無人駕駛汽車關鍵技術研究

蔣孫權

摘 要：近些年來，無人駕駛技術作為變革性劃時代的技術被提出，已經取得了飛躍式的發展。無人駕駛車輛以增強公路安全，解決交通擁堵，提高駕駛效率，減少空氣污染為宗旨，得到大力發展。為此，對國內外學者在無人駕駛汽車的關鍵技術的研究問題進行了概述，并根據目前的研究進展，對無人駕駛汽車的關鍵技術今后的研究方向進行展望，為以后的發展提出參考和建議。

關鍵詞：無人駕駛;關鍵技術;路徑規劃;軌跡跟蹤

無人駕駛汽車現階段處于市場研究與技術發展階段，有關專家與機構預測2021年無人駕駛汽車可以全面上市。約至2035年，僅中國就將有約860萬輛自動駕駛汽車。無人駕駛要求，汽車在無人駕車的情況下安全地送達乘客，且要求汽車注重低成本、低維護、高效率、穩定性、舒適性等原則。本文將對于無人駕駛中涉及的多項關鍵技術進行論述研究。

1 無人駕駛汽車簡介

無人駕駛汽車系統可分為四個部分：任務決策、環境感知、路徑規劃和車輛控制。

1.1 任務決策

無人駕駛車輛在行駛過程中存在著諸多的任務，車輛的位置、路徑、環境都對系統選擇任務的優先性和工作量等存在一定的影響。任務決策講究實時性與有效性，隨實時環境變化而快速有效地決策，屬于動態系統。

1.2 環境感知

環境感知作為無人駕駛車輛的眼睛與觸覺，實時感知道路環境的變化與整合。主要通過以下兩個途徑：一是通過無人駕駛車輛的GPS/IMU、LIDAR、攝像頭、雷達和聲吶等傳感部件對車道路識別、交通標示與信號、行人、車輛等環境感知，實現車輛定位、物體識別和跟蹤等行為;二是通過通信網絡傳遞外部環境，如車聯網下道路、車輛、停車場等交通信息變化情況，由通信中心統一信息收集與傳遞。

1.3 路徑規劃

路徑規劃是指在道路實時環境情況下，尋找一條起點至終點的安全行駛路線，并以路徑長度最短或時間最短、能量消耗最少等原則。總體可分為兩類：全局路徑規劃與局部路徑規劃。全局路徑規劃主要是在已知地圖的情況下，利用已知的局部信息，規劃一條最優化且可行的路徑。局部路徑規劃主要是在突發情況（即外部實時環境變化）時，生成的局部行駛路徑。因此，局部路徑規劃在全局路徑規劃的前提下，行駛過程中適應實時外部環境變化而規劃，生成最優化的行駛路徑。

1.4 車輛控制

車輛控制是指無人駕駛車輛在路徑規劃的前提下，通過環境感知，對車輛實現橫向與縱向的控制，如車輛跟隨速度控制、超車的轉向控制、緊急情況的制動控制。車輛控制關系著無人駕駛車輛如何實現時間、空間兩方面的最優化解，減少車輛與路徑規劃之間的誤差。

2 無人駕駛車輛的關鍵技術

無人駕駛車輛控制技術是由傳感感知、自主控制、自主學習、機械動力學、系統集成與優化、能耗與散熱管理等諸多前沿科技學科組合而成的一門綜合技術。在無人駕駛車輛技術發展的歷程中，與現階段所遇到的瓶頸，無人駕駛車輛的關鍵技術主要可分為以下幾個方面：

2.1 環境傳感與定位技術

無人駕駛車輛裝備有許多不同類型的主傳感器，通過傳感器對車輛周圍的環境進行感知，將不同傳感器的數據有效融合，提煉出車行環境信息以及車行狀態信息。目前，常用于無人駕駛車輛的傳感器有：GPS/IMU、攝像機、激光雷達（LIDAR）、雷達、聲吶等。圖1為無人駕駛車輛傳感與定位的簡易系統圖。以下主要介紹GPS/IMU與激光雷達的技術應用。

2.1.1 GPS/IMU

GPS的更新頻率低（10Hz），在車輛快速行駛時很難給出精準的實時定位。慣性傳感器（IMU）的誤差會隨著時間的推進而增加，只可在短時間內依賴IMU進行定位。GPS定位精準但更新頻率低，IMU更新頻率高但誤差累積大。因此，對GPS與IMU兩種定位傳感器運用卡爾曼濾波的傳感融合。GPS定位、彌補與IMU的精準性結合，實現無人駕駛車輛實時精準的定位。圖2為GPS與IMU傳感器的融合定位示意圖。

2.1.2 激光雷達

激光雷達（LiDAR）通過發射激光，接收-反射的始建于角度，推算目標物體的距離與位置信息。LiDAR與一般的雷達相比，檢測距離更遠，精準度更高，可達厘米級。LiDAR在無人駕駛車輛中主要可用于高精地圖的繪制，障礙物的檢測;若在地圖信息已知的情況，可用LiDAR對比收集的信息，實現精準的定位。

2.2 無人駕駛路徑規劃與尋徑技術

2.2.1 路徑規劃

路徑規劃是在環境傳感識別后獲取的地圖環境信息的基礎下，規劃與決策出一條最優化的行駛路徑。其前提出確定規劃路徑上的位置與環境信息，比如交叉口的轉彎半徑，障礙物的形狀大小位置，車道路信息等。目前路徑規劃處于無人駕駛試驗園與定制結構化道路環境下的試驗與調試階段，并開展在突發情況下，無人駕駛車輛的局部路徑規劃能力。

（1）全局路徑規劃。全局規劃路徑是在已知環境信息下，規劃出發點到目的地的最佳路徑，但不加入行駛過程中的環境信息。目前常見的全局路徑規劃算法可分為下列幾種類型：柵格法、可視圖法、自由空間法、蟻群算法、神經網絡法等。

（2）局部路徑規劃。局部路徑規劃是基于實時獲取的環境信息，規劃出適應環境變化的局部路徑。局部路徑規劃由于外部環境未知，因此算法難度大，環境復雜度高，因此尚未出現最優化的局部路徑規劃算法。局部路徑規劃中應該用最廣泛的算法有遺傳算法、人工勢場法及模糊邏輯控制法三種。

2.2.2 路由尋徑

此路由尋徑區別于常見的谷歌或百度地圖的導航，無人駕駛車輛的路由尋徑，需要計算路徑模塊的行為決策和動作規劃等，需要考慮無人駕駛車輛執行特定動作控制之間的難易程度，尋找一條最為優化的路徑。無人駕駛車輛常見的路由尋徑的最短路徑算法主要有兩種：Dijkstra算法和A*算法。（1）Dijkstra算法是一種常見的圖論中的最短路徑算法。通過給定初始點（源節點），尋找與下一節點之間的最短距離。對周圍每個點的遞進式查詢，考察最近路徑點，最終達到終止點，該最短距離集合S即為輸出的最優路徑結果。（2）A*算法是一種啟發式的路徑規劃算法，主要用來完成柵格地圖的路徑搜索，其規劃結果能滿足路徑最短，搜索效率相比Dijkstra算法和貪心算法更高效。

2.3 軌跡跟蹤控制技術

在已規劃的軌跡路徑下，通過車輛的驅動/制動系統、轉向系統完成車輛的側向運動與縱向運動的控制，實現換道、超車、跟隨等動作，同時兼顧行車過程的安全性、舒適性和穩定性等原則。汽車的縱向和側向控制發生耦合以及車輛參數的不確定性，所以需分別設置控制器并解耦。目前應用較廣的控制算法有PID算法、最優控制、模型預測控制算法、魯邦控制法、模糊控制和滑膜控制等等。圖3為基于PID的控制算法系統。

3 未來展望

（1）環境傳感技術：LiDAR的高精度測量與感知，是無人駕駛汽車環境傳感技術繞不過去的技術，但現階段的當務之急是如何快速把其成本大幅降低，滿足廣大市場的需求。

（2）無人駕駛路徑規劃與尋徑技術：無人駕駛各模塊控制規劃問題并不難，難在將控制問題的各個上下游模塊解決方案配合協調效果，才是未來無人駕駛路徑控制的難點和挑戰所在。

（3）軌跡跟蹤控制技術：軌跡跟蹤是在路徑控制的前提下完成的各種控制動作，未來研究重難點在動作控制的前提下，兼顧行車過程的安全性、舒適性和穩定性等原則。

4 總結

本文研究無人駕駛車輛的控制系統，首先闡述了無人駕駛車輛的系統構成，主要研究無人駕駛車輛的關鍵技術，環境傳感與定位技術、路徑規劃與尋徑技術和軌跡跟蹤控制技術。在研究過程中主要分析了現階段無人駕駛控制技術的研究現狀、研究重點和所遇的瓶頸，有助于提高無人駕駛控制技術研究的系統化與邏輯化，為無人駕駛車輛后續學習者提供全面的知識基礎。

基金項目：2018年浙江省教育廳一般科研項目（Y201839122）。

參考文獻：

[1]萬璐.無人駕駛概念股成新的風口[J].理財， 2016（02）：58-59.

[2]孫正良.美國自動駕駛汽車道路測試法規簡介[J].汽車與安全，2016（06）：82-85.

[3]莊雷雨.典型路況下無人駕駛車輛局部路徑規劃方法研究[D].武漢：武漢理工大學， 2017.

[4]張婷.基于虛擬場景的路徑規劃技術研究及應用[D].大慶：東北石油大學，2007.