基于智能網聯汽車實驗教學設備的研究

張國凌

摘 要：智能網聯汽車技術成為汽車產業發展的必然趨勢。智能網聯汽車，即自主式自動駕駛汽車+網聯式汽車。自主式自動駕駛汽車可以使用各種傳感器保證自車與其他車輛、其他物體的安全距離;網聯式汽車則可實現車與車、車與設施、車與人、車與互聯網的實時在線通信。本文主要是針對智能網聯汽車自制實驗教學設備研制的意義、方法、內容、工作原理、技術路線、教學實驗功能、開發成果和創新點等內容進行分析和探究，希望給予我們汽車服務工程專業的實踐教學和汽車愛好者以些許參考和借鑒。

關鍵詞：智能網聯汽車 原理 實驗教學 設備 創新

Research on Experimental Teaching Equipment of Automobile Based on Intelligent Network

Zhang Guoling

Abstract：Intelligent and connected automobile technology has become an inevitable trend in the development of the automobile industry. Intelligent connected cars is also referred to as autonomous self-driving cars + connected cars. Autonomous self-driving cars can use various sensors to ensure a safe distance between their own cars and other vehicles and other objects; connected cars can realize real-time online communication between cars， cars and facilities， cars and people， and cars and the Internet. This article mainly analyzes and explores the meaning， method， content， working principle， technical route， teaching experiment function， development results and innovation points of the development of self-made experimental teaching equipment for intelligent networked vehicles， and hopes to give some reference to practical teaching and car enthusiasts.

Key words：intelligent connected vehicle， principle， experimental teaching， equipment， innovation

1 智能網聯汽車實驗教學設備研制的意義

2020年2月24日，由國家發改委、中央網信辦、科技部、工信部、公安部、財政部、自然資源部、住建部、交通運輸部、商務部、國家市場監管總局等11個部委聯合下發《智能汽車創新發展戰略》，從國家戰略層面明確了智能網聯汽車產業的發展地位，為智能汽車產業的未來發展指明方向，引起了國內智能網聯汽車全產業鏈的廣泛關注。《戰略》中指出，到2025年，中國標準智能汽車的技術創新、產業生態、基礎設施、法規標準、產品監督和網絡安全體系將基本形成，能夠實現有條件自動駕駛的智能網聯汽車達到規模化生產，實現高度自動駕駛的智能網聯汽車在特定環境下市場化應用。電動化、智能化、網聯化和共享化在近十年間，已經成為汽車行業發展的主流趨勢，行業轉型和變革正走向深化，而此時《戰略》的出爐，更是順應了這一趨勢，這對于汽車電子行業、汽車智能網聯技術服務行業來說，無疑是巨大的機遇，其發展必然帶來相關產業和人類生活的深度變革。

全球聯網汽車數量快速提升，中國也將成最大市場。截止2020年底，全球聯網汽車滲透率已達到98%，包含通過車載系統聯網、通過有線方式聯網、通過智能手機聯網等多種聯網方式;到2025年，聯網汽車滲透率將達100%。截止2020年底，中國車聯網市場規模已達300億美元。

智能網聯汽車實驗教學設備主要應用于車輛工程、汽車服務工程專業汽車智能網聯技術方向，教師科研、學生教學實驗，可進行自動駕駛軟件開發、高精地圖建圖、視覺傳感器標定、激光雷達感知、線控底盤、高精慣性導航、5G通訊、融合感知、車路協同等新技術的教學、實驗、裝調測試等教學課程。也可作為智能網聯汽車概論、（線控底盤）ADAS高級駕駛輔助系統技術課程、智能座艙系統技術課程、車載網絡技術課程、車輛通信系統技術課程、智能網聯汽車整車綜合測試技術課程的實訓實驗教學設備。

智能駕駛在國家政策的驅動下正在逐步興起，距離落地商用尚需時日。尤其單車智能駕駛能力還需要突破。但是院校人才培養的協同推進，無疑能夠加快智能駕駛的步伐。未來道路上將鋪上更多的電子設施，智能網聯汽車猶如一個核心載體，把物聯網、5G、智能交通、智慧城市、人工智能等技術融合在一起，體現一個國家的綜合科技實力，很多國家和大型公司都在大力投入。學生掌握了這些核心技術，又可以應用在其它生產和生活方面，加快生產建設和改善人類的生活。智能網聯汽車實驗教學設備研發，可以給院校車輛工程、汽車服務工程專業智能網聯汽車技術方向帶來如下價值：

（1）提升學生在無人駕駛領域的技術和就業能力。

（2）提升學生軟件開發能力，根據自身需求制定軟件功能，可以擴充出豐富多彩的應用，通過不斷優化系統運行效果，實現技能提升。

（3）感知、規劃、控制等關鍵技術模塊實驗，優化軟件系統和算法，采集到大量數據為無人駕駛進一步科學實驗做準備。

（4）用于培養大量智能網聯汽車技術人才。

本項目設備開發完成后，可以在特定封閉環境下實現無人駕駛配送和巡邏等運營，例如工業園區、學校、醫院等。尤其在學校領域，教師可以帶領學生參與到具體模塊的科研和實驗，包括交通運輸、人工智能、汽車、物流、計算機等院系。

另外，本項目設備部分代碼開源，針對具體應用場景用戶都可以提供更新代碼，加快系統優化。

2 自制實驗設備的具體內容

2.1 實驗教學設備介紹

本實驗教學設備根據智能網聯汽車業界實際發展前沿技術，兼顧現階段教學任務和未來技術拓展需要，開發的豐富實用的教學實驗系統。適用于院校教師科研、教學演示、學生實驗和畢業設計需求。系統中配置了自動駕駛主控制器作為智能網聯汽車實訓平臺的“大腦”。自動駕駛主控制器主要用于處理復雜數據，做出精確地控制決策，用于教師及學生科研和教學實驗。配合傳感器和底盤，易于展現各個傳感器和相關功能，讓學生理解設備開發、傳感器適配連接和工作原理，完成智能網聯汽車編程、開發、安裝調試、標定、故障診斷等技能學習。

2.1.1 設備組成

智能駕駛低速車由車規級單伺服電機驅動系統（后橋）、伺服電機轉向系統（前橋）、車規級底盤控制器、自動駕駛控制單元、GPS組合慣性導航裝置、16線激光雷達、車載5G通訊模塊、單目攝像頭、超聲波雷達、中控操作屏、傳感器專用安裝支架、APP調度軟件、76.8V鋰電池組、車載鋰電池管理系統、驅動電機控制器、轉向電機控制器、DC/DC轉換模塊、車載充電機、碰撞急停保護裝置、外部燈光系統等車規級電氣系統及CAN網絡通訊系統組成（如圖1），線控驅動/轉向/制動控制系統及執行元件響應速度快、反饋精度高，達到車規級需求，車輛支持遙控操作及自動駕駛兩種模式。

2.1.2 設備基礎參數：

電控：

線控轉向系統、線控油門、線控制動系統

電池： 鋰電池，72V/106Ah

電機： 5千瓦電機

充電機：

便攜式全智能充電機，充滿自動斷電

充電時間： 4小時

續航里程： 100公里

最大行駛速度： 20KM/H

制動距離： ≤4m

整車裝備質量： ≤500kg

整車荷載： ≤450kg

最大爬坡： 20%

最小轉彎半徑： 3.5m

英特爾?至強?

E3 v5 CPU NVIDIA? GPU

慣性導航單元：

慣性導航系統（IMU）CAN和以太網通信;

差分基站：

提供不小于3CM的定位服務;

路由： 華為;

4G通信卡： 提供網絡服務;

轉向角傳感器模塊：工作電壓： 12V;零點標定：通過CAN指定任意位置為零點;測量角度范圍：-720°～+720°;角度分辨率：0.1°;角速度分辨率：4°/s;精度： ≤±2.5°;通訊接口：CAN;通訊速率： 500k/s;其他：含有轉角信號輸出機構（電驅動），能夠使傳感器采集到轉角數據。

攝像頭：支持USB3.0高速接口;內置于AP0101 ISP;半導體：AR0143 Z1080P HD 傳感器;像素大小：3.0umx3.0um;

超聲波雷達：額定工作電壓：DC12V;探測距離：0.3M-5M;探測水平角： 90±5°;探測垂直角：38±3°;頻率： 55.5kHz±0.5kHz。

線激光雷達：16路輸出，200米探測，20HZ，輸出速率32萬點/秒可達到±15°的垂直視場角。

監控顯示器：23.6寸;逆變器：72v轉 220v。

2.2 工作原理

本教學實驗設備以車內自動駕駛系統控制單元為主來實現自動駕駛控制功能，測試實驗環境下，自動駕駛系統控制單元根據激光雷達進行高精地圖繪制，檢測車輛行駛環境周邊的障礙物，控制線控底盤進行制動、避障等操作;在有車道線和紅綠燈的路況環境下，自動駕駛控制單元依靠攝像頭視覺感知進行巡線行駛、紅綠燈識別、障礙物（車輛、行人）識別，控制車輛安全行駛。近距離情況下，自動駕駛控制單元根據超聲波雷達識別障礙物距離，保證安全行駛;自動駕駛模式下，車速約10km/h，按照規劃的路線，實現點對點的自動駕駛功能。行駛中可實現合理的路徑規劃、障礙物繞行、自主緊急制動等功能（如圖2）。并且可通過調度平臺或手機APP遠程查看車輛狀況及行駛過程中的影像，以及實現遠程調度功能。基于該設備，能夠從感知、決策、控制三個方面進行智能網聯汽車的全方位實驗教學。

2.3 技術路線

自動駕駛技術目前分為兩大技術路線：

（1）以汽車制造商為代表的ADAS和單車智能技術路線。

（2）以互聯網企業為代表的人工智能和網聯化技術路線。

本項目采用人工智能和網聯化技術路線，則直接依靠智能計算及網絡通信實現對汽車的控制。采用環境信息感知識別-系統智能決策控制的技術框架，自動駕駛技術集自動控制、復雜系統、人工智能、機器視覺等于一體，收集云端和車載傳感器的車聯網數據、地理信息數據、環境感知數據等信息，識別車輛駕駛區域的環境特征，進行任務設定和控制規劃（如圖3）。

3 自制設備的開發成果

3.1 基于5G通信、車路協同等物聯網技術的智慧通信開發成果

本項目應用場景將需要建立一個自動駕駛閉環系統，車與車、車與路、車與云之間以及智慧交通中各種新型末端節點都要建立5G通信。如何保證各個末端節點和終端靈活建立網絡，并保證準確無誤地實現信息傳輸，是智能網聯汽車的關鍵技術（如圖4）。本項目通過對5G物聯網技術深入研究，探索解決智能駕駛的智慧通信，解決實際應用問題。

3.2 感知、融合、決策、控制等無人駕駛汽車算法開發成果

軟件系統采用開源系統作為基礎（Linux + 自動駕駛應用軟件），針對每個模塊應用進行深入研發。主要包括感知、融合、決策、控制、定位等幾個模塊。開發語言主要為c++和python。

感知：通過圖像視覺處理，或者點云數據分割處理，結合深度學習技術，識別出周圍障礙物信息（包括大小、分類、動向）。

融合：對雷達和攝像頭的數據信息進行感知融合。

決策：對識別到的障礙物進行預測，預判其動向。同時根據目的地和具體定位的環境信息，規劃出車輛前進軌跡路線。

控制：根據規劃發送過來的速度和位置相關信息，計算出油門、制動、轉向數值，發送到CAN總線上。

定位：通過GPS組合慣導和激光雷達進行融合定位，配合高精度地圖，完成厘米級定位。

3.3 無人接駁車、無人配送車、無人清潔車等智能駕駛車智慧系統的應用場景開發成果

研發系統選用低速物流車底盤作為線控底盤，并進行限速，可以實現封閉場景的無人駕駛運行，可以根據應用場景制作高精度地圖，搭配GPS組合慣導實現厘米級高精度定位，低速自動駕駛，可以根據需要擴展功能，實現封閉場景物流和巡邏等應用。根據場景實際條件，部署物聯網終端應用設備，一些升級、數據運算和數據維護管理都可以放到云端進行，通過5G和終端節點進行數據交互。

4 教學實驗功能

（1）軟件系統中帶有車輛控制協議代碼生成軟件，學生理解DBC（Database Can）文件的基本結構后，可以用該軟件工具對DBC文件進行解析，很快生成該車輛的控制協議代碼。該代碼功能就是前述提到的完成底盤動作控制報文填充和狀態讀取上報。這個環節，讓實驗人員明白所有無人駕駛汽車是如何在最底層上和車輛硬件交互的，并且如何實現程序標準化，規范化。

（2）智能駕駛車輛底盤綜合控制實驗：通過CAN協議控制車輛加減速，轉向，駕駛模式切換等（該實驗需要確保安全，隨時注意接管，建議在舉升機或測功機上進行試驗）。

軟件部署到工控機上，通過CAN總線連接到車輛底盤，此時我們就可以進入軟件系統，發命令控制底盤，底盤線控功能是否準確，是否像預想的一樣可以線控，我們需要通過實驗進行檢驗。底盤協議驗證軟件操作界面，通過發送不同含義的CAN協議代碼，控制車輛前進、后退、左轉、右轉、加速、制動等實訓內容。

打開另一個窗口，我們可以查看底盤反饋上來的信號，是否是我們下發的控制值（轉向、檔位、速度、加速度等）。類似這樣的底盤數據上報，包括電機轉速，電機控制器狀態等等，都可以擴展編程，實現實用的數據分析控制。

（3）智能駕駛GPS定位實驗（室外環境空闊場地）

當前智能駕駛的定位技術主要依靠GPS，其精度可以達到厘米級，軟件在定位模塊使用的是GPS 差分定位。配置了GPS系統設置軟件和文檔，可以方便地對GPS進行配置，通過GPS實驗可以學習理解GPS的配置過程和工作原理。

實驗人員需要先根據GPS硬件連接圖，把IMU慣導和GPS天線連接正確，并設置好合適的桿臂值，桿臂值用于完成GPS天線到車身的坐標系轉換，理解這個過程對后續的傳感器標定理解有很大幫助。

（4）智能駕駛傳感器標定實驗。

傳感器之間需要標定，才能讓彼此知道相對位置，增加控制的精確度。主要是外參標定。包括激光雷達到IMU之間的標定，攝像頭到IMU之間的標定。開發了標定的軟硬件工具，按照既定步驟可以快速完成標定，標定是后續感知實驗的基礎。

（5）智能駕駛視覺感知實驗。

智能駕駛對外界障礙物的感知，主要用來傳感器和計算單元對傳感器數據的分析。目前最為流行的是激光雷達感知和攝像頭視覺感知。其中攝像頭視覺感知的原理是收集到圖像數據后，使用數據進行機器學習模型對比分析，得到障礙物類型并輸出。

本系統軟件帶有機器學習訓練模型并可以直接使用，實驗人員也可以做出自己的學習訓練模型（需要較大工作量），進行算法驗證創新。

（6）智能駕駛超聲波探測實驗。

超聲波達用于近距離探測，用于泊車等近距離物體預警。實驗人員可以通過開發的實驗例程觀察到近距離物體的識別情況，包括物體的距離等。

（7）智能駕駛激光雷達探測實驗。

激光雷達用于智能駕駛的障礙物識別和輔助定位，是智能駕駛中的一個重要研究方向。點云數據采集后，根據系統軟件帶的機器學習模型匹配分析，得出障礙物形狀、距離和移動方向等，然后感知模塊把這些信息報給規劃決策層，從而引導車輛進行相應反應。

通過開發的激光雷達的實驗課程，可以深度理解障礙物是如何被激光雷達探測到的，探測性能如何以及如何把探測結果用于系統控制。

（8）簡單道路地圖制作實驗。

地圖是智能駕駛一個很重要的模塊，高精度地圖制作成本高，一般都需要高昂的費用。為便于學習，開發了簡易地圖生成程序，供實驗使用。實驗人員按照程序的既定步驟按自己的需求生成二維或三維地圖，并在后續的環境定位和規劃路徑中進行使用，也可以根據需要自己修改該生成程序，實現更有意義的地圖實驗。

（9）智能駕駛避障實驗。

前述實驗都做完以后，實驗人員可以進行綜合的自動駕駛實驗，找空曠場地，讓車輛沿著簡單地圖前進，遇到人就減速/變道繞開/停車，到終點就停下來。

根據實驗結果不斷調整規劃和控制參數，例如二維情況下障礙物的膨脹系數，三維情況下多邊形的最短閾值等參數，讓車輛運行良好，實現自動駕駛功能。

此實驗可以作為課程設計，鼓勵學生提出新穎想法，實現很多研究創新。

5 本自制設備的創新點

（1）該“智能網聯汽車自制設備”工控機預留開發擴展功能，與市場多數同類型設備僅能實現簡單封閉場景的無人駕駛體驗相比，該自制設備可配合學校的地圖，實現校園內物流、巡邏等多場景應用。

（2）該“智能網聯汽車自制設備”可通過調度平臺或手機APP遠程查看車輛狀況及行駛過程中的影像，以及實現遠程調度功能。基于該設備，能夠從感知、決策、控制三個方面進行智能網聯汽車的全方位實訓教學。

（3）與市場多數同類型設備智能駕駛的定位技術主要依靠GPS相比，本次研發的軟件在定位模塊使用的是GPS 差分定位，其精度可以達到厘米級定位。并配置有GPS系統設置軟件和文檔，可以方便地對GPS進行配置，通過GPS實驗可以學習理解GPS的配置過程和工作原理。

（4）市場多數同類型設備在感知外界障礙物時，多用激光雷達和攝像頭視覺的融合，僅能從移動方向距離，具體方位上判斷有障礙物存在，無法判斷具體障礙物是何物，不具備機器訓練模型學習功能。本次研發的軟件帶有機器學習訓練模型，可以直接使用，實驗人員也可以做出自己的學習訓練模型，進行算法驗證創新。

（5）線控底盤的控制性能決定了整個無人駕駛車的運動水平。當底盤控制效果不佳時，往往涉及很多方面的問題，包括計算機是否正常及時下發指令，底盤是否響應，傳輸延時，車輛機械部件是否準確執行，是否及時反饋狀態等等。涉及多模塊多線程的綜合分析追查，如果沒有一個軟件工具進行系統調試，很難定位問題根源。目前市場同類型設備均無線控底盤的分析軟件。本次研發的汽車運動系統分析軟件能夠分析底盤車的線控性能和運動性能，分析其轉向、制動、驅動的響應性能，給出響應延遲時間和車身運動的橫向縱向控制性能結果。輸入為分析無人駕駛車運動的數據，輸出以曲線和參數的形式給出。該軟件能夠全方位展示車輛的運動效果和缺陷，快速給學生和研究人員提供問題分析思路和方向指導。