馬碩

(武漢交通職業(yè)學(xué)院 430065)

無(wú)人駕駛汽車應(yīng)用與發(fā)展現(xiàn)狀分析

馬碩

(武漢交通職業(yè)學(xué)院 430065)

互聯(lián)網(wǎng)技術(shù)的迅速發(fā)展給汽車行業(yè)帶來(lái)了嶄新的變革。無(wú)人駕駛汽車大大提高了交通系統(tǒng)的效率和安全性。本文介紹了無(wú)人駕駛汽車的發(fā)展歷史，闡述當(dāng)代汽車主流的無(wú)人駕駛汽車技術(shù)并簡(jiǎn)單分析其中的關(guān)鍵技術(shù)。對(duì)無(wú)人駕駛汽車的發(fā)展前景做了一個(gè)符合實(shí)際的展望。

發(fā)展現(xiàn)狀；無(wú)人駕駛；互聯(lián)網(wǎng)；關(guān)鍵技術(shù)

0 引言

無(wú)人駕駛汽車是一種智能汽車主要依靠車內(nèi)以計(jì)算機(jī)系統(tǒng)為主的智能駕駛儀來(lái)實(shí)現(xiàn)無(wú)人駕駛。它利用車載傳感器來(lái)感知車輛的周邊環(huán)境并通過感知獲得的道路、車輛信息來(lái)控制車速和轉(zhuǎn)向，從而安全、可靠地在道路上行駛[1]。近年來(lái)，隨著互聯(lián)網(wǎng)技術(shù)的迅速發(fā)展，汽車工業(yè)也迎來(lái)了發(fā)展的機(jī)會(huì)。而無(wú)人駕駛汽車便是最熱門的發(fā)展方向。

1 無(wú)人駕駛汽車發(fā)展

1.1 國(guó)外無(wú)人駕駛汽車發(fā)展

進(jìn)入21世紀(jì)之后，隨著計(jì)算機(jī)、地圖、傳感及汽車電子等相關(guān)技術(shù)的飛速發(fā)展，越來(lái)越多的機(jī)構(gòu)和廠家開始介入研究自動(dòng)駕駛技術(shù)，比如大名鼎鼎的Google。Google依靠它在互聯(lián)網(wǎng)、大數(shù)據(jù)、云計(jì)算、數(shù)據(jù)分析處理的優(yōu)勢(shì)，在無(wú)人駕駛汽車的研發(fā)處于領(lǐng)先地位。2009～2015年，Google的無(wú)人駕駛汽車已經(jīng)經(jīng)過了274萬(wàn)公里的道路試驗(yàn)，期間僅發(fā)生了11次事故，而且這些事故都是輕微的、沒有人傷亡的。都是其他車輛撞上了谷歌試驗(yàn)車導(dǎo)致的。

1.2 國(guó)內(nèi)無(wú)人駕駛汽車發(fā)展

與國(guó)外相比而言，我國(guó)起步較晚。1989 年，首輛智能小車在中國(guó)國(guó)防科技大學(xué)誕生。它包含了計(jì)算機(jī)系統(tǒng)、精確定位系統(tǒng)、路徑規(guī)劃系統(tǒng)、運(yùn)動(dòng)控制系統(tǒng)和自動(dòng)駕駛儀。在 2000 年 由國(guó)防科技大學(xué)研發(fā)的第 4 代無(wú)人駕駛汽車試駕成功，它的智能控制系統(tǒng)主要由 3 個(gè)部分構(gòu)成：計(jì)算機(jī)系統(tǒng)、定位系統(tǒng)和駕駛控制系統(tǒng)。2003年，國(guó)防科技大學(xué)完成了紅旗 CA7460 無(wú)人駕駛平臺(tái)試驗(yàn)，這標(biāo)志著我國(guó)自主研發(fā)的第一輛無(wú)人駕駛汽車誕生了。

2015年，我國(guó)一汽集團(tuán)以紅旗H7為基礎(chǔ)的”摯途”自動(dòng)駕駛車輛通過車載激光雷達(dá)、傳感器以及V2V系統(tǒng)，可以實(shí)現(xiàn)城市和高速路況的自動(dòng)駕駛以及自動(dòng)跟車編隊(duì)行駛。2015年12月，百度成立自動(dòng)駕駛事業(yè)部，而百度“百智”無(wú)人駕駛汽車也在北京完成了30 km的路試。測(cè)試車在沒有駕駛員干預(yù)的情況下，在北京的道路上自動(dòng)完成跟車減速、轉(zhuǎn)向、超車，上下高速公路匝道等一系列動(dòng)作。

2 無(wú)人駕駛汽車技術(shù)

如同其他很多事物一樣，無(wú)人駕駛實(shí)際上也有一個(gè)技術(shù)循序漸進(jìn)發(fā)展的過程。無(wú)人駕駛也需分為不同階段。

階段一：輔助駕駛階段。車道保持、自適應(yīng)巡航等輔助駕駛功能，均屬于這個(gè)階段的技術(shù)，不過駕駛員仍舊是操作主體。

階段二：半自動(dòng)駕駛。在這個(gè)階段中，電腦操縱下的自動(dòng)駕駛已經(jīng)可以完成前往目的地的過程，其可作為備用系統(tǒng)完成行駛，但受限于法律法規(guī)等因素，其仍舊不能作為整個(gè)駕駛行為的主體存在。

階段三：全自動(dòng)駕駛。技術(shù)、成本、法衡去規(guī)等因素都不再成為影響普及的因素，電腦控制的系統(tǒng)已經(jīng)作為駕駛主體而存在，駕駛員也可以隨時(shí)接管操作系統(tǒng)[2]。

由于技術(shù)和法規(guī)等的限制，目前的無(wú)人駕駛汽車大多處于第一階段。當(dāng)前主流的無(wú)人駕駛汽車技術(shù)有激光雷達(dá)式和攝像頭+測(cè)距雷達(dá)式兩種。

2.1 激光雷達(dá)式

自上世紀(jì)80年代DARPA的ALV項(xiàng)目以來(lái)，我們看到的大多數(shù)現(xiàn)代自動(dòng)駕駛原型車上都布滿了傳感器，并且頭頂著一臺(tái)激光雷達(dá)。車輛使用傳感器的探測(cè)以及激光雷達(dá)的三維立體掃描來(lái)“感知”周圍的世界，而車載控制計(jì)算機(jī)則像人類大腦一樣決定需要進(jìn)行的操作。Google的無(wú)人駕駛汽車就是激光雷達(dá)應(yīng)用的典型代表。

Google算得上是最早跨界進(jìn)行自動(dòng)駕駛汽車研發(fā)的互聯(lián)網(wǎng)公司，同時(shí)依托著自己獨(dú)有的地圖和大數(shù)據(jù)計(jì)算資源，在這一領(lǐng)域具有領(lǐng)先的優(yōu)勢(shì)。由于自身有著地圖和街景這樣先天的優(yōu)勢(shì)，Google自動(dòng)駕駛車輛使用一臺(tái)由Velodyne公司提供的64位三維激光雷達(dá)將周圍環(huán)境繪制成一幅3D地圖，并與Google的高精度地圖相結(jié)合，利用計(jì)算機(jī)以及云端網(wǎng)絡(luò)進(jìn)行大數(shù)據(jù)處理，最終實(shí)現(xiàn)自動(dòng)駕駛功能。

早期的豐田普銳斯原型車搭載了視頻攝像頭、激光雷達(dá)、位置傳感器和測(cè)距雷達(dá)幾種傳感裝置。其中視頻攝像頭用來(lái)判斷交通信號(hào)燈以及任何移動(dòng)的物體；激光雷達(dá)用于形成真實(shí)道路環(huán)境的3D地圖；測(cè)距雷達(dá)用于探測(cè)車輛周圍的障礙物，—旦有物體接近，車輛將自動(dòng)減速；位于左后輪處的位置傳感器用來(lái)偵測(cè)和估算車輛的側(cè)向位置偏移，以判斷車輛在地圖上的位置。

在經(jīng)過多年的試驗(yàn)后，Google推出了自己的無(wú)人駕駛原型車。這臺(tái)原型車上同樣搭載了諸多雷達(dá)及傳感器，以及聳立在車頂上的激光雷達(dá)。Google的無(wú)人駕駛汽車已經(jīng)取消了方向盤，汽車完全靠車載計(jì)算機(jī)進(jìn)行操控，是目前最接近無(wú)人駕駛概念的汽車。

2.2 攝像頭+測(cè)距雷達(dá)式

奔馳公司在80年代就開始研發(fā)無(wú)人駕駛技術(shù)，在2013年其研發(fā)的無(wú)人駕駛汽車成功的從斯圖加特行駛到法蘭克福，行駛里程約100 km。該無(wú)人駕駛汽車是在并沒有采用激光雷達(dá)，而是采用攝像機(jī)+測(cè)距雷達(dá)的組合實(shí)現(xiàn)了對(duì)周圍環(huán)境的監(jiān)測(cè)。

車頭兩側(cè)的長(zhǎng)距雷達(dá)可以更早地發(fā)現(xiàn)遠(yuǎn)處的路口；另外的長(zhǎng)距雷達(dá)監(jiān)控著車輛前后的交通路況；車身四角的四個(gè)短距雷達(dá)可迅速偵測(cè)到車輛周圍的事物以及其他車輛；車前風(fēng)擋處的攝像機(jī)負(fù)責(zé)識(shí)別交通標(biāo)識(shí)，后風(fēng)擋處的攝像機(jī)拍攝街景，通過與導(dǎo)航系統(tǒng)中的地形特點(diǎn)比對(duì)和辨別來(lái)確定車輛的精確位置。這輛無(wú)人駕駛汽車的立體攝像機(jī)也進(jìn)行了相應(yīng)的改進(jìn)，從而可以進(jìn)一步提升探測(cè)距離。盡管是一臺(tái)真正的自動(dòng)駕駛車輛，但還保留了傳統(tǒng)汽車的完整的操作方式。與Google自動(dòng)駕駛車輛類似，它對(duì)于路面障礙的偵測(cè)完全來(lái)自車輛自身的傳感裝置。不過，奔馳使用了更加成熟的攝像頭組合代替了激光雷達(dá)，因此在成本上更容易進(jìn)行控制，同時(shí)也不會(huì)破壞現(xiàn)有車輛的外觀質(zhì)感。

奔馳在2015年又推出了新能源自動(dòng)駕駛概念車F015。奔馳F015概念車?yán)昧Ⅲw攝像頭、雷達(dá)以及超聲波傳感器來(lái)獲取車輛四周的環(huán)境數(shù)據(jù)，來(lái)為自動(dòng)駕駛提供大量的參考信息。高精度GPS配合三維導(dǎo)航地圖，可以確保車輛定位精度達(dá)到厘米級(jí)別。

3 無(wú)人駕駛汽車關(guān)鍵技術(shù)

無(wú)人駕駛汽車是未來(lái)汽車發(fā)展的方向，是各種頂尖科技成果為一體的智慧型汽車。就目前發(fā)展現(xiàn)狀來(lái)看，還有以下幾個(gè)方面的技術(shù)亟需取得突破。

3.1 傳感器技術(shù)

現(xiàn)在無(wú)人車能出現(xiàn)很大程度上依賴傳感器的進(jìn)步。現(xiàn)在的無(wú)人駕駛汽車采用激光雷達(dá)，直接感知路面狀況，用于分析計(jì)算。

3.2 定位

目前主要的定位系統(tǒng)中美國(guó)的GPS應(yīng)用最為廣泛，技術(shù)也較為成熟，但目前民用的GPS定位精度遠(yuǎn)達(dá)不到無(wú)人車的需求，GPS官方民用定位精度“<10 m”，更高精度的GPS基本要依靠差分完成。差分的原理很簡(jiǎn)單：設(shè)置一個(gè)固定基站，固定基站校準(zhǔn)位置，再將信號(hào)傳遞給車載設(shè)備，車載設(shè)備在接收到基站信號(hào)和GPS信號(hào)后差分獲得。但是每一個(gè)基站的有效范圍也就30 km。于是有很多技術(shù)要解決GPS精度不足的問題，如地圖匹配。

3.3 避障

車輛前方有障礙，障礙物是運(yùn)動(dòng)的還是靜止的，車是停下來(lái)還是繞過去。這部分主要的難度是從傳感器識(shí)別障礙，在車輛運(yùn)動(dòng)的前提下，確定障礙的運(yùn)動(dòng)狀態(tài)。也就是說(shuō)你要在運(yùn)動(dòng)的坐標(biāo)系下，計(jì)算另一個(gè)物體相對(duì)靜坐標(biāo)系的速度，并作出判斷。

3.4 識(shí)別

人能輕易識(shí)別出道路上的交通標(biāo)識(shí)，如限速牌、紅綠燈，同時(shí)作出相應(yīng)的反應(yīng)，但這對(duì)于機(jī)器來(lái)說(shuō)是一個(gè)困難的挑戰(zhàn)。目前的機(jī)器視覺技術(shù)還難以識(shí)別像樹木、行人、動(dòng)物等物體。這些物體的識(shí)別都要通過視覺系統(tǒng)完成。在無(wú)人車上不但需要能在有限的時(shí)間里識(shí)別出來(lái)，并且還要考慮道路中可能有的光線變化、遮擋等問題。要完善解決這些問題，還需要等待機(jī)器視覺和圖像識(shí)別領(lǐng)域的技術(shù)突破[3]。

3.5 控制

除了上面的避障以外，其他外圍機(jī)構(gòu)的改造可能會(huì)存在一些改造上的問題。如何介入轉(zhuǎn)向架、如何介入油門。這部分技術(shù)的難度較小，汽車控制技術(shù)如今已比較成熟，而無(wú)人駕駛汽車在未來(lái)基本為純電動(dòng)汽車，在控制難度上將小于傳統(tǒng)的內(nèi)燃機(jī)汽車。

4 結(jié)論

無(wú)人駕駛汽車是一種智能化的移動(dòng)交通工具，它能夠代替人類駕駛員實(shí)現(xiàn)一系列駕駛行為。它涉及到環(huán)境感知察覺、導(dǎo)航定位以及智能決策控制等眾多學(xué)科的研究領(lǐng)域。無(wú)人駕駛汽車的研發(fā)不僅推動(dòng)了各項(xiàng)技術(shù)的應(yīng)運(yùn)而生，也促進(jìn)了各類科學(xué)技術(shù)的發(fā)展。伴隨著更多高新科技的研發(fā)與技術(shù)的成熟，回顧歷史，人類為了夢(mèng)想踏上了自動(dòng)駕駛的探索之路，一路走來(lái)到今天，無(wú)人駕駛技術(shù)已經(jīng)不再是科幻文學(xué)中的專利。

[1]張賢啟.余有晟.劉俊才.無(wú)人駕駛汽車的發(fā)展及可行性.《山東工業(yè)技術(shù) 》2015(4).

[2] 端木慶玲.阮界望.馬鈞.Duanmu Qingling.Ruan Jiewang.Ma Jun.無(wú)人駕駛汽車的先進(jìn)技術(shù)與發(fā)展《農(nóng)業(yè)裝備與車輛工程 》2014(3).

[3]喬維高.徐學(xué)進(jìn).Qiao Weigao.Xu Xuejun 無(wú)人駕駛汽車的發(fā)展現(xiàn)狀及方向《上海汽車》2007(7).

U

：A

馬碩(1981—)，男，蒙古族，內(nèi)蒙古赤峰市人，講師，博士研究生在讀，本科，大學(xué)教師，研究方向?yàn)槠囓嚿黼娍叵到y(tǒng)、智能控制系統(tǒng)以及新能源汽車燃料電池吸附儲(chǔ)氫系統(tǒng)的建模與仿真等研究工作。