浅述汽车无人驾驶技术.docVIP

浅述汽车无人驾驶技术 　　摘 要：无人驾驶系统通过计算机视觉感知外界环境，模拟人的意识、思维来实现汽车的自动行驶，主要包含一个由传感器组成的信息采集网络、高精度路况三维建模和路线规划模块、以及控制汽车行驶的控制器。信息采集网络收集汽车所处位置的周边信息，将这些信息构建出车辆周围环境的三维模型进行路况分析，再通过具有机器学习能力的控制器来规划路线和“驾驶”汽车。通过人工智能的使用，使汽车在处理驾驶路况?r贴近于人的思维，实现智能驾驶。 　　关键词：人工智能 无人驾驶 传感器 机器学习 　　中图分类号：U463 文献标识码：A 文章编号：1672-3791（2017）09（c）-0001-02 　　人工智能催生的汽车智能化技术，具有操作简单、可靠性高等优点，在如今的汽车系统中得到广泛应用。与此同时，无人驾驶的概念应运而生，得到很多业内外人士的关注和追捧。无人驾驶汽车通过雷达、监控设备与卫星导航系统、人工智能计算模块之间的相互协作，由计算机对车辆的驾驶操作进行控制，实现无人驾驶[1-2]。 　　基于高科技研究的无人驾驶汽车，携带各种各样的传感器，相当于给汽车安装了无数个“眼睛”，无论在其安全性还是可靠性方面，都极具发展潜力。近期，很多国家和地区都在进一步加快无人驾驶领域的布局。至2016年，全球无人驾驶产业市场规模已突破300亿元，无人驾驶产业正处于蓬勃发展的阶段，相关的法律法规也在不断完善。中国在《中国制造2025》中提到，到2025年，要掌握自动驾驶总体技术及各项关键技术，建立较为完善的智能网联汽车自主研发体系、生产配套体系及产业群[3]。 　　1 无人驾驶系统的组成和关键技术 　　无人驾驶系统通过雷达、计算机视觉等技术感知外界环境，通过各种传感器了解汽车本身的状态。人工智能算法模拟人的思考决策过程来实现汽车的自动行驶。一个无人驾驶系统的基本组成如图1所示。 　　无人驾驶汽车主要包含一个由传感器组成的信息采集网络、三维路况分析模块和路线规划模块、以及一个汽车行驶控制器。在典型的无人驾驶系统中，信息采集网络收集汽车所处位置的周边信息，用这些信息建立汽车所在点周围环境模型进行路况分析，再通过具有机器学习能力的控制器来规划路线和“驾驶”汽车。 　　1.1 智能传感系统 　　在无人驾驶方兴未艾的时代，作为汽车的视觉感知和外界信息的重要来源，智能传感器系统显现出越来越重要的作用。目前在无人驾驶领域对周围环境进行识别的主要由视觉传感器、激光雷达和毫米波雷达等。 　　采用视觉传感器进行导航又被称为视觉导航，车辆利用装配的摄像机拍摄道路周围环境的局部图像，通过特征识别、距离估计等图像处理技术，对汽车周边环境检测并对汽车进行定位。 　　激光雷达是无人驾驶汽车主要的动态障碍物监测传感器，它的主要特点是探测精度高、受光照影响小，直接获取的障碍物位置信息可以有效的用于动态障碍物的检测与运动状态估计。激光雷达用来描绘周围环境参数，包括线数、点密度、水平垂直视角、检测距离、扫描频率、精度等。除了位置和距离信息，激光雷达还提供被扫描物体的密度信息，后续算法据此可以判断扫描物体的反射率，再进行下一步处理。 　　毫米波雷达频率范围为30～300GHz，低频段接近厘米波段，具有厘米波全天候的特点；高频段具有红外波的高分辨能力。毫米波雷达与激光雷达探测原理相同，都是通过物体对于雷达波的反射来检测物体的形状与性质。与激光雷达相比，毫米波雷达穿透力强，技术成熟，成本低；缺点是探测距离受到频段影响，无法感知行人，对目标无法细化识别。 　　视觉传感器、激光雷达和毫米波雷达的性能对比如表1所示。在无人驾驶系统中，采用多种传感系统，给汽车周围安装多双“眼睛”，是无人驾驶汽车安全行驶的重要保障。 　　1.2 路况分析与路径规划 　　有人驾驶员可以根据路况自行判断行驶方式，在无人驾驶必须依靠高精度三维路况模型，精确计算汽车与周围物体的相对位置、速度等动态特性，才可以保障安全行驶。路况的三维模型几乎要做到实时状态，由此产生的庞大的数据流量需要高性能的分析计算能力，因而需要用GPU或分布式神经网络算法来获得大数据处理能力。对于无人驾驶来说，高精度三维路况图的实时性要靠所有装备自动驾驶系统的车辆共同收集路况信息来保证，一般通过给采集车配备众多的传感器、激光测距雷达、车内惯性雷达来采集路面的信息来实现。 　　除了高精度的三维路况图外，路径规划还需要高精度的定位技术，使得无人驾驶系统能时刻感知自己的位置，按照系统在地图标注好的最优路线进行行驶，遵守交通秩序，规避其他车辆发生摩擦碰撞，最终安全到达目的地。 　　路径规划的主要任务包含三个方面：第一，根据整体环境规划车道，计算机依据驾驶任务制定一条路线，使无人驾驶车设定去目的地的具体路线信息；第二，车道信息整