自动驾驶技术,是一种通过车载电脑系统实现无人驾驶的智能汽车系统,又称无人驾驶汽车、电脑驾驶汽车、轮式移动机器人。
自动驾驶的关键技术可以概述为三个部分:感知(Perception),规划(Planning)和控制(Control)。下面小编对自动驾驶技术基础知识及实用技术进行介绍,仅供参考。
感知是环境信息和车内信息的采集与处理。为了确保无人车对环境的理解和把握,无人驾驶系统的环境感知部分通常需要获取周围环境的大量信息。
感知系统,代替驾驶人的感知,获取周围的环境信息。即用摄像头(眼睛)看前面的路,还在用雷达(耳朵)听车周围(前、后、左右)的车、人及实物,用信息识别单元(大脑)在分析、判断。具体来说包括:障碍物的位置,速度以及可能的行为,可行驶的区域,交通规则等等。
利用传感器实现车辆感知是自动驾驶的基础。无人车通常是通过融合激光雷达(Lidar),相机(Camera),毫米波雷达(Millimeter Wave Radar)等多种传感器的数据来获取这些信息。深度摄像头和雷达,相当人的眼睛和耳朵,其主要功能是车辆收集周围的“实时信息”,为无人驾驶车辆提供完整、准确的环境数据,常用的传感设备包括:
-
深度摄像头;
-
激光雷达(LiDAR);
-
毫米波雷达;
-
导航系统。
车载摄像头对于智能驾驶是必不可少设备,主要应用于:车道偏离预警(LDW)、车道保持辅助(LKA)、前向碰撞预警(FCW) 行人碰撞预警(PCW)、全景泊车(SVP)、驾驶员疲劳预警、交通标志识别(TSR)。
毫米波雷达的原理和激光雷达类似,但它发射的是无线电波,而不是激光。毫米波雷达有较大的波长可以穿透雾、烟、灰尘等,激光雷达难以穿透的障碍,较好免疫恶劣天气;同厘米波导引头相比,毫米波导引头具有体积小、质量轻和空间分辨率高的特点;与红外、激光等光学导引头相比,毫米波导引头穿透雾、烟、灰尘的能力强,传输距离远,具有全天候全天时的特点;毫米波雷达,性能稳定,不受目标物体形状、颜色等干扰。能很好的弥补了如红外、激光、超声波、 摄像头等其他传感器在车载应用中所不具备的使用场景。这些特性使得毫米波雷达能够监测到大范围内车辆的运行情况,同时对于前方车辆的速度、加速度、距离等信息的探测也更加精准。
毫米波雷达的探测距离一般在150m-250m之间,有的高性能毫米波雷达探测距离甚至能达到300m,可以满足汽车在高速运动时探测较大范围的需求。
毫米波雷达应用于自动驾驶车的防撞系统,其基本原理:车载毫米波雷达利用电磁波发射后遇到障碍物反射的回波对其不断检测,计算出与前方或后方障碍物的相对速度和距离。
激光雷达,即利用激光来进行探测和测量。其原理是向周围发射脉冲激光,遇到物体后反射回来,通过来回的时间差,计算出距离,从而对周围环境建立起三维模型。激光雷达一般安装在车顶, 可以高速旋转,主要功能:
融合以上多种传感器庞大丰富的数据信息,在一定的准则下加以自动分析和综合,以完成所需要的决策和估计而进行的信息处理。其基本原理就像人的大脑综合处理信息的过程一样,将各种传感器进行多层次、多空间的信息互补和优化组合处理,最终产生对观测环境的一致性解释。
信息融合的最终目标则是基于各传感器获得的分离观测信息,通过对信息多级别、多方面组合导出更多有用信息。这不仅是利用了多个传感器相互协同操作的优势,而且也综合处理了其它信息源的数据来提高整个传感器系统的智能化。
-
信息的冗余性:对于环境的某个特征,可以通过多个传感器(或者单个传感器的多个不同时刻)得到它的多份信息,这些信息是冗余的,并且具有不同的可靠性,通过融合处理,可以从中提取出更加准确和可靠的信息。
-
信息的互补性:不同种类的传感器可以为系统提供不同性质的信息,这些信息所描述的对象是不同的环境特征,它们彼此之间具有互补性。
-
信息处理的及时性:传感器实时的采集周围信息。
-
实现功能的低成本性:多个传感器可以花费更少的代价来得到相当于单传感器所能得到的功能信息。另一方面,如果不将单个传感器所提供的信息用来实现其他功能,单个传感器的成本和多传感器的成本之和是相当的。
多传感器融合建立高精地图。融合激光雷达、相机和毫米波雷达等多种传感器,通过卡尔曼滤波、扩展卡尔曼滤波等融合算法以及激光雷达、相机的坐标转换算法(激光雷达—相机联合标定),建立高精地图。
不仅提升车端感知性能、拓展自动驾驶新功能、动态建图等相关应用。
1)地图匹配。高精地图有着更多维度的数据,比如道路形状、坡度、曲率、航向、横坡角等。通过更高维数的数据结合高效率的匹配算法,高精度地图能够实现更高尺度的定位与匹配。
2)辅助环境感知。对传感器无法探测的部分进行补充,进行实时状况的监测及外部信息的反馈 :传感器作为无人驾驶的眼睛,有其局限所在,如易受恶劣天气的影响,此时可以使用高精度地图来获取当前位置精准的交通状况。
3)路径规划。对于提前规划好的最优路径,由于实时更新的交通信息,最优路径可能也在随时会发生变化。此时高精度地图在云计算的辅助下,能有效地为无人车提供最新的路况,帮助无人车重新制定最优路径。
把自动驾驶汽车上传感器感知到的环境信息与高精地图对比,得到车辆在地图中的精确位置。高精度地图起到了高精定位、辅助环境感知、规划与决策等功能。
自动驾驶通过人工智能算法决策做出车道及路径规划,给制动、转向、加速等控制器下达指令,控制车辆开往目的地。
自动驾驶决策系统分为任务规划、行为规划、动作规划三个部分。决策层主要负责路线规划和实时导航。规划和实时导航不仅高精地图,还要V2X通信网络技术的支持。无人车为了某一目标而作出一些有目的性的决策过程。这个目标通常是指从出发地到达目的地,同时避免障碍物,并且不断优化驾驶轨迹和行为以保证乘客的安全舒适。
任务规划通常也被称为路径规划或者路由规划(Route Planning),其负责相对顶层的路径规划,例如起点到终点的路径选择。
行为规划,行为规划行为规划有时也被称为决策制定(Decision Maker),主要的任务是按照任务规划的目标和当前的局部情况(其他的车辆和行人的位置和行为,当前的交通规则等),作出下一步无人车应该执行的决策。可以把这一层理解为车辆的副驾驶,他依据目标和当前的交通情况指挥驾驶员是跟车还是超车,是停车等行人通过还是绕过行人等等。
执行系统也是底层控制系统,负责执行汽车的刹车、加速、转向的具体操作。工程师们通过特制的“线控装置”控制方向盘和油门,取代人类司机的手和脚。
系统在做出决策后,按照决策结果对车辆进行控制。车辆的各个操控系统都需要能够通过总线与决策系统相连接,并能够按照决策系统发出的总线指令精确地控制加速程度、制动程度、转向幅度、灯光控制等驾驶动作,以实现车辆的自主驾驶。
线控是机电控制的一种物理控制方式。线控系统是用电控系统替代机械系统或者液压系统。主要是指信号发生器与信号接收器之间的连接方式是通过线缆或其他动作传到物体进行连接的。
简单地说,自动驾驶汽车的线控执行,主要包括线控转向、油门和制动。最难的部分是线控执行中的制动。
V2X 是指车对外界的信息交换,是一系列车载通讯技术的总称。V2X包含汽车对汽车V2V)、汽车对路侧设备(V2R)、汽车对基础设施(V2I)、汽车对行人(V2P)、汽车对机车(V2M)及汽车对公交车(V2T)等六大类。
(a) 基于网络的通讯模式,即车对网络V2N(车对网络),比如通过互联网通信;
(b)直接通讯模式,涵盖了车对车V2V(车对车)、车对基础设施V2I(车对基础设施)以及车对人V2P(车对人),比如通过5G 通信,射频识别技术(英文:Radio Frequency IDentification,缩写:RFID)是一种无线通信技术,见图21)。
简单的来说,V2V是一种比较自动驾驶更高级的技术。自动驾驶可以实现自动跟车,可以探测前方200米左右交通情况,并作相应的汽车辅助动作,如自动驾速度,自动刹车,但是它无法遇见前方的前方车什么状态,是不是出了意外,这些要求有V2V的技术支持。
自动驾驶的关键技术可概述为感知、规划与控制三部分。其中车辆配备的传感器主要可以分为三类:定位传感器、自感应传感器和环境传感器。定位传感器可以获得车辆在全球和本地的绝对定位,通常是利用GPS或GPS融合其他传感器数据进行定位;自感应传感器利用里程计、IMU等获取车辆速度、加速度和转向角等当前状态;环境传感器使用激光、视觉等外部感知传感器感知道路标记、障碍物位置、交通标志和其他车辆距离、运动速度等信息。不同传感器融合后进行决策,进而控制车辆执行自动驾驶行为。