無人駕駛汽車?yán)锩娴降撞刂嗌俸诳萍迹?/h1>
從根本上改變了傳統(tǒng)的“人——車——路”閉環(huán)控制方式，將無法用規(guī)則嚴(yán)格約束的駕駛員從該閉環(huán)系統(tǒng)中請(qǐng)出去，從而大大提高了交通系統(tǒng)的效率和安全性，是汽車工業(yè)發(fā)展的革命性產(chǎn)物。
從20世紀(jì)80年代開始人類就展開了車輛自主行駛研究。美國是世界上研究自動(dòng)駕駛汽車最早、水平最高的國家之一。其中谷歌無人駕駛汽車影響力最為廣泛，也是技術(shù)水平最成熟的公司之一。谷歌宣稱其無人駕駛汽車已經(jīng)在公路上安全行駛160多萬公里，期間沒有發(fā)生過任何嚴(yán)重的碰撞事故。但是能做到如谷歌自動(dòng)駕駛車技術(shù)水平的公司寥寥無幾，可見其關(guān)鍵技術(shù)門檻是比較高的。
下面談?wù)勛詣?dòng)駕駛汽車中幾個(gè)關(guān)鍵技術(shù)。
環(huán)境感知
傳感器探測(cè)環(huán)境信息，只是將探測(cè)的物理量進(jìn)行了有序排列與存儲(chǔ)。此時(shí)計(jì)算機(jī)并不知道這些數(shù)據(jù)映射到真實(shí)環(huán)境中是什么物理含義。因此需要通過適當(dāng)?shù)乃惴◤奶綔y(cè)得到的數(shù)據(jù)中挖掘出我們關(guān)注的數(shù)據(jù)并賦予物理含義，從而達(dá)到感知環(huán)境的目的。
比如我們?cè)隈{駛車輛時(shí)眼睛看前方，可以從環(huán)境中分辨出我們當(dāng)前行駛的車道線。若要讓機(jī)器獲取車道線信息，需要攝像頭獲取環(huán)境影像，影像本身并不具備映射到真實(shí)環(huán)境中的物理含義，此時(shí)需要通過算法從該影像中找到能映射到真實(shí)車道線的影像部分，賦予其車道線含義。
自動(dòng)駕駛車輛感知環(huán)境的傳感器繁多，常用的有：攝像頭、激光掃描儀、毫米波雷達(dá)以及超聲波雷達(dá)等。
針對(duì)不同的傳感器，采用的感知算法會(huì)有所區(qū)別，跟傳感器感知環(huán)境的機(jī)理是有關(guān)系的。每一種傳感器感知環(huán)境的能力和受環(huán)境的影響也各不相同。比如攝像頭在物體識(shí)別方面有優(yōu)勢(shì)，但是距離信息比較欠缺，基于它的識(shí)別算法受天氣、光線影響也非常明顯。激光掃描儀及毫米波雷達(dá)，能精確測(cè)得物體的距離，但是在識(shí)別物體方面遠(yuǎn)弱于攝像頭。同一種傳感器因其規(guī)格參數(shù)不一樣，也會(huì)呈現(xiàn)不同的特性。長距離毫米波雷達(dá)探測(cè)距離長達(dá)200米，角度范圍較?。?plusmn;10度），而中距離雷達(dá)探測(cè)距離為60米，角度范圍較大（±45度）。
為了發(fā)揮各自傳感器的優(yōu)勢(shì)，彌補(bǔ)它們的不足，傳感器信息融合是未來的趨勢(shì)。事實(shí)上，已經(jīng)有零部件供應(yīng)商做過此事，比如德爾福開發(fā)的攝像頭與毫米波雷達(dá)組合感知模塊已應(yīng)用到量產(chǎn)車上。
行為規(guī)劃
說到行為規(guī)劃也許大家會(huì)比較陌生，我們可以先從路徑規(guī)劃開始講講。路徑規(guī)劃的概念在機(jī)器人中使用比較普遍，一般定義為：
在具有障礙物的環(huán)境中，按照一定的評(píng)價(jià)標(biāo)準(zhǔn)，尋找一條從起始狀態(tài)到目標(biāo)狀態(tài)的無碰撞路徑。對(duì)于無人車來講，若確定了目標(biāo)地點(diǎn)的車輛位姿，車輛具體以怎樣一條運(yùn)動(dòng)路徑行駛到目標(biāo)地點(diǎn)，即為路徑規(guī)劃。
路徑規(guī)劃其實(shí)包含大范圍不考慮運(yùn)動(dòng)細(xì)節(jié)的全局路徑規(guī)劃以及具體到運(yùn)動(dòng)軌跡的局部路徑規(guī)劃。
為了將無人車的局部路徑進(jìn)行形象地歸類、分析，引入了“行為”的概念。車輛在城市道路自主行駛時(shí)，它應(yīng)具備車道保持、變換車道、路口直行、路口拐彎、掉頭、繞障、智能啟停、自動(dòng)泊車等駕駛行為。行為的有序排列及有機(jī)銜接，方可完成整個(gè)自動(dòng)駕駛?cè)蝿?wù)。
“駕駛行為”是局部路徑中細(xì)分出來的行駛單元，當(dāng)然它的劃分應(yīng)該是多樣性的，主要取決于算法實(shí)現(xiàn)。
行為與行為之間會(huì)保持相對(duì)獨(dú)立性，但是行為切換時(shí)又具有平滑過渡的特征。車輛行駛中，何時(shí)采用何種行為，即為行為規(guī)劃（也有稱之為行為決策）。
單個(gè)駕駛行為，其實(shí)目前很多整車廠或科研院所做了相當(dāng)多的工作，甚至有的已經(jīng)推向市場(chǎng)。如特斯拉的車道保持、自動(dòng)變道、跟車功能，這些都是駕駛行為的具體實(shí)例。但是這些行為如何切換，如何過渡，特斯拉將其交給了人。自適應(yīng)巡航、車道保持、自動(dòng)變道，都需要駕駛員手動(dòng)操作后托管給機(jī)器，并隨時(shí)準(zhǔn)備接管駕駛。
人在同樣的工況中駕駛車輛，產(chǎn)生的駕駛行為序列是不一樣的，甚至同一行為的具體執(zhí)行區(qū)別也較大，這跟人的性格、安全意識(shí)和當(dāng)時(shí)的心情等有關(guān)系。比如，我們?cè)谮s時(shí)間時(shí)，變道次數(shù)會(huì)增多，超車的安全系數(shù)會(huì)降低；新手開車時(shí)，變道時(shí)機(jī)把握不好，經(jīng)常急剎車等；甚至在面臨事故時(shí)，是選擇撞車還是撞旁邊的人，不同的人可能有不同的選擇。這些很多屬于人的高級(jí)思維，也涉及到法律、倫理道德，目前機(jī)器還很難達(dá)到這個(gè)層次。但是人工智能或許是解決這一問題的突破口。
車輛定位
自動(dòng)駕駛汽車進(jìn)行全自主行駛時(shí)，需要解決三個(gè)基本問題：1.車輛在哪；2.往哪兒去；3.怎么去。
車輛在哪其實(shí)就是對(duì)車輛的定位。定位方法有多種，比如衛(wèi)星定位、地面基站定位、視覺或激光定位以及慣導(dǎo)定位等。目前國內(nèi)高校無人車使用衛(wèi)星定位+基站定位方式比較多，后兩種基本沒有涉及到。
無人駕駛汽車?yán)锩娴降撞刂嗌俸诳萍迹?/p>
每一種定位方式都有其局限性，定位方式融合是趨勢(shì)。
比如衛(wèi)星定位系統(tǒng)雖然適用范圍廣、絕對(duì)位置精度高，但是其不適用于室內(nèi)或有遮擋物區(qū)域、位置也會(huì)隨時(shí)間漂移。視覺或激光定位相對(duì)位置精度非常高，無位置漂移，但是其受環(huán)境影響非常大。
將定位技術(shù)應(yīng)用到無人車上時(shí)，衛(wèi)星定位可以解決大范圍絕對(duì)位置定位、高速公路定位以及其他開闊空間定位問題，但是當(dāng)車進(jìn)入隧道、高建筑物路段或室內(nèi)時(shí)，定位信號(hào)會(huì)不穩(wěn)定或丟失。這時(shí)需要視覺或慣導(dǎo)等室內(nèi)定位方式去彌補(bǔ)。
車輛定位會(huì)直接或間接影響車輛運(yùn)動(dòng)控制與行為決策的實(shí)現(xiàn)，甚至也是感知環(huán)境所需的重要信息。在執(zhí)行已經(jīng)規(guī)劃出來的運(yùn)動(dòng)軌跡時(shí)，運(yùn)動(dòng)控制算法需要定位信息不斷反饋實(shí)際的運(yùn)動(dòng)狀態(tài)做實(shí)時(shí)的調(diào)整。在進(jìn)行行為切換時(shí)，切換時(shí)機(jī)需要充分了解到車輛所處交通環(huán)境的位置。感知方面，比如利用SLAM技術(shù)構(gòu)建地圖，就需要車輛的相對(duì)定位信息。
結(jié)束語
自動(dòng)駕駛汽車是汽車界與機(jī)器人界碰撞、融合的產(chǎn)物，它匯集了機(jī)電一體化、環(huán)境感知、電子與計(jì)算機(jī)、自動(dòng)控制以及人工智能等一系列高科技。汽車作為人類重要的交通工具，隨著這些子技術(shù)的融合、發(fā)展與突破，必將變得越來越智能，最終實(shí)現(xiàn)全天候無人駕駛。
下載文檔
