自動駕駛關鍵技術淺析

洋娃娃和小熊

2021年12月9日 15:25

瀏覽：2354 收藏：3

自動駕駛技術，是一種通過車載電腦系統實現無人駕駛的智能汽車系統，又稱無人駕駛汽車、電腦駕駛汽車、輪式移動機器人。

自動駕駛的關鍵技術可以概述為三個部分：感知（Perception），規劃（Planning）和控制（Control）。下面小編對自動駕駛技術基礎知識及實用技術進行介紹，僅供參考。

環境感知

感知系統

感知是環境信息和車內信息的采集與處理。為了確保無人車對環境的理解和把握，無人駕駛系統的環境感知部分通常需要獲取周圍環境的大量信息。

感知系統，代替駕駛人的感知，獲取周圍的環境信息。即用攝像頭（眼睛）看前面的路，還在用雷達（耳朵）聽車周圍（前、后、左右）的車、人及實物，用信息識別單元（大腦）在分析、判斷。具體來說包括：障礙物的位置，速度以及可能的行為，可行駛的區域，交通規則等等。

利用傳感器實現車輛感知是自動駕駛的基礎。無人車通常是通過融合激光雷達（Lidar），相機（Camera），毫米波雷達（Millimeter Wave Radar）等多種傳感器的數據來獲取這些信息。深度攝像頭和雷達，相當人的眼睛和耳朵，其主要功能是車輛收集周圍的“實時信息”，為無人駕駛車輛提供完整、準確的環境數據，常用的傳感設備包括：

深度攝像頭；
激光雷達（LiDAR）；
毫米波雷達；
導航系統。

攝像頭是眾多預警、識別類ADAS功能的基礎

車載攝像頭對于智能駕駛是必不可少設備，主要應用于：車道偏離預警（LDW）、車道保持輔助（LKA）、前向碰撞預警（FCW）行人碰撞預警（PCW）、全景泊車（SVP）、駕駛員疲勞預警、交通標志識別（TSR）。

毫米波雷達能夠監測到大范圍內車輛的運行情況

毫米波雷達的原理和激光雷達類似，但它發射的是無線電波，而不是激光。毫米波雷達有較大的波長可以穿透霧、煙、灰塵等,激光雷達難以穿透的障礙，較好免疫惡劣天氣；同厘米波導引頭相比，毫米波導引頭具有體積小、質量輕和空間分辨率高的特點；與紅外、激光等光學導引頭相比，毫米波導引頭穿透霧、煙、灰塵的能力強，傳輸距離遠，具有全天候全天時的特點；毫米波雷達，性能穩定，不受目標物體形狀、顏色等干擾。能很好的彌補了如紅外、激光、超聲波、攝像頭等其他傳感器在車載應用中所不具備的使用場景。這些特性使得毫米波雷達能夠監測到大范圍內車輛的運行情況，同時對于前方車輛的速度、加速度、距離等信息的探測也更加精準。

毫米波雷達的探測距離一般在150m-250m之間，有的高性能毫米波雷達探測距離甚至能達到300m，可以滿足汽車在高速運動時探測較大范圍的需求。

毫米波雷達應用于自動駕駛車的防撞系統，其基本原理：車載毫米波雷達利用電磁波發射后遇到障礙物反射的回波對其不斷檢測，計算出與前方或后方障礙物的相對速度和距離。

激光雷達是一種不可替代的傳感器

激光雷達，即利用激光來進行探測和測量。其原理是向周圍發射脈沖激光，遇到物體后反射回來，通過來回的時間差，計算出距離，從而對周圍環境建立起三維模型。激光雷達一般安裝在車頂，可以高速旋轉，主要功能：

以獲得周圍空間的點云數據，從而即時繪制出車輛周邊的三維空間地圖；
可以測量出周邊其他車輛在，三個方向上的距離、速度、加速度、角速度等信息；
結合 GPS 地圖計算出車輛的位置；

多傳感器融合技術實現環境感知

融合以上多種傳感器龐大豐富的數據信息，在一定的準則下加以自動分析和綜合，以完成所需要的決策和估計而進行的信息處理。其基本原理就像人的大腦綜合處理信息的過程一樣，將各種傳感器進行多層次、多空間的信息互補和優化組合處理，最終產生對觀測環境的一致性解釋。

信息融合的最終目標則是基于各傳感器獲得的分離觀測信息，通過對信息多級別、多方面組合導出更多有用信息。這不僅是利用了多個傳感器相互協同操作的優勢，而且也綜合處理了其它信息源的數據來提高整個傳感器系統的智能化。

特點：

信息的冗余性：對于環境的某個特征，可以通過多個傳感器（或者單個傳感器的多個不同時刻）得到它的多份信息，這些信息是冗余的，并且具有不同的可靠性，通過融合處理，可以從中提取出更加準確和可靠的信息。
信息的互補性：不同種類的傳感器可以為系統提供不同性質的信息，這些信息所描述的對象是不同的環境特征，它們彼此之間具有互補性。
信息處理的及時性：傳感器實時的采集周圍信息。
實現功能的低成本性：多個傳感器可以花費更少的代價來得到相當于單傳感器所能得到的功能信息。另一方面，如果不將單個傳感器所提供的信息用來實現其他功能，單個傳感器的成本和多傳感器的成本之和是相當的。

高精地圖

多傳感器融合建立高精地圖。融合激光雷達、相機和毫米波雷達等多種傳感器，通過卡爾曼濾波、擴展卡爾曼濾波等融合算法以及激光雷達、相機的坐標轉換算法（激光雷達—相機聯合標定），建立高精地圖。

不僅提升車端感知性能、拓展自動駕駛新功能、動態建圖等相關應用。

1）地圖匹配。高精地圖有著更多維度的數據，比如道路形狀、坡度、曲率、航向、橫坡角等。通過更高維數的數據結合高效率的匹配算法，高精度地圖能夠實現更高尺度的定位與匹配。

2）輔助環境感知。對傳感器無法探測的部分進行補充，進行實時狀況的監測及外部信息的反饋：傳感器作為無人駕駛的眼睛，有其局限所在，如易受惡劣天氣的影響，此時可以使用高精度地圖來獲取當前位置精準的交通狀況。

3）路徑規劃。對于提前規劃好的最優路徑，由于實時更新的交通信息，最優路徑可能也在隨時會發生變化。此時高精度地圖在云計算的輔助下，能有效地為無人車提供最新的路況，幫助無人車重新制定最優路徑。

高精定位

把自動駕駛汽車上傳感器感知到的環境信息與高精地圖對比，得到車輛在地圖中的精確位置。高精度地圖起到了高精定位、輔助環境感知、規劃與決策等功能。
自動駕駛通過人工智能算法決策做出車道及路徑規劃，給制動、轉向、加速等控制器下達指令，控制車輛開往目的地。

規劃決策

自動駕駛決策系統分為任務規劃、行為規劃、動作規劃三個部分。決策層主要負責路線規劃和實時導航。規劃和實時導航不僅高精地圖，還要V2X通信網絡技術的支持。無人車為了某一目標而作出一些有目的性的決策過程。這個目標通常是指從出發地到達目的地，同時避免障礙物，并且不斷優化駕駛軌跡和行為以保證乘客的安全舒適。

任務規劃通常也被稱為路徑規劃或者路由規劃（Route Planning），其負責相對頂層的路徑規劃，例如起點到終點的路徑選擇。

行為規劃，行為規劃行為規劃有時也被稱為決策制定（Decision Maker），主要的任務是按照任務規劃的目標和當前的局部情況（其他的車輛和行人的位置和行為，當前的交通規則等），作出下一步無人車應該執行的決策。可以把這一層理解為車輛的副駕駛，他依據目標和當前的交通情況指揮駕駛員是跟車還是超車，是停車等行人通過還是繞過行人等等。

執行系統也是底層控制系統，負責執行汽車的剎車、加速、轉向的具體操作。工程師們通過特制的“線控裝置”控制方向盤和油門，取代人類司機的手和腳。

控制

系統在做出決策后，按照決策結果對車輛進行控制。車輛的各個操控系統都需要能夠通過總線與決策系統相連接，并能夠按照決策系統發出的總線指令精確地控制加速程度、制動程度、轉向幅度、燈光控制等駕駛動作，以實現車輛的自主駕駛。

線控是機電控制的一種物理控制方式。線控系統是用電控系統替代機械系統或者液壓系統。主要是指信號發生器與信號接收器之間的連接方式是通過線纜或其他動作傳到物體進行連接的。

簡單地說，自動駕駛汽車的線控執行，主要包括線控轉向、油門和制動。最難的部分是線控執行中的制動。

V2X通信網絡技術

V2X 是指車對外界的信息交換，是一系列車載通訊技術的總稱。V2X包含汽車對汽車V2V）、汽車對路側設備（V2R）、汽車對基礎設施（V2I）、汽車對行人（V2P）、汽車對機車（V2M）及汽車對公交車（V2T）等六大類。

(a) 基于網絡的通訊模式，即車對網絡V2N（車對網絡），比如通過互聯網通信；

(b)直接通訊模式，涵蓋了車對車V2V（車對車）、車對基礎設施V2I（車對基礎設施）以及車對人V2P(車對人)，比如通過5G 通信，射頻識別技術（英文：Radio Frequency IDentification，縮寫：RFID)是一種無線通信技術，見圖21）。

(c)兩種傳輸模式是互補的。

簡單的來說，V2V是一種比較自動駕駛更高級的技術。自動駕駛可以實現自動跟車，可以探測前方200米左右交通情況，并作相應的汽車輔助動作，如自動駕速度，自動剎車，但是它無法遇見前方的前方車什么狀態，是不是出了意外，這些要求有V2V的技術支持。

自動駕駛的關鍵技術可概述為感知、規劃與控制三部分。其中車輛配備的傳感器主要可以分為三類：定位傳感器、自感應傳感器和環境傳感器。定位傳感器可以獲得車輛在全球和本地的絕對定位，通常是利用GPS或GPS融合其他傳感器數據進行定位；自感應傳感器利用里程計、IMU等獲取車輛速度、加速度和轉向角等當前狀態；環境傳感器使用激光、視覺等外部感知傳感器感知道路標記、障礙物位置、交通標志和其他車輛距離、運動速度等信息。不同傳感器融合后進行決策，進而控制車輛執行自動駕駛行為。

轉載自車路協同與自動駕駛，文中觀點僅供分享交流，不代表本公眾號立場，如涉及版權等問題，請您告知，我們將及時處理。

-- END --

登錄后免費查看全文

立即登錄