无人驾驶的青春

无人驾驶的青春（精选12篇）

无人驾驶的青春 篇1

无人驾驶地铁列车是采用高度自动化的先进地铁系统, 由地铁控制中心用大型电子计算机监控整个线路网的站际联系、信号系统、列车运行、车辆调度等, 完全实现了自动化的列车营运。地铁车辆本身能够自动实现休眠、唤醒、准备、自检、自动运行、停车和开关车门, 以及在故障情况下实现自动恢复等功能, 乃至完成无人自动洗车等。

广州无人驾驶地铁列车采用庞巴迪技术, 模块化设计, 车身具有优良的气动外形, 车体采用铝合金外壳, 每节车辆长度12.75米, 宽度2.85米, 车高3.39米 (图1) 。车厢按防火安全标准设计, 每侧开设2道外滑式双开门;轴距7.58米, 轮距2.02/2.05米, 整车 (空车) 重量15.2吨;车辆导向采用中央导梁, 配置2组转向架, 采用平行连接、气动弹簧悬挂, 再生/动力/摩擦制动;每节车厢配置4条载重防暴轮胎, 8个聚氨酯导轮。

2007年5月, 庞巴迪运输集团与广州地铁公司签订了合同, 向广州市提供INNOVIA APM100全自动旅客捷运系统, 服务于珠江新城核心区, 连接着著名的中心商务区和繁华的天河商贸区。该核心区全线长达4公里, 为折返式回路, 共有9个车站, 其中4个换乘站, 可换乘广州地铁1号、3号、5号线。图2为该无人驾驶地铁车厢内布局。广州地铁公司为这条线路配备了14辆INNOVIA APM100车辆, 采用CITYFLO 650自动列车控制技术, 供电采取10KV/600Vac, 电力采集采取600Vac/三相/带独立接地线, 牵引变电站采取双端交流变电站。该无人驾驶地铁列车采用特殊橡胶轮胎行走, 可降低运行噪声与震动;同时可不设置专门的行车轨道, 可在混凝土路面上实现行走。该车通信系统采用车载闭路电视、车载电话、车载无线电通信设备、乘客信息显示系统。运行线路为双隧道地下线, 设计最高行驶速度60公里/小时, 最高营运速度55公里/小时, 商业旅行速度20公里/小时。初期无人驾驶地铁列车采取2辆编组, 每小时单向运量4 500名乘客, 日均5万人次。远期采取3辆编组, 每小时单向运量10 028名乘客。

我国现已完全掌握了无人驾驶地铁列车系统的核心技术, 并由中国北车研制出了首列无人驾驶地铁列车, 亮相于2014中国国际轨道交通展览会。这列3节编组的国产地铁列车, 外观与普通地铁相似, 但是却不设驾驶室, 传统的驾驶室被精简了, 成了开放式空间, 宽敞的车首能让站立的乘客透过风挡玻璃直观沿途风景。该无人驾驶地铁列车的车厢内布局与普通地铁车厢相同, 乘员由两侧门进出车厢, 两旁设长条椅, 中央通道, 站立位混合设置。图3为无人驾驶地铁列车的侧车门和应急车门。整个地铁列车编组的最大载客量达1 500人。

该地铁列车编组运行无需司机和乘务人员的介入, 便能实现列车的自动唤醒、自行发车离站、上下坡行驶、转弯行驶、到站精准停车、自动开闭车门等操作, 一切井井有条。为了确保其运行安全, 列车上都安装了路况摄像机, 以方便车辆控制中心适时观察轨道信息。在紧急情况下, 车辆控制中心可利用紧急报警装置同乘客直接对话, 进一步提升地铁运行的安全性。

与传统的有人驾驶地铁列车相比较, 无人驾驶地铁列车有其优势:能够减少人为因素影响——降低风险, 减少驾驶员情绪波动、操作遗忘、失误、疲劳等;系统闭环控制精确无误——系统可得到超前、滞后、反馈、补偿控制, 确保安全、准点;精简机构节省人力资本——防止站点分散, 机构庞大, 人浮于事, 效率低下, 在减少随车乘务、现场管理人员的同时, 大幅节省费用开支;遭遇紧急情况正确应对——通过对车载系统的冗余配置, 能在紧急情况下快速响应, 果断地采取正确的应对措施, 从而避免事故的发生;具备自行修复故障能力——通过对车载系统的自检和诊断, 事先发现故障苗子, 自行排除故障, 并修复自愈, 确保车辆运行的安全性和可靠性;使得重复操作规范有序——变枯燥乏味操作为全程的认真负责, 永恒的一丝不苟;有利于智能化推广应用——促进核心技术普及, 加速交通运输高效、节能、环保;有助地铁技术发展提高——面向高端, 面向综合, 面向未来, 推进学科可持续发展。

无人驾驶地铁系统作为一种全新理念、先进技术的客运交通客运模式, 代表着城市轨道交通发展的新方向。广州无人驾驶地铁系统的示范作用正在助力国内的一些省市完善都市大交通布局。香港地铁有限公司2011年与中国北车的长客股份签订了地铁列车采购合同, 其中运营于南港岛线的地铁将采用全自动无人驾驶。现在, 不仅国内一些城市非常看好国产的无人驾驶地铁系统, 而且国外城市也非常看好我国制造的无人驾驶地铁系统, 正积极酝酿引进成套产品和技术。新加坡陆路交通管理局 (LTA) 已经与我国南车四方股份公司签订合同, 购买91列364辆无人驾驶地铁车辆, 一方面着手地铁的更新换代, 另一方面充实和完善城市交通动脉。这批新一代的无人驾驶地铁车辆, 采用铝合金车体, 每侧设置5扇车门, 可方便乘客进出车厢, 快速换乘。新车的最高运行速度为90公里/小时。由于车上还采用了新的电流再生技术, 因此, 具有更好的节能特性。

目前, 全世界有30多个机场设有自动化运输系统, 约20条城市轨道交通线采用全自动无人驾驶。有更多城市在考虑将传统的地铁系统改造成全自动无人驾驶的轨道交通系统, 如法国巴黎、马赛、里昂, 德国的柏林、汉堡、法兰克福等。非常看好国内将有更多都市能陆续启用全自动无人驾驶地铁系统的营运, 以赢得更佳的社会效益和经济效益。

无人驾驶的青春 篇2

无人驾驶的客船

我做的这艘“未来改造1号”是一艘高级客船，这艘船与其他船不同的.地方有二个方面：第一、这艘客船可以无人驾驶，为什么呢？因为这艘是由太阳能带动的，太阳能吸收热量产生电流，传到螺旋桨，使螺旋桨产生动力，推动船，使船动起来，看完上面的你一定会想：那船怎么停下来呢？这一点我也想到了，既然是利用热能来发电的，那么遮挡住太阳不就行了，你肯定有会想：怎么控制方向呢？我的答案是计算机。第二、这艘船可以在晚上使用，为什么呢？因为晚上没有太阳了，螺旋桨不能产生动力，使船动不起来，这时安装在船内的蓄电池产生作用了，（蓄电池是一种可以保存电力的电池）把保存的电力输入到螺旋桨，使螺旋桨产生动力，推动船，使穿动起来。

这就是“未来改造1号”。

五（3）班

无人驾驶的牛股 篇3

今年国际消费电子产品展（CES）在美国拉斯维加斯举行，据悉，届时将会有多家企业在此次展会上发布无人驾驶汽车相关产品。彭博社报道，谷歌公司与福特汽车将在此次展会上宣布成立无人驾驶技术合资企业，而中国的百度公司也成立了自动驾驶事业部，计划在未来3-5年内实现无人驾驶汽车的商业化。无人驾驶是汽车行业向着智能化和互联化转型的大势所趋，是汽车发展的终极方向。据麦肯锡预测，预计到2025年无人驾驶汽车可以拥有2000亿至1.9万亿美元的产值。

《英才》将为投资者推出无人驾驶汽车方面的概念股，在A股市场中，无人驾驶汽车概念股有数十家之多，这给投资者甄别带来了巨大困难，《英才》记者综合公司过往业绩及其新产品的市场定位为投资者精心挑选出七家质地优良的公司，希望对投资者的投资有所帮助。

科大讯飞（002230.SZ）

概念股指数：★★★★★

这家公司的主营是语音核心技术及其相关产品研发、生产与销售。看起来与无人驾驶并没有直接关联，但是不要忘记要想和无人驾驶汽车实现人机交互，靠打字和触摸屏可就太LOW了，语音的交流控制必不可少，所以科大讯飞作为该领域的领军者有着自己独特的市场位置。科大讯飞预计2015全年业绩增长幅度在0-50%，这已经是其连续第四年实现业绩增长，势头之猛令竞争对手望尘莫及。科大讯飞重点聚焦人工智能的三大领域， 包括人机交互，知识管理和推理学习，并推出了这三大类别的新产品。其中AIUI，即一种新型的人机交互方案，可显著改善语音识别功能，尤其是在噪音环境下的远程互动以及多种方言识别，并可将单工（一问一答形式）转换为双工（同时听说）互动。这一新品的开放对于科大讯飞占领无人驾驶人机交互市场有着积极意义。

均胜电子（600699.SH）

概念股指数：★★★★★

公司主营汽车电子业务，在未来几年，公司将重点发展核心汽车电子产品和几点集成系统，以满足新能源市场和技术的需求。公司是国内第一家向宝马公司提供电池管理系统的汽车零部件企业。公司最新推出的48V弱混电源管理系统为欧系整车厂商提供了针对弱混吸引的解决方案，处于全球领先水平。近期公司的公告称，公司获得了特斯拉的业务订单。第十六届上海国际汽车工业展览会上，公司董事长王剑峰称，均胜将继续在智能驾驶、新能源汽车、工业机器人和功能件总成这四个领域壮大发展。未来车联网和汽车配套软件领域将是公司产品寻求突破的方向。

欧菲光（002456.SZ）

概念股指数：★★★★

公司主营精密光电薄膜元器件的研发、生产和销售，业绩最近几年呈现爆发式连续增长。精密光电膜与无人驾驶汽车有什么联系呢？首先，车载的互联终端肯定是要用到欧菲光的产品，其次就是ADAS系统需要有欧菲光的产品辅助。什么是ADAS系统？其实就是大家平时熟知的高级驾驶辅助系统，欧菲光可以在这方面提供诸如摄像头等设备。公司的双摄像头技术逐步成熟，远景拍摄无须数码对焦，能更好适应低光环境，可实现3D拍摄。公司抓住了触摸屏，摄像头，指纹识别三个市场机遇，而公司已经做好准备迎来二次创业，进军汽车电子市场。

保千里（600074.SH）

概念股指数：★★★★

公司是国内电子视像领域掌握技术较为全面的企业之一，拥有全天候的成像、主动安全防范、智能显示终端等跨界功能的一系列产品。2015年12月21日公告称，公司拟募近20亿元构建“智能硬件生态圈”，为顺应“硬件智能化”和“互联网+”的发展趋势，公司制定了在车用智能硬件，商用智能硬件，移动智能硬件领域建立“智能硬件+互联网”的战略构架，具体以汽车主动安全系统，智能商用显示系统，移动手机打令为入口，构建后台云端大数据服务系统。公司表示，通过构建“智能硬件生态圈”，将提升硬件的竞争力，推动智能硬件销量的大幅提升。

亚太股份（002284.SZ）

概念股指数：★★★

公司主营汽车制动系统的开发、生产和销售。2015年12月公司发布公告称拟向Elaphe投资1000万欧元（约合人民币6847万元），获得其20%的股权，同时双方约定将在中国设立合资公司，实现轮毂电机本土化。2015年公司连续参股ADAS模块及产品内龙头向前创启。积极布局环境感知、主动安全控制及驾驶互联网等智能驾驶领域，并延伸航天军工产业的产品研发和供应。公司在相关业务方面都加大了研发投入，技术储备不断增厚，进一步提升公司综合竞争力。

金固股份（002488.SZ）

概念股指数：★★

公司主要从事汽车钢制车轮的研发、制造和销售。2015年公司公告称拟以1.25亿元增资南方担保，布局汽车金融。未来几年，公司将致力于成为互联网汽车生态圈的构建者，整合和分享平台，布局汽车后服务市场。公司表示，通过对南方担保的战略投资可以在互联网汽车金融方向进行合作布局，与金固旗下特维轮网络汽车超人平台有协同效应，围绕汽车超人平台后服务的优势和车主聚集的优势，用互联网工具改造汽车金融行业，为平台用户，供应商和服务商提高更多的金融增值服务。

四维图新（002405.SZ）

概念股指数：★

无人驾驶车图像采集的失真矫正 篇4

车道保持是关键技术, 而摄像头可以很好地配合实现此技术, 将摄像头安在车前捕捉路况, 用GPS地图数据预知转弯处的情况。由于投入大安装复杂且维修困难, 不宜采用雷达和激光作为传感器。摄像头收集到的更像驾驶员所见, 对增加虚拟驾驶员有很多好处。

摄像机利用光学成像原理, 是典型的光学系统[2]。对于焦距短视野宽的广角短焦镜头[3]容易失真。在分辨、识别这类图像时, 由于分界模糊会带来系统的混乱或错判, 这将给无人驾驶车的正常行驶造成无法预测的后果。所以, 必须要改善图像获取、分辨、识别、匹配等分析的精确性。

1 摄像头图像存在的失真问题

摄像头收集图形如图2所示。图中倾斜的直线被拍摄成为垂线, 远处物体被压缩导致面积变小。成像是近大远小的, 远处的视野比较宽, 根据摄像头的原理, 视野需要转化为数据存储在像素里, 由于行像素基本是固定不变的, 从而导致图像中的参数在根据几何关系计算时产生误差。就形成了梯形失真。

摄像头还存在桶形失真, 在采用广角镜头时表现最明显。广角镜头视角宽景深大, 易稳定画面, 有近距离表现大范围景物的特点。这种前景大远景小的效果可能会过度放大物体而产生桶形失真。

2 摄像头图像失真问题解决方法的研究

修正系数法对于每行的像素点值经一个修正系数进行运算, 具体的数据可以由实验确定。为了简化计算过程, 修正系数最好是线性的, 然而线性修正无益于桶形失真。

非均匀采集法取样主要针对摄像机中AD模块而言。如图3所示, AD模块所采集的行并不是均匀地从上到下分布, 而是远处采样密集, 近处采样稀疏。其中行分布规则是为了满足图像纵向是不失真的。之后, 确定横向矫正参数, 对每一行进行处理。

此方法需要进行摄像机标定。摄像机标定是指通过实验确定摄像机内外参数。摄像机标定的方法有三类:第一类是通过已知结构和尺寸的标定块在图像中投影来计算;第二类是控制摄像头的运动获取多幅图像来标定;第三类利用对图像中物体的先验知识。无人驾驶车上采用第二种方法较好, 这样既不用标定块也不需要对图像作出先验, 只需控制摄像头做条件已知的运动。

光路理论图法根据光学知识建立摄像头光学模型图, 从中寻找必要的函数关系。该方法有一定可行性, 但是函数关系复杂就无法进行处理了。

几何不变量是一种视觉不变量, 数字视觉研究并找出图像中隐含的物体或映射变换过程中的一些不变量。几何不变量是一类物体的共同性质, 不随光心或物体姿态的变化而改变, 它可以被用于识别检测图像中的物体。不变量性质通常是作为判别物体的一个重要条件。距离间的比率是采用比例的思路寻找到的通用不变量。在物体图像中找出至少三个特征点, 并测量出它们之间距离的比率, 我们就能用单一的判据唯一地识别物体。它不受物体的二维位移和方向影响且与物体的外观尺寸大小无关。这种方法没有明显的缺点, 可作为无人驾驶车图像处理的可行方案。

3 图像噪点处理方法

由于环境因素的不确定性, 图像获取的过程中会受到噪点影响。

锐化滤波主要增强图像的高频信息, 削弱或消除低频分量, 这种方法忽略边缘外的像素, 使其灰度值近似为零, 突显了图像边缘信息。可见该方法不适宜于无人驾驶车, 且可能会加大噪声影响。

平滑滤波增强图像中低频分量, 抑制高频分量, 主要用于处理噪声。平滑滤波会使整个图像平滑, 同时轮廓也会变得相对模糊。

均值滤波是线性图像增强法, 用滤波模板的中心点在图像中上下左右平移, 每次平移一个像素点, 然后取所有像素点的平均值作为图像中心点的像素值, 直到最后一个像素点为止。均值滤波有效去除了噪声, 平滑了图像。然而和很多具有线性滤波特性的滤波器一样, 都具有一定的低通特性, 在去除噪声的同时使得图像的边缘变模糊了。

中值滤波方法可以克服上述局限, 做到有效去噪的同时又保留图像边缘的信息。中值滤波是非线性的, 其基本原理是围绕图像的一个像素点创建邻域, 然后对邻域中的值从大到小排序, 取其中间值替代该点的值。

中值滤波应用于二维非常容易, 采用二维窗口即可。可行的一种方案是采用3*3、5*5、7*7、9*9等模板在原始图像上移动, 取模板中所有像素灰度值的中间值作为中间像素点的灰度值。在这种方法里面, 窗口内各点对输出的作用是相同的。如果想强调距中心点比较近的点的作用, 可以采取加权中值滤波法, 该方法采用一定算法增加中心附近点值的个数, 然后处理扩大的数字集域。

4 对图像区域进行研究的图像分割

在摄像机获取的原始图像中, 目标区域与背景区域往往是连在一起的。为了能够对其中的特殊目标进行分析和研究, 可以采用图像分割技术。

图像分割是把图像分解成一些特定的性质相似的部分 (区域或对象) , 并用这些部分对图像进行分析。边缘检测主要是通过找出图像中感兴趣的目标或者物体的边缘像素点从而形成目标或物体边界的过程。最常用的方法是通过对图像中所有像素点计算一阶或二阶的数字导数来实现的, 即利用二维的一阶梯度算子或二阶的拉普拉斯算子来实现。

至今, 大多数的图像分割算法都针对具体的情形而言的, 还没有产生公认的标准和适用于所有情况的最优分割算法, 因此需要根据无人驾驶车实际路面来选取适当的图像分割算法, 才会取得理想的效果。

5 结束语

无人驾驶车的前景是可观的, 摄像头图像采集可以很好地适用于无人驾驶车。摄像头图像失真包括梯形失真和桶形失真。图像的畸变问题采用非均匀采集法或者几何不变量的方法可以得到很好的效果。噪点方面, 采用中值滤波进行处理。图像分割技术的应用应看车辆行驶的具体情况而定。摄像头图像采集失真矫正问题的研究将会促进无人驾驶车领域的发展。

参考文献

[1]乔维高, 徐学进.无人驾驶汽车的发展现状及方向[J].上海汽车, 2007, 6月刊:40.

[2]郭振东.无人驾驶汽车路径识别算法研究[J].汽车电器, 2009年, 第5期:14.

无人驾驶汽车安全吗 篇5

无人驾驶汽车是智能汽车的一种，也被称为轮式移动机器人。

随着无人驾驶技术的不断发展与成熟，无人驾驶测试车辆已正陆续走上街头。

无人驾驶到底是怎样的.一个行驶模式呢?在技术成熟后，无人驾驶汽车到底安不安全?

从20世纪70年代开始，美国、英国、德国等发达国家开始进行无人驾驶汽车的研究，在可行性和实用化方面都取得了突破性的进展。

中国从20世纪80年代开始进行无人驾驶汽车的研究，国防科技大学在1992年成功研制出中国第一辆真正意义上的无人驾驶汽车。，首辆城市无人驾驶汽车在上海交通大学研制成功。

在现阶段，无人驾驶并没有完全掌握在试验阶段所学的所有驾驶技能，尤其是在没有司机的情况下，并不能完全通过安全上路测试。

自动驾驶，还是无人驾驶？ 篇6

自动驾驶不是无人驾驶的过渡阶段

当前，车企和互联网公司虽都大举发力自动驾驶技术，而他们在观念上还有一个区别。车企更多还是希望自动驾驶要发挥辅助驾驶人开车的作用，车上要有驾驶人，所以他们更愿意把自己的技术称为智能驾驶辅助技术。而互联网公司则更多希望能实现完全无人的自动驾驶，车上不必有驾驶人。

有一种观点认为现在的诸种驾驶辅助技术是最终实现无人驾驶的起步阶段。随着自动驾驶程度越来越高，汽车行驶过程对驾驶人参与度的需求会越来越低，紧随高度自动驾驶而来的则是无人驾驶。我认为自动驾驶不是无人驾驶的过渡阶段，而是最终形态。即使汽车完全可以不依赖人力而驾驶，它还是需要给驾驶人留下一席之地。人们开车的需求不仅是到达目的地，享受驾驶本身的乐趣也是一个重要需求。而一辆无人驾驶的汽车在一些人看来，也许就是一个运输人的高科技集装箱。他们或许不大愿意花钱买个集装箱。未来汽车发展的目标应该是，人们不想开车的时候，自动驾驶技术完全成为一位虚拟司机把“主人”送回家。而人们想开车的时候还能自己驾驶车辆，自动驾驶技术此时只是辅助驾驶人更安全地驾驶。

未来无人驾驶汽车也会在一些特定的使用场景和需求下存在，比如公共汽车、危险环境中运行的特种车辆、供残障人士和老人使用的车辆等。日本是一个人口老龄化问题比较严重的国家，很多老人难以自己开车，出行不便。为解决这一问题，一些日本车企正在努力通过研发自动驾驶汽车来解决高龄人群开车难的问题。另外由于公共交通工具在行驶线路和路况上比较确定，在实现无人自动驾驶上的技术难度相对小些，所以一些地方也开始尝试无人自动驾驶公交车。目前在荷兰瓦赫宁根大学城内，两辆被称为“WEpod”的小型无人驾驶公交车已经在校园内投入使用，开始运送乘客了。这是欧洲第一次针对自动驾驶工具进行开放式测试。WEpod共有6个座位，配备了激光雷达、GPS定位系统来进行道路识别，另外利用3D地图同实际情况进行比对和判断。为了应对可能发生的紧急情况，WEpod上设计了3个按钮，方便在测试阶段供测验人员紧急刹车。出于安全方面的考虑，WEpod原本时速能达40 km/h，现在被限制在25 km/h的速度下行驶，另外在下雪、夜间等复杂情况下也会停止运营。

“能用”与“能商用”的差距

目前自动驾驶技术更多还是处于测试阶段，即使未来两三年开发出能用的无人自动驾驶技术，也不意味着能立即大规模商用。能用和能商用完全不是一个概念。商用不仅要求自动驾驶汽车在技术层面更稳定成熟，能经受大规模实践的考验，在价格上也要为市场所接受。目前高精度的激光雷达、高精度GPS和高精度惯性导航是比较主流的三种自动驾驶感知技术，而这三套设备的价格大概分别为人民币70万元、50～100万元、30万元。这些数字或许已经超过了很多消费者购买整辆车的预算。囿于价格因素，短时间内让自动驾驶大规模商用是很难的。另外除了技术成熟度、价格水平等因素外，无人自动驾驶汽车的商用普及还面临法律监管等方面的难题。

麦肯锡公司在其研究报告《2030汽车革命》中提出，完全的无人驾驶汽车在2020年前不太可能实现商业化。而ADAS（高级驾驶辅助系统）在自动驾驶技术发展过程中将扮演重要角色，它将有利于监管者、消费者以及主机厂逐渐熟悉与无人驾驶汽车交互、操控的方式。根据波士顿咨询公司发布的自动驾驶汽车专题研究报告，首批全自动驾驶汽车将于2025年正式上路。到2035年，全自动驾驶汽车的全年全球销量预计会达到1200万辆。

自动驾驶技术给人们带来的一大益处是解放了时间。人们在开车时一般除了听广播之外很难从事别的活动，而在无人自动驾驶技术的帮助下，人们则可以从方向盘前解脱出来，在车上办公、看书、看电影甚至睡觉。尤其对于那些经常开车或者堵车的人，无人自动驾驶可以为他们省出很多时间，在某种意义上甚至可以说延长了他们的“生命”。

高精度地图，让自动驾驶汽车“心中有数”

作为一种辅助驾驶技术系统，ADAS既是发展自动驾驶的必由之路，也是让人们体验自动驾驶魅力的现实途径。ADAS通过安装在车上的各种传感器，在汽车行驶过程中随时感应周围的环境，收集数据，对四周静止和运动的物体进行辨识、侦测与追踪，并结合导航仪、地图等数据，进行数据分析，针对可能发生的危险预先向驾驶人发出警示，甚至直接采取相应措施，比如刹车等。当前ADAS能够实现的功能，主要分为盲点监测、道路偏离预警、自动紧急制动、变道辅助、疲劳驾驶提醒和360度环视摄像监控等，主要目的就是辅助驾驶人更安全地驾驶，降低交通事故发生率。根据美国公路安全保险协会（IIHS）近日发布的一项研究结果，安装自动刹车系统的车辆能够有效降低发生低速追尾碰撞的几率。

ADAS技术本身也在不断完善，未来驱动ADAS技术升级的一大因素将是对高精度地图的有效运用。做好自动驾驶一方面要让汽车通过各种感应技术“看清”眼前的路，另一方面还要让汽车“心中有数”，就是要让高精度地图“藏”在汽车“心”中，让汽车沿着高精度地图所提供的虚拟轨道去行驶。让汽车“心中有数”的一大难点在于制作出能满足自动驾驶需求的高精度地图。高精度地图的采集精度要达到厘米级，而原来地图的采集精度在十米、一米就基本满足需求了。高精度地图能否包含道路坡度、弯道曲率等路况高级属性数据对完善ADAS的功能也非常重要，而这在实现上也是难度很大的。此外，为无人驾驶服务的高精度地图还要能实现及时更新，要能实时反映周遭路况的真实情况。

无人驾驶的青春 篇7

随着科技的日新月异和人类对自身生存环境安全重视程度的提高, 火灾报警及控制系统应运而生。近些年来, 该系统无论是在地铁、还是动车, 得到了更广泛的的应用, 到处都能够看见火灾探测装置。烟火报警系统能够在火灾的初级阶段探测烟雾粒子的存在, 对烟雾粒子的浓度进行分析, 从而对潜在的火情提供尽可能早的预警, 使人们能够及时排查烟雾来源, 在火情升级之前, 正确引导、安全疏散乘客, 保证列车的正常运营和乘客安全。

2 无人驾驶车辆介绍

无人驾驶地铁列车诞生在20世纪80年代。日本、法国和加拿大等国已采用无人驾驶地铁列车的最先进技术。这种高度自动化的先进地铁系统是由地铁控制中心用大型电子计算机监控的, 整个线路网的站际联系、信号系统、列车运行、车辆调度等也完全实现了自动化。无人驾驶列车通过计算机控制系统, 每趟列车的发车时间、始发和各个地段的速度、每个站点的停靠位置等都由电脑指挥, 使列车在运行中一直处于最优状态。无人驾驶最显著的特点是控制系统的操纵完全依照信号系统发送的行车指令信息。无人驾驶与有人驾驶相比具有明显的优势, 主要表现在安全性和可靠性高、列车能实现高密度运行、能降低建设投资和生命周期成本。下面就无人驾驶列车的特性和特点, 对无人驾驶车辆烟火报警系统进行设计与研究。

3 无人驾驶车辆烟火报警系统设计

3.1 无人驾驶车辆烟火报警系统防控区域

按照车体结构和车辆运行环境, 地铁车辆的火灾防控应分为车厢外部、车厢内部、车体下部三个防控区域。

3.1.1 监控车厢外部的火灾状态

无人驾驶地铁车辆是在地下受限空间内行使, 如果车外发生火灾, 有毒的烟雾气体会随着车辆进气系统进入车内, 对乘客人身安全造成伤害。因此, 一旦探测到车外有火灾发生, 应立即关闭整个车辆进风系统, 使有害气体不能进入车厢内。

3.1.2 监控车厢内部的火灾状态

地铁车厢内是乘客居身的场所, 也是车辆烟火报警系统监控的重要空间。车厢内部有配电系统、空调系统、乘客信息系统、驾驶操作系统等大量电器设备, 是火灾的隐患聚集地, 一旦发生火灾直接威胁乘客的人身安全, 所以在车厢内需要科学合理的安装火灾报警监控系统, 这是无人驾驶地铁车辆火灾报警的重要组成部分。

3.1.3 监控车体下部的火灾状态

无人驾驶地铁车辆由于其特定的结构, 使其牵引、制动控制、电源输入控制、电气连接切换件等大量电器设备下挂在车体下, 一旦形成火灾, 一是不易被人察觉, 二是在运行中的高速气流会使火焰迅速蔓延, 由此导致的恶性火灾事故几率很大。因此, 车体下也是火灾控制的重要区域。

3.2 系统框图 (如图1)

3.3 系统运行原理

正常情况:主机与所有探测器和从机之间通过RS485通信网络进行数据交换, 并上传至TCMS, 主机与从机处于互相监听状态。异常情况:当通信电缆断裂时, 主机只能与一部分探测器进行数据交换, 并上传至TCMS;从机监听不到主机发出的信号。应急情况:当从机在一定时间内一直听不到主机发出的信号, 则判断为当前主机异常, 随即从机自动升级为主机, 与另一部分 (离线的) 探测器进行数据交换, 并上传至TCMS。在当前通信电缆断裂情况下, 所有探测器状态信息都可以传至TCMS, 从而保证:火警状态仍然得到有效监控。

3.4 系统总体配置

每列车需要配置火灾报警控制器 (主机) 2台, 吸入式感温感烟探头16个。火警主机、从机以及探测器之间均通过RS485方式组成火灾报警控制系统的内网。

3.4.1 系统采用两台主机的意义:

a.重新编组后, 火警系统不用调整拆卸, 自动生成新的火警系统。两台主机安装在两端头车上, 不论如何编组, 主机的位置不用调整。避免了采用一台主机, 会面临重新安装主机的麻烦。b.同时运行, 一台做工作主机, 负责全部主机功能;另一台做备份监听主机, 负责监听探测。一旦其中之一失效, 另一正常主机, 立即承担主机功能, 维持系统继续正常运行。同时报出“主机故障”状态信息, 提醒运行人员及时进行维护。

3.4.2 系统报警传给ATC的意义

由于无人驾驶车辆并无司机驾驶, 如若系统报警其报警信息只能通过TCMS传送到OCC, 一旦TCMS故障将会直接影响乘客安全, 所以烟火报警主机不但要与TCMS通过MVB通讯, 也同样需要I/O借口与ATC进行通讯实现系统方案的冗余。

系统的可靠性设计:无人驾驶列车的启动、运行与停止全部由地面端进行控制, 因此对整套系统的安全控制要求非常高。为了保证无人驾驶列车的安全性, 无人驾驶列车烟火报警系统应充分考虑到系统的安全性、可靠性、稳定性。下面就以网络系统安全性为代表进行分析与探讨。a.该系统自成体系, 可以独立工作, 即使与TCMS通讯中断, 系统仍能正常监控火灾状态。b.两主机管理, 一主一备, 增强了系统的可靠性。c.区域性的布控, 防护范围全面, 火灾发生时, 能够显示明确的火灾发生部位, 便于及时查找、消除火灾隐患。d.变点式探测器靠自然弥漫被动方式改为主动吸入式探测, 增强了该系统对地铁车辆运行环境的适应性, 实现火灾早期探测, 使火灾造成的损失最小。e.多项防误报措施:全面而有效的的电磁兼容设计;空气灰尘过滤措施, 防止探测器污染;对人为突发性烟雾的处理技术。f.抗冲击振动的结构设计。g.配线简单:车厢之间的探测器和主机连接仅用两根 (RS-485) 通信线缆, 降低车辆的配线工作量, 增强了系统可靠性。h.主机、从机及探测器均加强了电源净化处理, 提高系统运行的可靠性。i.系统低功耗设计。j.火灾报警系统的软件其安全性等级应满足EN 50128中SIL2级的要求。

4 系统的远程控制

无人驾驶车辆的烟火报警系统主要通过ATC和TCMS上报和接受信息:a.与TCMS接口。当有探头报警时, 火灾报警主机通过MVB接口将发生火警探测器位置、火警信息发送给TCMS系统, TCMS将会通过Radio将此信息发送给OCC, 这样相关人员便能及时的得到火警信息。也可通过此通道对客室的摄像头进行控制, 观察客室内的火警情况。b.与ATC接口。由于无人驾驶车辆无司机驾驶, 考虑到安全性, 一旦TCMS失效, 烟火信息可通过与ATC的硬线接口向OCC传送, 而且OCC也可通过此通道对烟火报警系统进行远程复位。

5结论

早在十年前上海磁悬浮列车成为国内最早实现无人驾驶的列车, 近几年无人驾驶列车在国内地铁行业迅速发展, 上海地铁十号线成为国内首条地铁无人驾驶列车, 目前香港也快速跟进。无人驾驶列车的发展必然带动相关技术和产业的进步, 本文对无人驾驶列车中的烟火报警系统进行了整体架构的设计与研究, 希望通过此文能进一步促进无人驾驶列车烟火报警系统的完善。

参考文献

无人驾驶汽车的发展及可行性 篇8

关键词：无人驾驶汽车,可行性,发展方向,发展现状

0 引言

近年来, 随着互联网技术的迅速发展, 汽车工业也迎来了发展的机会。而无人驾驶汽车便是最热门的发展方向。无人驾驶汽车是一种智能汽车主要依靠车内以计算机系统为主的智能驾驶仪来实现无人驾驶。它利用车载传感器来感知车辆的周边环境并通过感知获得的道路、车辆信息来控制车速和转向, 从而安全、可靠地在道路上行驶[1]。由此可见, 无人驾驶汽车有着很好发展前景。

但与此同时, 人们也存在着对无人驾驶的担忧:这些传感器、驾驶仪真的能够代替人类的大脑吗?我们把自己的生命交给这些机器真的可行吗?虽然在理论上以无人驾驶汽车的精密度可以减少大量的交通事故, 但如果无人驾驶汽车发生了交通事故, 谁将承担法律责任?

1 无人驾驶汽车的发展现状

国外的部分发达国家在上世纪七十年代就开始了对无人驾驶汽车的研究, 而且研发速度十分迅速, 许多汽车企业和IT巨头谷歌都争先研发, 并都进行了试验, 取得了不错的研究成果, 甚至部分已经得到了试验牌照或许可证。由此看来, 无人驾驶技术的完全实现主要是时间问题。

而我国无人驾驶技术的发展进程稍慢于发达国家, 主要由国防科技大学从二十世纪80年代开始进行无人驾驶技术的研究。2011年, 国防科技大学和中国第一汽车集团公司联合研发的无人驾驶汽车行驶的最高稳定速度为130km/h, 最高峰值速度为170km/h。2012年, 由军事交通学院研发的无人驾驶汽车也在京津间的高速公路完成了六个科目的测试[2]。但还是处于研发阶段且尚未形成市场。

虽然无人驾驶技术飞速发展, 但仍然存在着部分问题造成了无人驾驶技术的发展瓶颈。在技术方面, 目前所研发的电脑视觉系统还非常的低端和原始。一般无人驾驶汽车使用的激光扫描仪无法穿越固体障碍物, 如果前方有行人突然出现, 扫描仪是无法及时检测的[3]。也正是由于技术的不成熟, 在面对一些突发状况、恶劣天气时, 无人驾驶汽车很难立即做出正确的反应。因此无人驾驶技术还需要很大的进步才能使电脑利用信息做出正确的定位。另外, 现在的传感器十分昂贵, 也就造成了无人驾驶汽车的成本很高而且稳定性也不能完全符合要求, 只有对其进行更深一步的研究并降低成本才有可能让它出现在未来的市场上。

总之, 无人驾驶汽车的发展现状十分良好, 但在技术层次仍有不足, 这便需要时间去研究和进步。

2 无人驾驶汽车的可行性

如今无人驾驶技术飞速发展, 但无人驾驶技术真的可行吗?

有一部分人认为, 这项技术是可行的, 而且可以给交通带来巨大的便利。他们认为如果大多数汽车装上这套系统, 所有自动驾驶汽车的数据就可以通过无线方式共享, 网络系统就可以通过每辆车的周边路况对全部车辆进行调节, 从而预测车流量, 合理安排车辆的路线[4]。而另一部分人虽然了解这项技术的先进和创新性, 但在实践方面还要考虑许多因素, 毕竟路况随时是可变的而且十分复杂再加上电子病毒、恶劣天气等因素都会影响到无人驾驶的安全。

从现在的社会经济的发展来看, 无人驾驶汽车也不可能在短时间内普及。毕竟不可能所有地域的道路路况都能通过扫描仪、传感器来获取正确的信息。无人驾驶汽车不可能通过人的手势或言语信号来获取到信息, 这就导致在事故、建筑路段行驶时出现难题, 尤其是在手势与交通灯或标志有冲突时难以做出反应, 而这又是在大城市时常发生的。

而且在法律的伦理问题上也存在着矛盾, 在无人驾驶汽车出现事故之后, 就会出现承担责任的问题, 汽车制造商必定不愿冒险承担。而且外国的部分汽车生产商也对于全自动驾驶存在着分歧。例如奔驰就只是考虑加入少量无人驾驶技术而不会完全推行全自动汽车。如果连生产商都不敢直接加入全自动无人驾驶技术, 又怎么可能让无人驾驶汽车得到普及呢?

但毕竟技术在不断发展, 在技术成熟后无人驾驶带来的方便与安全必定能得到认可, 只是在短时间内上市是不可能的。

3 无人驾驶汽车的发展方向

无人驾驶的发展方向可以通过道路情况分为两类:高速公路上的无人驾驶系统, 城市中的无人驾驶系统。

高速公路上的驾驶环境和标志都较为良好, 但是速度很快, 而且对于驾驶员来说较为枯燥, 运用在这个方向可以很好地解决这个任务并提高交通效率和安全性。在结构化良好的高速公路上, 只要完成车辆识别和标志线跟踪便能实现全自动驾驶。

在城市中, 道路上的车辆和人群众多且环境复杂, 对传感器的感知和计算机系统的控制提出了更高的要求, 但是驾驶速度较慢, 因而比较安全可靠, 很有应用前景。

而在技术层面上, 要改善各种传感器和计算机的性能和降低他们的成本, 雷达等关键设备不能依靠进口, 要加强对基础设备和原材料的研究, 并且完善我国的北斗导航系统。

4 结语

无人驾驶汽车是未来汽车行业的发展方向, 相信随着经济和科学技术的发展, 无人驾驶汽车的普及不是梦。我国无人驾驶技术在不断地发展, 功能和可靠性也在不断完善, 产业前景十分美好。

参考文献

[1]乔维高, 徐学进.无人驾驶汽车的发展现状及方向[J].上海汽车, 2007 (07) .

[2]贾祝广, 孙效玉, 王斌, 张维国.无人驾驶技术研究及展望[J].矿业装备, 2014 (05) .

[3]杨帆.无人驾驶汽车的发展现状和展望[J].上海汽车.2014 (03) .

无人驾驶的青春 篇9

随着计算机技术和信息采集与处理技术的发展,以信息化技术为核心的精细农业逐渐兴起。其中,无人驾驶农业机械成为现代智能农业机械的重要组成部分,在自动喷洒农药、施肥、收割作业和插秧耕作等方面有着广阔的发展前景。要实现农业机械的无人驾驶,重点在于其导航研究。目前,机器视觉和GPS导航受到了众多研究人员的关注,而基于视觉信息的机器人控制方法是最具发展前途的导航方式[1]。

采用相对坐标的机器人视觉伺服导航具有很多优点。与GPS导航这种绝对坐标导航方式相比,其灵活性、实时性和导航精度更好。另外,机器人视觉导航系统在采集导航信息的同时还能采集有关农作物病虫害以及农田状况的图像,从而为精细农业提供更多的信息。

机器人视觉伺服是用视觉信息构成机器人末端的位置闭环控制,所涉及的研究领域主要有计算机视觉、图像处理、机器人动力学和控制理论等。对于农业机械的机器视觉导航,重点需要解决3个问题:一是图像处理,要求图像处理算法具有实时性和很强的鲁棒性,能够适应复杂多变的自然光线条件;二是导航规划,即根据图像处理得到的位置和姿态误差,产生适当的操向角,由于图像处理数据量很大,需要较长的计算时间,所以图像处理的结果有较大的滞后;三是控制系统需要快速准确地完成操作,控制导向轮完成转向。

1 系统组成

农业机械机器视觉运动控制实验系统由一台东方红-LF80-90通用型轮式拖拉机以及其上装载的计算机、CCD摄像机和电液控制系统等部分组成,如图1所示。

试验系统的工作原理如图2所示。通过安装在拖拉机前端的CCD摄像机采集前方场景中导航特征的图像,经过视觉图像信息处理提取导航基准,得出车辆当前的横向位置偏差和方向角误差,经导航规划器产生操向角,通过PID控制器、伺服比例阀和转向油缸组成的控制系统控制导向轮的转向角度,使拖拉机跟踪导航基准行进。

2 视觉系统

从视觉传感器得到的图像并不能直接为计算机所理解,因此有必要对图像进行进一步处理,从中得到能够表达用于控制所需的信息—图像特征。

目前,视觉伺服的大部分研究所采用的都是物体简单几何特征,如点、直线、圆、矩形、区域面积等局部几何特征以及它们的组合特征[2]。基于位置的控制方式需要在图像处理环节给出目标的空间位置或运动参数,最简单的办法就是利用物体的已知几何模型,根据投影变换关系及摄像机模型来求取。一般最少4个点才可以唯一确定物体的三维位姿。

图像特征的恰当选择对伺服系统的性能有很大的影响。实际应用中的物体其可见性经常会受到纹理、遮挡、噪声和光照等条件的影响,因此所获得的图像特征集合的可靠性不能得到保证。为此,经常采用冗余特征,依据抽取的可靠性在线调整所用图像的特征。此外,冗佘特征也可以提高系统的性能,抑制噪声的影响。

在农业车辆的机器视觉导航方法中,最简单的是采用人工标记线的方法,即车辆跟踪标记线控制方向,在标记线的引导下到达指定目标,完成作业。这种方法相对于其他人工标记方法而言,有设置路径标识简单方便和成本低的优点,但对作业环境有特别要求,一般用于地面条件良好的温室内。

由于局部特征容易受到外部噪声的干扰,笔者在视觉伺服中采用全局特征,就是对作业环境中的自然导航特征进行辨识,如田间作物的空间排列特征、已收割作物形成的边缘及田垄犁沟等。经过对这些导航目标图像的处理,形成导航基线来进行农业车辆导航。这种导航方法最适合复杂自然环境下的农田作业,但是要求图像处理算法具有很好的鲁棒性,能够在复杂的自然景物中可靠地提取导航特征。

在农业机械的作业过程中,由于农田作业自身的特点,由田垄、犁沟、行茬构成的实际引导线主要是直线和可以用多段直线拟合的小曲率曲线,所以在视觉导航中通过对直线特征的检测就可以得到导航的基准[3]。在直线特征的检测算法中,Hough变换通过将图像空间中的直线变换为参数空间的点,对所有可能落在直线边界上的点进行累加统计完成检测任务。由于这种算法利用了图像全局特性,所以鲁棒性很强,受噪声和直线间断的影响小,而且能够确定边界到亚像素级精度。笔者采用Labview与VC混合编程,开发了基于Hough变换和动态窗口的视觉图像处理算法,在室内、室外、晴天和阴天等不同情况下进行了试验。试验结果表明:在多种光线条件的自然环境中该算法都能可靠地工作。

由于Hough变换在对参数空间检测时要进行大量的统计计算,在仿真分析中也发现若图像处理的时间过长,则导航精度和稳定性都很差[4],因此采用了动态窗口跟踪和图像简化抽点技术,使每帧图像的处理时间在80-100ms以内,从而有效地防止了对场景中其他直线特征的误检。图3所示为Hough变换算法的处理结果。图3(a)为自然光条件下以路面伸缩缝为导航特征进行检测的结果,其中方框是跟踪导航特征的动态窗口,箭头表示了经视觉图像处理后检测到的直线特征。图3(b)为经Hough变换后得到的参数空间图像,为防止参数空间过大,用直线的极坐标方程将直线映射为正弦曲线,这样在图像空间共线的点就对应参数空间交于一点的正弦曲线,在参数空间中最亮的点就是检测到的导航直线。经透视关系几何变换,由检测到的(x,y)坐标可以得到车辆的横向位置偏差,由角度θ可以得到车辆的方向角误差。

在农业机械作业环境实际导航的过程中,采集到的图像要先经过预处理,对图像进行增强和滤波,去除场景中大部分的背景噪声干扰,然后提取导航特征的边界,最后通过Hough变换检测导航的直线特征,得到车辆位置和姿态误差[5]。

(a) 自然光 (b) 经Hough变换

3 控制策略

根据自动驾驶作业的目的和特点可知,对车辆的主要控制是有限的横向位置和方向角两个自自度的误差,因此可以采用预标定运动控制方法,即以实现运动控制为目的而进行图像的自动获取与分析。根据直接得到的图像反馈信息快速进行图像处理,得出在像平面上的反馈信息,构成农业机械的位置和姿态的闭环控制。由图像处理和分析理解获得的直线数学表达可以得到车辆方向角误差和横向位置误差。

模糊控制是应用模糊集合理论和模糊推理逻辑的一种控制方法,它是以人的经验和知识为依据,模仿人的思维方式和人的控制经验来实现的[6]。

视觉伺服控制的目标是使路标与采集图像的底边交点位于底边的中央位置,且路标与底边垂直。本文采用一个双输入单输出模糊控制系统,输入为横向位置误差和方向角误差,输出为操向角。控制系统图如图4所示。

4 试验

用建立的农业机械机器视觉导航试验系统进行了机器视觉导航的实车试验,在拖拉机后轮中心附近以油壶滴油标记拖拉机的运动轨迹,试验条件如下:

1) 阴天光线条件;

2) 直线跟踪长度为200m,以路面伸缩缝为导航特征;

3) 曲线的跟踪长度为200m,用电缆设置曲线引导线;

4) 速度为6.2 km/h。

在进行曲线跟踪试验时,若导航基线的曲率过大,会造成转弯半径过小,则摄像机捕捉不到导航基线,会造成导航失败。由于假设在实际作业时车辆是沿小曲率曲线作业,所以只有在导线的曲率设置较小时试验才能顺利完成。

5 发展方向

试验证明:利用计算机图像处理和识别技术,采用模糊控制策略, 可实现农业车辆的视觉伺服。本文采用的图像处理方法迅速可靠,模糊控制方法可行,具有较好的适应性和鲁棒性。

通过农业机械机器视觉导航系统的研究,笔者认为未来视觉伺服研究的发展方向如下:

1) 图像特征的选择问题。图像特征的选择与视觉伺服系统性能密切相关,不仅要从图像处理的角度来进行考虑,同时也要从控制的角度来进行考虑。从控制的观点看,冗余特征可抑制噪声的影响,提高视觉伺服性能,但又会增加图像处理的时间及难度,降低系统的动态性能。因此,如何选取性能最优的特征、如何处理特征以及如何评价特征是需要进一步研究的问题。

2) 视觉伺服中,在图像采集和处理、三维信息的重构等方面,要处理的信息量大,算法复杂多样,如果结合计算机视觉及图像处理的研究成果,建立机器人视觉系统的专业软件库和硬件系统,将能极大地提高伺服研究的效率和性能。

3) 多传感器融合。虽然视觉传感器有很多优点,但它也有一定的使用范围和局限性。因此,有必要和其他的传感器一起使用,发挥其他传感器的优点,进行互补,以提高机器人的感知能力,消除不确定性。

参考文献

[1]国际机器人联合会.世界机器人最新统计数据[J].机器人技术与应用,2001(1):6-10.

[2]章毓晋.图像理解与计算机视觉[M].北京:清华大学出版社,2000:164-165.

[3]余英林.数字图像处理与模式识别[M].广州:华南理工大学出版社,1990:169-175.

[4]任仙怡.一种新的相关跟踪方法研究[J].中国图形图像学报,2002(7):554.

[5]王志中.自动引导车辆转向系统的辨识建模[J].农业工程学报,1999,15(2):27-31.

深度学习在无人驾驶汽车中的应用 篇10

机器学习是无人驾驶技术成功地基础,深度学习是源于人工神经网络的一种高效的机器学习方法。深度学习可以提高汽车识别道路、行人、障碍物等的时间效率,并保障了识别的正确率。通过大量数据的训练之后,汽车可以将收集到的图形,电磁波等信息转换为可用的数据,利用深度学习算法实现无人驾驶。

1 无人驾驶汽车的工作原理

如图1所示,无人驾驶系统是由激光测距仪,视频摄像头,车载雷达,微型传感器,电脑资料库,电脑处理系统组成。

车顶上的激光测距仪发射激光射线,当激光碰到车辆周围的物体,又反射回来,计算出物体与车之间的距离。

前三后一的雷达布局,可以探测到较远的固定路障,使电脑处理系统能够预先进行处理,避开路障;当车道变换时,车后雷达探测左右后方是否有车,进行变道;并检测激光测距仪的盲点区域,防止侧面撞击;车前雷达,判断前方是否有路口,若有路口,将信息传递给电脑处理系统,进行判断处理;当前方有车刹车,车前雷达探知后,电脑处理系统会进行刹车判断;倒车时,后车雷达可以测量与障碍物之间的距离,判断倒车距离;后方有车时,由激光测距仪测出车间距离,电脑处理系统从电脑数据库提取数据进行处理,判断应保持多大的车间距。

如图2所示,另一套在底部的系统测量出车辆在三个方向上的加速度、角速度等数据,然后再结合GPS数据计算出车辆的位置,通过微型传感器监控车辆是否偏离所制定的路线,通过车载摄像机捕获的图像判断道路的宽度,红绿灯,所应处道路(例如:转弯道,待转弯区等)。车头会有两个摄像头,对道路地面进行判断,保障不同时占两车道、偏离路线,转弯进入转弯道,待转弯进入待转弯区;当通过红绿灯时,需通过雷达判断前方是否有行人、车辆;车载摄像机捕获的图像判断红绿灯;通过雷达测量距离,判断能否在红灯之前通过;若不能,则需计算应以多大的加速度进行减速,如图3所示。将这些数据与车载摄像机捕获的图像一起输入计算机,系统会以极高的速度处理这些数据。这样,系统就可以非常迅速的作出判断,达到无人驾驶的目的。

3 深度学习概念

3.1 深度学习基本概念

深度学习的概念源于人工神经网络的研究,是机器学习研究中的一个新的领域,其动机在于建立、模拟人脑进行分析学习的神经网,通过组合低层特征形成更加抽象的高层表示属性类别或特征,以发现数据的分布式特征表示。它模仿人脑的机制来解释数据,例如图像,声音和文本含。同机器学习方法一样,深度机器学习方法也有监督学习与无监督学习之分。不同的学习框架下建立的学习模型很是不同。例如,卷积神经网络就是一种深度的监督学习下的机器学习模型,而深度置信网就是一种无监督学习下的机器学习模型。

3.2 深度学习的算法原理

考虑这样一个计算集合,它可以被允许在每一个节点和可能的图结构中,并定义了一个函数族。输入节点没有孩子,输出节点没有父亲。如图4,对于表达sin(a2+ b a) 的流向图,可以通过一个有两个输入节点a和b的图表示,其中一个节点通过使用a和b作为输入(例如作为孩子)来表示b a ;一个节点仅使用a作为输入来表示平方;一个节点使用a2和b a作为输入来表示加法项(其值为(a2+ b a) );最后一个输出节点利用一个单独的来自于加法节点的输入计算SIN。传统的前馈神经网络能够被看做拥有等于层数的深度(比如对于输出层为隐层数加1)。SVMs有深度2(一个对应于核输出或者特征空间,另一个对应于所产生输出的线性混合)。

4 在无人驾驶汽车中的应用

在无人驾驶汽车通过雷达等收集到数据时,对于原始的训练数据要首先进行数据的预处理化。计算均值并对数据的均值做均值标准化、对原始数据做主成分分析、使用PCA白化或ZCA白化。例如:将激光传感器收集到的时间数据转换为车与物体之间的距离;将车载摄像头拍摄到的照片信息转换为对路障的判断,对红绿灯的判断,对行人的判断等;雷达探测到的数据转换为各个物体之间的距离。

如何将深度学习应用于无人驾驶汽车中,主要包含以下步骤:

a) 准备数据,对数据进行预处理再选用合适的数据结构存储训练数据和测试元组;

b) 输入大量数据对第一层进行无监督学习;

c) 通过第一层对数据进行聚类,将相近的数据划分为同一类,随机进行判断;

d) 运用监督学习调整第二层中各个节点的阀值,提高第二层数据输入的正确性;

e) 用大量的数据对每一层网络进行无监督学习,并且每次用无监督学习只训练一层,将其训练结果作为其更高一层的输入。

f) 输入之后用监督学习去调整所有层。

限于作者研究的局限性,本文以与行人之间的距离判断是否减速鸣笛和行驶中如何控制加速减速为例介绍深度学习在无人驾驶上的应用。

如图5,将前方有行人和与行人之间的距离作为是否刹车鸣笛的输入。通过大量的输入数据,第二层网络会将与行人间的距离中相近的划为一类,对不同的距离类进行监督学习,调整当与行人间的距离在多少范围内时,执行刹车鸣笛和以一定的车速前进,提高第二层分类和训练结果的正确性。假设,有n个数据,执行刹车鸣笛和以一定的车速前进的阀值均为0.5,此时是否刹车鸣笛这一节点,将这n个数分为几类,同一类执行相同的结果。若执行刹车鸣笛错误,则将这一类数据执行刹车鸣笛的阀值调低,执行以一定的车速前进的阀值调高。若同一类中执行同一结果,即出现执行刹车鸣笛错误,又出现以一定的车速前进错误,则将出现相同错误的划为同一类。

如图6,所示将周围车辆数和与最近车辆的距离作为应保持的车间距和行驶的速度的输入。通过大量的输入数据,第二层网络会将周围车辆数中相近的划为一类,对不同的数量类进行监督学习,调整当周围车辆数在多少范围内时,以多大的速度行驶,保持多大的车间距来判断是执行加速、减速或保持现速。假设,有k个数据,执行加速、减速和保持现速的阀值均为0.5,此时保持的车间距与行驶的速度这两节点,将这n个数分为几类,同一类执行相同的结果。若执行加速成功,则将这一类数据执行加速的阀值调高,执行减速和保持现速的阀值调低。若同一类中执行同一结果,即出现不同的错误,则将出现相同错误的划为同一类。

5 结束语

本文对当代社会对无人驾驶汽车研制的迫切需求,初步开展了深度学习在无人驾驶汽车中的应用研究。针对无人驾驶汽车上各个设备的作用采集的数据,用非监督学习对每层的数据聚类,监督学习调整每层之间的关系和各个节点的阀值来提高判断速度,保障了无人驾驶的行车安全性。因为无人驾驶汽车较为复杂,本文只提供了一种理论上的思考,尚未对在路口的无人驾驶控制等复杂情况进行研究,也未开展相关仿真验证工作,希望在后续工作中能够逐步开展。

摘要：本文针对当代社会对无人驾驶汽车研制的迫切需求,开展了深度学习在无人驾驶汽车中应用的研究。文章首先从无人驾驶汽车工作原理、体系架构设计,然后深度学习的基本概念、原理和一种算法思想,运用非监督学习对每层的数据进行聚类,监督学习调整每层之间的关系,并将之应用于减速鸣笛和行驶中的加速减速控制。

从“由人驾驶”到“无人驾驶” 篇11

“无人驾驶”弥补“由人驾驶”的不足

手握方向盘，目视前方，保持注意力，长时间重复而乏味的传统驾驶方式很容易让驾驶员产生疲劳感，甚至发生交通事故。无人驾驶汽车研发人员则致力于从安全、可靠、便利及高效等方面进行突破，弥补人工驾驶的不足，减少交通事故，将驾驶员从繁复的传统驾驶方式中解脱出来。

从20世纪70年代开始，美国、英国、德国等国家开始进行无人驾驶汽车的研究，在可行性和实用化方面都取得了突破性的进展。中国从20世纪80年代开始进行无人驾驶汽车的研究，国防科技大学在1992年成功研制出中国第一辆真正意义上的无人驾驶汽车。特别是在过去的几年时间里，无人驾驶技术的研发如火如荼，越来越多的国内外汽车企业开始涉足这一领域，无人驾驶技术取得了很大进展。

“无人驾驶”的三大系统

无人驾驶汽车综合利用自动控制、计算机科学、人工智能、电子信息和车辆工程等多门学科相关技术，利用车载传感器（摄像头、激光雷达、超声波传感器、微波雷达、GPS、里程计、磁罗盘等）感知车辆周围环境，并根据感知到的道路、车辆姿态和障碍物信息，控制车辆的转向和速度，从而使得车辆能够自主、安全、可靠地在道路上行驶。

无人驾驶汽车是一个综合系统，整体可分为环境感知系统、行为决策系统、运动控制系统。

★环境感知系统

人类在执行驾驶任务的过程中，需要实时观察和分析车辆自身的状态、路面、车辆、行人、交通标志、交通标线和交通信号灯等的状况，也就是对交通环境的“感知”。这种“感知”首先是通过感官（主要是视觉，还包括听觉、触觉和嗅觉）来获取信息，然后利用自身经验和逻辑推理来理解信息，并做出决策，力求安全平稳地驾驶车辆。

无人驾驶汽车在进行自主行驶的时候也需要对环境进行感知，进而根据所得到的有用的环境信息产生行为决策。无人驾驶汽车是通过车上配备的传感器来感知环境信息的，这些传感器主要包括摄像头、激光雷达、毫米波雷达、红外相机、光电编码器、GPS和惯性测量单元（Inertial Measurement Unit， IMU）等。其中，摄像头、激光雷达、毫米波雷达以及红外相机是用于获取环境信息，光电编码器、GPS和IMU是用于获取车身状态信息。

这些传感器依据不同的原理获取环境数据，获取数据之后，车载单元还需要采用一定的方法提取出数据中对于智能行为决策有用的信息，如探测到障碍物、检测车道线、检测和识别交通标志、定位和姿态估计等。

★行为决策系统

行为决策是指无人驾驶汽车根据给定路网文件，获取的交通环境信息和自身行驶状态，自主产生遵守交通规则的驾驶决策的过程。无人驾驶汽车行为决策系统主要包含全局路径规划（或任务规划）、行为规划和局部路径规划（或运动规划）。

路径规划的目的是在无人驾驶汽车行车之前找到一条“最优”的路径供无人驾驶汽车行驶。“最优”的标准可以是最短行车距离、最少行车时间、最低费用和最少拥堵等，当然前提都是保证行驶的安全性和遵守交通规则。全局路径规划和局部路径规划都是属于路径规划的范畴。全局路径规划为无人驾驶汽车的自主驾驶提供方向性的引导，确定其依次需要通过的路段和区域序列。行为规划是处于全局路径规划和局部路径规划中间的层次，行为规划根据全局路径规划确定的路径和当前的道路状况，确定当前无人驾驶汽车应该进入什么行驶模式，如路口左转模式、超车模式等。局部路径规划依照行为规划确定的当前行驶模式，结合环境感知获取的信息计算出局部范围内精确的行驶轨迹。无人驾驶汽车采取的是全局路径规划和局部路径规划相结合的方式。

★运动控制系统

运动控制系统是根据局部路径规划给出的行驶轨迹和速度规划以及无人驾驶汽车当前的位置、姿态和速度，产生对油门、刹车、方向盘和变速杆的控制命令，以跟踪规划出的行驶轨迹。当然，油门、刹车、方向盘和变速杆上需加装底层控制器和执行机构来执行控制操作。

除了增强无人驾驶汽车自身智能行为的能力以外，还可以采用道路交通智能化的方式，通过车与车通信（V2V）和车与交通系统通信（V2X）来获取车辆速度、实时路况等信息，从而提升整个交通系统的驾驶安全性和交通通行效率。

“无人驾驶”的现有问题

目前，无人驾驶汽车产业化的瓶颈问题主要有技术安全问题、过渡风险、成本问题、法律法规等。

1.如何消除强光照、积雪等恶劣行驶环境对无人驾驶汽车环境感知系统带来的影响；在复杂行驶环境下，如何感知人类手势信号，尤其是这些手势信号与交通信号灯或交通标志有冲突时。

2.如何解决无人驾驶汽车和传统车辆混合行驶阶段的转型期问题。

3.如何开发低成本、稳定可靠的传感器及软件。

4.市场准入标准、保险责任认定等法规难题。

虽然目前无人汽车产业化仍存在各种问题，但无人驾驶汽车实质上是建立在汽车主动安全技术、智能化技术逐步升级的基础上的，这些基础技术都可以帮助现有汽车带来技术上的逐步改进。随着无人驾驶汽车在高速公路等特定路段的实测成功案例的增多，随着相关技术的不断发展、进步以及法律法规的不断完善，相信在不久的将来，无人驾驶汽车就会走入人们的生活，服务人们的出行。

无人驾驶的青春 篇12

关键词：无人驾驶,城铁车辆,电气系统,牵引系统

引言

无人驾驶技术在国外有着成功的应用, 主要承担旅游观光线路的交通重任, 特别是在人力成本昂贵的欧洲等发达国家, 是否有无人驾驶的城铁车是衡量该城市是否处于欧洲前列的重要标志。全自动无人驾驶系统指的是完全没有司机和乘务人员参与, 车辆在控制中心的统一控制下实现全自动运营, 自动实现列车休眠、唤醒、准备、自检、自动运行、停车和开关车门, 以及在故障情况下实现自动恢复等功能, 包括洗车也能在无人操作的情况下完成。目前在我国尚未建设类似的项目, 主要原因之一是车辆设计、制造和维护等技术复杂, 国内各主机厂均无类似的产品, 但是随着经济的快速发展和国家对轨道交通领域的大量投入, 基于无人驾驶技术的城铁车辆在国内的大城市的上马已经提到议事日程。因此, 无人驾驶城铁车辆的技术方案须尽快确定, 并且对车辆的性能、质量、安全性、稳定性、舒适性等提出非常高的要求。本文将以承担旅游观光线路的无人驾驶城铁车为例, 研究分析车辆电气系统技术方案的组成。

1 列车编组方式和车辆型式

3辆/列:-Mcp+M+Mcp-;

-A+B+A-;

-:自动车钩;

+:半永久牵引杆;

M (B) 车:不带受电弓的动车 DK176

Mcp (A) 车:带司机室、受电弓动车的动车 DK177

2 车辆主要尺寸及限界

车体长度:M车, 21600 mm;Mcp车, 23030mm。

车辆高度:3727.5mm。

车体宽度:3120mm。

客室地板面距走行轨顶面高度:1110mm。

车辆两转向架中心距:15600mm。

固定轴距:2500mm。

列车两端车钩连接面间长度:69960mm。

车钩高度:790+10mm。

客室内净高:2070mm。

车轮直径:新轮时, 850 mm;最大磨耗时;775mm。

轮对内侧距:1360 (0~+2) mm。

3 主要技术

(1) 速度。最高设计速度:90km/h;最高运行速度:80km/h。

(2) 加速度。加速度大于1.1m/s2。

(3) 制动减速度。ATO常用制动率, 0.8m/s2;最大常用制动率, 1.35m/s2;紧急制动率, 1.4m/s2。

(4) 最大冲击率。0.8m/s3。

(5) 滑行等级。满载下4%。

(6) 噪声。按照ISO3381和ISO3095标准执行。

4 牵引系统的要求

牵引系统的主要作用是驱动车辆的运行, 其基本要求如下:

(1) 牵引系统为VVVF控制的交流传动系统。

(2) 采用微机控制的矢量控制。

(3) 列车控制采用总线控制方式, 网络系统具有冗余性。

(4) VVVF逆变器的功率元件采用大功率电力电子器件IGBT。

(5) 系统具有优异的空转/滑行控制功能, 即反应快速、有效、可靠的空转/滑行控制, 充分利用轮轨粘着条件。

(6) 动力制动应从85km/h到5km/H或更小均持续可用以降低制动闸片或闸瓦的磨耗, 在粘着限制内最大化的进行能量的再生。电制动应包括再生制动动电阻制动, 它们相互补偿, 并根据接触网的接受能力和下面描述的制动优先级来确定:在正常情形下, 再生制动在制动过程中具有第一优先权。

(7) 制动混合期间的响应时间应被降低到最小以促进平滑无冲动的操作。在特定的冲动限制内, 电制动应被尽可能地快速建立, 以最大化的使用再生制动, 最小化的降低摩擦制动的磨损。再生制动不应引起线电压超过1, 800VDC。

(8) 系统采用高速微机控制并具有自诊断功能和故障记录功能, 采用先进成熟的控制技术, 并具有完备的监控和系统保护功能, 故障记录可通过读出器下载。

牵引系统的主电路图如图1所示。

5 辅助电源系统

辅助电源系统主要的作用是为车辆提供中压和低压电源, 其基本要求如下:

(1) 每列车安装辅助电源装置即静止逆变器 (SIV) 和蓄电池组, 辅助电源装置每列车采用2台辅助逆变器 (含充电机) 。单台辅助逆变器额定容量为交流输出160k VA, 直流输出20KW。

(2) 静止逆变器的功率元件采用大功率电力电子器件IGBT, 其控制采用微机控制并有自诊断功能。

(3) 输出的交流电压基波应为正弦波, 电压为三相415V和单相240V, 频率为50Hz;输出的直流电压为110V。

(4) 本系统须有足够的过载能力, 在短时间内应能承受住负载起动电流的冲击;并在负载突变和输入电压突变条件下, 瞬间输出电压变化≤±20%, 调整时间≤100ms, 不得影响所有负载电机电器的正常工作。

(5) 内设自动监视装置, 应具有自诊断和故障记录功能, 并能在司机室显示屏上显示系统状态及故障情况, 便于故障分析和维修。

(6) 辅助变流器承受得住牵引电源整个范围内的电压变化, 作用在牵引电源上的高压尖峰或瞬间冲击电压不会影响到辅助变流器的输出端。当遭到BS EN 50155:2007上所说的浪涌电压和瞬时冲击电压以及像电流因故障突然中断, 在高速电路断路器上产生出的浪涌电压, 这样的最劣少情况时, 辅助变流器也不会有任何的损坏和失灵。

辅助电源系统的主电路图如图2所示。

6 列车控制及监控系统 (TCMS)

列车控制及监控系统的主要作用是传递信息以及故障诊断记录等功能, 基本要求如下:

(1) 具有控制和监控所有子系统的运行和故障状态、故障数据记录、事件调查和报告的功能。

(2) 支持无人驾驶模式, 具有将重要系统的运行状态、车辆重要故障信息传输给OCC的功能, 具有OCC远程控制列车的功能。

(3) 具有自测试功能, 在列车出库前能自动测试并显示列车主要设备的状态。

(4) 具有事件记录仪的功能, 能记录关键控制电路和部件的运行状态。

(5) 具有故障诊断功能, 并能按故障不同关键等级来进行要求确认、显示或记录等不同响应。

(6) 系统具有强抗干扰能力、高可靠性和冗余性。

(7) 列车控制采用网络控制方式, 列车通信网络满足IEC61375标准的相关要求, 重要的控制功能具有硬线备份。

TCMS系统的结构原理图和无人驾驶车辆工作模式转换示意图如下图3和下图4所示。

7 旅客信息系统

旅客信息系统 (列车广播、乘客信息显示和视频监控系统) 是车辆的重要组成部分, 是旅客获取信息的重要途径, 其主要要求如下:

(1) 列车广播设备具有下列功能:

全自动播放站名和注意事项;

半自动播放站名和注意事项;

人工播放站名和注意事项;

两端司机室对讲;

广播的输出控制 (设置起点站、终点站、消音、暂停、越站、广播监听等) ;

EIDS系统音频播放;

客室紧急报警和对讲;

客室广播音量具有自动调整功能。

(2) 客室内广播喇叭的设置能保证客室内广播清晰、声强均匀, 无死区。

(3) 乘客信息显示系统包括客室闪光动态地图、车号显示屏和终点站显示屏。

(4) 乘客信息显示屏采用22英寸LCD液晶显示, 能中英文显示到站站名、预报下一站站名、运行线路图、相关的运营服务信息和广告信息。

(5) 司机室外部前端设高亮度LED终点站显示器和车号显示器, 客室内设高亮度LED电子动态地图、列车运行方向指示和本侧车门开启预告提示装置。

(6) 显示内容与列车广播同步。

(7) 客室及司机室配有监控摄像系统。客室监控保证无盲区, 司机室监控可监视线路的情况。

8 结束语

无人驾驶技术能使列车整个运行过程实现全自动控制, 使得车辆按照接近优化的运行曲线进行运营, 达到节能环保的目的。同时, 列车不设驾驶员, 也节省人力成本。此外, 全自动化运营也避免了人为操作失误导致的运营故障。本文通过对无人驾驶车辆电气系统技术要求的介绍, 旨在总结归纳出其基本要求, 为我国国产的无人驾驶车辆的方案设计、投标方案确定等做知识储备。

参考文献

[1]王曰凡.全自动无人驾驶系统—全新理念的城市轨道交通模式[J].城市轨道交通研, 2006年第8期.

[2]刘晓艳.法国巴黎全自动无人驾驶地铁车辆[J].国外铁道车辆, 2006年第3期.