智能网联汽车技术课后习题及其参考答案Word文件下载.docx

智能网联汽车技术课后习题及其参考答案Word文件下载.docx

《智能网联汽车技术课后习题及其参考答案Word文件下载.docx》由会员分享，可在线阅读，更多相关《智能网联汽车技术课后习题及其参考答案Word文件下载.docx（12页珍藏版）》请在冰豆网上搜索。

基于此，各发达国家早在20世纪70年代就开始智能汽车的研究，随着以互联网、通信技术、云计算、人工智能等技术驱动的产业创新和以清洁能源替代化石燃料的能源创新，汽车产业正迎来承接着第四次重大变革的时代——智能网联汽车时代。

2.简述智能网联汽车、智能汽车和无人驾驶汽车的异同点。

1）智能汽车在一般汽车上增加雷达、摄像头等先进传感器、控制器、执行器，通过车载感知系统和信息终端等装置实现与车、路、人等的信息交换，使车辆具备智能环境感知能力，能够自动分析车辆行驶的安全及危险状态，并使车辆按照人的意愿到达目的地，最终实现替代人来操作的目的；

2）无人驾驶汽车是通过车载环境感知系统感知道路环境、自动规划和识别行车路线并控制车辆到达目标的智能汽车；

3）智能网联汽车与车联网应该并行推进，协同发展，智能网联汽车依托车联网，不仅要通过技术创新连接互联网，还能使V2X之间实现多种方式的信息交互与共享，提高智能网联汽车的行驶安全性。

3.论述智能网联汽车的技术分级。

各主要国家对智能网联汽车技术的分级是不完全相同的，美国分为5级，德国分为3级，中国分为5级。

我国智能网联汽车的技术分级是

（1）无自动驾驶阶段（1级）；

（2）驾驶员辅助阶段（2级）；

（3）半自动驾驶阶段（3级）；

（4）高度自动驾驶阶段（4级）；

（5）完全自动驾驶阶段（5级）。

4.简述智能网联汽车系统构成。

智能网联汽车由环境感知层、智能决策层，以及控制与执行层组成。

项目二习题及思考题

1.车轮转速传感器用于测量汽车的转速，转速信号借助于电缆传送给汽车上的ABS、ASR、ESP等控制单元，调节每个车轮的制动力，保证汽车行驶稳定性和操纵性。

另外，智能网联汽车的系统、车道报警系统、车道保持辅助系统、自适应控制系统等，也需要将采集到的车轮转速根据预设的车速计算公式换算成车速信号发送到CAN总线，通过CAN总线获取车速信号。

车轮；

导航；

偏离；

巡航；

信号

2.车载传感器网络的具有高速移动性，导致了网络的连通性，所以车载传感器网络中的数据收集扩散和远程路由协议都是基于机会性的。

然而，网络中车辆并不了解其周围车辆未来的行驶路线，所以这种车辆移动的不确定性会导致基于转发方式利用移动节点传递数据也就不确定。

节点；

间歇；

协议；

邻居；

存储

1.简述无人驾驶汽车传感器的分类。

汽车传感器有很多种分类方法，如有按测量对象划分的，有按工作原理划分的，有按功能划分的，有按使用区域划分的，但目前还没有统一的分类方法。

2.简述毫米波雷达的结构和工作原理及其应用。

毫米波雷达是指工作频率介于微波和光之间，选在30～300GHz频域（波长为1～10mm，即1mm波波段）的雷达；

车载毫米波雷达根据测量原理的不同，一般分为脉冲方式和调频连续波方式两种。

脉冲方式测量原理简单，但由于受技术、元器件等方面的影响，实际应用中很难实现。

采用脉冲方式的毫米波雷达需在很短的时间（一般都是微秒的数量级）内发射大功率的信号脉冲，通过脉冲信号控制雷达发射装置发射出高频信号，因此在硬件结构上比较复杂，成本高；

采用调频连续波方式的毫米波雷达结构简单，体积小，可以同时得到目标的相对距离和相对速度。

例如ESR毫米波雷达能够提供目标的相对距离、角度和速度等信息。

它从CAN总线获取所需的车速、横摆角速度、转向盘转角等本车信息，扫描后将目标的信息，如距离、相对速度等同样通过CAN总线传递给车载计算机，同时具有中距离扫描和远距离扫描的功能，并将所扫描的目标数据存入相应的内存地址。

3.简述视觉传感器的结构和工作原理。

视觉传感器主要由光源、镜头、图像传感器、模数转换器、图像处理器、图像存储器等组成。

其主要功能是获取足够的机器视觉系统要处理的最原始图像。

视觉传感器是一种特殊的半导体器件，能够把光学影像转化为数字信号。

其包含的像素数越多，它提供的画面分辨率也就越高，把光信号转换成电荷信号。

利用排列整齐的光电二极管，能感应光线，并将光信号转变成电信号，经外部采样放大及模数转换电路转换成数字图像信号。

项目三习题及思考题

1.链路管理（LM）软件模块携带了的数据设备、鉴权、链路配置和其他一些协议。

链路管理可以发现其他远端链路管理并通过链路协议（LMP）与之通信。

链路管理单元主要提供如下服务：

发送和接收数据、请求名称、地址査询、鉴权、建立连接、链路协商和建立，以及决定帧的类型等。

链路；

硬件；

单元；

管理；

模式

2.RFID工作原理并不复杂：

标签进入后，接收发出的射频信号，凭借感应电流所获得的能量发送出存储在中的产品信息（passlvetag，无源标签或被动标签），或者主动发送某一的信号（activetag，有源标签或主动标签）。

通过解读器读取并解码后，送至中央信息系统进行有关处理。

磁场；

解读器；

芯片；

频率；

信息；

数据

1.简述无线通信系统的组成与分类。

无线通信系统有信号源、发送设备、接收设备、受信人、传输媒质五个组成部分。

按照系统关键部分的不同特性，无线通信系统可分为以下一些类型。

（1）按照工作频段或传输手段分类，无线通信系统分为中波通信、短波通信、超短波通信、微波通信和卫星通信等；

方向就是开辟更高的频段。

（2）按照通信方式来分类，无线通信系统主要有（全）双工系统、半双工系统和单工系统。

（3）按照调制方式的不同来划分，无线通信系统有调幅系统、调频系统、调相系统，以及混合调制系统等。

（4）按照传送消息的类型分类，无线通信系统有模拟通信系统和数字通信系统，也可以分为话音通信系统、图像通信系统、数据通信系统和多媒体通信系统等。

2.论述卫星通信技术分类和技术特点。

卫星通信系统的分类方法很多，一般可以按照卫星的运动状态、系统的覆盖范围、卫星转发能力、卫星转发器的处理能力、多址方式、卫星通信所用频段，以及通信业务种类的不同来区分；

卫星通信具有下列特点。

（1）卫星通信覆盖区域大，通信距离远。

（2）卫星通信具有多址联接功能。

（3）卫星通信频段宽，容量大。

卫（4）卫星通信机动灵活。

（5）卫星通信质量好，可靠性高。

（6）卫星通信的成本与距离无关。

3.简述专用短程通信技术的工作原理。

专用短程通信技术是一种高效的无线通信技术，利用物理层、媒体访问控制层、网络层和应用层，实现在特定小区域内对高速运动下的移动目标的识别和双向通信，达到车辆的“车—路”“车—车”双向通信，实时传输图像、语音和数据信息，将车辆和道路有机接。

专用短程通信系统利用载单元的媒体访问控制层和物理层负责处理车辆与车辆之间、车辆与路侧设施之间的专用短程无线通信连接的建立、维护和信息传输。

项目四习题及思考题

1.视觉传感器采集到的往往包含天空及远处其他环境因素，这些信息对是否安全行驶没有任何价值，但对车道的检测却造成了一定干扰，并且由于对无用信息的处理，计算量也相对增加。

因此，为了能够准确出车道标线并加快处理速度，将不包含的天空部分，以及较远处的其他干扰去除。

道路图像；

车辆；

标线；

检测；

道路信息；

信息

2.实际情况中，非结构化道路的区域和非道路区域的像素一般是连续且相似的。

基于此特性，提出了一种仅对含有道路的块进行分析的分块分类方法，因此实时性较高。

但该方法仅仅利用四个顶点的属性对分块的类别进行判断，因此很容易受噪声的干扰造成误分类。

针对该问题，本文对上述方法进行改进，将扩展成顶点区域，并引入置信概率对类别进行判断。

道路；

边界；

像素；

定点；

分块

3.道路环境是一个典型的开放的环境，对动静态检测提出了较大的挑战。

例如，道路环境的复杂多变特性与天气状况，导致系统检测性能的不稳定性。

交通种类繁多、检测与识别复杂。

动态目标如行人的外观多样性、姿态多样性等，导致难度增加。

此外，动静态目标在实际应用中均存在被遮挡情况，导致传统的检测算法失效。

非可控；

目标；

光照；

视觉系统；

标志；

行人；

检测算法

1.道路检测算法有哪些要求？

结构化道路检测主要是对车道标线进行识别，在此之前，首先需要确定车道标线区域，即对图像分割得到二值化图像；

道路区域和非道路区域难以区分。

在这种复杂的场景下，传统的道路图像分割方法容易造成道路区域误分割，不利于后续道路模型参数求解。

通过分析发现，对于非结构化道路图像，其道路区域与非道路区域在颜色、纹理等特征上差别较大，主要从彩色图像出发，进行非结构化道路图像分割。

2.车道标线如何检测？

结构化道路检测主要是对车道标线进行识别，在此之前，首先需要确定车道标线区域，即对图像分割得到二值化图像。

图像分割效果的优劣取决于阈值的选取，传统的自适应阈值分割法（OTSU法）通过综合考虑整幅图像的灰度特征，将道路区域与车道标线区域两类类间方差最大作为阈值选取准则。

3.论述无人驾驶汽车行驶环境中的目标检测？

（1）图像预处理。

图像预处理主要由图像灰度化、直方图均衡化、图像尺寸重置等步骤构成，目的是得到标准图像，以便自动化处理；

（2）目标检测。

目标检测主要包含感兴趣区域提取、图像特征提取、前景目标检测等，目的是得到道路中的动静态目标；

（3）目标识别。

目标识别主要包含支持向量机（SVM），以及目前最为流行的深度学习方法等，目的是将检测目标进行分类，最终达到种类识别的效果。

4.简述交通信号灯和交通标志的检测？

在检测基础上，交通信号灯识别一般是通过交通信号灯的颜色特征和形状特征进行识别，识别目标一般分为不带方向的红绿灯识别和有方向信息判断的箭头型红绿灯识别。

另外，首先确定交通信号灯的位置，然后利用交通信号灯与信号灯的相对位置来确定红色、黄色和绿色交通信号灯区域，最后利用交通信号灯区域的特征，通过最近邻分类器识别交通信号灯的箭头方向。

交通标志检测阶段一般利用交通标志可区分性的特征检测出可能包含交通标志的区域，然后将感兴趣的区域进行大小规则化，同时缩小了识别阶段的识别范围。

目前交通标志检测的特征主要有：

颜色特征、形状特征、纹理特征等。

项目五习题及思考题

题及思考题

1.从使用摄像机的个数来分类，视觉里程计可以分为视觉系统和立体视觉系统，其中立体视觉里程计绝大多数指的是视觉。

在大部分情况下的效果要优于单目系统，最主要原因在于使用单目视觉会碰到尺度歧义问题，而采用立体视觉便不存在此问题。

采用双目在尺度估计方面的优势，在于能避免艰难的相对姿态求解步骤，以及对运动退化良好的抵抗能力根据现在的研究情况来看，采用单目视觉和的方案各有其应用场合。

单目；

双目；

立体视觉；

摄像机；

立体视觉

2.在无人驾驶汽车计算过程中,首先通过无人驾驶汽车上安装的得到车辆的原始定位信息。

然而来自里程计的是存在一定误差的,并伴随行驶时间的增长而不断变大,因此需要采取措施对其进行纠正。

由于无人驾驶汽车在平面空间的运动为连续运动,其在状态空间的位置不可能突变,因此可以估计一个车辆定位在内的偏差范围。

位姿；

里程计；

定位；

其他；

二维；

状态空间

1.论述GPS组成与定位原理。

GPS由空间卫星系统、地面监控网和用户接收系统组成。

GPS定位是利用到达时间测距的原理来确定用户的位置。

首先测量信号从卫星发出至到达用户所经历的时间段，时间段乘以信号的速度便得到了从卫星到接收机的距离，而卫星的位置是已知的，于是通过测量与3个以上的卫星的距离便可以解算得到接收机的三维位置。

2.论述SLAM的实现方法。

在SLAM中，一般采用基于贝叶斯估计的高斯滤波或者非参数滤波方法对位置状态进行滤波估计。

通过SLAM得到的结果与车体位姿信息进行融合后，将得到的位置信息与从该位置得到的传感器信息相融合，通过组合连续时刻不同位置的环境信息，则可以得到较为完整的环境重建结果。

3.简述视觉里程计的结构和基本原理。

视觉里程计利用车载摄像机采集到的图像信息恢复车体本身的六自由度运动，包括三自由度的旋转和三自由度的平移。

首先，视觉传感器所提供的丰富的感知信息，既可以满足车辆自定位要求，又能够为其他重要的任务提供信息，如目标检测、避障等；

其次，视觉传感器相对其他传感器来说成本较低，且体积小，在布置上更为灵活。

另外，基于视觉的定位和运动估计还可以独立于地形，以及地形-轮胎接触特性，如不受轮胎打滑的影响等。

视觉定位技术主要是根据车载摄像机实时拍摄的视频信息来计算运动物体的运动参数，以实现无人驾驶汽车的自主定位。

其中，最为常见的是车载视觉里程计。

它能够综合完成目标检测、避障等任务，而且成本低廉。

4.简述GPS/罗盘/里程计组合导航定位系统组成及其作用。

GPS/罗盘/里程计融合导航定位系统由GPS、罗盘、里程计和导航计算机组成。

GPS独立给出无人驾驶汽车所在位置的绝对经度、纬度和海拔高度，罗盘作为航向传感器测定无人驾驶汽车的航向，而里程计作为速度传感器测定汽车单位时间内行驶的路程。

导航计算机采集各传感器数据并做航迹推算、GPS坐标变换及相关数据预处理，由融合算法融合估计出无人驾驶汽车的动态位置。

项目六习题及思考题

1.模型预测控制是一种基于的算法，它根据历史和未来输入预测出未来状态。

可通过输入不同的得到不同的结果输出，进而可以比较这些控制策略的优劣。

模型预测控制由于采用了多步预测，滚动优化和反馈矫正等策略，因而具有好、对模型要求不高的优点。

预测模型；

控制策略；

算法；

鲁棒性；

精确性

2.速度控制是无人驾驶汽车技术中重要的研究领域，目前对的研究主要集中于方面。

而在定速巡航模式下，当汽车突然出现或转弯行为时，将有可能面临失稳的危险。

因此，基于多点预瞄的思想实现了自适应的速度功能。

该方法可实时预测出前方的上限速度，运用规划的方法可规划出适应的目标速度。

速度控制；

定速巡航；

变道；

规划；

二次

3.预瞄与规划环节模拟的是的前视与判断的过程，当驾驶员前视一段距离时，会根据与车况做出合适的判断，规划出合理的车速。

然后根据目标车速与的偏差按照自身经验做出决策，计算出合理的目标加速度。

驾驶员；

路况；

实际车速；

上层

1.简述路径规划。

路径规划是指在模型化的环境中按照一定的评价标准规划出一条从起始状态到目标状态的可行路径。

根据对环境信息的把握程度可分为两类：

基于环境信息已知的全局路径规划，又称为静态规划或离散规划；

基于传感器信息的局部路径规划，又称为动态规划或在线规划。

两者的主要区别在于，前者在规划时是没有考虑环境的现场约束，例如障碍物的形状位置，道路的宽度，道路的曲率半径等。

2.论述基于模型预测控制算法的路径跟随控制。

预测模型能够根据控制对象的历史信息和输入变量预测出未来状态输出。

传递函数与状态方程这类传统的模型可以作为预测模型，对于线性稳定对象，甚至阶跃响应与脉冲响应函数等非参数模型也可以作为预测模型。

假设某一预测模型，给定未来不同时间节点处的控制策略可以观察到对应的状态输出，给定不同的控制策略，将会得到不同的未来状态，如此可以通过比较各个状态的优劣选择最优的控制策略

3.论述汽车自适应避险的速度控制。

速度控制是无人驾驶汽车技术中重要的研究领域，目前对速度控制的研究主要集中于定速巡航方面。

而在定速巡航模式下，当汽车突然出现变道或转弯行为时，将有可能面临失稳的危险。

因此，基于多点预瞄的思想实现了自适应的速度规划功能。

该方法可实时预测出前方的上限速度，运用二次规划的方法可规划出适应的目标速度。

这样车辆在巡航时可避免因突然转向而产生高速失稳的危险，是一个带有决策性的速度控制方法。

项目七习题及思考题

1.无人车在对环境进行感知计算分析后，剩余的控制包括决策、任务规划等都可以归纳为控制。

无人车决策控制大体从两个方面进行研究——侧向控制系统决策、纵向控制系统决策。

侧向控制系统主要研究无人车的能力，控制车辆快速、准确的沿着预设路径安全行驶；

纵向控制系统主要研究无人车的速度能力，控制车辆速度及速度的能平滑的进行调节。

行为；

决策；

追踪；

调节；

变化率

2.对车辆进行驾驶中，有经验的驾驶员对车辆的操控相当于一个，无需校正就能保证车辆沿着径行驶，主要因为他们对车辆的很熟悉，知道怎样操作便可使车辆按照期望路径行驶。

相反，没经验的驾驶员对车辆的操控就相当于模型，他们需要时刻观察周围环境的变化，实时的对进行修订，从而完成车辆按期望路径行驶。

开环；

期望路径；

特性；

闭环控制；

车辆方向

3.知道了车辆当前所处的具体位置，就可以实现对的控制，使智能车能够按照要求行驶。

车辆的可以分为两种，即纵向与横向控制。

分别可对车辆的速度或者进行控制，以及对车辆的进行控制。

这两种控制的保证了车辆可以精准的保持在一定的车道内行驶。

控制系统；

加速度；

转向机构；

协同作用

1.简述车辆纵向控制作用。

无人驾驶汽车的纵向控制主要研究如何控制车辆纵向运动，即控制车辆按照期望的速度行驶、控制车辆的纵向加速度、控制车辆间距离、控制制动器。

无人驾驶汽车定速巡航控制系统，即当驾驶员给工业控制计算机一个期望的车辆行驶速度后，该系统能够通过输入的期望值及反馈信号的反馈值，计算处理后控制驱动电机的运行让无人驾驶汽车自动保持设定的速度行驶。

2.论述侧向控制及侧向控制指标。

无人驾驶汽车侧向控制主要研究如何设计控制算法，从而保证车辆能够根据给定路径控制车辆转向，使车辆能够对给定路径进行快速准确的跟踪，同时保证车辆安全、平稳舒适的行驶。

侧向控制指标是侧向偏差、横摆角速度和航向偏差等。

3.论述大地坐标下车辆位姿判断。

无人驾驶汽车侧向控制系统由伺服驱动器、执行电机、反馈原件和连接器等部件构成。

执行机构为交流伺服电机，通过伺服电机的齿轮和方向转轴的齿轮啮合控制转向。

系统的作用是根据给定路径指令，控制前轮的转动，使车辆沿给定路径行驶。

系统工作过程中，上位机作为主控单元，接收GPS所给的车辆当前航向、经度和纬度，将经纬度转化为XY坐标后，比较当前航向与给定航向及位置信息，生成前轮转角信号，该信号与角度传感器反馈的实际前轮转角信号进行比较，利用两者的差值，通过一定的控制算法生成转向电机指令信号，指令信号再通过电机驱动器驱动转向电机转向，从而实现车辆路径的改变。

项目八习题及思考题

1.智能网联汽车集成了先进的传感器、和通信装置，在不同空间尺度范围内感知道路周边及广域信息，通过感知信息融合、和路径规划控制，能够通过协同控制提高自动驾驶技术的、舒适性和节能性。

交通环境；

环境；

评估；

安全性

2.智能网联汽车所示，智能网联汽车车内网络的主要是以太网链路。

以太网是车内网络的主要网络。

车载、辅助驾驶系统都使用以太网技术与其他车内组件通信。

智能网联汽车车内网络架构依旧存在子网络。

车内网络；

通信链路；

信息系统；

网络；

CAN

1.简述智能网联汽车的智能化等级。

智能汽车的智能化等级分为自动驾驶等级和网联化等级两个方面。

在自动驾驶1级和2级情况下，驾驶操作部分由机器完成，对驾驶系统的监控和失效应对由驾驶员执行，与现行法律对驾驶员员的要求一致。

自动驾驶为3级以上时，由自动驾驶系统监控驾驶环境，当3级自动驾驶在系统失效时，要求驾驶员接管车辆的控制；

4级自动驾驶系统失效时，系统对驾驶员提出响应请求，驾驶员也可以不响应。

3级和4级自动驾驶在法律上都要求界定机器驾驶和驾驶员驾驶的责任。

5级自动驾驶为最高级别的自动驾驶，驾驶操作的控制、监控和失效应对都由机器完成，因而机器驾驶承担法律责任，这与现行维也纳公约国际法对驾驶员是驾驶行为法律主体的描述相矛盾。

2.论述智能网联汽车技术体系架构。

智能网联汽车除了依靠本车的物理传感器实现周边状态的感知外，还能够通过V2X（vehicletovehicle（V2V），vehicletoinfrastructure（V2I），etc.）通信技术在更大的空间尺度上扩展环境和交通状况的感知范围。

在目前智能汽车环境感知传感器配置下，通过车载毫米波雷达、机器视觉、激光雷达和超声波雷达等物理传感器可实现自车物理传感器感知范围内（通常在200m之内）环境和交通状态的感知。

3.简述智能网联汽车智能终端系统功能。

借助于全球卫星定位系统GPS、移动通信网络技术，汽车用户可以不管在哪个地方在任何时刻都可以与互联网平台进行通信，享受到各种各样的应用服务。

车辆与车辆用户、车辆与路边设施、车辆与云平台的通信信息经过车载信息系统进行处理后，汽车用户可以获得相应的信息服务，取得更好的驾驶体验与辅助驾驶体验。

智能网联汽车联网的大部分服务通信都依托于车载信息系统，车载信息系统在智能网联汽车里扮演一个重要的角色。

项目九习题及思考题

1.为了确保的安全性，在自动驾驶上公共道路测试前，还需要建立大量与实际场景相关联的和测试场景来支持这些功能的运行，来考察自动驾驶汽车功能的正确性和的可靠性。

此部分测评应重点考核自动驾驶汽车对场景的认知能力，主要包括环境、城郊道路环境、高速快速通行道路。

公共道路；

测试系统；

性能；

综合交通；

城市道路

2.综合以上测试内容执行完成之后，被测的应对测评进行反馈。

搭建自动驾驶汽车运行测试实施平