2020 车联网技术与应用(宁波工程学院) 最新满分章节测试答案

本答案对应课程为:点我自动跳转查看
本课程起止时间为:2020-02-17到2020-06-01
本篇答案更新状态:已完结

第1章 绪论 选择题

1、 问题:美国内华达州第511法案指出，“自主车辆”是指，在没有人工干预的情况下，依靠人工智能、 和全球定位系统实现自动驾驶的机动车辆。
选项：
A:工控机
B:车载传感器
C:车联网
D:高精度地图
答案: 【车载传感器】

第3章　无人车电子电气架构及其硬件 第3章测验题

1、 问题:已知单线激光雷达数据点（ρ, θ）=（10，30°），计算x、y：
选项：
A:
B:
C:x= 5， y=5
D:x=10, y=5
答案: 【】

2、 问题:CANET实现CAN总线数据和以太网数据单向传输
选项：
A:正确
B:错误
答案: 【错误】

3、 问题:已知单线激光雷达扫描起始角度为0°，扫描角度范围为180°，分辨率为1°，问一帧有多少个数据点？
答案: 【181】

【作业】第4章 传感器标定 第4章作业题

1、 问题:用网页（http://www.vision.caltech.edu/bouguetj/calib_doc/htmls/example.html）提供的Camera Calibration Toolbox for Matlab 标定工具箱和图片练习单目摄像机标定过程，提交PDF文档，包括标定过程截图（输入系数kc之前的角点提取结果、输入系数kc之后的角点提取结果、重投影误差、标定参数结果、外参可视化结果），并指出其中的fc、cc、alpha_c、kc、 err等参数的物理含义。
评分规则: 【 标定过程每个截图1分输入校正系数kc之前的角点提取结果、输入校正系数kc之后的角点提取结果、重投影误差、标定参数结果、外参可视化结果直接从网页上复制图片的，给0分。
写出标定参数含义（意思相似即可）（以下每行1分，共5分）：fc：焦距cc：原点坐标,主轴与像平面的交点alpha_c：x和y像素轴角度的偏斜系数kc：畸变系数err：以像素为单位的重投影误差
】

第4章 传感器标定 第4章测验题

1、 问题:假如激光雷达坐标系到车体坐标系的旋转矩阵为[0.94, -0.3, 0.15; 0.27, 0.94, 0.19; -0.2, -0.14, 0.97;]，平移向量为[-0.4, 1.8, 1.7]，激光雷达坐标系中坐标为[-9.8, -16.0, 2.8]的点，在车体坐标系中的坐标是（ ）
选项：
A:[4.39, 15.35, 8.62]
B:[-4.39, 15.35, 8.62]
C:[4.39, -15.35, 8.62]
D:[-4.39, -15.35, 8.62]
答案: 【[-4.39, -15.35, 8.62]】

【作业】第5章　环境感知(上） 第5章（上）作业题

1、 问题:对5-3-2节卡尔曼滤波MATLAB示例进行练习，撰写实验报告，提交PDF，包括实验目的、实验步骤、结果分析等，截取MATLAB运行界面，画出观测值、真实值、滤波值的对比曲线。
评分规则: 【 PDF中包括实验目的、实验步骤、结果分析，可得6分；截取运行界面可以看出确实做了该题，可以得4分。直接从慕课中截图的，为0分。
】

【作业】第5章　环境感知(下） 第5章（下）作业题

1、 问题:在MATLAB（2017或以上版本）中进行多传感器融合的练习openExample(‘driving/ForwardCollisionWarningUsingSensorFusionExample’)， 提交PDF格式的文档，包括截取主要运行过程图片，并写出视觉传感器观测矩阵、毫米波雷达传感器观测矩阵的求取过程。（参考网站：https://ww2.mathworks.cn/help/driving/examples/forward-collision-warning-using-sensor-fusion.html）
评分规则: 【 通过PDF提供的截图，可以看出确实做了该题，得5分。直接从慕课中截图的，为0分。
能够列出以下3个量，各得1分状态向量 [x ; vx ; ax ; y ; vy ; ay]视觉传感器观测量： [x ; vx ; y]毫米波雷达传感器观测量： [x ; vx ; y ; vy ]然后，对应求出视觉传感器观测矩阵、毫米波雷达传感器观测矩阵，各得1分
】

第7章　决策与规划 (上） 第7章（上）测验题

1、 问题:在纵向定距离跟驰场景中，神经网络Q学习算法的函数逼近器类型为（）
选项：
A:前馈神经网络
B:径向基神经网络
C:深度神经网络
D:卷积神经网络
答案: 【前馈神经网络】

2、 问题:以下方法中属于基于统计的决策方法的是（）
选项：
A:基于部分马尔科夫模型的两步决策算法
B:基于马尔科夫决策过程的强化学习决策方法
C:城市挑战赛Annieway无人车应用的分层状态机
D:城市挑战赛Boss无人车应用的有限状态机
答案: 【基于部分马尔科夫模型的两步决策算法;
基于马尔科夫决策过程的强化学习决策方法】

3、 问题:超车行为一般包括（）阶段
选项：
A:超车意图产生
B:向右换道
C:并行超越
D:向左换道
答案: 【超车意图产生;
向右换道;
并行超越;
向左换道】

【作业】第7章　决策与规划 (下） 第7章（下）作业题

1、 问题:给定材料中包含的MATLAB代码，可以生成5050的地图，x表示障碍物，起点和终点均已给定，用A算法实现路径规划。提交PDF文档，包括A算法MATLAB代码截图、MATLAB运行界面截图、路径规划结果截图。
评分规则: 【 通过提交的截图，可以看出，确实是自己做的，得4分。有A算法MATLAB代码截图，得2分。有MATLAB运行界面截图，得2分。有路径规划结果截图，得2分。若有从慕课中截图，本题为0分。
】

2、 问题:观看仿真视频（https://www.bilibili.com/video/av73968759/），用文字描述视频中展示的广度优先算法、Dijkstra算法、A算法、ARA算法、AD算法的效果。
评分规则: 【 结合视频，能对5种方法进行分析(意思相近即可)，可得5分，每种1分。视频的开始是BFS，即广度优先算法，从起点开始，节点向四周进行扩展，直到找到目标点后扩展结束。
Dijkstra算法与BFS算法类似，只不过节点连接的策略有所不同。A算法中，结合了启发值函数，所以能够引导节点向目标点扩展。
ARA算法，可以看出该算法在得到一条浅蓝色的路径之后，由于算法时间还充足，又继续进行扩展，找到了更优的蓝色路径。
AD算法，可以看出AD*算法是从终点向起点进行扩展的后向搜索，在静态环境中，能够快速得到路径。在动态环境中，该算法将依据改变后的环境，重新得到一条新路径，并且环境没有改变的地方不再重新扩展，只在环境改变的位置，进行了节点扩展，实现了在变化环境中的快速重规划。
】

第7章　决策与规划 (下） 第7章（下）测验题

1、 问题:图中，S为起点，G为终点，求从S到G的最短路径长度？
选项：
A:5
B:6
C:8
D:9
答案: 【6】

第8章　运动控制(上） 第8章(上）测验题

1、 问题:关于车辆运动学模型，以下叙述正确的是：
选项：
A:车辆运动学模型考虑车辆速度、加速度、以及车辆纵向和侧向特性。
B:车辆运动学模型考虑车辆速度、加速度、以及车辆悬架特性。
C:车辆运动学模型只考虑车辆速度和加速度。
D:车辆运动学模型考虑车辆速度、加速度、车辆纵向和侧向特性以及车辆悬架特性。
答案: 【车辆运动学模型只考虑车辆速度和加速度。】

【作业】第8章　运动控制(上） 第8章(上）作业题

1、 问题:
评分规则: 【 通过提交的截图，可以看出，确实是自己做的，得2分。有simulink模型截图，得2分。Xr仿真结果正确，得3分。Yr的仿真结果正确，得3分。从慕课中复制图片的，本题得0分。
】

1 智能网联汽车基础知识 第一章测试题

1、 问题:不属于自动驾驶汽车的是（ ）
选项：
A:L0级
B:L1级
C:L2级
D:L3级
答案: 【L0级】

2、 问题:属于无人驾驶汽车的是（ ）。
选项：
A:L1级
B:L2级
C:L3级
D:L4级
答案: 【L4级】

3、 问题:能够实现V2X通信的是（ ）
选项：
A:蓝牙
B:Wi-Fi
C:DSRC
D:4G
答案: 【DSRC】