基于人工智能的无人驾驶车辆路面识别技术

《基于人工智能的无人驾驶车辆路面识别技术》在借鉴国内外相关科研成果的基础上，结合无人驾驶车辆的新技术，对无人驾驶车辆路面识别技术涉及的关键问题进行了详尽讲解。本书全面阐述了无人驾驶车辆路面识别技术的基本概念、分析方法及相关应用，全书共分6章，包括车载激光雷达、地面机器人路面识别技术、基于机器学习及马尔科夫随机场的路面识别技术、基于图像数据的路面类型分类、基于激光雷达的路面类型分类及马尔科夫随机场的多传感器融合路面类型分类。此外，本书还浅尝辄止地探讨了无人驾驶车辆路面识别技术面临的挑战及其发展方向。本书既可作为从事无人驾驶车辆相关研究的科研及工程技术人员，以及从事地面机器人相关研究的工程技术人员的参考书，也可作为普通高等院校人工智能、车辆工程、自动化、计算机等相关专业师生的参考教材。同时，还可作为广大对无人驾驶技术感兴趣的读者朋友的科普读物。

目 录
前 言
第 １章 车载激光雷达 １
１.１ 概述 １
１.２ 激光测距技术 ２
１.２.１ 脉冲测距 ２
１.２.２ 相位测距 ３
１.２.３ 三角测距 ４
１.３ 激光雷达在自动驾驶中的应用 ５
１.４ 激光雷达的分类 ６
１.４.１ 单线激光雷达 ６
１.４.２ 多线激光雷达 ７
１.４.３ 激光雷达的技术发展 １４
第 ２章 地面机器人路面识别技术 １６
２.１ 基于加速度传感器的地形判别 １６
２.２ 基于相机图像的地形视觉判别 ２６
２.３ 基于激光雷达的地形识别 ３７
２.４ 多种传感器的融合 ４７
第 ３章 基于机器学习及马尔科夫随机场的路面识别技术 ６４
３.１ 路面轮廓估计 ６４
３.１.１ 加速度 （ａｃｃ－ｔ） ６４
３.１.２ 四分之一车辆模型 （ａｃｃ－ｔｔｏｙ－ｔ） ６５
３.１.３ 垂直位移 （ｙ－ｔ） ６７
３.１.４ 速度 （ｖ－ｔ） ６８
３.１.５ 速度到位移 （ｖ－ｔｔｏｘ－ｔ） ６８
３.１.６ 路面轮廓 （ｙ－ｘ） ６８
３.２ 特征提取 ７０
３.２.１ 从路面轮廓 （ｙ－ｘ）中提取的 ＦＦＴ特征 ７２
３.２.２ 从加速度 （ａｃｃ－ｔ）中提取的 ＦＦＴ特征 ７５
３.２.３ 从加速度 （ａｃｃ－ｔ）和路面轮廓 （ｙ－ｘ）中提取的
快速小波变换特征 （ＦＷＴ） ７５
３.３ 归一化 ７６
３.４ 主成分分析 ＰＣＡ ７７
３.５ Ｋ－ｆｏｌｄ交叉验证 ７７
３.６ 其他分类器的尝试 ７７
３.６.１ 朴素贝叶斯分类器 ７８
３.６.２ 神经网络分类器 ７８
３.６.３ 支持向量机分类器 ８０
３.７ 实验 ８１
３.７.１ 概述 ８１
３.７.２ 关于加速度的平台实验 ８３
３.８ 实验结果 ８５
３.８.１ 特征选择 ８５
３.８.２ 速度独立性测试 ８６
３.８.３ 分类器选择 ８８
３.８.４ 加速度实验结果 ８９
３.９ 总结 ９２
第 ４章 基于图像数据的路面类型分类 ９３
４.１ 图像纹理特征 ９４
Ⅵ 基于人工智能的无人驾驶车辆路面识别技术
４.２ 建立图像特征矩阵 ９５
４.２.１ 灰度共生矩阵 ９５
４.２.２ 特征提取和特征矩阵信息 ９６
４.３ 实验验证 ９９
４.３.１ 实验平台 ９９
４.３.２ 基于图像的实验 ９９
４.４ 实验结果 １００
４.５ 结论 １０５
第 ５章 基于激光雷达的路面类型分类 １０６
５.１ 激光雷达的扫描方式 １０６
５.２ 道路表面重建 １０７
５.２.１ 距离数据的处理 １０７
５.２.２ 速度数据的处理 １０８
５.２.３ 道路表面 １０８
５.３ 特征矩阵 １０９
５.４ 实验 １１０
５.４.１ 实验平台 １１０
５.４.２ 实验结果 １１１
５.５ 结论 １１５
第 ６章 马尔科夫随机场的多传感器融合路面类型分类 １１６
６.１ 前置激光雷达的预测 １１６
６.２ 马尔科夫随机场算法 （ＭＲＦ） １１８
６.２.１ 条件独立性 １１８
６.２.２ 分解特性 １２０
６.３ 马尔科夫随机场的建立 １２１
６.３.１ 马尔科夫随机场中的节点 １２２
目 录 Ⅶ
６.３.２ 马尔科夫随机场中节点的随机变量 １２２
６.３.３ 马尔科夫随机场中的节点 １２３
６.３.４ 马尔科夫随机场中的节点值 １２３
６.３.５ 能量函数 １２４
６.３.６ 化 １２５
６.４ 实验 １２５
６.４.１ 实验平台 １２５
６.４.２ 基于多传感器融合的实验 １２５
６.５ 实验结果 １２５
６.６ 结论 １２９
后记 回顾与展望 １３０
参考文献 １３２

前言无人驾驶技术是未来地面车辆研究的关键领域，它对汽车行业，乃至交通运输业都将产生深远的影响。无人驾驶车辆是无人系统的一种表现形式。从广义上说，无人驾驶车辆是一种利用非接触光电感知技术、信息融合技术、智能控制技术和计算机技术武装起来的智能车辆，可将其视为有着汽车外壳的 “地面轮式移动机器人”。
无人驾驶车辆利用车载传感器来感知周围环境，并根据感知所获得的道路、车辆位置和障碍信息，在安全、可靠的前提下，自主控制行驶方向和速度，自主规划行驶路线并到达预定目的地。无人驾驶车辆集自动控制、体系结构、人工智能、视觉计算等众多先进技术于一体，是计算机科学、模式识别和智能控制技术高度发展的产物，它将解放驾驶人的双手，降低发生交通事故的概率，保障所有交通参与者的安全。
目前，无人驾驶车辆已经成为全球众多科研机构、汽车制造企业及互联网企业的重点研发目标，这既是科技发展的大势所趋，也是优化交通出行方式的人心所向。然而，任何新技术的发展过程都是循序渐进的，无人驾驶技术要实现成熟化、市场化，还需要突破很多技术瓶颈。
无人驾驶车辆技术主要包括环境感知、导航与定位、路径规划、运动控制及人车交互五大领域。其中，环境感知是实现无人驾驶的基础。
所谓环境感知，是指汽车在行驶过程中对道路及周围目标 （包含行人、车辆、交通信号和标志、植被及建筑等）的识别、跟踪及行为预判。无论在城市结构化道路，还是在野外非结构化道路上行驶，车辆都需要对路面信息进行收集和识别。
本书是笔者在总结攻读博士学位期间取得的研究成果的基础上，带领国内科研团队长期研究积累，并结合国内外科研成果撰写而成的。
此前，笔者先后完成了多项科研项目和澳大利亚政府的重大科研项目。在澳大利亚悉尼大学、新南威尔士大学和悉尼科技大学合作成立的机器人技术研究中心攻读博士学位期间，笔者主要从事智能车辆自主行驶技术方面的研究工作，在以提高车辆主动安全性为目标的车辆目标识别和路面类型辨识技术方面取得了一定的研究成果。
本书全面阐述了无人驾驶车辆路面识别技术的基本概念、分析方法及相关应用。全书共 ６章：第 １章对激光雷达的基本概念、分类、在自动驾驶中的应用进行了简要介绍；第 ２章简述了国内外地面机器人的地形识别方法；第 ３章介绍了基于机器学习及加速度的路面类型分类方法；第 ４章介绍了基于图像数据的路面类型分类方法；第 ５章介绍了基于激光雷达的路面类型分类方法；第 ６章介绍了基于马尔科夫随机场的多传感器融合路面类型分类技术。
本书由王世峰、赵馨、孟颖、都凯悦撰写。王锐、孙琪、陈森、王开鑫、刘传义、刘伟、陈洋和牛佳钰参与了部分章节的校订工作。
本书能够顺利出版，要感谢长春理工大学光电工程实验教学示范中心、人工智能与光电环境实验室、澳大利亚悉尼科技大学、广州泽尔测试技术有限公司的大力支持。在此一并向他们表示诚挚的感谢！
本书 涉 及 的 研 究 项 目 获 得 了 吉 林 省 科 技 发 展 计 划 自 然 科 学 基 金（２０１５０１０１０４７ＪＣ）的资助。
由于无人驾驶车辆技术发展迅速，加之作者水平和精力有限，书中难免有疏漏之处，恳请广大读者批评指正。