无人驾驶技术

1引言汽车的发展已经有100多年的历史了，它的出现大大节约了人类的出行时间和出行成本。但随着社会的发展，人口的增加，汽车数量呈现爆发式的增长。这导致了交通拥堵、环境污染、能源危机、交通事故频发给城市建设和提升带来了阻碍。从汽车的发展我们可以看出，尽管汽车经过了一个世纪的发展，但汽车的行驶模式从未发生过本质的变化。在行驶过程中，驾驶员通过视觉反馈了解道路的情况，对行驶方向进行控制，这就形成了一个“车-路-驾驶员”的闭环系统。在这个系统中，驾驶员是控制的核心。但在实际的车辆行驶过程中，驾驶员会受到很多未知因素的干扰，具有不稳定性，这种传统的车辆行驶方式缺点日益突出，这也是目前交通事故频发的主要原因。同时不同驾驶员操作习惯和行为方式不统一也是造成车辆拥堵的主要原因。据统计，2017年因为交通事故死亡人数达6.3万人，而且造成事故发生原因九成以上都是人为原因。因此剔除驾驶员的不稳定因素成为提高驾驶安全和效率的一个发展方向。无人驾驶技术应运而生，无人汽车通过车辆上装备的传感装置感知周围环境，利用人工智能技术模拟人类的驾驶习惯和处理紧急事故的应对方式，避免了人类在极端条件下心理压力对行为能力的影响的缺陷，这使得汽车具有自主行驶能力，让汽车的行驶变的安全可靠。2无人驾驶技术简介随着人工智能（AI）的发展，人们也开始把眼光聚焦到无人驾驶技术领域。汽车制造商、汽车出行服务商甚至是专业导航服务商都敏锐地意识到无人驾驶技术可能带来的巨大商机。目前，把无人车运营列入远期商业目标的公司包括巨头级别的企业如Google、滴滴，初创型的企业如Pony.ai（小马智行）、Roadstar.ai（星行科技）等。这些平台都试图及早占领无人驾驶出行服务市场，在未来“去司机化”服务领域抢先占据有利高地。美国谷歌公司是最先发展无人驾驶汽车的公司，并且在2017年11月率先进行了不配备安全驾驶员的无人驾驶汽车的测试。而在我们国内，百度、长安等企业以及国防科技大学、军事交通学院等军事院校的无人驾驶汽车走在国内研发的前列。长安汽车、百度汽车都已经进行了无人驾驶汽车的测试并初步取得成功。除此而外，无人驾驶技术也引起了公共交通领域的重视。在我国一些较为发达的城市,公共交通事业部门已经将无人驾驶公交车项目纳入到未来发展的计划，甚至有的已经开始了前期的测试工作。无人驾驶所需的基本技术多种多样，主要有车对车通信、巡航控制、自动刹车、视频摄影机、位置估计器、全球定位系统等9项。自动驾驶分为6个等级，分别为L0无自动化、L1驾驶辅助、L2部分自动化、L3有条件自动化、L4高度自动化和L5完全自动化。在我国，自动驾驶技术依旧处于开发的起步阶段。1980年“遥控驾驶的防核化侦察车”由国家立项研发。国防科技大学一直走在汽车智能化的前列，1989年就研制出我国首辆智能小车，1992年研制出我国第一辆真正意义上的无人驾驶汽车,2011年国防科技大学联合研制的无人驾驶汽车通过了高速公路无人驾驶实验，2012年中国人民解放军军事交通学院研制成功我国第一辆官方认证的高速测试无人驾驶智能汽车无人驾驶技术关键技术研究3.1环境感知技术环境感知技术是无人驾驶汽车的前提和重要基础，该技术主要通过传感器获取周围环境，并结合车辆自身的状态，最终做出决策，是无人驾驶汽车稳定运行的重要保障。目前,环境感知技术主要涉及以下几个方面：雷达探测技术雷达是一种主动式传感装置，其优势在于能够直接探测出环境深度信息，受光照的影响程度较小。缺点在于视野范围较小、价格相对昂贵在雨雪环境中系统无法工作。无人驾驶汽车中常用的雷达主要有激光雷达、毫米波雷达、超声波雷达等。基于雷达的环境理解方法主要有可通行区域分析、帧匹配、云聚类等。车间通信技术借助车辆间通信技术，无人驾驶车辆不仅可以通过传感器获得本车信息，还可以通过车间通信技术获得道路、其他车辆、中心调度等实时交通信息，并进一步构建更为高效准确的综合运输系统。机器视觉技术计算机视觉系统通过摄像头感知外部环境，结合机器学习算法对周围环境进行识别与判断，机器视觉系统成本较低，可处理信息量大，但对机器学习算法的准确率要求较高。通过多台摄像机的安放，无人驾驶骑车可以从多个角度获得车辆周围环境信息，进而做出更精确的判断。3.2路径规划算法该类技术一般是指是假设在没有障碍物，道路状况正常的情况下，通过算法设计及各道路当前状况，合理设计从出发地到目的地的一系列算法，为无人驾驶技术的核心技术,这类算法从决策信息角度分类，主要分为全局性路径规划及局部路径规划等两类，前者考虑到已知的全局环境信息，结合当前汽车所获得的障碍物信息，实时做出决定，这类算法主要采用近似栅格法;局部路径规划是指在较难获得全局信息的情况下，汽车仅能通过汽车自身感知器信息的融合进行决策的算法，一般仅在短时间内有效，从全局角度来看，并不一定可以达到全局最优，这类算法主要涉及多感知器信息的融合，常用算法为模糊逻辑法、人工神经网络算法、势场法、占据栅格法、空间搜索法和基于多感知器信息融合的集成学习算法。3.3自主避障方法无人驾驶技术涉及的自主避障方法主要分为以下两类：一是运动障碍物检测技术，即通过感知器对汽车周边环境进行感知，检测出正在运动的障碍物，该部分技术主要结合环境感知技术进行，常用的方法主要有地图坐标差分法、实体类聚法、目标跟踪法等。地图坐标差分法核心思想是指通过感知器获得相关数据后，根据地图上不同障碍物在不同时刻的状态来分析障碍物分布，记录物体运动信息，并基于相关算法进行运动状态预测。物体聚类法通过将感知器采集到的数据信息进行分类，并基于数据进行物体的分类，以更好关注每一个物体的运动状况。目标跟踪法指综合多个感知器的数据源，对运动状态进行合理追踪，并基于前几个时刻的信息记录，预测接下来一段时间的运动状态，进行决策。考虑到数据精确性和设备成本等，目前多数的无人驾驶汽车所采用的大多是激光雷达为主的传感器也辅助以红外检测、声呐、光感摄像头等设备。二是障碍物轨迹预测技术，即对对运动过程中或者基于运动预测算法所得的轨迹可能与无人驾驶汽车当前轨迹有重合可能的情况时，判断其碰撞关系，并进行决策是否需进行躲避，应如何躲避等问题。该类技术主要结合机器学习算法及控制类相关模型进行。通过人工智能技术干预决策和路径设计，保证无人驾驶车辆的安全性。无人驾驶技术应用现状及存在问题4.1国内无人车发展现状国内无人车相较于西方发展较晚，最早出现于上世纪八十年代，起初以军事用途为主,我国先后研制出ATB-1,ATB-2无人车，在环境感知和决策能力上初步的进展。进入21世纪，商用无人车的发展热潮始于2009年中国第一届无人车比赛，中科院，清华，中科大等高校参加比赛。中国无人车在国家一系列政策的支持下，发展十分迅速。2003年，清华大学研制成功THMR-V(TsinghuaMobileRobotV)型无人驾驶汽车，可以在清晰车道线的结构化道路上完成巡线行驶，最高车速达100km/h。2011年7月14日,由国防科技大学自主研制的红旗HQ3无人驾驶汽车首次完成了从长沙到武汉近300公里的高速全程无人驾驶实验。2016年7月6日，北汽集团宣布与辽宁盘锦红海滩景区战略合作，将无人驾驶汽车正式推向商用。2017年7月5日，在“百度人工智能开发者大会”上,百度正式宣布“Apollo”计划——向汽车行业及自动驾驶领域的合作伙伴提供一个开放、完整、安全的软件平台，帮助其结合车辆和硬件系统，快速搭建一套属于自己的完整的自动驾驶系统，百度CEO李彦宏亲自乘坐百度阿波罗自动驾驶汽车，从百度公司到国家会议中心现场。4.2国外无人车发展现状随着无人车技术得到更多的重视，许多国家投入大量资金展开研究，西方发达国家的自动驾驶技术正在飞速发展，相比之下，美国谷歌与特斯拉取得了较大的进展并在无人车行业受到广泛关注。2009年，谷歌启动了无人驾驶汽车项目。2010年至2014年，谷歌在无人驾驶领域发展迅速，并于2014年5月推出了一款无刹车、无方向盘，只有启动键的自主无人车，一年后，谷歌在山景城对其进行路测。2015年。谷歌决定分离自动驾驶技术成立子公司waymo,清晰化其在自动驾驶上的走向。特斯拉在无人车的实践上领先于市场，其Modelx,Models都以配备Autopilot系统。特斯拉现已推出Autopilot2.0,已实现识别交通信号灯驾驶，力求Level4自动驾驶。特斯拉自动驾驶2.0将增加雷达和三镜头摄像系统，无论是雷达还是摄像头都相当于人类司机的眼睛，用眼睛观看的情况以及数据需要交给大脑去分析，然后做出正确的判断与决定。特斯拉的大脑的核心是人工智能技术，特斯拉CEO也表明，未来在发展无人驾驶技术时，将会重点发展人工智能系统。4.3无人驾驶技术存在的问题4.3.1成本问题由于道路环境的复杂性，无人驾驶汽车对传感器精度的要求非常苛刻。无人驾驶技术依赖的高精度激光雷达可以为车辆绘制精确的道路地图，实时获取车辆周围的三维信息。然而激光雷达的成本高达数十万美元，不同精度的激光雷达随着精度的增加成本成指数倍增加。再加上昂贵的处理平台，无人驾驶的成本始终难以控制在可接受水平。目前量产的自动驾驶车型中几乎没有车型配备激光雷达，特斯拉最新的Autopilot2.0也没有配备。可见成本问题是无人驾驶汽车量产的巨大障碍4.3.2安全问题实际的道路情况不仅仅是车辆行为，还有行人行为，道路工作人员行为，指示灯行为以及各种路标。再加上天气气候因素，道路情况的复杂程度难以想象。因此无人驾驶技术的安全性面临挑战。4.3.3法律问题对于自动驾驶和无人驾驶这两个新兴领域来说，相关的法律法规还不够完善，法律的地域差异性巨大。美国目前有4个州——内华达州、佛罗里达州、加利福尼亚州和密歇根州通过了允许对无人驾驶汽车进行路测的法规。各个国家也都在完善有关方面的法律法规。新的自动驾驶或无人驾驶车辆进入市场前的检测制度还不够完善，事故发生后的责任问题也是如今难以解决的问题。无人驾驶技术发展方向随着自动驾驶技术的发展和科技公司对无人驾驶技术的研究，最终无论是车企还是科技公司都会初步实现无人驾驶。无人驾驶的初步实现一定会在技术领域出现很大的差异性，包括算法的差异性、系统平台的差异性以及设备的差异性。要实现无人驾驶安全性的进一步提高，必须实现车辆与基础设施间的通信(V2I),其次要实现车辆间的信息共享(V2V)，最终实现车联万物(V2E)的最终目标，将汽车打造成最大的个人移动处理平台。要实现V2I与V2V就必须减少不同品牌间无人驾驶技术的差异性，增强平台间的信息共享能力。如今的自动驾驶与无人驾驶都是以单独车辆为单位，一辆车所能获取的信息只能来自自身的传感器。未来V2I与V2V的实现可将每个车辆所获得的信息进行共享，也就是说一辆车可以拥有道路上每辆车的传感器数据，实现对整条道路实时无死角的信息获取。此外除了共享传感器信息，车辆的行程信息也将共享。在十字路口或者交通压力较大的地区系统会根据各个车辆的行程安排自动选择道路，将被动调整转变为主动调整，道路的运输效率以及车辆的安全性也将显著提高。车联网的最终目的是要实现V2E，将车辆变成与手机一样的移动处理平台，车辆不再是单独的交通工具，每辆车都将成为使用者的娱乐和工作的平台，最终实现万物互联的终极目标总结通过以上分析，人工智能(AI)与汽车的结合，必将开启未来无人驾驶技术的崭新时代。但是，在这条“承前启后”的路上，要实现无人驾驶的真正普及，还有许多制约因素亟待解决。从专业角度而言，无人驾驶技术可分为四个层次:第一个层次是车道偏航预警和紧急刹车辅助;第二个层次是AutoPilot功能，通过自动驾驶仪来实现部分无人驾驶的目的;第三个层次是特定条件环境下的结构化道路自主驾驶;最后一个层次就是实现全天候的完全自主驾驶。完全达到了最后一个层次的要求，才标志着真正无人驾驶时代的到来。但是,我们现有的技术条件、环境条件和法律条件，距离这个层次，还有很长一段距离。首先是技术条件。实现汽车自动驾驶的控制系统不是最大的问题，无人驾驶汽车最大的技术难题在于“车联网”系统。这是一个相当复杂、技术难度和集成度都较高的系统涉及到汽车本身的有效自动控制技术、高精度和同步性的导航技术、突发事件的应急处理技术等。这些技术难关如果没有得到彻底解决，真正意义的无人驾驶便无法实现。其次是环境条件。全面实现汽车的无人驾驶，必须要有完善的行驶条件，包括街道路面的改造、交通指挥信号的改造等。无人驾驶汽车没有人的控制，全部靠预先设置好的程序自动行驶，所以行驶的道路条件必须根据汽车行驶的各种状况进行设计，务求让每一种可能出现的状况都有安全解决的环境条件。另外就是交通信号系统要进行彻底完善，使之适应自动驾驶的特点，不致造成交通秩序的混乱。第三是自动驾驶技术在普及实施过程中的法律问题。自动驾驶技术一旦发展成熟，可以大大降低交通事故的发生，让公路交通系统变得更加有条理、有秩序。但是，我们也不能完全保证不出任何问题。自动驾驶完全脱离了人的操控，一旦出现交通事故，在责任的界定、赔偿等方面，就会出现一些新的问题。所以，要实现无人驾驶的真正普及，不仅仅要解决技术上的难题，还要完善交通环境和法律环境。前途光明，但任