成都弱電公司訊：

無人駕駛作為一項革命性的科技越來越火，尤其以Google無人駕駛為標桿。但是自動駕駛背后有哪些關鍵性技術？這些技術發展的現狀和難點有哪些？

自動駕駛汽車又稱無人駕駛汽車，它實際是一種輪式移動機器人。自動駕駛汽車從根本上改變了傳統的“人——車——路”閉環控制方式，將無法用規則嚴格約束的駕駛員從該閉環系統中請出去，從而大大提高了交通系統的效率和平安性，是汽車工業發展的革命性產物。

從20世紀80年代開始人類就展開了車輛自主行駛的研究。美國是世界上研究自動駕駛汽車最早、水平最高的國家之一。其中谷歌無人駕駛汽車影響力最為廣泛，也是技術水平最成熟的公司之一。谷歌宣稱其無人駕駛汽車已經在公路上平安行駛160多萬公里，期間沒有發生過任何嚴重的碰撞事故。但是能做到如谷歌自動駕駛車技術水平的公司寥寥無幾，可見其關鍵技術門檻是比較高的。

下面談談自動駕駛汽車中幾個關鍵技術。

環境感知

傳感器探測環境信息，只是將探測的物理量進行了有序排列與存儲。此時計算機并不知道這些數據映射到真實環境中是什么物理含義。因此需要通過適當的算法從探測得到的數據中挖掘出我們關注的數據并賦予物理含義，從而達到感知環境的目的。

好比我們在駕駛車輛時眼睛看前方，可以從環境中分辨出我們當前行駛的車道線。若要讓機器獲取車道線信息，需要攝像頭獲取環境影像，影像本身并不具備映射到真實環境中的物理含義，此時需要通過算法從該影像中找到能映射到真實車道線的影像部分，賦予其車道線含義。

自動駕駛車輛感知環境的傳感器繁多，常用的有：攝像頭、激光掃描儀、毫米波雷達以及超聲波雷達等。

針對分歧的傳感器，采用的感知算法會有所區別，跟傳感器感知環境的機理是有關系的。每一種傳感器感知環境的能力和受環境的影響也各不相同。好比攝像頭在物體辨認方面有優勢，但是距離信息比較欠缺，基于它的辨認算法受天氣、光線影響也非常明顯。激光掃描儀及毫米波雷達，能精確測得物體的距離，但是在辨認物體方面遠弱于攝像頭。同一種傳感器因其規格參數不一樣，也會呈現分歧的特性。長距離毫米波雷達探測距離長達200米，角度范圍較小(±10度)，而中距離雷達探測距離為60米，角度范圍較大(±45度)。

為了發揮各自傳感器的優勢，彌補它們的不足，傳感器信息融合是未來的趨勢。事實上，已經有零部件供應商做過此事，好比德爾福開發的攝像頭與毫米波雷達組合感知模塊已應用到量產車上。

行為規劃

說到行為規劃也許大家會比較陌生，我們可以先從路徑規劃開始講講。路徑規劃的概念在機器人中使用比較普遍，一般定義為：

在具有障礙物的環境中，按照一定的評價尺度，尋找一條從起始狀態到目標狀態的無碰撞路徑。對于無人車來講，若確定了目標地點的車輛位姿，車輛具體以怎樣一條運動路徑行駛到目標地點，即為路徑規劃。

路徑規劃其實包含大范圍不考慮運動細節的全局路徑規劃以及具體到運動軌跡的局部路徑規劃。

為了將無人車的局部路徑進行形象地歸類、分析，引入了“行為”的概念。車輛在城市道路自主行駛時，它應具備車道保持、變換車道、路口直行、路口拐彎、掉頭、繞障、智能啟停、自動泊車等駕駛行為。行為的有序排列及有機銜接，方可完成整個自動駕駛任務。

“駕駛行為”是局部路徑中細分出來的行駛單元，當然它的劃分應該是多樣性的，主要取決于算法實現。

行為與行為之間會保持相對獨立性，但是行為切換時又具有平滑過渡的特征。車輛行駛中，何時采用何種行為，即為行為規劃(也有稱之為行為決策)。

單個駕駛行為，其實目前很多整車廠或科研院所做了相當多的工作，甚至有的已經推向市場。如特斯拉的車道保持、自動變道、跟車功能，這些都是駕駛行為的具體實例。但是這些行為如何切換，如何過渡，特斯拉將其交給了人。自適應巡航、車道保持、自動變道，都需要駕駛員手動操作后托管給機器，并隨時準備接管駕駛。

人在同樣的工況中駕駛車輛，產生的駕駛行為序列是不一樣的，甚至同一行為的具體執行區別也較大，這跟人的性格、平安意識和當時的心情等有關系。好比，我們在趕時間時，變道次數會增多，超車的平安系數會降低；新手開車時，變道時機把握不好，經常急剎車等；甚至在面臨事故時，是選擇撞車還是撞旁邊的人，分歧的人可能有分歧的選擇。這些很多屬于人的高級思維，也涉及到法律、倫理道德，目前機器還很難達到這個層次。但是人工智能或許是解決這一問題的突破口。