從根本上改變了傳統(tǒng)的“人——車——路”閉環(huán)控制方式，將無法用規(guī)則嚴格約束的駕駛員從該閉環(huán)系統(tǒng)中請出去，從而大大提高了交通系統(tǒng)的效率和安全性，是汽車工業(yè)發(fā)展的革命性產(chǎn)物。

從20世紀80年代開始人類就展開了車輛自主行駛研究。美國是世界上研究自動駕駛汽車最早、水平最高的國家之一。其中谷歌無人駕駛汽車影響力最為廣泛，也是技術(shù)水平最成熟的公司之一。谷歌宣稱其無人駕駛汽車已經(jīng)在公路上安全行駛160多萬公里，期間沒有發(fā)生過任何嚴重的碰撞事故。但是能做到如谷歌自動駕駛車技術(shù)水平的公司寥寥無幾，可見其關(guān)鍵技術(shù)門檻是比較高的。

下面談談自動駕駛汽車中幾個關(guān)鍵技術(shù)。

環(huán)境感知

傳感器探測環(huán)境信息，只是將探測的物理量進行了有序排列與存儲。此時計算機并不知道這些數(shù)據(jù)映射到真實環(huán)境中是什么物理含義。因此需要通過適當?shù)乃惴◤奶綔y得到的數(shù)據(jù)中挖掘出我們關(guān)注的數(shù)據(jù)并賦予物理含義，從而達到感知環(huán)境的目的。

比如我們在駕駛車輛時眼睛看前方，可以從環(huán)境中分辨出我們當前行駛的車道線。若要讓機器獲取車道線信息，需要攝像頭獲取環(huán)境影像，影像本身并不具備映射到真實環(huán)境中的物理含義，此時需要通過算法從該影像中找到能映射到真實車道線的影像部分，賦予其車道線含義。

自動駕駛車輛感知環(huán)境的傳感器繁多，常用的有：攝像頭、激光掃描儀、毫米波雷達以及超聲波雷達等。

針對不同的傳感器，采用的感知算法會有所區(qū)別，跟傳感器感知環(huán)境的機理是有關(guān)系的。每一種傳感器感知環(huán)境的能力和受環(huán)境的影響也各不相同。比如攝像頭在物體識別方面有優(yōu)勢，但是距離信息比較欠缺，基于它的識別算法受天氣、光線影響也非常明顯。激光掃描儀及毫米波雷達，能精確測得物體的距離，但是在識別物體方面遠弱于攝像頭。同一種傳感器因其規(guī)格參數(shù)不一樣，也會呈現(xiàn)不同的特性。長距離毫米波雷達探測距離長達200米，角度范圍較小（±10度），而中距離雷達探測距離為60米，角度范圍較大（±45度）。

為了發(fā)揮各自傳感器的優(yōu)勢，彌補它們的不足，傳感器信息融合是未來的趨勢。事實上，已經(jīng)有零部件供應商做過此事，比如德爾福開發(fā)的攝像頭與毫米波雷達組合感知模塊已應用到量產(chǎn)車上。

行為規(guī)劃

說到行為規(guī)劃也許大家會比較陌生，我們可以先從路徑規(guī)劃開始講講。路徑規(guī)劃的概念在機器人中使用比較普遍，一般定義為：

在具有障礙物的環(huán)境中，按照一定的評價標準，尋找一條從起始狀態(tài)到目標狀態(tài)的無碰撞路徑。對于無人車來講，若確定了目標地點的車輛位姿，車輛具體以怎樣一條運動路徑行駛到目標地點，即為路徑規(guī)劃。

路徑規(guī)劃其實包含大范圍不考慮運動細節(jié)的全局路徑規(guī)劃以及具體到運動軌跡的局部路徑規(guī)劃。

為了將無人車的局部路徑進行形象地歸類、分析，引入了“行為”的概念。車輛在城市道路自主行駛時，它應具備車道保持、變換車道、路口直行、路口拐彎、掉頭、繞障、智能啟停、自動泊車等駕駛行為。行為的有序排列及有機銜接，方可完成整個自動駕駛?cè)蝿铡?/p>

“駕駛行為”是局部路徑中細分出來的行駛單元，當然它的劃分應該是多樣性的，主要取決于算法實現(xiàn)。

行為與行為之間會保持相對獨立性，但是行為切換時又具有平滑過渡的特征。車輛行駛中，何時采用何種行為，即為行為規(guī)劃（也有稱之為行為決策）。

單個駕駛行為，其實目前很多整車廠或科研院所做了相當多的工作，甚至有的已經(jīng)推向市場。如特斯拉的車道保持、自動變道、跟車功能，這些都是駕駛行為的具體實例。但是這些行為如何切換，如何過渡，特斯拉將其交給了人。自適應巡航、車道保持、自動變道，都需要駕駛員手動操作后托管給機器，并隨時準備接管駕駛。

人在同樣的工況中駕駛車輛，產(chǎn)生的駕駛行為序列是不一樣的，甚至同一行為的具體執(zhí)行區(qū)別也較大，這跟人的性格、安全意識和當時的心情等有關(guān)系。比如，我們在趕時間時，變道次數(shù)會增多，超車的安全系數(shù)會降低；新手開車時，變道時機把握不好，經(jīng)常急剎車等；甚至在面臨事故時，是選擇撞車還是撞旁邊的人，不同的人可能有不同的選擇。這些很多屬于人的高級思維，也涉及到法律、倫理道德，目前機器還很難達到這個層次。但是人工智能或許是解決這一問題的突破口。

車輛定位

自動駕駛汽車進行全自主行駛時，需要解決三個基本問題：1.車輛在哪；2.往哪兒去；3.怎么去。

車輛在哪其實就是對車輛的定位。定位方法有多種，比如衛(wèi)星定位、地面基站定位、視覺或激光定位以及慣導定位等。目前國內(nèi)高校無人車使用衛(wèi)星定位+基站定位方式比較多，后兩種基本沒有涉及到。

無人駕駛汽車里面到底藏著多少黑科技？

每一種定位方式都有其局限性，定位方式融合是趨勢。

比如衛(wèi)星定位系統(tǒng)雖然適用范圍廣、絕對位置精度高，但是其不適用于室內(nèi)或有遮擋物區(qū)域、位置也會隨時間漂移。視覺或激光定位相對位置精度非常高，無位置漂移，但是其受環(huán)境影響非常大。

將定位技術(shù)應用到無人車上時，衛(wèi)星定位可以解決大范圍絕對位置定位、高速公路定位以及其他開闊空間定位問題，但是當車進入隧道、高建筑物路段或室內(nèi)時，定位信號會不穩(wěn)定或丟失。這時需要視覺或慣導等室內(nèi)定位方式去彌補。

車輛定位會直接或間接影響車輛運動控制與行為決策的實現(xiàn)，甚至也是感知環(huán)境所需的重要信息。在執(zhí)行已經(jīng)規(guī)劃出來的運動軌跡時，運動控制算法需要定位信息不斷反饋實際的運動狀態(tài)做實時的調(diào)整。在進行行為切換時，切換時機需要充分了解到車輛所處交通環(huán)境的位置。感知方面，比如利用SLAM技術(shù)構(gòu)建地圖，就需要車輛的相對定位信息。

結(jié)束語

自動駕駛汽車是汽車界與機器人界碰撞、融合的產(chǎn)物，它匯集了機電一體化、環(huán)境感知、電子與計算機、自動控制以及人工智能等一系列高科技。汽車作為人類重要的交通工具，隨著這些子技術(shù)的融合、發(fā)展與突破，必將變得越來越智能，最終實現(xiàn)全天候無人駕駛。