《智能網聯汽車環境感知技術》是“智能網聯汽車核心技術叢書”中的一冊。本書內容依托“杭州職業技術學院文庫”，深入解析了自動駕駛感知系統，涵蓋車載傳感器、定位導航、車聯網通信、計算機視覺感知及目標檢測與識別等關鍵技術領域，剖析了其核心原理、相關算法及系統架構，展現了自動駕駛技術的前沿進展與應用實踐。從車輛“感官”到智能決策，本書為讀者揭示自動駕駛背后的技術奧秘，助力行業發展。
本書適合智能網聯汽車環境感知方向的技術人員閱讀參考，也可供智能網聯汽車行業的政策制定者、企業管理者、科研工作者以及汽車第三方檢測機構人員閱讀，同時也可以作為高等院校及大中專院校汽車相關專業的參考教材。

21世紀以來，各項新興技術的蓬勃發展，掀起了一輪又一輪科技革命。這些技術創新不僅會改變人們的衣食住行，更能夠為各個行業注入轉型的動力。以汽車行業為例，大數據、物聯網、云計算、人工智能等技術的發展以及交通運輸、通信技術等行業的創新升級，催生出了智能網聯汽車這一能夠代表汽車產業發展趨勢的新產品。
由于汽車產業能夠在國家經濟發展的過程中發揮重要的推動作用，因此自智能網聯汽車誕生后，我國各相關機構從政策層面相繼出臺了一系列技術指南、實施辦法等，為智能網聯汽車產業的良性發展保駕護航；同時，產業鏈中的互聯網巨頭、汽車企業以及運營商等也紛紛發揮著各自的角色價值。目前，我國智能網聯汽車產業的發展可謂正處于產業與技術、政策三重共振的絕佳時機。
與傳統汽車相比，智能網聯汽車具有三個顯著的特點：車輛的自主化、網絡的互聯化以及系統的集成化。從車輛的自主化方面來看，我國在自動駕駛輔助系統研發方面已經取得了一定的成果，并初步實現了大規模的產業化；從網絡的互聯化方面來看，我國智能網聯汽車的發展已經進入大規模的道路測試階段，2021年7月，工業和信息化部、公安部、交通運輸部聯合印發《智能網聯汽車道路測試與示范應用管理規范（試行）》，截至2023年上半年，國內已經有超33座城市發放了自動駕駛路測牌照；從系統的集成化方面來看，我國目前部分車載設備和路側設施等已經具有定位、通信、感知等功能，可以為智能網聯汽車的運行奠定良好的基礎。而要提升智能網聯汽車車輛的自主化、網絡的互聯化和系統的集成化水平，就需要對相關關鍵技術進行深入研究，比如邊緣云計算技術、高精度定位技術、C-V2X通信技術以及環境感知技術等。其中，環境感知技術是智能網聯汽車“三橫兩縱”技術架構中的重要組成部分，能夠為車輛的智能化、自動化運行提供數據支撐，也是實現智能網聯交通的保障。
環境感知技術可以大致分為自主化車輛感知解決方案和網聯化協同感知解決方案。智能網聯汽車要實現單車智能，即需要具備相應的自主化車輛感知解決方案，其實現的技術基礎包括車載傳感器技術、定位導航技術等。較為常見的車載傳感器有激光雷達、超聲波雷達、毫米波雷達等；定位導航技術中比較具有代表性的有高精度地圖等。這些關鍵技術和相關設備能夠使得車輛在運行的過程中實時獲得精準全面的與駕駛環境、駕駛狀態、周邊物體和行駛路徑等相關的信息。不過，由于自主化車輛感知解決方案只能獲得與主體車輛相關的信息，而且信息的獲取難度較大、實時性要求較高，并不能完全保障車輛運行的安全性，因此就需要結合網聯化協同感知解決方案提升信息采集的效率和范圍，進一步提升車輛的感知水平，為用戶提供更加人性化、智能化的駕駛體驗。網聯化協同環境感知技術即車聯網通信技術，車聯網通過高效的信息傳輸，實現了車輛內部、車輛與互聯網（或云平臺）、車輛與車輛之間的實時數據交互。
環境感知是自動駕駛最重要的功能之一，環境感知的性能以及對復雜道路環境和惡劣天氣的適應性，直接影響自動駕駛技術的水平。而環境感知性能的實現，需要以多項關鍵技術為基礎，除上述車載傳感器技術、定位導航技術、車聯網通信技術之外，智能網聯汽車環境感知技術還涉及計算機視覺感知技術、目標檢測與識別技術以及多傳感器信息融合技術等。本書注重理論與實踐相結合，分別從自動駕駛感知系統概述、車載傳感器技術、定位導航技術、車聯網通信技術、計算機視覺感知技術、目標檢測與識別技術、多傳感器信息融合技術七大維度出發，全面闡述智能網聯汽車環境感知模塊的系統架構、關鍵技術與應用策略，輔之以大量的結構圖、框圖和表格等形式，試圖讓讀者全面掌握智能網聯汽車環境感知技術的應用。
本書內容依托2024年度浙江省教育科學規劃職業教育教師教學創新團隊專項課題（課題編號：2024JCD017）、浙江省首批職業院校技能大師工作室“楊愛喜技能大師工作室”（立項號：浙教辦函〔2023〕119號）、2022年度浙江省“尖兵”“領雁”研發攻關項目（課題編號：2022C04023）、教育部高等學校科學研究發展中心中國高校產學研創新基金課題（課題編號：2022IT221）、2022年度浙江省教育廳高校國內訪問工程師校企合作項目（課題編號：FG2022072）、杭州職業技術學院高層次人才科研啟動項目（編號：HZYGCC202109，HZYGCC202230），全面闡述智能網聯汽車環境感知模塊的系統架構、關鍵技術與應用策略，可為具備一定基礎的人員提供自動駕駛環境感知系統的開發指導，試圖為讀者提供一些有益的借鑒與思考，對從事智能網聯汽車設計研發、產品測試、質量論證等相關專業人員具有較高的參考價值，可供智能網聯汽車行業的政策制定者、企業管理者、科研工作者以及汽車第三方檢測機構人員閱讀參考，也可作為高等院校及大中專院校汽車相關專業的參考教材。此外，由于本書是“智能網聯汽車核心技術叢書”中的一冊，因此推薦讀者結合叢書中的其他書籍對照閱讀，以便對智能網聯汽車產業的發展有更加全面系統的了解和更為深入準確的把握。

著者

第1章　自動駕駛感知系統概述	001
1.1　自動駕駛系統的技術架構	002
1.1.1　自動駕駛“三橫兩縱”架構	002
1.1.2　自動駕駛的四大關鍵技術	005
1.1.3　自動駕駛的計算平臺架構	007
1.1.4　自動駕駛的軟件系統框架	010
1.2　感知系統框架與關鍵技術	013
1.2.1　感知系統整體架構	013
1.2.2　車載傳感器技術	014
1.2.3　定位導航技術	016
1.2.4　車聯通信技術	017
1.3　感知系統測試技術與方法	019
1.3.1　圖像系統測試	021
1.3.2　激光雷達系統測試	022
1.3.3　融合感知系統測試	023

第2章　車載傳感器技術	025
2.1　車載攝像頭	026
2.1.1　車載攝像頭原理與分類	026
2.1.2　車載攝像頭的部件構成	029
2.1.3　車載攝像頭的玩家群像	031
2.1.4　車載攝像頭的技術趨勢	033
2.2　激光雷達	035
2.2.1　激光雷達的原理與應用	035
2.2.2　激光雷達的類型與特點	037
2.2.3　激光雷達的零部件構成	039
2.2.4　激光雷達的產業鏈圖譜	041
2.3　超聲波雷達	044
2.3.1　超聲波雷達的特點與原理	044
2.3.2　超聲波雷達的類型與參數	046
2.3.3　超聲波雷達的行業競爭格局	048
2.4　毫米波雷達	050
2.4.1　毫米波雷達特性與優勢	050
2.4.2　毫米波雷達的工作原理	051
2.4.3　毫米波雷達在自動駕駛中的應用	053
2.4.4　毫米波雷達在智能交通中的應用	054

第3章　定位導航技術	058
3.1　全球導航衛星系統	059
3.1.1　全球定位系統的原理	059
3.1.2　全球定位系統的構成	061
3.1.3　全球主流的導航衛星系統	062
3.1.4　基于GPS的汽車導航系統	065
3.2　慣性導航系統	067
3.2.1　慣性導航技術的演變發展	067
3.2.2　慣性導航系統結構與類型	069
3.2.3　慣性導航系統的工作原理	071
3.2.4　慣性導航系統的核心算法	073
3.3　高精度地圖技術	076
3.3.1　高精度地圖技術特點與應用	076
3.3.2　自動駕駛的高精度定位技術	079
3.3.3　國外高精度地圖的發展現狀	081
3.3.4　我國高精度地圖的發展現狀	082

第4章　車聯網通信技術	084
4.1　車聯網概念、內涵及架構	085
4.1.1　車聯網的概念及內涵	085
4.1.2　車聯網功能架構體系	089
4.1.3　車聯網技術標準體系	091
4.1.4　車聯網產業發展現狀	093
4.2　車聯網通信的技術路線	094
4.2.1　DSRC技術	094
4.2.2　LTE-V2X技術	096
4.2.3　5G-V2X技術	098
4.3　5G車聯網整體解決方案	100
4.3.1　車聯網面臨的技術挑戰	100
4.3.2　5G車聯網的應用優勢	102
4.3.3　5G車聯網關鍵技術	104
4.3.4　5G車聯網解決方案	107

第5章　計算機視覺感知技術	111
5.1　計算機視覺的原理與任務	112
5.1.1　計算機視覺的概念與原理	112
5.1.2　任務1：圖像分類	113
5.1.3　任務2：目標檢測	116
5.1.4　任務3：目標跟蹤	117
5.1.5　任務4：圖像分割	118
5.1.6　任務5：影像重建	120
5.2　基于深度學習的目標檢測算法	121
5.2.1　單階段目標檢測算法	122
5.2.2　二階段目標檢測算法	125
5.2.3　無錨點目標檢測算法	129
5.2.4　目標檢測算法的性能比較	131
5.3　基于深度學習的深度估計	132
5.3.1　傳統單目深度估計的方法	132
5.3.2　傳統雙目深度估計的方法	134
5.3.3　基于深度學習的單目深度估計	136
5.3.4　雙目立體視覺匹配的算法流程	138
5.3.5　基于場景的深度估計數據集	140
5.4　SLAM技術與應用	141
5.4.1　SLAM系統結構與原理	141
5.4.2　SLAM分類與流程	145
5.4.3　激光雷達主流的SLAM算法	147
5.4.4　基于SLAM的自動駕駛應用	151

第6章　目標檢測與識別技術	154
6.1　道路檢測與識別	155
6.1.1　道路檢測與識別方法	155
6.1.2　道路檢測與識別算法	157
6.1.3　道路障礙物檢測與識別	159
6.1.4　可行駛區域檢測與識別	161
6.2　車輛檢測與識別	163
6.2.1　車型檢測與識別方法	163
6.2.2　車牌檢測與識別方法	166
6.2.3　車輛時空參數識別	169
6.2.4　車輛重量參數識別	172
6.3　行人檢測與識別	174
6.3.1　行人檢測系統的技術與應用	174
6.3.2　基于計算機視覺的行人檢測	176
6.3.3　行人檢測與跟蹤的主要方法	178
6.4　交通標志檢測與識別	180
6.4.1　交通標志識別的技術原理	180
6.4.2　道路交通標志識別的方法	182
6.4.3　道路交通標志識別的應用	184

第7章　多傳感器信息融合技術	187
7.1　多傳感器信息融合的原理與結構	188
7.1.1　多傳感器信息融合的工作原理	188
7.1.2　多傳感器信息融合的主要優勢	189
7.1.3　多傳感器信息融合的三個層次	191
7.1.4　多傳感器信息融合的系統結構	192
7.2　多傳感器信息融合的算法與技術	195
7.2.1　隨機類信息融合算法	195
7.2.2　AI類信息融合算法	198
7.3　基于多傳感器信息融合的環境感知策略	199
7.3.1　基于信息融合的感知系統	199
7.3.2　多傳感器信息融合與目標探測	201
7.3.3　面向自動駕駛的融合策略	203
7.3.4　可行駛區域探測信息融合	205

參考文獻	207