正大航空 新闻中心
Zhengda aviation“无人驾驶”的技术解析
无人驾驶车辆真要跑起来,需要解决感知、决策和执行等层面的技术问题。感知系统也称为“中层控制系统”,负责感知周围的环境,并进行识别和分析;决策系统也称为“上层控制系统”,负责路径规划和导航;执行系统又称为“底层控制系统”,负责汽车的加速、刹车和转向。本文以“感知—决策—执行”的顺序呈现,是因为这样更加符合人类的驾驶模式。如,先看看前面——绿灯、周围无行人——收集信息;然后做出决策——可以通行;*后执行决策——开过十字路口。
自动驾驶的感知系统
感知系统的输入设备具体包括光学摄像头、光学雷达(LiDAR)、微波雷达、导航系统等。这些传感器收集周围的信息,为感知系统提供全面的环境数据。
光学摄像头是目前*便宜也是*常用的车载传感器,它的一大优点就是可以分辨颜色,因此也成为场景解读的**工具。但其缺点也很明显:1.缺乏“深度”这一维度,没有立体视觉就无法判断物体和相机(可以换算为车辆)间的距离;2.对光线过于敏感,过暗或过强的光线以及二者之间的快速切变,比如驶入和驶出隧道都足以影响它的成像。
激光雷达,即利用激光来进行探测和测量。其原理是向周围发射脉冲激光,遇到物体后反射回来,通过来回的时间差,计算出距离,从而对周围环境建立起三维模型。激光雷达探测精度高、距离长;由于激光的波长短,所以可以探测到非常微小的目标,并且探测距离很长。微波雷达的原理和激光雷达类似,不过它发射的是无线电波而不是激光。微波雷达精度不及激光雷达,但胜在价格低、体积小,在某些车辆行驶辅助系统中已经得到了广泛应用。同时,精度低反过来又成了微波雷达的优点,因为它较大的波长可以穿透雾、烟、灰尘等激光雷达难以穿透的障碍,较好免疫恶劣天气。
光学摄像头和雷达测量在感知环境中相辅相成,共同为无人驾驶车辆提供完整、准确的外部信息。有了“眼睛”接收信息,接下来就是利用深度学习等手段对信息进行识别。将多种传感器的信息相互融合并不是一件容易的事情,可以利用韦伯斯的误差反向传播算法和**的数字摄像技术对外界事物进行准确识别。
自动驾驶的感知系统不仅包括它的“眼睛”,还包括它的“大脑”——高精度地图。人类驾驶者会调用记忆中熟悉的道路场景来辅助驾驶,自动驾驶也会通过高精度地图获取必要的环境信息特别是相对固定、更新周期较长的信息,如交通信号灯(请注意,这里是指物理的“灯”本身而非“灯的信号”即红、黄、绿)、车道标记、路缘等。这些信息还可以与传感器所获得的“即时信息”相印证,从而实现“多传感器融合”的效果,就像我们走路,不仅会用眼睛看前面的路,还会用耳朵听身后的车,甚至会用鼻子闻路边食品店里的香气一样。因此,自动驾驶去“感知”的不仅仅是“眼睛”,也是“大脑”。
自动驾驶的决策系统
自动驾驶决策系统负责路线规划和实时导航,这里主要涉及高精度地图,又称“高清数字地图”。无人驾驶汽车用的并不是普通的导航地图,它在**度和信息量上与普通地图差别很大,因而被称为“高精度地图”。普通地图比较粗糙——因为我们人类的认知能力足以“脑补”,通过简单的二维线条的表示就知道了道路的走向,线条的交叉点表示十字路口——这让目前的机器来“脑补”就太难了。高清数字地图的精度一般在厘米级,而且是立体三维的,包含车道线、周围设施的坐标位置等行车辅助信息。与人类当前使用的电子地图相比,自动驾驶的高精度地图还有一个重要差异在于,高精度地图会收集道路激光雷达的反射强度——这是一个对人类驾驶者几无价值而对“人工智能驾驶员”意义重大的道路特征,它变化很慢而且小,是帮助自动驾驶车辆光学雷达定位的一个理想特征值。通过光学雷达扫描获取的信息跟已知的高精度地图信息对比,就可以确定当前车辆的位置。
自动驾驶的决策系统不仅需要独立的“智能车辆”,也需要“智能交通系统”的支持,如V2V等。在高精度地图之外,另一个支持路径规划的技术是V2X,一般认为它是在V2I的基础上发展起来的。V2X意指将车辆和环境形成一个“物联网”,包括车对车、车对基础设施,以及车对行人等一系列通信系统。如果车辆能够直接“得到”,而不仅仅是“看到”信号灯的信息,就能保证绝对不闯红灯。这里“得到”的意思是,比如在离交通灯还有100米、传感器还“看不到”的时候,信号灯就主动“告诉”车辆自己的信号状态及变化时长,自动驾驶车辆无需直接“看清”信号灯的内容(“看清”有时是很不容易的事情,大雨、暴雪天气,狂风刮起的塑料袋,以及大货车的遮挡,都足以让车辆的摄像头“看不见”交通信号灯)。此外,如果能够提前得知周围车辆的行车意图,就能够很大程度上避免事故的发生。
有了高精度数字地图和V2X通信网络,系统就可以应用搜索算法评估各种驾驶行为所花费的成本,包括信号灯等待时间、道路拥堵情况、路面维修情况等,以此获得*佳行驶路径。
自动驾驶的执行系统
执行系统也是底层控制系统,负责执行汽车的刹车、加速、转向的具体操作。工程师们通过特制的“线控装置”控制方向盘和油门,取代人类司机的手和脚,并配置多个处理器组成的子系统,以此来稳定、准确地控制汽车的机械系统。这些子系统,包括引擎控制单元(ECU)、制动防抱死系统(ABS)、自动变速箱控制系统(TCU)等,它们通过一个“总线”来进行内部通信,在汽车中称作CAN总线协议。
CAN总线*关键的地方在于带宽(bandwidth)和网络稳定性。带宽是指数据在网络中传输的*大速率,通常以每秒多少bits为单位来计算。对于无人驾驶汽车来说,**的控制和快速响应至关重要,这意味着要提高总线带宽的传输速度,对需要处理庞大数据的无人驾驶系统而言存在较高挑战。同时处理各个传感器传递过来的数据流时,带宽有时会面临挑战,系统速度会大为下降。对整个反应执行过程而言,CAN总线的响应时间变得很慢,这在实际驾驶中是不能接受的。其次,控制的平滑性也影响乘客体验。此外,作为一个网络,数据传输的安全性也不容忽视,如果黑客成功攻击了CAN总线,就能对汽车进行控制。因此,提高底层网络系统的防御能力和网络容错性非常重要。
通过以上感知、决策与执行三个系统分工合作,责任明确地控制汽车的运行,就可以使无人驾驶汽车具备理论上“行驶”的条件。但正如《无人驾驶》一书作者胡迪·利普森和梅尔巴·库曼所指出的,“虽然这种技术几近准备就绪,但是这一独特技术所依存的社会环境可能还未准备妥当”。比如,相关立法较为滞后。然而,由于效率和安全方面的优势,我们有理由相信:无人驾驶的时代终将到来。
- 上一篇:智能视频监控技术在智慧城市建设中的应用趋势
- 下一篇:没有了;