无人驾驶汽车如何精准定位并选取最优路径？

点击左上方蓝色字体“慧天地”即可订阅

（点击图片可放大观看，更多精彩请留意文末推荐)

自动驾驶汽车（Automated Vehicle；Autonomous Vehicle；Self-driving Car；Driverless Car）又称智能汽车、自主汽车、无人驾驶汽车或轮式移动机器人，是一种通过计算机实现无人驾驶的智能汽车。

无人驾驶汽车的动作都是基于传感器实时获取环境信息所做的局部路径规划下的动作，还需要与基于完整环境信息的全局路径相结合，如下图所示。

 无人驾驶汽车体系结构

其中，无人驾驶汽车关键技术包括环境感知、精准定位、决策与规划、控制与执行、高精地图与车联网V2X以及无人驾驶汽车测试与验证技术；本文先为大家介绍环境感知、精准定位和决策与规划。

环境感知

环境感知作为其他部分的基础，处于无人驾驶汽车与外界环境信息交互的关键位置，是实现无人驾驶的前提条件，起着人类驾驶员“眼睛”“耳朵”的作用。

1.摄像机

无人驾驶汽车中配置的视觉传感器主要是工业摄像机，它是最接近于人眼获取周围环境信息的传感器。

工业摄像机按照芯片类型可分为CCD摄像机和CMOS摄像机两种。

（1）CCD摄像机，由光学镜头、时序及同步信号发生器、垂直驱动器及模拟/数字信号处理电路组成，具有体积小、重量轻、低功耗、无滞后、无灼伤、低电压等特点。

（2）CMOS摄像机，集光敏元阵列、图像信号放大器、信号读取电路、模数转换电路、图像信号处理器及控制器于一体，具有传输速率高、动态范围宽、局部像素的可编程随机访问等优点。

2.激光雷达

激光雷达是以发射激光束来探测目标空间位置的主动测量设备。根据探测原理，激光雷达分为单线（二维）激光雷达和多线（三维）激光雷达。

（1）单线激光雷达，通过发出一束激光扫描线对区域进行旋转扫描，并根据区域内各个点与激光雷达的相对空间距离与方位，返回测量值。

（2）多线激光雷达，通过发出两束或两束以上的激光扫描线对区域进行旋转扫描，可以通过点云来描述三维环境模型。如下图所示。

多线激光雷达通过点云来描述三维环境模型（来自Velodyne官网）

目前，国际市场上推出的主要有4线、8线、16线、32线和64线。

激光雷达发出的线束越多，每秒采集的点云越多，同时造价也越高。

例如，美国Velodyne公司的16线激光雷达VLP-16（Puck）目前售价是3999美元，而64线激光雷达HDL-64E的售价高达7万美元。    

VLP-16、HDL-64E（来自Velodyne官网）

（3）毫米波雷达

毫米波雷达是指工作在毫米波波段，频率在30—300GHz之间的雷达。

（4）超声波传感器

超声波传感器是利用超声波的特性研制而成的，工作在机械波波段，工作频率在20kHz以上。

精准定位

无人驾驶汽车的基础是精准导航，不仅需要获取车辆与外界环境的相对位置关系，还需要通过车身状态感知确定车辆的绝对位置与方位。

1.惯性导航系统

惯性导航系统由陀螺仪和加速度计构成，通过测量运动载体的线加速度和角速率数据，并将这些数据对时间进行积分运算，从而得到速度、位置和姿态。

2.轮速编码器与航迹推算

可以通过轮速编码器推算出无人驾驶汽车的位置。

3.卫星导航系统

目前全球卫星导航系统包括美国的GPS、俄罗斯的GLONASS、中国的北斗卫星导航系统。

北斗卫星导航系统是中国自主研发、独立运行的全球卫星定位与通信系统，空间段包括5颗静止轨道卫星和30颗非静止轨道卫星，采用我国独自建立使用的CGCS 2000坐标系。

北斗卫星导航系统

4.SLAM自主导航系统

SLAM（Simultaneous Localization And Mapping，即时定位与地图构建），也称为CML（Concurrent Mapping and Localization，并发建图与定位）。

SLAM最早由Smith、Self和Cheeseman于1988年提出，SLAM起源于机器人领域。

SLAM问题可以描述为：机器人在未知环境中开始启动，并尝试从一个未知位置开始移动，在移动过程中根据自身位姿估计和地图匹配进行自身定位。

一个由德国达姆施塔特理工大学研发的机器人正使用激光成像探测与测距技术来给迷宫绘图

然后在自身定位的基础上实现运动中拓展地图，最终实现全局机器人的自主定位和导航。

上图的机器人描绘出的地图

决策与规划

无人驾驶汽车的行为决策与路径规划是指依据环境感知和导航子系统输出信息。

根据给定的起始点和终点，通过一些特定的约束条件如无碰撞、安全到达终点等。

规划出两点间多条可选安全路径，并在这些路径中选取一条最优的路径作为车辆行驶轨迹。

无人车软件系统模块

通常情况下，无人驾驶汽车的决策与规划系统主要包含以下几点内容：

1.路径规划：无人驾驶车辆中的路径规划算法会在进行路径局部规划时，对路径的曲率和弧长等进行综合考量，从而实现路径选择的最优化，避免碰撞和保持安全距离。

2.驾驶任务规划：即全局路径规划，主要的规划内容是指行驶路径范围的规划。

目前，无人驾驶汽车主要使用的行为决策算法有以下3种：

1.基于神经网络：无人驾驶汽车的决策系统主要采用神经网络确定具体的场景并做出适当的行为决策。

2.基于规则：工程师想出所有可能的“if-then规则”的组合，然后再用基于规则的技术路线对汽车的决策系统进行编程。

3.混合路线：结合了以上两种决策方式，通过集中性神经网络优化，通过“if-then规则”完善。混合路线是最流行的技术路线。

感知与决策技术的核心是人工智能算法与芯片。

人工智能算法的实现需要强大的计算能力做支撑，特别是深度学习算法的大规模使用，对计算能力提出了更高的要求。

随着人工智能业界对于计算能力要求的快速提升，进入2015年后，业界开始研发针对人工智能的专用芯片，通过更好的硬件和芯片架构，在计算效率上进一步带来大幅的提升。

来源：学术头条 （本文作者不详，请原作者及时和《慧天地》联系，我们高度尊重原创，版权归原作者及刊载媒体所有。）

荐读

点击下文标题即可阅读

编辑 /刘雪  审核 / 刘雪 卞艺潼

指导：万剑华教授(微信号wjh18266613129)