自主驾驶系统结构与关键技术研究综述

李泽文　徐振平　董瑞智

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軌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：无人驾驶汽车自身位姿信息，主要包括车辆自身的位置，速度、加速度、转向角等信息。这类信息测量方便，主要用驱动电机、电子罗盘、倾角传感器、陀螺仪等传感器进行测量。无人驾驶汽车周围环境感知以激光雷达等主动型测距传感器为主，被动型测距传感器为辅，采用信息融合的方法实现。因为激光，雷达、超声波等主动型测距传感器相结合更能满足复杂、恶劣条件下，执行任务的需要，最重要的是处理数据量小，实时性好。同时进行路径规划时可以直接利用激光返回的数据进行计算，无需知道障碍物的具体信息。

由于激光雷达价格昂贵，目前另外一种以视觉作为环境感知的一个重要方式也逐渐流行起来，虽然目前在恶劣环境感知中仍存在一定问题。但是在目标识别、道路跟踪、地图创建等方面具有其他传感器所无法取代的重要性，而且价格便宜。而在野外环境中的植物分类、水域和泥泞检测及识别等方面，视觉也是必不可少的手段。

2.2导航定位技术

无人驾驶汽车的导航定位模块主要确定无人驾驶汽车其自身的地理位置，是无人驾驶汽车的路径规划和任务规划的基础，对于定位目前室外主要通过里程计及GPS惯导进行，但仍会出现一定的累计误差。导航可分为自主导航和网络导航两种。

自主导航技术是指除了定位辅助之外，不需要外界其他的协助，即可独立完成导航任务。自主导航技术在本地存储地理空间数据，所有的计算在终端完成，并将终端的数据提供用来决策，在任何情况下均可实现定位，但是自主导航设备的计算资源有限，导致计算能力差，有时不能提供准确、实时的导航服务。现有自主導航技术可分为三类：

相对定位：主要依靠里程计、陀螺仪等内部感受传感器，通过测量无人车相对于初始位置的位移来确定无人车的当前位置。

绝对定位：主要采用导航信标.主动或被动标志地图匹配或全球定位系统进行定位。

组合定位：综合采用相对定位和绝对定位的方法，扬长避短，弥补单一定位方法的不足。组合定位方案一般有GPS+地图匹配、GPS+航迹推算、GPS+航迹推算+地图匹配、GPS+GLONAss+惯性导航+地图匹配等。

网络导航能随时随地通过无线通信网络、交通信息中心进行信息交互。移动设备通过移动通信网与直接连接于Internet的web GIS服务器相连，在服务器执行地图存储和复杂计算等功能，用户可以从服务器端下载地图数据。

网络导航的优点在于不存在存储容量的限制、计算能力强。能够存储任意精细地图，而且地图数据始终是最新的。

2.3路径规划技术

路径规划是无人驾驶汽车信息感知和智能控制的桥梁，是实现自主驾驶的基础。路径规划的任务就是在具有障碍物的环境内按照一定的评价标准，寻找一条从起始状态包括位置和姿态到达目标状态的无碰路径。

路径规划技术可分为全局路径规划和局部路径规划两种。全局路径规划是在已知地图的情况下，利用已知局部信息如障碍物位置和道路边界，确定可行和最优的路径，它把优化和反馈机制很好地结合起来。局部路径规划是在全局路径规划生成的可行驶区域指导下，依据传感器感知到的局部环境信息来决策无人平台当前前方路段所要行驶的轨迹。全局路径规划针对周围环境已知的情况，局部路径规划适用于环境未知的情况。

路径规划算法包括可视图法、栅格法、人工势场法、概率路标法、随机搜索树算法、粒子群算法等。

2.4决策控制技术

决策控制模块相当于无人驾驶汽车的大脑，其主要功能是依据感知系统获取的信息来进行决策判断，进而对下一步的行为进行决策，然后对车辆进行控制。决策技术主要包括模糊推理、强化学习、神经网络和贝叶斯网络等技术。

决策控制系统的行为分为反应式、反射式和综合式三种方案：反应式控制是一个反馈控制的过程，根据车辆当前位姿与期望路径的偏差，不断地调节方向盘转角和车速，直到到达目的地。

3 无人驾驶的挑战

自主驾驶存在重大挑战，目前自主驾驶的挑战主要分为五类：

（1）驾驶行为决策

由于驾驶环境复杂，现有的行为决策模型可靠性并不能达到百分百可靠，且多采用的信息融合实时处理的方式进行决策，这种方式需要很大的运算资源，和充分的预训练技术。

（2）更多更具体的深度的“强化学习”案例

在一些通过机器学习实现驾驶策略的过程中，机器人通过观察数据而不是规则来进行学习。机器学习很难对特殊情况（事故）情况进行学习学习。其依赖于“价值函数”来评估策略应用所产生的状态。对没有经验的控制系统可能无法及时正确地量化风险。而且要想学到更好的模型，就必须尽可能全的数据样本进行训练。

（3）测试与验证

为验证学习后模型的质量，实地驾驶测试往往并不太合适，因为这种测试不可能覆盖所有有难度的物理条件（天气、地形、交通）。好的仿真测试，应该尽可能的模拟出现实中的复杂恶劣极端情况，且汽车内的每个模块都能持续发送具有一定置信度的反馈。目前L3级以上自主驾驶汽车的测试与验证正处于初级阶段。如何验证人工智能驾驶汽车的安全性“仍是一道未解难题”。

（4）安全和防篡改

自主驾驶汽车中模块均由计算机实现和控制，计算机控制模块几乎具有绝对的车辆驾驶控制权。一旦汽车控制系统被攻击，劫持，可能会产生十分危险的后果。

（5）自主驾驶的衡量标准

由于社会大众无法感知无人驾驶汽车的安全性，通常人们不能容忍自主车辆造成的死亡。且汽车行业，还没能提出一个稳健的衡量标准，来规定什么样的故障率是可接受的。

4 结束语

无人驾驶车是一种智能化的移动交通工具，它能够代替人类驾驶员实现一系列驾驶行为。涉及环境感知察觉、导航定位以及智能决策控制等众多学科的研究领域。无人驾驶汽车的研发不仅推动了各项技术的应运而生，也促进了各类科学技术的发展。需要指明，研究无人驾驶汽车不一定要将驾驶员完完全全的替代，其实，我们只是需要在替代的领域和场合作相应的替换，完成一些人们难以适应的驾驶环境和缓解长途驾驶的疲劳感。物联网的技术成熟是无人驾驶车可操作的基础，伴随着更多高新科技的研发与技术的成熟，无人驾驶汽车的发展状况将有质的飞跃。

参考文献：

[1]中华人民共和国国家统计局. 年度数据： 交通事故情况. http：//data.stats.gov.cn/easyquery.htm？cn=C01

[2]王晨. 无人驾驶智能车控制与规划系统的设计与实现[D]. 上海交通大学， 2009.

[3] C. Desjardins， B. Chaib-Draa. Cooperative adaptive cruise control： A reinforcement learning Approach， IEEE Transactions on Intelligent Transportation Systems， 2011， pp. 1248-1260

[4]王俊. 无人驾驶车辆环境感知系统关键技术研究[D]. 中国科学技术大学， 2016.

[5]杜明博. 基于人类驾驶行为的无人驾驶车辆行为决策与运动规划方法研究[D]. 中国科学技术大学， 2016.

[6]赵盼. 城市环境下无人驾驶车辆运动控制方法的研究[D]. 中国科学技术大学， 2012.

[7]Diaz-Cabrera M， Cerri P， Sanchez-Medina J. Suspended traffic lights detection and distance estimation using color features[C]// International IEEE Conference on Intelligent Transportation Systems. IEEE， 2012：1315-1320.