自動駕駛汽車感知系統(tǒng)關(guān)鍵技術(shù)分析

摘要：自動駕駛技術(shù)是智能與網(wǎng)絡(luò)技術(shù)相結(jié)合的必然結(jié)果，是未來汽車工業(yè)發(fā)展的重要方向。根據(jù)美國電氣與電子工程學(xué)會（IEEE）的說法，自動駕駛汽車將在2040年前占據(jù)75%的市場份額，是推動第四輪人工智能技術(shù)發(fā)展的關(guān)鍵技術(shù)，它將重塑傳統(tǒng)汽車業(yè)的“金字塔”，引領(lǐng)全新交通和出行生態(tài)。自動駕駛的進(jìn)步是技術(shù)進(jìn)一步發(fā)展與成熟關(guān)鍵，也是自動駕駛汽車走向工業(yè)化的關(guān)鍵。

關(guān)鍵詞：自動駕駛；汽車感知系統(tǒng)；技術(shù)

中圖分類號：U471 收稿日期：2023-03-30

DOI：10.19999/j.cnki.1004-0226.2023.10.018

1 前言

伴隨著汽車電子技術(shù)與先進(jìn)輔助駕駛技術(shù)的迅速發(fā)展，作為先進(jìn)輔助駕駛技術(shù)的無人駕駛已經(jīng)成為世界各國新技術(shù)熱點(diǎn)。特別是近幾年，自動駕駛技術(shù)成為人們交通發(fā)展的里程碑。迅速發(fā)展的自動駕駛汽車技術(shù)對促進(jìn)汽車行業(yè)產(chǎn)業(yè)格局的轉(zhuǎn)型有幫助，從而使社會現(xiàn)有服務(wù)模式和水平發(fā)生變化，并幫助人工智能及其他智能產(chǎn)業(yè)的速度加快。

2 自動駕駛技術(shù)內(nèi)容

2.1 等級劃分

智能汽車、智能網(wǎng)聯(lián)汽車和自動駕駛是國家發(fā)改委、工信部、科技部三個部門共同發(fā)布的新概念，它們的研究目標(biāo)都是自動駕駛汽車，因此將它們命名為“自動駕駛”，并將它們命名為“無人駕駛”。在《中國制造2025》中，我們已經(jīng)將智能網(wǎng)聯(lián)汽車列為發(fā)展的重要目標(biāo)，它是一種新型交通工具，它采用了車載的傳感器、控制器、執(zhí)行器等設(shè)備，利用現(xiàn)代通信和互聯(lián)網(wǎng)技術(shù)，實(shí)現(xiàn)了車內(nèi)外網(wǎng)的無縫連接，并具有信息共享、復(fù)雜環(huán)境感知、智能決策、自動化協(xié)同等多個控制功能，再加上智能高速公路等各種輔助設(shè)備，從而達(dá)到“高效、安全、舒適、節(jié)能”目的的新型交通工具。

為了便于對自動駕駛進(jìn)行準(zhǔn)確分類和界定，許多國家都按照無人駕駛技術(shù)特征和發(fā)展過程，紛紛制訂無人駕駛的分級標(biāo)準(zhǔn)。美國公路管理局（NHTSA）和汽車工程學(xué)會（Automatic Engineering Engineering Association， SAE）是目前國際上具有權(quán)威性的分級標(biāo)準(zhǔn)。

2.2 系統(tǒng)框架

為保證車輛的自動駕駛，首先需要一種完備的傳感器來替代駕駛員對環(huán)境的感知。其次，在無人駕駛中，為保證相關(guān)駕駛命令與真實(shí)行駛環(huán)境、行駛需求相一致需要以智能算法為依據(jù)，并以高性能控制系統(tǒng)為支撐，實(shí)現(xiàn)對駕駛命令的執(zhí)行。并在此基礎(chǔ)上，根據(jù)特定的行車環(huán)境為無人駕駛提供最優(yōu)的行車路線，以保證無人駕駛的順暢。在車輛行駛過程中，駕駛員的操縱行為對車輛行駛的效果有很大的影響。在車輛無人駕駛時要保證車輛的安全與穩(wěn)定，就必須綜合地強(qiáng)化對環(huán)境、內(nèi)部以及駕駛員感知，這就要求構(gòu)建一個完整的感知體系，與車上傳感器相結(jié)合來獲得與之相對應(yīng)的數(shù)據(jù)信息，從而可以對汽車所處的環(huán)境和狀態(tài)進(jìn)行讀取。

3 自動駕駛汽車感知技術(shù)

在車輛自動駕駛研究中，車輛自動駕駛的關(guān)鍵問題在于車輛自動駕駛過程中的環(huán)境感知與定位問題，這兩個問題的解決將為車輛運(yùn)行狀態(tài)判定與控制奠定基礎(chǔ)。在對車輛進(jìn)行感知的同時可以獲取車輛周圍的路網(wǎng)等與車輛運(yùn)行有關(guān)的數(shù)據(jù)信息。而增強(qiáng)對環(huán)境的感知，則可以有效地提升自動駕駛對場景的理解，在對自動駕駛車輛進(jìn)行大規(guī)模訓(xùn)練與擬合后可以增強(qiáng)車輛的判斷能力。

3.1 感知

在環(huán)境感知過程中，有許多環(huán)境信息都要被辨識出來。在道路識別方面采用雷達(dá)分線法，可有效加快無人駕駛車輛周圍環(huán)境信息的獲取。由于自動駕駛汽車昂貴的造價，使得其在實(shí)際使用中難以得到廣泛的應(yīng)用。然后，在多傳感器信息融合的基礎(chǔ)上，通過對特定的坐標(biāo)進(jìn)行擬合得到了道路輪廓。如交通信號燈的自動識別，交通信號燈的狀態(tài)信息可利用智能網(wǎng)聯(lián)技術(shù)獲得，但因其費(fèi)用較高而無法普及。然而，僅從交通信號燈的色彩、形狀等角度出發(fā)很難保證交通信號燈的魯棒性。在實(shí)際應(yīng)用中，我們將采用基于SVM的機(jī)器學(xué)習(xí)方法對交通信號燈進(jìn)行大規(guī)模的訓(xùn)練，獲得更高的準(zhǔn)確率，為實(shí)現(xiàn)車輛自動駕駛提供了更多的保障。在車輛定位系統(tǒng)中，GPS定位系統(tǒng)定位精度是比較高的，但是它的投資也比較大，該方法采用了基于雷達(dá)、相機(jī)等傳感器的車輛位置信息，并結(jié)合特定的概率模型，獲取車輛的位置信息，從而更好地實(shí)現(xiàn)無人駕駛車輛的位置信息。

3.2 規(guī)劃

在自動駕駛系統(tǒng)中最重要的問題是：如何保證車輛安全抵達(dá)目標(biāo)，并在保證車輛行駛路徑最短的情況下規(guī)避障礙物，按時抵達(dá)目標(biāo)。在自動駕駛系統(tǒng)中，包括任務(wù)、行為和動作三個層面。任務(wù)規(guī)劃確定行車路線，在有向網(wǎng)絡(luò)圖的幫助下，可以清楚地了解到道路之間的連接情況、路況等信息，再通過路網(wǎng)圖來進(jìn)行自動駕駛的路線規(guī)劃，這樣就可以保證車輛的最佳路線。

而借助于插值曲線技術(shù)，將汽車行駛的安全性、舒適性，以及汽車自動駕駛過程中所面臨的一系列突發(fā)狀況綜合考量，從而選擇一條合適的行車路徑并確定合適的速度，利用行為規(guī)劃可以為汽車駕駛做好充分的準(zhǔn)備，將周圍環(huán)境和城市交通情況結(jié)合起來，對自動駕駛車運(yùn)行狀態(tài)進(jìn)行判斷，具體是要跟車，還是要超車，或者停車讓行人通過，還是要繞道，利用有效的狀態(tài)機(jī)來對汽車的運(yùn)行情況進(jìn)行感知，從而作出相應(yīng)的決定，更好地保證車輛的運(yùn)行安全。在此基礎(chǔ)上，對車輛進(jìn)行運(yùn)動規(guī)劃，保證車輛在運(yùn)動中的平穩(wěn)運(yùn)行，然后利用運(yùn)算的有效性對車輛進(jìn)行布局，并輔以完備的算法。

3.3 控制

在自動駕駛系統(tǒng)中利用各種硬件裝置來完成相關(guān)控制任務(wù)，以保證無人駕駛系統(tǒng)的安全運(yùn)行。該方法有兩種：一種是傳統(tǒng)的控制方法；另一種是模型的預(yù)測方法。通過對汽車周圍環(huán)境進(jìn)行全面分析，來對汽車動作和行駛路線進(jìn)行精確規(guī)劃，從而保證汽車可以進(jìn)行準(zhǔn)確的操作，并且可以對油門、方向、剎車等信號進(jìn)行精確的掌控，從而讓汽車可以按照預(yù)期目標(biāo)進(jìn)行前進(jìn)。此外，還可以利用模型預(yù)測控制與車輛的運(yùn)動狀態(tài)相結(jié)合，對未來一個階段車輛的運(yùn)動狀態(tài)進(jìn)行預(yù)測，從而可以有效地避免不安全事故的發(fā)生，同時還可以與具體的路況相結(jié)合對車輛的運(yùn)行狀態(tài)進(jìn)行實(shí)時調(diào)整。以此為基礎(chǔ)，利用動態(tài)規(guī)劃技術(shù)實(shí)現(xiàn)智能汽車與駕駛員的動態(tài)匹配和實(shí)現(xiàn)智能汽車的動態(tài)控制[1]。

4 自動駕駛汽車感知系統(tǒng)

車輛運(yùn)動目標(biāo)包括車輛運(yùn)動軌跡、周圍障礙物以及車輛行駛環(huán)境。車輛的可通過性是指能夠通過道路的辨識，其中包括交通信號燈、各種標(biāo)志、車道線、路障等。環(huán)境感知障礙是指對道路上車輛、行人、路障等不動障礙物進(jìn)行識別。感知行駛環(huán)境是指識別路面、交通和天氣等對無人駕駛汽車運(yùn)行有較大影響的變化環(huán)境。

目前的主要傳感技術(shù)有視覺傳感、激光傳感和微波傳感等。視覺感知主要是利用相機(jī)獲取的影像資料，利用視覺關(guān)聯(lián)的方法對其進(jìn)行分析，從而實(shí)現(xiàn)對周邊環(huán)境的認(rèn)知；在利用LiDAR獲取的點(diǎn)云信息基礎(chǔ)上，采用濾波、聚類等方法實(shí)現(xiàn)對周圍環(huán)境的有效檢測；它利用微波雷達(dá)獲得的目標(biāo)位置信息，通過對目標(biāo)位置的相關(guān)性分析，實(shí)現(xiàn)對目標(biāo)位置的識別[2]。

針對各種傳感技術(shù)的特性在不同的應(yīng)用場合及系統(tǒng)的功能要求下，應(yīng)選擇相應(yīng)的傳感技術(shù)。比如，在高速行駛的道路上因?yàn)槠嚨母咚傩旭?，往往選擇具有更遠(yuǎn)的探測范圍；在城區(qū)，因其所處的環(huán)境較為復(fù)雜，往往采用激光、視覺等多種探測方式，以獲得更大的探測視角和更多信息，并可提供交通狀況，臨時交通管制重要路段人流資料的分析及其他動態(tài)資料。與自動駕駛車輛的傳感器相結(jié)合，通過對道路宏觀匹配，微觀的精準(zhǔn)定位和整體的動態(tài)環(huán)境感知全面的解決方案。高精度地圖應(yīng)用主要是通過攝像頭采集圖像、激光雷達(dá)3D掃描、GPS定位軌跡等技術(shù)來實(shí)現(xiàn)。另外，數(shù)據(jù)中心也在不停地收集道路上的車輛傳遞過來的最新情報，然后對這些情報進(jìn)行分析，確定無誤后，再對高精度的地圖進(jìn)行修改，將這些情報傳遞到其它車輛[3]。

5 自動駕駛汽車感知系統(tǒng)發(fā)展趨勢

5.1 視覺主導(dǎo)與激光雷達(dá)主導(dǎo)的技術(shù)方案

在此基礎(chǔ)上，提出了一種基于攝像機(jī)機(jī)器的視覺技術(shù)，并將其用于輔助駕駛的研究中。相機(jī)是一種比較便宜的相機(jī)，它可以用來識別行人、車輛、交通標(biāo)志等。隨著技術(shù)的迅速發(fā)展，CNN的準(zhǔn)確率持續(xù)提高對機(jī)器視覺要求的工業(yè)相機(jī)也逐漸成熟，具有更高的成像質(zhì)量和更強(qiáng)的抗干擾性。由于相機(jī)是被動式會受到光照的影響，因此不能實(shí)現(xiàn)全天的工作，必須借助其他傳感器的輔助作用，這個計劃是特斯拉公司的代表。

自動駕駛可能會成為必需品，但是大批量生產(chǎn)有很大的難度，該方法利用ROF方法對周邊環(huán)境進(jìn)行掃描，將得到的點(diǎn)云數(shù)據(jù)與高精度地圖數(shù)據(jù)進(jìn)行對比、匹配，實(shí)現(xiàn)對周邊環(huán)境實(shí)時定位和建模，從而得到一幅cm級的三維環(huán)境圖。雖然激光雷達(dá)技術(shù)會導(dǎo)致圖像的色彩與質(zhì)感的缺失，但它卻有著極高的探測準(zhǔn)確度與3D效果，因此被眾多汽車制造商所使用。

谷歌韋莫就是這一計劃的典型代表，韋莫利用64- LiDAR來測定周圍目標(biāo)的間距，并基于間距繪制出精確的三維地形，再將高精度的地形圖和模型化，從而達(dá)到L5的水平。雖然無人駕駛汽車對LiDAR有很大的需求，由于其生產(chǎn)工藝的高要求，LiDAR的應(yīng)用只局限在汽車、資源勘探等狹小的范圍內(nèi)，很少有廠商可以提供給LiDAR的成熟量產(chǎn)方案，這就造成了LiDAR的成本高和量產(chǎn)困難，因此，面對雷達(dá)色失分、成本高昂等難題，業(yè)內(nèi)主要從兩個方向推動其商品化。a.開發(fā)出一套基于LiDAR和LiDAR相結(jié)合的硬件模塊，利用LiDAR和LiDAR的優(yōu)勢，實(shí)現(xiàn)對LiDAR和LiDAR的多色點(diǎn)云的獲取。b.發(fā)展全固態(tài)的低線束激光雷達(dá)，以犧牲部分精確度為代價，來降低系統(tǒng)的硬件費(fèi)用[4]。

5.2 決策算法和因果推理

在市場上，傳感器硬件技術(shù)及應(yīng)用能力都已經(jīng)比較成熟。但是，在控制執(zhí)行模塊中，它屬于傳統(tǒng)車廠和Tier1的專屬領(lǐng)域。因此，決策能力優(yōu)劣將會影響到自動駕駛技術(shù)的排名，自動駕駛技術(shù)的競爭將會集中在決策環(huán)節(jié)上。另外，決策算法是根據(jù)來自感知、認(rèn)知層的信息來進(jìn)行判斷的，它可以直接確定車輛路徑，這是與無人駕駛競爭的最終落腳點(diǎn)。目前，已有的決策建立算法通常有三種路徑：a.以規(guī)則為基礎(chǔ)的專家系統(tǒng)，人為地利用if-then規(guī)則來涵蓋一切可能的情形，來編寫無人駕駛決策系統(tǒng)，這種方法可以實(shí)現(xiàn)精準(zhǔn)、可分析，但是不具有靈活性。b.利用深度神經(jīng)網(wǎng)絡(luò)（如深度神經(jīng)網(wǎng)絡(luò)），該方法通過基于概率的方法，能夠?qū)μ囟ㄇ闆r下的事件進(jìn)行適當(dāng)處理，但是該方法的執(zhí)行過程是一個“黑箱”，并有一定的安全問題。c.因果推斷，即便使用貝葉斯網(wǎng)絡(luò)，也能將事件的可能性和可靠性進(jìn)行歸類，具有模塊化和透明的優(yōu)點(diǎn)。貝葉斯模型可以在模型中加入深度學(xué)習(xí)、專家系統(tǒng)等功能，提高模型的可信度，該模型具有良好的通用性能夠有效地控制無人車的全流程，并能方便地進(jìn)行分析與修正，因此，該模型能夠更好地為無人車的全流程進(jìn)行優(yōu)化[5]。

5.3 多路傳感器融合

a.不同類型的傳感技術(shù)都有各自的優(yōu)點(diǎn)和缺點(diǎn)，沒有一種方法可以用來解決全部的工作條件。比如，相機(jī)硬體技術(shù)已經(jīng)比較成熟，但是需要辨識精度還有待進(jìn)一步提升；雖然雷達(dá)點(diǎn)云處理方法比較簡單，但是存在硬件成本高，對環(huán)境適應(yīng)性差等缺點(diǎn)。由于每個傳感器的優(yōu)點(diǎn)和缺點(diǎn)是不同的，通過多個傳感器的合作，可以實(shí)現(xiàn)各自的優(yōu)點(diǎn)融合和缺點(diǎn)回避。b.由自動駕駛汽車對行車安全性的高度重視，使自動駕駛汽車感知策略也需要具備一定的安全性。特斯拉第一次死亡事故的原因是前視攝像頭的故障，而 ModelS卻沒有發(fā)現(xiàn)大型拖車的存在，說明單一解決方法存在著一定的安全冗余。因此，保障無人車的安全運(yùn)行，需要充分考慮多個傳感節(jié)點(diǎn)的協(xié)作與冗余信息。目前，業(yè)內(nèi)已有共識，將毫米波雷達(dá)、激光雷達(dá)和相機(jī)等多種傳感器進(jìn)行數(shù)據(jù)融合，將成為未來無人駕駛技術(shù)發(fā)展的必然趨勢[6]。

6 結(jié)語

感知系統(tǒng)是將視覺、物理和事件等信息轉(zhuǎn)化為數(shù)字化的信息，是汽車實(shí)現(xiàn)對周圍環(huán)境感知和決策的基礎(chǔ)。通過傳感技術(shù)，可以及時、迅速地掌握當(dāng)?shù)氐娜塑嚶返雀黝愋畔?，并對周圍緊急情況做出有效的反應(yīng)，該方法通過對汽車與道路網(wǎng)絡(luò)中其它要素之間的空間關(guān)系進(jìn)行分析，為汽車行駛路徑規(guī)劃和駕駛體驗(yàn)優(yōu)化提供了一種新的思路。車聯(lián)通信能夠?qū)崿F(xiàn)人、車、路三方信息的互聯(lián)共享，實(shí)現(xiàn)對環(huán)境信息的大范圍、全方位、實(shí)時、精確的感知，能夠有效地解決感知距離受限、易受環(huán)境干擾、對位置和導(dǎo)航的感知實(shí)時性差、感知內(nèi)容受限的問題。

參考文獻(xiàn)：

[1]王藝帆.自動駕駛汽車感知系統(tǒng)關(guān)鍵技術(shù)綜述[J].汽車電器，2016（12）：12-16.

[2]孟祥雨，張成陽，蘇沖.自動駕駛汽車系統(tǒng)關(guān)鍵技術(shù)綜述[J].時代汽車，2019（17）：4-5.

[3]王金強(qiáng)，黃航，郅朋，等.自動駕駛發(fā)展與關(guān)鍵技術(shù)綜述[J].電子技術(shù)應(yīng)用，2019，45（6）：28-36.

[4]宮慧琪，牛芳.自動駕駛關(guān)鍵技術(shù)與產(chǎn)業(yè)發(fā)展態(tài)勢研究[J].信息通信技術(shù)與政策，2018（8）：45-50.

[5]龐松.科學(xué)推動自動駕駛技術(shù)發(fā)展與應(yīng)用——擁抱新技術(shù)，迎接新挑戰(zhàn)[J].重慶交通大學(xué)學(xué)報（自然科學(xué)版），2021，40（10）：119-122.

[6]雍加望，馮能蓮，陳寧.自動駕駛汽車硬件在環(huán)仿真實(shí)驗(yàn)平臺研發(fā)[J].實(shí)驗(yàn)技術(shù)與管理，2021，38（2）：127-131+135.

作者簡介：

郭曉麗，女，1986年生，工程師，研究方向?yàn)樽詣玉{駛。