摘要：隨著當(dāng)今網(wǎng)絡(luò)技術(shù)以及計(jì)算機(jī)技術(shù)的快速發(fā)展，無人駕駛汽車離我們已不再遙遠(yuǎn)。本文主要介紹無人駕駛汽車的核心組成部分，并對(duì)仍然需要改進(jìn)的不足之處進(jìn)行高度總結(jié)。

1自然環(huán)境感知

自然環(huán)境感知系統(tǒng)作為無人駕駛汽車重要組成部分之一，就好比駕駛員的“視覺”與“聽覺”。車輛在行駛過程中通過一系列的傳感器對(duì)外界自然環(huán)境進(jìn)行有效的識(shí)別，從而能給控制單元提供正確的“信號(hào)源”。目前常用的感知技術(shù)有視覺、激波、微波傳感，這些感知技術(shù)通過各種車載傳感器、雷達(dá)、通信設(shè)備等來獲取車輛周邊環(huán)境的二維和三維圖像和距離信息，并通過圖像分析和距離識(shí)別對(duì)行駛環(huán)境進(jìn)行感知。

1.1無人駕駛汽車環(huán)境感知傳感器

1.1.1毫米波雷達(dá)

毫米波雷達(dá)是一種工作頻率在30-300GHz，波長(zhǎng)1-10mm的雷達(dá)。毫米波雷達(dá)自身有很多優(yōu)點(diǎn)：毫米波的波長(zhǎng)比較短，因此擁有較好的探測(cè)性能；毫米波的傳播速度和光速相同，配合高速信號(hào)處理系統(tǒng)，能快速測(cè)量所需目標(biāo)的信息；毫米波的穿透力極強(qiáng)，能在各種惡劣天氣中正常工作；毫米波雷達(dá)一般在高頻段工作，對(duì)低頻噪聲有一定的抗干擾能力。但是毫米波雷達(dá)的缺點(diǎn)也是顯而易見的：毫米波在空氣中傳播時(shí)，氣體的諧振會(huì)對(duì)毫米波產(chǎn)生選擇性吸收和散射，大氣傳播衰減嚴(yán)重，因此，在實(shí)際運(yùn)用中，應(yīng)找到毫米波在大氣中傳播時(shí)由氣體分子諧振吸收所致衰減為極小值的頻率。

車用毫米波雷達(dá)根據(jù)測(cè)量原理不同，分為脈沖和調(diào)頻連續(xù)波兩種。脈沖式雖然測(cè)量原理比較簡(jiǎn)單，但由于受技術(shù)、硬件結(jié)構(gòu)復(fù)雜、元器件成本高昂等影響，在車用領(lǐng)域普遍不采用此種測(cè)量方式。目前，絕大多數(shù)車用毫米波雷達(dá)都采用調(diào)頻連續(xù)波方式，其結(jié)構(gòu)簡(jiǎn)單、體積小、可以同時(shí)得到目標(biāo)的相對(duì)距離和相對(duì)速度。當(dāng)發(fā)射的連續(xù)調(diào)頻信號(hào)遇到目標(biāo)時(shí)，會(huì)產(chǎn)生有一定延時(shí)的回波，通過雷達(dá)的混頻器進(jìn)行處理，所得的結(jié)果和目標(biāo)的相對(duì)距離和相對(duì)速度又是相關(guān)聯(lián)的，通過公式計(jì)算，便能得出所需要的數(shù)據(jù)。

1.1.2激光雷達(dá)

激光雷達(dá)是以發(fā)射激光束來探測(cè)目標(biāo)位置的雷達(dá)，其功能包括搜索并發(fā)現(xiàn)目標(biāo)；測(cè)量距離、速度、角位置等運(yùn)動(dòng)參數(shù)；測(cè)量目標(biāo)反射率，散射截面和形狀等特征參數(shù)。

根據(jù)激光掃描方式的不同，激光雷達(dá)大致可分為單線激光雷達(dá)和多線激光雷達(dá)。它們大多是靠旋轉(zhuǎn)的反射鏡將激光發(fā)射出去并通過測(cè)量發(fā)射光和反射光之間的時(shí)間差來完成測(cè)距的，而多線激光雷達(dá)的反射鏡會(huì)附加一定范圍之內(nèi)的俯仰角度使之可以構(gòu)成垂直視野，從而輸出高度信息等一系列三維立體數(shù)據(jù)。

1.1.3視覺傳感器

廣義的視覺傳感器主要由光源、鏡頭、圖像傳感器、模數(shù)轉(zhuǎn)換器、圖像處理器、圖像存儲(chǔ)器等組成，主要功能是獲取足夠的機(jī)器視覺系統(tǒng)要處理的原始圖像。把光源、攝像機(jī)、圖像處理器、控制與通信的接口集成于一體的視覺傳感器稱為一個(gè)智能圖像采集與處理單元，內(nèi)部程序存儲(chǔ)器可存儲(chǔ)圖像處理算法，并使用PC機(jī)，通過特定的算法下載到視覺傳感器的程序存儲(chǔ)器中，視覺傳感器將PC的靈活性、PLC的可靠性、分布式網(wǎng)絡(luò)技術(shù)結(jié)合在一起，使得視覺傳感器和PLC構(gòu)成機(jī)器視覺系統(tǒng)。狹義的視覺傳感器是指圖像傳感器，它的作用是把通過鏡頭所得到的像轉(zhuǎn)換為數(shù)字或模擬信號(hào)輸出，是視覺檢測(cè)的核心部件，主要由CCD和CMOS兩種圖像傳感器。

與雷達(dá)相比，視覺系統(tǒng)視場(chǎng)寬，側(cè)向精度高，成本低廉，而且屬于被動(dòng)型傳感器，受干擾小，可以提供亮度和深度信息。因此，基于視覺的高效、低成本的環(huán)境感知將成為無人駕駛汽車未來產(chǎn)業(yè)化發(fā)展的主要方向。

1.2駕駛環(huán)境的機(jī)器視覺識(shí)別

駕駛環(huán)境的視覺識(shí)別主要通過圖像傳感器識(shí)別道路環(huán)境參數(shù)，包括車道檢測(cè)、前方車輛檢測(cè)、前方行人檢測(cè)、交通標(biāo)志檢測(cè)和交通信號(hào)燈檢測(cè)等。

1.2.1車道檢測(cè)

車道檢測(cè)的任務(wù)是提取車道的幾何結(jié)構(gòu)，如車道的寬度、車道線的曲率等；確定車輛在車道中的位置、方向；提取車輛可行使的區(qū)域。根據(jù)車道的特點(diǎn)可分為結(jié)構(gòu)化車道和非結(jié)構(gòu)化車道兩類。根據(jù)檢測(cè)對(duì)象的不同，車道檢測(cè)方法也不盡相同。結(jié)構(gòu)化車道檢測(cè)一般依據(jù)車道線的邊界或車道線的灰度與車道明顯不同實(shí)現(xiàn)檢測(cè)，而非結(jié)構(gòu)化車道檢測(cè)則依據(jù)車道的顏色或紋理進(jìn)行檢測(cè)。目前車道檢測(cè)的算法大體可分為基于區(qū)域分割的識(shí)別方法、基于特征的識(shí)別方法和基于模型的識(shí)別方法。

1.2.2車輛檢測(cè)

車輛檢測(cè)是判斷安全車距的前提，車輛檢測(cè)的準(zhǔn)確與否不僅決定了測(cè)距的準(zhǔn)確性，而且決定了是否能夠及時(shí)發(fā)現(xiàn)一些潛在的交通事故。目前用于檢測(cè)前方運(yùn)動(dòng)車輛的方法主要有基于特征的方法、基于機(jī)器學(xué)期的方法、基于光流的方法和基于模型的方法。

多傳感器融合技術(shù)是未來車輛檢測(cè)技術(shù)的發(fā)展方向。目前，在車輛檢測(cè)中主要有兩種融合技術(shù)：視覺和激光雷達(dá)傳感器的融合技術(shù)、視覺和毫米波雷達(dá)傳感器的融合技術(shù)。

1.2.3行人檢測(cè)

基于視覺傳感器的行人檢測(cè)是利用安裝在運(yùn)動(dòng)車輛上的攝像機(jī)獲取車前信息，然后通過視頻序列檢測(cè)出行人的位置?；谝曈X的行人檢測(cè)系統(tǒng)一般包括感興趣分割和目標(biāo)識(shí)別兩個(gè)模塊。感興趣區(qū)分割的目的是快速確定行人可能出現(xiàn)的區(qū)域，縮小搜索空間，目前常用的方法是采用立體攝像機(jī)或雷達(dá)的基于距離的方法，優(yōu)點(diǎn)就是速度快。目標(biāo)識(shí)別的目的實(shí)在感興趣區(qū)精確檢測(cè)行人的位置，目前常用的方法主要有基于運(yùn)動(dòng)特征的方法、基于形狀模型的方法、基于模板匹配的方法以及基于統(tǒng)計(jì)分類的方法。

1.2.4交通標(biāo)志和交通信號(hào)的檢測(cè)

在無人駕駛汽車中，交通標(biāo)志和交通信號(hào)的檢測(cè)都是通過圖像識(shí)別系統(tǒng)實(shí)現(xiàn)的，主要包括檢測(cè)和識(shí)別兩個(gè)基本環(huán)節(jié)。

交通標(biāo)志的檢測(cè)先使用車載攝像機(jī)獲取目標(biāo)圖像，再送入模式分類程序來進(jìn)行識(shí)別。交通標(biāo)志檢測(cè)主要有基于顏色信息的交通標(biāo)志檢測(cè)、基于形狀特征的交通標(biāo)志檢測(cè)、基于顯著性的交通標(biāo)志檢測(cè)、基于特征提取和機(jī)器學(xué)習(xí)的交通標(biāo)志檢測(cè)等。交通標(biāo)志被檢測(cè)出來以后，如何正確地識(shí)別屬于什么類別的也有很多方法，目前常見的有統(tǒng)計(jì)分類法、模板匹配、神經(jīng)網(wǎng)絡(luò)等。

交通信號(hào)燈的檢測(cè)首先是定位交通信號(hào)燈，通過攝像機(jī)獲取復(fù)雜的城市道路的圖像，根據(jù)交通燈的顏色、幾何特征等信息，準(zhǔn)確定位其位置，獲取候選區(qū)域，再通過檢測(cè)算法對(duì)已獲得交通信號(hào)燈的候選區(qū)域進(jìn)行分析和特征提取，運(yùn)用分類算法，實(shí)現(xiàn)對(duì)信號(hào)燈的識(shí)別。

2智能規(guī)劃決策

無人駕駛汽車的智能規(guī)劃決策系統(tǒng)就好比駕駛員的大腦，在行駛過程中，駕駛員要找出一條從起始位置到目標(biāo)位置的路徑，通過接收外部實(shí)時(shí)傳遞的信息，并在交規(guī)的約束中，做出正確的駕駛行為。在這過程中，駕駛員必須時(shí)刻注意路面行駛環(huán)境的變化，預(yù)防突發(fā)事件的發(fā)生。最后，駕駛員將行駛過程分解為轉(zhuǎn)向、加速、制動(dòng)等一系列的動(dòng)作，最終到達(dá)規(guī)劃好的目的地，而無人駕駛汽車所要完成的就是駕駛員所執(zhí)行的任何操作，達(dá)到真正的自主駕駛，因此智能規(guī)劃決策模塊的作用非常重要。

無人駕駛汽車路徑規(guī)劃主要包括兩個(gè)步驟，一是建立環(huán)境模型，將現(xiàn)實(shí)的環(huán)境進(jìn)行抽象后建立的相關(guān)模型；二是路徑搜索，尋找符合條件的最優(yōu)路徑。不同的環(huán)境模型對(duì)路徑搜索方法具有非常明顯的影響。

目前，環(huán)境模型建立的主要方法有可視圖法、柵格法、自由空間法和拓?fù)浞ǖ?，而這其中柵格法是公認(rèn)最成熟的算法，也是安全系數(shù)最高的算法。而路徑搜索規(guī)劃的經(jīng)典算法則有Dijkstra算法、A*算法、D*算法等，并在這些經(jīng)典算法的基礎(chǔ)上衍生出了遺傳算法、模擬退火算法、蟻群算法等一系列智能算法。

2.1全局路徑規(guī)劃

全局路徑規(guī)劃的主要任務(wù)是根據(jù)全局地圖數(shù)據(jù)庫信息規(guī)劃出自起始點(diǎn)至目標(biāo)點(diǎn)的一條無碰撞、可通過的路徑。全局定位模塊接收交通標(biāo)志標(biāo)線檢測(cè)、交通信號(hào)燈檢測(cè)、停車線檢測(cè)和GPS定位模塊的運(yùn)行結(jié)果，并根據(jù)這些檢測(cè)結(jié)果判定無人駕駛汽車當(dāng)前在地圖中的位置，并將此位置信息發(fā)送給控制模塊，控制模塊再根據(jù)當(dāng)前車輛的位置信息，結(jié)合存儲(chǔ)在計(jì)算機(jī)中的數(shù)據(jù)庫，再將對(duì)車輛橫向控制和縱向控制的要求發(fā)送給局部路徑規(guī)劃進(jìn)行處理。

2.2局部路徑規(guī)劃

局部路徑規(guī)劃的前提是對(duì)周圍環(huán)境要有一個(gè)非常完善實(shí)時(shí)的深刻理解，由于全局路徑規(guī)劃所生成的路徑只能是從起始位置到目的位置的大致路徑，無法考慮路徑的方向、寬度、曲率、道路交叉以及路障等細(xì)節(jié)信息，加之無人駕駛汽車在行駛過程中會(huì)受到外部環(huán)境和自身狀態(tài)不確定性的影響，很難免會(huì)遇到一些突發(fā)狀況。因此，在無人駕駛汽車行駛過程中，必須以局部環(huán)境信息和自身狀態(tài)信息為基礎(chǔ)，規(guī)劃出一段無碰撞、無障礙的局部路徑，這就是局部路徑規(guī)劃。在此規(guī)劃中，橫向控制模塊接收相應(yīng)的信息，并結(jié)合定位信息，能對(duì)車輛進(jìn)行橫向控制；同時(shí)，速度控制模塊也能接收相應(yīng)的信息，并結(jié)合自然環(huán)境感知模塊所得到的檢測(cè)結(jié)果，計(jì)算出該車輛符合當(dāng)前安全行駛標(biāo)準(zhǔn)的車速。最后，局部路徑規(guī)劃再將兩者計(jì)算得到的數(shù)據(jù)發(fā)送到底層控制系統(tǒng)，從而完成對(duì)無人駕駛汽車的控制。

3車輛控制

無人駕駛汽車控制系統(tǒng)主要是為無人駕駛汽車的自然環(huán)境感知和智能規(guī)劃決策提供準(zhǔn)確的控制系統(tǒng)，就從目前的發(fā)展趨勢(shì)來看，主要還是要通過加裝執(zhí)行機(jī)構(gòu)來實(shí)現(xiàn)。

無人駕駛汽車根據(jù)視聽覺信息認(rèn)知計(jì)算結(jié)果進(jìn)行行為決策以后，會(huì)產(chǎn)生模擬駕駛?cè)说鸟{駛行為指令來對(duì)無人駕駛汽車進(jìn)行實(shí)時(shí)的控制，而模擬駕駛?cè)说鸟{駛行為則由無人駕駛系統(tǒng)中的智能規(guī)劃決策模塊通過駕駛行為指令的形式進(jìn)行傳達(dá)。格局駕駛行為指令，無人駕駛汽車的控制系統(tǒng)主要應(yīng)包括電源、點(diǎn)火、油門、剎車（包括駐車）、轉(zhuǎn)向、變速器和燈光這7個(gè)主要部分，并為之配備相應(yīng)的控制裝置。所有車輛控制裝置的開發(fā)須遵循以下原則：

（1）要適應(yīng)不同車輛，無須對(duì)原車結(jié)構(gòu)進(jìn)行較大改變就能進(jìn)行無人駕駛系統(tǒng)的改裝；

（2）結(jié)構(gòu)要緊湊輕便，方便在車內(nèi)進(jìn)行安裝布置；

（3）要具備較高的可靠性，保證能在各種較差的環(huán)境下正常工作；

（4）應(yīng)具備緊急停止功能，使車輛在緊急狀態(tài)下能及時(shí)回到安全的行駛狀態(tài)，保證車輛行駛的安全性。

4個(gè)人觀點(diǎn)

就目前無人駕駛汽車發(fā)展?fàn)顩r而言，在諸多方面還是存在技術(shù)難題需要去突破的。

無人駕駛汽車面臨的最核心的問題的就是對(duì)自然環(huán)境的感知。車輛需要對(duì)車輛周邊的實(shí)時(shí)動(dòng)態(tài)環(huán)境、各類交通信號(hào)、行人以及其他車輛行駛狀態(tài)的識(shí)別，識(shí)別過程需要相對(duì)應(yīng)的傳感器，這些傳感器就好比駕駛員的“眼睛”和“耳朵”。但各傳感器都有各自的優(yōu)缺點(diǎn)，因此我們可以看到目前能行駛上路的無人駕駛車輛上裝滿了各種大大小小的傳感設(shè)備，設(shè)想一下，我們是否能揚(yáng)長(zhǎng)避短，將各類感知傳感器的優(yōu)點(diǎn)相結(jié)合，整合成一個(gè)單獨(dú)獨(dú)立的傳感器，在減小體積的同時(shí)又能控制成本，還能在任何工況下正常穩(wěn)定的工作。目前，以機(jī)器視覺能力為主的解決方案成本更容易被市場(chǎng)接受。但只要不利因素影響，哪怕是風(fēng)中飛舞的塑料袋都可能被系統(tǒng)誤認(rèn)為是障礙物，無法進(jìn)行精準(zhǔn)的建模。采用當(dāng)前精準(zhǔn)測(cè)距但是價(jià)格高昂的激光雷達(dá)，無人車的整體研發(fā)成本將大大增加，而市場(chǎng)上更小型更低成本的純固態(tài)激光雷達(dá)還未能見到成熟產(chǎn)品。

精準(zhǔn)的導(dǎo)航定位技術(shù)是保證無人駕駛汽車能按正確路線完成自主導(dǎo)航、控制任務(wù)的關(guān)鍵，但是就目前民用的GPS而言，定位的精度并不是非常理想，需要地圖來進(jìn)行匹配校正，很難保證能實(shí)時(shí)獲取較高的定位精度。目前常用的定位方法有慣性導(dǎo)航定位、衛(wèi)星定位、航位推算等，但均有各自的優(yōu)點(diǎn)和局限性，在未來的發(fā)展過程中，我們可以將這些不同的定位定向技術(shù)加以有效組合，讓他們各自發(fā)揮自身的優(yōu)勢(shì)，來提高定位系統(tǒng)的精度和可靠性。

車輛控制技術(shù)是我國(guó)的弱項(xiàng)，主要核心零部件嚴(yán)重依賴國(guó)外進(jìn)口。隨著研發(fā)投入不斷的增大，相關(guān)的研究技術(shù)也在不斷成熟中，針對(duì)于車輛控制模塊，我們可以從細(xì)節(jié)處進(jìn)行優(yōu)化，比如：針對(duì)我國(guó)錯(cuò)綜復(fù)雜的實(shí)時(shí)交通環(huán)境，無人駕駛車輛將現(xiàn)有的車輛控制器所采用的算法進(jìn)行優(yōu)化改進(jìn)，從而提高控制器的工作效率，有效縮短反應(yīng)時(shí)間，降低錯(cuò)誤動(dòng)作發(fā)生的概率。

而在法律層面，世界各國(guó)均出臺(tái)了一系列法律法規(guī)，現(xiàn)階段我國(guó)對(duì)于無人駕駛問題的法律法條依然處于研究狀態(tài)，而且這個(gè)問題對(duì)于每個(gè)國(guó)家來說都是一個(gè)難題。

5結(jié)語

目前，包括我國(guó)在內(nèi)的許多國(guó)家都在無人駕駛的研究領(lǐng)域加大了研發(fā)力度，相關(guān)技術(shù)也在不斷的發(fā)展和完善中。受限于當(dāng)今相關(guān)法律法規(guī)的不完善、實(shí)車試驗(yàn)場(chǎng)地的限制和錯(cuò)綜復(fù)雜的路面交通環(huán)境，能真正上路并完全實(shí)現(xiàn)自主行駛的無人駕駛汽車數(shù)量還是少之又少。但是相信在不久的將來，路上行駛的車輛中有很大一部分是擁有成熟技術(shù)的無人駕駛汽車，屆時(shí)，城市的交通狀況也會(huì)變得更加智能與通暢，讓我們共同期待那一天的到來。

參考文獻(xiàn)：

[1]姜巖，趙熙俊，龔建偉，熊光明，陳慧巖.簡(jiǎn)單城市環(huán)境下地面無人駕駛系統(tǒng)的設(shè)計(jì)研究[J].機(jī)械工程學(xué)報(bào)，2012，48（20），103-112.

[2]陳旭梅.智能運(yùn)輸系統(tǒng)[M].北京：電子工業(yè)出版社，2007.

[3]熊和金.智能汽車系統(tǒng)研究的若干問題.交通運(yùn)輸工程學(xué)報(bào)，2001，2：37-40.

[4]R.Bishop，“Intelligent vehicle applications worldwide，”IEEE Intelligent Systems and Their Applications，vol.15，NO.1，pp.78-81，2000.

[5]龔毅.一種無人駕駛車輛路徑跟蹤控制方式研究[D].南京：南京理工大學(xué)，2014.

[6]Tobias Hesse and Thomas Sattel，“An Approach to Integrate Vehicle Dynamics in Motion Planning for Advanced Driver Assistance Systems，”Proceedings of the 2007 IEEE Intelligent Vehicles Symposium，Istanbul，Turkey，June 13-15，2007.

[7]崔勝民.現(xiàn)代汽車系統(tǒng)控制技術(shù)[M].北京：北京大學(xué)出版社，2008.

[8]黃耀.基于柵格法的汽車路徑規(guī)劃[D].華中科技碩士學(xué)位論文，2008.

[9]孫振平.自主駕駛汽車智能控制系統(tǒng)[D].長(zhǎng)沙：國(guó)防科學(xué)技術(shù)大學(xué)，博士學(xué)位論文，2004.

[10]趙盼.城市環(huán)境下無人駕駛車輛運(yùn)動(dòng)控制方法的研究[D].中國(guó)科學(xué)技術(shù)大學(xué)，2012.

[11]陳龍.城市環(huán)境下無人駕駛智能車感知系統(tǒng)若干關(guān)鍵技術(shù)研究[D].武漢大學(xué)，2013.

[12]馮學(xué)強(qiáng)，張良旭，劉志宗.無人駕駛汽車的發(fā)展及可行性[J].山東工業(yè)技術(shù)，2015，04：50.

作者簡(jiǎn)介：方凌濤，男，24歲，江蘇無錫人，西南林業(yè)大學(xué)（650224）汽車與交通學(xué)院，交通運(yùn)輸工程專業(yè)碩士研究生