自主驾驶系统结构和关键技术研究综述.docVIP

自主驾驶系统结构和关键技术研究综述 　　摘要：随着汽车的普及，汽车在方便人们的同时也带来了一些问题，如交通安全、城市交通堵塞等问题。随着科技的发展，自主驾驶离我们越来越近，自主驾驶不仅可以有效地降低道路交通安全风险，还可以为人类节省更多的精力。该文通过介绍无人驾驶的框架主要包括环境感知，信息处理与决策控制以及执行方面。然后叙述了无人驾驶的关键技术为环境感知、导航定位、路径规划、决策控制等，以及所面临的主要挑战。 　　关键词：无人驾驶；环境感知；导航定位；路径规划；决策控制 　　中图分类号：TP393 文献标识码：A 文章编号：1009-3044（2018）10-0186-03 　　随着汽车的普及，汽车方便人们的同时也带来了一些问题，如交通安全、城市交通堵塞等。据国家统计局统计[1]，2011年到2016年间每年因交通事故而带来的直接财产损失均超过10亿元，事故发生数在18万以上，事故死亡人数也均不低于5万8千人。随着科技的发展，自主驾驶离我们越来越近，自主驾驶不仅可以有效地降低道路交通安全风险，还可以为人类节省更多的精力。先进辅助驾驶系统（ADAS）是一种用来辅助驾驶员对驾驶情况以及路面安全感知的辅助驾驶系统[2]。该系统通过向驾驶员提供必要信息、警告以及自动控制来降低发生交通事故的可能性，每年拯救成千上百万的生命。自适应巡航控制系统（ACC）通过自主安全巡航驾驶，将驾驶员从人工操作的重复无聊任务中解放出来。同时，车辆的智能化也可以有效地解决交通拥堵问题，极大地提高交通的运行效率。以自主驾驶汽车为重要组成部分的智能交通系统（ITS）致力于提供不同交通运输模式下的创新性服务[3]，通过将该系统与交通系统的基本设施以及车辆结合起来，可以达到缓解城市拥堵压力、提高城市交通安全性以及生产效率等目的。因此，自主驾驶研究具有十分重要的意义。 　　目前，对自主驾驶车辆的研究主要包括环境感知、规划与决策、控制等三个方面，对其中的关键技术都有一定的成果。在环境感知方面，自主车辆需要对环境及障碍物进行检测与识别，由于道路环境复杂、障碍物种类繁多，且无人车系统的安全性对障碍物检测可靠性、稳定性要求相当高，这就给自主驾驶的环境感知方面带来了挑战[4]。规划与决策方面，在综合的道路环境下，由于驾驶场景的复杂多变、交通参与者行为的难以预测以及人们对于行车安全性、高效性和舒适性要求的提高，现有的行为决策与运动规划方法已经无法给出一个合理的解决方案[5]。控制方面，在未知路况条件下的实时高精度?迹跟踪自适应控制一直是研究的重点和难点[6]。对上述问题的研究，有助于进一步推动自主驾驶的发展。 　　1 无人驾驶的体系结构 　　基于自动驾驶研究的几个方面以及对目前自主驾驶方面的研究，可知目前自主驾驶的体系结构如图所示： 　　图中表示的是一个完整的自主驾驶系统的结构图，它包括相机、激光雷达、GPS等传感器对环境的感知，通过对感知的环境数据进行处理来使车辆作出决策，然后通过控制系统执行自主驾驶。这种通过感知-决策-控制的框架普遍令人接受，但也有另外一种观点，直接端到端的实现无人驾驶。 　　此外，中国无人驾驶的领军人李德义院士提出了另外一种自主驾驶体系方式――类人驾驶大脑技术架构，如下图所示，他以人工智能中方式，通过人脑对环境的认知、学习、处理、决策等方式来最终实现无人驾驶。 　　从上述无人驾驶的架构中可以看出，不论哪种方案的研究都主要包括这几个部分： 　　1） 环境感知方面：通过激光雷达、摄像头、GPS、惯导等各类传感器来采集环境的信息； 　　2） 信息处理与决策方面：通过对传感器采集的数据进行处理、分析，采用不同的策略算法进行对机器人作出决策； 　　3） 控制方面：对决策的好与坏最直接的表现为是否能安全的完成无人驾驶任务，这需要对汽车各部分的功能进行执行，实现控制汽车完成目标。 　　2 关键技术 　　无人驾驶技术是传感器、计算机、人工智能、通信、导航定位、模式识别、机器视觉、智能控制等多门前沿学科的综合体。按照无人驾驶汽车的职能模块，无人驾驶汽车的关键技术包括环境感知、导航定位、路径规划、决策控制等。 　　2.1环境感知技术 　　与人类认知世界的方式相似，环境感知模块相当于无人驾驶汽车的眼和耳，无人驾驶汽车通过环境感知模块来辨别自身及周围的环境信息。更为后续的行为决策提供信息支持。环境感知包括获取无人驾驶汽车自身位姿信息和周围环境感知两部分。单一传感器只能对被测对象的某个方面或者某个特征进行测量，无法得到所有的信息。因而，必须采用多个传感器的方式同时对某个被测对象的一个或者几个特征量进行测量，将所测得的数据经过数据融合处理后[7]，提取出可信度较高的信息。 　　按照环境感知系统测量对象的不同，通常包括以下两种方式进行检测：无人驾