淺析無人駕駛中的感知技術

周丁濤

摘 要 無人駕駛作為當前科技熱點，需要包括控制理論、機械、圖像處理在內的多種技術相互協(xié)作。一般而言無人駕駛技術分為三大模塊：感知、決策與控制。其中賦予汽車“感官”，使其正確認識周遭環(huán)境的感知技術是三大模塊中的基礎模塊。感知技術一般分為“定位”和“識別”兩個方向，GPS導航、慣性導航常被用于定位；激光雷達、計算機圖像處理與CNN技術常被用于識別。文章介紹三大模塊各自作用，并著重講解感知模塊技術。

關鍵詞 無人駕駛；慣性導航；GPS；激光雷達；計算機圖像處理

中圖分類號 TP3 文獻標識碼 A 文章編號 1674-6708（2018）224-0157-03

當前，新一代信息技術與制造業(yè)的深度融合，正引發(fā)影響深遠的產(chǎn)業(yè)變革。《中國制造2025》明確提出要把智能制造作為兩化深度融合的主攻方向，尤其要推動智能交通工具等產(chǎn)品的研發(fā)和產(chǎn)業(yè)化。無人駕駛技術作為智能交通工具的核心支撐和汽車產(chǎn)業(yè)未來轉型升級的重要方向之一，正在發(fā)揮著越來越重要的作用。

無人駕駛，又稱自主車或自動駕駛，是指通過為汽車裝配雷達、激光、GPS、里程計、攝像頭、傳感器等多種感知設備，經(jīng)智能軟件集成處理后，具備對行駛環(huán)境進行感知和判斷的能力，從而規(guī)劃合適路徑并控制汽車自主駕駛，安全抵達目標地的技術。

從國外來看，從20世紀50年代開始，美國、英國、德國等發(fā)達國家就已經(jīng)開始了對無人駕駛汽車的研究[ 1 ]。1950年美國貝瑞特電子公司研制出了世界上第一輛自主導航車，該車能夠在貝瑞特公司設計的軌道上行駛。1987年慕尼黑國防大學在奔馳公司的贊助下設計出智能車，車速最高可達96千米/小時；該校還在1994年研制出兩臺自動汽車，該車在巴黎的一條三車道公路上以最高130千米/小時的速度行駛了1？000多千米。2007年一輛由卡內基梅隆大學改裝的雪佛蘭塔荷無人駕駛汽車，完成了在城市復雜障礙賽道上的比賽。2010年谷歌研制的無人駕駛汽車通過城市道路的駕駛測試，體現(xiàn)了感知能力的完備性和人工智能的高水平；2015年谷歌完成了全球首次真正意義上的無人駕駛旅程，一位乘客獨自乘坐名為“螢火蟲”的無人駕駛汽車并對該車沒有任何干預，最后的結果是該車安全地行駛過奧斯汀市街區(qū)。

從國內來看，20世紀80年代我國開始研究無人駕駛汽車及其相關技術。中國第一輛真正意義上的無人駕駛汽車于1992年由國防科技大學研制成功。2005年，上海交通大學研制出了首輛城市無人駕駛汽車。2011年，國防科技大學與一汽集團共同研制出了紅旗HQ3無人駕駛汽車，完成高速全程無人駕駛試驗，行駛里程達286千米，人工干預距離僅為總里程的0.78%。2012年，軍事交通學院的“軍交猛獅Ⅲ號”以無人駕駛狀態(tài)行駛114千米，最高時速達到105千米/小時。2015年12月，百度無人駕駛汽車在北京進行了國內無人車領域迄今為止所進行的難度最大、最接近真實路況的開放道路程自動駕駛測試，通過完成多次調頭、上下匝道、跟車減速、變道超車等駕駛行為，實現(xiàn)了從進入高速到駛出高速等不同道路狀況的變換的功能，最高時速達100千米/小時。

1 無人駕駛技術三大模塊

無人駕駛運用到的技術大致分為三大模塊：感知、？決策和控制。其中，環(huán)境感知技術是實現(xiàn)完全無人駕駛的關鍵，也是如今限制無人駕駛汽車發(fā)展的主要因素之一。

感知模塊是指無人駕駛汽車實時獲取周圍環(huán)境信息并加以處理，主要依賴于激光雷達、GPS定位導航、車載攝像頭以及超聲波等多種傳感器，其中激光雷達往往在無人駕駛的信息獲取中占據(jù)主要地位，其獲取的信息占到總信息的60%到75%。激光雷達的優(yōu)點在于精度高、抗干擾能力強，但也存在成本高昂、數(shù)據(jù)處理復雜等問題。

決策模塊是指無人駕駛汽車在收到傳感器送來的信息后對其進行識別與整理，其中可以按照機制分為外部行為預測、最佳路徑規(guī)劃和障礙碰撞規(guī)避3部分。其具體展開如下。

1）通過分析已知的物體位置和速度，可以粗略得到其移動規(guī)律并計算出移動范圍和概率，達到預測行為的效果。

2）路徑規(guī)劃則要使用多種數(shù)學模型，其中之一是完全規(guī)劃模型，但復雜性較高，因而有時也考慮使用概率性模型。

3）障礙規(guī)避分為兩類，一類是遠離危險和擁堵區(qū)域，預先減少碰撞的可能；另一類則是當雷達檢測到碰撞即將發(fā)生時，采取緊急剎車等措施。

除此之外，在做出最佳選擇時還需要用到增強學習算法，該算法的基本原理是促使系統(tǒng)不斷與外界進行互動，根據(jù)外界給予的反饋（獎勵或者懲罰）以更新評估函數(shù)，從而不斷優(yōu)化算法，使自己在實際情況中將錯誤降到最少。但由于實際行駛時路況復雜程度較高，實驗室模擬往往無法全面覆蓋可能出現(xiàn)的情況，因此也需要汽車具有根據(jù)已有知識自主解決問題的能力。

控制模塊是指無人駕駛汽車根據(jù)傳感信息和決策做出實際反應，此類技術相對其他兩項而言已經(jīng)相對成熟，其中自動泊車技術、適應巡航控制系統(tǒng)、車道偏離矯正系統(tǒng)和超車警示等技術已廣泛運用到商業(yè)用途中。其中主要運用到的是基于反饋理論的PID技術，通過比例、積分、微分環(huán)節(jié)對汽車的行為進行控制。

2 無人駕駛感知技術

無人駕駛包括環(huán)境感知和車輛控制兩項關鍵技術，其中環(huán)境感知技術是基礎，沒有對車輛周圍三維環(huán)境的定量感知和精準識別，無人駕駛決策系統(tǒng)就失去依托。為提高感知的安全性和準確性，無人駕駛系統(tǒng)集成了GPS導航、慣性導航、激光雷達、計算機視覺（CNN卷積神經(jīng)網(wǎng)絡）等技術。其中GPS和慣性雷達往往只用于定位，而激光雷達和計算機視覺既可用于定位也可用于識別，并且主要是識別。

2.1 定位

無人駕駛汽車在空間上的定位主要依靠的是GPS與慣性導航，二者相輔相成。

GPS技術最大的優(yōu)點是準確性，這種準確性依靠多個導航衛(wèi)星的協(xié)作定位來實現(xiàn)。GPS的原理是通過被動地接收衛(wèi)星發(fā)出的空間與時間信息從而推算自己與某顆衛(wèi)星的距離（根據(jù)光速和時間編碼進行計算），假如汽車能夠接收到三顆或以上的軌道衛(wèi)星所發(fā)出的信息，就可以在數(shù)學上推算出該車在空間中的具體位置，但實際運用時由于衛(wèi)星與接受對象存在時間差，需要第四顆衛(wèi)星輔助校正。除了衛(wèi)星與接受對象的時間差外，影響測量精度的還有多路徑效應、大氣傳播阻礙等，但由于GPS發(fā)展時間較長，技術已日趨成熟，其民用精度也可以控制在一米以內。

應該注意的是GPS也存在其劣勢，由于車輛與衛(wèi)星的距離過遠，GPS的更新頻率過低，存在路況復雜時無法滿足汽車對實時定位的要求以及無法在隧道等封閉空間內接受信號的問題。目前我國也在研發(fā)相對應的北斗衛(wèi)星導航系統(tǒng)，預計到2020年會正式向全球提供服務。

慣性導航則是通過輸入由陀螺儀、加速度計測量的角速度、加速度，計算出相對原來位置所移動的方向和距離，具有連續(xù)性、不依賴外界、不易受干擾等優(yōu)點。但由于測量和計算存在相對于實際的誤差，并且在積分的過程中該誤差一直在累積，因此慣性導航的精確度會隨時間增加而下降，因此需要GPS對其加以矯正。

運用卡爾曼濾波整合二者數(shù)據(jù)，將GPS與慣性導航結合起來，慣性導航就能彌補GPS兩次更新之間的數(shù)據(jù)空缺，同時修正存在的誤差，達到以較高的頻率和精確度進行車輛的定位的目的。

相機在定位過程中也作為以上兩種技術的補充，通過分析雙目相機傳來的立體圖像（視差圖），可以計算出圖像上點的相對深度，綜合多幅立體圖像的深度信息，可以估計在此過程中汽車的運動情況，從而計算出速度、加速度以及當前位置等。但由于汽車一直處于運動過程中，雙目相機對物體的捕捉不夠精確，輸出的三維信息也不夠可靠，所以一般只作為無法接受到GPS信號時的替代品使用。

2.2 識別

無人駕駛汽車對周圍目標的識別主要依靠激光雷達與相機，這兩種硬件設備都需要相應的軟件作為后臺，并各有其優(yōu)劣。

激光雷達的原理與無線電雷達類似，運用遠程測距技術，向目標發(fā)射激光并獲取反射光，通過分析反射光的各個參量和反射時間來計算目標到汽車的距離。激光雷達分為單線和多線[ 2 ]，單線激光雷達只發(fā)射一條激光，在水平面上進行激光測距，多線雷達則發(fā)射兩條及以上的激光束，可以增加一定的垂直角度，形成掃描面，獲取更為全面的信息。當然，安裝多個單線雷達也能達到類似效果。當激光雷達的計算速度和準確度達到一定程度時，就可以實時呈現(xiàn)出汽車周圍的高精度地圖。

與普通雷達相比，使用激光束作為媒介的激光雷達具有精度高、實時性好、抗干擾能力強和比普通雷達體積更小等諸多優(yōu)點。但僅依靠激光雷達無法完成識別任務，這是因為當障礙物處于同一平面時，激光雷達無法將其區(qū)分，同時難以穿透障礙物，遇到惡劣天氣時其精確度也會受到影響。從工業(yè)設計的角度上看，安裝多個激光雷達會造成成本的高昂，不適合商業(yè)推廣。因此，現(xiàn)在也有用微波傳感器來代替激光雷達的做法，該做法可以進一步縮小傳感模塊的體積，但就國內而言這方面技術還稍顯落后。激光雷達企業(yè)Velodyne于2017年推出的激光雷達產(chǎn)品幾乎可以滿足自動駕駛的所有需求，而且體積縮小到原有的五分之一。

相機分為單目相機、雙目立體相機和全景相機等。利用小孔成像原理，相機將周圍景物投射到傳感器內，根據(jù)光照強弱的差別，產(chǎn)生不同強度的電流信號，采樣后可以利用計算機視覺技術對圖像進行分析。單目相機與一般相機相比，圖像輸出速度和質量都有明顯提高，同時為了減輕數(shù)據(jù)處理負擔，單目相機往往自帶調節(jié)光積分時間和圖像簡單處理的功能。雙目相機可以將二維圖像重構為三維，比單目相機的應用范圍更廣，但也存在三維信息不夠完整和不夠可靠的問題。

全景相機擁有多達6個相機，可以實現(xiàn)對周圍360度同時成像，通過矯正和拼接處理后得到全景圖像。以色列Mobileye公司開發(fā)的單目相機產(chǎn)品專為自動駕駛汽車設計，自帶運算部件，可以直接輔助汽車行駛。

相機得到圖像后對圖像的分析處理是識別的關鍵。卷積神經(jīng)網(wǎng)絡在計算機視覺中運用較廣。由于相機得到的圖像數(shù)據(jù)量較大，全鏈接層很難直接處理，因此首先要對數(shù)據(jù)進行降維，其中運用到了模擬人腦結構的神經(jīng)元，每一個神經(jīng)元就是一個篩選函數(shù)，對圖像進行初步分析，并提取部分重要信息。分析圖像的過程中，非常重要的一步是卷積：一個感受野在圖像上不斷滑動，使得在每個位置都會完成一次卷積（即相應數(shù)值乘相應權重），最終輸出此部分的特征要素。

系統(tǒng)會先學習并存儲特征至數(shù)據(jù)庫，保留在權重中，以達到識別的作用。每個卷積核會同時打開對應三原色的三個通道，將多個局部的數(shù)據(jù)綜合起來，得到“feature？map”（也就是經(jīng)過特征提取的圖象），這樣就可以在減小計算量的基礎上得到更為全面的信息。卷積中還運用到了池化技術，為進一步減小數(shù)據(jù)量并提取特征，例如在相鄰四個部分中取數(shù)據(jù)的最大值（或最小值），即可將數(shù)據(jù)量縮為原來的四分之一，并提高數(shù)據(jù)穩(wěn)定性。得到圖像數(shù)據(jù)后，系統(tǒng)會將其與數(shù)據(jù)庫進行比對，得出結論。

3 結論

無人駕駛不是一項單獨的技術，其中運用到的原理和設備是多方面的，而感知技術則是無人駕駛技術的關鍵，本文對無人駕駛中運用到的感知技術進行了淺析，介紹了GPS、慣性導航、激光雷達、卷積神經(jīng)網(wǎng)絡等技術。

無人駕駛汽車的發(fā)展關系到每個人的生活，在提高駕駛安全性、減少交通擁堵和提高能源利用效率等方面具有重大意義。但無人駕駛技術距離成熟還有很長的一段路要走，除了科技研發(fā)之外，也需要很多其他行業(yè)的通力協(xié)助（例如法律的完善）。當無人駕駛真正實現(xiàn)時，也許會標志著一個新時代的到來。

參考文獻

[1]華南，王碧清.智能駕駛，離我們究竟有多遠[J].中華兒女，2017（13）：70-71.

[2]吳毅華.基于激光雷達回波信號的車道線檢測方法研究[D].合肥：中國科學技術大學，2015.