無人駕駛智能汽車的支持技術

蔣海

【摘要】近年來，隨著技術水平的逐漸發展進步，為減輕駕駛人員的駕駛壓力，無人駕駛智能汽車應運而生。但就目前發展的實際情況來看，無人駕駛智能汽車在實際應用的過程當中仍然有著較大的提升空間，我們需要有足夠的支撐技術來確保無人駕駛智能汽車的穩定運行。本文就針對無人駕駛智能汽車的支持技術進行了簡要的探討分析。

【關鍵詞】無人駕駛? 智能汽車? 支持技術

一、計算機視覺技術

通常情況下，駕駛員需要通過視覺來判定車輛所處的駕駛環境，即便駕駛環境不會向駕駛人員開口說話，但無論是交通信號燈、交通圖案，還是道路標識都能夠作為交流語言向駕駛人員傳達信息。無人駕駛智能汽車雖然脫離了駕駛人員的管理和判定，但卻應當具備駕駛人員所擁有的視覺判定能力。為確保無人駕駛智能汽車能夠安全穩定地運行，我們應當通過運用計算機視覺來實現對于系統所獲取到的環境語言的識別。較為完備的無人駕駛智能汽車系統應當具備實用性、實時性和魯棒性。所謂實用性，就是指智能汽車不僅能夠替代駕駛人員完成駕駛過程，同時也能夠以低成本、小體積的優勢被用戶所接受。魯棒性是指汽車在運行的過程當中能夠充分適應變動的道路環境情況、氣候條件所提出的不同要求。實時性，簡單來說就是指系統在運行的過程當中，能夠與汽車行駛的實際情況同步的信息處理。

在無人駕駛智能汽車當中，視覺系統主要發揮著對于周邊環境進行分辨和識別的作用。相對于其他類型的傳感器而言，視覺系統具備著能夠識別較多數量信息、實現遠程遙測的優勢。但與此同時它也存在著一定的缺陷，那就是在較為復雜的環境下，我們需要將探測目標與探測背景單獨區分開來，這意味著系統需要在較短的時間內完成較為復雜的圖像計算，如果一味地依靠已有的硬件條件，必然會對于系統的實用性造成影響。針對這一問題我們可以采取特殊類型的圖像處理方式，從圖像當中獲知道路的范圍，并通過與汽車內部存儲的地圖系統進行聯合應用，通過系統的計算之后，能夠有效強化汽車對于道路路線的識別程度。在通過采取不同類型的環境表示方法和導航方式，可以實現對于信息的高速精準計算。為確保所獲取到的圖像信息能夠具備精準性和可靠性，我們可以使用多個攝像機，或是通過高速攝像機連續多幅攝像的方式來掌握目標的距離和速度。另外，還可以通過借助能夠抓拍連續圖像的攝像機，對于汽車的運行情況進行掌握。

總體來說，通過將計算機圖像信息與其他方面的信息內容進行有機的融合，能夠幫助人們在較為特殊的環境當中快速地識別出有價值的信息內容，從而及時做出合理的決策。

二、傳感器信息融合

想要真正實現智能汽車的無人駕駛公用除了要實時獲取和計算信息之外，還需要充分滿足系統運行可靠性的需求。但根據當前階段的實際發展情況來看，大部分的傳感器都存在著一定的誤差性，難以隨時隨地向人們提供精準可靠的信息。通過將不同類型的傳感器聯合應用，則可以有效降低因單一傳感器功能不足而導致的一系列問題的出現。立足于當前階段的實際發展情況來看，智能汽車在研發的過程當中已經逐步開始使用傳感系統。以雷達技術為代表的新型技術能夠幫助智能汽車及時獲取到周邊汽車的運行情況以及周邊行人及障礙物的通行狀況，從而切實解決視覺技術在深度信息處理方面所存在的不足。另外雷達技術不會多地受到多種外界因素的干擾和影響，即便是長期處于惡劣的環境當中，也能夠及時穩定地運行。在多種多樣的雷達當中，激光雷達具備著最為突出的優勢性價值。首先激光雷達能夠精準地判定方向，測距的精度較高，且波束窄，體積小，因而獲得了人們極為廣泛的應用。

另外，多傳感器融合也具備著突出的應用價值。所謂多傳感器融合，顧名思義，就是指將多個傳感器進行有機的連接，從多方面實現信息的補充，或是及時獲取來自多個傳感器的不同信息，再將所得信息進行融合應用。傳感器融合這一概念的提出，最初是為了能夠實現對于不同傳感器資源的利用，便獲取到相對于單一傳感器而言更為廣泛、可靠的信息內容。通過合理的運用多傳感器融合的方法能夠實現信息環境的互補，并且無需花費過多的資金。在具體應用的過程當中，我們通常會對于來自不同傳感器的信息進行綜合性的分析處理，通過借助數據所具備的互補性和冗余性進行容錯處理，從而切實掌握具體的環境特征。

三、無人駕駛智能汽車中的智能控制理論

無人駕駛智能汽車的穩定運行，要求其能夠實現對于路徑的實時穩定跟蹤，這就要求在無人駕駛智能汽車當中能夠增設具備突出性能的控制器，而控制器的作用發揮又需要智能控制理論作為支撐。智能控制是自動控制技術發展至一定階段的必然產物，同樣要借助計算機網絡技術來實現人類思維的模擬，從而代替人類完成腦力勞動和體力勞動。在我國，智能控制這一方面仍然屬于一門新興學科，各方面的研究都不夠深入，根據現在的認識，我們可以將智能控制分為遞階控制系統、專家控制系統、模糊控制系統、神經控制系統以及學習控制系統幾個不同方面。

智能控制能夠將較為抽象化的非數字模型轉換為知識表示，我們可以將較為復雜、抽象的已知算法的非數字過程通過實際的知識來實現核算推理，以便啟發和引導求解。當前階段在許多的發達國家當中都已經開始使用專家控制系統為智能汽車提供輔助性的幫助，依靠此類系統能夠對于周邊駕駛情況進行精準的判定，從而給出更為可靠的駕駛策略，當出現突發狀況時，系統還能夠提前給定危險警告，能夠起到防患于未然的作用。另外，模糊邏輯控制與專家控制也存在著較為相似之處，無論是模糊邏輯控制還是專家控制都需要借助以往的經驗和決策的行為模型為無人駕駛智能汽車提供支持作用。模糊邏輯控制模型通常會立足于不同的規則系統，借助控制系統所具備的作用來發揮效用，這與駕駛員的駕駛特點十分類似。大部分的研究人員會抓住系統所具備的突出性質，通過運用傳統的控制工程理論來進行汽車駕駛控制器的設計，然后再依照相應的規定構建起模糊駕駛控制器，使其能夠在智能汽車系統當中發揮效用。

四、總結

綜上所述，無人駕駛智能汽車是汽車行業與計算機網絡融合的必然產物。

參考文獻：

[1]周路菡，人工智能下一站：無人駕駛汽車[J].新經濟導刊，2017.

[2]崔佳超，無人駕駛智能車在動態環境中的避障方法[J].西安工業大學，2015.

[3]李鳳媚，劉偉杰，賴奕斌，等，智能無人駕駛汽車認知的探索[J].內江科技，2019.

[4]崔麗媛，看國外如何玩轉智能汽車 尋覓無人駕駛的“足跡”[J].交通建設與管理，2017.