自动驾驶关键技术难点?

2021-04-19 08:34 锋中独行

点击关注，，，，，文章末尾有福利

美国汽车工程师协会凭据汽车智能化水平将自动驾驶分为L0-L5共6个等级：

L0为无自动化（No Automation，，，，， NA），，，，，即传统汽车，，，，，驾驶员执行所有的操作工作，，，，，例如转向、造动、加快、减速或停车等；；；；；

L1为驾驶辅助(Driving Assistant，，，，， DA)，，，，，即能为驾驶员提供驾驶预警或辅助等，，，，，例如对方向盘或加快减速中的一项操作提供支持，，，，，其余由驾驶员操作；；；；；

L2为部门自动化（Partial Automation，，，，，PA），，，，，车辆对方向盘和加减速中的多项操作提供驾驶，，，，，驾驶员掌管其他驾驶操作；；；；；

L3为前提自动化（Conditional Automation，，，，，CA），，，，，即由自动驾驶系统实现大部门驾驶操作，，，，，驾驶员必要集中把稳力以备不断之需；；；；；

L4为高度自动化（High Automation，，，，，HA），，，，，由车辆实现所有驾驶操作，，，，，驾驶员不必要集中把稳力，，，，，但限造路路和环境前提；；；；；

L5为齐全自动化（Full Automation，，，，， FA），，，，，在职何路路和环境前提下，，，，，由自动驾驶系统实现所有的驾驶操作，，，，，驾驶员不必要集中把稳力。。。。。。

自动驾驶汽车的软硬件架构如图2所示，，，，，重要分为环境认知层、决策规划层、节造层和执行层。。。。。�；；；；；肪橙希ǜ校┲阒匾üす饫状铩⒑撩撞ɡ状铩⒊ɡ状铩⒊翟厣阆裢贰⒁故酉低场PS、陀螺仪等传感器获取车辆所处环境信息和车辆状态信息，，，，，具体来说蕴含：车路线检测、红绿灯鉴别、交通标识牌鉴别、行人检测、车辆检测、阻碍物鉴别和车辆定位等；；；；；决策规划层则分为工作规划、行为规划和轨迹规划，，，，，凭据设定的路线规划、所处的环境和车辆自身状态等规划下一步具体行驶工作（车路维持、换路、跟车、超车、避撞等）、行为（加快、减速、转弯、刹车等）和蹊径（行驶轨迹）；；；；；节造层及执行层则基于车辆动力学系统模型对车辆驱动、造动、转向等进行节造，，，，，使车辆追随所造订的行驶轨迹。。。。。。

自动驾驶技术涉及较多的关键技术，，，，，本文重要介绍环境感知技术、高精度定位技术、决策与规划技术和节造与执行技术。。。。。。

环境感知指对于环境的场景理解能力，，，，，例如阻碍物的类型、路路标志及标线、行车车辆的检测、交通讯息等数据的说话分类。。。。。。定位是对感知了局的后处置，，，，，通过定位职能从而援手车辆相识其相对于所处环境的地位。。。。。�；；；；；肪掣兄匾ü衅骰袢〈罅康闹芪Щ肪承畔�，，，，，确保对车辆周围环境的正确理解，，，，，并基于此做出相应的规划和决策。。。。。。

自动驾驶车辆常用的环境感知传感器蕴含：摄像头、激光雷达、毫米波雷达、红表线和超声波雷达等。。。。。。摄像头是自动驾驶车辆最常用、最单一且最靠近人眼成像道理的环境感知传感器。。。。。。通过实时拍摄车辆周围的环境，，，，，选取CV技术对所拍摄图像进行分析，，，，，实现车辆周围的车辆和行人检测以及交通标志鉴别等职能。。。。。。摄像头的重要利益在于其分辨率高、成本低。。。。。。但在夜晚、雨雪雾霾等恶劣气象下，，，，，摄像头的机能会迅速降落。。。。。。此表摄像头所能观察的距离有限，，，，，不善于于远距离观察。。。。。。毫米波雷达也是自动驾驶车辆常用的一种传感器，，，，，毫米波雷达是指工作在毫米波段（波长1-10 mm ，，，，，频域30-300GHz）的雷达，，，，，其基于ToF技术（Time of Flight）对指标物体进行检测。。。。。。毫米波雷达向表界陆续发送毫米波信号，，，，，并接管指标返回的信号，，，，，凭据信号发出与接管之间的功夫差确定指标与车辆之间的距离。。。。。。因而，，，，，毫米波雷达重要用于预防汽车与周围物体产生碰撞，，，，，如盲点检测、避障辅助、停车辅助、自适应巡航等。。。。。。毫米波雷达的抗滋扰能力强，，，，，对降雨、沙尘、烟雾等离子的穿透能力要比激光和红表强好多，，，，，可全天候工作。。。。。。但其也拥有信号衰减大、容易受到构筑物、人体等的反对，，，，，传输距离较短，，，，，分辨率不高，，，，，难以成像等不及。。。。。。激光雷达也是通过ToF技术来确定指标地位与距离的。。。。。。激光雷达是通过发射激光束来实现对指标的探测，，，，，其探测精度和活络度更高，，，，，探测领域更广，，，，，但激光雷达更容易受到空气中雨雪雾霾等的滋扰，，，，，其高成本也是造约其利用的重要原因。。。。。。车载激光雷达按发射激光束的数量可分为单线、4线、8线、16线和64线激光雷达。。。。。�？？？？Ｄ芄煌ü旅嬲飧霰砀瘢ū�1），，，，，对比主流传感器的优势与不及。。。。。。

自动驾驶环境感知通常选取“弱感知+超强智能”和“强感知+强智能”两大技术路线。。。。。。其钟装弱感知+超强智能”技术是指重要依赖摄像头与深度进建技术实现环境感知，，，，，而不依赖于激光雷达。。。。。。这种技术以为人类靠一双眼睛就能够开车，，，，，那么车也能够靠摄像头来看清周围环境。。。。。。若是超强智能临时难以达到，，，，，为实现无人驾驶，，，，，那就必要加强感知能力，，，，，这就是所谓的“强感知+强智能”技术路线。。。。。。相比“弱感知+超强智能”技术路线，，，，，“强感知+强智能”技术路线的最大特点就是增长了激光雷达这个传感器，，，，，从而大幅提高感知能力。。。。。。特斯拉选取“弱智能+超强智能”技术路线，，，，，而谷歌Waymo、百度Apollo、Uber、福特汽车等人为智能企业、出行公司、传统车企都选取“强感知+强智能”技术路线。。。。。。

定位的主张是获取自动驾驶车辆相对于表界环境的精确地位，，，，，是自动驾驶车辆必备的基础。。。。。。在复杂的地市路路行驶，，，，，定位精度要求误差不超过10 cm。。。。。。例如：只有正确知路车辆与路口的距离，，，，，能力进行更精确的预判和筹备；；；；；只有正确对车辆进行定位，，，，，能力判断车辆所处的车路。。。。。。若是定位误差较高，，，，，严沉时会造成交通齐全变乱。。。。。。GPS是目前最宽泛选取的定位步骤，，，，，GPS精度越高，，，，，GPS传感器的价值也越昂贵。。。。。。但目前商用GPS技术定位精度远远不够，，，，，其精度只有米级且容易受到隧路遮挡、信号延长等成分的滋扰。。。。。。为相识决这个问题，，，，，Qualcomm开发了基于视觉加强的高精度定位（VEPP）技术，，，，，该技术通过融合GNSS全球导航卫星、摄像头、IMU惯性导航和轮速传感器等多个汽车部件的信息，，，，，通过各传感器之间的相互校准和数据融合，，，，，实现精确到车路线的全球实时定位。。。。。。

决策规划是自动驾驶的关键部门之一，，，，，它首先是融合多传感器信息，，，，，而后凭据驾驶需要进行工作决策，，，，，接着可能在避开存在的阻碍物前提之下，，，，，通过一些特定的约束前提，，，，，规划出两点之间多条能够选择的安全蹊径，，，，，并在这些蹊径傍边选择一条最优的蹊径，，，，，作为车辆行驶轨迹，，，，，那就是规划。。。。。。依照划分的层面分歧，，，，，能够分为全局规划和部门规划两种，，，，，全局规划是由获取到的地图信息，，，，，规划出一条在特定前提之下的无碰撞最优蹊径。。。。。。例如，，，，，从上海到北京有好多条路，，，，，规划出一条作为行驶路线即为全局规划。。。。。。如栅格法、可视图法、拓扑法、自由空间法、神经网络法等静态蹊径规划算法。。。。。。部门规划的则是凭据全局的规划，，，，，在一些部门环境信息的基础之上，，，，，可能预防碰撞一些未知的阻碍物，，，，，最终达到主张指标点的过程。。。。。。例如，，，，，在全局规划好的上海到北京的那条路线上会有其他车辆或者阻碍物，，，，，想要避过这些阻碍物或者车辆，，，，，必要转向调整车路，，，，，这就是部门蹊径规划。。。。。。部门蹊径规划的步骤蕴含：人为势场法、矢量域直方图法、虚构力场法、遗传算法等动态蹊径规划算法等。。。。。。

决策规划层是自主驾驶系统，，，，，智能性的直接体现，，，，，对车辆的行驶安全性和整车起到了决定性的作用，，，，，常见的决策规划系统结构，，，，，有分层递进式，，，，，反映式，，，，，以及二者混合式。。。。。。

分层递进式系统结构，，，，，就是一个串联系统的结构，，，，，在该系统傍边，，，，，智能驾驶系统的各�？？？？？橹渲刃蛎飨�，，，，，上一个�？？？？？榈氖涑黾次乱荒？？？？？榈氖淙�，，，，，因而又称为感知规划行动结构。。。。。。但这种结构靠得住性并不高，，，，，一旦某个�？？？？？槌鱿秩砑蛘哂布收�，，，，，整个信息流就会受到影响，，，，，整个系统很有可能产生崩溃，，，，，甚至处于瘫痪状态。。。。。。

反映式系统结构选取并联的结构，，，，，节造层都能够直接基于传感器的输入进行决策，，，，，因而它所产生的作为就是传感数据直接作用的一个了局，，，，，能够凸起感知作为的特点，，，，，合用于齐全陌生的环境。。。。。。反映式系统结构中的很多行为重要涉及成为一个单一的特殊工作，，，，，所以感触规划节造能够缜密的结合在一块，，，，，占用的贮存空间并不大，，，，，因而能够产生急剧的响应，，，，，实时性比力强，，，，，同时每一层只必要掌管系统的某一个行为，，，，，整个系统能够方便矫捷的实现低档次到高档次的一个过渡，，，，，并且如若其中一个�？？？？？槌鱿至艘饬现淼墓收�，，，，，剩下的档次，，，，，依然能够产生有意思的作为，，，，，系统的鲁棒性得到了很大的提高，，，，，难点在于，，，，，由于系统执行作为的矫捷性，，，，，必要特定的协调机造来解决各个节造回路，，，，，赞成执行机构抢夺之间的矛盾，，，，，以便得到有意思的了局。。。。。。

分层递阶式系统的一个结构和反映式系统的结构，，，，，都各自有曲直，，，，，都难以单独的满足行驶环境复杂多变的使用要求，，，，，所以越来越多的行业人士起头钻研混合式的系统结构，，，，，将两者的利益进行有效的结合，，，，，在全局规划的档次上天生面向指标界说的分层式递阶行为，，，，，在部门规划的层面上就天生面向指标搜索的反映式系统的行为。。。。。。

自动驾驶的节造主题技术就是车辆的纵向节造，，，，，横向节造，，，，，纵向节造及车辆的驱动和造动节造，，，，，而横向节造的就是方向盘角度的调整以及轮胎力的节造，，，，，实现了纵向和横向自动节造，，，，，就能够按给定指标和约束自动节造车运杏祝。。。。。

车辆依照纵向节造是在行车速度方向上的节造，，，，，即车速以及本车与前后车或阻碍物距离的自动节造。。。。。。巡航节造和垂危造动节造都是典型的自动驾驶纵向节造案例。。。。。。这类节造问题可综合为对电机驱动、发起机、传动和造动系统的节造。。。。。。各类电机-发起机-传动模型、汽车运行模型和刹车过程模型与分歧的节造器算法结合，，，，，组成炼类各样的纵向节造模式。。。。。。

车辆的横向节造就是指垂直于活动方向的节造，，，，，指标是节造汽车自动维吃熠望的行车路线，，，，，并在分歧的车速、载荷、风阻、路况下有很好的乘坐舒服和不变。。。。。。车辆横向节造重要有两种根基设计步骤，，，，，一种是基于驾驶员仿照的步骤（一种是使用用较单一的动力学模型和驾驶员把持规定设计节造器；；；；；另一种是用驾驶员把持过程的数据训练节造器获取节造算法）；；；；；另一种是赐与汽车横向活动力学模型的节造步骤（必要成立精确的汽车横向活动模型。。。。。。典型模型如单轨模型，，，，，该模型以为汽车左右两侧个性一样）

除上述介绍的环境感知、精准定位、决策规划和节造执行之表，，，，，自动驾驶汽车还涉及到高精度地图、V2X、自动驾驶汽车测试等关键技术。。。。。。自动驾驶技术是人为智能、高机能芯片、通讯技术、传感器技术、车辆节造技术、大数据技术等多领域技术的结合体，，，，，落地技术难度大。。。。。。除此之表，，，，，自动驾驶技术落地，，，，，还要成立满足自动驾驶要求的基础交通设施，，，，，并思考自动驾驶方面的司法律规等。。。。。。

转载自清研车联，，，，，文中概想仅供分享互换，，，，，不代表本公家号态度，，，，，如涉及版权等问题，，，，，请您奉告，，，，，我们将实时处置。。。。。。

-- END --

参与知识星球，，，，，急剧获取文档

知识星球用于资料网络和话题会商，，，，，如有感兴致的话题和必要的资料，，，，，能够@治理员，，，，，全力助忙整顿和互换，，，，，此刻累计上传400+分文档。。。。。。

1、为何有的车再三自燃，，，，，而有的却卖出43万辆无一出事？？？？？？？？？？？？？？？

2、新能源汽车时期的优等大事——电池的回收处置

3、充电系统干货——充电速杜咨谁决定？？？？？？？？？？？？？？？

4、为什么丰田玩不好直喷，，，，，公共玩不好混动？？？？？

5、普降暴雨！没上涉水险也有走保险？？？？？

6、央视对新能源汽车的魂灵三问

7、ESP是什么？？？？？到底有多沉要？？？？？

8、保时捷纯电动汽车高清视频

9、电动汽车能不能跑远程？？？？？

10、电动汽车保养当苦衷项

11、你所不知路的特斯拉

12、特斯拉电动汽车

13、燃料电池汽车

更多内容查看本公家号汗青新闻

免责申明：此讯息系转载自互联网其它媒体，，，，，我们登载此文出于传递更多信息之主张，，，，，并不料味着赞成其概想或证实其描述，，，，，其原创性以及文中陈述文字和内容未经证实，，，，，对本文以及其中全数或者部门内容、文字的真实性、齐全性、实时性本站不作任何保障或承诺，，，，，文章内容仅供参考！若是您不仅愿我们转载您的文章，，，，，请和我们联系处置，，，，，感激！

扫码关注公家号，，，，，回复“资料”即可领取。。。。。。