一、無人駕駛的系統組成

• 算法端包括面向傳感、感知和決策等關鍵步驟的算法，從傳感器原始數據中提取有意義的信息以了解周遭的環境情況，并且根據環境變化做出決策；
• 客戶端包括機器人操作系統以及硬件平臺，融合多種算法以滿足實時性與可靠性的要求；
• 云端包括數據存儲、仿真、高精度地圖以及深度學習訓練模型，為無人車提供離線計算以及存儲的功能，通過云平臺我們能夠測試新的算法，更新高精度地圖，并且訓練更加有效地識別跟蹤和決策模型。

二、無人駕駛的感知

1.常用的傳感器

1.1回顧

前面在智能網聯汽車——傳感器與駕駛輔助一文已經詳細介紹了各類傳感器，現在再簡單回憶一下無人駕駛車輛的傳感器種類，

并對比一下主要傳感器的優缺點。

1.2無人車傳感器的布設

在實際的具備自動駕駛功能的車輛上，同時安裝有激光雷達、毫米波雷達、視覺等傳感器，并且數量可能不止一個。

1）谷歌：無論是在白天還是夜晚，都能實行360°監控，視野面積可達3個足球場。

激光雷達系統：高頻率的短程激光雷達;高分辨率的中程激光雷達;長距離激光雷達。

視覺傳感器系統:配備了8個鏡頭,具有360°視野,在長距離、日光和低亮度的情況下
也能很好地工作。

2）奧迪：2017年7月,奧迪在其全球品牌峰會上,正式對外發布了第五代奧迪A8,這款車型搭載了奧迪的L3高度自動駕駛功能,且是全球首款搭載L3高度自動駕駛系統的量產車型。據介
紹,全新奧迪A8的高度自動駕駛功能,擁有“擁堵路段自動駕駛”、“泊車自動駕駛”
和“車庫自動駕駛”等功能系統。

通過所有組件收集大量冗余信息,可以讓監測更準確。即使一個信息源或者多個信息源的數據缺失,汽車可以照常自動行駛。

3）德爾福：2017GES上,德爾福( DELPH)與Mob i leye共同展示中央傳感定位與規劃
(CSLP)自動駕駛解決方案,并在復雜路段(包含信號不佳的隧道)跑上10km。該方案總共包括:7個視覺傳感器、8個毫米波雷達、5個激光雷達,改善了車輛在隧道或信號不佳的路段的定位能力,即便汽車在喪失GPS信號與云端地圖信號的糟糕環境下,CSLP自動駕駛系統依舊能確保10cm以內的定位精度。

同時我們應該注意到對于低級別的自動駕駛車輛，即具備駕駛輔助功能的車輛，其傳感器的布局及數量也不盡相同。

4）0級無人駕駛：又稱為“非自動駕駛”,由人類駕駛員時刻完全地控制汽車的所有底
層結構,包括加減速、轉向等。

0級無人駕駛車輛可能會在前后方布置毫米波雷達、視覺傳感器、超聲波傳
感器等傳感器,主要用于防碰撞提示、幫助駕駛員觀察環境。

5）1級無人駕駛：又稱為“輔助駕駛”,在特定駕駛模式下由輔助駕駛系統根據環境信
息控制轉向或加減速中的一種,而其它駕駛任務由人類駕駛員完成。

1級無人駕駛車輛會在前后方布置毫米波雷達、視覺傳感器、超聲波傳感器等傳感器,在內部布置視覺傳感器,以獲取大范圍內行駛路徑上的障礙物信息,實現車道保持、緊急自動剎車、駕駛員疲勞探測等功能。

6）2級無人駕駛：又稱為“部分自動化”,在特定駕駛模式下由自動駕駛系統根據環境信息同時控制轉向和加減速,而其它駕駛任務由人類駕駛員完成;

2級無人駕駛車輛會在前后方和四周布置毫米波雷達、視覺傳感器、超聲波傳感器等傳感器,在內部布置視覺傳感器,以獲取大范圍內行駛路徑上以及車輛周圍的障礙物信息,實現自適應巡航、自動泊車、自動換道等功能。

7）3~5級無人駕駛：車輛的傳感器配置大致相同,主要區別在于對數據的處理以及駕
駛行為決策的成熟度。

2.環境感知技術

2.1車道線

傳統的方法就是使用基于特征檢測的霍夫變換從黑白的圖像當中去檢測直線或者線段。基本流程如下：

• 讀圖,或者讀視頻
• 選取關鍵興趣區域,減少計算量
• 取圖,灰度化
• 高斯平滑,減少邊緣干擾
• 利用cany算子,進行邊緣檢測
• 集中到邊緣檢測的興趣區域,進一步減少運算量
• 利用霍夫變換變換,進行直線檢測
• 將檢測出來的直線與原圖進行合成

這種方法存在一些弊端：

• 沒有學習過程,對變化沒有適應性(雖然減少了樣本標注的過程)
• 興趣區域(ROI)固定,沒有適應性,取決于攝像機、車輛相對于道路的位置
• 各種國像處理過程的參數、閾值等需要提前設定,調整不靈活。
• 處理速度慢,4.5-6幀/秒,正常讀取速錄為30幀/秒。

故現在更多的是使用基于深度學習的目標檢測方法，關于深度學習及其使用將在后面的《深度學習與無人駕駛》推送中專門介紹。

下圖就是使用基于深度學習的方法檢測出的車道線。

其他的車輛、紅綠燈、交通標志都可以使用基于特征檢測的方法以及基于深度學習的方法。

3.定位

3.1GPS

組成：

缺點：

• 在高樓中由于高樓遮擋容易丟失信號
• 傳播受大氣電離層的反射，云層的反射和折射影響，會導致定位誤差
• 更新頻率（10Hz）不高

3.2IMU

概念：IMU( Inertial Measurement Unit,慣性測量單元)是測量物體的角速度和
加速度的裝置,進而可以推算物體的姿態、速度和位移。

優缺點：

• 無信號丟失等問題。
• 全自主式、全天候、不受外界環境的干擾影響。
• 頻率比較高。
• 但存在誤差積累，在長時間距離內并不能保證位置更新的準確性

3.3 GPS/IMU定位融合

原因：

• GPS是一種相對精準的定位傳感器,但更新頻率低,并不能滿足實時計算的要求。

• 慣性傳感器的定位誤差會隨著運行時間增長,但由于其是高頻傳感器,在短時間內可以提供穩定的實時位置更新。

• 通過融合這兩種傳感器的優點,各取所長,就可以得到比較實時與精準的
  定位。

實現：

卡爾曼濾波：

功能:從一組有限的、包含噪聲的對物體位置的觀測序列預測出物體的位置坐標及速度。

架構:

• 預測階段:基于上一時間點的位置預測當前時間點的位置。
• 更新階段:通過當前對物體位置的觀測去糾正位置預測、從而更新物體的位置

融合優勢：

• 當GPS信號受到遮擋、高強度干擾或當衛星系統接收機出現故障時,INS可以獨立地進行導航定位。
• 提高定位頻率。
• GPS信息可以用來修正INS的輸出信息,控制其誤差隨時間的積累

3.4 RTK GPS/IMU定位融合

為了降低天氣、云層對GPS信號的影響，出現了其他GPS技術，如差分GPS。這種技術通過在一個精確的已知位置（基準站）上安裝上安裝GPS檢測接收機，計算得到基準站與GPS衛星的距離，然后根據誤差修正結果，從而提高了定位精度。

差分GPS分為位置差分和距離差分，距離差分又分為偽距差分和載波相位差分。RTK（Real-Time Kinematic，實時動態）技術即載波相位差分，可使定位精度達到cm級別，這也是很多無人駕駛公司采用RTK技術定位的原因，但由于硬件成本極高，采用RTK定位技術實現大規模量產商用的可行性不高，并且仍然受城市建筑物影響，樓群越密集越高，定位誤差越大。

3.5基于激光雷達的SLAM定位

SLAM（即時定位與地圖構建）：機器人在未知環境中從一個未知位置開始移動，在移動過程中根據位置估計和地圖進行自身定位，同時在自身定位基礎上構建增量式地圖，實現機器人的自主定位和導航。掃地機器人應用的原理就是SLAM。

激光SLAM：3D激光雷達采集到的物體信息呈現出一系列分散的、具有準確角度和距離信息的點，被稱為點云。通常，激光SLAM系統通過對不同時刻兩片點云的匹配與比對來計算激光雷達相對運動的距離和姿態的改變，從而完成對機器人自身的定位。

優缺點：

• 穩定

• 數據量少

• 定位及地圖創建精度高

• 但傳感器昂貴，量產商用可行性低

3.6基于視覺的SLAM定位

優缺點：

• 獲取數據成本低
• 數據量豐富
• 建圖精度略低
• 受光線、環境影響較大

結合之前的介紹，視覺傳感器分為單目和雙目，故也有單目、雙目SLAM之分。從可靠性和魯棒性來說，雙目要比單目SLAM更好一些。

一般來說，視覺SLAM都結合IMU等傳感器使用，以更大程度地提高建圖精度和姿態估計精度。

近幾年隨著深度學習、人工智能技術的發展，在SLAM領域也有一些結合AI、深度學習、目標檢測、語義分割等技術的SLAM技術出現，如語義SLAM等。通過這些方法可以從圖像中獲得更豐富的語義信息，這些語義信息可以輔助推斷幾何信息，如已知物體的尺寸就是一個重要的幾何線索。

4.高精度地圖

SLAM主要適用于機器人等領域。在諸如無人清潔車、低速園區無人擺渡車、低速無人快遞車等低速場景中十分常見、由于其龐大的計算開銷、時延、數據存儲等問題，以及無人車對實時控制、安全的高性能要求，導致其目前不適合應用在大范圍面積、高速自動駕駛場景中。高速自動駕駛在地圖定位方面使用的是高精度地圖技術。

高精度地圖面向無人駕駛環境采集生成地圖數據,根據無人駕駛需求建立道路環境模型,在精確定位、基于車道橫型的碰撞避讓、降礙物檢測和避讓、智能調速、轉向和引導方面都可以發揮重要作用。它實際上是融合了激光雷達點云數據、GPS信號、語義矢量地圖（車道線、紅綠燈、交通信號標志等）綜合信息的一種定位技術。

高精度地圖結構：

• 第一層是激光點云層，用來實現在線的點云匹配與定位
• 第二層是視覺地圖，主要是視覺感知的一些焦點特征
• 第三層是矢量地圖，其中包含的主要是一些道路的屬性特征
• 第四層是GPS或者說衛星定位層
• 第五層是動態地圖，用來反映動態的交通狀況

5.多傳感器融合技術

簡單地說,傳感器融合就是將多個傳感器獲取的數據、信息集中在一起綜合分析以便更加準確可靠地描述外界環境,從而提高系統決策的正確性。

核心：在于高精的時間以及空間的同步，時間上能夠到10的負6次方，空間上能夠到100m外3~5cm的誤差。

要求：

• 硬件設備數量要足夠,各種類型的傳感器都配備,從而保證信息獲取充分且冗余;
• 融合算法要足夠優化,因為多傳感器的使用會使需要處理的信息量大增,這其中甚至有相互矛盾的信息,如何保證系統快速地處理數據,過濾無用、錯誤信息,從而保證系統最終做出及時正確的決策十分關鍵。
• 目前多傳感器融合的理論方法有貝葉斯準則法、卡爾曼濾波法、模糊集理論法、人工神經網絡法等。

兩種實現方式：

實例：定位中的多傳感器融合

可以使用粒子濾波的方法關聯已知地圖和激光雷達測量的過程，粒子濾波可以在10cm的精度內達到實時定位的效果，在城市的復雜環境中尤為有效。

三、無人駕駛的決策

1.目標物體行為預測

定義：根據感知和定位的結果，實現目標物體（比如前方有一輛車）軌跡的預測和行為的分析

實現：

• 我們要實現一個動態的短時間內目標物體（前方車輛）的軌跡預測（蒙特卡洛采樣、卡爾曼濾波）
• 根據目標物體一些狀態或者行為的分析，實現一個中期的目標的軌跡預測
• 考慮紅綠燈、標志牌等入射的一些信息，做一些規則的約束，對我們的目標物體行為預測和軌跡規劃的一些曲線進行約束

2.自車行為決策

定義：決策本車地行為（跟車還是換道）

實現：

• 基于規則的方法，列舉有限駕駛狀態，可保證行車安全

• 基于深度學習的方法，可學習優秀駕駛員的駕駛模式（輸入端是我們一些方向盤的轉角，一些踏板的開度，包含傳感器的一些信息，生成學習模型）

• 基于深度學習及規則約束的智能駕駛混合決策與路徑規劃系統

3.自車路徑規劃

定義：本車決定好是換道，就需要規劃出一條比較平滑的路徑

場景：

因為這里是讓本車在前方有車的情況下換道，故實現的是局部避障。

實現：附加不同的因素來生成路徑。

4.自車行為規劃

定義：在規劃好的路徑上來實現車輛的控制加上車輛的速度。

和普通車輛的控制并沒有什么不同，兩者都是基于一定的預設軌跡，考慮車輛當前姿態和此預設軌跡的誤差并進行不斷的跟蹤反饋控制

四、無人駕駛的控制（以新能源車為例）

車輛基于一定的預設軌跡（路徑規劃），考慮車輛當前姿態和此預設軌跡的誤差并進行不斷的跟蹤反饋控制車輛的方向盤轉角、速度大小等，形成閉環。即所謂的對于車輛加減速的縱向控制和對于車輛方向盤轉角的橫向控制，其執行機構分別為方向盤、加速踏板和剎車踏板，對應的實現機制就是線控驅動、線控制動、線控轉向。

4.1線控驅動

電子節氣門：取消了踏板和節氣門之間的機械結構，而是通過加速踏板位置傳感器去檢測油門踏板的位移，這個位移就代表了駕駛員的駕駛意圖。把該信號傳遞給ECU，ECU根據其他傳感器反饋回來的信息進行分析和計算得到最佳的節氣門開度，然后再驅動節氣門控制電機，節氣門位置傳感器檢測節氣門的實際開度，再把該信號反饋給ECU去實現整個節氣門開度的閉環控制。

線控驅動實現：

VCU的主要功能是實現扭矩需求的計算以及實現扭矩分配。因此只需要VCU開放速度控制接囗就能實現線控驅動。

4.2線控制動

ABS：

• 輪速傳感器：用于檢測車輪的速度，這個速度信號會輸入ABS ECU。
• ABS ECU：接收輪速信號及其他信號，計算車輪的滑移率、車輪的加速度、減速度等信號，判斷車輪是否有抱死的趨勢從而輸出控制指令給液壓控制單元
• ABS HCU（液壓控制單元）：相當于執行器，接收電子控制單元的命令，執行壓力調節的任務

線控制動的實現（以ABS為例）

加裝一套執行機構和控制系統，控制系統可以和線控驅動的控制系統結合起來，比較目標車速和實際車速進行驅動油門踏板或者驅動制動踏板。（適用情況:ABS系統控制接口無法獲得）

對ABS ECU進行接管控制，比如ABS ECU接收期望制動壓力信號，直接驅動HCU。（適用于ABS的控制接口開放的情況。）

4.3線控轉向

汽車線控轉向系統由方向盤總成、轉向執行總成和主控制器(ECU)三個主要部分以及自動防故障系統、電源等輔助系統組成。

• 方向盤總成包括了方向盤、方向盤轉角傳感器、力矩傳感器、方向盤回正力矩電機；將駕駛員的轉向意圖通過測量方向盤轉角轉換成數字信號，然后傳遞給主控制器，同時接受主控制器送來的力矩信號從而產生方向盤回正力矩提供給駕駛員相應的路感信息。
• 主控制器會對采集的信號進行分析處理判明汽車的運動狀態，然后向方向盤回正力矩電機和轉向電機發送指令控制兩個電機的工作，保證在各種工況下都具有理想的車輛響應，從而減輕駕駛員的負擔，同時控制器還可以對駕駛員的操作指令進行判別，判斷在當前狀態下駕駛員操作是否合理。
• 自動防故障系統：包括一些列的監控和實施算法，能夠針對不同的故障形式和等級作出相應的處理從而實現最大限度的保持汽車正常行駛。
• 電源系統：承擔著控制器、兩個執行馬達以及其他車用電機的供電任務。其中僅僅是前輪轉角執行馬達的功率就有500-800W，加上汽車上的其他電子設備，電源的負擔就已經想相當沉重了。所以要保證電網在大負荷下穩定工作，電源的性能就顯得十分重要了。

優點：

• 輕易實現主動轉向的功能
• 獲得比EPS更快的響應速度
• 濾掉路面上的激震信號
• 消除了撞車事故中轉向柱后移引起傷害駕駛員的可能性
• 去掉了轉向系功能模塊間的機械連接，布置方式靈活,可以獲得更大的駕駛員腿部空間。

五、小結

給出本文的思維導圖，回憶一下~

總結

以上是生活随笔為你收集整理的智能网联汽车——智能化的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。