視覺(jué)傳感器在智能網(wǎng)聯(lián)汽車(chē)上的聯(lián)機(jī)調(diào)試與應(yīng)用研究

摘 要：視覺(jué)傳感器作為智能網(wǎng)聯(lián)汽車(chē)環(huán)境感知的核心部件，其性能與調(diào)試精度對(duì)駕駛安全以及系統(tǒng)可靠性有著直接影響。文章系統(tǒng)解析了視覺(jué)傳感器的結(jié)構(gòu)特性與工作原理，并闡述了前視、后視、側(cè)視及內(nèi)視視覺(jué)傳感器的功能差異，以其在車(chē)道偏離預(yù)警、交通標(biāo)志識(shí)別、盲區(qū)監(jiān)測(cè)等多場(chǎng)景下的應(yīng)用。針對(duì)傳統(tǒng)聯(lián)機(jī)調(diào)試中參數(shù)配置復(fù)雜、場(chǎng)景適應(yīng)性差等問(wèn)題，提出標(biāo)準(zhǔn)化的聯(lián)機(jī)調(diào)試方法。

關(guān)鍵詞：智能網(wǎng)聯(lián)汽車(chē) 視覺(jué)傳感器 聯(lián)機(jī)調(diào)試

隨著智能網(wǎng)聯(lián)汽車(chē)迅速發(fā)展，視覺(jué)傳感器身為環(huán)境感知的核心部件，其性能直接決定車(chē)輛自動(dòng)駕駛能力與安全性。視覺(jué)傳感器依靠實(shí)時(shí)捕捉道路圖像，給車(chē)道偏離預(yù)警、前向碰撞預(yù)警、交通標(biāo)志識(shí)別等功能給予數(shù)據(jù)支撐。然而在傳感器裝配進(jìn)程里，聯(lián)機(jī)調(diào)試的復(fù)雜程度成為限制系統(tǒng)性能的關(guān)鍵妨礙，比如信號(hào)干擾、參數(shù)配置效率低以及多場(chǎng)景適應(yīng)性差等問(wèn)題屢屢出現(xiàn)，使得調(diào)試周期長(zhǎng)且成本高。因此研究標(biāo)準(zhǔn)化聯(lián)機(jī)調(diào)試方法，對(duì)提高智能網(wǎng)聯(lián)汽車(chē)可靠性意義重大。

1 視覺(jué)傳感器結(jié)構(gòu)特點(diǎn)與工作原理

1.1 視覺(jué)傳感器的結(jié)構(gòu)

視覺(jué)傳感器作為智能網(wǎng)聯(lián)汽車(chē)環(huán)境感知里的關(guān)鍵核心部件，主要是由光學(xué)鏡頭、圖像傳感器、模數(shù)轉(zhuǎn)換器和數(shù)字信號(hào)處理器這四個(gè)部分組合而成。光學(xué)鏡頭運(yùn)用多組透鏡陣列的設(shè)計(jì)，憑借調(diào)節(jié)光圈以及焦距來(lái)對(duì)成像范圍和景深加以控制，其中廣角鏡頭被應(yīng)用于環(huán)視系統(tǒng)達(dá)成全景覆蓋，長(zhǎng)焦鏡頭則是用于前視感知以便可捕捉到百米級(jí)遠(yuǎn)距離的目標(biāo)。圖像傳感器在車(chē)載實(shí)時(shí)處理領(lǐng)域主要是CMOS，借助像素級(jí)集成光敏二極管以及放大電路，達(dá)成了低功耗以及高幀率的特性。模數(shù)轉(zhuǎn)換器將模擬電信號(hào)轉(zhuǎn)換為數(shù)字信號(hào)，為后續(xù)的處理工作提供有抗干擾能力的輸入信號(hào)。數(shù)字信號(hào)處理器是基于異構(gòu)計(jì)算架構(gòu)的，集成了高斯濾波模塊、多幀HDR融合模塊和卷積神經(jīng)網(wǎng)絡(luò)加速模塊，借助這些模塊能達(dá)成實(shí)時(shí)去噪的效果，還可進(jìn)行特征提取并且生成結(jié)構(gòu)化的數(shù)據(jù)。

1.2 視覺(jué)傳感器的工作原理

視覺(jué)傳感器通過(guò)鏡頭捕獲目標(biāo)物體的光學(xué)圖像，投射至圖像傳感器后，光信號(hào)被轉(zhuǎn)換為電信號(hào)，經(jīng)模數(shù)轉(zhuǎn)換（A/D）生成數(shù)字圖像信號(hào)，隨后由數(shù)字信號(hào)處理芯片進(jìn)行降噪、增強(qiáng)等處理，最終輸出為特定格式的圖像數(shù)據(jù)，借助圖像匹配算法去識(shí)別行駛過(guò)程中的車(chē)輛、行人以及交通標(biāo)志等，根據(jù)目標(biāo)物體的運(yùn)動(dòng)模式或者運(yùn)用雙目定位技術(shù)，精確計(jì)算其與本車(chē)的相對(duì)距離及速度，為智能駕駛決策提供關(guān)鍵感知輸入。

1.3 視覺(jué)傳感器的特點(diǎn)

1.3.1 多維信息感知能力

視覺(jué)傳感器所輸出的圖像數(shù)據(jù)呈現(xiàn)出高維度信息的特性，含有目標(biāo)物體的空間距離方面的信息，而且還包含色彩特征、紋理結(jié)構(gòu)、幾何形態(tài)以及三維空間信息像深度與形狀等，這樣的數(shù)據(jù)給環(huán)境感知算法提供了豐富的輸入來(lái)源，可支撐復(fù)雜的語(yǔ)義分割和目標(biāo)識(shí)別任務(wù)。

1.3.2 多目標(biāo)并行檢測(cè)能力

單傳感器在單個(gè)視野范圍之內(nèi)可達(dá)成多任務(wù)協(xié)同處理，像道路輪廓提取、車(chē)輛或者行人動(dòng)態(tài)追蹤、交通標(biāo)志語(yǔ)義解析以及信號(hào)燈狀態(tài)識(shí)別等，并且借助頻段隔離與信號(hào)編碼技術(shù)，多車(chē)協(xié)同作業(yè)期間傳感器之間不存在電磁干擾情況，保證系統(tǒng)運(yùn)行穩(wěn)定。

1.3.3 動(dòng)態(tài)場(chǎng)景實(shí)時(shí)捕捉與自主適應(yīng)性

視覺(jué)傳感器依靠連續(xù)幀圖像的采集以及處理工作，達(dá)成對(duì)動(dòng)態(tài)場(chǎng)景的實(shí)時(shí)感知，和那些依靠高精度地圖或者GPS定位的導(dǎo)航系統(tǒng)不一樣，視覺(jué)傳感器所生成的數(shù)據(jù)僅借助實(shí)時(shí)圖像分析就可完成環(huán)境建模，在復(fù)雜路況比如臨時(shí)施工區(qū)域、沒(méi)有標(biāo)線(xiàn)的道路當(dāng)中呈現(xiàn)出更為強(qiáng)大的自主適應(yīng)能力。

1.3.4 全場(chǎng)景覆蓋與魯棒性

視覺(jué)傳感器技術(shù)具備廣泛的應(yīng)用兼容性，拿前視視覺(jué)傳感器為例來(lái)說(shuō)，其通過(guò)融合紅外成像、動(dòng)態(tài)曝光調(diào)節(jié)及抗逆光算法，可在雨霧、夜間、強(qiáng)光等極端狀況下達(dá)成車(chē)道線(xiàn)精準(zhǔn)識(shí)別、障礙物可靠檢測(cè)和交通標(biāo)志快速解析。此外，多光譜融合技術(shù)還提升了視覺(jué)傳感器在沙塵、大雪等惡劣天氣里的魯棒性，能適應(yīng)全天候環(huán)境感知。

2 視覺(jué)傳感器在智能網(wǎng)聯(lián)汽車(chē)上的應(yīng)用

視覺(jué)傳感器作為智能網(wǎng)聯(lián)汽車(chē)環(huán)境感知的核心部件，通過(guò)前視、后視、側(cè)視及內(nèi)視等多方位應(yīng)用部署可實(shí)時(shí)解析動(dòng)態(tài)場(chǎng)景，顯著提升駕駛安全與效率。

2.1 前視視覺(jué)傳感器的應(yīng)用

前視視覺(jué)傳感器作為智能網(wǎng)聯(lián)汽車(chē)環(huán)境感知里的核心部件，它的應(yīng)用場(chǎng)景十分廣泛，具有多種功能，主要應(yīng)用于車(chē)道偏離預(yù)警系統(tǒng)、前向碰撞預(yù)警系統(tǒng)以及交通標(biāo)志識(shí)別系統(tǒng)，依靠高分辨率攝像頭與先進(jìn)算法相結(jié)合，前視傳感器可實(shí)時(shí)獲取車(chē)輛前方道路的信息，為駕駛決策給予關(guān)鍵的數(shù)據(jù)支撐。

2.1.1 車(chē)道偏離預(yù)警系統(tǒng)

車(chē)道偏離預(yù)警系統(tǒng)借助前視傳感器對(duì)車(chē)輛與車(chē)道線(xiàn)的相對(duì)位置展開(kāi)實(shí)時(shí)監(jiān)測(cè)，要是車(chē)輛因?yàn)轳{駛員分心或者疲勞而出現(xiàn)無(wú)意識(shí)偏離車(chē)道的情況，該系統(tǒng)就會(huì)借助聲音、震動(dòng)或者儀表盤(pán)警示燈來(lái)發(fā)出預(yù)警，傳感器采集到車(chē)道線(xiàn)圖像以后，運(yùn)用邊緣檢測(cè)算法提取車(chē)道線(xiàn)輪廓，再結(jié)合深度學(xué)習(xí)模型實(shí)施精確識(shí)別。在高速公路或者長(zhǎng)途駕駛的場(chǎng)景當(dāng)中，LDW可降低因車(chē)道偏離所引發(fā)的碰撞事故率，據(jù)相關(guān)統(tǒng)計(jì)，搭載LDW的車(chē)輛事故率大約減少了30%。

2.1.2 前向碰撞預(yù)警系統(tǒng)

前向碰撞預(yù)警系統(tǒng)會(huì)對(duì)前視傳感器所獲取到的車(chē)輛和前方障礙物之間的距離以及相對(duì)速度展開(kāi)分析，預(yù)測(cè)潛在的碰撞風(fēng)險(xiǎn)，該系統(tǒng)是基于單目或者雙目視覺(jué)測(cè)距技術(shù)，并且結(jié)合目標(biāo)檢測(cè)算法來(lái)識(shí)別前方的車(chē)輛、行人或者障礙物，此系統(tǒng)憑借計(jì)算時(shí)間距離來(lái)判斷風(fēng)險(xiǎn)等級(jí)，一旦時(shí)間距離低于閾值便會(huì)觸發(fā)預(yù)警。在擁堵的城市道路或者高速跟車(chē)的場(chǎng)景當(dāng)中，F(xiàn)CW可提前1.5至2.5秒發(fā)出警報(bào)，為駕駛員爭(zhēng)取制動(dòng)時(shí)間，以此減少追尾事故的發(fā)生率。

2.1.3 交通標(biāo)志識(shí)別系統(tǒng)

交通標(biāo)志識(shí)別系統(tǒng)借助前視傳感器實(shí)時(shí)捕捉并解析道路上的交通標(biāo)志信息，像限速、禁止超車(chē)、停車(chē)讓行等這些信息，之后把識(shí)別結(jié)果憑借車(chē)載顯示屏或者語(yǔ)音提示的方式告知駕駛員，該系統(tǒng)采用圖像分類(lèi)算法來(lái)對(duì)標(biāo)志進(jìn)行特征提取以及匹配，還結(jié)合顏色空間分割，以此提高在復(fù)雜光照情況下的識(shí)別魯棒性。在雨霧、逆光或者標(biāo)志污損的場(chǎng)景當(dāng)中，系統(tǒng)需要融合紅外補(bǔ)光或者圖像提高技術(shù)來(lái)提升識(shí)別準(zhǔn)確率，實(shí)驗(yàn)顯示，優(yōu)化后的TSR系統(tǒng)在惡劣天氣下的識(shí)別率可達(dá)到85%以上。

2.2 后視視覺(jué)傳感器的應(yīng)用

2.2.1 交通狀況識(shí)別

后視視覺(jué)傳感器可實(shí)時(shí)捕捉車(chē)輛后方道路的圖像，以此來(lái)識(shí)別后方車(chē)輛、行人以及障礙物的動(dòng)態(tài)信息，為駕駛員提供關(guān)于后方交通狀況的感知，利用目標(biāo)檢測(cè)算法對(duì)后方車(chē)輛與行人進(jìn)行識(shí)別，同時(shí)結(jié)合光流法來(lái)分析物體的運(yùn)動(dòng)軌跡，預(yù)測(cè)潛在的碰撞風(fēng)險(xiǎn)，在高速變道或者倒車(chē)場(chǎng)景當(dāng)中，該系統(tǒng)可對(duì)后方快速接近的車(chē)輛發(fā)出預(yù)警，以此降低碰撞風(fēng)險(xiǎn)。統(tǒng)計(jì)數(shù)據(jù)說(shuō)明，搭載TCR的車(chē)輛倒車(chē)事故率減少了大約25%。

2.2.2 輔助泊車(chē)

后視視覺(jué)傳感器會(huì)和超聲波雷達(dá)共同發(fā)揮作用，提供高精度的泊車(chē)引導(dǎo)功能，其憑借魚(yú)眼鏡頭以廣角的方式拍攝后方環(huán)境，再結(jié)合圖像畸變校正算法來(lái)生成清晰的視野，之后融合超聲波測(cè)距數(shù)據(jù)，可實(shí)時(shí)計(jì)算出泊車(chē)路徑，并將虛擬引導(dǎo)線(xiàn)疊加顯示在車(chē)載屏幕上，在狹窄車(chē)位或者夜間低光環(huán)境里，可輔助駕駛員完成垂直泊車(chē)、側(cè)方泊車(chē)等一系列復(fù)雜操作。實(shí)際測(cè)試的結(jié)果顯示，該系統(tǒng)可以讓泊車(chē)成功率提高40%，同時(shí)減少剮蹭事故的發(fā)生。

2.3 側(cè)視視覺(jué)傳感器的應(yīng)用

2.3.1 停車(chē)輔助系統(tǒng)

側(cè)視視覺(jué)傳感器借助多攝像頭布局的方式，達(dá)成車(chē)輛周?chē)h(huán)境無(wú)死角的監(jiān)控效果，于車(chē)輛兩側(cè)安裝廣角攝像頭，可實(shí)時(shí)采集周邊圖像，運(yùn)用圖像拼接算法比如特征點(diǎn)匹配加上透視變換來(lái)生成360°全景俯視圖，把超聲波傳感器數(shù)據(jù)結(jié)合起來(lái)，標(biāo)注出障礙物距離信息，以此幫助駕駛員在狹窄道路或者擁擠停車(chē)場(chǎng)中精確判斷車(chē)身與障礙物的距離。實(shí)驗(yàn)數(shù)據(jù)說(shuō)明，全景影像可讓停車(chē)效率提高30%，使剮蹭率降低50%。

2.3.2 盲區(qū)監(jiān)測(cè)

側(cè)視傳感器會(huì)不斷地對(duì)車(chē)輛側(cè)后方的盲區(qū)展開(kāi)監(jiān)測(cè)工作，以此來(lái)預(yù)先警示潛在的碰撞風(fēng)險(xiǎn)，借助目標(biāo)跟蹤算法持續(xù)追蹤盲區(qū)內(nèi)車(chē)輛的動(dòng)態(tài)情況，一旦盲區(qū)有車(chē)輛存在，并且駕駛員開(kāi)啟了轉(zhuǎn)向燈，便會(huì)借助后視鏡警示燈或者聲音來(lái)進(jìn)行提醒，在高速變道或者城市擁堵路段的時(shí)候，可有效地避免因?yàn)槊^(qū)車(chē)輛而引發(fā)的側(cè)向碰撞。行業(yè)統(tǒng)計(jì)數(shù)據(jù)顯示，BSD系統(tǒng)可讓變道事故率降低大約35%。

2.4 內(nèi)視視覺(jué)傳感器的應(yīng)用

2.4.1 駕駛員注意力監(jiān)控系統(tǒng)

內(nèi)視視覺(jué)傳感器會(huì)對(duì)駕駛員的面部特征以及生理信號(hào)展開(kāi)分析，以此來(lái)實(shí)時(shí)監(jiān)測(cè)其是否處于疲勞或者分心狀態(tài)，它運(yùn)用紅外攝像頭去捕捉駕駛員的面部圖像，這樣可有效避免環(huán)境光所帶來(lái)的干擾，借助深度學(xué)習(xí)模型來(lái)檢測(cè)眼部的開(kāi)合程度、頭部的姿態(tài)以及打哈欠的頻率，再結(jié)合心率變異分析來(lái)判斷疲勞的等級(jí)。在長(zhǎng)途駕駛過(guò)程當(dāng)中，該系統(tǒng)可提前10～15分鐘對(duì)疲勞狀態(tài)發(fā)出預(yù)警，降低事故發(fā)生的風(fēng)險(xiǎn)。實(shí)際的路測(cè)結(jié)果說(shuō)明，DMS可讓由疲勞駕駛所引發(fā)的事故減少40%。

2.4.2 駕乘身份識(shí)別

內(nèi)視視覺(jué)傳感器借助生物特征識(shí)別技術(shù)達(dá)成車(chē)輛防盜以及個(gè)性化設(shè)置，運(yùn)用人臉識(shí)別算法或者虹膜識(shí)別技術(shù)來(lái)驗(yàn)證駕駛員身份，其集成了車(chē)載系統(tǒng)權(quán)限管理功能，當(dāng)陌生人駕駛車(chē)輛時(shí)會(huì)自動(dòng)鎖定引擎，同時(shí)將警報(bào)推送至車(chē)主手機(jī)，如此一來(lái)可防止車(chē)輛被盜，提升安全性，而且還支持多用戶(hù)進(jìn)行個(gè)性化配置，如座椅位置、空調(diào)偏好等。經(jīng)過(guò)測(cè)試可知，該系統(tǒng)的識(shí)別準(zhǔn)確率達(dá)到了99.5%，誤識(shí)別率則低于0.1%。

3 智能網(wǎng)聯(lián)汽車(chē)視覺(jué)傳感器聯(lián)機(jī)調(diào)試方法研究

視覺(jué)傳感器進(jìn)行聯(lián)機(jī)調(diào)試屬于保證其感知精度的關(guān)鍵環(huán)節(jié)，要切實(shí)保證傳感器于復(fù)雜環(huán)境之中，如強(qiáng)光、雨霧以及電磁干擾等狀況下，可有穩(wěn)定的性能以及準(zhǔn)確的測(cè)量結(jié)果。文章以中科慧眼S1CG前視視覺(jué)傳感器（雙目相機(jī)）當(dāng)作例子，結(jié)合其配套的工具FieldHelper以及SDK接口，從硬件標(biāo)定開(kāi)始，經(jīng)過(guò)場(chǎng)景學(xué)習(xí)，一直到數(shù)據(jù)融合，系統(tǒng)地闡述聯(lián)機(jī)調(diào)試的核心流程和技術(shù)要點(diǎn)。

3.1 硬件安裝與標(biāo)定校正

前視視覺(jué)傳感器（雙目相機(jī)）的物理安裝狀況會(huì)對(duì)數(shù)據(jù)可靠性產(chǎn)生直接影響，在進(jìn)行調(diào)試操作之前，務(wù)必要保證雙目相機(jī)處于水平居中的狀態(tài)，并將其穩(wěn)固地固定在車(chē)輛的前部位置，針對(duì)雙目相機(jī)的俯仰角，需要借助設(shè)備后面的螺旋鈕進(jìn)行調(diào)整，直至地平線(xiàn)與視野中心的黃線(xiàn)達(dá)到重合的狀態(tài)，為了有效消除鏡頭畸變帶來(lái)的影響，需要運(yùn)用尺寸為90cm×40cm的黑白棋盤(pán)格標(biāo)定板來(lái)完成多組拍攝工作。標(biāo)定距離方面，8mm鏡頭需要在8m、12m、16m以及20m這些位置分別進(jìn)行拍攝，而4mm鏡頭所對(duì)應(yīng)的拍攝位置是4m、6m、8m以及10m。操作規(guī)范方面，進(jìn)行標(biāo)定時(shí)標(biāo)定板要和車(chē)輛中軸線(xiàn)保持對(duì)齊狀態(tài)，之后依靠圖像從紅框轉(zhuǎn)變?yōu)榫G框來(lái)判斷校準(zhǔn)是否達(dá)到合格標(biāo)準(zhǔn)。

3.2 場(chǎng)景學(xué)習(xí)模式與參數(shù)配置

前視視覺(jué)傳感器（雙目相機(jī)）需要借助場(chǎng)景學(xué)習(xí)來(lái)構(gòu)建環(huán)境感知模型，而S1CG提供了四種學(xué)習(xí)模式，以此來(lái)適應(yīng)不同的工作狀況。

（1）自動(dòng)學(xué)習(xí)模式：適用于道路測(cè)試車(chē)輛，此模式要求在車(chē)道線(xiàn)清晰的直線(xiàn)道路上進(jìn)行，車(chē)速需保持在40KM/h以上，與前車(chē)距離要保持20米以上，行駛路程要達(dá)到5KM以上，按照這樣的條件行駛，大約10分鐘便可完成雙目相機(jī)自動(dòng)學(xué)習(xí)。

（2）工具學(xué)習(xí)模式：對(duì)于低速無(wú)人車(chē)，比如送貨車(chē)，在車(chē)輛靜止時(shí)要把雙實(shí)線(xiàn)車(chē)道中心和相機(jī)視野中線(xiàn)對(duì)齊，系統(tǒng)會(huì)借助進(jìn)度條來(lái)反饋學(xué)習(xí)狀態(tài)，完成所需時(shí)間大概是10分鐘。

（3）姿態(tài)學(xué)習(xí)模式：在實(shí)驗(yàn)室環(huán)境當(dāng)中，把標(biāo)定板放置于相機(jī)正前方的位置，其中8mm鏡頭的距離為5m，4mm鏡頭的距離為2m，然后對(duì)靶標(biāo)高度進(jìn)行調(diào)整，使其與雙目相機(jī)光軸保持一致，借助靶標(biāo)橫向中線(xiàn)來(lái)校準(zhǔn)俯仰角。

（4）視差學(xué)習(xí)模式：該模式適用于不存在車(chē)道線(xiàn)的場(chǎng)景，系統(tǒng)會(huì)自動(dòng)對(duì)天地交界消失點(diǎn)進(jìn)行識(shí)別，之后依靠人工輔助的方式，將十字標(biāo)調(diào)整至綠框位置，完成標(biāo)定操作。

3.3 調(diào)試驗(yàn)證與異常處理

完成調(diào)試后，使用演示工具實(shí)時(shí)驗(yàn)證輸出。

（1）數(shù)據(jù)完整性方面：需對(duì)雙目相機(jī)左圖與右圖、視差圖以及點(diǎn)云的分辨率進(jìn)行檢查，其分辨率為1280×720且?guī)蕿?2.5fps，同時(shí)還要檢查它們之間的對(duì)齊精度。

（2）算法可靠性方面：車(chē)道線(xiàn)識(shí)別的結(jié)果要可與三次方程曲線(xiàn)擬合相符合，對(duì)于障礙物距離的誤差要求是小于等于5%。

（3）故障診斷：當(dāng)出現(xiàn)標(biāo)定失敗的情況，就需要對(duì)標(biāo)定板的擺放情況進(jìn)行檢查，或者查看鏡頭是否受到污染，要是學(xué)習(xí)進(jìn)度出現(xiàn)停滯，可借助“恢復(fù)出廠(chǎng)設(shè)置”來(lái)重置參數(shù)，之后再次進(jìn)行標(biāo)定。

4 結(jié)語(yǔ)

視覺(jué)傳感器作為環(huán)境感知核心部件，其性能高度依賴(lài)聯(lián)機(jī)調(diào)試精度，直接影響駕駛安全與系統(tǒng)可靠性。針對(duì)調(diào)試中參數(shù)配置復(fù)雜、場(chǎng)景適應(yīng)性差等問(wèn)題，需構(gòu)建涵蓋硬件標(biāo)定、場(chǎng)景學(xué)習(xí)及參數(shù)驗(yàn)證的標(biāo)準(zhǔn)化調(diào)試流程。未來(lái)可探索自動(dòng)化標(biāo)定算法與優(yōu)化多傳感器融合策略，以應(yīng)對(duì)動(dòng)態(tài)環(huán)境挑戰(zhàn)，推動(dòng)智能駕駛技術(shù)規(guī)?；瘧?yīng)用。

基金項(xiàng)目：湖南省職業(yè)院校教育教學(xué)改革研究項(xiàng)目（項(xiàng)目編號(hào)：ZJGB2024593）。

參考文獻(xiàn)：

[1]強(qiáng)秀華，李林.視覺(jué)傳感器在智能網(wǎng)聯(lián)汽車(chē)上的應(yīng)用分析[J].時(shí)代汽車(chē)，2024（14）：163-165.

[2]郭延鵬.視覺(jué)傳感器在智能網(wǎng)聯(lián)汽車(chē)上的應(yīng)用分析[J].汽車(chē)知識(shí)，2024，24（11）：20-22.

[3]付智珍.智能網(wǎng)聯(lián)汽車(chē)環(huán)境感知技術(shù)研究[J].內(nèi)燃機(jī)與配件，2023（13）：116-118.

[4]陸人定.智能網(wǎng)聯(lián)汽車(chē)環(huán)境感知技術(shù)應(yīng)用場(chǎng)景分析[J].汽車(chē)電器，2022（12）：1-3.

[5]莫夫.基于視覺(jué)傳感器的汽車(chē)自主緊急制動(dòng)控制算法研究[J].重慶理工大學(xué)學(xué)報(bào)（自然科學(xué)），2019，33（12）：55-60.

[6]湯忠盛.環(huán)境感知系統(tǒng)在智能網(wǎng)聯(lián)汽車(chē)上的應(yīng)用研究[J].內(nèi)燃機(jī)與配件，2024（12）：111-113.

[7]陳艷梅，薛亮.智能網(wǎng)聯(lián)汽車(chē)環(huán)境感知技術(shù)揭秘[J].汽車(chē)與配件，2022（17）：59-63.