自動駕駛的核心技術是什么----一篇文章帶你揭開自動駕駛的神秘面紗
2022-04-29 14:00:07

1.自動駕駛發(fā)展歷史

早在1925年，世界上就誕生了第一輛自動駕駛汽車，不過，依照我們當下的技術水準來看，那時的自動駕駛，或者只是在炒概念。

因為當時的自動駕駛，就是駕駛員通過無線電操控汽車，什么意思呢，打個簡單比方，就是小孩子玩的遙控賽車，但是也具有其深刻的現(xiàn)實意義，比如軍事領域中，遙控無人機的應用，在大型災害現(xiàn)場展開搜救，使用無人監(jiān)控器進入到人和搜救犬無法進入的地方進行探測。

而隨著電腦和電子信息技術的發(fā)展，類似于電子脈沖信號反饋，雷達監(jiān)測的技術逐漸應用，才開始出現(xiàn)自動駕駛應該有的模樣，比如，探測裝置監(jiān)測到汽車周邊障礙物，及時反饋到行車電腦，隨后系統(tǒng)發(fā)出相應必然指令，傳導至轉向系統(tǒng)，這樣我們就看到了方向盤自己轉動的情形了。

2.自動駕駛的核心技術

提到智能車(Intelligent vehicle)，我想大家都不會陌生，智能車是一個集環(huán)境感知、規(guī)劃決策、多等級輔助駕駛等功能于一體的綜合系統(tǒng)，它集中運用了計算機、現(xiàn)代傳感、信息融合、通訊、人工智能及自動控制等技術，是典型的高新技術綜合體，自動駕駛便與之有著異曲同工之妙。自動駕駛的核心技術依次可以分為環(huán)境感知、行為決策、路徑規(guī)劃和運動控制四大部分。

1.環(huán)境感知

環(huán)境感知能力通俗來講就是需要知道和感應到周圍的環(huán)境，和人類的眼睛一樣，這個輪式機器人也有它自己的眼睛，用來識別周邊的車輛、障礙物、行人等路上的情況。

我們眼睛的主要構成部分是眼球，通過調節(jié)晶狀體的彎曲程度來改變晶狀體焦距來獲得實像。那自動駕駛的眼睛是由什么構成的呢？答案是傳感器。包括攝像頭、激光雷達、毫米波雷達，還有紅外線、超聲波雷達等。

你可能會驚訝，需要這么多眼睛？沒錯，它是長滿了眼睛的小怪獸，通常擁有10+只眼睛。

其中，最常用的是攝像頭，幾乎是毫無爭議地被所有開發(fā)者采用。它和人類的眼睛最接近，可以看清有顏色的標識、物體，看得懂字體，分得清紅綠燈。但是缺點也不少，比如在夜晚或惡劣的天氣下視力就嚴重下降，也不擅長遠距離觀察。

其次是頗富爭議的LiDAR，即激光雷達。比較常見的是在車頂，像是頂不停旋轉的帽子。原理很簡單，就是通過計算激光束的反射時間和波長，可以完成繪制周邊障礙3D圖。而短板則是無法識別圖像和顏色。

毫米波雷達也不得不提一提，因為它的全能–可以全天候工作，這使得它不可或缺，即便它無法識別高度，分辨率不高，也難以成像。但它憑借其穿透塵霧、雨雪的硬本領，站穩(wěn)一席之地。

可以通過下面這個性能對比表格，了解主流傳感器的優(yōu)勢和軟肋。

如此多各式各樣的眼睛，那她的視力一定很好咯？那也未必。你以為星多天空亮，可它們之間能夠互補還好，但也難免會產生矛盾。這么多只眼睛你要優(yōu)先選擇相信誰，這也是一個課題叫Sensor Fusion，傳感器融合。根據每種傳感器的優(yōu)缺點來綜合評判信息的準確度，得到更可靠的最終結果。傳感器融合的另一個優(yōu)點是，換來一定程度的冗余，即便某只眼睛暫時失明，也不會影響它安全前行。

2.行為決策

通過眼睛識別得到了周邊環(huán)境，接下來就要充分利用這些信息進行理解分析，決定自己該如何走下一步。要完成這項任務的就是最強大腦。

決策層是自動駕駛技術的腦力擔當，而大腦的重要性自然不言而喻了。傳感器會對周圍環(huán)境進行充分感知，從而生成龐大的數(shù)據信息，而決策層需要在接受這些信息后，從安全性、舒適性、節(jié)能性等多個方面綜合考慮，從而找住最優(yōu)、最合理的駕駛決策，然后將指令發(fā)送至執(zhí)行層，實現(xiàn)車輛的自動駕駛。

無論是提高車輛對環(huán)境的感知精度，還是底層執(zhí)行系統(tǒng)的控制精度，都是優(yōu)化自動駕駛的性能，但是決策層的研究才是決定自動駕駛能否實現(xiàn)的關鍵所在。如果決策不合理，即便一款車對環(huán)境的感知再精準，對駕駛動作的執(zhí)行再迅速，最終必然會存在風險，威脅駕駛的安全性。只有當決策合理時，駕駛性能的優(yōu)越性才能夠體現(xiàn)。正因為如此，目前自動駕駛技術的發(fā)展瓶頸也聚焦于這里。

自動駕駛技術說到底是多個系統(tǒng)協(xié)同工作實現(xiàn)的，缺乏任何一個方面都不可能實現(xiàn)。但是，從影響的層級來說，決策在這當中顯得更為重要，因為其他層面的技術是為了讓車跑得更快，跑得更好，但是決策能力的高低關鍵在于這輛車能不能跑，跑得安全不安全，這是自動駕駛技術真正能上路使用的前提。

跟人類的大腦一樣，我們不是天生就會開車，也不是拿到駕照就成老司機了。需要一定的知識積累，自動駕駛機器人也同樣需要。完成大腦中的知識庫有兩種方式：專家規(guī)則式和AI式。

專家規(guī)則式，英文叫rule-based。即提前編寫好規(guī)則，當需要做決定的時候必須嚴格遵守這些規(guī)則。舉個栗子，當準備超車變道時，需要滿足以下條件（這是一個假專家，僅供參考）：道路半徑大于500R（彎道不變道）；跟目標車道上的前后車的距離都在20m以上；比后車的車速慢不超過5km/h；等等等等?！陨螻個條件同時滿足時，即可超車變道。通過AI式積累知識庫，會讓她的反應更加靈活。專家也難免有疏忽，更何況交通瞬息萬變，沒有靈活的大腦如何應對我大中華的路況呢？

3.路徑規(guī)劃

首先來說明三個概念，路徑規(guī)劃、避障規(guī)劃、軌跡規(guī)劃。路徑規(guī)劃通常指全局的路徑規(guī)劃，也可以叫全局導航規(guī)劃，從出發(fā)點到目標點之間的純幾何路徑規(guī)劃，無關時間序列，無關車輛動力學。

避障規(guī)劃又叫局部路徑規(guī)劃，又可叫動態(tài)路徑規(guī)劃，也可以叫即時導航規(guī)劃。主要是探測障礙物，并對障礙物的移動軌跡跟蹤（Moving Object Detection and Tracking ，一般縮寫為MODAT）做出下一步可能位置的推算，最終繪制出一幅包含現(xiàn)存碰撞風險和潛在碰撞風險的障礙物地圖，這個潛在的風險提示是100毫秒級，未來需要進一步提高，這對傳感器、算法的效率和處理器的運算能力都是極大的挑戰(zhàn)，避障規(guī)劃不僅考慮空間還考慮時間序列，在復雜的市區(qū)運算量驚人，可能超過30TFLOPS，這是無人車難度最高的環(huán)節(jié)。未來還要加入V2X地圖，避障規(guī)劃會更復雜，加入V2X地圖，基本可確保無人車不會發(fā)生任何形式的主動碰撞。

軌跡規(guī)劃則源自機器人研究，通常是說機械臂的路徑規(guī)劃。在無人車領域，軌跡規(guī)劃的定義感覺不統(tǒng)一。有人將避障規(guī)劃與軌跡規(guī)劃混淆了。軌跡規(guī)劃應該是在路徑規(guī)劃和避障規(guī)劃的基礎上，考慮時間序列和車輛動力學對車輛運行軌跡的規(guī)劃，主要是車縱向加速度和車橫向角速度的設定。將設定交給執(zhí)行系統(tǒng)，轉向、油門、剎車。如果有主動懸掛，那么軌跡規(guī)劃可能還要考慮地形因素。

三大規(guī)劃是無人車最復雜的部分，算法多不勝數(shù)，讓人眼花繚亂，這也是百度、谷歌和蘋果科技巨頭要切入無人車領域的主要原因，這些科技巨頭最擅長的就是算法的優(yōu)化整合。當然傳統(tǒng)車廠如福特和豐田，擁有對車輛動力學的絕對優(yōu)勢，在此領域實力并不比科技巨頭要差，尤其是豐田，從開源SLAM到KITTI，軟件實力絲毫不次于谷歌。

4.運動控制

簡單地說，運動控制主要包括線控制動、轉向和油門。某些高級車上，懸掛也是可以線控的。線控執(zhí)行中制動是最難的部分。

線控油門相當簡單，且已經大量應用，也就是電子油門，凡具備定速巡航的車輛都配備有電子油門。電子油門通過用線束（導線）來代替拉索或者拉桿，在節(jié)氣門那邊裝一只微型電動機，用電動機來驅動節(jié)氣門開度。一般而言，增減油門就是指通過油門踏板改變發(fā)動機節(jié)氣門開度，從而控制可燃混合氣的流量，改變發(fā)動機的轉速和功率，以適應汽車行駛的需要。傳統(tǒng)發(fā)動機節(jié)氣門操縱機構是通過拉索或者拉桿，一端聯(lián)接油門踏板，另一端聯(lián)接節(jié)氣門連動板而工作。但這種傳統(tǒng)油門應用范疇受到限制并缺乏精確性。電子油門的主要功能是把駕駛員踩下油門踏板的角度轉換成與其成正比的電壓信號，同時把油門踏板的各種特殊位置制成接觸開關，把怠速、高負荷、加減速等發(fā)動機工況變成電脈沖信號輸送給電控發(fā)動機的控制器ECU，以達到供油、噴油與變速等的優(yōu)化自動控制。

電子油門控制系統(tǒng)主要由油門踏板、踏板位移傳感器、ECU（電控單元）、數(shù)據總線、伺服電動機和節(jié)氣門執(zhí)行機構組成。位移傳感器安裝在油門踏板內部，隨時監(jiān)測油門踏板的位置。當監(jiān)測到油門踏板高度位置有變化，會瞬間將此信息送往ECU，ECU對該信息和其它系統(tǒng)傳來的數(shù)據信息進行運算處理，計算出一個控制信號，通過線路送到伺服電動機繼電器，伺服電動機驅動節(jié)氣門執(zhí)行機構，數(shù)據總線則是負責系統(tǒng)ECU與其它ECU之間的通訊。在自適應巡航中，則由ESP（ESC）中的ECU來控制電機，進而控制進氣門開合幅度，最終控制車速。博世和大陸都有全套的電子油門系統(tǒng)出售。

線控轉向也已經得到實際應用，這就是日產旗下的英菲尼迪Q50。實際目前的電子助力轉向（EPS）非常接近線控轉向了。EPS與線控轉向之間的主要差異就是線控轉向取消了方向盤與車輪之間的機械連接，用傳感器獲得方向盤的轉角數(shù)據，然后ECU將其折算為具體的驅動力數(shù)據，用電機推動轉向機轉動車輪。而EPS則根據駕駛員的轉角來增加轉向力。線控轉向的缺點是需要模擬一個方向盤的力回饋，因為方向盤沒有和機械部分連接，駕駛者感覺不到路面?zhèn)鲗淼淖枇Γ瑫ヂ犯?，不過在無人車上，就無需考慮這個了。在Q50L上線控轉向還保留機械裝置，保證即使電子系統(tǒng)全部失效，依然可以正常轉向。

線控制動是最關鍵的也是難度最高的。要了解線控制動，首先要了解汽車的剎車原理。輕型車通常采用液壓制動。

傳統(tǒng)制動系統(tǒng)主要由真空助力器、主缸、儲液壺、輪缸、制動鼓或制動碟構成。當踩下剎車踏板時，儲液壺中的剎車油進入主缸，然后進入輪缸。

輪缸兩端的活塞推動制動蹄向外運動進而使得摩擦片與剎車鼓發(fā)生摩擦，從而產生制動力。

當駕駛者踩下制動踏板時，機構會通過液壓把駕駛人腳上的力量傳遞給車輪。但實際上要想讓車停下來必須要一個很大的力量，這要比人腿的力量大很多。所以制動系統(tǒng)必須能夠放大腿部的力量，要做到這一點有兩個辦法： · 杠桿作用 · 利用帕斯卡定律，用液力放大。制動系統(tǒng)把力量傳遞給車輪，給車輪一個摩擦力，然后車輪也相應的給地面一個摩擦力。

在我們討論制動系統(tǒng)構成原理之前，讓我們了解三個原理：

·杠桿作用 ·液壓作用 ·摩擦力作用

杠桿作用已經無需贅言，大家想必已經爛熟于心，在杠桿的左邊施加一個力F，杠桿左邊的長度（2X）是右邊（X）的兩倍。因此在杠桿右端可以得到左端兩倍的力2F，但是它的行程Y只有左端行程2Y的一半。剎車踏板就是個杠桿?？紤]到踏板的傾斜度，一般踏板的設計行程不超過18厘米。液壓原理需要特別說明，液體是無法被壓縮的，密閉容器里的液體的壓力有個特點：不論是液體內部、還是壓向容器壁的力，到處都一樣大?！矗喝绻黄椒矫咨嫌幸粐嵉牧α浚敲丛谒械牡胤?，一平方米上的力都是一噸。這叫帕斯卡定理。由于液體無法壓縮，所以這種方式傳遞力矩的效率非常高，幾乎100%的力傳。液壓傳力系統(tǒng)最大的好處就是可以以任何長度，或者曲折成各種形狀繞過其他部件來連接兩個圓桶型的液壓缸。還有一個好處就是液壓管可以分支，這樣一個主缸可以被分成多個副缸。液壓的另一個作用就是放大力矩。如果主缸的直徑是1寸，輪缸的直徑是3寸，那么給主缸上面施加任何一個力，就會在輪缸上放大9倍。不過主缸的活塞推動9厘米，輪缸的活塞推動距離只有1厘米，能量守恒。通常轎車的主缸直徑是22毫米，前輪缸直徑是32毫米，后輪缸直徑是28毫米。

不同的材料表面，有不同的鋸齒結構；舉例來說：橡皮與橡皮之間就比鋼與鋼之間更難滑動。材料的類型決定了摩擦系數(shù)。所以摩擦力與物體接觸面上的正壓力成正比。例如：如果摩擦系數(shù)為0.1，一個物體重100磅，另一個物體重400磅，那么如果要推動他們就必須給100磅的物體施加一個10磅的力，給400磅的物體施加一個40磅的力才能克服摩擦力前進。

ESP與ABS非常接近，與ABS最大的不同在于ESP可以在沒有踩剎車踏板的情況下向輪缸輸出制動壓力，ABS只能在踩下剎車踏板后從主缸向輪缸輸出壓力。壓力生成器就是電機和柱塞泵， 與ABS比多了4個柱塞泵，4個電磁閥，也就是VLV和USV。

3.目前自動駕駛待解決問題

1）技術問題：雖然技術已經發(fā)展很快，但是不可否認的是，自動駕駛汽車搭載的人工智能系統(tǒng)在高風險的環(huán)境中（比如暴風雪的山路，人流密集的鬧市區(qū)）仍然達不到實用要求。

2）成本問題：激光雷達成本居高不下，64線束的激光雷達價格高達10萬美元，亟待量產。

??LIDAR的成本降低，它使用光線和雷達來測量距離，與普通的RGB相機相比具有許多優(yōu)點。目前有不少于500美元的LIDAR設備。

3）安全問題：如何在技術上保證自動駕駛比人駕駛更安全，如何能讓普通人相信自動駕駛技術比人駕駛更安全，相比技術上的提升，信任的提升更難。

4）立法問題：各國法規(guī)的制定仍嚴重滯后于技術發(fā)展。特斯拉汽車事故給人們敲響了警鐘。一旦類似車禍發(fā)生，現(xiàn)有法規(guī)并未明確交通事故發(fā)生后的責任認定。

4.總結

在當下飛快發(fā)展的時代下，自動駕駛已經是大勢所趨，自動駕駛技術不需要人為操作，僅僅通過GPS、慣導、雷達等感知設備即可達到自動導航及行駛的目標。實現(xiàn)完全的自動駕駛和智慧交通是一個注定艱難的過程，無論是人工智能、環(huán)境感知、智能決策這類新技術，還是運動控制、遠程通信這些基礎技術，甚至基礎設施建設、法律法規(guī)……自動駕駛領域有太多技術等待我們去突破，太多山峰等待我們去翻越。

這一未來必將造福全人類的技術正在各行各業(yè)的努力下快速發(fā)展著，我們不同領域的人員也要學著運用自己的優(yōu)勢，基于對這個行業(yè)的理解貢獻這一份自己的力量！