自动驾驶汽车感知系统关键技术分析

摘要：自动驾驶技术是智能与网络技术相结合的必然结果，是未来汽车工业发展的重要方向。根据美国电气与电子工程学会（IEEE）的说法，自动驾驶汽车将在2040年前占据75%的市场份额，是推动第四轮人工智能技术发展的关键技术，它将重塑传统汽车业的“金字塔”，引领全新交通和出行生态。自动驾驶的进步是技术进一步发展与成熟关键，也是自动驾驶汽车走向工业化的关键。

关键词：自动驾驶；汽车感知系统；技术

中图分类号：U471 收稿日期：2023-03-30

DOI：10.19999/j.cnki.1004-0226.2023.10.018

1 前言

伴随着汽车电子技术与先进辅助驾驶技术的迅速发展，作为先进辅助驾驶技术的无人驾驶已经成为世界各国新技术热点。特别是近几年，自动驾驶技术成为人们交通发展的里程碑。迅速发展的自动驾驶汽车技术对促进汽车行业产业格局的转型有帮助，从而使社会现有服务模式和水平发生变化，并帮助人工智能及其他智能产业的速度加快。

2 自动驾驶技术内容

2.1 等级划分

智能汽车、智能网联汽车和自动驾驶是国家发改委、工信部、科技部三个部门共同发布的新概念，它们的研究目标都是自动驾驶汽车，因此将它们命名为“自动驾驶”，并将它们命名为“无人驾驶”。在《中国制造2025》中，我们已经将智能网联汽车列为发展的重要目标，它是一种新型交通工具，它采用了车载的传感器、控制器、执行器等设备，利用现代通信和互联网技术，实现了车内外网的无缝连接，并具有信息共享、复杂环境感知、智能决策、自动化协同等多个控制功能，再加上智能高速公路等各种辅助设备，从而达到“高效、安全、舒适、节能”目的的新型交通工具。

为了便于对自动驾驶进行准确分类和界定，许多国家都按照无人驾驶技术特征和发展过程，纷纷制订无人驾驶的分级标准。美国公路管理局（NHTSA）和汽车工程学会（Automatic Engineering Engineering Association， SAE）是目前国际上具有权威性的分级标准。

2.2 系统框架

为保证车辆的自动驾驶，首先需要一种完备的传感器来替代驾驶员对环境的感知。其次，在无人驾驶中，为保证相关驾驶命令与真实行驶环境、行驶需求相一致需要以智能算法为依据，并以高性能控制系统为支撑，实现对驾驶命令的执行。并在此基础上，根据特定的行车环境为无人驾驶提供最优的行车路线，以保证无人驾驶的顺畅。在车辆行驶过程中，驾驶员的操纵行为对车辆行驶的效果有很大的影响。在车辆无人驾驶时要保证车辆的安全与稳定，就必须综合地强化对环境、内部以及驾驶员感知，这就要求构建一个完整的感知体系，与车上传感器相结合来获得与之相对应的数据信息，从而可以对汽车所处的环境和状态进行读取。

3 自动驾驶汽车感知技术

在车辆自动驾驶研究中，车辆自动驾驶的关键问题在于车辆自动驾驶过程中的环境感知与定位问题，这两个问题的解决将为车辆运行状态判定与控制奠定基础。在对车辆进行感知的同时可以获取车辆周围的路网等与车辆运行有关的数据信息。而增强对环境的感知，则可以有效地提升自动驾驶对场景的理解，在对自动驾驶车辆进行大规模训练与拟合后可以增强车辆的判断能力。

3.1 感知

在环境感知过程中，有许多环境信息都要被辨识出来。在道路识别方面采用雷达分线法，可有效加快无人驾驶车辆周围环境信息的获取。由于自动驾驶汽车昂贵的造价，使得其在实际使用中难以得到广泛的应用。然后，在多传感器信息融合的基础上，通过对特定的坐标进行拟合得到了道路轮廓。如交通信号灯的自动识别，交通信号灯的状态信息可利用智能网联技术获得，但因其费用较高而无法普及。然而，仅从交通信号灯的色彩、形状等角度出发很难保证交通信号灯的鲁棒性。在实际应用中，我们将采用基于SVM的机器学习方法对交通信号灯进行大规模的训练，获得更高的准确率，为实现车辆自动驾驶提供了更多的保障。在车辆定位系统中，GPS定位系统定位精度是比较高的，但是它的投资也比较大，该方法采用了基于雷达、相机等传感器的车辆位置信息，并结合特定的概率模型，获取车辆的位置信息，从而更好地实现无人驾驶车辆的位置信息。

3.2 规划

在自动驾驶系统中最重要的问题是：如何保证车辆安全抵达目标，并在保证车辆行驶路径最短的情况下规避障碍物，按时抵达目标。在自动驾驶系统中，包括任务、行为和动作三个层面。任务规划确定行车路线，在有向网络图的帮助下，可以清楚地了解到道路之间的连接情况、路况等信息，再通过路网图来进行自动驾驶的路线规划，这样就可以保证车辆的最佳路线。

而借助于插值曲线技术，将汽车行驶的安全性、舒适性，以及汽车自动驾驶过程中所面临的一系列突发状况综合考量，从而选择一条合适的行车路径并确定合适的速度，利用行为规划可以为汽车驾驶做好充分的准备，将周围环境和城市交通情况结合起来，对自动驾驶车运行状态进行判断，具体是要跟车，还是要超车，或者停车让行人通过，还是要绕道，利用有效的状态机来对汽车的运行情况进行感知，从而作出相应的决定，更好地保证车辆的运行安全。在此基础上，对车辆进行运动规划，保证车辆在运动中的平稳运行，然后利用运算的有效性对车辆进行布局，并辅以完备的算法。

3.3 控制

在自动驾驶系统中利用各种硬件装置来完成相关控制任务，以保证无人驾驶系统的安全运行。该方法有两种：一种是传统的控制方法；另一种是模型的预测方法。通过对汽车周围环境进行全面分析，来对汽车动作和行驶路线进行精确规划，从而保证汽车可以进行准确的操作，并且可以对油门、方向、刹车等信号进行精确的掌控，从而让汽车可以按照预期目标进行前进。此外，还可以利用模型预测控制与车辆的运动状态相结合，对未来一个阶段车辆的运动状态进行预测，从而可以有效地避免不安全事故的发生，同时还可以与具体的路况相结合对车辆的运行状态进行实时调整。以此为基础，利用动态规划技术实现智能汽车与驾驶员的动态匹配和实现智能汽车的动态控制[1]。

4 自动驾驶汽车感知系统

车辆运动目标包括车辆运动轨迹、周围障碍物以及车辆行驶环境。车辆的可通过性是指能够通过道路的辨识，其中包括交通信号灯、各种标志、车道线、路障等。环境感知障碍是指对道路上车辆、行人、路障等不动障碍物进行识别。感知行驶环境是指识别路面、交通和天气等对无人驾驶汽车运行有较大影响的变化环境。

目前的主要传感技术有视觉传感、激光传感和微波传感等。视觉感知主要是利用相机获取的影像资料，利用视觉关联的方法对其进行分析，从而实现对周边环境的认知；在利用LiDAR获取的点云信息基础上，采用滤波、聚类等方法实现对周围环境的有效检测；它利用微波雷达获得的目标位置信息，通过对目标位置的相关性分析，实现对目标位置的识别[2]。

针对各种传感技术的特性在不同的应用场合及系统的功能要求下，应选择相应的传感技术。比如，在高速行驶的道路上因为汽车的高速行驶，往往选择具有更远的探测范围；在城区，因其所处的环境较为复杂，往往采用激光、视觉等多种探测方式，以获得更大的探测视角和更多信息，并可提供交通状况，临时交通管制重要路段人流资料的分析及其他动态资料。与自动驾驶车辆的传感器相结合，通过对道路宏观匹配，微观的精准定位和整体的动态环境感知全面的解决方案。高精度地图应用主要是通过摄像头采集图像、激光雷达3D扫描、GPS定位轨迹等技术来实现。另外，数据中心也在不停地收集道路上的车辆传递过来的最新情报，然后对这些情报进行分析，确定无误后，再对高精度的地图进行修改，将这些情报传递到其它车辆[3]。

5 自动驾驶汽车感知系统发展趋势

5.1 视觉主导与激光雷达主导的技术方案

在此基础上，提出了一种基于摄像机机器的视觉技术，并将其用于辅助驾驶的研究中。相机是一种比较便宜的相机，它可以用来识别行人、车辆、交通标志等。随着技术的迅速发展，CNN的准确率持续提高对机器视觉要求的工业相机也逐渐成熟，具有更高的成像质量和更强的抗干扰性。由于相机是被动式会受到光照的影响，因此不能实现全天的工作，必须借助其他传感器的辅助作用，这个计划是特斯拉公司的代表。

自动驾驶可能会成为必需品，但是大批量生产有很大的难度，该方法利用ROF方法对周边环境进行扫描，将得到的点云数据与高精度地图数据进行对比、匹配，实现对周边环境实时定位和建模，从而得到一幅cm级的三维环境图。虽然激光雷达技术会导致图像的色彩与质感的缺失，但它却有着极高的探测准确度与3D效果，因此被众多汽车制造商所使用。

谷歌韦莫就是这一计划的典型代表，韦莫利用64- LiDAR来测定周围目标的间距，并基于间距绘制出精确的三维地形，再将高精度的地形图和模型化，从而达到L5的水平。虽然无人驾驶汽车对LiDAR有很大的需求，由于其生产工艺的高要求，LiDAR的应用只局限在汽车、资源勘探等狭小的范围内，很少有厂商可以提供给LiDAR的成熟量产方案，这就造成了LiDAR的成本高和量产困难，因此，面对雷达色失分、成本高昂等难题，业内主要从两个方向推动其商品化。a.开发出一套基于LiDAR和LiDAR相结合的硬件模块，利用LiDAR和LiDAR的优势，实现对LiDAR和LiDAR的多色点云的获取。b.发展全固态的低线束激光雷达，以牺牲部分精确度为代价，来降低系统的硬件费用[4]。

5.2 决策算法和因果推理

在市场上，传感器硬件技术及应用能力都已经比较成熟。但是，在控制执行模块中，它属于传统车厂和Tier1的专属领域。因此，决策能力优劣将会影响到自动驾驶技术的排名，自动驾驶技术的竞争将会集中在决策环节上。另外，决策算法是根据来自感知、认知层的信息来进行判断的，它可以直接确定车辆路径，这是与无人驾驶竞争的最终落脚点。目前，已有的决策建立算法通常有三种路径：a.以规则为基础的专家系统，人为地利用if-then规则来涵盖一切可能的情形，来编写无人驾驶决策系统，这种方法可以实现精准、可分析，但是不具有灵活性。b.利用深度神经网络（如深度神经网络），该方法通过基于概率的方法，能够对特定情况下的事件进行适当处理，但是该方法的执行过程是一个“黑箱”，并有一定的安全问题。c.因果推断，即便使用贝叶斯网络，也能将事件的可能性和可靠性进行归类，具有模块化和透明的优点。贝叶斯模型可以在模型中加入深度学习、专家系统等功能，提高模型的可信度，该模型具有良好的通用性能够有效地控制无人车的全流程，并能方便地进行分析与修正，因此，该模型能够更好地为无人车的全流程进行优化[5]。

5.3 多路传感器融合

a.不同类型的传感技术都有各自的优点和缺点，没有一种方法可以用来解决全部的工作条件。比如，相机硬体技术已经比较成熟，但是需要辨识精度还有待进一步提升；虽然雷达点云处理方法比较简单，但是存在硬件成本高，对环境适应性差等缺点。由于每个传感器的优点和缺点是不同的，通过多个传感器的合作，可以实现各自的优点融合和缺点回避。b.由自动驾驶汽车对行车安全性的高度重视，使自动驾驶汽车感知策略也需要具备一定的安全性。特斯拉第一次死亡事故的原因是前视摄像头的故障，而 ModelS却没有发现大型拖车的存在，说明单一解决方法存在着一定的安全冗余。因此，保障无人车的安全运行，需要充分考虑多个传感节点的协作与冗余信息。目前，业内已有共识，将毫米波雷达、激光雷达和相机等多种传感器进行数据融合，将成为未来无人驾驶技术发展的必然趋势[6]。

6 结语

感知系统是将视觉、物理和事件等信息转化为数字化的信息，是汽车实现对周围环境感知和决策的基础。通过传感技术，可以及时、迅速地掌握当地的人车路等各类信息，并对周围紧急情况做出有效的反应，该方法通过对汽车与道路网络中其它要素之间的空间关系进行分析，为汽车行驶路径规划和驾驶体验优化提供了一种新的思路。车联通信能够实现人、车、路三方信息的互联共享，实现对环境信息的大范围、全方位、实时、精确的感知，能够有效地解决感知距离受限、易受环境干扰、对位置和导航的感知实时性差、感知内容受限的问题。

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]孟祥雨，张成阳，苏冲.自动驾驶汽车系统关键技术综述[J].时代汽车，2019（17）：4-5.

[3]王金强，黄航，郅朋，等.自动驾驶发展与关键技术综述[J].电子技术应用，2019，45（6）：28-36.

[4]宫慧琪，牛芳.自动驾驶关键技术与产业发展态势研究[J].信息通信技术与政策，2018（8）：45-50.

[5]庞松.科学推动自动驾驶技术发展与应用——拥抱新技术，迎接新挑战[J].重庆交通大学学报（自然科学版），2021，40（10）：119-122.

[6]雍加望，冯能莲，陈宁.自动驾驶汽车硬件在环仿真实验平台研发[J].实验技术与管理，2021，38（2）：127-131+135.

作者简介：

郭晓丽，女，1986年生，工程师，研究方向为自动驾驶。