无人驾驶传感器系统的发展现状及未来展望

蒋婷

（北京市海淀区清河街道小营西路20号，北京 100081）

随着互联网和人工智能的进步，无人驾驶技术飞速发展，已成为社会的热点研究方向。在2017未来论坛年会上，前谷歌全球副总裁、创新工场董事长兼首席执行官李开复在演讲中表示，“未来智能交通最大的阻碍是人类，但无人驾驶技术的应用将打破人类对智能交通的阻碍。”可以看出，无人驾驶技术被寄予厚望，具有非常大的商业潜力。

1 无人驾驶技术的概述

无人驾驶是指以计算机为中心所构建的智能系统，赋予汽车环境感知、路径规划、车辆自动控制的能力，或者通俗地说，无人驾驶汽车是一类能够实现智能驾驶的汽车。它利用车载传感器来感知车辆的周边环境，包括道路信息、行人信息、指示牌信息等，然后根据所获得的信息对车速和转向进行控制，从而安全、可靠地在道路上行驶。从另一个角度说，无人驾驶汽车是一种简单的轮式机器人，通过对周围障碍物的动态分析和对路况、路径的分析来实现仿人类驾驶。

根据美国国家公路交通安全管理局在2013年发布的文件，自动驾驶可以分为5个等级：

L0：无自动化，需要驾驶员进行道路观察、汽车驾驶、汽车控制等操作；

L1：具有自动化的单一功能，为驾驶员提供技术支援，比如常见的自适应巡航、车道保持、自动紧急刹车等，此时驾驶员需要对行车安全进行负责；

L2：具有多个自动化功能，此时驾驶员与汽车分享控制权，驾驶员可以在某些预设条件下不操作汽车，但需要随时准备接管汽车控制权；

L3：有条件的无人驾驶，在简单道路环境下，比如高速公路或人流较少的城市路段，汽车可以自动驾驶并承担安全责任，此时驾驶员仍需要在某些条件下干预汽车驾驶；

L4：为无人驾驶的最高等级，此时已完全实现自动化，不需要驾驶员的任何操作，只需起点和终点位置，汽车就能抵达并负责行车安全。

综上所述，无人驾驶的终极目标为L4级自动驾驶。目前的无人驾驶或自动驾驶技术都是通过雷达和摄像头捕捉汽车周边的环境数据，将数据转化为信息后，传输给计算机，然后计算机根据人工智能技术和电子地图对汽车当前的状况进行分析，作出最优判断。但从软硬件等方面考虑，目前的无人驾驶还处于较为低级的水平，大部分车企能够实现L2级自动驾驶，少部分车企（比如特斯拉）能达到自动驾驶L3级水平。

2 无人驾驶传感系统的概述

无人驾驶的研究目标是能够实现汽车的全自动驾驶，就必须依赖于高质量的硬件系统，特别是高精度、高准确性的传感器系统。无人驾驶传感系统主要包括以下几个部分。

（1）导航系统。导航系统包括车辆定位、路径规划、路径指导等多个模块，能够协助车辆在陌生的环境中准确驾驶。现如今，导航系统多已经实现实时更新，能够向驾驶员播报当前道路的拥堵状况，从而能够有效减少交通堵塞，降低交通事故的概率。

（2）定位系统。定位系统通过多种传感器与GPS相结合来实现车辆位置的精确定位，能够为汽车运动测量提供最基础的数据，是路径规划、路径指导等其他功能的前提和基础。

（3）机器视觉系统。机器视觉系统通常包括彩色相机、三维激光摄像头和雷达这3部分，能够对汽车行驶的周围情况进行近距离勘测，用于校正导航系统和定位系统的计算结果，从而确保行车安全。

（4）交通标志识别系统。该系统通常采用计算机视觉技术来实现，有时也会集成在机器视觉系统中。交通标志识别系统由彩色相机和控制中心组成，相机对道路两旁和道路上方进行实时拍摄，并将图像传输到控制中心；控制中心可以基于图像特征（比如颜色、形状等）进行交通标志牌的检测，并将结果传递至无人驾驶控制中心，辅助车辆的行驶决策。

（5）动态避障系统。动态避障系统能够判断车辆前方是否存在障碍物、障碍物是运动还是静止，并在运动的车辆坐标系中计算障碍物的绝对坐标和运动轨迹，判断障碍物的运动方向、运动趋势，最终交由控制中心选择合适的避障策略。

3 无人驾驶传感器系统的发展现状

（1）导航系统。好的导航系统无疑是无人驾驶的基础。目前，GPS系统发展迅速，在民用层面的精度能够达到5m以内，是实现导航系统中路线规划功能的技术基础。随着互联网技术的发展，大数据、云计算等新兴技术也被应用在无人驾驶导航系统中，用来实时监控气候数据和路面情况，从而做出最省时、最便捷、最安全的道路规划。

（2）定位传感器系统。①差分GPS定位系统。传统的定位系统由于受到大气的密度、电离层、对流层、传播延迟等因素的干扰，不能全天候准确地进行定位。如今应用最广泛的定位系统是差分GPS定位系统。该系统通过4个卫星在不同位置对汽车进行定位，再将位置信息发送到地面上的同一个基站，再由这个基站发射信号追踪汽车的位置进行修正。差分GPS定位系统能够使用信息反馈来避免定位中的噪声干扰和误差，使得定位精度有了很大提高，可以达到cm级。但是，基于GPS的定位方法受环境的影响较大，高楼、树木、隧道都会屏蔽GPS信号，汽车在高楼林立的城市中行驶时很容易造成定位的偏差，因此还需其他传感系统辅助。另外，由于GPS的更新频率低（10Hz），在车辆快速行驶时很难给出精准的实时定位。②惯性传感器。惯性传感器是可以检测和测量加速度、倾斜、冲击、振动、旋转和多自由度运动的传感器，是解决导航、定向和运动载体控制的重要部件。基础的惯性传感器通常由加速度计与角速度计组成，在对惯性传感器数据进行处理后，可以实时得出车辆的位移与转动信息，但惯性传感器自身也存在偏差与噪音较大的问题。

因此，在实际应用过程中，多使用基于卡尔曼滤波的传感器融合技术，融合GPS与惯性传感器数据，以达到较好的定位精度。另外，有的学者和公司还会使用激光点云与高精地图匹配、视觉里程计算等定位方法，让多种定位方法互相纠正，以达到更精准的效果。

（3）机器视觉传感器。一些无人驾驶汽车的机器视觉传感器系统由车头两侧的长距摄像头、车身四角的短距雷达组成。短距雷达可以迅速侦测车辆周围的动态事物，避免交通事故；车前挡风处的摄像头负责识别交通标志，后挡风处的摄像头拍摄街景，通过与导航中的地形对比和辨别来确定车辆的精确位置。

（4）交通识别系统。当前交通信号识别系统能够通过相机拍照识别出是图形信号，还是箭头型信号。若是图形信号灯，进行颜色识别、颜色验证、状态识别、输出结果；若是箭头性信号灯，进行颜色和方向的验证、状态识别，最后输出结果。

（5）动态避障系统。动态避障系统的关键在于对障碍物的路径追踪，而目前激光雷达所感知的只是较为静态的路面环境问题，不能够实时追踪障碍物的路径，因此当前的传感器技术仍处于发展的基础阶段。

4 无人驾驶传感器的未来发展方向

（1）传感器的材料。无人驾驶汽车不仅要在炎热的赤道地区工作，也要经受住极地的严寒考验，所以传感器的材料需要耐高温、耐寒，能够应对极端环境。这对传感器材料的研发提出了要求，是未来传感器发展的重要方向。

（2）传感器的灵敏度。2016年5月，美国1辆特斯拉轿车在自动驾驶模式下与1辆正在左转的卡车相撞，造成驾驶员不幸遇难。在之前的2016年1月，我国也发生了一起特斯拉轿车的自动驾驶死亡事故。上面的案例说明，现在的传感器系统还并未达到十分完美的程度，在大风、大雾、暴雨等极端天气下，雷达、摄像头的感知效果容易受到影响，并且由于色彩饱和度与晴天时不一样，交通信号灯的识别也会受到相应的影响。未来传感器会向更高灵敏度的方向发展，能够应对各种突发情况。

（3）视觉传感器的进一步应用。人们通过眼睛获取到的信息约占信息总量的80%。目前，计算机视觉技术发展迅速，已经逐步实现产品化、实用化，镜头、高速相机、光源、图像软件、图像采集卡、视觉处理器等相关的产品功能日益完善。无人驾驶中，可以应用视觉传感器实现视觉定位、视觉导航、目标检测、目标识别等。

5 结语

随着技术的进步，无人驾驶得到飞速发展。本文介绍了无人驾驶汽车的传感器系统的主要部件，以及各传感器系统的发展现状及方向。虽然无人驾驶仍面临多种技术性和非技术性的挑战，需要从业者完善无人驾驶技术体系和相关法规法律体系；但是无人驾驶已经成为汽车行业的发展趋势，在未来必定会成为我们生活的一部分，真正实现智能交通。