自動駕駛汽車的技術發展淺析

◆文/遼寧 馬立強

近幾年，汽車新技術層出不窮，以新能源和自動駕駛技術尤為突出，新能源汽車在走進千家萬戶的時候，自動駕駛技術在生活中也會越來越普及，自動駕駛汽車是一種通過電腦系統實現無人駕駛的汽車。又稱電駕汽車或輪式移動機械人。其融和個性需求，給人全新的體驗，具有安全、舒適、便利等特點。與人工駕駛汽車的不同之處在于，自動駕駛可以通過電來實現對汽車的控制，就目前來看，自動駛更滿足現代人的追求，在近幾年呈現出實用化的趨勢。在2020年。自動駕駛汽車將全面就進入市場，在2025年前后，我國新生產汽車中配備有半自動駕駛技術的汽車占有率將達到30%，到2030年完全自動駕駛車輛的占有率將接近10%。隨著新一代科技革命的推進,全球各大整車企業、汽車零部件企業、互聯網企業、制造企業以及研究企業、高校都正在全力研發自動駕駛汽車技術及相關產產品,測試技術和測試裝備,各國政府也在加快自動駕駛汽車產業布局,推進道路測試規范建設、標準測試體系建設、測試場地建沒等。其中最根本問題的是自動駕駛汽車技術中的可靠性、安全性、穩定性、智能性是所有相關產業大力發展的根基。本文主要介紹自動駕駛汽車前沿技術發展現狀,主要分七個部分,分別就自動駕駛汽車技術概論、自動駕駛汽車技術的投入與發展情況、自動駕駛汽車的特點與功能、自動駕駛汽車的基本組成、自動駕駛汽車的關鍵技術、自動駕駛汽車的人工智能技術、當前自動駕駛的技術情況和存在問題等進行論述。

一、自動駕駛汽車技術概論

自動駕駛汽車在上個世紀已有數十年的發展歷史，自動駕駛行業在當時還是受到了廣泛的關注。經過研制開發，自動駕駛汽車在后續多年推廣，1999年，英國卡基梅大學制做的無人駛汽車 Lacuna-v完成了第一次無人駕駛試驗，許多為無人駕駛汽車開放路實驗的法規也相繼出臺。2009年，自動駕駛汽車的圖片首次曝光，自動駕駛汽車共有6個段別，0級是完全由駕駛員進行駕駛作；1級是指特定情況下汽車輔助駕駛完成某些駕駛任務；到了2級是自動駕駛能完成某些駕駛任務，但駕駛省要時刻監視圍環境的變化，到危險情況隨時接管，這是目前大多自動駛汽車都已做到的自動駕駛技術；3級是駕駛員幾乎不用接管，汽車可以智能的完成任務；4和5級是自動技術，汽車已經完會不用駕駛員的控制。區別在于4級只有在高速公路等特定條件下才可完全獨立，5級則在任何條件下無人操作。自動駕駛的應用是備受關注的熱點，當下自動駕駛汽車技術發展的是十分快速的。人工智演算法的優化，自動駕駛汽車技術越來越趨向商業化、實用化。

國內早期在自動駕駛領域開始探索的主要是百度、華為等一些互聯巨頭，這些企業都有足夠強的技術實力和熱情，其中，技術水準發展最好的還是百度。百度早在3年前就逐漸啟動開發專案，直到2017年4月，百度宣布了一個計劃，要建立一套完整的自動駕駛系統。國外在自動駕駛方面領先的有美國的特斯拉和谷歌，特斯拉的電動汽車被一致認定為屬于自動駛3級范略，即在有條件情況下的自動化，在一定的環境中有自動駕駛的能力，退到緊急情況時還要進行管理的有人模式。

二、自動駕駛汽車技術的投入與發展情況

近三年全球自動駕駛技術總投資達到80億美元，其中商業巨頭和汽車廠商，都是自動駕駛方面的大財團。自動駕駛汽車的交易涉及汽車系統的各個方面，自動駕駛汽車技術已上升為國家戰略。2018年開始正式發放了全國首批網聯汽車開放道路測試號牌，意味自動駛汽車可在上中國合法上路，我國無人駕駛行業，又邁出一大步。同時，日本、新加坡等國家相繼批準自動駕駛技術的相關企業在條件可行條件下進人道路實驗。

自動駕駛自動駕駛汽車技術是可實現更安全高效駕駛的單車基礎技術，使車輛具備駕駛人的眼腦手等功能,提高車輛自主識別規劃控制能力。所以,自動駕駛汽車技術是逐步從傳統交通系統中解放駕駛人，開始以智能化汽車為主體，構建新型智能交通系統的核心技術。目前就行業內自動駕駛汽車的智能化技術路徑主要有兩個,其區別主要在感知技術路線。一類是輔以毫米波雷達等的多傳感器融合方案,以傳統廉價的攝像機為主導,以特斯拉、福特、沃爾沃等傳統整車企業為代表；另一類是依賴于高精度地圖并輔以攝像機、毫米波雷達、超聲波傳感器等的技術方案,以性優價高的三十二線或六十四線鐳射雷達為主導,主要以谷歌、百度等企業為代表。現有的智能駕駛系統大都以鐳射雷達作為主傳感器,但其成本居高不下,因此得益人工智能技術發展的成本較低，自動駕駛汽車技術架構以攝像機為主傳感器的技術方案成為新的研究熱點，從自動駕駛汽車的功能層角度可分為感知層、決策層、控制層。其中的人機交互技術、感知融合技術、智能輔助技術、智能駕駛技術、智能決策技術等等都需要車載計算平臺來完成協同控制、智能決策、高速計算、數據融合,為決策和控制提供即時回應,從而完成汽車行駛和信息交互過程中多源海量異構數據的高速計算處理,實現汽車的自動駕駛。

三、自動駕駛汽車的特點與功能

1.自動駕駛汽車的特點

(1)安全性：通過數位化，智能的信息化運行，自動駕駛能精確能做出反應。發生安全事故的概率大大降低。自動駕駛汽車可以檢測人類的狀況，當無人駕駛時，自動駕駛汽車就會自動代替人類的駕駛，避免發生事故。

(2)便利性：不需要駕駛員控制，自動駕駛汽車解放了人類的雙手，能方便通過自身導航到達目的地。

(3)智能化：到達目的地，汽車會到停車位自動停車，當選定目的地后，自動駕駛汽車會利用導航系統選擇一條最合理路線。

2.自動駕駛汽車的功用

(1)代替駕駛者進行駕駛。選定目的地后，就可以完全讓自動駕駛車自動駕駛，與普通汽車相比便利太多。

(2)最優路線選擇。利用導航系統進行，可以避免交通擁堵或路線過長的問題。以最快最安全的方式達目的地。

(3)自動駕駛汽車能夠分析駕駛者及乘客的狀態：當駕駛員疲勞駕駛時，自動駕駛汽車會接替駕駛員進行自動駕駛。如乘客把手和頭伸到窗外，自動駕駛汽車會提醒大家，防止意外事故的發生。

四、自動駕駛汽車的基本組成

1.中央處理系統

中央處理器包括運算器、控制部件和寄存器等，是整個自動駕駛汽車的主要組成部分，對收集的各種信息進行總匯與處理，包括信息的輸入、信息整理和輸出。在自動駕駛汽車中，中央處理器顯得極為重要，為了對周圍環境及時地做出判斷，中央處理器要求運算速度極高，秒的誤差都可能出現安全事故。同時對中央處理器的精確度有更高的要求，當車輛通過障礙物時，處理器先收集到信息，并執行相應動作。若是遇到交通燈，處理器的信息判斷能否通行。

2.視頻采集器

視頻采集器是將收到的視頻信號等混合輸入電腦，并且轉換成讓電腦可識的數字數據，儲在于電腦中。通過采集器，自動駕駛汽車可以獲取周圍的信息，如駕駛者要停車時，系統會采集停車環境，停放位置及行人的狀態等信息，傳給中央處理器，確保周圍安全后，汽車執行停車動作。

3.雷達傳感器

雷達傳感器是一種用于測量距離的儀器，通過量參數算距離，利用發射率與時間的相關函數，得到平均值。計算公式可以算出物體與物體間的距離。它使用于測量車輛之間、車輛與行人之間的距離，作為輸入信息，傳給中央處理器，判斷是否要實施制動或加速等動作。

五、自動駕駛汽車的關鍵技術

智能化關鍵技術是自動駕駛汽車的最核心技術,主要包括高精度定位技術、高精度地圖構建、控制執行技術、規劃決策技術、多傳感器融合技術。其中技術的控制、感知、決策技術是核心基本功能,高精度定位技術和高精度地圖是行駛過程的基礎性關鍵支撐技術,無論是感知決策規劃還是控制執行都需要車輛自身和周邊其他動靜態物體的位置速度等信息。

1.感知數據融合技術

環境感知主要包括動態物體和路面、靜態物體幾個方面,感知數據的融合包括對多個傳感器獲取的動靜態物體的檢測識別定位信息、跟蹤預測信息等的融合處理與反饋。其中對行人,非機動車輛和其他機動車等動態物體的運動行為做出預測,并能夠根據當前運動速度計算出安全空間，對智能汽車的自主決策是極其重要的。多傳感器信息融合技術，主要有神經網路融合法、卡爾曼濾波融合方法、貝葉斯信息融合方法。神經網路方法通過大量的學習訓練，來消除多傳感器協同工作中產生的交叉影響效果，卡爾曼濾波方法可以從有限的、有雜訊的觀察序列中預測糾正進而推算出物體的位置等信息,貝葉斯信息融合方法是基于概率統計的推理方法。

2.規劃決策技術

規劃決策技術主要包括駕駛動作決策、全局路徑規劃、局部行為決策。其中駕駛動作決策主要根據局部行為決策信息將當前規劃路徑分為多個小范圍路徑,生成多個短距離路徑的中間路徑點,主要包含到達這些路徑點時自動駕駛汽車應當具備的速度、加速度、車輪轉向等具體指標信息。局部行為決策主要是依據當前行車環境下的感知信息和定位信息等作出巡航、換道、轉彎、掉頭等決策。全局路徑規劃是依賴于高精度地圖的目的地間可選路徑的規劃過程。規劃決策技術與感知融合技術的核心是人工智能演算法與計算平臺,數據導入計算平臺后由不同的晶片進行計算。現有的計算方案有基于GPU、DSP、FPGA、ASC的解決方案,還有其他晶片方案。晶片方案主要有谷歌的TPU晶片、 Mobileye8 Eye ex、 NVIDIA Drive PX晶片等，同時,多家研發機構也在設計和探索，能夠使用移動處理器完成計算任務的高效計算平臺。

3.控制執行技術

控制執行技術主要借助于車載控制平合實現自動駕駛汽車的橫馭向控制。核心任務是經過一系列結合車身屬性和外界物理因素的動力學計算，通過CAN匯流獲取規劃決策層輸出的多個中間路徑點軌跡信息后，轉換成對車輛線控的油門量，轉向的橫向控制命令和車的縱向控制命令用來完成相連信息的執行。車載控制平臺是車輛的核心控制部件，主要包括通信匯流、電子控制單元ECU兩方面。ECU主要實現演算法控制，通信匯集流向完成ECU和集成部件間的通信功能。汽車自動駕駛的車載控制平臺與傳統汽車的不同在于可根據需要改寫ECU．主要有改變內部程序的改裝和直接改變ECU運算器硬體的改裝。后者主要是通過原ECU程序即運行法則來改善發動機的運行和改變處理向題的演算法。

4.高精度地圖構建與高精度定位技術

高精度地圖是區別于電子地圖的，車的幾何結構及度、由率、限速等屬性信息行車助信息的自動駕駛汽車專用地圖行車助信息主要包括路面的幾何構，周邊道路環的點云模型。機器不具備人類與生俱來的邏輯分析能力和視覺識影。必須借助高精度地圖擴展車輛的靜態環境感知能力，為自動駕駛汽車提供全局觀察窗口。高精度地圖的構建是一個多傳感器融合的過程，主要包含輪距傳感器、陀螺儀MU、全球衛星號導航系統GPS、光學雷達LDAR。輪距傳感和陀螺儀可以高頻率稠有偏差地給出自動駕駛汽車的位置預調，測量量后根據當前的準確位置與激光雷達的掃描數，再融合LDAR、GPS的數據算出當前車的準確位置，把新的數據加入地圖中以此來逐步構建高精度地圖。高精度定位技術依賴于高精度地圖信息，精確地確認位置，自動駕駛系統可以通過對比當前位置的傳感獲取行車環境信息和高精度地圖，并能確認當前位置一段距離內的行車環境，可進行下一步軌跡規劃和決策。

六、自動駕駛駛汽車的人工智能技術

人工智能技術在汽車自動駕駛駛上的應用有規劃決策與控制、主觀環境感知這三大能的演算法程序上，即學習模糊邏輯、專家系統、傳演算法等方法，通過大數據的自主訓練和學習，使汽車自動具備一定程度的智能水準。

1.人工智能在環境感知中的應用

電腦視覺在自動駕駛駛汽車上的應用有靜態物體分類與交通仿息識別，動態物體軌跡跟蹤行為干預。以及基于不同演算法的車輛自身定位等。模式識別、神經網路等方法可以用于電腦獲取的大量圖像視頻信息處理，融合運動預測演算法來實現運動物體的識別跟蹤。運動測算法：主要有底層的 Optical Flow與立體視覺技術，和基于馬爾科夫決策過程的多個運動目標識別追蹤算法等。Optical Flow是基于單個播像頭的連續時刻圖像或視頻序列中的像素級密集對應關系，基于神經網絡的監督學習可以通過對獲取圖像的訓練得到場景的多維深度或距離估計，立體視覺是基于多個攝像頭的同一時刻圖片，從而預測目標的運動軌跡。

基于定位演算法：主要是基于拓撲與地標的演算法和基于幾何的視覺里程計算法。基于幾何的視覺里程計算法分雙目和單目兩種。雙目視覺里程計算法遇過左右兩幅圖的視差圖和攝像機的幾何特性計算出特征點的度，找出幀與幀之間的特征點對應關系。推算出兩幀之間車輛的運動，再依據之前車輛的位置計算得到最新的車輛位置。單目視覺里程計算法的主要問題是無法推算出觀測到的物體大小，需與其他傳感器的結合才能進行準確定位。基于拓撲與地標的演算法把所有的地標組成一個拓撲圖。自動駕駛汽車檢測到某個地標時就可以大致推斷出自身所在的位置，但該方法需要預先建立精準的拓撲圖。

2.人工智能在規劃決策中的應用

人工智能就學習可以有效地解決環境中存在的特珠情況，是通過和環境的交互式學習在對應的場景下進行規劃和決策以達到最優駕駛行為的方法。行為決策與路徑劃是人工智能在自動駕駛駛汽車領域中的另一個重要應用。其目的是在給定的任意環境下，通過對環境的探索學習到最佳的策略，然后取最優化行為。常用的增強學習演算法有Deep ＆-learning演算法和 REINFORCE演算法。基于搜素的演算法和基于增強學習演算法的結合，一方面能夠通過搜索獲取復雜決策場景的最憂策略，一方面又能通過加強學習加快搜索的過程，該方法在解決涉及長期規劃問題方面具有巨大潛力。對于復雜決策的場景無法通過短期的效果得到最優決策略，此時必結合基于搜索的演算法來解決問題。

3.人工智能在車輛控制中的應用

專家系統控制主是應用某一特定領域內大量的專家知識和推理方法解決間距的過程，其研究目標是學習模擬人類專家的推理處理過程，實現對車的控制。自動駕駛汽車是未來汽車發展的方向，是將精確采集、識別、判斷、決策、優化、執行和反饋和糾控功能融為一體，集微電腦、微電機、綠色環保動力系統、新型結構材科等尖端科技成果為一體的智能型汽車。自動駛汽車的控制是指當收到控制指令后，控制系統調取車的參數使其達到控制目標的過程。人工智能在車輛控制中的應用主要在自動控制技術方面，主要集中在模糊控制和專家系統控制，主要通過控制器中的程序實現對電氣系統的控制。模糊控制在車輛控制中的應用主要體現對行為與動作的智能處理，如對障礙物體的躲避處理、行進速度的調整以及對移動目標追蹤等方面。車載傳感器在完成信息采集后，會對信息進行融合處理作出判斷。在推理演算法下，對優先順序行為進行確定，然后通過汽車平臺實現各項操作。

七、當前自動駕駛駛的技術情況和存在問題

1.自動駕駛駛汽車基本情況

(1)如何改善精度

慣性測量單元IMU是一種測量手段，通過計算加速度和速度來定位，這技術的更新率較高，但是即時定位又會存在誤差積累，相反，衛星定位GPS和我國北斗的更新率較低，在定位上基本不會出現誤差積累。另外再加上路面基站也能增加信號，因此GPS+IMU+路面基站的組合的實現了互補，可以為車輛提供準確的定位。

(2)互聯網技術不斷促進自動駕駛技術

一方面，在人工智能等新一代信息技術的融合優勢下，能夠快速應用到自動駕駛中。促技術升級；另一方面。其能夠更加提速整合跨行業資金，人才等促進自動駕駛汽車的快速推廣與創新應用。

2.自動駕駛汽車存在的問題

(1)自動駕駛汽車產量的最大問題是成本，處理器價格昂貴，而且在運作后期會有消耗。維修是一大筆費用。因此，現階段普及自動駕駛汽車還需要考慮輕費問題。

(2)當自動需汽車以100km/h的速度行駛，留給中央處理器出來數據的時間就不多了，這就需要中央處理器具有極高的處理運行速度。

(3)自動駕駛汽車上路，技術不斷完善后，交通事故責任的界定也是一個比較大的問題。需要汽車行業與國家交通部門、公安部門聯合制定契合實際的法律規定。

總體看，我國自動駕駛汽車的發展還要多方面共力。汽車供應商對于各種車駕輔功能的科研和投入是無人駛汽車技術不斷向前發展的源動力：政策與法律的制定與實施。又是無人駕駛汽車直正上路的前提。