应用于自动驾驶的自主避障技术综述

王辰楷

（北京一零一中学，北京 100091）

当今世界，随着社会和经济的不断发展以及人们对高质量生活的追求，普通的汽车渐渐已经无法满足人们的需求了，更为安全、智能、省心的自动驾驶汽车逐步进入了人们的视野并得到了许多人的青睐。自动驾驶综合了人工智能、雷达监控、机器视觉、智能导航等技术，通过智能控制中心，实现车辆自主安全地操作运行。本文将从自动驾驶的国内外研究现状出发，具体阐述其自主避障技术的实现，并对其技术层面的重要难点进行分析论述。

1 国内外研究现状

国外方面，谷歌实验室于2007年便开始了无人驾驶汽车研发工作的筹备，并于2012年获得了美国首例自动驾驶汽车的路测许可，截至今日，谷歌设计的自动驾驶汽车，累计行驶距离已经超过180万英里。特斯拉公司不甘其后，所研发的“Autopilot”技术近年来已取得重大突破，该系统可以通过多种传感设备感知外界环境，实现自动变道、自动巡航、自动控制车速和自动泊车等诸多辅助驾驶功能。据报道，全新一代奥迪A8也已采用全自动无人驾驶系统，该系统能够在无需任何人类干涉的情况下自动控制汽车，以时速60公里运行。

国内方面，百度也致力于自动驾驶的研发，于2014年成立车联网事业部，推出了CarLife、MyCar、CoDriver等车联网产品。2015年底百度学习研究院与宝马展开合作，在五环上公开演示了一辆全自动驾驶原型车。2016年9月，京东集团宣布由其自主研发的中国首辆无人配送车已经进入道路测试阶段。

2 几种主流的自主避障技术

2.1 超声波测距避障

超声波测距原理是当发射装置发射超声波时开始计时，超声波在途中碰到障碍物后返回，超声波接收器收到反射波后停止计时，并通过时间差来计算与被测障碍物之间的距离。超声波检测拥有安装方便、计算简单、易于控制等优点，同时也有一些不足，例如超声波传播过程中由于车辆移动和存在反射角会使距离有所偏差，并且诸如玻璃、镜子等较光滑的材料无法反射超声波也是超声波测距的盲区所在。

2.2 基于图像识别的避障技术

车辆在检测障碍物时，可采用摄像头捕捉环境影像，利用图像识别技术，识别障碍物和实时路况，为驾驶提供依据。在具体的算法处理中，需要分析图像中车道线等识别对象的颜色、面积、纹理等特征来分割出路面区域，同时还需排除各种干扰因素的影响。但同时，该技术易受光照和运动速度的影响，并且三维信息测量精度较低。

2.3 利用激光雷达探测避障

激光雷达工作原理为，发射端由激光器将电脉冲转变为光脉冲发射，接收端再把从目标反射回来的光脉冲还原成电脉冲，送到显示器与发射信号进行比较并获得目标的方位、高度、速度、姿态、甚至形状等参数。激光雷达能同时兼顾速度要求和精度要求，在黑暗中也不会影响其测量效果，但同时它安装要求精度高、价格昂贵，不易推广到民用。

2.4 光流法避障技术

光流法避障是近几年新研发的一种避障技术，其主要想法在于利用周围环境的光流信息，来识别障碍物，提供给车载计算机路况信息，从而实现主动避障。光流能够提供障碍物的距离、速度、方位角等信息，从而辅助计算机做出决策，实现自主避障。光流法成本不高，识别精度和实时性良好，潜力大，但相关技术仍需进一步开发成熟。

3 面临的问题和技术挑战

3.1 实现多传感器信息融合

每种自主避障技术在展现优点的同时也都或多或少地暴露出了它在其它方面的短板，这就意味着单一地采取某种技术是不可行的，只有通过多传感器间的信息融合，让多种技术之间取长补短，才能形成一个可以应对各种情况的，适应性强，鲁棒性高的自主避障系统。

3.2 机器视觉的研发和实现

机器视觉是自动驾驶和人工智能的关键技术和必然趋势，力图使自动驾驶汽车等智能化设备也具有像人类一样的视觉能力。人脑大约有1/5的部分用于对视觉图像的处理功能，因此机器视觉算法的复杂程度，和计算量的庞大程度，是目前阻碍机器视觉发展的两座大山。能否克服硬件上的缺陷，完善视觉处理算法，提高机器计算能力，这是机器视觉必须要面对的问题和技术挑战。

3.3 预测和回应人类的行为

我们现在经常遇到在管制区域或事故区域，必须通过人为的手势信号来指挥车辆的行动，目前自动驾驶汽车只能根据路牌、标识和信号灯等交通信息进行判断，能否准确地判别人为手势交通信号，或者能否在人为信号和现场其他物理交通信号产生冲突时做出正确决策，这是目前无法解决但必须面对的问题。

3.4 高性能传感设备成本高昂

激光雷达技术同时兼具速度快精度高的特点，但其过高的成本却让人望而却步，其中Velodyne HDL-64E LiDAR的售价在10万美元以上，这导致运用激光雷达技术的汽车无法量产，从而阻碍了自动驾驶汽车的商业化。目前阶段能够用于自动驾驶系统的高性能传感器主要有毫米波和摄像头等。

3.5 法律及其他

自动驾驶车辆发生交通事故时，责任方如何确认尚没有准确的法律条文。此外，自动驾驶汽车的信息化程度极高，所以电脑系统的安全问题自然就成为了非常重要的问题，如果汽车的数字信号突然中断甚至被人窃取，那么结果都是不堪设想的。

4 结语

自动驾驶汽车虽然在诸多方面还存在着挑战，但毫无疑问，自动驾驶行业的发展前景是明朗的。国外众多大型车企和高科技研究中心都在不断地为自动驾驶注入新的活力，近些年来我国也在自动驾驶方面取得了诸多突破性进展，保证了我国自动驾驶汽车技术与国际研究水平接轨。自动驾驶汽车旨在建立一个全天候、高效率的自动驾驶系统，从根本上改善了人们的出行方式。

参考文献：

[1]王艺帆．自动驾驶汽车感知系统关键技术综述[J]．汽车电器,2016，(12):12-16．

[2]王科俊，赵彦东，邢向磊．深度学习在无人驾驶汽车领域应用的研究进展[J]．智能系统学报,2016．

[3]张小东,郝向阳,孙国鹏,徐亚丽．旋翼无人机单目视觉障碍物径向光流检测法[J]．测绘学报,2017,46(9):1107-1115．

[4]杨帆．无人驾驶汽车的发展现状和展望[J]．上海汽车,2014，(3):35-40．