摘要：目前，汽車智能化、電子化以及網(wǎng)聯(lián)化發(fā)展趨勢明顯，無人駕駛是未來汽車發(fā)展的重要方向。諸如BBA、特斯拉、谷歌、百度、蘋果等公司，無論是傳統(tǒng)車企、新造車勢力還是互聯(lián)網(wǎng)大佬，都在加大在無人駕駛領(lǐng)域的投入。大部分車企都預(yù)計(jì)能在2020年前完全實(shí)現(xiàn)L3級別的半自動駕駛技術(shù)，到2025年實(shí)現(xiàn)L5級別的全自動駕駛技術(shù)。那么現(xiàn)在無人駕駛的關(guān)鍵技術(shù)究竟如何呢。

目前，無人駕駛汽車中應(yīng)用的關(guān)鍵技術(shù)主要在環(huán)境感知、決策與規(guī)劃、控制與執(zhí)行等三個(gè)關(guān)鍵技術(shù)環(huán)節(jié)。其中環(huán)境感知環(huán)節(jié)多借助于傳感器、精準(zhǔn)定位、高精地圖與V2X系統(tǒng)來實(shí)現(xiàn)。

圖1 無人駕駛汽車中的三個(gè)關(guān)鍵技術(shù)環(huán)節(jié)

環(huán)境感知采用多感融合技術(shù)

環(huán)境感知傳感技術(shù)可以理解成汽車?yán)枚喾N傳感器對車身周圍的動態(tài)和靜態(tài)對象進(jìn)行3D重構(gòu)。目前，環(huán)境感知技術(shù)有兩種技術(shù)路線，一種是以特斯拉為代表的以攝像機(jī)為主導(dǎo)的多傳感器融合方案;另一種是以谷歌、百度為代表的以激光雷達(dá)為主導(dǎo)，其他傳感器為輔助的技術(shù)方案。

攝像頭方案技術(shù)比較成熟、成本低，但獲取外界三維信息較難，一般多采用多目攝像頭;另一個(gè)缺點(diǎn)是攝像頭受環(huán)境光影響比較大，易產(chǎn)生盲區(qū)。激光雷達(dá)的優(yōu)點(diǎn)在于，其探測距離較遠(yuǎn)，而且能夠準(zhǔn)確獲取物體的三維信息;另外它的穩(wěn)定性相當(dāng)高，魯棒性好。但缺點(diǎn)是激光雷達(dá)成本過高、不易量產(chǎn)，如谷歌Waymo無人車裝載6-8個(gè)16線旋轉(zhuǎn)機(jī)械式激光雷達(dá)，單價(jià)在7500美元左右，最新的16線相控陣固態(tài)激光雷達(dá)被認(rèn)為是替代機(jī)械式激光雷達(dá)的關(guān)鍵技術(shù);另外激光雷達(dá)波長短，易受天氣影響，在多霧、多雨的情況下，精確度大大降低。精確定位技術(shù)是讓汽車感知自己所在的物理位置，這就涉及慣性導(dǎo)航系統(tǒng)(IMU)、輪速編碼器與航跡推算、衛(wèi)星導(dǎo)航系統(tǒng)(GPS、Glonass、北斗等)以及SLAM自主導(dǎo)航系統(tǒng)，現(xiàn)在的無人車多采用慣導(dǎo)+GPS的組合方式。同時(shí)為了更好的規(guī)避潛在風(fēng)險(xiǎn)，幫助車輛預(yù)知路面復(fù)雜信息，如坡度、曲率、航向等，無人駕駛往往需要結(jié)合實(shí)時(shí)的高精地圖，而這種實(shí)時(shí)性在4G時(shí)代傳輸速率并不能達(dá)到，在5G時(shí)代就可以通過車聯(lián)網(wǎng)(V2X系統(tǒng))來實(shí)現(xiàn)。

目前谷歌的無人車Waymo采用的是5個(gè)激光雷達(dá)+4個(gè)毫米波雷達(dá)+360度全景攝像頭+GPS、IMU導(dǎo)航，百度無人車采用的是頂部64線激光雷達(dá)+3個(gè)環(huán)繞16線激光雷達(dá)方案，而特斯拉似乎對激光雷達(dá)深惡痛絕，因此一直使用的是8個(gè)攝像頭+1個(gè)毫米波雷達(dá)+12個(gè)超聲波雷達(dá)的方案。

自主決策與規(guī)劃是核心技術(shù)

自動駕駛汽車的行為決策與路徑規(guī)劃是指依據(jù)環(huán)境感知和導(dǎo)航子系統(tǒng)素材信息，根據(jù)給定的起始點(diǎn)和和終點(diǎn)，通過一些特定的算法(卷積神經(jīng)網(wǎng)絡(luò)、深度學(xué)習(xí))及約束規(guī)則如無碰撞、安全到達(dá)終點(diǎn)等，規(guī)劃處兩點(diǎn)間多雨可選安全路徑，并在這些路徑中選取一條最優(yōu)的路徑作為車輛行駛軌跡。

決策系統(tǒng)分為兩種：基于規(guī)則和基于深度學(xué)習(xí)的決策技術(shù)。基于專家規(guī)則的行為決策系統(tǒng)算法邏輯清晰、穩(wěn)定性強(qiáng)、便于建模，但對復(fù)雜工況處理及算法性能的提升存在瓶頸。基于學(xué)習(xí)算法的行為決策系統(tǒng)具備自學(xué)性能、便于系統(tǒng)優(yōu)化及模型訓(xùn)練提升，但模型修正難度大、學(xué)習(xí)效果依賴數(shù)據(jù)樣本、網(wǎng)絡(luò)結(jié)構(gòu)不合理可能導(dǎo)致過學(xué)習(xí)或欠學(xué)習(xí)等。

目前，市場上無人車決策系統(tǒng)更多的采用規(guī)則算法與學(xué)習(xí)算法結(jié)合的方式，頂層采用規(guī)則算法，根據(jù)場景進(jìn)行層級遍歷;底層采用深度學(xué)習(xí)算法，基于具體場景分模塊應(yīng)用，發(fā)揮學(xué)習(xí)算法的優(yōu)勢。

圖2 決策與規(guī)劃環(huán)節(jié)的架構(gòu)

自動控制與執(zhí)行技術(shù)

車輛控制平臺是無人車的核心部件，控制著車輛的各種控制系統(tǒng)。其主要包括電子控制單元(ECU)和通信總線兩部分。ECU又稱行車電腦，主要用來控制算法，百度無人車的“百度大腦”即是ECU組件;通信總線主要用來實(shí)現(xiàn)ECU與控制部件間的通信功能。

車輛控制系統(tǒng)可以分為縱向控制和橫向控制兩個(gè)環(huán)節(jié)。縱向控制主要通過油門和制動綜合控制的方法來實(shí)現(xiàn)對預(yù)定車速的追蹤，各種電機(jī)、發(fā)動機(jī)、傳動模型、汽車運(yùn)行模型和剎車過程模型與不同的控制算法相結(jié)合，構(gòu)成了各種各樣的縱向控制模式。橫向控制主要是電子助力轉(zhuǎn)向來完成，而其算法有兩種不同的方法來實(shí)現(xiàn)，一種是基于駕駛員模擬的方法，通過簡單的動力學(xué)模型、駕駛員操作規(guī)則或者駕駛員操作過程數(shù)據(jù)來設(shè)計(jì)控制器;另一種是基于車輛動力學(xué)模型的方法，建立精確的汽車橫向運(yùn)動模型如單軌模型等。

圖3 控制與執(zhí)行系統(tǒng)的架構(gòu)

結(jié)語

無人駕駛想要實(shí)現(xiàn)，主要依靠眼睛+大腦的組合。眼睛主要是各類傳感器，而大腦主要是AI芯片和算法，因此無人駕駛和人工智能一樣，也受益于大數(shù)據(jù)、云計(jì)算和優(yōu)秀算法。隨著人工智能技術(shù)發(fā)展的越來越快，傳感器技術(shù)、大數(shù)據(jù)、云計(jì)算及深度學(xué)習(xí)也將實(shí)現(xiàn)技術(shù)突破，相信無人駕駛技術(shù)也會迎來質(zhì)的飛躍。