1.2.2　自动驾驶的技术实现

微课视频07

自动驾驶系统是以实现自动驾驶功能为目的的自动化系统，其关键是形成车辆行驶过程中稳定的闭环控制中枢。解决自动驾驶系统相关技术问题的主要路径是计算。目前业界普遍认为：人工智能计算是解决自动驾驶相关问题的关键，其在具体实现上存在着不同的路径，例如“端到端”的一体化路径和“非端到端”的模块化路径等。路径虽有不同，但都充分借鉴和参照驾驶员处理车辆行驶信息的流程，目前自动驾驶技术所涉及的主要问题都包含在下面的五个环节之中。

（1）信息采集：自动驾驶系统中替代驾驶员的感官收集信息的是传感器。通过传感器将车辆行驶中的显性参量和部分隐性参量转换为数据信息，部分隐性参量是车辆或者道路环境中设备所产生的中间数据，不需要再次经过传感器的转换。信息采集的过程就是对这些数据信息的生成和收集过程。

（2）信息传输：不同于驾驶员通过自身神经系统向大脑传送信息的方式，传感器采集的数据需要利用通信技术向处理器传输。数据信息所产生的位置和被处理的位置通常都是不同的，所使用的通信技术也有所不同，因此自动驾驶的信息传输相对复杂，包括车辆自身内部、车辆与行驶环境、车辆与云端服务器、车辆与车辆等数据的传输。自动驾驶系统的信息传输主要依托于车载通信技术和底盘通信技术。

（3）信息识别：很多传感器产生的数据单独分析起来并没有什么意义，例如图像传感器传入的图像中存在一些亮点数据，这些亮点可能是远方的灯光，也可能是近处障碍物的反光，仅仅分析这些单一的数据并无法形成准确的判断，因此需要结合其他数据信息进行综合解析，这构成了信息识别的主要过程。对于驾驶员而言，可能很容易就分辨出前方是否有障碍物，而自动驾驶系统识别障碍物却需要进行大量的计算，其计算一般采用模式识别等方法。信息识别是目前自动驾驶技术实现的瓶颈之一，信息识别的准确率和实时性是保障自动驾驶安全的重要前提。

（4）信息决策：目前车辆所处的行驶环境是以人类习惯和社会通则为基础构建的，因此驾驶员能据此快捷地做出准确的决策，以应对行驶过程中的各类问题。自动驾驶过程中，传感器所获取的数据经过信息识别后将重新组织为类似于驾驶员所感受到的环境参量（例如道路、行人、红绿灯等），这样自动驾驶系统就能充分借鉴驾驶员的经验常识做出类似的决策判断。现有人工智能技术中对决策算法有大量的研究，这些算法能够帮助自动驾驶系统为车辆行驶提供“合理”的路径规划和处置决策。

（5）信息输出：驾驶员将大脑中的决策通过四肢的动作进行表达，从而实现对车辆的操控，这个过程就是信息输出的环节。信息输出同样是自动驾驶系统中决策信息的外部展现或执行环节，不同于驾驶员的操控之处在于：自动驾驶系统可绕过方向盘和脚踏板等驾驶装置，直接将信息输出给车辆的基础装置。由于驾驶员在装置操控的灵敏度上存在着生物属性方面的上限，所以自动驾驶系统的信息输出环节能够更轻易地突破人类驾驶员对车辆控制灵敏度的极限。

如图1.8所示，各个信息处理环节和作为受控对象的车辆共同构成了具有反馈回路的闭环控制系统，虚线框内的信息处理流程展现出自动驾驶系统对车辆的操控几乎与驾驶员的操控完全相同。

当前自动驾驶技术的进展主要体现在对环境感知、车路协同、路径规划、轨迹预测、精准控制等具体问题的研究上。这些研究将具体场景或处理特性进行了归类、综合或简化，根据实际需要采用了模块化的方式，以此为基础解决信息处理相关环节中的聚焦性问题。

（1）环境感知：此类问题涉及车辆行驶中对原生信息进行采集、传输和识别等多个环节，但根据数据信息来源或者所针对场景功能的不同又形成了各自相关的具体问题。如图1.9所示，车辆采用毫米波雷达、激光雷达、摄像头、超声波传感器、全球卫星导航、加速度计、陀螺仪等传感器获取信息数据，基于底盘通信、车载通信和卫星通信等多种协议汇集数据，通过传感器处理芯片、车载计算机或者云服务器等计算平台进行识别，形成车辆所处位置、自身状态及周边路况环境等综合信息，为后续决策提供必要的环境感知数据作为依据。

图1.8　信息处理流程框图

图1.9　传感器布置示意图

（2）车路协同：为弥补部分车载传感器对环境感知精度、速度和范围等方面的不足，通过在行驶环境中（特别是道路上）加装辅助传感器以提供更多参考信息，通过这种方法构成车路协同。车路协同所提供的数据信息中包含大量隐性信息（例如路面冰滑、前方事故等），这些信息超越了驾驶员自身感官的感知范围和精确度，自动驾驶系统将这些隐性信息纳入计算过程后将大幅提升车辆的行驶性能。

（3）路径规划：此类问题分为全局路径的静态规划（全局规划）和局部路径的动态规划（局部规划）。全局规划侧重依赖高精度地图数据以求解抵达目的地最优路径为目标，局部规划侧重对环境的感知以决策当前行动为目标，二者主要涉及信息的传输、识别与决策等环节。路径规划目前主要有基于采样的算法、基于搜索的算法、基于插值拟合轨迹生成的算法和用于局部的最优控制算法等。而在路径规划策略上，还要顾及使用者的不同偏好，例如时间优先、速度优先、里程优先、舒适度优先和途经地优先等采取不同的选择策略，从而产生不同的路径规划结果。

（4）轨迹预测：轨迹预测是影响车辆行驶中当前路线设计的关键技术，其中包括对车辆自身行进轨迹以及障碍物运动轨迹的预测，主要涉及信息采集、传输与识别等环节，在识别环节中一般会保留目标物的运动参量，为后续决策持续提供依据。轨迹预测的准确率和实时性对车辆的行驶安全有重要影响。

（5）精准控制：自动驾驶的性能最终体现在对车辆的精准控制上。车辆精准控制的前提是信息决策准确和及时，还需要受控车辆具有较高的运动控制精度和响应速度，并且需要车辆行驶闭环控制系统具备相当的灵敏度和稳定性。当前车辆的电动化已成为汽车的发展趋势，电动汽车在运动精度和控制响应等方面比传统燃油车辆至少高一个数量级。精准控制不仅是对传统车辆的技术升级，也是提升能源效率和驾乘体验的关键，有利于自动驾驶技术的普及应用。

除了以上列举的这些技术问题外，目前尚有许多新问题亟待解决，也还有许多技术瓶颈需要面对，如果这些问题完全得以解决，就意味着自动驾驶技术的真正成熟。随着自动驾驶技术的逐步发展，自动驾驶系统作为车辆行驶的闭环控制中枢也将逐步替代甚至超越驾驶员。