1.2 国内外研究的进展与典型系统

世界上第一辆智能汽车于1979年在日本研制成功［16］，装有2台摄像机及专用的信号处理系统和控制系统，测试时速达30km/h。但全面的研究是于20世纪80年代早期同时在美国和德国基于不同的目的完全独立开始的，其起源可以追溯到当时由美国发起的星球大战（Star War）计划和欧洲发起的尤里卡（Eureka）计划［17］。进入20世纪90年代后，随着持续增加的由道路交通拥挤、堵塞等情况所引发的交通安全性、效率的下降以及交通成本和环境污染加大等问题的日益严重，各国纷纷成立了专门解决这些问题的相关组织并启动了相应的项目计划，导致了与智能汽车相关的研究领域的兴起。在美国、欧洲、日本、中国都出现了大量的研究机构并研制了众多的原型系统。下面将对其中一些典型的系统及其相关技术进行介绍。

1.2.1 美国的研究进展及典型系统介绍

美国卡内基·梅隆大学（CMU， Carnegie Mellon University） NavLab实验室已经先后开发了从NavLab 1到NavLab 11一系列的智能汽车实验平台和多种视觉导航系统，如SCARF、UNSCARF、YARF、ALVINN以及RALPH等［18］。图1-1所示的是Navlab家族中的最新成员——Navlab11原型车，该车由一辆Wrangler吉普车改装而成，装备了差分GPS全球定位系统、陀螺仪与磁罗盘、激光雷达、全向摄像系统、激光线发生器等设备。该车利用激光雷达和视觉传感器，可以对道路上的车辆、行人等运动目标和其他静止目标进行探测。

美国军方的Demo计划是1992年由DARPA（The Defense Advanced Research Projects Agency）及国防部长办公室联合机器人计划处（JRP， Joint Robot Program）资助进行的，主要研究高速遥控及简单的“学习”功能等近期技术，如自动返回能力等。1996年JRP/DARPA又资助了DemoII计划［19］，演示了越野自主机动性，它采用立体视觉探测障碍物，车辆速度达到12.9km/h。

1997年，美国国防部正式启动了DemoIII计划［20， 21］。该计划是自地面自主车辆计划以来最重要的半自主机器人计划。它主要研究感知、智能控制及人机接口技术，以便使机器人车辆能够以32km/h的速度自主越野行驶。DemoIII计划的实验车外形如图1-2所示。

1.2.2 欧洲的研究进展及典型系统介绍

早在20世纪80年代早期，德国的联邦国防大学UBM就开始了专门用于高速公路的智能汽车视觉导航技术的研究。VaMoRs是UBM开发的第一款智能汽车实验平台，由一辆5吨货车MB 508D改装而成，VAMP（VaMoRs-P）是UBM开发的第二款智能汽车实验平台，由一辆轿车MB 500 SEL改装而成［22， 23］（如图1-3所示）。传感器系统是由4个小型彩色CCD摄像机构成的两组主动式双目视觉系统，其中一组双目彩色CCD摄像机完成道路前方障碍物的探测。

ARGO是由意大利帕尔马大学于20世纪90年代中期研制成功的智能汽车系统（如图1-4所示）。车体由Lancia Thema 2000客车改制。视觉传感器包括两部焦距为6mm的黑白CCD摄像机，这两部摄像机组成了一套双目立体视觉系统。视觉信息的处理由GLOD（Generic Lane and Obstacle Detection System）来完成［24， 25］，GLOD可以实现车道检测、障碍物检测等功能。GLOD通过逆投影映射（IMP， Inverse Perspective Mapping）、区域增长、逐行扫描等技术来识别车道线。障碍物检测采用立体视觉的方法，把检测障碍物退化为检测车辆前方的自由空间，即搜索车辆可以安全行驶的区域。利用IPM转换得到了两幅重建的图像（Remapped Image），根据路面水平的假设，两幅重构的图像在没有障碍物时应该是相同的，如果发现不同则说明存在障碍物，因为障碍物具有一定的高度，以此障碍物上同一点在左右投影图像中的对应像素位置不同，就会产生平面视差，从而确定障碍物的存在，并估算障碍物与智能汽车之间的距离。

另外，2000年，由欧盟赞助，包括戴姆勒—克莱斯勒、德国大众、菲亚特、西门子等在内的多家汽车相关企业和研究单位共同合作开发旨在研究行人保护方案的名为“PROTECTOR（Preventive Safety for Unprotected Road User）”项目，采用立体视觉、激光扫描仪和雷达等多种传感器来有效地保护行人等道路交通参与者，已经取得了初步的成效［26］。2002~2005年的SAVE-U（Sensors and System Architecture for Vulnerable Road Users Protection）［27，28］项目实现的目标就是减少行人和车辆碰撞造成的伤亡数量和事故等级，并在危险状况下警告驾驶员或车辆自动减速停车。SAVE-U项目采用单目彩色摄像机、红外摄像机和雷达等融合的方法来实现车辆前方5~25m、侧向1.4~4m范围内行人的有限保护。安装各种传感器的智能汽车如图1-5所示。

1.2.3 日本的研究进展及典型系统介绍

作为世界上第一辆智能汽车［29］（如图1-6所示）的诞生地，日本也是最早研究智能汽车及相关技术的国家之一。日本一直将智能汽车研究的重点放在智能交通系统（ITS， Intelligent Transportation System）领域，其研究与应用开发工作主要围绕三个方面进行：汽车信息和通信系统（VICS， Vehicle Information and Communication System）、不停车收费系统（ETC， Electronic Toll Collection）和自动高速公路系统（AHS， Automated Highway System）。此外，日本还制定了智能道路（Smartway）计划和先进安全型汽车（SASV，Smartcar Advanced Safety Vehicle）计划。SASV计划通过汽车上的电子导航系统、车辆间通信设备和自动驾驶装置，获取行车路途上的交通状况并选择最佳行车路线，依靠车道白线、车辆间通信等信息进行自动或半自动驾驶。

从1995~2000年，全球范围内共召开了8次大型的AHS研究成果演示试验［29］。图1-7所示为2000年演示时的相关图片。该次演示主要对巡航辅助系统的7个主要方面进行了测试（如图1-8所示）。

（1）前方障碍物检测和避障。当检测到前方车辆或其他障碍物时，提醒驾驶员注意，给出驾驶信息、警报或操作支持。

（2）曲线路段转弯防超调。在接近转弯道路时检测转弯曲线的距离和形状，给出驾驶信息、警报或操作支持。

（3）车道线防偏离。根据道路上的车道线得到车辆的横向信息，给出驾驶信息、警报或操作支持。

（4）十字路口防碰撞。检测可通行路口的接近车辆，给出驾驶信息和警报。

（5）右转防碰撞。检测可右转十字路口及接近车辆，给出驾驶信息。

（6）过街行人防碰撞。检测过街行人，给出驾驶信息。

（7）路面信息检测及车距保持。评估路面状况并保持与前方车辆的适当距离，给出驾驶信息。

1.2.4 中国的研究进展及典型的系统介绍

我国对智能汽车的研究起步相对较晚，但也已取得了很大的进展。国内对智能汽车的研究基本上集中在高校，十几年来先后有多所高校开发出了自己的智能汽车原型系统。

清华大学计算机系智能技术与系统国家重点实验室THMR课题组［30］从20世纪80年代后期开始研究移动机器人技术。从1992年开始，THMR课题组在成功完成THMR-I、THMR-II、THMR-IIA三辆室内移动机器人开发的基础上，开始研究室外移动机器人视觉导航技术和遥操作技术，先后开发了THMR-III和THMR-V两款室外移动机器人实验平台。THMR-V系统［31~35］（如图1-9所示）是清华大学智能移动机器人课题组自主研制开发的新一代多功能室外移动机器人实验平台，不仅具有面向高速公路和一般道路的功能，而且还包括临场感遥控驾驶功能。车体采用道奇7座厢式车改装，装备有彩色摄像机、GPS、磁罗盘光码盘定位系统、激光测距仪LMS220等。计算机系统采用普通的计算机两台，其中一台进行视觉信息处理、检测和识别车辆前方的障碍物，另一台完成信息融合、路径规划、行为控制、决策控制等功能。4台IPC工控机分别完成激光测距信息处理、定位信息处理、通信管理、驾驶控制等功能。

国防科技大学自动化研究所无人驾驶技术课题组长期以来都在进行自主驾驶技术的研究，先后独立或协作进行了多项自主驾驶技术的研究工作。在车辆视觉导航、路径规划、智能系统结构、车辆操纵控制等多个相关的领域，均获得了重要进展。其研制的CITAVT-IV型自主驾驶吉普车（如图1-10左图所示）是以在结构化道路环境下的自主驾驶技术的研究为主要目标的［36］。车体采用BJ2020SG吉普车改装。配备了里程仪、激光陀螺、磁敏感转速仪来感知车体自身状态，视觉传感器采用了远近距双目摄像机系统。2001年9月，与中国第一汽车集团公司合作，研究高水平的汽车自主驾驶技术——红旗CA7460自主驾驶汽车［37］（如图1-10右图所示）。其多项指标均达到或超过了当今世界汽车自主驾驶的先进水平。

西北工业大学自动化学院常好丽等［38］提出了一种在摄像机静止情况下基于单目视觉的运动行人检测与跟踪方法。检测阶段通过自适应背景模型快速提取背景图像，用动态多阈值方法二值化差分图分割运动行人；跟踪阶段引入灰色模型作为行人运动模型，预测行人运动，融合行人多种特征建立目标匹配模板，对行人连续跟踪。图1-11所示为系统对单人、多人进行检测和跟踪的结果。

SpringRobot系统是西安交通大学人工智能与机器人研究所智能车辆课题组搭建的一个智能汽车实验平台，车体由一辆运动多功能车改装，装备有彩色摄像机、差分GPS、毫米波雷达和激光雷达等传感器。该系统可以实时地完成道路检测、行人检测、车辆检测等任务，并根据检测的结果给出相应的警告信息和控制信号。基于该实验平台，程宏等［39］利用支持向量机来进行行人检测，通过稀疏Gabor滤波器提取行人样本图像中的特征，然后利用支持向量机来训练分类器，并用训练得到的分类器通过遍历图像的方式将图像中可能属于行人的窗口提取出来，如图1-12所示。

吉林大学研制的JLUIV-IV智能汽车系统（如图1-13所示），装备了CCD摄像机、激光雷达、全球定位系统、速度传感器等。基于该实验平台，郭烈等［40］利用视觉传感器信息丰富的特性，提出了一种基于边缘对称性的行人检测方法。利用Sobel算子和Hough变换确定车辆前方的感兴趣区域（ROI， Region of Interest），然后提取感兴趣区域图像的垂直边缘，根据行人腿部的垂直边缘对称性确定垂直边缘对称轴，并结合行人形态特征以确定行人初始候选区域，最后采用灰度对称性和局部熵对行人候选区域进行目标识别验证。部分行人检测的结果如图1-14所示。

除了上述典型系统之外，国内还有其他一些高校也研制出了自己的智能汽车试验平台，如清华大学汽车系汽车安全与节能国家重点实验室研制的THASV-I实验车（如图1-15所示），包含了前向避障与报警辅助驾驶系统、自适应巡航系统和车道保持系统三个子系统。