71527智能汽车技术-习题答案.docx

《71527智能汽车技术-习题答案.docx》由会员分享，可在线阅读，更多相关《71527智能汽车技术-习题答案.docx（8页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、智能汽车技术（ISBN978-7-111-71527-6）习题答案第1章 绪论思考与实训1选择题1）所谓智能汽车是指搭载先进传感系统、决策系统、执行系统，综合运用卫星定位导航、网络通信、大数据、云计算、（A）等高新技术，具有部分或完全自动驾驶功能，由单纯交通运输工具逐步向（D）转变的新一代汽车。由于智能汽车能够实现车与车、车与路、车与其他交通参与者之间的联网通信、信息共享功能，因此，智能汽车又称（ ）；由于智能汽车具有部分或完全自动驾驶功能，因此又称（ ）。A人工智能 B自动驾驶汽车C智能网联汽车 D智能移动空间2）目前，智能汽车技术发展形成了（B）发展路线和（D）发展路线两种技术路线。A封闭

2、式 B渐进式C开放式 D颠覆式2问答题1）美国NHTSA和SAE对智能汽车是如何分级的？NHTSA和SAE对智能汽车的技术分级详见表1-1。表1-1 NHTSA和SAE对智能汽车的技术分级NHTSA分级SAE分级名称定义动态驾驶任务动态驾驶任务接管设计运行范围车辆的横向控制和纵向控制监控L0L0人工驾驶完全由人类（驾驶人）进行驾驶操作驾驶人驾驶人驾驶人无L1L1驾驶辅助由自动驾驶系统完成汽车横向和纵向控制中的某一种操作系统驾驶人驾驶人有条件L2L2部分自动驾驶在驾驶人的监控下，自动驾驶系统能够同时进行汽车横向和纵向控制系统驾驶人驾驶人有条件L3L3有条件的自动驾驶在规定的设计运行范围内，由自动

3、驾驶系统监测车辆的运行和控制，必要时由驾驶人接管车辆系统系统必要时由驾驶人接管有条件L4L4高度自动驾驶在规定的设计运行范围内，由自动驾驶系统监测车辆的运行和控制，无需驾驶人接管车辆系统系统系统有条件L5完全自动驾驶在任何场景下，均由自动驾驶系统监测车辆的运行和控制，车辆可以实现高效、优质、安全的自动（无人）驾驶，是智能汽车技术水平的最高境界系统系统系统无条件，适用于任何场景2）中国对智能汽车是如何分级的？我国现行国家标准GB/T 40429-2021汽车驾驶自动化分级将智能汽车驾驶自动化技术等级分成级至级，见表1-2。表1-2 我国对智能汽车的技术分级（驾驶自动化等级与划分要素的关系）分级名

4、称持续的车辆横向和纵向运动控制对目标、事件的检测与响应动态驾驶任务后援设计运行范围级应急辅助驾驶人驾驶人及系统驾驶人有限制级部分驾驶辅助驾驶人和系统驾驶人及系统驾驶人有限制级组合驾驶辅助系统驾驶人及系统驾驶人有限制级有条件自动驾驶系统系统动态驾驶任务后援用户（执行接管后成为驾驶人）有限制级高度自动驾驶系统系统系统有限制级完全自动驾驶系统系统系统无限制* 排除商业和法规因素等限制3实操题（略）第2章 环境感知技术思考与实训1技术术语解释1）超声波传感器（超声波雷达）超声波雷达基于超声波测距原理，主要用于短距离探测物体，不受光照影响，但测量精度受被测量物体表面形状、材质的影响较大。2）毫米波雷达毫

5、米波雷达基于毫米波测距、测角原理，可以获取车辆周边环境二维或三维距离信息，通过距离分析识别技术对行驶环境进行感知。毫米波雷达抗干扰能力强，受天气状况和光照的影响小，体积小；传播损失比激光雷达少。但由于行人的反射波较弱，故毫米波雷达难以探测行人。3）激光雷达激光雷达基于激光测距、测角原理，可以获取车辆周边环境二维或三维距离信息，通过距离分析识别技术对行驶环境进行感知。激光雷达能够直接获取物体三维距离信息，测量精度高，对光照环境变化不敏感；但它无法感知无距离差异的平面内的目标信息。但机械式激光雷达体积较大，价格昂贵，不便于车载集成。4）视觉传感器视觉传感器基于视觉成像原理，能够获取车辆周边环境二维

6、或三维图像信息，通过图像分析识别技术对行驶环境进行感知。视觉传感器获取的图像信息量大，实时性好，体积小，能耗低，价格低；但视觉传感器易受光照环境影响，三维信息测量精度较低。5）人工智能人工智能是一个以计算机科学为基础，由计算机技术、心理学、生理学、哲学等多学科交叉融合的新兴学科，是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学，其研究目的是了解智能的实质，并试图生产出一种新的能以人类智能相似的方式做出反应的智能机器。从高度自动化、智能化的角度来看，智能（自动驾驶）汽车就是一部可以高速行驶的工业机器人，智能汽车的发展与人工智能技术是密不可分的6）机器学习机器

7、学习是人工智能的核心，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。机器学习专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构并使之不断改善自身的性能。机器学习是使计算机具有智能的根本途径。在智能汽车领域，各种控制算法的研究离不开机器学习技术的助力和推动。7）深度学习深度学习是基于深度神经网络来解决特征表达的一种学习过程。深度学习是机器学习研究中的一个新的领域，其目的在于建立、模拟人脑进行分析学习的神经网络，模仿人脑的运行机制来解释图像、声音、文本等数据，并做出准确的分析和判断。深度学习在智能汽车技术领域的应用日益广泛。8）人工神经网络人工

8、神经网络（Artificial Neural Networks，ANN）简称为神经网络（Neural Networks，NN）或称连接模型（Connection Model），是一种模仿动物（特别是人）神经网络行为特征，进行分布式并行信息处理的算法模型。人工神经网络依靠系统的复杂程度，通过调整内部大量节点之间的相互连接关系，进行繁杂的运算，以达到处理复杂信息、做出科学判断的目的。深度神经网络是深度学习的技术核心，在智能汽车的算法领域应用极为广泛。9）卷积神经网络卷积神经网络（Convolutional Neural Networks，CNN）是一类包含卷积计算且具有深度结构的前馈神经网络（Fe

9、edforward Neural Networks），是深度学习的代表算法之一。卷积神经网络仿造生物的视觉机制构建，可以进行监督学习和非监督学习，有稳定的分类、识别效果且对数据没有额外的特征工程要求。卷积神经网络在智能汽车的算法领域应用极为广泛。10) 语义分割语义分割是计算机视觉领域实现图像识别功能的得力工具之一，应用非常广泛。在智能（自动驾驶）汽车的环境感知系统中，车辆识别、行人识别、交通信号灯识别、人行道识别以及其他道路特征识别等领域，语义分割技术均可发挥重要作用。所谓语义，对于语言文字来说，就是词语的意义或含义；对于图像来说，就是图像要表达或展示的内容。图像的语义是具有不同属性的。通过

10、语义分割技术，可将图像中的景物按照其属性区别开来，即对图像中的景物进行分类。2问答题1）激光雷达有哪些类型？2）各种智能传感器在智能汽车上有哪些应用？3实操题（略）第3章 定位导航技术思考与实训1选择题1）目前，投入实际使用的全球定位导航卫星系统有四个，分别是美国的（D）、中国的（A）、俄罗斯的（C）和欧盟的（B）。ABeiDou Navigation Satellite System BGalileo Navigation Satellite SystemCGlobal Orbiting Navigation Satellite System DGlobal Positioning Syst

11、em2）高精度的（C）技术在智能（自动驾驶）汽车的定位导航技术体系中，是必不可少的，也是应用最多的。APosition Difference BPseudo Range DifferenceCReal Time Kinematic DDifferential Global Position System3）在车辆坐标系及惯性测量单元中，汽车侧倾角用（D）表示，俯仰角用（C）表示，偏转角用（B）表示。ABrake BYawCPitch DRoll4）惯性测量单元IMU通常安装在载体（汽车）的（C），以检测车辆的姿态变化。A车头处 B车尾处C重心处 DA柱处2问答题1）全球卫星定位系统有哪些特点？

12、（1）优点全球全天候定位；覆盖范围广；定位精度高；观测时间短；采用全球统一的三维地心坐标，可同时精确测定观测站平面位置和大地高程；观测站之间无需通视。（2）缺点开放精度低。定位数据的更新频率低。定位精度受环境条件的影响较大。2）北斗卫星导航定位系统有哪些特点？BDS具有以下特点：空间段采用三种轨道卫星组成的混合星座模式，与其他卫星导航系统相比，高轨卫星更多，抗遮挡能力更强，尤其是在低纬度地区，性能优势更加明显。提供多个频点的导航信号，能够通过多频信号组合使用等方式提高定位精度。创新融合了导航与通信功能，具备定位导航授时、星基增强、地基增强、精密单点定位、短报文通信和国际搜救等多种服务能力。3）

13、惯性导航系统有哪些作用？（1）优点惯性导航系统不依赖于任何外部信息，也不向外部辐射能量，属于自主式导航系统，故隐蔽性好，也不受外界电磁干扰的影响。惯性导航系统可全天候在全球任何地点工作。惯性导航系统能提供位置、速度、航向和姿态角数据，所产生的导航信息连续性好且噪声低。惯性导航系统数据更新频率高，短期精度和稳定性好。（2）缺点由于导航信息经过积分而产生，定位误差随时间而增大，长期精度差。每次使用之前需要较长的初始校准时间。不能给出时间信息。3实操题（略）第4章 网络通信技术思考与实训1选择题1）目前，在智能汽车上应用较为普遍且与自动驾驶技术密切相关的车载网络技术主要有（A）、（C）、（B）以及车

14、载以太网等。ACAN BFlexRayCLIN DAutomotive Ethernet2）在Ad-hoc网络中，节点通过分层的网络协议和分布式算法相互协调，实现了网络的自动组织和运行。因此，Ad-hoc网络也被称为（A）或（B）。AMulti-Hop Wireless Network BInfrastructure-less NetworkCAutomotive Ethernet DMulti-access Edge Computing，MEC3）在V2X通信领域，应用广泛且成熟稳定的通信技术有（D）等。 ADSRC B5GCLTE-V DC-V2X2问答题1）何谓大数据技术，大数据技术在车

15、联网中有哪些作用？大数据是指无法在可容忍的时间内使用常规软件完成存储、管理和处理的海量数据。大数据技术主要包括大数据采集、大数据预处理、大数据存储、大数据分析等。大数据技术在自动驾驶领域的应用主要体现在强化环境感知和优化行为决策两个方面。此外，将海量数据高效地传输到运营点和云集群中，将全部海量数据成体系地组织在一起，快速搜索，灵活使用，为数据流水线和各种业务应用（如训练平台、仿真平台、汽车标定平台）提供数据支撑，均为大数据技术的用武之地。2）何谓云计算技术，云计算技术在车联网中有哪些作用？云计算属于分布式计算技术的一种。云计算通过网络“云”（由多部服务器组成的网络系统）将海量的数据计算处理任务

16、（大程序）分解成若干个较小的数据计算处理任务（小程序），每一个小程序由一个服务器来完成计算。然后，再通过网络“云”将这些小程序的计算结果进行分析整合，并反馈给用户。云计算技术在车联网主要涉及海量数据存储备份和自动驾驶汽车的快速开发测试两个领域。3）何谓多接入边缘计算技术，多接入边缘计算技术在车联网中有哪些作用？多接入边缘计算（Multi-access Edge Computing，MEC）是一种网络架构，为网络运营商和服务供应商提供云计算能力及网络边缘的IT服务环境。多接入边缘计算技术在车联网中主要用于实现车路协同。3实操题（略）第5章 运动控制技术思考与实训1选择题1）智能汽车自动驾驶技术的

17、核心就是车辆运动控制。按照具体的控制方向不同，又可细分为（A）和（C）。A横向运动控制 B加速控制C纵向运动控制 D减速控制2）智能汽车的纵向运动控制主要是控制车辆的（B）和减速制动；横向运动控制主要是转向盘（A）的动态调节和（C）控制。A转角 B驱动C抗侧倾 D抗颠簸2问答题1）简述线控转向系统的基本构成和工作原理。线控转向系统由转向盘模块、转向控制模块和转向执行模块组成。驾驶人进行转向操作时，通过转向盘输入转向方向、角度、转向角速度以及转向力矩，转向盘模块中的传感器采集这一系列信号并将其传输到转向控制模块；转向控制模块随即处理这些信号并根据车速及其他相关信号进行转向传动机构传动比的计算，确

18、定系统所需的转向轮转角；然后控制转向执行模块的转向电动机驱动转向机构工作，使转向轮产生系统所需的偏转角度，完成转向任务。与此同时，转向控制模块根据车辆的转向轮转角信号、轮胎力信号和驾驶人的意图，通过路感模拟决策发出指令控制转矩反馈电动机输出力矩，以反馈路面信息。2）简述线控制动系统的基本构成和工作原理。以典型的电控液压式制动（Electro Hydraulic Brake，EHB) 线控制动系统为例加以说明。典型的电控液压式制动系统由制动踏板行程（位置）传感器、电子控制单元（EHB ECU）、执行机构（液压泵、备用阀和制动器）等组成。EHB是在传统的液压制动器的基础上发展来的，与传统制动系统相

19、比，最大的区别在于：EHB用电子元件替代传统制动系统中的部分机械元件，即用综合制动模块取代传统制动系统中的真空助力器、压力调节器和ABS模块。制动踏板不再与制动主缸直接相连，而是采用电传制动踏板，即制动踏板与制动系统之间既无刚性的机械连接，也无液压连接（如果有也只是作为备用系统），而是仅仅连接着一个制动踏板行程（位置）传感器，用于给电子控制单元（EHB ECU）输入一个踏板行程（位置）信号。EHB正常工作时，制动踏板与制动器之间的液压连接断开，备用阀处于关闭状态。电子踏板配有踏板感觉模拟器和踏板行程（位置）传感器，EHB ECU可以通过传感器信号判断驾驶人的制动意图，并通过电动机驱动液压泵进行

20、制动。当EHB电子系统发生致命故障时，备用阀自动打开，EHB系统则转变为传统的液压制动系统。3实操题（略）第6章 辅助驾驶技术思考与实训1选择题1）在预防发生追尾事故方面，具有（B）功能的汽车安全性更好；在预防侧向碰撞（自车偏出车道之外）方面，具有（D）功能的汽车安全性更好；在车辆编队、长途行车过程中，驾驶具有（C）功能的汽车，其安全性和舒适性更好。AForward Collision Warning（FCW） BAutonomous Emergency Braking（AEB）CAdaptive Cruise Control（ACC） DLane Keeping Assist（LKA） 2）

21、汽车夜视系统是采用（D）在光照不良的条件下获取道路信息的。ALight Detection and Ranging（LiDAR） BUltrasound RadarCMillimeter-wave radar DThermal Infrared Camera2问答题1）简述自动紧急制动系统的结构组成和工作原理。自动紧急制动系统主要由行车环境信息采集单元、电子控制单元和执行单元三部分组成。汽车自动紧急制动系统采用测距传感器测出自车与前车或障碍物之间的距离，然后利用电子控制单元将测出的距离与报警距离、安全距离等进行比较，小于报警距离时就进行报警提示，而小于安全距离时，即使在驾驶人没来得及踩制动踏板

22、的情况下，AEB系统也会自行启动，使汽车自动制动，确保行车安全。2）简述车道保持辅助系统的结构组成和工作原理。车道保持辅助系统主要由信息采集单元、电子控制单元和执行单元等组成。车道保持辅助系统可以在行车的全程或速度达到某一阈值后开启（该功能可以手动关闭），实时保持汽车的行驶轨迹。当系统正常工作时，信息采集单元通过车载传感器采集车辆位置、车速、转向盘转角信息；电子控制单元对信息进行处理，判断汽车是否偏离行驶车道。当汽车行驶可能偏离车道线时，发出预警信息；当汽车距离偏离侧车道线小于一定阈值或已经有车轮偏离出车道线时，电子控制单元计算出适宜的辅助操舵力和减速度，根据车辆偏离车道线的程度，通过转向盘操

23、纵模块和制动器操纵模块，以线控操作的形式对车辆施加操舵力和制动力，使汽车稳定地回到正常轨道。若驾驶人开启转向信号灯，正常进行变线行驶，则系统不会做出任何提示。3）简述自适应巡航控制系统的结构组成和工作原理。以燃油汽车为例加以说明。燃油汽车自适应巡航控制系统主要由信息感知单元、电子控制单元、执行单元和人机交互界面等组成。驾驶人启动ACC系统后，汽车在行驶过程中，安装在汽车前部的测距传感器持续扫描汽车前方道路环境；同时，转速传感器实时采集自车的行车速度信号。如果自车前方没有其他车辆，或前方有其他车辆，但自车与前车相距甚远且前车行车速度很快时，系统会自动激活巡航控制模式，ACC系统将根据驾驶人设定的

24、车速和转速传感器采集到的车速信息，自动调节节气门开度（及/或制动系统），使自车按照驾驶人设定的车速以巡航状态行驶。如果自车前方有其他车辆，且自车与前车相距较近或前车行车速度较慢时，系统会自动激活跟车控制模式，ACC系统将根据驾驶人设定的安全车距和转速传感器采集到的车速信息，计算出期望车距，并将其与车距传感器测得的实际车距相比较，自动调节节气门开度或制动压力等参量，确保自车与前车以安全车距伴随行驶。同时，ACC系统会将车辆当前的行驶状态信息显示在人机交互界面上，方便驾驶人随时掌握行车状态参数（如行车速度、变速器档位信息等）。ACC系统也具有紧急报警功能，当ACC系统出现故障或无法避免与前车相撞时

25、，会及时向驾驶人发出预警信息，并将车辆的控制权力交还给驾驶人，由驾驶人处理紧急情况。3实操题（略）第7章 自动驾驶技术思考与实训1选择题1）百度Apollo7.0车路协同系统架构分为车辆认证平台、硬件开发平台、开源软件平台和云端服务平台四层。其中属于车端系统的是（A、B、C）。A车辆认证平台 B硬件开发平台C开源软件平台 D云端服务平台2）Cyber RT是Apollo自有的操作系统，是在ROS的基础上进行二次开发的版本，在（B）、（C）和（D）方面具有突出特点。A权力集中 B共享内存C去中心化 D数据兼容2问答题1）简述百度Apollo7.0车路协同系统四大平台的基本功能。车辆认证平台主要由

26、线控车辆及开放车辆接口标准两部分组成，用于线控车辆的登记认证。硬件开发平台属于自动驾驶系统所依赖的硬件层，包含了整个系统的所有硬件设备。开源软件平台是自动驾驶系统最为重要的软件层。除此之外，开源软件平台还设置有V2X适配器，用于实现V2X通信的适配。云端服务平台用于提供云端服务，属于系统后台部分，为整个系统的正常运行提供后台技术支持。2）简述百度Apollo7.0车路协同系统中预测模块的工作流程。预测模块的工作流程主要由容器、场景、评估器和预测器四部分组成。容器。容器的主要作用是将应用软件运行其中，并使之与外界隔离。容器主要用于处理来自上游模块的消息，输出信息主要有自动驾驶主车的轨迹、主车的位置、障碍物的信息、障碍物与相关的车道信息，还有与主车相关的车道信息等。场景。场景不只是包含一些场景特征，还有与场景相关联的信息，如根据障碍车的位置和道路条件去判断它对主车的影响。评估器。评估器就是预测模型，也就是机器学习或者深度学习的模型，用于预测障碍物未来的轨迹或意图（运动趋势）。预测器。预测器的作用是在评估器获取障碍物预测轨迹或运动趋势后，进行障碍物轨迹延伸处理，最终生成障碍物在未来8s内的运动轨迹（时间点的间隔是100ms），以便主车做出正确的驾驶决策。3实操题（略）