無人駕駛汽車組成模塊淺析

摘要：隨著當(dāng)今網(wǎng)絡(luò)技術(shù)以及計算機技術(shù)的快速發(fā)展，無人駕駛汽車離我們已不再遙遠。本文主要介紹無人駕駛汽車的核心組成部分，并對仍然需要改進的不足之處進行高度總結(jié)。

1自然環(huán)境感知

自然環(huán)境感知系統(tǒng)作為無人駕駛汽車重要組成部分之一，就好比駕駛員的“視覺”與“聽覺”。車輛在行駛過程中通過一系列的傳感器對外界自然環(huán)境進行有效的識別，從而能給控制單元提供正確的“信號源”。目前常用的感知技術(shù)有視覺、激波、微波傳感，這些感知技術(shù)通過各種車載傳感器、雷達、通信設(shè)備等來獲取車輛周邊環(huán)境的二維和三維圖像和距離信息，并通過圖像分析和距離識別對行駛環(huán)境進行感知。

1.1無人駕駛汽車環(huán)境感知傳感器

1.1.1毫米波雷達

毫米波雷達是一種工作頻率在30-300GHz，波長1-10mm的雷達。毫米波雷達自身有很多優(yōu)點：毫米波的波長比較短，因此擁有較好的探測性能；毫米波的傳播速度和光速相同，配合高速信號處理系統(tǒng)，能快速測量所需目標(biāo)的信息；毫米波的穿透力極強，能在各種惡劣天氣中正常工作；毫米波雷達一般在高頻段工作，對低頻噪聲有一定的抗干擾能力。但是毫米波雷達的缺點也是顯而易見的：毫米波在空氣中傳播時，氣體的諧振會對毫米波產(chǎn)生選擇性吸收和散射，大氣傳播衰減嚴重，因此，在實際運用中，應(yīng)找到毫米波在大氣中傳播時由氣體分子諧振吸收所致衰減為極小值的頻率。

車用毫米波雷達根據(jù)測量原理不同，分為脈沖和調(diào)頻連續(xù)波兩種。脈沖式雖然測量原理比較簡單，但由于受技術(shù)、硬件結(jié)構(gòu)復(fù)雜、元器件成本高昂等影響，在車用領(lǐng)域普遍不采用此種測量方式。目前，絕大多數(shù)車用毫米波雷達都采用調(diào)頻連續(xù)波方式，其結(jié)構(gòu)簡單、體積小、可以同時得到目標(biāo)的相對距離和相對速度。當(dāng)發(fā)射的連續(xù)調(diào)頻信號遇到目標(biāo)時，會產(chǎn)生有一定延時的回波，通過雷達的混頻器進行處理，所得的結(jié)果和目標(biāo)的相對距離和相對速度又是相關(guān)聯(lián)的，通過公式計算，便能得出所需要的數(shù)據(jù)。

1.1.2激光雷達

激光雷達是以發(fā)射激光束來探測目標(biāo)位置的雷達，其功能包括搜索并發(fā)現(xiàn)目標(biāo)；測量距離、速度、角位置等運動參數(shù)；測量目標(biāo)反射率，散射截面和形狀等特征參數(shù)。

根據(jù)激光掃描方式的不同，激光雷達大致可分為單線激光雷達和多線激光雷達。它們大多是靠旋轉(zhuǎn)的反射鏡將激光發(fā)射出去并通過測量發(fā)射光和反射光之間的時間差來完成測距的，而多線激光雷達的反射鏡會附加一定范圍之內(nèi)的俯仰角度使之可以構(gòu)成垂直視野，從而輸出高度信息等一系列三維立體數(shù)據(jù)。

1.1.3視覺傳感器

廣義的視覺傳感器主要由光源、鏡頭、圖像傳感器、模數(shù)轉(zhuǎn)換器、圖像處理器、圖像存儲器等組成，主要功能是獲取足夠的機器視覺系統(tǒng)要處理的原始圖像。把光源、攝像機、圖像處理器、控制與通信的接口集成于一體的視覺傳感器稱為一個智能圖像采集與處理單元，內(nèi)部程序存儲器可存儲圖像處理算法，并使用PC機，通過特定的算法下載到視覺傳感器的程序存儲器中，視覺傳感器將PC的靈活性、PLC的可靠性、分布式網(wǎng)絡(luò)技術(shù)結(jié)合在一起，使得視覺傳感器和PLC構(gòu)成機器視覺系統(tǒng)。狹義的視覺傳感器是指圖像傳感器，它的作用是把通過鏡頭所得到的像轉(zhuǎn)換為數(shù)字或模擬信號輸出，是視覺檢測的核心部件，主要由CCD和CMOS兩種圖像傳感器。

與雷達相比，視覺系統(tǒng)視場寬，側(cè)向精度高，成本低廉，而且屬于被動型傳感器，受干擾小，可以提供亮度和深度信息。因此，基于視覺的高效、低成本的環(huán)境感知將成為無人駕駛汽車未來產(chǎn)業(yè)化發(fā)展的主要方向。

1.2駕駛環(huán)境的機器視覺識別

駕駛環(huán)境的視覺識別主要通過圖像傳感器識別道路環(huán)境參數(shù)，包括車道檢測、前方車輛檢測、前方行人檢測、交通標(biāo)志檢測和交通信號燈檢測等。

1.2.1車道檢測

車道檢測的任務(wù)是提取車道的幾何結(jié)構(gòu)，如車道的寬度、車道線的曲率等；確定車輛在車道中的位置、方向；提取車輛可行使的區(qū)域。根據(jù)車道的特點可分為結(jié)構(gòu)化車道和非結(jié)構(gòu)化車道兩類。根據(jù)檢測對象的不同，車道檢測方法也不盡相同。結(jié)構(gòu)化車道檢測一般依據(jù)車道線的邊界或車道線的灰度與車道明顯不同實現(xiàn)檢測，而非結(jié)構(gòu)化車道檢測則依據(jù)車道的顏色或紋理進行檢測。目前車道檢測的算法大體可分為基于區(qū)域分割的識別方法、基于特征的識別方法和基于模型的識別方法。

1.2.2車輛檢測

車輛檢測是判斷安全車距的前提，車輛檢測的準(zhǔn)確與否不僅決定了測距的準(zhǔn)確性，而且決定了是否能夠及時發(fā)現(xiàn)一些潛在的交通事故。目前用于檢測前方運動車輛的方法主要有基于特征的方法、基于機器學(xué)期的方法、基于光流的方法和基于模型的方法。

多傳感器融合技術(shù)是未來車輛檢測技術(shù)的發(fā)展方向。目前，在車輛檢測中主要有兩種融合技術(shù)：視覺和激光雷達傳感器的融合技術(shù)、視覺和毫米波雷達傳感器的融合技術(shù)。

1.2.3行人檢測

基于視覺傳感器的行人檢測是利用安裝在運動車輛上的攝像機獲取車前信息，然后通過視頻序列檢測出行人的位置。基于視覺的行人檢測系統(tǒng)一般包括感興趣分割和目標(biāo)識別兩個模塊。感興趣區(qū)分割的目的是快速確定行人可能出現(xiàn)的區(qū)域，縮小搜索空間，目前常用的方法是采用立體攝像機或雷達的基于距離的方法，優(yōu)點就是速度快。目標(biāo)識別的目的實在感興趣區(qū)精確檢測行人的位置，目前常用的方法主要有基于運動特征的方法、基于形狀模型的方法、基于模板匹配的方法以及基于統(tǒng)計分類的方法。

1.2.4交通標(biāo)志和交通信號的檢測

在無人駕駛汽車中，交通標(biāo)志和交通信號的檢測都是通過圖像識別系統(tǒng)實現(xiàn)的，主要包括檢測和識別兩個基本環(huán)節(jié)。

交通標(biāo)志的檢測先使用車載攝像機獲取目標(biāo)圖像，再送入模式分類程序來進行識別。交通標(biāo)志檢測主要有基于顏色信息的交通標(biāo)志檢測、基于形狀特征的交通標(biāo)志檢測、基于顯著性的交通標(biāo)志檢測、基于特征提取和機器學(xué)習(xí)的交通標(biāo)志檢測等。交通標(biāo)志被檢測出來以后，如何正確地識別屬于什么類別的也有很多方法，目前常見的有統(tǒng)計分類法、模板匹配、神經(jīng)網(wǎng)絡(luò)等。

交通信號燈的檢測首先是定位交通信號燈，通過攝像機獲取復(fù)雜的城市道路的圖像，根據(jù)交通燈的顏色、幾何特征等信息，準(zhǔn)確定位其位置，獲取候選區(qū)域，再通過檢測算法對已獲得交通信號燈的候選區(qū)域進行分析和特征提取，運用分類算法，實現(xiàn)對信號燈的識別。

2智能規(guī)劃決策

無人駕駛汽車的智能規(guī)劃決策系統(tǒng)就好比駕駛員的大腦，在行駛過程中，駕駛員要找出一條從起始位置到目標(biāo)位置的路徑，通過接收外部實時傳遞的信息，并在交規(guī)的約束中，做出正確的駕駛行為。在這過程中，駕駛員必須時刻注意路面行駛環(huán)境的變化，預(yù)防突發(fā)事件的發(fā)生。最后，駕駛員將行駛過程分解為轉(zhuǎn)向、加速、制動等一系列的動作，最終到達規(guī)劃好的目的地，而無人駕駛汽車所要完成的就是駕駛員所執(zhí)行的任何操作，達到真正的自主駕駛，因此智能規(guī)劃決策模塊的作用非常重要。

無人駕駛汽車路徑規(guī)劃主要包括兩個步驟，一是建立環(huán)境模型，將現(xiàn)實的環(huán)境進行抽象后建立的相關(guān)模型；二是路徑搜索，尋找符合條件的最優(yōu)路徑。不同的環(huán)境模型對路徑搜索方法具有非常明顯的影響。

目前，環(huán)境模型建立的主要方法有可視圖法、柵格法、自由空間法和拓撲法等，而這其中柵格法是公認最成熟的算法，也是安全系數(shù)最高的算法。而路徑搜索規(guī)劃的經(jīng)典算法則有Dijkstra算法、A*算法、D*算法等，并在這些經(jīng)典算法的基礎(chǔ)上衍生出了遺傳算法、模擬退火算法、蟻群算法等一系列智能算法。

2.1全局路徑規(guī)劃

全局路徑規(guī)劃的主要任務(wù)是根據(jù)全局地圖數(shù)據(jù)庫信息規(guī)劃出自起始點至目標(biāo)點的一條無碰撞、可通過的路徑。全局定位模塊接收交通標(biāo)志標(biāo)線檢測、交通信號燈檢測、停車線檢測和GPS定位模塊的運行結(jié)果，并根據(jù)這些檢測結(jié)果判定無人駕駛汽車當(dāng)前在地圖中的位置，并將此位置信息發(fā)送給控制模塊，控制模塊再根據(jù)當(dāng)前車輛的位置信息，結(jié)合存儲在計算機中的數(shù)據(jù)庫，再將對車輛橫向控制和縱向控制的要求發(fā)送給局部路徑規(guī)劃進行處理。

2.2局部路徑規(guī)劃

局部路徑規(guī)劃的前提是對周圍環(huán)境要有一個非常完善實時的深刻理解，由于全局路徑規(guī)劃所生成的路徑只能是從起始位置到目的位置的大致路徑，無法考慮路徑的方向、寬度、曲率、道路交叉以及路障等細節(jié)信息，加之無人駕駛汽車在行駛過程中會受到外部環(huán)境和自身狀態(tài)不確定性的影響，很難免會遇到一些突發(fā)狀況。因此，在無人駕駛汽車行駛過程中，必須以局部環(huán)境信息和自身狀態(tài)信息為基礎(chǔ)，規(guī)劃出一段無碰撞、無障礙的局部路徑，這就是局部路徑規(guī)劃。在此規(guī)劃中，橫向控制模塊接收相應(yīng)的信息，并結(jié)合定位信息，能對車輛進行橫向控制；同時，速度控制模塊也能接收相應(yīng)的信息，并結(jié)合自然環(huán)境感知模塊所得到的檢測結(jié)果，計算出該車輛符合當(dāng)前安全行駛標(biāo)準(zhǔn)的車速。最后，局部路徑規(guī)劃再將兩者計算得到的數(shù)據(jù)發(fā)送到底層控制系統(tǒng)，從而完成對無人駕駛汽車的控制。

3車輛控制

無人駕駛汽車控制系統(tǒng)主要是為無人駕駛汽車的自然環(huán)境感知和智能規(guī)劃決策提供準(zhǔn)確的控制系統(tǒng)，就從目前的發(fā)展趨勢來看，主要還是要通過加裝執(zhí)行機構(gòu)來實現(xiàn)。

無人駕駛汽車根據(jù)視聽覺信息認知計算結(jié)果進行行為決策以后，會產(chǎn)生模擬駕駛?cè)说鸟{駛行為指令來對無人駕駛汽車進行實時的控制，而模擬駕駛?cè)说鸟{駛行為則由無人駕駛系統(tǒng)中的智能規(guī)劃決策模塊通過駕駛行為指令的形式進行傳達。格局駕駛行為指令，無人駕駛汽車的控制系統(tǒng)主要應(yīng)包括電源、點火、油門、剎車（包括駐車）、轉(zhuǎn)向、變速器和燈光這7個主要部分，并為之配備相應(yīng)的控制裝置。所有車輛控制裝置的開發(fā)須遵循以下原則：

（1）要適應(yīng)不同車輛，無須對原車結(jié)構(gòu)進行較大改變就能進行無人駕駛系統(tǒng)的改裝；

（2）結(jié)構(gòu)要緊湊輕便，方便在車內(nèi)進行安裝布置；

（3）要具備較高的可靠性，保證能在各種較差的環(huán)境下正常工作；

（4）應(yīng)具備緊急停止功能，使車輛在緊急狀態(tài)下能及時回到安全的行駛狀態(tài)，保證車輛行駛的安全性。

4個人觀點

就目前無人駕駛汽車發(fā)展?fàn)顩r而言，在諸多方面還是存在技術(shù)難題需要去突破的。

無人駕駛汽車面臨的最核心的問題的就是對自然環(huán)境的感知。車輛需要對車輛周邊的實時動態(tài)環(huán)境、各類交通信號、行人以及其他車輛行駛狀態(tài)的識別，識別過程需要相對應(yīng)的傳感器，這些傳感器就好比駕駛員的“眼睛”和“耳朵”。但各傳感器都有各自的優(yōu)缺點，因此我們可以看到目前能行駛上路的無人駕駛車輛上裝滿了各種大大小小的傳感設(shè)備，設(shè)想一下，我們是否能揚長避短，將各類感知傳感器的優(yōu)點相結(jié)合，整合成一個單獨獨立的傳感器，在減小體積的同時又能控制成本，還能在任何工況下正常穩(wěn)定的工作。目前，以機器視覺能力為主的解決方案成本更容易被市場接受。但只要不利因素影響，哪怕是風(fēng)中飛舞的塑料袋都可能被系統(tǒng)誤認為是障礙物，無法進行精準(zhǔn)的建模。采用當(dāng)前精準(zhǔn)測距但是價格高昂的激光雷達，無人車的整體研發(fā)成本將大大增加，而市場上更小型更低成本的純固態(tài)激光雷達還未能見到成熟產(chǎn)品。

精準(zhǔn)的導(dǎo)航定位技術(shù)是保證無人駕駛汽車能按正確路線完成自主導(dǎo)航、控制任務(wù)的關(guān)鍵，但是就目前民用的GPS而言，定位的精度并不是非常理想，需要地圖來進行匹配校正，很難保證能實時獲取較高的定位精度。目前常用的定位方法有慣性導(dǎo)航定位、衛(wèi)星定位、航位推算等，但均有各自的優(yōu)點和局限性，在未來的發(fā)展過程中，我們可以將這些不同的定位定向技術(shù)加以有效組合，讓他們各自發(fā)揮自身的優(yōu)勢，來提高定位系統(tǒng)的精度和可靠性。

車輛控制技術(shù)是我國的弱項，主要核心零部件嚴重依賴國外進口。隨著研發(fā)投入不斷的增大，相關(guān)的研究技術(shù)也在不斷成熟中，針對于車輛控制模塊，我們可以從細節(jié)處進行優(yōu)化，比如：針對我國錯綜復(fù)雜的實時交通環(huán)境，無人駕駛車輛將現(xiàn)有的車輛控制器所采用的算法進行優(yōu)化改進，從而提高控制器的工作效率，有效縮短反應(yīng)時間，降低錯誤動作發(fā)生的概率。

而在法律層面，世界各國均出臺了一系列法律法規(guī)，現(xiàn)階段我國對于無人駕駛問題的法律法條依然處于研究狀態(tài)，而且這個問題對于每個國家來說都是一個難題。

5結(jié)語

目前，包括我國在內(nèi)的許多國家都在無人駕駛的研究領(lǐng)域加大了研發(fā)力度，相關(guān)技術(shù)也在不斷的發(fā)展和完善中。受限于當(dāng)今相關(guān)法律法規(guī)的不完善、實車試驗場地的限制和錯綜復(fù)雜的路面交通環(huán)境，能真正上路并完全實現(xiàn)自主行駛的無人駕駛汽車數(shù)量還是少之又少。但是相信在不久的將來，路上行駛的車輛中有很大一部分是擁有成熟技術(shù)的無人駕駛汽車，屆時，城市的交通狀況也會變得更加智能與通暢，讓我們共同期待那一天的到來。

參考文獻：

[1]姜巖，趙熙俊，龔建偉，熊光明，陳慧巖.簡單城市環(huán)境下地面無人駕駛系統(tǒng)的設(shè)計研究[J].機械工程學(xué)報，2012，48（20），103-112.

[2]陳旭梅.智能運輸系統(tǒng)[M].北京：電子工業(yè)出版社，2007.

[3]熊和金.智能汽車系統(tǒng)研究的若干問題.交通運輸工程學(xué)報，2001，2：37-40.

[4]R.Bishop，“Intelligent vehicle applications worldwide，”IEEE Intelligent Systems and Their Applications，vol.15，NO.1，pp.78-81，2000.

[5]龔毅.一種無人駕駛車輛路徑跟蹤控制方式研究[D].南京：南京理工大學(xué)，2014.

[6]Tobias Hesse and Thomas Sattel，“An Approach to Integrate Vehicle Dynamics in Motion Planning for Advanced Driver Assistance Systems，”Proceedings of the 2007 IEEE Intelligent Vehicles Symposium，Istanbul，Turkey，June 13-15，2007.

[7]崔勝民.現(xiàn)代汽車系統(tǒng)控制技術(shù)[M].北京：北京大學(xué)出版社，2008.

[8]黃耀.基于柵格法的汽車路徑規(guī)劃[D].華中科技碩士學(xué)位論文，2008.

[9]孫振平.自主駕駛汽車智能控制系統(tǒng)[D].長沙：國防科學(xué)技術(shù)大學(xué)，博士學(xué)位論文，2004.

[10]趙盼.城市環(huán)境下無人駕駛車輛運動控制方法的研究[D].中國科學(xué)技術(shù)大學(xué)，2012.

[11]陳龍.城市環(huán)境下無人駕駛智能車感知系統(tǒng)若干關(guān)鍵技術(shù)研究[D].武漢大學(xué)，2013.

[12]馮學(xué)強，張良旭，劉志宗.無人駕駛汽車的發(fā)展及可行性[J].山東工業(yè)技術(shù)，2015，04：50.

作者簡介：方凌濤，男，24歲，江蘇無錫人，西南林業(yè)大學(xué)（650224）汽車與交通學(xué)院，交通運輸工程專業(yè)碩士研究生