智能網聯汽車傳感器檢測與定位技術

陳林　劉福華　斯興瑤　王文慧

摘 要：智能網聯汽車駕駛系統存在非線性、時變特性和不確定性等問題，無法滿足不同工況下的控制需求。傳感器感知與定位作為無人駕駛汽車核心技術，通過車輛的環境感知與定位使得無人車沿著目標軌跡行駛。首先，進行智能網聯汽車傳感器檢測與安裝，并記錄毫米波雷達數據；然后對組合導航安裝測量，采集定位地圖，包括組合導航定位模式和融合定位導航；最后進行自動駕駛實驗，利用聯合仿真平臺進行智能網聯汽車控制研究，考察環境感知與定位技術效果。結果表明，優化智能網聯汽車系統提升了可靠的控制性能。

關鍵詞：智能網聯汽車 定位技術 傳感器檢測 檢測與安裝

1 智能網聯汽車背景分析

汽車的保有量逐年增加，導致了交通事故、交通擁擠、環境污染等問題[1]。另外，駕駛員的狀態決定了汽車的行駛狀態，技術成熟的無人駕駛系統比參差不齊的駕駛員技術更加可靠[2]。智能網聯汽車環境檢測技術是無人駕駛汽車關鍵技術之一，其性能的好壞直接影響到智能網聯汽車對規劃感知與規劃的效果。由于汽車自身的強耦合、非線性、時變性等動力學特征，加上多變的行駛工況，因此，想要使無人駕駛汽車具有較好的感知與定位性能仍面臨不小的挑戰。增加傳感器的方法能協調控制需求，一些關鍵技術還需要進行探索和研究[3]。

傳感器感知與定位研究現狀各個機構的進度和關注的技術點不盡相同，基本的智能網聯汽車環境感知與定位技術是相似的，路徑規劃主要包括四個方面的能力：感知部分、規劃部分、處理部分和執行部分[4]。在智能網聯汽車中，多傳感器融合，各種電器設備和執行機構共同組成了自動駕駛技術，由傳感器感知的環境的傳感器進行處理，轉化為執行命令，實現智能網聯汽車自動駕駛。除了汽車企業，部分互聯網企業也對智能網聯汽車駕駛技術進行了深入布局[5][6]。

環境檢測的準確度直接影響智能網聯汽車的可靠性。從智能網聯汽車環境感知的準確性、實時性、穩定性以及易實現性等方面進行研究，安裝雷達傳感器和組合導航，采集定位地圖，搭建出一種適合的智能網聯汽車環境感知與定位聯合仿真平臺。在此基礎上，利用聯合仿真平臺進行無人駕駛汽車環境感知與定位技術研究，以全面考察環境感知和定位效果。通過對國汽（北京）智聯的智能網聯汽車平臺搭建，帶動無人駕駛汽車環境感知與定位技術研究[7]。

2 智能網聯汽車傳感器檢測安裝

安裝智能網聯傳感器是為了獲取汽車環境及定位等信息，是環境感知融合和決策控制系統提供信號輸入的器件或裝置，主要包含激光雷達、毫米波雷達、視覺攝像頭、超聲波雷達、組合導航等。

2.1 毫米波雷達裝調

在裝調傳感器之前，需要熟悉電路圖和裝配圖，正確選擇元器件和識別安裝位置，正確理解傳感器裝配要求。

智能網聯汽車傳感器裝調時，在智能化器件品質檢測工位，并按正確的工藝進行裝配，安裝品質檢測篩選合格的毫米波雷達。

首先用萬用表檢測確認電池電壓為12V；然后把毫米波雷達CAN分析儀與電腦的USB接口鏈接，最后在整車上正確完成傳感器電路與信號傳輸的調試。在上位機顯示屏上出現數據和點跡，表示雷達檢測正常，反之則需要重新檢查。

2.2 毫米波雷達安裝

把毫米波雷達編號為1、3、5、7的雷達，1號雷達安裝角度為水平40度即可。毫米波雷達具體安裝步驟，以3號毫米波角雷達為例。毫米波雷達安裝位置如圖1所示。

首先使用內六角扳手將毫米波雷達安裝到毫米波雷達支架上，然后進行螺絲緊固，最后將毫米波雷達線束插上，每個毫米波雷達有固定的位號，需將安裝位置做好標記，使用紅色油漆筆在毫米波雷達支架上標記“豎線”。

2.3 毫米波雷達數據檢測

毫米波雷達是工作在毫米波波段探測的雷達，頻段一般為 30 GHz ～ 300 GHz，波長 1～10mm，介于微波和厘米波之間，兼具有微波雷達和光電雷達的一些優點。車載毫米波雷達分配的頻段各有不同，主要集中在24GHz和77GHz。

在電磁頻譜中，毫米波長被視為短波長，是它在道路探測中的優勢。毫米波雷達的波形具體如圖2所示。毫米波雷達相比超聲波雷達具有體積小、易集成和空間分辨率高的特點，極小的系統組件就能處理毫米波信號。短波長優勢是高準確度，77GHz左右的毫米波系統能夠檢測零點幾毫米的移動，有利于提高環境感知的準確率。

毫米波雷達利用高頻電路產生特定調制頻率（FMCW）的電磁波，同時對多個目標進行測距、測速以及方位角測量；通過計算返回接收天線的雷達波的頻率變化計算目標相對于雷達的運動速度和飛行時間，得出目標物距離；方位測量通過天線的陣列收到同一目標反射的雷達波的相位差計算得到目標的水平方位角和垂直方位角。

調頻連續波雷達發射功率低，尺寸小，成本低廉，測量目標距離和速度的性能與周圍環境的光照情況無關，不用輔助光源提供照明。能夠通過點云測出周邊環境的情況，包含 2D/3D 位置、反射率和徑向相對速度，進一步提升智能網聯汽車的可靠性和安全性。

雷達數據集在城市環境中采集了多段數據，使用的雷達是Navtech開發的一款 76Ghz～77Ghz毫米波雷達，用窄波束進行機械掃描，波束寬度1.8°，每次間隔0.9°，即每旋轉一圈獲得400個角度向測量。機械旋轉速度約4Hz，距離分辨率4.32cm，最大測距163m。

安裝了毫米波雷達后，無論天氣和周圍的光照條件如何，雷達都能夠可靠、準確地探測和定位障礙物。智能網聯汽車傳感器檢測與定位更精準，能進一步提升安全性和舒適性。

3 組合導航

3.1 組合導航組件測量

組合導航在出廠時已安裝完畢，需測量并記錄其安裝數據。組合導航組件分為組合導航和定位天線，具體如圖3和圖4所示。

以汽車兩后輪中心軸，后輪間距中點為原點，建立x、y、z三維坐標系，車頭方向為y軸正半軸，右側為x軸正半軸，上方為z軸的正半軸，記錄組合導航與定位天線的安裝位置坐標。其中汽車共有兩個定位天線，只需記錄后面的定位天線，測出天線底座坐標值。

組合導航與后定位天線的安裝在后車輪距的正上方，組合導航的安裝坐標與后定位天線的安裝坐標值的x、y軸均為0，測量兩者與地面的距離后，再減去車輪半徑，得到z軸坐標。

4 定位地圖

智能網聯汽車的定位模式也分為兩種，一種為組合導航定位模式，一種為融合定位模式。

4.1 特定地圖的定位

當智能網聯汽車在具有特定地圖的環境中運動時，可以使用地圖模板匹配。

使用毫米波雷達和圖像識別傳感器來感知環境，然后將感知結果與預存地圖進行比較；若匹配成功，則可獲得移動設備在具體環境中的位置與方向。模板地圖需要提前采集，用于室外環境時，通常會與GPS一起使用，以確定設備的路面所在位置。

4.2 地標導航定位

地標導航地標技術用于已知環境下的導航。自然界特定的目標物和人工地標可以被檢測識別到。地標導航具備一個保存特征與精確地理位置的數據庫。

人工地標是為定位和導航而添加到環境中的物體，自然地標已經存在于環境中。每個地標有一個固定的位置。車輛裝備有特征和位置的數據庫。車輛能夠從傳感器輸入可靠地識別地標，并以確定其自身位置的方式處理數據。

4.3 全球衛星導航定位

全球衛星導航用于室外導航，如：美國GPS導航、中國北斗衛星定位導航系統。

通過三邊測量，地面接收機可以利用衛星信號的運行時間和當前位置信息來計算位置。接收機與衛星的確切距離已知時，可計算接收機的緯度、經度和高度，其中3個是理論上的最小距離，4個可以校正接收機的時鐘偏差。只要有足夠的衛星覆蓋，GPS可為戶外導航提供了良好的絕對定位。

4.4 組合導航定位

組合導航使用兩種及兩種以上的定位方法，以獲得智能網聯汽車更可靠的定位信息。

全球定位系統GPS接收器只需三顆衛星的距離，就可利用三邊測量原理計算三維位置，用第四顆衛星來估計接收機時鐘的偏移量。但GPS系統可能會出現信號阻塞、多徑效應和信號中斷等問題。為提供更精確的實時定位信息，GPS需要與其他具有互補特性的系統集成，以滿足GPS問題情況下的導航定位。

組合導航系統可獲得更高精度的位置與速度，可以得到更準確的姿態信息，具有較高的數據輸出頻率能解決GPS信號阻塞時的導航問題，進一步提升智能網聯汽車可靠性。

5 自動駕駛測試實驗

安裝好了毫米波雷達并進行裝調檢測，安裝組合導航，對定位地圖的數據進行采集，準備完畢后，進行智能網聯汽車自動駕駛實驗。打開車輛調為N擋位，儀表板為READY，具體如圖5所示。

在導航地圖中設置目標點，查看座艙域網絡連接下劃mp5顯示屏，點擊WIFI連接，大概三分鐘后，WIFI連接成功，等待WIFI連接成功后，點擊cicv map圖標，點擊刷新地圖，具體見圖6中紅框圖標。

在地圖上選取終點，按住車輛所行駛的車道，選取行駛終點，長按回彈出提示對話框，詢問是否選擇該點為終點。只能選取車輛所在車道作為行駛的中點，點擊“確定”按鈕，等待全局路徑規劃成功。具體如圖7所示。

進入自動駕駛模式，首先松開剎車，然后抬起“P”按鈕，待顯示屏P檔解除，按“A”按鈕，進入自動駕駛模式，最后通過命令行登錄兩個控制器，啟動智能化程序，開啟融合定位、融合感知、決策規劃、控制執行等，進行路徑規劃。在默認情況下，程序會在控制器上電時自啟動，無需手動啟動。智能網聯汽車自動駕駛實驗經過上述的測試，能夠滿足路徑規劃需求。

6 總結

對智能網聯汽車傳感器檢測與定位技術研究，通過智能網聯汽車傳感器檢測與安裝，數據記錄，組合導航安裝測量，定位地圖采集，進行自動駕駛實驗，進一步對智能網聯汽車環境感知與定位技術研究，進一步提高智能化水平。

項目來源：院級科研項目（y b z y sc 2 0-62），宜賓職業技術學院科技創新團隊（y b z y 2 0 c x t d 0 5）和平臺（ybzy20kypt04）建設計劃贊助。

參考文獻：

[1]李宇昊，趙又群.基于雙層控制策略的四輪獨立轉向無人駕駛汽車路徑跟蹤[J].江蘇大學學報（自然科學版），2022，43（04）：386-393.

[2]張維剛，張朋，韋昊，熊覺振.一種基于LTVMPC改進的無人駕駛汽車路徑跟蹤控制算法[J].湖南大學學報（自然科學版），2021，48（10）：67-73.

[3]賈長建.車聯網技術視域下無人駕駛新能源汽車路徑跟蹤控制系統設計[J].工業加熱，2020，49（12）：47-49+52.

[4]吳小龍，夏甫根，陳靜，徐佳.基于能量最優的無人駕駛汽車路徑跟蹤控制[J].系統仿真學報，2022，34（01）：163-169.

[5]張家旭，周時瑩，施正堂，趙健，朱冰.采用滑模條件積分的無人駕駛汽車彎道超車路徑規劃與跟蹤控制[J].控制理論與應用，2021，38（02）：197-205.

[6]張飛鐵，奉山森，黃晶.無人駕駛汽車路徑跟蹤控制研究[J].計算機仿真，2019，36（06）：175-178+407.

[7]郭應時，蔣拯民，白艷，唐杰幀.無人駕駛汽車路徑跟蹤控制方法擬人程度研究[J].中國公路學報，2018，31（08）：189-196.