文献综述（或调研报告）：
智能化和网联化是汽车产业发展的重要趋势。近年来，全球汽车产业在以智能化和网联化为特征的自动驾驶领域取得了显著成果。以谷歌为代表的互联网企业和以特斯拉、沃尔沃为代表的整车企业纷纷推出自动驾驶技术。随着技术、法规以及相关配套逐步成熟和完善，智能网联汽车产业将进入产品导入和市场化阶段[1]。
在智能网联车的发展过程中，欧美日起步早，发展快，技术已经比较成熟。国内由于起步晚，目前仍处于基础性研发阶段。
由于实验条件的限制，无法进行实际大车的实验，所以以缩放的车辆底盘来研究实际交通中的汽车自动驾驶控制。正如文献[2]和文献[3]中所提到的，应用Buckinghamrsquo;s pi;[2][3]相似原理设计小车模型，小车的动态表现与实际汽车几乎一致，完全可以替代实车进行试验。
国外对于自动驾驶技术的研究有专门针对某一路况或者某一驾驶要求的，比如匝道避障，直线超车等，也有基于特定地图的路径规划及自动驾驶。控制算法也不尽相同。文献[4]和[5]就是基于特定地图进行自动驾驶的案例分析。文中提到了一种分布式的结构系统，即把自动驾驶的实现进行功能分块，包括定位功能，感知功能，规划功能，车辆控制功能以及系统管理功能。这种结构降低了整个系统的计算复杂性，保证了容错特性，并增强系统的模块性。同时，基于分层架构的软件平台（源自AUTOSAR）可以提高应用软件的可重用性，可扩展性，可转移性和可维护性 。此系统装载了轮速传感器，方向盘角度传感器和偏航率传感器检测异常的车辆运动。两个多层激光扫描仪（Ibeo LUX，在最佳环境中测量200米内的障碍物）被装在前保险杠上以检测远方的物体。四个单层激光扫描器（LMS 151）检测自主车辆周围的相邻物体。在地面上垂直扫描的两个单层激光扫描器（LMS 291）安装在屋顶上以检测屏障，一个彩色摄像机和三个单眼摄像机检测和分类任务对象。配备有两种类型的GPS接收器，即实时运动学GPS（RTK-GPS）和差分GPS（DGPS），以测量自身车辆在全局坐标系中的位置。位于车辆中心的惯性测量单元（IMU）用于估计车辆的动态运动。文中所提的研究方法的重要性已经得到证明， 其试验的自动驾驶车在2012韩国自动车辆大赛中完成了所有任务，赢得了比赛。文献[6]里也介绍了一款用于比赛的无人驾驶系统，相比于文献[4]里的系统，这套系统更适合于城市里的自动驾驶，包括停车，避障等，此系统里最关键的算法是路径生成算法。此算法使得汽车迅速准确的完成各项任务。
文献[7][8][9]则是针对某一路况或某一驾驶要求进行的自动驾驶研究，主要用于辅助驾驶。不同于上面提到的完全自动驾驶。文献[7]中介绍了一种多辆半自主小车在交叉口避障的算法。一共三辆小车，一辆是人为驱动，另外两辆由车载计算机控制，当他们快要碰撞时，由supervisor介入控制避免碰撞。文献[8]中利用车对车（V2V）通信技术实现计算高效的分散算法，用于在交叉口的双车合作避免冲突。文中的算法采用形式控制理论方法来保证无碰撞（安全）系统，仅在必要时应用以防止碰撞。模型和状态估计算法考虑了模型不确定性和通信延迟。文中最后通过一个实验验证了算法的可靠性。文献[9]中是通过控制转向进行行人的避障。使用基于立体视觉的方法进行行人检测，其提供行人的位置和相对运动。 决策是基于主车辆和前方行人之间的碰撞时间（TTC）的计算。一方面，如果系统认为碰撞不可避免，则将触发行人保护系统（PPS），例如主动断开，主动罩或者行人保护安全气囊。另一方面，如果碰撞仍然可以避免，则使用用于路径跟踪和车道变换的模糊转向控制器来执行碰撞避免操纵，其被定义为车辆速度的函数。速度控制也是自主管理的，将车辆保持在目标速度（巡航控制）。从高精度全球定位系统（GPS）和无线通信系统获得额外的感觉信息。
总的来说，国外对于智能网联车研究比较深入和丰富，无论是实车验证，还是小车模型试验，无论是完全自动驾驶，还是半自动驾驶，都有比较成熟的控制算法。而国内起步较晩，并且发展缓慢，正如文献[10]和[11]所提到的，目前关于无人车的科研项目仅仅是在部分高校和科研院所进行，并没有发展到企业，加之经济的限制，汽车交通安全并没有较快的发展，无人车的智能驾驶并不能引起人们的高度关注。在国家863计划和国家对国防科研事业的支持下，清华大学的计算机智能技术与系统国家重点实验室研制成功了一套THMR系列智能车辆控制系统。目前THMR系列已发展到THMR-V,THMR-V由磁性罗盘光码定位仪、超声波、GPS定位系统、激光测距仪和二维彩色摄像机等传感设备姐成。随着视觉传感器的不断完善，对处理视觉信息的硬件设备要求也越来越高。THMR-V的总控系统包括一台专口负责视频图像处理的计算机和一台负责完成数据融合、避障导航决策等控制功能的计算机。另外GPS采集的数据、激光测距数据、各个子机之间的通讯控制分别由各自的IPC工控机来完成。THMR-V智能车辆系统通过采用多数据融合技术，进行障碍物检测和行驶车辆测距，主要检测和测距传感器有激光测距仪和CCD摄像机。送款自主无人驾驶车辆仅仅是在实验环境下进行了跟踪和无人驾驶智能控制，理论上也可80Ｋｍ的时速行驶在高速公路上，以20Ｋｍ的时速在普通路况下进行行驶。从20世纪80年代起，国防科技大学自动化研究所就开始了无人车智能控制的研究。它们相继成功开发了CITAVT-I 型、CITAVT-n型等自主驾驶车。2000年４月，它们最新研制成功的CITAVT-IV 无人驾驶车在长沙市绕城公路上以75.6Ｋｍ的时速实验成功，预示着基于视觉传感器的无人车自主驾驶时代的到来。目前我国自主无人车检测与导航方法是主要针对环境较为简单的结构化道路（如高速公路），对非结构化道路（如城市道路、非等级公路）环境下的应用研究较少。
虽然国内实际大车的自动驾驶技术研究还处在基础研发阶段，然而得益于“飞思卡尔”杯全国大学生智能车大赛的举办，智能小车的研究却比较多。本项目是基于多传感器数据的智能网联小车自动驾驶的研究，从实验平台的搭建到传感器数据采集、处理，再到小车算法的开发都是本项目需要完成的内容，对于今后大车自动驾驶的研究有一定的意义。
- 黎宇，科刘宇. 国外智能网联汽车发展现状及启示[J]. 汽车工业研究，2016，（10）:30-36.
- Verma R, Del Vecchio D, Fathy H K. Development of a scaled vehicle with longitudinal dynamics of an HMMWV for an ITS testbed[J]. IEEE/ASME Transactions on Mechatronics, 2008, 13(1): 46-57.
- Lapapong S, Gupta V, Callejas E, et al. Fidelity of using scaled vehicles for chassis dynamic studies[J]. Vehicle System Dynamics, 2009, 47(11): 1401-1437.
- Jo K, Kim J, Kim D, et al. Development of autonomo us car—Part ii: A case study on the implementation of an autonomous driving system based on distributed architecture [J]. IEEE Transactions on Industrial Electronics, 2015, 62(8): 5119-5132. （翻译论文）
- Jo K, Kim J, Kim D, et al. Development of autonomous car—part I: distributed system architecture and development process[J]. IEEE Transactions on Industrial Electronics, 2014, 61(12): 7131-7140.
- Dave Ferguson, Thomas M. Howard, Maxim Likhachev.Motion Planning in Urban Environments[J]. Journal of Field Robotics ,2008,25(11–12): 939–960 .
- Ahn H, Rizzi A, Colombo A, et al. Experimental testing of a semi-autonomous multi-vehicle collision avoidance algorithm at an intersection testbed[C]//Intelligent Robots and Systems (IROS), 2015 IEEE/RSJ International Conference on. IEEE, 2015: 4834-4839.
- Chiou J C, Chen C L. Modeling and verification of a diamond-shape narrow-tilting vehicle[J]. IEEE/ASME transactions on Mechatronics, 2008, 13(6): 678-691.
- Hafner M R, Cunningham D, Caminiti L, et al. Cooperative collision avoidance at intersections: Algorithms and experiments[J]. IEEE Transactions on Intelligent Transportation Systems, 2013, 14(3): 1162-1175.
- 张煜.基于多传感器数据融合的无人车避障导航硏究[D].西安:西安工业大学,2015.
- 赵盼. 城肀环境下无人驾政车辆运动控制方法的研光[D].合肥:中国科学技术大学,2012.
- David Fernaacute;ndez Llorca,Vicente Milaneacute;s, Ignacio Parra Alonso, et al. Autonomous Pedestrian Collision Avoidance Using a Fuzzy Steering Controller[J]. IEEE Transactions on Intelligent Transportation Systems,2011,12(2): 390-401.
- David Gonzaacute;lez, Joshueacute; Peacute;rez, Vicente Milaneacute;s, Fawzi Nashashibi. A Review of Motion Planning Techniques for Automated Vehicles[J]. IEEE Transactions on Intelligent Transportation Systems,2016,17(4):1135-1145.
- 陈占林,吴小所.智能车辆控制系统PID算法的设计[J].自动化与仪器仪表,2012,(2):68-70.
- 毕诗皓. 智能车建模与仿真软件设计[D].西安：西安理工大学,2007.
