中國(guó)科學(xué)技術(shù)大學(xué),2012.

[18]張鵬飛,何克忠,歐陽(yáng)正柱,等.多功能室外智能移動(dòng)機(jī)器人實(shí)驗(yàn)平臺(tái)——THMR-V[J].機(jī)器人,2002,24(2)：97-101.

[19]楊明.無(wú)人自動(dòng)駕駛車(chē)輛研究綜述與展望[J].哈爾濱工業(yè)大學(xué)學(xué)報(bào),2006,38(8)：1259-1262.

[20]孫振平,安向京,賀漢根.CITAVT-IV視覺(jué)導(dǎo)航的自主車(chē)[J].機(jī)器人,2002,24(2)：115-121.

[21]Li Q,Zheng N,Cheng H.Springrobot：a prototype autonomous vehicle and its algorithms for lane detection[J].IEEE Transactions on Intelligent Transportation Systems,2005,5(4)：300-308.

[22]鄧劍文,安向京,賀漢根.基于道路結(jié)構(gòu)特征的自主車(chē)視覺(jué)導(dǎo)航[J].吉林大學(xué)學(xué)報(bào)(信息科學(xué)版),2004,22(7)：425-419.

[23]彭新榮,楊明,謝強(qiáng)德,等.一種基于可靠預(yù)約ALOHA的智能車(chē)多車(chē)協(xié)作通信協(xié)議[J].上海交通大學(xué)學(xué)報(bào),2010,44(9)：1211-1216.

[24]徐友春,常明,劉洪泉,等.獵豹智能車(chē)無(wú)人駕駛系統(tǒng)總體設(shè)計(jì)[J].汽車(chē)工程,2006,28(12)：1081-1085.

[25]安吉堯,文桂林,盧遠(yuǎn)志,等.用于車(chē)輛自主導(dǎo)航的多傳感器數(shù)據(jù)融合方法[J].汽車(chē)工程,2009,31(7)：640-645.

[26]李舜酩,沈峘,毛建國(guó),等.智能車(chē)輛發(fā)展及其關(guān)鍵技術(shù)研究現(xiàn)狀[J].傳感器與微系統(tǒng),2009,28(1)：1-4.

[27]馬飛躍，王曉年.無(wú)人駕駛汽車(chē)環(huán)境感知與導(dǎo)航定位技術(shù)應(yīng)用綜述[J].汽車(chē)電器，2015（1）：1-5.

[28]徐德，鄒偉.室內(nèi)移動(dòng)式服務(wù)機(jī)器人的感知、定位與控制[M].北京：科學(xué)出版社，2008：150-153.

[29]Satumino M B,Sergio L A,Pedro G J.Road-Sign Detection and Recognition Based On Support Vector Machines[J].IEEE Transactions on intelligent transportation systems,2007,8(2)：264-278

[30]王東署，王佳.未知環(huán)境中移動(dòng)機(jī)器人環(huán)境感知技術(shù)研究綜述[J].機(jī)床與液壓，2013,41（15）：187-191.

[31]辛江慧,李舜酩,廖慶斌.基于傳感器信息的智能移動(dòng)機(jī)器人導(dǎo)航研究[J].傳感器與微系統(tǒng),2008,27(4)：4-7.

[32]Shen H,Li S,Bo F,et al.Intelligent vehicles oriented lane detection approach under bad road scene[C]//Computer and Information Technology,2009.CIT'09.Ninth IEEE International Conference on.IEEE,2009,1：177-182.

[33]Baber J,Kolodko J,Noel T.Cooperative Autonomous Driving：Intelligent Vehicles Sharing City Roads[J].IEEE Robotics&Automation Magazine,2005,12(1)：44-49.

The Research Progress in Unmanned Ground Vehicle and Key Technology

ZHU Bing-xian,ZHANG Peng-fei
(China North Vehicle Research Institute，Beijing,100072)

Unmanned vehicle is one a very important direction for ground mobile robot.Based on Li-terature studying，this paper analyses the development status and key technology of unmanned vehicle at home and abroad on the ground research progress,proposes the future trends of unmanned vehicles and 3 key technology problems,and provides some references for further study.

unmanned ground vehicles;environment perception;information fusion;autonomous driving

TP242

A

〔責(zé)任編輯 王東〕

1674-0874(2017)01-0066-05

2016-12-16

國(guó)家自然科學(xué)基金[61673069]

朱炳先(1994-)，男，山西原平人，在讀碩士，研究方向：車(chē)輛電子控制技術(shù)。