基于自動駕駛多傳感器信息融合的研究綜述

揚州大學；江蘇 揚州 225127

引言

自動駕駛汽車已被廣泛認為已經是我國新一輪汽車工業和信息科技發展革命過程中的一個新興產業，它不僅有助于不斷改善我國道路交通安全、實現高效節約能源低碳節能減排、消除交通擁堵、提高經濟社會治理效率，并將極大拉動我國新能源車與汽車、電子、通訊、服務、社會管理經濟學和管理等各個領域的產業協同創新發展，對于加快促進當代我國國民經濟社會產業的快速轉型結構升級發展起到重大的前瞻戰略意義。自動駕駛需要通過感知層、控制層、執行管理層三者之間的協同來實現。攝像頭和雷達等各種傳感器分別從區域內和不同范圍內獲取了不同的環境信息，所獲得的多源異質性信息很有可能是彼此之間的補充，也很有可能是空間上的冗余甚至矛盾，控制中心最后只能向用戶下達唯一正確的指令，這時候就需要控制中心必須對異質性信息做出融合，從而實現綜合性的判斷。

關鍵詞：自動駕駛? 多傳感器融合? 攝像頭 激光 毫米波

一.關于自動駕駛國內外現狀：

國內關于自動駕駛多傳感器信息融合的研究可以分為企業和高校兩塊：各個主要的公司包括蘋果、英偉達、 Google 、特斯拉、百度等都在自動駕駛領域積極布局。每個人的工作思路都不一樣，傳感器與網絡結構都很差。蘋果采用的便攜式是一種多傳感器融合解決方案;特斯拉的汽車ADAS是目前量產中最好的，同時它也是基于汽車工廠的設計理念。從設計造價和整車成本的角度來看，自動駕駛系統的造價將受到限制，這意味著它不會配備更昂貴的傳感器，而是將主要集中在攝像頭和視頻技術上;谷歌的算法相對成熟，但它太多地基于激光雷達，而且價格昂貴。谷歌透露，多年的努力表明，研究無人駕駛這項技術是可行的，并已基本商業化。它既有先發的第一優勢，也有先發的第一劣勢。谷歌通過采用領先的技術開發路線，比如激光雷達，并逐漸走向了一個新的起點。在開始自動駕駛的最初幾年，圖像識別技術還遠未成熟，只能依靠激光雷達。但這樣的一種時代特征與歷史背景，讓這些新的管理方法并沒有真正從技術上真正得以充分體現和廣泛應用發展出來，而這個發展過程又恰恰正是新興技術企業的發展契機。Google自研制和發展的新型激光雷達在安全和技術可靠性兩個方面已經表現得非常突出，但是該公司系列新型激光雷達目前的技術成本大幅下降仍然可能需要很長的一段發展時期。通常，業界普遍認為的"多傳感器融合"，都可以是廣泛定義泛指對于手機攝像頭、激光雷達、毫米波激光雷達、超聲波激光雷達等多種電子傳感器各自分別從互聯網絡中獲取搜集出來得到的相關數據然后進行所融合做的"數據融合"，而基于百度公司此前獲得的apandora的第二種融合做法原則是"硬件層面的融合"，即在一個硬件技術層面就把這些相關聯的攝像頭、激光雷達全部進行集成了融合到一起，然后再把這些采集出來得到的相關數據然后進行統一地處理輸送并傳給了基于計算機的平臺。

國內研究自動駕駛的高校包括但不限于卡內基梅隆大學、科羅拉多大學、加州理工學院、麻省理工學院、韓國KAIST、清華大學、西北工業大學、西安交大、吉林大學等幾乎清一色使用多傳感器信息融合來完成自動駕駛環境感知功能，因為對于高校研究來說多傳感器信息融合是最經濟且效果最好的方式，尤其是在深度學習算法引入后，融合算法使得歷史積累的數據能最大發揮其作用，通過算法"學習"環境然后理解新的環境。

二.數據融合的發展：

“數據融合”的概念大概于1970年提出，以滿足軍事C31系統（指揮、控制、通信和情報）的多源需求，然后在獨立學科中發展。根據相關數據，美國是第一個研究數據融合技術的國家。關于國外數據融合的發展成就，1973年，美國第一次將信息融合技術用于聲納研究;1983年，美國國防部將傳感器數據融合列為年代重要研究領域的項目;1984年，美國宣布成立數據融合專家組，研究工作已進入系統化階段;1988年，傳感器融合技術被確定為美國國防部最關鍵的技術之一，并受到前所未有的重視;1988年，國際信息融合學會在美國成立，并宣布每年召開一次學術會議;到1991年，美國已經有50多個數據融合技術引進到試驗床、試驗機使用。其他西方國家也非常重視融合技術的研究，英國陸軍研制類似于炮兵智能信息融合系統，1982年提出開發“海軍知識庫”作戰指揮系統。1987年又與其他歐洲幾個國家聯合開展“決策控制的傳感器信號與知識綜合系統”的研究。法國德國同樣也是在該項技術的研究上很重視，德國曾在“豹2”坦克的改進中用到信息融合技術。

相比國外研究方面，我國多傳感器數據融合的發展相對滯后。國內一些科研院所和大學開始加入了數據融合的研究，但是起步較晚，缺乏完整成熟的理論體系，為了加快技術實施，中國將其列入國家863計劃和國家自然基金重點支持項目。

三.關于傳感器融合介紹：

為了解周邊交通狀況，車輛的自動駕駛技術采用攝像頭、雷達傳感器、激光測距儀和其他相關儀器。道路導航技術通過詳細的地圖實現自動駕駛的目的。自動駕駛技術主要包括收集道路上的相關信息，如車輛周圍的情況、相關警告信號、交通燈等。同時，由主控計算機控制，配合車輛相關部件完成車輛的駕駛或其他動作，在主控計算機及其系統的幫助下，完成對采集信息的處理和處理，規劃車輛相應的行駛路徑，并在某些緊急情況下進行評估。這些信息主要通過最敏感的傳感器收集，如高清攝像頭和激光雷達;處理過程依賴于主控計算機和相應的自動導航系統，如車輛傳感器融合系統、環視系統和傳感器泊車輔助系統。信息的輸出可直接控制制動器、油門、發動機轉速調節、輪胎轉向等。目前，自動駕駛汽車的分類分為五個階段，其主要處于第三這一發展階段。

然而，由于單個傳感器的特點和局限性，我們必須將不同的傳感器應用到車輛的智能駕駛系統中，并使用不同的手段和方法進行測量。例如，ark算法和Clark算法是一種計算方法，專門用于計算車輛和障礙物的位置以及車輛和道路的當前狀態。算法中的主要信息來自雷達和攝像機檢測信息。clark 的探測和計算主要包括兩部分：一是利用多融合技術識別障礙物;然后使用道路檢測和偵察算法對信息進行充分處理，提高了信息的識別率。但是，clark 算法的一個局限性是，在整個實際應用過程中，此算法測量的最小寬度約為道路寬度的一半。因此，由于等待我們的障礙物相對較小，此方法無法廣泛使用。

下面將主從攝像頭雷達，激光雷達，毫米波雷達方面來介紹：

（一）攝像頭雷達

從目前研發的激光雷達或攝像雷達來看，其主要問題是如何識別物體。要想擁有與人腦相同的思維能力，汽車必須能夠直觀地識別道路緊急情況。大陸集團在2018 CES Asia展上推出了第五代視覺平臺的計算機以及第五代攝像頭，利用人工智能技術預測和評估可能的道路狀況，以提高車輛的環境感知能力、駕駛路線規劃能力和汽車控制能力，推動自動駕駛的實施。

如果車輛想要擁有與人類相同的思考能力，它們不僅必須直觀地識別道路狀況，還應該預測各種可能的交通行為。人工智能是推動自動駕駛研發進程的必要手段。人工智能是實現真正自動駕駛的必要手段。智能干預使車輛能夠更準確的預測周圍的環境。2018年，大陸集團在CES Asia 2018發布了第五代MFC 500攝像頭。在上一代攝影技術的基礎上，攝像頭添加了一個深度學習算法，以提高車輛環境感知、駕駛路徑規劃和運動控制能力。

傳統的基于規則算法的自動駕駛系統可以判斷行人是否對駕駛安全構成威脅。只有當行人出現在車道上時，他們才會做出緊急反應。人工智能算法可以提前檢測出行人的意圖。作為一名經驗豐富的老飛行員，該人工智能系統的關鍵在于其學習能力。該系統從雷達和攝像機信號中獲取真實駕駛條件下的環境信息，然后軟件對這些數據進行分析，以獲得學習和使用該系統的不同執行策略。

（二）激光雷達

激光光度傳感器：利用先進的激光掃描技術檢測物體內部光度的光學傳感器。它由電子激光儀器組成，激光測量探測器和其他激光控制電路構成。激光遙控傳感器是一種新型的遠程自動測量儀器。其主要技術優勢之一是，它可以輕松直接地在線實施自動控制測量，而無需意外接觸傳感器具有速度快，精度高，，測量量大，抗光電干擾能力強的特點，適合內部機器人Slam應用，提供360度掃描場和5.5hz/10hz的旋轉頻率，確保8個測距儀的距離，是機器人消費者和硬件愛好者等成本敏感領域的理想傳感器。Rplidar A2運行速度非常快，每秒超過4000個樣本。Rplidar A1支持2000個樣本。一次必須掃描360個樣本才能達到10Hz的掃描頻率。用戶可以通過檢查掃描引擎速度自由定制從2Hz到10Hz的掃描頻率。Rpliar將適應速度掃描。目前，Rpliar A2以每秒4000多個樣本的速度測量高速距離，Rpliar A1支持從2000到10Hz的樣本。一次必須掃描360個樣本才能達到10Hz的掃描頻率。用戶可以通過檢查掃描引擎速度自由定制從2Hz到10Hz的掃描頻率。RPLIDAR 將適應現在的掃描速度。

（三）毫米波雷達

20世紀40年代，毫米波雷達開始研發。它的第一個應用是海上導航。由于其低功率和傳輸損耗，其發展非常有限。德國AEG Telefunken和Bosch公司已開始注資研究將毫米波車輛應用于防撞的技術。由于成本高，沒有后續行動。直到80年代末，歐洲才開始實施“高效和安全的歐洲交通計劃”重新啟動了毫米波雷達研究項目。毫米波雷達在我國的研究和發展日益增多。傳統的24GHz毫米波雷達已被多家國家公司成功研制，并逐步形成市場化產品。

雷達式火控傳感器由火控超聲波和毫米波雷達兩個大部分結合組成，二者的整體反應時間表以及其它的整體操作準確性均值都要遠遠明顯高于火控攝像頭，而超聲毫米波火控雷達則已經能夠把其與方向盤的誤差直接控制在2度以內。它雖然能夠很好地自動適應各種極端的惡劣氣候天氣并且所達到要求的天氣探測持續時間不會很長，只是由于它的價格過高。目前這些內置傳感器的各種多樣化功能組合己經逐漸發展成為自動無人駕駛汽車系統的重要標準。各個不同類型的光傳感器之間的應用優缺點并不相同，可以與之形成很好的交叉應用互補，在不同的應用情況下都能發揮自己的獨特長處。

四.總結與展望：

雖然多傳感器融合技術已經得到了廣泛的應用，但仍然存在傳感器生成信息的異構性、多態性、完整性和不確定性以及數據干擾等問題。在這個階段，毫米波測試沒有統一的國際測試標準。雖然一些項目總體上取得了進展，但仍需進一步開發和完善。許多現有系統僅適用于室內或室外環境，交通規劃是理想的。但是，在現實生活中，復雜的交通環境和駕駛員行為的不確定性使自動駕駛充滿挑戰。

五.結束語：

多傳感器信息融合已廣泛應用于集成電路技術、軍事信號處理、醫學、氣象、農業科學等各領域，但也引起了軍事以及民用部門的重視，多傳感器融合技術的應用不僅提高了置信率和分辨率，也增加了系統的魯棒性和容錯性。將信息融合到多個傳感器已成為信息科學發展的一個必然階段。隨著科學和現代技術的不斷進步，多傳感器融合技術有朝一日將擴展到更大的領域，并在重大項目中廣泛應用，以進一步推動科學技術和社會的發展。

參考文獻：

[1]宮天丞.綜述自動駕駛發展與組成情況[J].通訊世界，2018（11）：293-294.

[2]崔碩，姜洪亮，戎輝，王文揚.多傳感器信息融合技術綜述[J].汽車電器，2018（09）：41-43.

[3]王遠桂，何歡.人工智能2.0給自動駕駛發展帶來的影響[J].現代電信科技，2017，47（4）：20～24.

[4]王禹，吳石峰，陶恂.自動駕駛中多傳感器信息融合技術的研究[J].福建電腦，2019，35（01）：110-112.

[5]朱敏慧.人工智能推進自動駕駛研發進程[J].汽車與配件，2018（20）：38-39.

[6]祝彬.國外毫米波雷達制導技術的發展狀況[J].中國 航天，2007（1）： 40-43.

[7]宋瑞，陳艷梅，張志國.車載毫米波雷達測試現狀分析[J].汽車與配件，2020（07）：68-71.

[8]郭蓬，郭劍銳，戎輝，唐風敏，王文揚，王夢丹.毫米波雷達研究現狀及其測試項目[J].汽車電器，2018（10）：33-35.

基金項目：

2020年江蘇省大學生創新創業訓練計劃項目“自動駕駛汽車多傳感器信息融合系統研究”，項目編號：X20200419

作者簡介：

李璠（1999—），女，漢族，甘肅天水人，揚州大學本科在讀，電子信息工程專業