图灵汇官网

自动驾驶汽车，又称智能汽车、自主汽车、无人驾驶汽车或轮式移动机器人，是一种通过计算机系统实现无人驾驶的智能交通工具。其运作机制依赖于传感器实时获取环境信息，并在此基础上进行局部路径规划，同时结合基于完整环境信息的全局路径规划，如下图所示。

[未显示图片]

无人驾驶汽车的关键技术涵盖环境感知、精准定位、决策与规划、控制与执行、高精度地图与车联网（V2X）以及无人驾驶汽车测试与验证技术。本文将重点介绍环境感知、精准定位和决策与规划。

环境感知

环境感知是无人驾驶汽车与外界环境信息交互的核心，是实现无人驾驶的先决条件，相当于人类驾驶员的“眼睛”和“耳朵”。

视觉传感器

无人驾驶汽车中的视觉传感器主要采用工业摄像机，这种传感器与人眼最为接近，能够获取周围环境信息。工业摄像机根据芯片类型可分为CCD摄像机和CMOS摄像机。

• CCD摄像机：由光学镜头、时序及同步信号发生器、垂直驱动器及模拟/数字信号处理电路组成，具有体积小、重量轻、低功耗、无滞后、无灼伤、低电压等优点。

• CMOS摄像机：集光敏元阵列、图像信号放大器、信号读取电路、模数转换电路、图像信号处理器及控制器于一体，具有传输速率高、动态范围宽、局部像素可编程随机访问等优势。

激光雷达

激光雷达是一种主动测量设备，通过发射激光束来探测目标的空间位置。根据探测原理，激光雷达分为单线激光雷达和多线激光雷达。

• 单线激光雷达：通过一束激光扫描线进行旋转扫描，根据区域内各点与激光雷达的相对空间距离和方位返回测量值。

• 多线激光雷达：通过两束或两束以上的激光扫描线进行旋转扫描，能够通过点云描述三维环境模型。当前市场上的产品包括4线、8线、16线、32线和64线激光雷达。激光雷达线束越多，每秒采集的点云数据越多，但价格也越高。例如，美国Velodyne公司的16线激光雷达VLP-16（Puck）售价约为3999美元，而64线激光雷达HDL-64E则高达7万美元。

毫米波雷达

毫米波雷达工作在毫米波波段，频率范围在30—300GHz之间。

超声波传感器

超声波传感器利用超声波的特性进行工作，工作频率在20kHz以上。

精准定位

精准定位是无人驾驶汽车的基础，不仅需要获取车辆与外界环境的相对位置关系，还需通过车身状态感知确定车辆的绝对位置与方位。

惯性导航系统

惯性导航系统由陀螺仪和加速度计构成，通过测量运动载体的线加速度和角速率数据，并进行积分运算，从而得到速度、位置和姿态。

轮速编码器与航迹推算

通过轮速编码器推算出无人驾驶汽车的位置。

卫星导航系统

目前全球卫星导航系统包括美国的GPS、俄罗斯的GLONASS和中国的北斗卫星导航系统。北斗卫星导航系统是中国自主研发、独立运行的全球卫星定位与通信系统，采用中国独有的CGCS 2000坐标系。

SLAM自主导航系统

SLAM（Simultaneous Localization And Mapping，即时定位与地图构建）技术起源于机器人领域，最早由Smith、Self和Cheeseman于1988年提出。SLAM技术使机器人能够在未知环境中进行定位，并在此基础上逐步扩展地图，最终实现全局自主定位和导航。

决策与规划

无人驾驶汽车的行为决策与路径规划基于环境感知和导航子系统的输出信息。根据给定的起始点和终点，通过特定约束条件（如无碰撞、安全到达终点等），规划出多条安全路径，并从中选取最优路径作为车辆行驶轨迹。

路径规划

无人驾驶车辆中的路径规划算法会考虑路径的曲率和弧长等因素，以实现路径选择的最优化，避免碰撞并保持安全距离。

驾驶任务规划

驾驶任务规划主要是指行驶路径范围的规划。

行为决策算法

无人驾驶汽车主要使用的行为决策算法包括：

• 基于神经网络：决策系统主要采用神经网络确定具体场景并作出行为决策。
• 基于规则：工程师设计出所有可能的“if-then规则”，再用基于规则的技术路线对汽车的决策系统进行编程。
• 混合路线：结合上述两种决策方式，通过集中性神经网络优化，并通过“if-then规则”加以完善。混合路线是目前最流行的技术路线。

感知与决策技术的核心

感知与决策技术的核心在于人工智能算法与芯片。人工智能算法的实现需要强大的计算能力支持，特别是深度学习算法的大规模应用，对计算能力提出了更高要求。随着人工智能产业对计算能力需求的迅速增长，自2015年起，业界开始研发针对人工智能的专用芯片，以提升计算效率。

来源：学术头条

[未显示图片]

推荐阅读

点击下文标题即可阅读