摘要：目前，汽車智能化、電子化以及網聯(lián)化發(fā)展趨勢明顯，無人駕駛是未來汽車發(fā)展的重要方向。諸如BBA、特斯拉、谷歌、百度、蘋果等公司，無論是傳統(tǒng)車企、新造車勢力還是互聯(lián)網大佬，都在加大在無人駕駛領域的投入。大部分車企都預計能在2020年前完全實現(xiàn)L3級別的半自動駕駛技術，到2025年實現(xiàn)L5級別的全自動駕駛技術。那么現(xiàn)在無人駕駛的關鍵技術究竟如何呢。

目前，無人駕駛汽車中應用的關鍵技術主要在環(huán)境感知、決策與規(guī)劃、控制與執(zhí)行等三個關鍵技術環(huán)節(jié)。其中環(huán)境感知環(huán)節(jié)多借助于傳感器、精準定位、高精地圖與V2X系統(tǒng)來實現(xiàn)。

圖1 無人駕駛汽車中的三個關鍵技術環(huán)節(jié)

環(huán)境感知采用多感融合技術

環(huán)境感知傳感技術可以理解成汽車利用多種傳感器對車身周圍的動態(tài)和靜態(tài)對象進行3D重構。目前，環(huán)境感知技術有兩種技術路線，一種是以特斯拉為代表的以攝像機為主導的多傳感器融合方案;另一種是以谷歌、百度為代表的以激光雷達為主導，其他傳感器為輔助的技術方案。

攝像頭方案技術比較成熟、成本低，但獲取外界三維信息較難，一般多采用多目攝像頭;另一個缺點是攝像頭受環(huán)境光影響比較大，易產生盲區(qū)。激光雷達的優(yōu)點在于，其探測距離較遠，而且能夠準確獲取物體的三維信息;另外它的穩(wěn)定性相當高，魯棒性好。但缺點是激光雷達成本過高、不易量產，如谷歌Waymo無人車裝載6-8個16線旋轉機械式激光雷達，單價在7500美元左右，最新的16線相控陣固態(tài)激光雷達被認為是替代機械式激光雷達的關鍵技術;另外激光雷達波長短，易受天氣影響，在多霧、多雨的情況下，精確度大大降低。精確定位技術是讓汽車感知自己所在的物理位置，這就涉及慣性導航系統(tǒng)(IMU)、輪速編碼器與航跡推算、衛(wèi)星導航系統(tǒng)(GPS、Glonass、北斗等)以及SLAM自主導航系統(tǒng)，現(xiàn)在的無人車多采用慣導+GPS的組合方式。同時為了更好的規(guī)避潛在風險，幫助車輛預知路面復雜信息，如坡度、曲率、航向等，無人駕駛往往需要結合實時的高精地圖，而這種實時性在4G時代傳輸速率并不能達到，在5G時代就可以通過車聯(lián)網(V2X系統(tǒng))來實現(xiàn)。

目前谷歌的無人車Waymo采用的是5個激光雷達+4個毫米波雷達+360度全景攝像頭+GPS、IMU導航，百度無人車采用的是頂部64線激光雷達+3個環(huán)繞16線激光雷達方案，而特斯拉似乎對激光雷達深惡痛絕，因此一直使用的是8個攝像頭+1個毫米波雷達+12個超聲波雷達的方案。

自主決策與規(guī)劃是核心技術

自動駕駛汽車的行為決策與路徑規(guī)劃是指依據(jù)環(huán)境感知和導航子系統(tǒng)素材信息，根據(jù)給定的起始點和和終點，通過一些特定的算法(卷積神經網絡、深度學習)及約束規(guī)則如無碰撞、安全到達終點等，規(guī)劃處兩點間多雨可選安全路徑，并在這些路徑中選取一條最優(yōu)的路徑作為車輛行駛軌跡。

決策系統(tǒng)分為兩種：基于規(guī)則和基于深度學習的決策技術。基于專家規(guī)則的行為決策系統(tǒng)算法邏輯清晰、穩(wěn)定性強、便于建模，但對復雜工況處理及算法性能的提升存在瓶頸。基于學習算法的行為決策系統(tǒng)具備自學性能、便于系統(tǒng)優(yōu)化及模型訓練提升，但模型修正難度大、學習效果依賴數(shù)據(jù)樣本、網絡結構不合理可能導致過學習或欠學習等。

目前，市場上無人車決策系統(tǒng)更多的采用規(guī)則算法與學習算法結合的方式，頂層采用規(guī)則算法，根據(jù)場景進行層級遍歷;底層采用深度學習算法，基于具體場景分模塊應用，發(fā)揮學習算法的優(yōu)勢。

圖2 決策與規(guī)劃環(huán)節(jié)的架構

自動控制與執(zhí)行技術

車輛控制平臺是無人車的核心部件，控制著車輛的各種控制系統(tǒng)。其主要包括電子控制單元(ECU)和通信總線兩部分。ECU又稱行車電腦，主要用來控制算法，百度無人車的“百度大腦”即是ECU組件;通信總線主要用來實現(xiàn)ECU與控制部件間的通信功能。

車輛控制系統(tǒng)可以分為縱向控制和橫向控制兩個環(huán)節(jié)。縱向控制主要通過油門和制動綜合控制的方法來實現(xiàn)對預定車速的追蹤，各種電機、發(fā)動機、傳動模型、汽車運行模型和剎車過程模型與不同的控制算法相結合，構成了各種各樣的縱向控制模式。橫向控制主要是電子助力轉向來完成，而其算法有兩種不同的方法來實現(xiàn)，一種是基于駕駛員模擬的方法，通過簡單的動力學模型、駕駛員操作規(guī)則或者駕駛員操作過程數(shù)據(jù)來設計控制器;另一種是基于車輛動力學模型的方法，建立精確的汽車橫向運動模型如單軌模型等。

圖3 控制與執(zhí)行系統(tǒng)的架構

結語

無人駕駛想要實現(xiàn)，主要依靠眼睛+大腦的組合。眼睛主要是各類傳感器，而大腦主要是AI芯片和算法，因此無人駕駛和人工智能一樣，也受益于大數(shù)據(jù)、云計算和優(yōu)秀算法。隨著人工智能技術發(fā)展的越來越快，傳感器技術、大數(shù)據(jù)、云計算及深度學習也將實現(xiàn)技術突破，相信無人駕駛技術也會迎來質的飛躍。