# 智能汽车

**Repository Path**: ccccpescon/smart-vehicles

## Basic Information

- **Project Name**: 智能汽车
- **Description**: No description available
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: main
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 1
- **Forks**: 1
- **Created**: 2026-08-14
- **Last Updated**: 2026-08-14

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# 轻驭智行：无侵入式车载中控 AI Agent

轻驭智行面向高速行驶、复杂路段、雨雾低照度、停车场近距会车等驾驶安全场景，构建了一套基于车辆现有行车记录仪与车载中控边缘设备的智能辅助方案。系统以“提前感知、主动预警、灵活扩展”为核心目标，通过视觉感知、轨迹预测、风险计算和多模态信息管理，为驾驶员争取关键反应时间。

在高速行驶环境下，提前 1-2 秒获得有效预警，往往可以显著降低追尾、碰撞和突发避让带来的风险。传统辅助预警能力通常依赖高配车型、特定品牌生态或额外硬件部署，普适性与迁移成本受限。轻驭智行的设计重点是充分利用车辆已有前后 RGB 行车记录仪，将 AI Agent 轻量化部署在车载中控或边缘计算单元中，在不改变车辆原有结构的前提下完成环境理解和主动提醒。

## 核心思路

系统由车载中控 AI Agent 统一调度前端交互与边缘算法模块。前端负责驾驶舱可视化、风险提示、传感器融合视图、语音交互与预警记录；边缘算法负责目标检测、传感器融合、目标跟踪、短期轨迹预测和综合风险评估。

感知层以行车记录仪 RGB 视频为基础输入，结合 CenterNet 类目标检测模型识别车辆、行人、骑行者、障碍物和车道相关结构，并将图像框结果转换为距离、横向偏移和置信度等驾驶语义。系统可进一步接入毫米波雷达、激光雷达和红外传感器，在雨雾、夜间、隧道、地下停车场等复杂环境中增强距离、速度、轮廓和热源信息的可靠性。

决策层融合视觉目标、雷达速度、激光点云轮廓与红外热成像信号，通过多目标跟踪维持目标身份连续性，再基于车辆速度、相对距离、相对速度、车道位置和短时轨迹生成风险判断。风险评分不仅关注当前距离，还考虑预计碰撞时间、路径重叠、道路摩擦、光照、天气和交通密度等因素，使预警策略能够随场景动态调整。

交互层以车载中控为主要呈现界面，通过视觉标框、文字气泡、风险等级、语音提示和预警记录帮助驾驶员快速理解“为什么预警”和“应该怎么做”。Agent 在高风险场景下主动提醒，在中风险场景下持续跟踪，在低风险状态下保持安静监控，减少不必要打扰。

## 系统架构

```text
Dashcam RGB Video
        |
        v
Visual Perception / CenterNet Post-process
        |
        +-------- Radar / LiDAR / Infrared Extension
        |                    |
        v                    v
Sensor Health Gate ---> Multi-sensor Fusion
        |
        v
Multi-object Tracking
        |
        v
Short-horizon Trajectory Prediction
        |
        v
Risk Evaluation / Warning Policy
        |
        v
In-vehicle HMI + Voice Prompt + Alert Archive
```

## 代码结构

```text
qingyu-zhixing-github/
  client/                 车载中控前端界面
    src/components/       感知、融合、Agent、预警记录等功能模块
    src/lib/telemetry.ts  前端感知状态数据契约
    src/lib/store.ts      全局状态与场景资源映射
  edge_ai/                边缘智能算法模块
    perception.py         CenterNet 后处理与视觉距离估计
    fusion.py             摄像头、毫米波雷达、激光雷达、红外融合
    tracking.py           多目标跟踪与目标身份维护
    prediction.py         短期轨迹预测与意图判断
    risk.py               TTC、路径重叠、场景因子风险评分
    agent.py              车载 AI Agent 统一调度
    pipeline.py           算法输出与前端 HMI 对接边界
  server/                 静态资源服务入口
  shared/                 前后端共享常量
```

## 关键能力

- 无侵入式部署：优先使用车辆已有行车记录仪与中控边缘计算能力，降低安装和迁移成本。
- 实时目标感知：识别前后方车辆、行人、骑行者、障碍物及道路风险区域。
- 多模态扩展：支持毫米波雷达、激光雷达和红外传感器接入，增强复杂环境鲁棒性。
- 轨迹预测：对目标进行短时运动预测，判断前车急减速、侧向切入、行人横穿等风险。
- 综合风险评分：结合 TTC、车道位置、相对速度、天气、光照和道路摩擦生成风险等级。
- 主动预警交互：通过视觉提示、文字气泡、语音提醒和记录归档形成完整驾驶辅助闭环。

## 算法设计重点

`edge_ai/perception.py` 将 CenterNet 输出转换为车辆安全语义，包括目标类别、置信度、估计距离和横向偏移。该模块保留相机标定参数入口，便于在不同车型与行车记录仪视角下调整距离估计。

`edge_ai/fusion.py` 将摄像头语义、毫米波雷达速度、激光雷达几何结构和红外温度信息聚合为统一目标观测。不同传感器按可靠性进行加权，使系统在低照度、雨雾和遮挡条件下仍能保持稳定判断。

`edge_ai/tracking.py` 使用恒速运动模型与最近邻关联维护目标轨迹，避免单帧抖动导致预警频繁变化。目标轨迹会持续记录来源传感器，用于后续风险解释。

`edge_ai/prediction.py` 对本车道跟随、侧向切入、行人横穿等意图进行短时预测，输出未来数秒内的目标位置和车道关系。

`edge_ai/risk.py` 将预计碰撞时间、路径重叠、安全车距、弱势交通参与者、天气与光照因子合成为风险评分，并给出适合驾驶员理解的预警建议。

`edge_ai/agent.py` 作为统一调度中枢，串联感知、融合、跟踪、预测和风险评估，并生成前端可消费的语音提示、视觉标签和风险结论。

## 前端设计

前端围绕车载中控使用场景设计，包含四个核心工作区：

- 视觉感知：展示行车记录仪接入、算法处理结果和识别目标列表。
- 强化感知：切换摄像头、毫米波雷达、激光雷达、红外和融合视图。
- 小智 Agent：展示风险解释、语音指令响应和主动预警建议。
- 预警记录：归档风险事件、截图、录像片段、风险确认和误报反馈。

整体界面强调驾驶场景下的快速理解：高风险信息突出显示，中风险信息持续跟踪，低风险状态保持低干扰。

## 项目定位

轻驭智行不是替代驾驶员或车辆原厂安全系统的自动驾驶方案，而是一套面向普通车辆的智能辅助安全层。它通过低成本、可扩展、边缘化的方式，将视觉感知和多传感器融合能力引入更多车型，使驾驶员在紧急情况下获得更早、更清晰、更可解释的安全提醒。

项目希望证明：在不依赖特定高端车型、不强制新增侵入式硬件的条件下，仍可以通过车载中控 AI Agent 将现有行车记录仪能力转化为主动安全价值，为复杂道路环境下的驾驶安全提供可推广的技术路径。