新能源與智能汽車技術叢書--智能車輛感知、軌跡規劃與控制

智能車輛（intelligentvehicles，IV）是智能交通系統的重要組成部分，能夠提高駕駛安全性，大幅改善公路交通效率，降低能源消耗量，此技術的研究已成為國內外科研機構關注的熱點。智能車輛應用各種先進的傳感技術獲得車輛本身和行駛環境的狀態信息，通過智能算法對相關環境狀態信息進行數據融合處理和分析，對車輛的運動進行規劃，并將軌跡信息傳遞給車輛的軌跡跟蹤控制系統。在緊急情況下，即駕駛員無法對道路狀況做出反應時，智能車輛能夠自主完成危險避障任務，幫助駕駛員規避危險；在發生危險情況之前，對駕駛員進行提醒，使得駕駛員能夠做出必要的回避動作，避免交通事故的發生。智能車輛研究的主要目的是降低嚴重的交通事故發生率，提高道路交通的運輸效率，并且最大程度地保護駕駛員和乘坐人員的安全，以及運輸貨物的安全。
智能車輛研究的關鍵技術包括環境感知、車輛定位和車輛的規劃與控制等。本書介紹了智能車輛的關鍵技術，即環境感知技術、軌跡規劃技術與跟蹤控制技術。其中，環境感知是軌跡規劃的基礎，該模塊可以將車輛的行駛狀態和環境感知信息提供給軌跡規劃模塊；軌跡規劃模塊根據車輛的行駛狀態和環境感知信息，考慮時間因素，規劃出車輛的行駛軌跡（規劃的軌跡包括和時間相關的速度、加速度、行駛時間等狀態和控制量），并將軌跡信息傳給運動控制模塊；運動控制模塊接收到規劃軌跡的詳細信息以后，對車輛的姿態進行控制，使其沿著規劃的軌跡進行循跡行駛，以達到對智能車輛自動控制的目的。本書的第1章為概述，第2章介紹了智能車輛環境感知技術，第3章和第4章介紹了智能車輛的軌跡規劃技術，第5章和第6章介紹了車輛軌跡跟蹤與控制技術。
本書適合希望涉足智能車輛環境感知、軌跡規劃和控制領域的技術人員、高校本科生/研究生，也可作為研究智能車輛環境感知、軌跡規劃和控制領域的基礎書籍。我們期待能夠與來自更多領域的讀者產生思想上的共鳴。
在此感謝牛傳虎、曹家平、鞏春鵬、姜元帥、徐廣鵬、孫超等人，他們就相關章節技術細節與筆者進行了富有啟發性的討論。
限于筆者的學識與研究水平，加之書稿編寫經驗不足，本書難免有疏漏之處，懇請各位讀者不吝指正。

著者
2023年9月

本書結合智能車輛技術的最新發展情況，對智能車輛技術涉及的重點內容進行了全面的介紹。全書共6章，主要探討智能車輛的關鍵技術，即環境感知技術、軌跡規劃技術與跟蹤控制技術。本書的第1章為概述，第2章介紹了智能車輛環境感知技術，第3章和第4章介紹了智能車輛的軌跡規劃技術，第5章和第6章介紹了車輛軌跡跟蹤與控制技術。
本書按照適宜讀者閱讀的順序安排章節內容，盡量從不同學科角度闡述智能車輛的環境感知技術、軌跡規劃技術與跟蹤控制技術。本書可供從事智能車輛環境感知、軌跡規劃和控制領域的技術人員參考，也可作為高校本科生/研究生的教學參考書。

第1章　智能車輛概述001
1.1　智能車輛是未來車輛行業的重要發展方向002
1.2　智能車輛關鍵技術介紹003
1.2.1　環境感知技術005
1.2.2　路徑規劃技術005
1.2.3　運動控制技術006
1.3　智能車輛關鍵技術研究基礎007
1.3.1　環境感知技術回顧008
1.3.2　路徑規劃技術回顧014
1.3.3　運動控制技術回顧018
參考文獻020

第2章　智能車輛環境感知技術028
2.1　基于改進Hough變換的結構化道路車道線識別029
2.1.1　車道線識別研究現狀029
2.1.2　道路邊緣特征提取030
2.1.3　改進的Hough變換檢測算法032
2.1.4　車道線方向判別034
2.1.5　結果驗證與分析035
2.2　基于深度學習的目標檢測036
2.2.1　圖像去霧技術研究036
2.2.2　圖像去霧算法及模型038
2.2.3　基于改進AOD-Net的去霧算法041
2.2.4　改進圖像去霧算法的實驗對比分析045
2.2.5　神經網絡與深度學習048
2.2.6　YOLOv5模型介紹050
2.2.7　基于改進YOLOv5s的目標檢測053
2.2.8　基于視覺的目標檢測結果分析056
2.3　多傳感器信息融合060
2.3.1　多傳感器信息融合的基本原理061
2.3.2　攝像頭標定061
2.3.3　激光雷達校準068
2.3.4　攝像頭和激光雷達的時空統一070
2.3.5　數據預處理072
2.3.6　基于卡爾曼濾波算法的信息融合074
2.3.7　基于改進自適應加權法的信息融合076
2.3.8　試驗驗證與分析080
參考文獻083

第3章　基于改進算法的智能車輛軌跡規劃086
3.1　改進的RRT算法087
3.1.1　擴展目標偏移088
3.1.2　隨機點擴展優化088
3.1.3　碰撞檢測091
3.2　改進的遺傳算法092
3.2.1　構建車輛模型092
3.2.2　基于B樣條曲線的軌跡參數化092
3.2.3　基于IGA的軌跡優化方法094
3.2.4　全局優化096
3.2.5　模擬結果與分析102
3.3　改進的A??算法104
3.3.1　改進的A??算法研究104
3.3.2　動態窗口法106
3.3.3　仿真實驗與分析109
參考文獻118

第4章　基于ACT-R認知模型的車輛主動避障系統軌跡規劃方法研究120
4.1　ACT-R認知框架121
4.2　基于ACT-R的軌跡規劃方法框架結構121
4.3　ACT-R認知模型的建模方法122
4.3.1　ACT-R初始化行為建模123
4.3.2　軌跡規劃模塊125
4.3.3　ACT-R的估計行為模型127
4.3.4　ACT-R權重調整行為建模129
4.4　軌跡規劃方法的仿真分析130
4.5　軌跡規劃方法的實驗驗證134
參考文獻135

第5章　車輛軌跡跟蹤控制研究136
5.1　基于改進MPC的車輛軌跡跟蹤控制系統137
5.1.1　車輛軌跡跟蹤控制方法137
5.1.2　基于改進MPC的車輛軌跡跟蹤控制系統設計145
5.1.3　車輛聯合仿真平臺驗證與分析148
5.2　聯合規劃層的車輛軌跡跟蹤控制系統159
5.2.1　聯合規劃層的車輛軌跡跟蹤控制系統設計159
5.2.2　車輛軌跡規劃模塊設計159
5.2.3　車輛軌跡跟蹤控制器設計162
5.2.4　車輛聯合仿真平臺驗證與分析162
5.3　考慮動力學特征的車輛軌跡跟蹤控制系統171
5.3.1　車輛速度規劃模塊搭建172
5.3.2　車輛聯合仿真平臺驗證與分析174
5.3.3　車輛硬件在環測試平臺實驗與分析175
參考文獻180

第6章　城市工況下智能網聯汽車軌跡規劃與控制方法研究181
6.1　智能網聯環境模型與智能車輛模型搭建182
6.1.1　基于PreScan的智能網聯環境建模182
6.1.2　智能車輛模型搭建186
6.1.3　基于CarSim的智能車輛仿真模型搭建190
6.2　智能網聯汽車軌跡規劃方法193
6.2.1　傳統A??算法介紹194
6.2.2　基于改進A??算法的軌跡規劃195
6.2.3　軌跡規劃方法對比仿真實驗198
6.3　智能網聯汽車決策控制系統設計205
6.3.1　智能網聯汽車速度預測決策控制系統設計206
6.3.2　智能網聯汽車超車決策控制系統設計212
6.3.3　智能網聯汽車動態避障決策控制系統設計219
6.4　智能網聯汽車軌跡跟蹤控制器設計224
6.4.1　傳統終端滑?？刂破髟斫榻B225
6.4.2　終端滑?？刂破鞲倪M設計225
6.4.3　終端滑?？刂破鞣€定性分析228
6.4.4　不同工況下硬件在環試驗228
參考文獻231