無人駕駛汽車環(huán)境感知與定位技術(shù)

摘要：當前汽車技術(shù)正在快速發(fā)展，并且和智能化控制技術(shù)深度融合，實現(xiàn)汽車無人駕駛。在無人駕駛汽車中，環(huán)境感知與定位是關(guān)鍵技術(shù)之一，直接影響無人駕駛汽車的應(yīng)用性能。文中分析了無人駕駛汽車的關(guān)鍵技術(shù)，并對無人駕駛汽車進行方案設(shè)計和算法分析的介紹，對于提高了解無人駕駛汽車的技術(shù)水平具有一定的價值。

關(guān)鍵詞：無人駕駛；汽車；環(huán)境感知；定位

Environment Perception and Location Technology of Autonomous Vehicles

ZHENG Huihua

（ Fujian Provincial Market Supervision Administration， Fuzhou 350003， Fujian， China ）

Abstract： At present， automobile technology is developing rapidly， and it is deeply integrated with intelligent control technologies to realize unmanned driving. In autonomous vehicles， environmental perception and location is one of the key technologies， which has a direct impact on the practical application performance of autonomous vehicles. In this paper， the key technologies of autonomous vehicles are systematically analyzed， and the scheme design and algorithm analysis of autonomous vehicles are carried out， which has certain value for improving the technical level of autonomous vehicles.

Key Words： Autonomous driving; Cars; Environmental perception; Position

0引言

汽車提高了人們的出行效率，而采取無人駕駛技術(shù)能夠在很大程度上降低駕駛員的疲勞度，幫助降低發(fā)生道路交通安全事故的概率。為實現(xiàn)汽車的無人駕駛，需要把控好關(guān)鍵技術(shù)，提高汽車在無人駕駛過程中的安全性。文中詳細分析無人駕駛汽車現(xiàn)狀、特點及關(guān)鍵技術(shù)，包括環(huán)境感知技術(shù)和定位技術(shù)等，其中算法是無人駕駛汽車實現(xiàn)的關(guān)鍵，以下進行具體的分析和介紹。

1無人駕駛汽車概述

1.1無人駕駛汽車現(xiàn)狀

無人駕駛是汽車行業(yè)發(fā)展的重要方向和趨勢，也是提高駕駛員人身安全的重要措施。目前從事無人駕駛汽車研究的專家和學者數(shù)量較多，并且也取得了一定的研究成果，很多城市也有無人駕駛汽車的應(yīng)用案例。我國在無人駕駛汽車研究上雖然起步相對較晚，但進步速度很快，并且無人駕駛汽車的市場也很大，這也在很大程度上推動了我國無人駕駛汽車的發(fā)展[1]。國內(nèi)車企也在對無人駕駛汽車的整體架構(gòu)進行研究，包括無人駕駛汽車中的傳感器技術(shù)、計算平臺和無人駕駛算法等，這些都是無人駕駛汽車中的重要組成。同時也有學者在研究視覺檢測技術(shù)，并將這一技術(shù)應(yīng)用到無人駕駛汽車中，從而更好地實現(xiàn)汽車的自動避障功能。

1.2無人駕駛汽車的特點

無人駕駛汽車對目標的檢測準確度要求相對較高，這也是實現(xiàn)無人駕駛汽車的核心技術(shù)。只有實現(xiàn)對目標的可靠檢測，才能夠?qū)崿F(xiàn)汽車的無人駕駛和自動化控制。為實現(xiàn)對目標的可靠檢測，可以借助神經(jīng)網(wǎng)絡(luò)技術(shù)，對所采集到的外界圖像數(shù)據(jù)信息進行高效地處理。同時無人駕駛汽車需要多種技術(shù)相互融合，從而實現(xiàn)對汽車駕駛的整體控制，確保無人駕駛汽車在行駛過程中的安全性。

2 無人駕駛汽車中的關(guān)鍵技術(shù)

2.1環(huán)境感知技術(shù)

無人駕駛汽車采取環(huán)境感知技術(shù)，是模擬人類駕駛員的功能。通過借助該技術(shù)，使得汽車在行駛過程中，提前感知到外界的環(huán)境信息，從而判斷汽車周邊所處的狀態(tài)情況。對于環(huán)境感知的范圍，包括道路的障礙物情況、道路附件的基礎(chǔ)設(shè)施情況等，這些都是汽車在無人駕駛過程中需要提前感知到的數(shù)據(jù)信息[2]。環(huán)境感知技術(shù)，主要包括傳感器技術(shù)、雷達技術(shù)和視覺檢測技術(shù)，通過這些技術(shù)的合理應(yīng)用，能夠?qū)崿F(xiàn)對汽車道路信息的有效檢測。汽車有了環(huán)境感知技術(shù)，相當于汽車有了眼睛，能夠更好地給汽車控制系統(tǒng)提供數(shù)據(jù)信息，完成無人駕駛控制決策，圖1為傳感器技術(shù)的應(yīng)用。

圖1 " " 傳感器技術(shù)的應(yīng)用

從圖1中可以看出，當無人駕駛汽車中設(shè)置的多個傳感器完成了數(shù)據(jù)信息采集之后，就可以對所采集到的數(shù)據(jù)信息進行關(guān)鍵特征提取，這樣就能夠完成對身份的判別，便于后期的聯(lián)合識別。

為保證無人駕駛汽車中傳感器具備較強的抗干擾性能，可以在傳感器中采取接地技術(shù)，實現(xiàn)對干擾信號的屏蔽。

圖2 " 多點接地原理圖

此外，還可以采取隔離技術(shù)和濾波技術(shù)等，對無人駕駛汽車中的干擾信號進行屏蔽。

2.2 定位技術(shù)

無人駕駛汽車對定位技術(shù)要求相對較高，需要確保定位精度達到厘米級別。為此，無人駕駛汽車需要采用高精度地圖，若只是傳統(tǒng)的普通地圖，定位精度難以達到實際應(yīng)用需求。高精度地圖的采用，也是今后無人駕駛汽車發(fā)展的重要趨勢。在定位技術(shù)中，還需要和先進的控制算法相互結(jié)合，提高汽車定位的效果。如在定位技術(shù)中，可以采取地圖匹配算法，這一算法在定位技術(shù)體系中應(yīng)用也相對較為廣泛。

2.3方案設(shè)計

為更好地提高無人駕駛汽車的實際應(yīng)用性能，需要加強無人駕駛汽車的方案設(shè)計和整體規(guī)劃，確保無人駕駛汽車中各個子系統(tǒng)相互之間能夠協(xié)調(diào)穩(wěn)定運行，不會出現(xiàn)系統(tǒng)之間相互沖突的情況，這也是無人駕駛汽車保證安全駕駛的重要前提。首先在無人駕駛汽車方案設(shè)計時，需要把握好相應(yīng)的原則，如安全性、實時性、準確性和智能化等。對于安全性，無人駕駛汽車中設(shè)置的各類傳感器需要保證有較高性能的網(wǎng)絡(luò)通信，并且網(wǎng)絡(luò)通信系統(tǒng)具備較強的抗干擾性能，這樣才能夠確保傳感器所采集到的數(shù)據(jù)信息能夠準確可靠地傳輸[3]。對于實時性，由于無人駕駛汽車在行駛過程中會面臨眾多干擾，同時行駛速度相對較快，因此要求無人駕駛汽車控制系統(tǒng)需具備實時性，能夠快速應(yīng)對復雜的道路環(huán)境，及時對汽車的行駛狀態(tài)做出調(diào)整。準確性，主要是指無人駕駛汽車控制系統(tǒng)所下發(fā)的控制策略需要具備較高的準確度，能夠?qū)δ繕诉M行可靠跟蹤，同時還能夠?qū)o人駕駛汽車的行駛軌跡進行預測，并能對道路環(huán)境中所遇到的障礙物進行準確地檢測等。智能化，主要是指汽車在無人駕駛過程中，需要對油門、剎車和方向盤等進行準確智能化的控制，確保汽車在道路中行駛的安全。

3無人駕駛汽車算法分析

3.1安全距離感知算法分析

無人駕駛汽車在行駛時，需要獲取到汽車和前方目標之間的距離情況，只有汽車和障礙物之間保持足夠的安全距離，才能夠確保汽車在行駛過程中的安全性。除了距離數(shù)據(jù)之外，速度信息也是安全距離感知算法中的重要參數(shù)。如果控制系統(tǒng)檢測到安全距離小于所允許的安全距離，無人駕駛汽車控制系統(tǒng)需要能夠?qū)崿F(xiàn)自動制動，使汽車脫離危險狀態(tài)。

3.2主動避讓算法分析

主動避讓算法也是汽車在無人駕駛過程中的關(guān)鍵技術(shù)，為此需要借助類似聚類算法來對道路中的障礙物進行聚類分析和檢測。對于聚類分析算法，K-Means算法是主流算法，該算法在實際中應(yīng)用較為廣泛，并取得了較好的應(yīng)用效果[4]。同時，該算法在應(yīng)用過程中，流程相對較為簡單，不會涉及到復雜的步驟，圖3為K均值聚類算法在主動避讓技術(shù)中的應(yīng)用。

從圖3可以看出，該算法在應(yīng)用中首先需要明確好初始的聚點，當某個物理量和這個聚點具有較高的特征時，就可以將該物理量歸入該類別，從而實現(xiàn)物理量的初步分類。之后如果程序判斷這種分類結(jié)果合理，則可以將分類結(jié)果輸出，從而結(jié)束程序計算。如果程序判斷這種分類結(jié)果不夠合理，則需要重新對分類結(jié)果進行調(diào)整，直到滿足要求為止。

同時在無人駕駛汽車主動避讓技術(shù)中，還可以采取支持向量機技術(shù)。支持向量機是一種二分類模型，它的基本模型是定義在特征空間上的間隔最大的線性分類器。簡而言之就是在特征空間里，依據(jù)間隔最大化原則用某條線或某塊面將訓練數(shù)據(jù)集分成兩類，這里的間隔最大化是指特征空間里面距離分離線或面最近的點到這條線或面的間隔（距離）最大。

為更好地對汽車的行駛路徑進行優(yōu)化，需要對汽車的行駛路徑進行精準預測。由于汽車行駛路徑所涉及的地理范圍較大，且道路環(huán)境也存在較大差異，為此需要定義位于各不同地區(qū)對汽車行駛因素的靈敏因子，受車流量、人流量、障礙物、晴雨等因素影響，如式（1）和（2）所示。

（1）

（2）

在上式中，表示t時刻汽車行駛狀態(tài)，表示下一時刻汽車行駛狀態(tài)。分別表示車流量、人流量、障礙物、晴雨的變化量。同時利用歷史數(shù)據(jù)確定靈敏因子的概率密度分布，并利用核密度估計法建立靈敏因子的概率密度模型，如式（3）（4）和（5）所示。

（3）

（4）

（5）

利用下一日的道路環(huán)境數(shù)據(jù)，依據(jù)建模得到的靈敏因子概率模型，可以計算出值，即可得到預測時刻的汽車行駛狀態(tài)，從而為無人駕駛汽車行駛決策軟件提供豐富的道路精準預測數(shù)據(jù)。當建立好靈敏因子概率模型后，利用支持向量機來對模型進行優(yōu)化求解，從而得到所需要的優(yōu)化計算結(jié)果。

同時在主動避讓技術(shù)中，還涉及到數(shù)據(jù)歸一化問題。文中提及的道路環(huán)境等數(shù)據(jù)具有不同的單位，對數(shù)據(jù)進行歸一化處理可以將預測誤差控制在范圍內(nèi)，歸一化公式為：

（6）

其中：

——原始數(shù)據(jù)；

——輸入數(shù)據(jù)最大值；

——輸入數(shù)據(jù)最小值。

在聚類分析模型當中，涉及到多種類型的參數(shù)，需要對各類參數(shù)進行合理的選擇，從而確保對數(shù)據(jù)聚類分析的準確性，更好地提高數(shù)據(jù)預測的準確度。同時在進行數(shù)據(jù)的聚類分析時，不可避免會出現(xiàn)一定的誤差，對數(shù)據(jù)進行精準預測的前提是要對精度量化，這是對模型性能評估的重要手段，常見的誤差評估方法有：

1）平均絕對誤差： （7）

2）平均相對誤差： （8）

3）平均方根誤差：（9）

4）平均絕對百分比誤差：

（10）

其中：

——實際值；

——預測值；

——樣本數(shù)據(jù)總數(shù)。

文中選用平均相對誤差作為誤差衡量指標對預測模型進行評估，表1為預測標準。

當所開發(fā)的無人駕駛汽車設(shè)計完畢之后，還需要對無人駕駛汽車的硬件系統(tǒng)和軟件系統(tǒng)進行功能測試，只有各個指標都滿足條件之后，才能夠?qū)崿F(xiàn)工業(yè)規(guī)?；a(chǎn)[5]。其中，在對無人駕駛汽車軟件系統(tǒng)進行測試時，需要編寫好相應(yīng)的測試用例，提高對無人駕駛汽車軟件系統(tǒng)的測試效率和測試質(zhì)量，確保無人駕駛汽車軟件系統(tǒng)具備較高的性能。

3.3 定位算法分析

在定位算法中，為提高定位的精準度，需要結(jié)合衛(wèi)星定位技術(shù)、地圖匹配技術(shù)、傳感器技術(shù)、視覺檢測技術(shù)等技術(shù)。對于視覺檢測技術(shù)，需要借助攝像頭采集清晰的圖像信息，并且借助神經(jīng)網(wǎng)絡(luò)算法對所采集到的圖像數(shù)據(jù)信息進行分析。未來，隨著技術(shù)的發(fā)展，無人駕駛汽車將會融合更多的先進技術(shù)，汽車控制系統(tǒng)性能更加強大，安全性能進一步提高，推動汽車行業(yè)和交通行業(yè)的快速發(fā)展。

4結(jié)語

當前人工智能技術(shù)發(fā)展速度很快，可以將人工智能技術(shù)引入到汽車行業(yè)中，實現(xiàn)汽車的無人駕駛。因此，加強無人駕駛汽車關(guān)鍵技術(shù)的研究，特別是安全距離感知算法、主動避讓算法以及定位算法等無人駕駛汽車算法的研究，對于推動汽車行業(yè)的發(fā)展具有重要的意義。文中所分析的無人駕駛汽車關(guān)鍵技術(shù)，可以在無人駕駛汽車生產(chǎn)和制造中加以推廣應(yīng)用。

參考文獻

[1]趙岑.無人駕駛新能源汽車的發(fā)展現(xiàn)狀及問題分析[J].

汽車維護與修理，2024，（14）：71-73.

[2]劉艷萍，張軍海，林方軍.無人駕駛載貨汽車線控

底盤關(guān)鍵技術(shù)研究[J].汽車工藝師，2024，（07）：49-

51+54.

[3]夷德.基于YOLO的目標檢測優(yōu)化算法研究[D].南京：

南京郵電大學，2021.

[4]薛鈺潔.基于多種數(shù)據(jù)庫的改進YOLO算法研究[D].

大連：大連理工大學，2021.

[5]謝堂帥，馮俊萍，趙景波，等.無人駕駛汽車路徑

跟蹤控制的算法綜述[J].常州工學院學報，2024，

37（03）：11-17.