自动驾驶技术基本知识介绍_生活广记

自动驾驶车，是一种无须人工干预而能够感知其周边环境和导航的车辆。它利用了包括雷达、激光、超声波、GPS、里程计、计算机视觉等多种技术来感知其周边环境，通过先进的计算和控制系统，来识别障碍物和各种标识牌，规划合适的路径来控制车辆行驶。
美国汽车工程师协会（SAE，Society of Automotive Engineers），则将自动驾驶划分为 0~5 共六级。
Level 0：无自动化（No Automation）
没有任何自动驾驶功能或技术，人类驾驶员对汽车所有功能拥有绝对控制权。驾驶员需要负责转向、加速、制动和观察道路状况。任何驾驶辅助技术，例如现有的前向碰撞预警、车道偏离预警，以及自动雨刷和自动前灯控制等，虽然有一定的智能化，但是仍需要人来控制车辆，所以都仍属于 Level 0 。
Level 1：驾驶辅助（Driver Assistance）
驾驶员仍然对行车安全负责，不过可以授权部分控制权给系统管理，某些功能可以自动进行，比如常见的自适应巡航（Adaptive Cruise Control，ACC）、应急刹车辅助（Emergency Brake Assist，EBA）和车道保持（Lane-Keep Support，LKS）。Level 1 的特点是只有单一功能，驾驶员无法做到手和脚同时不操控。
Level 2：部分自动化（Partial Automation）
人类驾驶员和汽车来分享控制权，驾驶员在某些预设环境下可以不操作汽车，即手脚同时离开控制，但驾驶员仍需要随时待命，对驾驶安全负责，并随时准备在短时间内接管汽车驾驶权。比如结合了 ACC 和 LKS 形成的跟车功能。Level 2 的核心不在于要有两个以上的功能，而在于驾驶员可以不再作为主要操作者。
Level 3：有条件自动化（Conditional Automation）
在有限情况下实现自动控制，比如在预设的路段（如高速和人流较少的城市路段），汽车自动驾驶可以完全负责整个车辆的操控，但是当遇到紧急情况，驾驶员仍需要在某些时候接管汽车，但有足够的预警时间，如即将进入修路的路段（Road work ahead）。Level 3 将解放驾驶员，即对行车安全不再负责，不必监视道路状况。
Level 4：高度自动化（High Automation）
自动驾驶在特定的道路条件下可以高度自动化，比如封闭的园区、高速公路、城市道路或固定的行车线路等，这这些受限的条件下，人类驾驶员可以全程不用干预。
Level 5：完全自动化（Full Automation）
对行车环境不加限制，可以自动地应对各种复杂的交通状况和道路环境等，在无须人协助的情况下由出发地驶向目的地，仅需起点和终点信息，汽车将全程负责行车安全，并完全不依赖驾驶员干涉，且不受特定道路的限制。
注释：DDT(Dynamic driving task):动态驾驶任务，指汽车在道路上行驶所需的所有实时操作和策略上的功能，不包括行程安排、目的地和途径地的选择等战略上的功能。
无人驾驶系统的核心可以概述为三个部分：感知（Perception），规划（Planning）和控制（Control），这些部分的交互以及其与车辆硬件、其他车辆的交互可以用下图表示：
感知是指无人驾驶系统从环境中收集信息并从中提取相关知识的能力。其中，环境感知（Environmental Perception）特指对于环境的场景理解能力，例如障碍物的位置，道路标志/标记的检测，行人车辆的检测等数据的语义分类。一般来说，定位（Localization）也是感知的一部分，定位是无人车确定其相对于环境的位置的能力。
为了确保无人车对环境的理解和把握，无人驾驶系统的环境感知部分通常需要获取周围环境的大量信息，具体来说包括：障碍物的位置，速度以及可能的行为，可行驶的区域，交通规则等等。无人车通常是通过融合激光雷达（Lidar），相机（Camera），毫米波雷达（Millimeter Wave Radar）等多种传感器的数据来获取这些信息。
车载雷达传感器功能及优缺点各有不同，相关比较如下表所示：
激光雷达是一类使用激光进行探测和测距的设备，它能够每秒钟向环境发送数百万光脉冲，它的内部是一种旋转的结构，这使得激光雷达能够实时的建立起周围环境的3维地图。
通常来说，激光雷达以10Hz左右的速度对周围环境进行旋转扫描，其扫描一次的结果为密集的点构成的3维图，每个点具备（x,y,z）信息，这个图被称为点云图（Point Cloud Graph），如下图所示，是使用Velodyne VLP-32c激光雷达建立的一个点云地图：
激光雷达因其可靠性目前仍是无人驾驶系统中最重要的传感器，然而，在现实使用中，激光雷达并不是完美的，往往存在点云过于稀疏，甚至丢失部分点的问题，对于不规则的物体表面，使用激光雷达很难辨别其模式，另一个比较大的挑战是一个比较大的挑战是激光雷达感知范围比较近，感知范围平均在 150m 左右，这取决于环境和障碍物的不同。激光雷达在角分辨度上也远远不及照相机。激光雷达对环境的敏感度也是比较大的，例如雨天中，车辆行驶中溅起来的水花，在激光雷达上都是有噪点的。
毫米波雷达通过发射电磁波并通过检测回波来探测目标的有无、距离、速度和方位。由于毫米波雷达技术相对成熟，成本较低，并且在不良天气下表现良好，因此成为感知设备中重要的一环。但由于其分辨率较低，因此不能作为激光雷达的替代品，而是激光雷达的重要补充设备。
摄像机根据镜头和布置方式的不同主要有以下四种：单目摄像机、双目摄像机、三目摄像机和环视摄像机。
单目摄像机模组只包含一个摄像机和一个镜头。由于很多图像算法的研究都是基于单目摄像机开发的，因此相对于其他类别的摄像机，单目摄像机的算法成熟度更高。但是单目有着两个先天的缺陷。一是它的视野完全取决于镜头。焦距短的镜头，视野广，但缺失远处的信息。反之亦然。因此单目摄像机一般选用适中焦距的镜头。二是单目测距的精度较低。摄像机的成像图是透视图，即越远的物体成像越小。近处的物体，需要用几百甚至上千个像素点描述；而处于远处的同一物体，可能只需要几个像素点即可描述出来。这种特性会导致，越远的地方，一个像素点代表的距离越大，因此对单目来说物体越远，测距的精度越低。
双目摄像机由于单目测距存在缺陷，双目摄像机应运而生。相近的两个摄像机拍摄物体时，会得到同一物体在摄像机的成像平面的像素偏移量。有了像素偏移量、相机焦距和两个摄像机的实际距离这些信息，根据数学换算即可得到物体的距离。虽然双目能得到较高精度的测距结果和提供图像分割的能力，但是它与单目一样，镜头的视野完全依赖于镜头。而且双目测距原理对两个镜头的安装位置和距离要求较多，这就会给相机的标定带来麻烦。
三目摄像机由于单目和双目都存在某些缺陷，因此广泛应用于无人驾驶的摄像机方案为三目摄像机。三目摄像机其实就是三个不同焦距单目摄像机的组合。根据焦距不同，每个摄像机所感知的范围也不尽相同。对摄像机来说，感知的范围要么损失视野，要么损失距离。三目摄像机能较好地弥补感知范围的问题。因此在业界被广泛应用。正是由于三目摄像机每个相机的视野不同，因此近处的测距交给宽视野摄像头，中距离的测距交给主视野摄像头，更远的测距交给窄视野摄像头。这样一来每个摄像机都能发挥其最大优势。三目的缺点是需要同时标定三个摄像机，因而工作量更大。其次软件部分需要关联三个摄像机的数据，对算法要求也很高。
环视摄像机，之前提到的三款摄像机它们所用的镜头都是非鱼眼的，环视摄像机的镜头是鱼眼镜头，而且安装位置是朝向地面的。某些高配车型上会有“360°全景显示”功能，所用到的就是环视摄像机。安装于车辆前方、车辆左右后视镜下和车辆后方的四个鱼眼镜头采集图像，鱼眼摄像机为了获取足够大的视野，代价是图像的畸变严重。环视摄像机的感知范围并不大，主要用于车身5~10米内的障碍物检测、自主泊车时的库位线识别等。
为了理解点云信息，通常来说，我们对点云数据进行两步操作：分割（Segmentation）和分类（Classification）。其中，分割是为了将点云图中离散的点聚类成若干个整体，而分类则是区分出这些整体属于哪一个类别（比如说行人，车辆以及障碍物）。分割算法可以被分类如下几类：
在完成了点云的目标分割以后，分割出来的目标需要被正确的分类，在这个环节，一般使用机器学习中的分类算法，如支持向量机（Support Vector Machine，SVM）对聚类的特征进行分类，最近几年由于深度学习的发展，业界开始使用特别设计的卷积神经网络（Convolutional Neural Network，CNN）对三维的点云聚类进行分类。
实践中不论是提取特征-SVM的方法还是原始点云-CNN的方法，由于激光雷达点云本身解析度低的原因，对于反射点稀疏的目标（比如说行人），基于点云的分类并不可靠，所以在实践中，我们往往融合雷达和相机传感器，利用相机的高分辨率来对目标进行分类，利用Lidar的可靠性对障碍物检测和测距，融合两者的优点完成环境感知。
无人驾驶系统中，我们通常使用图像视觉来完成道路的检测和道路上目标的检测。道路的检测包含对道路线的检测（Lane Detection），可行驶区域的检测（Drivable Area Detection）；道路上路标的检测包含对其他车辆的检测（Vehicle Detection），行人检测（Pedestrian Detection），交通标志和信号的检测（Traffic Sign Detection）等所有交通参与者的检测和分类。
车道线的检测涉及两个方面：第一是识别出车道线，对于弯曲的车道线，能够计算出其曲率，第二是确定车辆自身相对于车道线的偏移（即无人车自身在车道线的哪个位置）。一种方法是抽取一些车道的特征，包括边缘特征（通常是求梯度，如索贝尔算子），车道线的颜色特征等，使用多项式拟合我们认为可能是车道线的像素，然后基于多项式以及当前相机在车上挂载的位置确定前方车道线的曲率和车辆相对于车道的偏离。
可行驶区域的检测目前的一种做法是采用深度神经网络直接对场景进行分割，即通过训练一个逐像素分类的深度神经网络，完成对图像中可行驶区域的切割。
交通参与者的检测和分类目前主要依赖于深度学习模型，常用的模型包括两类：
传感器层将数据以一帧帧、固定频率发送给下游，但下游是无法拿每帧的数据去进行决策或者融合的。因为传感器的状态不是100%有效的，如果仅根据某一帧的信号去判定前方是否有障碍物(有可能是传感器误检了)，对下游决策来说是极不负责任的。因此上游需要对信息做预处理，以保证车辆前方的障得物在时间维度上是一直存在的，而不是一闪而过。
这里就会使用到智能驾驶领域经常使用到的一个算法卡尔曼滤波。
卡尔曼滤波（Kalman filter）是一种高效率的递归滤波器（自回归滤波器），它能够从一系列的不完全及包含噪声的测量中，估计动态系统的状态。卡尔曼滤波会根据各测量量在不同时间下的值，考虑各时间下的联合分布，再产生对未知变数的估计，因此会比只以单一测量量为基础的估计方式要准。
卡尔曼滤波在技术领域有许多的应用。常见的有飞机及太空船的导引、导航及控制。卡尔曼滤波也广为使用在时间序列的分析中，例如信号处理及计量经济学中。卡尔曼滤波也是机器人运动规划及控制的重要主题之一，有时也包括在轨迹最佳化。卡尔曼滤波也用在中轴神经系统运动控制的建模中。因为从给与运动命令到收到感觉神经的回授之间有时间差，使用卡尔曼滤波有助于建立符合实际的系统，估计运动系统的目前状态，并且更新命令。
信息融合是指把相同属性的信息进行多合一操作。
比如摄像机检测到了车辆正前方有一个障碍物，毫米波也检测到车辆前方有一个障碍物，激光雷达也检测到前方有一个障碍物，而实际上前方只有一个障碍物，所以我们要做的是把多传感器下这辆车的信息进行一次融合，以此告诉下游，前面有辆车，而不是三辆车。
坐标转换在自动驾驶领域十分重要。
传感器是安装在不同地方的比如超声波雷达(假如当车辆右方有一个障碍物，距离这个超声波雷达有3米，那么我们就认为这个障碍物距离车有3米吗?并不一定，因为决策控制层做车辆运动规划时，是在车体坐标系下做的(车体坐标系-般以后轴中心为O点)所以最终所有传感器的信息，都是需要转移到自车坐标系下的。因此感知层拿到3m的障碍物位置信息后，必须将该章碍物的位置信息转移到自车坐标系下，才能供规划决策使用。同理，摄像机一般安装在挡风玻璃下面，拿到的数据也是基于摄像机坐标系的，给下游的数据，同样需要转换到自车坐标系下。
在无人车感知层面，定位的重要性不言而喻，无人车需要知道自己相对于环境的一个确切位置，这里的定位不能存在超过10cm的误差，试想一下，如果我们的无人车定位误差在30厘米，那么这将是一辆非常危险的无人车（无论是对行人还是乘客而言），因为无人驾驶的规划和执行层并不知道它存在30厘米的误差，它们仍然按照定位精准的前提来做出决策和控制，那么对某些情况作出的决策就是错的，从而造成事故。由此可见，无人车需要高精度的定位。
目前使用最广泛的无人车定位方法当属融合全球定位系统（Global Positioning System，GPS）和惯性导航系统（Inertial Navigation System）定位方法，其中，GPS的定位精度在数十米到厘米级别之间，高精度的GPS传感器价格也就相对昂贵。融合GPS/IMU的定位方法在GPS信号缺失，微弱的情况下无法做到高精度定位，如地下停车?。?芪Ь??呗サ氖星??nbsp;，因此只能适用于部分场景的无人驾驶任务。
地图辅助类定位算法是另一类广泛使用的无人车定位算法，同步定位与地图构建（Simultaneous Localization And Mapping，SLAM）是这类算法的代表，SLAM的目标即构建地图的同时使用该地图进行定位， SLAM通过利用已经观测到的环境特征确定当前车辆的位置以及当前观测特征的位置。这是一个利用以往的先验和当前的观测来估计当前位置的过程，实践上我们通常使用贝叶斯滤波器（Bayesian filter）来完成，具体来说包括卡尔曼滤波（Kalman Filter），扩展卡尔曼滤波（Extended Kalman Filter）以及粒子滤波（Particle Filter）。SLAM虽然是机器人定位领域的研究热点，但是在实际无人车开发过程中使用SLAM定位却存在问题，不同于机器人，无人车的运动是长距离的，大开放环境的。在长距离的运动中，随着距离的增大，SLAM定位的偏差也会逐渐增大，从而造成定位失败。
在实践中，一种有效的无人车定位方法是改变原来SLAM中的扫描匹配类算法，具体来说，我们不再在定位的同时制图，而是事先使用传感器如激光雷达对区域构建点云地图，通过程序和人工的处理将一部分“语义”添加到地图中（例如车道线的具体标注，路网，红绿灯的位置，当前路段的交通规则等等），这个包含了语义的地图就是我们无人驾驶车的高精度地图（HD Map）。实际定位的时候，使用当前激光雷达的扫描和事先构建的高精度地图进行点云匹配，确定我们的无人车在地图中的具体位置，这类方法被统称为扫描匹配方法（Scan Matching），扫描匹配方法最常见的是迭代最近点法（Iterative Closest Point ， ICP），该方法基于当前扫描和目标扫描的距离度量来完成点云配准。
除此以外，正态分布变换（Normal Distributions Transform ， NDT）也是进行点云配准的常用方法，它基于点云特征直方图来实现配准。基于点云配准的定位方法也能实现10厘米以内的定位精度。虽然点云配准能够给出无人车相对于地图的全局定位，但是这类方法过于依赖事先构建的高精度地图，并且在开放的路段下仍然需要配合GPS定位使用，在场景相对单一的路段（如高速公路），使用GPS加点云匹配的方法相对来说成本过高。
拓展阅读： L4 自动驾驶中感知系统遇到的挑战及解决方案
浅析自动驾驶的重要一环：感知系统发展现状与方向
无人车的规划模块分为三层设计：任务规划，行为规划和动作规划，其中，任务规划通常也被称为路径规划或者路由规划（Route Planning），其负责相对顶层的路径规划，例如起点到终点的路径选择。我们可以把我们当前的道路系统处理成有向网络图（Directed Graph Network），这个有向网络图能够表示道路和道路之间的连接情况，通行规则，道路的路宽等各种信息，其本质上就是我们前面的定位小节中提到的高精度地图的“语义”部分，这个有向网络图被称为路网图（Route Network Graph），如下图所示：
这样的路网图中的每一个有向边都是带权重的，那么，无人车的路径规划问题，就变成了在路网图中，为了让车辆达到某个目标（通常来说是从A地到B地），基于某种方法选取最优（即损失最?。┑穆肪兜墓?? ，那么问题就变成了一个有向图搜索问题，传统的算法如迪科斯彻算法（Dijkstra’s Algorithm）和A 算法（AAlgorithm）主要用于计算离散图的最优路径搜索，被用于搜索路网图中损失最小的路径。
行为规划有时也被称为决策制定（Decision Maker），主要的任务是按照任务规划的目标和当前的局部情况（其他的车辆和行人的位置和行为，当前的交通规则等），作出下一步无人车应该执行的决策，可以把这一层理解为车辆的副驾驶，他依据目标和当前的交通情况指挥驾驶员是跟车还是超车，是停车等行人通过还是绕过行人等等。
行为规划的一种方法是使用包含大量动作短语的复杂有限状态机（Finite State Machine，FSM）来实现，有限状态机从一个基础状态出发，将根据不同的驾驶场景跳转到不同的动作状态，将动作短语传递给下层的动作规划层，下图是一个简单的有限状态机：
如上图所示，每个状态都是对车辆动作的决策，状态和状态之间存在一定的跳转条件，某些状态可以自循环（比如上图中的循迹状态和等待状态）。虽然是目前无人车上采用的主流行为决策方法，有限状态机仍然存在着很大的局限性：首先，要实现复杂的行为决策，需要人工设计大量的状态；车辆有可能陷入有限状态机没有考虑过的状态；如果有限状态机没有设计死锁保护，车辆甚至可能陷入某种死锁。
通过规划一系列的动作以达到某种目的（比如说规避障碍物）的处理过程被称为动作规划。通常来说，考量动作规划算法的性能通常使用两个指标：计算效率（Computational Efficiency）和完整性（Completeness），所谓计算效率，即完成一次动作规划的处理效率，动作规划算法的计算效率在很大程度上取决于配置空间（Configuration Space），如果一个动作规划算法能够在问题有解的情况下在有限时间内返回一个解，并且能够在无解的情况下返回无解，那么我们称该动作规划算法是完整的。
配置空间：一个定义了机器人所有可能配置的集合，它定义了机器人所能够运动的维度，最简单的二维离散问题，那么配置空间就是[x, y]，无人车的配置空间可以非常复杂，这取决于所使用的运动规划算法。
在引入了配置空间的概念以后，那么无人车的动作规划就变成了：在给定一个初始配置（Start Configuration），一个目标配置（Goal Configuration）以及若干的约束条件（Constraint）的情况下，在配置空间中找出一系列的动作到达目标配置，这些动作的执行结果就是将无人车从初始配置转移至目标配置，同时满足约束条件。在无人车这个应用场景中，初始配置通常是无人车的当前状态（当前的位置，速度和角速度等），目标配置则来源于动作规划的上一层——行为规划层，而约束条件则是车辆的运动限制（最大转角幅度，最大加速度等）。显然，在高维度的配置空间来动作规划的计算量是非常巨大的，为了确保规划算法的完整性，我们不得不搜索几乎所有的可能路径，这就形成了连续动作规划中的“维度灾难”问题。目前动作规划中解决该问题的核心理念是将连续空间模型转换成离散模型，具体的方法可以归纳为两类：组合规划方法（Combinatorial Planning）和基于采样的规划方法（Sampling-based Planning）。
运动规划的组合方法通过连续的配置空间找到路径，而无需借助近似值。由于这个属性，它们可以被称为精确算法。组合方法通过对规划问题建立离散表示来找到完整的解，如在Darpa城市挑战赛（Darpa Urban Challenge）中，CMU的无人车BOSS所使用的动作规划算法，他们首先使用路径规划器生成备选的路径和目标点（这些路径和目标点事融合动力学可达的），然后通过优化算法选择最优的路径。另一种离散化的方法是网格分解方法（Grid Decomposition Approaches），在将配置空间网格化以后我们通常能够使用离散图搜索算法（如A*）找到一条优化路径。
基于采样的方法由于其概率完整性而被广泛使用，最常见的算法如PRM（Probabilistic Roadmaps），RRT（Rapidly-Exploring Random Tree），FMT（Fast-Marching Trees），在无人车的应用中，状态采样方法需要考虑两个状态的控制约束，同时还需要一个能够有效地查询采样状态和父状态是否可达的方法。
自动驾驶汽车的车辆控制技术旨在环境感知技术的基础之上，根据决策规划出目标轨迹，通过纵向和横向控制系统的配合使汽车能够按照跟踪目标轨迹准确稳定行驶，同时使汽车在行驶过程中能够实现车速调节、车距保持、换道、超车等基本操作。
互联网科技公司主要做软件，以工程机上层为主；而车厂其实以下层的组装为主，也就是OEM，也不是那么懂车。像制动、油门和转向等这些领域，话语权依然集中在博世、大陆这样的Tier 1身上。
自动驾驶控制的核心技术是车辆的纵向控制和横向控制技术。纵向控制，即车辆的驱动与制动控制；横向控制，即方向盘角度的调整以及轮胎力的控制。实现了纵向和横向自动控制，就可以按给定目标和约束自动控制车运行。所以，从车本身来说，自动驾驶就是综合纵向和横向控制。
车辆纵向控制是在行车速度方向上的控制，即车速以及本车与前后车或障碍物距离的自动控制。巡航控制和紧急制动控制都是典型的自动驾驶纵向控制案例。这类控制问题可归结为对电机驱动、发动机、传动和制动系统的控制。各种电机-发动机-传动模型、汽车运行模型和刹车过程模型与不同的控制器算法结合，构成了各种各样的纵向控制模式，典型结构如图所示。
此外，针对轮胎作用力的滑移率控制是纵向稳定控制中的关键部分。滑移率控制系统通过控制车轮滑移率调节车辆的纵向动力学特性来防止车辆发生过度驱动滑移或者制动抱死，从而提高车辆的稳定性和操纵性能。制动防抱死系统（antilock brake system）简称 ABS，在汽车制动时，自动控制制动器制动力的大小，使车轮不被抱死，处于边滚边滑（滑移率在 20%左右）的状态，以保证地面能够给车轮提供最大的制动作用力值。一些智能滑移率控制策略利用充足的环境感知信息设计了随道路环境变化的车轮最有滑移率调节器，从而提升轮胎力作用效果。
智能控制策略，如模糊控制、神经网络控制、滚动时域优化控制等，在纵向控制中也得到广泛研究和应用，并取得了较好的效果，被认为是最有效的方法。
而传统控制的方法，如PID控制和前馈开环控制，一般是建立发动机和汽车运动过程的近似线形模型，在此基础上设计控制器，这种方法实现的控制，由于对模型依赖性大及模型误差较大，所以精度差、适应性差。从目前的论文和研究的项目看，寻求简单而准确的电机-发动机-传动、刹车过程和汽车运动模型，以及对随机扰动有鲁棒性和对汽车本身性能变化有适应性的控制器仍是研究的主要内容。
车辆横向控制指垂直于运动方向上的控制，对于汽车也就是转向控制。目标是控制汽车自动保持期望的行车路线，并在不同的车速、载荷、风阻、路况下有很好的乘坐舒适性和稳定性。
车辆横向控制主要有两种基本设计方法，一种是基于驾驶员模拟的方法；另一种是给予汽车横向运动力学模型的控制方法。基于驾驶员模拟的方法，一种策略是使用较简单的运动力学模型和驾驶员操纵规则设计控制器；另一策略是用驾驶员操纵过程的数据训练控制器获取控制算法。基于运动力学模型的方法要建立较精确的汽车横向运动模型。典型模型是所谓单轨模型，或称为自行车模型，也就是认为汽车左右两侧特性相同。横向控制系统基本结构如下图。控制目标一般是车中心与路中心线间的偏移量，同时受舒适性等指标约束。
神奇宝贝火红攻略一）中文美术字
1、宋体（又分为老宋、仿宋和长宋）
A、老宋是从北宋刻书字体的基础上发展而来的。
特点：字形方正，横细直粗，撇如刀，点如瓜子，捺如扫。（笔划示范略）
风格：典雅工整，严肃大方。
适用：公告、法规及一些庄重的书写内容。
B、仿宋是模仿宋板书的一种字体。
特点：字身略长，粗细均匀，起落笔有笔顿，横划向右上方倾斜，剑锋加长。（笔划示范略）
风格：挺拔秀丽。
适用：注释、说明、小标题及硬笔书法。
C、长宋是综合老宋和仿宋的特点而形成的。
特点：比老宋长，横竖粗细接近。（笔划示范略）
风格：既庄重大方，又活泼秀丽。
适用：标语、会场、书籍杂志、商品装潢、黑板报等。
2、黑体（可分为黑体和长美黑）
A、黑体是因“字体较粗，方黑一块”而得名。
特点：横竖粗细一致，方头方尾，所以也称“方体” 。
风格：浑厚有力，朴素大方，引人入胜。
适用：标题、标语等。另外强调说明，黑体字结构严谨，笔划单纯，是最适合美术字初学者练习的字体。
虽然黑体字笔划横竖宽度相同一致，但不能绝对化，要根据字的横竖笔划多少而定，不能千篇一律。汉字一般横笔划多，竖笔划少。有的笔划多，书写时就涌塞、写不下；而笔划少的字，即便用同样的宽度反而觉得很空动。所以，应在长与短、横与竖、笔划粗与细之间，做适当调整，达到整体均匀协调的效果。另外，写黑体字时，笔划的两端和尖锋一端要适当加强效果处理，显得更加厚实有力。
B、长美黑是解放后产生的一种新印刷体。
特点：既采用黑体的横竖笔划、无笔顿、方头方尾的特点，又吸收长宋长形字的点、撇、捺、勾的特点。（笔划示范略）
风格：庄重醒目，新颖大方。
适用：报刊、杂志等印刷品的标题。
3、变体美术字
变体美术字的种类繁多，有象形的、变形的、立体的、阴影的，还有将黑体和宋体稍加美化装饰的，也有将书法艺术稍加变化的。
A、象形美术字。包括添加形象（如“卫生”二字添加“红十字”）、笔划形象（“战斗”二字点的笔划用爆炸的形象代替；“雷电”的个别笔划用闪电的形象代替）、整体形象（如“北冰洋”用冰冻和雪花的形状，“海洋”用波浪变形）、标记形象（如“长城”可以添加长城的标记，“永久”自行车标志可以把“永”的撇和“久”的捺改为自行车的两个圆抡）等等。
B、立体美术字。包括平行透视的、聚点透视的、成角透视的、本体透视的等等。（立体透视示范略）
C、阴影美术字。有阴影的、投影的、倒影的等等。（阴影示范略）
D、装饰美术字。包括装饰本体、装饰背景、字的连接形、字的折带形、字与字的重叠等等。（示范略）
E、书法美术字。也就是运用美术字写书法。结合书法的艺术特点，稍加变化（毛笔、钢笔、油画笔、刷子均可）。
首先选择主角性别和姓名，接着选择对手的姓名，然后就进入游戏啦！
1、大木博士的怪兽们：
为了方便，我们就称对手小茂，称主角小智。刚到家里，小智发现电脑里有1个伤药（补充体力20），妈妈说男孩要多出去，于是，小智准备出去沙拉镇，也去闯闯外面的世界嘛！
“喂！小心草丛里的怪兽！”大木博士跑了过来，看来并不是出镇的时候，乖乖地和他去一趟研究所吧！小茂已经在研究所等候了，大木博士要让小智选3只怪兽其中的1只怪兽，分别是：
杰尼龟水
妙蛙种子草
小火龙火
选好之后，刚要出研究所，小茂就迫不及待地要求战斗：“我们来比比看吧！”比就比，反正我们还有伤药呢！好心的大木博士会在战斗中教小智如何战斗，所以初学者一点也不用担心，初学者按R键可以看说明和属性相克情况喔！不管怎样小茂的怪兽根本不是对手，一下就败下阵来，还赚了80元，怪兽如果打赢就能升1级，赚大了~~终于可以出镇了..
小智先来到了1号道路，这里只有小拉达和波波，且等级不超过4 ，这样既不会成为强大的敌人，也可以练练级，路上有个大婶会给小智一个伤药，一直走便来到了大城市——道吉市，不管是怪兽中心还是商店都有，如果累了就去怪兽中心吧！接着小智开始办正事，不过还是先去商店买些旅行必用品，没想到一进门就被叫住了，售货员要小智将邮件送给大木博士，没办法，只好答应了。送完邮件博士会送小智和小茂图鉴和5个精灵球，以后就可以去抓怪兽了，别忘了去小茂家取镇地图！又回到道吉市，发现刚才喝醉的老爷爷醒来了，他教小智抓怪兽，初学者学一下吧！然后又送了个广播电视（初学者学习用），接着就去下个目的地——道吉森林，说干就干！
2009-1-16 20:26 回复
lshhahahaha
3楼
2、道吉森林的火拼：
首次来到森林，这里是个天然的迷宫，还有皮卡丘抓，不容错过！森林里只有1条路通往出口，另外森林里有2个道具，在那条正确道路上有许许多多的训练师，全是虫系的，用小火龙的话很好对付。呼呼~~终于出道吉森林了，精灵都快不行了.
大家切记在这之前要及时恢复?。【?橐丫?徽勰サ牟怀裳?恿耍?幸亏很快到了比尼市，及时休息！
2009-1-16 20:30 回复
lshhahahaha
4楼
3、道馆与奥西米山上：
休息完毕后就去挑战道馆啦！本道馆是岩石系的，馆主是小刚，馆主的PM是
小拳石岩石 12级
大岩蛇岩石 14级
打败他后得到招式机39岩石封杀，给岩石系PM学习吧！有了第1个徽章一定会很高兴，但是不要得意忘形，后面更多的对手在等着你！城里有个博物馆，花50元可以进去看古代怪兽的骨骼。往右来到3号路，遇到博士的助手，他会给飞速衣，以后按“B”键就能加速跑了！接着是一个练级的好地方，趁这个机会好好练级，这里有一个树果——菊果（补体力10），经过重重难关后终于来到4号路——奥西米山山脚下，先不要急着进去，在旁边的精灵中心恢复一下再说，中心里有卖鲤鱼王的， 20级进化后很厉害（本人买了，不过是为收集图鉴而买的），中心旁也有树果——太阳果（混乱状态恢复），顺便说一下，有树果的地方地上会有1条划痕。
2009-1-16 21:13 回复
lshhahahaha
5楼
道馆与奥西米山下：
终于能进山了，这里有首次见到的PM——超音幅，不过很弱，建议别抓。这里同样有许多训练师，还有招式机09种子机枪，无意中碰见火箭团，遇见我算他们倒霉，三下五除二打败了他们，在奥西米山B1处几乎都是派拉斯，喜欢的可以抓喔！^_^来到了深处——B2层，这里有时会出现皮皮，很可爱！一定要抓，一个建议，抓到皮皮后不要马上用月亮石让他进化，原因是他和胖丁进化后就不能学会绝招了，而保持原始能学会许多厉害的绝招！然后会遇到一个研究员，打败他后可以选一个化石（左边化石盔，右边菊石兽，两只都是40级进化，貌似晚了一点），终于出山了，感觉这段路程很漫长，算是一种锻炼吧！路上有一个树果——红果（做怪兽盒用），遇到3个人，他们分别教授格斗系的百万吨飞踢和百万吨冲拳，一定要学习?。?
2009-1-16 21:14 回复
lshhahahaha
6楼
4、那达市烽火：
来到了水都——那达市，认为够格的就去道馆吧，馆主可是已恭候多时的小霞，他的PM是：
海星星 18级
宝石海星：21级
用小火龙打可能会被秒杀！打败小霞得到招式机03水之波动。在一间屋里可以用蚊香蛙换迷唇姐（相信大家现在还没有蚊香蛙），逛逛自行车店吧！价格简直是天文数字?。∠确牌??，哪来的那么多钱？往上走，又遇见小茂，晕~~ ，这次他的PM属性很全面，要用相克的招数对付才行。终于打败了小茂，他会送你呼叫机器，能呼叫重要人物和馆主，也没什么多大用。走上金球桥，这里有6个训练师，当1个失败时则从头开始，胜利后得到金珠1个，能卖5000元，没用处。来到5号路，这里是大草原，有1个树果——紫果（做怪兽盒用），这里也有很多训练师。来到尽头一个屋子里，发现有一个皮皮，和他对完话后他会走到机器里，你在电脑前弄一下就可以把他恢复原形。为了报答你，他会给你船票（重要道具）。抄近路回那达市，发现原来在一间屋子外守着的警察不见了，赶紧进入屋子，发现里面一片狼狈，出去后发现火箭团的团员正要逃跑，看来是他干的好事，真是无恶不作，让别人怎么住?。亢煤媒萄邓?欢俸笏?粝铝苏惺交?8挖洞（这还差不多呢），顺路走向6号路。
2009-1-16 21:18 回复
lshhahahaha
7楼
5、训练师营地：
从中间走的话有草丛可以训练怪兽，有饲养所，通向山野市的关卡进不了，警卫说口渴，走地下通道吧！门口有人用尼多兰换尼多娜。走地下通道很快到了7号路，训练师和草丛很多，还有1个树果拿~~到了库吉市，先去补血，再去中心左边的屋子，可以得到初级钓竿，只能钓鲤鱼王。再去会所，和会长对话得到自行车票，以后就能免费骑自行车了，耶~~接着去山道安尼号，先出示船票，然后进去，这是一艘豪华的客船，上船后船会起航，这里训练师有很多， F1从右数第2个房间里可以补血。2楼上3楼的楼梯口再次遇到小茂，相信你的PM能胜过他，之后他灰溜溜地跑了，3楼是船长室，船长得知你是训练师时，很高兴的把珍藏已久的特招机01居合斩给了出来，然后发现船已经回到了库吉市港口，你下去后船又起航了。挑道馆，电系的，这个道馆装置难一点，可是PM战没难度。接着该去市右的12号路，主要是打训练师，捡道具，却被卡比兽拦了去路，回库吉市，去中心拿对战机，每蓄电完毕时就能和周围的训练师对战，走100步蓄电完毕。接着去市右的地鼠洞，这里连通2号路，算是方便的通道，再说没训练师，只有地鼠而已。到了2号路，下方屋子里一个玩游戏机的男孩用凯西换吸盘魔偶，另外，库吉市一间屋子里可以用烈雀换大葱鸭，2号路下方有个关卡，找到博士的助手，如果你的PM种类达到10以上的话能给你特招机05闪光术。再顺路返回比尼市，博物馆的后门能把树砍断进了，可以拿化石翼龙的化石和学习地球上投。再通过地鼠洞穴+地下通道返回那达市，右边的树能砍断了，又来到了训练师营地。
2009-1-16 21:22 回复
lshhahahaha
8楼
6、依亚隧道与怪兽笛：
小智经过10号路后来到了宁静的11号路，虽说有1个训练师，但是比前面要少很多，这里有1个树果和怪兽中心，博士的助手说如果PM种类达到20以上就能给出不变石，是人是不会用的。小智进入黑暗的依亚隧道，太暗了，来光吧，闪光术~~周围一切照亮了，哈哈！这里结构十分复杂，比奥西米山难得多！训练师也很多，可能导致怪兽频死或技能不够用而无法恢复，带上精神片和BB艾依吧。终于通过了依亚隧道，出口还有训练师，又要战斗！小智来到了西奥镇，一个美丽的小镇（我最喜爱这个小镇了，即使不喜欢标志性建筑——精灵塔）先补血，然后别急着进精灵塔，没用的！往左出镇，来到8号路，训练师很多，这里的草丛需要用居合斩打开去山野市的路同样被堵住了，小智走地下通道，很快到了9号路，再走一会的路程便到了达西市，这城市很热闹（我也喜欢），不管是百货商店还是游戏厅都坐落于达西市，去一幢大楼，问老奶奶要茶，能去山野市了，去楼顶得到依布。去商场楼顶，买饮料和小妹妹换招式机！接着去城里的五星级餐厅，问厨师拿硬币盒就能去游戏厅玩游戏了，在游戏厅发现一个人很诡异，原来是火箭团的，打败他后他逃了，点击壁画能开通火箭团基地的楼梯，基地里有很多装置，乱走的话一定会头晕！绕完圈圈后到了B4 ，和团员打后他会给出电梯钥匙，进入电梯到B4 ，打败守卫后便去会会他们的老大，他的PM不怎么样，打败他后得到西罗夫斯奇，再去精灵塔， 2楼遇到对手，这次可长进了不少，但还是被打败了，精灵塔有鬼斯和可拉克拉，也有幽灵系训练师，用恶系或幽灵系对战吧，5楼有个结界，能补血，中间拿到灵符。6楼有个东西是嘎拉嘎拉，不能捕捉。小智在7楼打败3个火箭团团员，拯救出老人，他感谢了小智，给了你怪兽笛，以后就不用清醒药了，怪兽笛能恢复沉睡状态，现在也可以去唤醒卡比兽了。
2009-1-16 21:23 回复
lshhahahaha
9楼
7、卡比兽与飞空术：
回到达西市，现在应该可以挑战道馆了吧！小智冲进了道馆，这个道馆小火龙很好对付，可是杰尼龟就比较有难度。馆主是利佳，她的PM是：
大食花草
曼藤怪草
霸王花草
小智轻松夺胜，得到了招式机19亿万能力吸?。?给草系的怪兽学习吧！在17号道路进入小屋得到特招机02飞空术，很有用的技能，能飞回去过的城镇，让飞行系PM学习吧！接着则是两条路，如何打败/捕捉卡比兽就不说了，2条路：
路线1：自行车路
17号道路打败/捕捉卡比兽后来到自行车运动路，在关卡处2楼博士助手会给小智守卫饭（战斗后得到2倍金钱），自行车运动路上有毒系和格斗系PM训练师，超能比较有利，过了运动路就到了沙吉市(提示：自行车运动路是斜坡）
路线2：训练师路
飞到西奥镇往南进13号道路（九曲桥），这里钓鱼训练师较多。小智很快进入到了打败/捕捉卡比兽的状态，打败/捕捉后向左走，是1个关卡， 2楼如果有30种PM就能拿到透视仪，之后再卡比兽待过的地方用透视仪寻找遗物（持有的话每回合补充16/1的体力，用无限次）。小智来到了钓鱼屋里，得到中级鱼竿（能钓好一点的PM）。不一会就到了14号道路，这里训练师PM属性齐全，数量又多，要小心对付，同样来到沙吉市前关卡，2楼如果有50种PM就能得到学习装置（持有的话不战斗也能得到经验值）。
2009-1-16 21:25 回复
lshhahahaha
10楼
8、沙吉市和冲浪术
沙吉市有PM展，有些是珍贵PM，有些是在沙弧乐园里能遇到可是几率少的PM 。
接着就去市里的沙弧乐园，这里一共分4个区域，每个区域有不同的PM出现，深处拿到一个金牙，一旁的精品屋子能拿到特招机03冲浪术，给水系PM学习吧！出来后去市长家用金牙换特招机04怪力术，给格斗系PM学习吧！先对着家里的岩石练习一下，里面的道具是奇异甜食（升1级）。小智办完正事后便去挑战道馆，这个道馆是毒系的，有看不见的墙，馆主是阿吉，他的PM是：
瓦斯弹 37级
臭臭泥 39级
瓦斯弹 38级
双弹瓦斯 43级
打败后得到招式机06毒毒（对手中猛毒），小智得到了第5个徽章！
2009-1-16 21:27 回复
lshhahahaha
11楼
9、西罗夫大楼和两个道馆
小智拿到第5个徽章后飞去了山野市，这儿弥漫着邪恶的气氛，原来火箭团占领了这个城市，小智去了格斗道馆，山野市有2个道馆，正式道馆被火箭团封闭了，打败格斗道馆馆主能从艾比郎和沙瓦郎中选1只。小智接着去了西罗夫大楼，这里有11层，如果不想拿大量道具的话就去5楼拿卡片钥匙再去3楼传送点去7楼吧！小茂已经在这儿了，这次他的PM十分强悍，小心对付，小智打败了小茂，一旁观战的职员觉得小智很强，于是给了乘龙，应该是很珍贵的PM啦！又经过一个传送点来到11层社长室，火箭团首领就在此，他的PM是：
铁甲犀牛
尼多力诺
袋龙
尼多后
小智战胜了火箭团首领，救出了社长，社长给了大师球（绝对抓住PM），然后城市恢复了往日的平静，小智去挑战了超能系道馆，这个装置有一点难度，馆主PM是:
勇吉拉
吸盘魔偶
未入蛾
胡地
战胜馆主，小智得到了招式机04冥想（自己特攻特防升一级），徽章已经有6个了，接着去哪呢？对了，小智飞去了沙吉市，往南进了20号水路，要用冲浪术前进，路上很多水系PM训练师，然后就到了双子岛，这里主要是要把岩石用怪力术推下裂缝堵住急流，深处还有急冻鸟抓，50级！然后发现从另一个洞口出来了。
路过训练师们来到了红莲岛，研究所里可以用雷丘交换顽皮弹，毛球交换曼藤怪，小火马交换小海狮，还能学习动指，以前拿到的化石能够复活了，PM都是5级，无奈~~
2009-1-16 21:29 回复
lshhahahaha
12楼
10、精灵小屋，战斗吧！
小智正要去火系道馆，发现门锁上了，暂时去精灵小屋吧！精灵小屋有火系和毒系PM和火系训练师，要去3楼从一个裂缝跳下来才能到达B1，深处可以拿到秘密钥匙，然后就能打开火系道馆了，这个道馆装置很有趣，馆主PM是：
卡蒂狗 42级
小火马 42级
烈焰马 44级
风速狗 46级
2009-1-16 21:30 回复
lshhahahaha
13楼
11、桔子群岛新认识（1）
小智打败馆主后得到了招式机38大文字火焰，出了道馆马沙奇会带小智去桔子群岛的第1岛，他的朋友尼西奇说发电装置坏了，现在暂时无法存取PM，从北面冲浪来到温泉，温泉可以补充体力，并且从一位老奶奶那儿能得到特招机06碎岩术（能打碎岩石），往前走来到灯火山，深处有火焰鸟，50级！回到第1岛往南冲浪来到珍宝海滩，用透视仪能找到隐藏物品。乘船来到第2岛屿，北方的天涯海角屋子能教授水箭龟高压水泵、妙娃花植物硬化、喷火龙巨型火焰（注：只能这3只PM学习）。
2009-1-16 21:32 回复
lshhahahaha
14楼
桔子群岛新认识（2）
回到第2岛屿，小智去了游戏厅，老板正为女儿伤脑筋，原来岛上出现了暴走族，他们放出了1只索利伯，索利伯把他女儿带到了树果森林并切断了电源。
然后去第3岛屿，在第3海峡发现一个洞，里面没什么东西，小智又来到第3岛屿，暴走族正在PC边闹事，教训了他们后他们回关东了。去树果森林经过有训练师的索桥，进入树果森林，发现很多树果，深处发现那人的女儿，教训了那只索利伯后回到了游戏厅，老板感谢了小智给了个月亮石，这时电力恢复，回到第1岛屿，然后马沙奇带着小智离开了桔子群岛，回到了关东地区红莲岛。
2009-1-16 21:34 回复
lshhahahaha
15楼
12、最后的挑战！
然后往北走来到21号水路，路过训练师来到了老家沙拉镇，好怀念啊~~然后小智去了道吉市打地面系道馆，馆主居然是火箭团首领，他的PM是：
铁甲犀牛
铁甲犀牛
三地鼠
尼多王
尼多后
小智打败他得到了招式机28地震（能打中钻地的敌人）然后他逃走了。
2009-1-16 21:37 回复
lshhahahaha
16楼
13、徽章之路
小智集齐了8个徽章，当然是要迎接四大天王的挑战，在道吉市左方的22号道路再次遇到了小茂，这次要战胜不容易，不过小智也进步了嘛！总之打败了他（实在打不过再去练级吧！蓄电机比较好用），22号道路尽头是徽章之路正门，向警卫一一出示徽章后到了斗士之路入口，里面能捡到大量道具和招式机，怪力术是必须的……
2009-1-16 21:38 回复
lshhahahaha
17楼
14：决战联盟！
通过斗士之路也有许多道具可拿，不过是隐藏的，接着就是K四大天王了，以下是四大天王各人资料：
冰天王：
白海狮52级呆河马52级迷唇姐54级铁甲贝53级乘龙55级
格斗天王：
大岩蛇51级艾比郎53级沙瓦郎53级怪力54级大岩蛇54级
毒天王：
耿鬼53级鬼斯通52级阿柏怪54级大嘴蝠54级耿鬼58级
龙天王：
暴鲤龙54级化石翼龙58级哈克龙54级哈克龙55级快龙59级
小茂：1开头选杰尼龟 2开头选妙蛙种子 3开头选小火龙
1：比雕铁甲暴龙胡地妙蛙花风速狗暴鲤龙
2：比雕铁甲暴龙胡地喷火龙暴鲤龙椰树蛋
3：比雕铁甲暴龙胡地水箭龟椰树蛋风速狗
打败他们后就成为了新一届的冠军，然后就通关了，但是冒险并没有结束！
2009-1-16 21:39 回复
lshhahahaha
18楼
15：后记——
要触发以后的剧情必须已经抓到60多种PM！
通关后小智回到了自己家，博士会把图鉴升级为386图鉴，条件是已经抓到60多种PM！小智又飞到四大天王那儿，可是冰天王失踪了，没办法！接着小智去了库吉市，乘船到第1岛屿PM中心得知红蓝宝石失踪了，赶紧去灯火山，发现2个鬼鬼祟祟的火箭团，打败他们出现了一个山洞，里面有着386里的PM——熔岩蜗牛！在深处发现了红宝石，把他交给岛屿1PM中心研究员后小智得到了去4-7岛屿的船票！
2009-1-16 21:42 回复
lshhahahaha
19楼
16:阴森洞穴
先到岛三，可以在路口处的洞穴的另一面逮到土龙。
然后到岛四，遇见了阴魂不散的小茂，不过这回不对战。在摸索后，会发现一个洞穴，当然进去了！
在前进中我们可以捡到密传机07登瀑术（发财了?。? ，然后在最深处发现四大天王——科拿和火箭队在一起，当然K之！
K 完后和科拿对完话就可以出去了。
2009-1-16 21:54 回复
lshhahahaha
20楼
17:不归洞穴和未知图腾
之后来到岛5，在上方发现一个小房子，不过没人。
在左边来到一个有雾的山洞。这里就是不归洞穴了。四面都是口，一旦走错就回到原处，不过这里有几个道具拿，多转转吧！
在最里面有一个迷路的少女，以为小智是坏人就上来K。打败她就可以回到无人小屋了。
来到岛6 ，发现N 多地方都关着门，先去岛7吧！
在岛7中间偏下小智发现了一个洞口，把石头全推进洞里听见一阵响声......
继续往下走，会发现许多石室，进去后可以遇到未知图腾，这里就是未知图腾遗迹了！
2009-1-17 11:05 回复
lshhahahaha
21楼
18：蓝宝石和火箭队残留
回到岛6，在下方发现一个铁门，对着铁门用间合斩可以开门。
在深处会找到一块蓝宝石，可是这时候一个研究员进来抢走了，并给了你岛5的暗号。（气人啊~ 。~）
无奈回到岛5，现在可以进秘密基地了。不用说，还是有讨厌的转头......打败那个研究员就可以夺回蓝宝石了。
然后回到岛1，把蓝宝石给那个在电脑前的家伙就可以了。
2009-1-17 11:12 回复
lshhahahaha
22楼
19：闪电鸟和最强怪兽超梦！
新岛的剧情完了之后，来到依亚隧道右边，用冲浪术往下面走，会发现有一个屋子，进去。
在里面有一些道具，不过有几个是闪电球伪装的。
最深处遇到闪电鸟，逮完它之后就可以从另一个出口出来了。
之后来到那达市的金水桥，在靠近水的地方用冲浪，在下游会发现一个洞穴，进去就行了。
经过重重怪兽和迷宫，终于在最深处发现了一只猫，当然逮了?。ㄒ淮?胖?涝?词浅?危?
2009-1-17 11:33 回复
lshhahahaha
23楼
20：完
除了这些，还可以用金手指02031CF0:0002到达突出岩石，有两个梯子，一个是一直向上，能捕到凤凰；另一个是一直向下，可以捕到洛奇亚。
用金手指02031CF0:3a02能到出生地。在这里有一个三角体，动一下它就会跑，必须从最近的路碰到它，循环，直到爆炸为止。
【自动驾驶技术基本知识介绍】
爆炸以后，DNA神奇宝贝代欧奇西斯就会出现（LV30），捕了它以后，就完了。