近來
，采埃孚（ZF）收購激光雷達公司Ibeo的40%股權，Velodyne旗下激光雷達公司Velodyne LiDAR獲福特汽車和百度聯合注資1.5億美元。Mobileye宣布終止與特斯拉的合作，不再為特斯拉Autopilot係統提供EyeQ係列芯片支持

，轉而與英特爾、寶馬共同開發無人駕駛汽車技術和技術平台。這些智能車圈的熱點事件背後

，是自動駕駛技術快速發展道路上的車載傳感器、核心部件、計算平台等資源的整合，智能車輛研發進入關鍵節點上、麵向實用化的技術突破方麵的考慮。

 

 

1.1 從智能車挑戰賽看中國智能車發展情況

 

從2009開始，在國家自然科學基金委“視聽覺信息的認知計算”重大研究計劃支持下，分別在西安、鄂爾多斯、赤峰、常熟等地舉辦了七屆“中國智能車未來挑戰賽”。智能車挑戰賽是現有的國內外唯一專門麵向無人駕駛的賽事，對中國無人駕駛車輛研究起到很大的推動作用。

 

曆屆中國智能車未來挑戰賽

 

在前幾屆比賽中，參賽無人車輛行駛還比較慢

，需要較多的人工幹預。在2013nianzhihou，guoneixiangguanyanjiudanweiqudelejiaodajinbu，cansaiwurencheliangyinengzaizhenshijiaotonghuanjingzhongjinxingshunchangdizizhujiashi，yuqitacheliangjinxingjiaohu。zaizhuduoyanjiudanweizhong，yongxianchuleqinghuadaxue、國防科技大學、同濟大學
、上海交大、軍事交通學院、西安交通大學、北京理工、北京聯合大學、南京理工大學
、中科院合肥物資研究院
、武漢大學、湖南大學等知名團隊。這些團隊已經和一汽集團、上汽集團、廣汽集團

、比亞迪和長城汽車等國內眾多車企開展了許多深度合作。

 

不同年份中國無人駕駛車輛差異對比：

 

（a）2009年參賽無人車輛

 

（b）2015年參賽無人車輛

 

從上圖可以看出，2009年參賽無人車輛都是在現有商用車上經過加裝外置傳感器和外置控製器等設備改裝而成。而在2015年(nian)參(can)賽(sai)的(de)部(bu)分(fen)無(wu)人(ren)車(che)輛(liang)則(ze)體(ti)現(xian)了(le)研(yan)究(jiu)單(dan)位(wei)與(yu)車(che)企(qi)深(shen)度(du)合(he)作(zuo)的(de)結(jie)果(guo)，已(yi)經(jing)將(jiang)大(da)部(bu)分(fen)傳(chuan)感(gan)器(qi)內(nei)置(zhi)並(bing)結(jie)合(he)車(che)載(zai)總(zong)線(xian)進(jin)行(xing)了(le)控(kong)製(zhi)和(he)深(shen)度(du)改(gai)造(zao)。除(chu)此(ci)之(zhi)外(wai)，國(guo)內(nei)IT巨ju頭tou們men也ye紛fen紛fen投tou入ru無wu人ren駕jia駛shi研yan究jiu，例li如ru樂le視shi已yi在zai多duo處chu開kai展zhan研yan發fa，百bai度du與yu寶bao馬ma合he作zuo的de無wu人ren駕jia駛shi車che輛liang已yi經jing在zai北bei京jing的de環huan路lu上shang進jin行xing了le測ce試shi，長chang安an汽qi車che從cong重zhong慶qing到dao北bei京jing進jin行xing了le長chang途tu無wu人ren駕jia駛shi測ce試shi
，這zhe些xie車che輛liang體ti現xian了le不bu同tong等deng級ji智zhi能neng化hua程cheng度du。在zai後hou續xu能neng夠gou集ji成cheng人ren工gong智zhi能neng研yan究jiu最zui新xin成cheng果guo，有you望wang引yin領ling中zhong國guo智zhi能neng汽qi車che發fa展zhan。

 

IT企業和車企也投入智能車輛研發

 

1.2 無人駕駛麵臨問題及潛在的突破點

 

雖sui然ran國guo內nei外wai的de智zhi能neng車che輛liang研yan究jiu取qu得de了le極ji大da的de進jin展zhan，但dan是shi從cong近jin期qi的de穀gu歌ge無wu人ren駕jia駛shi汽qi車che和he特te斯si拉la自zi動dong駕jia駛shi汽qi車che的de事shi故gu來lai看kan，相xiang關guan技ji術shu實shi用yong化hua還hai麵mian臨lin多duo重zhong挑tiao戰zhan。其qi中zhong，最zui為wei關guan鍵jian的de是shi如ru何he提ti高gao環huan境jing感gan知zhi精jing確que程cheng度du，在zai環huan境jing感gan知zhi能neng力li上shang突tu破po。在zai此ci基ji礎chu上shang，特te別bie是shi針zhen對dui許xu多duo突tu發fa的de交jiao通tong場chang景jing，無wu人ren車che輛liang需xu要yao進jin行xing智zhi能neng決jue策ce和he處chu理li。

 

無人駕駛車輛的環境感知

 

本文探討了無人駕駛技術幾個潛在突破點：

 

首(shou)先(xian)，需(xu)要(yao)麵(mian)向(xiang)自(zi)動(dong)駕(jia)駛(shi)功(gong)能(neng)進(jin)行(xing)傳(chuan)感(gan)感(gan)器(qi)選(xuan)擇(ze)和(he)優(you)化(hua)配(pei)置(zhi)。由(you)於(yu)交(jiao)通(tong)環(huan)境(jing)的(de)複(fu)雜(za)性(xing)，需(xu)要(yao)高(gao)精(jing)度(du)的(de)傳(chuan)感(gan)器(qi)進(jin)行(xing)環(huan)境(jing)檢(jian)測(ce)。現(xian)階(jie)段(duan)傳(chuan)感(gan)器(qi)均(jun)受(shou)其(qi)工(gong)作(zuo)範(fan)圍(wei)限(xian)製(zhi)以(yi)及(ji)氣(qi)候(hou)環(huan)境(jing)因(yin)素(su)和(he)車(che)輛(liang)運(yun)動(dong)的(de)幹(gan)擾(rao)
，無(wu)法(fa)保(bao)證(zheng)所(suo)有(you)情(qing)況(kuang)下(xia)的(de)保(bao)證(zheng)安(an)全(quan)駕(jia)駛(shi)的(de)行(xing)車(che)要(yao)素(su)的(de)準(zhun)確(que)檢(jian)出(chu)。以(yi)激(ji)光(guang)雷(lei)達(da)為(wei)典(dian)型(xing)的(de)外(wai)部(bu)傳(chuan)感(gan)器(qi)價(jia)格(ge)昂(ang)貴(gui)
，極(ji)大(da)限(xian)製(zhi)了(le)實(shi)際(ji)大(da)範(fan)圍(wei)應(ying)用(yong)。所(suo)以(yi)，需(xu)要(yao)麵(mian)向(xiang)複(fu)雜(za)環(huan)境(jing)感(gan)知(zhi)需(xu)求(qiu)，集(ji)成(cheng)低(di)價(jia)

、xingnengyouxiudecheneihechewaichuanganqi，fahuigechuanganqideyoushi
，zaiheshidechengbenjichushang，anzhaobutongdengjidezidongjiashigongnengxuqiujinxingzishenzitaihezhoubianjiashihuanjingganzhidechuanganqixuanzeheyouhuapeizhi。

 

其(qi)次(ci)
，需(xu)要(yao)麵(mian)向(xiang)自(zi)動(dong)駕(jia)駛(shi)重(zhong)新(xin)設(she)計(ji)的(de)車(che)載(zai)集(ji)成(cheng)係(xi)統(tong)。結(jie)合(he)全(quan)新(xin)自(zi)動(dong)駕(jia)駛(shi)架(jia)構(gou)設(she)計(ji)
，結(jie)合(he)集(ji)成(cheng)化(hua)控(kong)製(zhi)係(xi)統(tong)和(he)新(xin)型(xing)總(zong)線(xian)分(fen)布(bu)，對(dui)自(zi)動(dong)駕(jia)駛(shi)功(gong)能(neng)進(jin)行(xing)擴(kuo)展(zhan)和(he)集(ji)成(cheng)。通(tong)過(guo)集(ji)成(cheng)更(geng)優(you)秀(xiu)感(gan)知(zhi)和(he)決(jue)策(ce)算(suan)法(fa)的(de)車(che)載(zai)軟(ruan)件(jian)
，使(shi)得(de)自(zi)動(dong)駕(jia)駛(shi)係(xi)統(tong)具(ju)備(bei)更(geng)高(gao)安(an)全(quan)性(xing)和(he)魯(lu)棒(bang)性(xing)。

 

再次，需要V2X無線網絡支持。通過車聯網絡實現信息共享和傳感器視距和感知範圍擴展。需要高精度GPS定位和高精度的3D地圖支持，降低對高精度環境感知的要求，降低實現高級自動駕駛係統的難度。

 

此(ci)外(wai)，需(xu)要(yao)高(gao)性(xing)能(neng)計(ji)算(suan)平(ping)台(tai)支(zhi)持(chi)。通(tong)過(guo)集(ji)成(cheng)高(gao)性(xing)能(neng)車(che)載(zai)計(ji)算(suan)平(ping)台(tai)



，結(jie)合(he)深(shen)度(du)學(xue)習(xi)技(ji)術(shu)
，擴(kuo)展(zhan)車(che)輛(liang)智(zhi)能(neng)化(hua)水(shui)平(ping)。通(tong)過(guo)接(jie)入(ru)遠(yuan)程(cheng)智(zhi)能(neng)服(fu)務(wu)實(shi)現(xian)智(zhi)能(neng)擴(kuo)展(zhan)與(yu)共(gong)享(xiang)
，將(jiang)人(ren)工(gong)智(zhi)能(neng)技(ji)術(shu)的(de)新(xin)突(tu)破(po)應(ying)用(yong)於(yu)無(wu)人(ren)駕(jia)駛(shi)。

 

 

現xian階jie段duan常chang用yong的de外wai部bu傳chuan感gan器qi
，隻zhi在zai某mou些xie特te定ding情qing況kuang下xia適shi用yong，精jing確que感gan知zhi需xu要yao進jin行xing多duo傳chuan感gan器qi信xin息xi融rong合he。例li如ru

，毫hao米mi波bo雷lei達da可ke以yi準zhun確que檢jian測ce前qian方fang車che輛liang的de距ju離li和he速su度du，具ju備bei較jiao強qiang的de穿chuan透tou霧wu、煙、灰塵的能力；但無法對目標進行細化識別。而相機視覺係統可以獲得車道線、交(jiao)通(tong)信(xin)號(hao)等(deng)目(mu)標(biao)的(de)顏(yan)色(se)和(he)形(xing)狀(zhuang)等(deng)細(xi)節(jie)
，從(cong)而(er)進(jin)行(xing)深(shen)度(du)識(shi)別(bie)。但(dan)是(shi)相(xiang)機(ji)視(shi)覺(jiao)係(xi)統(tong)的(de)測(ce)距(ju)能(neng)力(li)沒(mei)有(you)激(ji)光(guang)雷(lei)達(da)精(jing)確(que)。激(ji)光(guang)雷(lei)達(da)通(tong)過(guo)點(dian)雲(yun)來(lai)建(jian)立(li)周(zhou)邊(bian)環(huan)境(jing)的(de)3D模型，可以檢測出包括車輛、行人、樹木、路(lu)緣(yuan)等(deng)細(xi)節(jie)。所(suo)以(yi)
，通(tong)過(guo)激(ji)光(guang)雷(lei)達(da)或(huo)毫(hao)米(mi)波(bo)雷(lei)達(da)與(yu)視(shi)覺(jiao)傳(chuan)感(gan)器(qi)進(jin)行(xing)融(rong)合(he)，不(bu)僅(jin)可(ke)以(yi)進(jin)行(xing)目(mu)標(biao)物(wu)體(ti)檢(jian)測(ce)

，而(er)且(qie)還(hai)能(neng)進(jin)行(xing)目(mu)標(biao)空(kong)間(jian)測(ce)距(ju)，目(mu)標(biao)圖(tu)像(xiang)識(shi)別(bie)等(deng)功(gong)能(neng)。類(lei)似(si)
，GPS定位、視覺傳感器和激光雷達進行融合，則可以實現車道保持所需的高精度定位，也能實現多類障礙物目標檢測。

 

基於激光雷達等傳感器的環境感知模型

 

近(jin)期(qi)特(te)斯(si)拉(la)汽(qi)車(che)事(shi)故(gu)說(shuo)明(ming)要(yao)做(zuo)到(dao)高(gao)級(ji)自(zi)動(dong)駕(jia)駛(shi)僅(jin)靠(kao)單(dan)類(lei)傳(chuan)感(gan)器(qi)則(ze)難(nan)以(yi)實(shi)現(xian)，而(er)是(shi)需(xu)要(yao)多(duo)種(zhong)傳(chuan)感(gan)器(qi)融(rong)合(he)，特(te)別(bie)是(shi)關(guan)鍵(jian)性(xing)傳(chuan)感(gan)器(qi)不(bu)能(neng)減(jian)配(pei)。無(wu)人(ren)駕(jia)駛(shi)汽(qi)車(che)的(de)車(che)載(zai)傳(chuan)感(gan)器(qi)配(pei)置(zhi)可(ke)作(zuo)為(wei)完(wan)整(zheng)性(xing)參(can)考(kao)方(fang)案(an)。

 

1、車載傳感器選擇參數

 

在選擇車載傳感器時，一般需要綜合考慮多個方麵的屬性，包括傳感器精度、分辨率、靈敏度
、動態範圍、傳感器視角、主動與被動傳感器、時間精度和輸出接口。以及誤報率、溫度適應性、黑暗適應性、不良天氣適應性、硬件成本、信號處理能力等。表1是常見的幾類傳感器綜合指標，包括超聲波雷達、激光雷達、毫米波雷達、攝像頭
、紅外探頭等，可以綜合考慮加以選取配置。

 

 

注：

 

（1）傳感器精度：真實值和傳感器的測量值之間的誤差，取決於外部幹擾等因素。

 

（2）傳感器分辨率：兩次測量值之間的最小方差
，通常比傳感器的實際精度更低。

 

（3）傳感器靈敏度：可檢測或測量的最小值。

 

（4）傳感器的動態範圍：最小以及可以準確地報告最大值。

 

（5）傳感器視角：描述傳感器可以看到的視場角度。

 

（6）主動與被動傳感器：有源傳感器主動感測環境
，無源傳感器則比較依賴環境條件。

 

（7）傳感器時間精度：傳感器的刷新速率和測量帶寬變化頻率

 

（8）傳感器輸出接口：輸出模擬電壓，電流，數字信號，串口或網絡數據流等方式。

 

（9）低誤報率：由於噪聲、幹擾等引起檢測結果誤報的比例。

 

（10）溫度適應性：是否能在不同溫度條件下正常工作。

 

（11）黑暗適應性：是否能在不同光照條件下正常工作。

 

（12）不良天氣適應性：是否能在下雨、揚塵
、潮濕等天氣中正常工作。

 

（13）低成本硬件：傳感器硬件價格成本。

 

（14）信號處理能力：傳感器數據量。

 

 

在不同等級的自動駕駛功能實現中，通過對雷達、激光雷達、視覺相機（單目、雙目和紅外）、超聲波等常見傳感器的優劣勢分析，最終形成適當的車載傳感器配置。

 

表2. 實現不同自動駕駛功能所需傳感器及感知參數分析

 

 

如下圖所示，要實現典型的自動駕駛功能，要求車載傳感器能夠覆蓋長、短距檢測、兼顧日夜行駛等需求。典型方案中要求配備毫米波雷達傳感器6個（超長距前窄角1個
，中距前窄角1個，後/側麵廣角4個）、紅外夜視傳感器1個（長距前窄角）、圖像攝像頭6個（長距前窄角1個，短距廣角後方1個、側麵4個）、以及超聲波傳感器4個（前/後側短距廣角）。

 

實現自動駕駛係統所需的車載傳感器配置

 

而要實現無人駕駛
，除了上述傳感器之外，還需要選配高精度GPS定位係統及高精度測距傳感器，還需要應對複雜路況的各類激光雷達傳感器等。如圖5所示，參加DARPA Urban Challenge比賽的Stanford 大學“Junior”無人車，則在大眾SUV基礎上
，配備5個激光雷達（IBEO，Riegl

，SICK和Velodyne），1個Applanix GPS慣性導航係統，5個BOSCH毫米波雷達

，以及前向相機係統。

 

Junior無人駕駛車輛及其傳感器配置

 

Junior無人駕駛車輛定位通過Applanix POS LV 420集成慣性導航係統實現，包括GPS方位航向測量、高性能慣性測量單元、車輪裏程計（DMI）和OMNISTAR衛星虛擬基站服務

，提供低於100厘米和0.1度的實時位置和方向誤差。2個側向的SICK LMS 291-S14激光雷達和1個前向的RIEGL LMS-Q120激光雷達提供3D道路結構和車道標線檢測，並進行車輛高精度定位。1個車頂64線Velodyne HDL-64E激光雷達用於障礙物和移動車輛檢測
，形成水平方向360度和垂直方向30度視域的掃描數據
，由車尾的2個SICK LDLRS激光雷達和前保險杠2個 IBEO ALASCA XT激光雷達進行視野補充。5個安裝在前格柵的BOSCH長距離雷達（LRR2）提供周圍移動車輛的檢測信息。由兩個英特爾四核服務器通過一個千兆以太網進行連接來提供傳感器融合等車載計算服務。

 

3、通過車載傳感器集成與智能化降低整體費用

 

通tong過guo車che載zai傳chuan感gan器qi集ji成cheng與yu智zhi能neng化hua與yu能neng夠gou突tu破po自zi動dong駕jia駛shi技ji術shu所suo需xu的de環huan境jing感gan知zhi基ji礎chu支zhi撐cheng，通tong過guo配pei置zhi優you秀xiu和he價jia格ge低di廉lian的de車che載zai傳chuan感gan器qi，實shi現xian環huan境jing感gan知zhi
，推tui進jin無wu人ren駕jia駛shi技ji術shu進jin展zhan。如ru圖tu6所示
，現有的車載傳感器通過各類總線技術進行集成和配置
，再通過傳感器信息的智能化處理，輸出自動駕駛所需的環境感知信息。

 

車載傳感器集成與智能化

 

同樣，智能車輛也需要從車身內的傳感器的智能化與集成內容入手，分析實現自動駕駛需要哪些車載傳感器。通過融合車載的IMU、車頭指向設備和GPS等傳感器進行車輛位姿精確感知
，實現車輛控製。

 

現(xian)有(you)車(che)輛(liang)設(she)計(ji)還(hai)沒(mei)有(you)考(kao)慮(lv)智(zhi)能(neng)化(hua)需(xu)求(qiu)，車(che)身(shen)載(zai)傳(chuan)感(gan)器(qi)的(de)種(zhong)類(lei)較(jiao)多(duo)，分(fen)布(bu)在(zai)各(ge)個(ge)子(zi)係(xi)統(tong)中(zhong)
，有(you)一(yi)些(xie)傳(chuan)感(gan)器(qi)重(zhong)複(fu)使(shi)用(yong)。下(xia)一(yi)階(jie)段(duan)，更(geng)多(duo)考(kao)慮(lv)智(zhi)能(neng)化(hua)功(gong)能(neng)需(xu)求(qiu)，並(bing)且(qie)通(tong)過(guo)傳(chuan)感(gan)器(qi)的(de)微(wei)型(xing)化(hua)、多功能和智能化

、集成化發展。通過MEMS傳感器實現微型化
；通過集成多功能、減少車載傳感器數量
，提高車輛姿態感知可靠性；通過傳感器與微處理器結合集成智能化處理算法，減少ECU複雜度。通過傳感器總線集成，可以實現車身傳感器信息共享，降低了成本。例如，速度傳感器

、加速度傳感器、加速踏板位置傳感器、節氣門位置傳感器、方向盤轉角傳感器等信息
，可以智能車輛的各個子控製係統功能模塊中共享。

 

車載自身姿態感知傳感器方案

 

 

3.1通過V2X車輛聯網擴展智能車環境感知能力

 

通過V2X應用可以擴展車載傳感器感知範圍
，通過多車之間溝通各自速度、加減速和轉向等信息
，提高自動駕駛安全性，為交通的可預測和管控提供基礎。通過V2X應用廣播前車的環境感知結果
，使得施工
、交通事故、道路異物

、坑keng洞dong和he路lu滑hua等deng情qing況kuang可ke以yi預yu先xian告gao知zhi後hou車che，有you效xiao提ti高gao自zi動dong駕jia駛shi安an全quan。使shi智zhi能neng車che輛liang的de環huan境jing感gan知zhi範fan圍wei擴kuo大da

，不bu再zai受shou限xian於yu車che載zai傳chuan感gan器qi的de視shi距ju範fan圍wei限xian製zhi，減jian少shao了le多duo變bian的de天tian氣qi和he複fu雜za環huan境jing因yin素su影ying響xiang。

 

基於V2X技術擴展智能車輛感知能力

 

通過V2X網(wang)絡(luo)互(hu)聯(lian)到(dao)雲(yun)端(duan)
，可(ke)以(yi)獲(huo)得(de)更(geng)大(da)範(fan)圍(wei)的(de)環(huan)境(jing)信(xin)息(xi)，擴(kuo)展(zhan)了(le)實(shi)時(shi)導(dao)航(hang)和(he)路(lu)徑(jing)規(gui)劃(hua)等(deng)服(fu)務(wu)。在(zai)沒(mei)有(you)網(wang)絡(luo)信(xin)號(hao)的(de)地(di)方(fang)
，通(tong)過(guo)本(ben)地(di)通(tong)訊(xun)服(fu)務(wu)，在(zai)幾(ji)百(bai)米(mi)範(fan)圍(wei)內(nei)形(xing)成(cheng)車(che)間(jian)局(ju)域(yu)網(wang)絡(luo)
，形(xing)成(cheng)一(yi)個(ge)幾(ji)公(gong)裏(li)範(fan)圍(wei)的(de)視(shi)野(ye)，更(geng)容(rong)易(yi)實(shi)現(xian)安(an)全(quan)的(de)自(zi)動(dong)駕(jia)駛(shi)。

 

現階段較多采用IEEE802.11P等短距通訊來構建DSRC短程車間網絡，更大範圍的網絡基於LET-V等技術來構建

，還包括LTE標準（LTE V2X）技術，通過LTE-Direct （LTE-D）技術能尋找500m內數千車載設備並提供服務，讓最接近的LTE-D設備實現通訊。此外，正在發展中的5G網路技術也可為車載應用構建基礎支撐。DSRC之類短距通訊已經開展並通過了一係列的現場測試
，進入實際部署工作
；而LTE V2X等新技術還在開發階段，需要製定新標準和開展更多測試。

 

3.2基於高精度定位和3D高精度地圖支持降低對傳感器依賴

 

智能車輛都采用GPS或(huo)者(zhe)北(bei)鬥(dou)等(deng)全(quan)球(qiu)定(ding)位(wei)係(xi)統(tong)進(jin)行(xing)定(ding)位(wei)和(he)導(dao)航(hang)，現(xian)階(jie)段(duan)還(hai)需(xu)要(yao)提(ti)高(gao)定(ding)位(wei)係(xi)統(tong)的(de)精(jing)度(du)，提(ti)供(gong)高(gao)精(jing)度(du)導(dao)航(hang)地(di)圖(tu)來(lai)滿(man)足(zu)自(zi)動(dong)駕(jia)駛(shi)需(xu)求(qiu)。通(tong)過(guo)提(ti)供(gong)厘(li)米(mi)級(ji)的(de)定(ding)位(wei)以(yi)及(ji)應(ying)對(dui)複(fu)雜(za)駕(jia)駛(shi)環(huan)境(jing)的(de)精(jing)確(que)三(san)維(wei)地(di)圖(tu)數(shu)據(ju)，智(zhi)能(neng)車(che)輛(liang)獲(huo)得(de)最(zui)佳(jia)行(xing)車(che)路(lu)線(xian)，地(di)形(xing)特(te)征(zheng)，位(wei)置(zhi)映(ying)射(she)等(deng)，方(fang)便(bian)進(jin)行(xing)動(dong)態(tai)目(mu)標(biao)檢(jian)測(ce)和(he)障(zhang)礙(ai)物(wu)檢(jian)測(ce)等(deng)
，極(ji)大(da)降(jiang)低(di)對(dui)傳(chuan)感(gan)器(qi)依(yi)賴(lai)。

 

1、高精度定位係統

 

民用級GPS在接收到4個或更多衛星時能提供約為十米級的定位精度,差分GPS(（Differential Global Positioning System)通過在位置已經精確測定的已知點上配備一台 GPS jieshoujizuoweigudingdimiancankaodian
，cankaodianhedingweishebeijianliyongguangbodengfangshizengjiayibuweizhixiuzheng
，keyidadaomijidingweijingdu。yaoshixianlimijijingdudedingwei，haixuyaojiangGPS設備和高精度慣性測量單元（IMU）結合起來,GPS提供高精度定位數據，慣性測量單元提供高頻率采集數據。例如，在自動駕駛方案中采用Applanix POS的係統提供多雙頻GPS接收信息實時集成，包括GPS方位航向測量、高性能慣導測量單元（6自由度、安裝靠近後軸處）、車輪裏程計（DMI）
、OMNISTAR衛星虛擬基站服務等，係統實時位置誤差通常可低於100厘米

，方向誤差低於0.1度。這些高精度定位方法成本較貴，限製了實際大範圍應用。後續需要集成基於低功耗、低價
、微小型智能定位傳感器
，提供高精度定位服務。

 

Applanix POS LV420係統

 

2、高精度導航地圖

 

目(mu)前(qian)所(suo)用(yong)導(dao)航(hang)地(di)圖(tu)所(suo)提(ti)供(gong)信(xin)息(xi)的(de)精(jing)細(xi)程(cheng)度(du)還(hai)無(wu)法(fa)滿(man)足(zu)自(zi)動(dong)駕(jia)駛(shi)要(yao)求(qiu)。通(tong)過(guo)采(cai)用(yong)激(ji)光(guang)雷(lei)達(da)獲(huo)取(qu)三(san)維(wei)點(dian)雲(yun)數(shu)據(ju)，並(bing)進(jin)行(xing)人(ren)工(gong)標(biao)記(ji)之(zhi)後(hou)建(jian)立(li)路(lu)麵(mian)模(mo)型(xing)
，包(bao)含(han)道(dao)路(lu)上(shang)較(jiao)為(wei)全(quan)麵(mian)的(de)交(jiao)通(tong)標(biao)誌(zhi)、交通信號燈等信息，還包括車道線位置
、數量和寬度等信息

，包括道路坡度和斜率等
，還包括車道限高
、下水道口、zhangaiwuyijiqitadaolushangyixiexijie。ditujikeyitigongdangqiandaoludejingtaihuanjingmoxing，yekeyitongguoyuxiancunchudedianyunhetuxiangtezhengshujulaitigonggaojingdudingwei。

 

在高精度地圖技術路線中
，一類是穀歌和Here的激光雷達和攝像頭獲取3D點雲數據測量的地圖，在點雲數據基礎上進而建模分類得到高精度地圖。另外一類是通用、大眾聯手Mobileye的RoadBook眾包地圖，通過車輛攝像頭和GPS

，結合本地以及雲端軟件來開展高精度地圖服務。

 

高gao精jing度du地di圖tu需xu要yao使shi用yong高gao精jing度du激ji光guang雷lei達da，收shou集ji數shu據ju後hou進jin行xing人ren工gong標biao記ji才cai能neng使shi用yong，比bi較jiao耗hao時shi費fei力li，測ce繪hui成cheng本ben較jiao高gao

，不bu會hui頻pin繁fan更geng新xin數shu據ju
，實shi用yong性xing下xia降jiang。采cai用yong眾zhong包bao方fang式shi收shou集ji數shu據ju，通tong過guo每mei輛liang車che載zai終zhong端duan得de到dao車che道dao線xian、gexiangdaolubiaozhiyijidaolushangdejichujiaotongsheshidengxinxifasongyunduan，suiranjingduburujiguangleidaceding，dantongguozengjiashujulianglaitigaojingdu，keyijiangdichengben，bingqieshishigengxinditu。liru，Mobileye通過EyeQ4係統上增加更多檢測設備並整合其軟件係統
，結合道路經驗管理係統（RoadExperience Management，REM），利用深度學習技術來對道路上各種行車要素的識別和采集，最後構建Roadbook。REM根據駕駛環境來綜合分析路況
，如前車運動軌跡
、lubianjingzhidewutidengxinxi，dedaoheshidekexingshiluxian。suocaijixinxizaibendijinxingyuchulizhihoudedaojinchuyiyiweishujuweizhudebiaoshi
，jiehebiyaodesanweishuju，zuizhongrangdituxinxibaochijiaoxiaoguimo
，fangbianjishishangchuanyuxiazaigengxin。tongguoduocheliangdexuexihewanshan
，yunduanxitongjianghuibirenleijiashiyuangengshuliandichulifuzajiaotongchangjing，youliyukefuzizhujiashimianlindekunnantiaozhan。

 

圖10.Roadbook高精度導航地圖

 

高精度地圖是實現自動駕駛和無人駕駛不可或缺的基礎支撐
，許多企業開始開發定製化地圖
，包括Here（奧迪寶馬和戴姆勒）發布的HDLive地圖
、Mobileye發布RoadBook、TOMTOM為蘋果
、Uber和Bosch提供地圖數據，發布RoadDNA
，大陸的RoadDB（RoadDatabase）
，以及車企如豐田推出的全新地圖繪製技術，國內百度、高德
、四維圖新和武漢光庭等公司開發的高精度地圖等。

 

 

tongguoquanxindemianxiangzhinengcheliangdejiagousheji，jiehejichenghuakongzhixitonghexinxingzongxian

，jiangchuanganqihezhinengjisuandanyuanjinxingpeizhihejicheng，jiangkeweizidongjiashitigongjichujiagouzhicheng。

 

4.1麵向自動駕駛的新型車輛總線控製架構

 

無wu人ren駕jia駛shi技ji術shu離li不bu開kai車che載zai控kong製zhi係xi統tong的de深shen度du集ji成cheng，由you於yu車che企qi保bao護hu做zuo法fa，許xu多duo車che輛liang總zong線xian係xi統tong還hai沒mei對dui外wai開kai放fang，現xian在zai還hai有you許xu多duo實shi現xian方fang案an是shi不bu對dui原yuan車che做zuo任ren何he改gai動dong，直zhi接jie附fu加jia一yi套tao電dian機ji裝zhuang置zhi
，類lei似si於yuADAS測試中使用的ADB機器人，但這種方法安全性極低。自動駕駛車輛的執行器改裝主要分為轉向、製動和油門改裝等部分。由於沒有車企的支持


，現有一些自動駕駛方案中還是通過外加轉向機器人
、zhidongjiqirenheyoumenjiqirendefangshilaishixianduichedekongzhi。youyuzheleigaizhuangfangshi，xuyaowaibukongzhixitong，lirushachecaiyongdianjiladonggangsisheng
，gangsishenglianzaishachetabanshang
，shachedefanyingshijianzengjia，kekaoxingheshishikongzhidoujiangdi

，wufatixianwurenjiashideyoushi。

 

設計複雜的自動駕駛機器人

 

而基於線控技術集成的自動駕駛係統將極大提高智能車輛的可靠性和操控性能。自動駕駛方案中動力
、轉向和製動（部分還包括懸掛）三個係統需要X-by-wire線控技術。得到車企和博世等零部件供應商支持的自動駕駛方案中
，能夠通過車輛內部CAN通信的方式實現對EPS、ESP等執行機構的準確控製。此外，在純電動或者混動車基礎上改裝具備線控（液壓）刹車的配置，將具有很大的優勢。

 

基於線控技術的自動駕駛方案

 

現階段
，還需要通過一種可行的通用集成方案，將控製係統集成到CAN總線、Flexray或者快速以太網總線上。通過將決策控製信息與車輛底層控製係統深度集成。CAN FD 1.0作為CAN 2.0的技術升級
，可以作為智能車輛車載總線的實現方式。此外，由於智能車輛技術發展，急需滿足更高數據帶寬的車內連接。Tesla在車載信息服務上采用以太網作為總線網絡。例如，基於IEEE802.3bp的1000BASE-T1標準草案設計，滿足汽車係統嚴格的EMI要求
，支持車內傳輸多路高清視頻流。單對雙絞線以太網允許選擇輕量型、低成本線束。

 

4.2、車載高性能集成計算平台

 

智(zhi)能(neng)車(che)輛(liang)一(yi)旦(dan)完(wan)成(cheng)車(che)身(shen)完(wan)整(zheng)構(gou)建(jian)，采(cai)用(yong)傳(chuan)感(gan)器(qi)獲(huo)得(de)環(huan)境(jing)感(gan)知(zhi)信(xin)息(xi)，還(hai)需(xu)要(yao)能(neng)夠(gou)處(chu)理(li)大(da)容(rong)量(liang)數(shu)據(ju)，所(suo)以(yi)處(chu)理(li)器(qi)芯(xin)片(pian)對(dui)無(wu)人(ren)駕(jia)駛(shi)車(che)輛(liang)同(tong)樣(yang)重(zhong)要(yao)。許(xu)多(duo)移(yi)動(dong)終(zhong)端(duan)產(chan)品(pin)芯(xin)片(pian)供(gong)應(ying)商(shang)已(yi)經(jing)開(kai)始(shi)為(wei)自(zi)動(dong)駕(jia)駛(shi)技(ji)術(shu)的(de)實(shi)現(xian)提(ti)供(gong)圖(tu)像(xiang)處(chu)理(li)功(gong)能(neng)。由(you)於(yu)嵌(qian)入(ru)式(shi)平(ping)台(tai)計(ji)算(suan)能(neng)力(li)提(ti)升(sheng)
，現(xian)在(zai)智(zhi)能(neng)車(che)輛(liang)計(ji)算(suan)平(ping)台(tai)一(yi)般(ban)采(cai)用(yong)帶(dai)有(you)GPU單元的嵌入式處理器來構建。例如高通、三星也推出了車載嵌入式平台，高通驍龍602A應用處理器
，拓展麵向汽車的產品組合，實現多係統支持的感知功能；三星處理器芯片目前主打車機互聯係統、汽車智能硬件等。

 

在奧迪自動駕駛汽車架構中的駕駛輔助控製器（zFAS）中的傳感器融合單元核心部件是NVIDIATegra K1平台，極大簡化了車載計算平台。NVIDIA的TK1有四個ARMCortex-A15核
，192Kepler GPU集成CUDA，提供327GFLOPS計算性能，處理CUDA數據時功率小於6W（包括SoC和DRAM）。英偉達Drive PX無人駕駛汽車平台的兩個Tegra X1處理器，能夠處理來自12個攝像頭的數據流
，完成驅動高級駕駛員輔助功能運行。最新的DRIVE PX 2硬件計算平台
，支持12路攝像頭輸入、激光定位
、雷達和超聲波傳感器；包括兩顆新一代NVIDIA Tegra處理器，其中包括8個A57核心和4個Denver核心；基於NVIDIA的新一代GPU架構Pascal設計

，單精度計算能力達到8TFlops，超越TITAN X的10倍以上的深度學習計算能力。

 

NVIDIA DRIVE PX 2自動駕駛開發平台

 

NVIDIA開發網提供算法庫支持，有助於加速開發。NVIDIA建造NvidiaPX2構建的Drivenetpingtai，yizaizidongjiashicheliangshangjinxingceshi。nenggoujiangwaibuchuanganqihuoqudetuxiangshujuchulihouxingchenggaojingdudianyun，bingshangchuanzhiyunduanfuwuqi
，jingguogenggaoxingnengdejiyuDGX-1的服務器處理後，融合成完整高精度地圖。車載計算平台和雲端服務器形成NVIDIA完整的自動駕駛技術平台解決方案。

 

流行的深度學習框架如Caffe
、Theano、Torch推出CUDA工gong具ju庫ku
，大da幅fu提ti高gao圖tu像xiang識shi別bie準zhun確que率lv，讓rang車che載zai計ji算suan平ping台tai擁yong有you更geng強qiang的de數shu據ju處chu理li能neng力li，通tong過guo運yun行xing深shen度du學xue習xi算suan法fa來lai加jia強qiang車che輛liang感gan知zhi能neng力li，對dui車che載zai各ge類lei傳chuan感gan器qi數shu據ju進jin行xing處chu理li與yu分fen析xi，進jin行xing駕jia駛shi決jue策ce。

 

深度學習的車載嵌入式計算平台

 

 

智能車輛研發已經進入關鍵節點，其技術突破的難點已經從算法研究轉移到了麵向自動駕駛的車載傳感器

、車輛總體架構設計、智能計算平台集成等實用化技術上。本文結合多年的智能車研發經曆，聚焦在環境感知技術及車載傳感器、車輛係統集成、V2X和車聯網
、高精度定位和地圖技術、深度學習和計算平台等方麵上

，針對這些可能的突破點進行探討，其中內容可作為智能車輛研發的參考。

 

【作者簡介:黃武陵，中國科學院自動化研究所副研究員，中國科學院大學博士，主要從事智能車輛研究


，參與和主持了多項國家863和973、交通部和自然基金課題
，發表SCI/EI論文十多篇，申請和獲得發明專利二十多項。獲北京市科技進步獎、北京市“金橋工程”項目獎
、吳文俊人工智能科學技術進步獎、中科院教學成果獎等獎勵。】

 

參考資料： [1] en.wikipedia.org/wiki/ [2] 新智元公眾號 [3] http://www.cheyun.com [4] www.nvidia.com/object/drive-px.html [5] Jaycil Z. Varghese, Overview of Autonomous Vehicle Sensors and Systems，Proceedings of the 2015 International Conference on Operations Excellenceand Service Engineering [6] Junior: The Stanford Entry in the Urban Challenge, Michael Montemerlo,Jan Becker, .., and Sebastian Thrun. 2008. Junior: The Stanford entry in theUrban Challenge. J. Field Robot. 25, 9 (September 2008), 569-597. [7] C. Urmson, J. Anhalt, D. Bagnell,., , “Autonomous driving in urbanenvironments: Boss and the urban challenge,” J. Field Robot.,vol. 25, no. 1,pp. 425–466, Jun. 2008. [8] W. Huang, D. Wen, J. Geng, N.-N. Zheng, "Task-Specific performanceevaluation of UGVs: Case studies at the IVFC," IEEE Transactions on Intelligent Transportation Systems, vol. 15,no. 5, pp. 1969-1979, 2014. [9] 黃武陵. 無人駕駛汽車帶來的交通便利[J].單片機與嵌入式係統應用,2016,16(6):6-8. [10] 黃武陵.智能車輛環境感知技術與平台構建[J].單片機與嵌入式係統應用,2016,(7). [11] 黃武陵.智能車輛的道路檢測及其應用[J].單片機與嵌入式係統應用,2016,(8).