第一届CCF 中国智能汽车学术年会(CIVS 2023) 论文专刊( 中文)
编者按
人工智能与新能源汽车的交叉融合为现代汽车工业和交通体系带来了深刻的变革，这种协同进化的发展趋势不仅推动了智能汽车产业的快速崛起，也在技术层面提出了全新的挑战。如何解决智能系统面向复杂场景的计算能力、实时性、可靠性、能耗、成本等关键问题，是未来智能汽车领域研究和产业应用的重要方向。
本期专刊聚焦探讨我国智能汽车领域的最新研究成果，主要介绍相关学者在智能感知、决策规划、执行控制等关键领域的研究进展以及对未来发展趋势的展望与分析。
本期客座编辑
李慧云，中国科学院深圳先进技术研究院研究员，中国科学院核心攻关人才，深圳市海外高层次人才，深圳市政府津贴获得者。研究方向为新能源技术与智能驾驶相关技术的研究。
孙鹏，博士，现就职于阿波罗智能技术(北京)有限公司，中国计算机学会高级会员、中国计算机学会智能汽车分会执行委员。主要研究方向包括自动驾驶系统、空间数据挖掘、高精地图等。
斯白露，北京师范大学系统科学学院教授，中国计算机学会智能汽车分会秘书长。主要研究方向为类脑智能、神经信号处理。
文章列表
2024, 13(2):39-51.
DOI: 10.12146/j.issn.2095-3135.20230724002
摘要:
针对反制无人机识别系统在公共场所内部复杂背景下的无人机识别问题，本文研究了一种基于仿斑马鱼模板匹配视觉识别和仿鹰眼视觉注意的目标识别方法，通过建立不同姿态的无人机模板数据库，采用仿鹰眼视觉搜索机制，结合尺度不变特征变换将姿态模板图像与目标进行匹配，获得粗略的目标区域。然后计算模板姿态与目标姿态的 Hausdorff 距离比较相似性，获得最相似姿态。采用仿鹰眼视觉注意机制对遮挡图像进行处理，提高目标识别的显著性。实验结果表明，该方法能够在不同复杂背景下实现无人机的准确识别，与光谱残差的显著性目标识别方法相比，平均运行时间提高23.5%，相比差异哈希算法具有更高的结构相似性指数。
针对反制无人机识别系统在公共场所内部复杂背景下的无人机识别问题，本文研究了一种基于仿斑马鱼模板匹配视觉识别和仿鹰眼视觉注意的目标识别方法，通过建立不同姿态的无人机模板数据库，采用仿鹰眼视觉搜索机制，结合尺度不变特征变换将姿态模板图像与目标进行匹配，获得粗略的目标区域。然后计算模板姿态与目标姿态的 Hausdorff 距离比较相似性，获得最相似姿态。采用仿鹰眼视觉注意机制对遮挡图像进行处理，提高目标识别的显著性。实验结果表明，该方法能够在不同复杂背景下实现无人机的准确识别，与光谱残差的显著性目标识别方法相比，平均运行时间提高23.5%，相比差异哈希算法具有更高的结构相似性指数。
2024, 13(2):3-14.
DOI: 10.12146/j.issn.2095-3135.20230817001
摘要:
对数函数在自动驾驶系统中有着广泛应用，如自动驾驶感知系统所使用的深度学习或卷积神经网络常会利用对数函数来设计损失函数，故研究对数发明的历史对掌握对数的概念和应用具有重要意义。该文阐述了纳皮尔对数的定义及其 3 张表，分析了前人的两类证明方法，提出了新的基于指数函数构造的证明方法。同时，该文还分析了纳皮尔的计算方法，与对照方法相比，给出了纳皮尔对精度范围的优化结果，通过 MPRF 库进行了计算，结果表明纳皮尔的方法的计算结果更接近真实值。
对数函数在自动驾驶系统中有着广泛应用，如自动驾驶感知系统所使用的深度学习或卷积神经网络常会利用对数函数来设计损失函数，故研究对数发明的历史对掌握对数的概念和应用具有重要意义。该文阐述了纳皮尔对数的定义及其 3 张表，分析了前人的两类证明方法，提出了新的基于指数函数构造的证明方法。同时，该文还分析了纳皮尔的计算方法，与对照方法相比，给出了纳皮尔对精度范围的优化结果，通过 MPRF 库进行了计算，结果表明纳皮尔的方法的计算结果更接近真实值。
2024, 13(2):15-28.
DOI: 10.12146/j.issn.2095-3135.20230726001
摘要:
在自动驾驶安全性的研究和应用中，测试里程长、暴露危险场景单一的问题使自动驾驶安全性能的提升受到限制。使用对抗性场景进行测试被认为是解决上述问题的重要手段，然而，现有研究采用通用的优化算法作为框架，将大量计算资源浪费在对参数空间的探索过程中，效率低下。在计算成本的约束下，这些算法甚至无法在更复杂的环境中测试出足够多、足够丰富的失效样本。复杂环境中的对抗性场景测试面临三大挑战：信息匮乏；对抗性样本在庞大的参数空间中稀疏分布；搜索过程中探索与利用难以平衡。该文从这三大挑战出发，提出一种高效的对抗性场景测试框架，通过代理模型来获取更多关于参数空间的信息，精选小样本，以打破庞大空间中稀疏事件的制约，对未知区域和对抗性样本附近的目标进行有针对性的搜索和更新，以实现探索和利用的平衡。实验证明，该文提出方法的搜索效率是随机采样的 4 倍，与通用遗传算法相比，效率提升一倍以上，在有限的仿真测试次数下，生成了更多容易使被测自动驾驶系统失效的对抗性测试用例。特别地，该文提出的方法能够找出许多离群的对抗性样本，揭示出现有算法无法识别的失效模式。此外，该文提出的方法能够快速、全面地定位出被测算法的脆弱场景，为自动驾驶算法的测试验证、迭代升级提供支持。
在自动驾驶安全性的研究和应用中，测试里程长、暴露危险场景单一的问题使自动驾驶安全性能的提升受到限制。使用对抗性场景进行测试被认为是解决上述问题的重要手段，然而，现有研究采用通用的优化算法作为框架，将大量计算资源浪费在对参数空间的探索过程中，效率低下。在计算成本的约束下，这些算法甚至无法在更复杂的环境中测试出足够多、足够丰富的失效样本。复杂环境中的对抗性场景测试面临三大挑战：信息匮乏；对抗性样本在庞大的参数空间中稀疏分布；搜索过程中探索与利用难以平衡。该文从这三大挑战出发，提出一种高效的对抗性场景测试框架，通过代理模型来获取更多关于参数空间的信息，精选小样本，以打破庞大空间中稀疏事件的制约，对未知区域和对抗性样本附近的目标进行有针对性的搜索和更新，以实现探索和利用的平衡。实验证明，该文提出方法的搜索效率是随机采样的 4 倍，与通用遗传算法相比，效率提升一倍以上，在有限的仿真测试次数下，生成了更多容易使被测自动驾驶系统失效的对抗性测试用例。特别地，该文提出的方法能够找出许多离群的对抗性样本，揭示出现有算法无法识别的失效模式。此外，该文提出的方法能够快速、全面地定位出被测算法的脆弱场景，为自动驾驶算法的测试验证、迭代升级提供支持。
5 数字混沌激光雷达
2024, 13(2):29-38.
DOI: 10.12146/j.issn.2095-3135.20230724001
摘要:
混沌激光雷达具有分辨率高、抗干扰和隐蔽性强的优点，然而受限于混沌光源的功率、线性探测器的灵敏度以及硬件带宽，其在远距离探测方面存在瓶颈。为解决这一问题，该文提出了数字混沌激光雷达(digital chaos LiDAR)的概念，并进行了理论分析与仿真验证。通过蒙特卡洛(Monte Carlo) 仿真，该文研究了连续混沌激光雷达(continuous-wave chaos LiDAR)、脉冲混沌激光雷达(pulsed chaos LiDAR)与数字混沌激光雷达的探测概率、虚警概率与探测距离。仿真结果表明，在探测概率大于 95%，虚警概率小于 5% 的置信区间内，数字混沌激光雷达的探测距离相比连续混沌激光雷达与脉冲混沌激光雷达分别提高了约 35 倍与 8 倍。得益于单光子探测器的超高灵敏度与数字化输出，数字混沌激光雷达有望在远距离目标探测成像方面获得广泛应用。
混沌激光雷达具有分辨率高、抗干扰和隐蔽性强的优点，然而受限于混沌光源的功率、线性探测器的灵敏度以及硬件带宽，其在远距离探测方面存在瓶颈。为解决这一问题，该文提出了数字混沌激光雷达(digital chaos LiDAR)的概念，并进行了理论分析与仿真验证。通过蒙特卡洛(Monte Carlo) 仿真，该文研究了连续混沌激光雷达(continuous-wave chaos LiDAR)、脉冲混沌激光雷达(pulsed chaos LiDAR)与数字混沌激光雷达的探测概率、虚警概率与探测距离。仿真结果表明，在探测概率大于 95%，虚警概率小于 5% 的置信区间内，数字混沌激光雷达的探测距离相比连续混沌激光雷达与脉冲混沌激光雷达分别提高了约 35 倍与 8 倍。得益于单光子探测器的超高灵敏度与数字化输出，数字混沌激光雷达有望在远距离目标探测成像方面获得广泛应用。
2024, 13(2):52-63.
DOI: 10.12146/j.issn.2095-3135.20230717001
摘要:
为实现无人平台在未知环境下的高效路径探索，该文提出了一种以“感知-规划-控制”分层架构为基础的路径规划算法。在感知层通过 Cartographer 建图算法实时构建未知环境的二维栅格地图。在规划层，通过 Canny 边缘检测、基于密度的聚类算法、效能函数评估选择最佳探索目标点，并在规划的效能函数中引入探索方向延续性概念，克服了传统路径规划反复探索已知环境的难题。在控制层，通过概率路线图算法规划从当前位姿到目标点的最短路径，并通过纯跟踪算法和向量直方图算法实现了路径无碰撞跟踪。3 种典型环境下的仿真实验表明，所提出的算法在不同环境下均具有较高的探索效率和完成度。
为实现无人平台在未知环境下的高效路径探索，该文提出了一种以“感知-规划-控制”分层架构为基础的路径规划算法。在感知层通过 Cartographer 建图算法实时构建未知环境的二维栅格地图。在规划层，通过 Canny 边缘检测、基于密度的聚类算法、效能函数评估选择最佳探索目标点，并在规划的效能函数中引入探索方向延续性概念，克服了传统路径规划反复探索已知环境的难题。在控制层，通过概率路线图算法规划从当前位姿到目标点的最短路径，并通过纯跟踪算法和向量直方图算法实现了路径无碰撞跟踪。3 种典型环境下的仿真实验表明，所提出的算法在不同环境下均具有较高的探索效率和完成度。
2024, 13(2):64-73.
DOI: 10.12146/j.issn.2095-3135.20230725001
摘要:
该文对多无人智能车以领航-跟随法在复杂环境下运动的编队控制问题进行了探讨，通过采用闭环控制律设计了一种编队控制器和编队控制方案，该编队控制器的优点在于其主要考虑智能车之间的距离和角度，同时参考领航者与相邻跟随者之间的信息实现精准控制。基于所搭建的模拟测试环境，测试改进的控制方法与传统编队方法。实验结果显示，该文所提出的方法在复杂环境下具有更好的运动控制效果。
该文对多无人智能车以领航-跟随法在复杂环境下运动的编队控制问题进行了探讨，通过采用闭环控制律设计了一种编队控制器和编队控制方案，该编队控制器的优点在于其主要考虑智能车之间的距离和角度，同时参考领航者与相邻跟随者之间的信息实现精准控制。基于所搭建的模拟测试环境，测试改进的控制方法与传统编队方法。实验结果显示，该文所提出的方法在复杂环境下具有更好的运动控制效果。
