淺析無(wú)人駕駛中的感知技術(shù)

周丁濤

摘 要 無(wú)人駕駛作為當(dāng)前科技熱點(diǎn)，需要包括控制理論、機(jī)械、圖像處理在內(nèi)的多種技術(shù)相互協(xié)作。一般而言無(wú)人駕駛技術(shù)分為三大模塊：感知、決策與控制。其中賦予汽車“感官”，使其正確認(rèn)識(shí)周遭環(huán)境的感知技術(shù)是三大模塊中的基礎(chǔ)模塊。感知技術(shù)一般分為“定位”和“識(shí)別”兩個(gè)方向，GPS導(dǎo)航、慣性導(dǎo)航常被用于定位；激光雷達(dá)、計(jì)算機(jī)圖像處理與CNN技術(shù)常被用于識(shí)別。文章介紹三大模塊各自作用，并著重講解感知模塊技術(shù)。

關(guān)鍵詞 無(wú)人駕駛；慣性導(dǎo)航；GPS；激光雷達(dá)；計(jì)算機(jī)圖像處理

中圖分類號(hào) TP3 文獻(xiàn)標(biāo)識(shí)碼 A 文章編號(hào) 1674-6708（2018）224-0157-03

當(dāng)前，新一代信息技術(shù)與制造業(yè)的深度融合，正引發(fā)影響深遠(yuǎn)的產(chǎn)業(yè)變革。《中國(guó)制造2025》明確提出要把智能制造作為兩化深度融合的主攻方向，尤其要推動(dòng)智能交通工具等產(chǎn)品的研發(fā)和產(chǎn)業(yè)化。無(wú)人駕駛技術(shù)作為智能交通工具的核心支撐和汽車產(chǎn)業(yè)未來(lái)轉(zhuǎn)型升級(jí)的重要方向之一，正在發(fā)揮著越來(lái)越重要的作用。

無(wú)人駕駛，又稱自主車或自動(dòng)駕駛，是指通過(guò)為汽車裝配雷達(dá)、激光、GPS、里程計(jì)、攝像頭、傳感器等多種感知設(shè)備，經(jīng)智能軟件集成處理后，具備對(duì)行駛環(huán)境進(jìn)行感知和判斷的能力，從而規(guī)劃合適路徑并控制汽車自主駕駛，安全抵達(dá)目標(biāo)地的技術(shù)。

從國(guó)外來(lái)看，從20世紀(jì)50年代開(kāi)始，美國(guó)、英國(guó)、德國(guó)等發(fā)達(dá)國(guó)家就已經(jīng)開(kāi)始了對(duì)無(wú)人駕駛汽車的研究[ 1 ]。1950年美國(guó)貝瑞特電子公司研制出了世界上第一輛自主導(dǎo)航車，該車能夠在貝瑞特公司設(shè)計(jì)的軌道上行駛。1987年慕尼黑國(guó)防大學(xué)在奔馳公司的贊助下設(shè)計(jì)出智能車，車速最高可達(dá)96千米/小時(shí)；該校還在1994年研制出兩臺(tái)自動(dòng)汽車，該車在巴黎的一條三車道公路上以最高130千米/小時(shí)的速度行駛了1？000多千米。2007年一輛由卡內(nèi)基梅隆大學(xué)改裝的雪佛蘭塔荷無(wú)人駕駛汽車，完成了在城市復(fù)雜障礙賽道上的比賽。2010年谷歌研制的無(wú)人駕駛汽車通過(guò)城市道路的駕駛測(cè)試，體現(xiàn)了感知能力的完備性和人工智能的高水平；2015年谷歌完成了全球首次真正意義上的無(wú)人駕駛旅程，一位乘客獨(dú)自乘坐名為“螢火蟲(chóng)”的無(wú)人駕駛汽車并對(duì)該車沒(méi)有任何干預(yù)，最后的結(jié)果是該車安全地行駛過(guò)奧斯汀市街區(qū)。

從國(guó)內(nèi)來(lái)看，20世紀(jì)80年代我國(guó)開(kāi)始研究無(wú)人駕駛汽車及其相關(guān)技術(shù)。中國(guó)第一輛真正意義上的無(wú)人駕駛汽車于1992年由國(guó)防科技大學(xué)研制成功。2005年，上海交通大學(xué)研制出了首輛城市無(wú)人駕駛汽車。2011年，國(guó)防科技大學(xué)與一汽集團(tuán)共同研制出了紅旗HQ3無(wú)人駕駛汽車，完成高速全程無(wú)人駕駛試驗(yàn)，行駛里程達(dá)286千米，人工干預(yù)距離僅為總里程的0.78%。2012年，軍事交通學(xué)院的“軍交猛獅Ⅲ號(hào)”以無(wú)人駕駛狀態(tài)行駛114千米，最高時(shí)速達(dá)到105千米/小時(shí)。2015年12月，百度無(wú)人駕駛汽車在北京進(jìn)行了國(guó)內(nèi)無(wú)人車領(lǐng)域迄今為止所進(jìn)行的難度最大、最接近真實(shí)路況的開(kāi)放道路程自動(dòng)駕駛測(cè)試，通過(guò)完成多次調(diào)頭、上下匝道、跟車減速、變道超車等駕駛行為，實(shí)現(xiàn)了從進(jìn)入高速到駛出高速等不同道路狀況的變換的功能，最高時(shí)速達(dá)100千米/小時(shí)。

1 無(wú)人駕駛技術(shù)三大模塊

無(wú)人駕駛運(yùn)用到的技術(shù)大致分為三大模塊：感知、？決策和控制。其中，環(huán)境感知技術(shù)是實(shí)現(xiàn)完全無(wú)人駕駛的關(guān)鍵，也是如今限制無(wú)人駕駛汽車發(fā)展的主要因素之一。

感知模塊是指無(wú)人駕駛汽車實(shí)時(shí)獲取周圍環(huán)境信息并加以處理，主要依賴于激光雷達(dá)、GPS定位導(dǎo)航、車載攝像頭以及超聲波等多種傳感器，其中激光雷達(dá)往往在無(wú)人駕駛的信息獲取中占據(jù)主要地位，其獲取的信息占到總信息的60%到75%。激光雷達(dá)的優(yōu)點(diǎn)在于精度高、抗干擾能力強(qiáng)，但也存在成本高昂、數(shù)據(jù)處理復(fù)雜等問(wèn)題。

決策模塊是指無(wú)人駕駛汽車在收到傳感器送來(lái)的信息后對(duì)其進(jìn)行識(shí)別與整理，其中可以按照機(jī)制分為外部行為預(yù)測(cè)、最佳路徑規(guī)劃和障礙碰撞規(guī)避3部分。其具體展開(kāi)如下。

1）通過(guò)分析已知的物體位置和速度，可以粗略得到其移動(dòng)規(guī)律并計(jì)算出移動(dòng)范圍和概率，達(dá)到預(yù)測(cè)行為的效果。

2）路徑規(guī)劃則要使用多種數(shù)學(xué)模型，其中之一是完全規(guī)劃模型，但復(fù)雜性較高，因而有時(shí)也考慮使用概率性模型。

3）障礙規(guī)避分為兩類，一類是遠(yuǎn)離危險(xiǎn)和擁堵區(qū)域，預(yù)先減少碰撞的可能；另一類則是當(dāng)雷達(dá)檢測(cè)到碰撞即將發(fā)生時(shí)，采取緊急剎車等措施。

除此之外，在做出最佳選擇時(shí)還需要用到增強(qiáng)學(xué)習(xí)算法，該算法的基本原理是促使系統(tǒng)不斷與外界進(jìn)行互動(dòng)，根據(jù)外界給予的反饋（獎(jiǎng)勵(lì)或者懲罰）以更新評(píng)估函數(shù)，從而不斷優(yōu)化算法，使自己在實(shí)際情況中將錯(cuò)誤降到最少。但由于實(shí)際行駛時(shí)路況復(fù)雜程度較高，實(shí)驗(yàn)室模擬往往無(wú)法全面覆蓋可能出現(xiàn)的情況，因此也需要汽車具有根據(jù)已有知識(shí)自主解決問(wèn)題的能力。

控制模塊是指無(wú)人駕駛汽車根據(jù)傳感信息和決策做出實(shí)際反應(yīng)，此類技術(shù)相對(duì)其他兩項(xiàng)而言已經(jīng)相對(duì)成熟，其中自動(dòng)泊車技術(shù)、適應(yīng)巡航控制系統(tǒng)、車道偏離矯正系統(tǒng)和超車警示等技術(shù)已廣泛運(yùn)用到商業(yè)用途中。其中主要運(yùn)用到的是基于反饋理論的PID技術(shù)，通過(guò)比例、積分、微分環(huán)節(jié)對(duì)汽車的行為進(jìn)行控制。

2 無(wú)人駕駛感知技術(shù)

無(wú)人駕駛包括環(huán)境感知和車輛控制兩項(xiàng)關(guān)鍵技術(shù)，其中環(huán)境感知技術(shù)是基礎(chǔ)，沒(méi)有對(duì)車輛周圍三維環(huán)境的定量感知和精準(zhǔn)識(shí)別，無(wú)人駕駛決策系統(tǒng)就失去依托。為提高感知的安全性和準(zhǔn)確性，無(wú)人駕駛系統(tǒng)集成了GPS導(dǎo)航、慣性導(dǎo)航、激光雷達(dá)、計(jì)算機(jī)視覺(jué)（CNN卷積神經(jīng)網(wǎng)絡(luò)）等技術(shù)。其中GPS和慣性雷達(dá)往往只用于定位，而激光雷達(dá)和計(jì)算機(jī)視覺(jué)既可用于定位也可用于識(shí)別，并且主要是識(shí)別。

2.1 定位

無(wú)人駕駛汽車在空間上的定位主要依靠的是GPS與慣性導(dǎo)航，二者相輔相成。

GPS技術(shù)最大的優(yōu)點(diǎn)是準(zhǔn)確性，這種準(zhǔn)確性依靠多個(gè)導(dǎo)航衛(wèi)星的協(xié)作定位來(lái)實(shí)現(xiàn)。GPS的原理是通過(guò)被動(dòng)地接收衛(wèi)星發(fā)出的空間與時(shí)間信息從而推算自己與某顆衛(wèi)星的距離（根據(jù)光速和時(shí)間編碼進(jìn)行計(jì)算），假如汽車能夠接收到三顆或以上的軌道衛(wèi)星所發(fā)出的信息，就可以在數(shù)學(xué)上推算出該車在空間中的具體位置，但實(shí)際運(yùn)用時(shí)由于衛(wèi)星與接受對(duì)象存在時(shí)間差，需要第四顆衛(wèi)星輔助校正。除了衛(wèi)星與接受對(duì)象的時(shí)間差外，影響測(cè)量精度的還有多路徑效應(yīng)、大氣傳播阻礙等，但由于GPS發(fā)展時(shí)間較長(zhǎng)，技術(shù)已日趨成熟，其民用精度也可以控制在一米以內(nèi)。

應(yīng)該注意的是GPS也存在其劣勢(shì)，由于車輛與衛(wèi)星的距離過(guò)遠(yuǎn)，GPS的更新頻率過(guò)低，存在路況復(fù)雜時(shí)無(wú)法滿足汽車對(duì)實(shí)時(shí)定位的要求以及無(wú)法在隧道等封閉空間內(nèi)接受信號(hào)的問(wèn)題。目前我國(guó)也在研發(fā)相對(duì)應(yīng)的北斗衛(wèi)星導(dǎo)航系統(tǒng)，預(yù)計(jì)到2020年會(huì)正式向全球提供服務(wù)。

慣性導(dǎo)航則是通過(guò)輸入由陀螺儀、加速度計(jì)測(cè)量的角速度、加速度，計(jì)算出相對(duì)原來(lái)位置所移動(dòng)的方向和距離，具有連續(xù)性、不依賴外界、不易受干擾等優(yōu)點(diǎn)。但由于測(cè)量和計(jì)算存在相對(duì)于實(shí)際的誤差，并且在積分的過(guò)程中該誤差一直在累積，因此慣性導(dǎo)航的精確度會(huì)隨時(shí)間增加而下降，因此需要GPS對(duì)其加以矯正。

運(yùn)用卡爾曼濾波整合二者數(shù)據(jù)，將GPS與慣性導(dǎo)航結(jié)合起來(lái)，慣性導(dǎo)航就能彌補(bǔ)GPS兩次更新之間的數(shù)據(jù)空缺，同時(shí)修正存在的誤差，達(dá)到以較高的頻率和精確度進(jìn)行車輛的定位的目的。

相機(jī)在定位過(guò)程中也作為以上兩種技術(shù)的補(bǔ)充，通過(guò)分析雙目相機(jī)傳來(lái)的立體圖像（視差圖），可以計(jì)算出圖像上點(diǎn)的相對(duì)深度，綜合多幅立體圖像的深度信息，可以估計(jì)在此過(guò)程中汽車的運(yùn)動(dòng)情況，從而計(jì)算出速度、加速度以及當(dāng)前位置等。但由于汽車一直處于運(yùn)動(dòng)過(guò)程中，雙目相機(jī)對(duì)物體的捕捉不夠精確，輸出的三維信息也不夠可靠，所以一般只作為無(wú)法接受到GPS信號(hào)時(shí)的替代品使用。

2.2 識(shí)別

無(wú)人駕駛汽車對(duì)周圍目標(biāo)的識(shí)別主要依靠激光雷達(dá)與相機(jī)，這兩種硬件設(shè)備都需要相應(yīng)的軟件作為后臺(tái)，并各有其優(yōu)劣。

激光雷達(dá)的原理與無(wú)線電雷達(dá)類似，運(yùn)用遠(yuǎn)程測(cè)距技術(shù)，向目標(biāo)發(fā)射激光并獲取反射光，通過(guò)分析反射光的各個(gè)參量和反射時(shí)間來(lái)計(jì)算目標(biāo)到汽車的距離。激光雷達(dá)分為單線和多線[ 2 ]，單線激光雷達(dá)只發(fā)射一條激光，在水平面上進(jìn)行激光測(cè)距，多線雷達(dá)則發(fā)射兩條及以上的激光束，可以增加一定的垂直角度，形成掃描面，獲取更為全面的信息。當(dāng)然，安裝多個(gè)單線雷達(dá)也能達(dá)到類似效果。當(dāng)激光雷達(dá)的計(jì)算速度和準(zhǔn)確度達(dá)到一定程度時(shí)，就可以實(shí)時(shí)呈現(xiàn)出汽車周圍的高精度地圖。

與普通雷達(dá)相比，使用激光束作為媒介的激光雷達(dá)具有精度高、實(shí)時(shí)性好、抗干擾能力強(qiáng)和比普通雷達(dá)體積更小等諸多優(yōu)點(diǎn)。但僅依靠激光雷達(dá)無(wú)法完成識(shí)別任務(wù)，這是因?yàn)楫?dāng)障礙物處于同一平面時(shí)，激光雷達(dá)無(wú)法將其區(qū)分，同時(shí)難以穿透障礙物，遇到惡劣天氣時(shí)其精確度也會(huì)受到影響。從工業(yè)設(shè)計(jì)的角度上看，安裝多個(gè)激光雷達(dá)會(huì)造成成本的高昂，不適合商業(yè)推廣。因此，現(xiàn)在也有用微波傳感器來(lái)代替激光雷達(dá)的做法，該做法可以進(jìn)一步縮小傳感模塊的體積，但就國(guó)內(nèi)而言這方面技術(shù)還稍顯落后。激光雷達(dá)企業(yè)Velodyne于2017年推出的激光雷達(dá)產(chǎn)品幾乎可以滿足自動(dòng)駕駛的所有需求，而且體積縮小到原有的五分之一。

相機(jī)分為單目相機(jī)、雙目立體相機(jī)和全景相機(jī)等。利用小孔成像原理，相機(jī)將周圍景物投射到傳感器內(nèi)，根據(jù)光照強(qiáng)弱的差別，產(chǎn)生不同強(qiáng)度的電流信號(hào)，采樣后可以利用計(jì)算機(jī)視覺(jué)技術(shù)對(duì)圖像進(jìn)行分析。單目相機(jī)與一般相機(jī)相比，圖像輸出速度和質(zhì)量都有明顯提高，同時(shí)為了減輕數(shù)據(jù)處理負(fù)擔(dān)，單目相機(jī)往往自帶調(diào)節(jié)光積分時(shí)間和圖像簡(jiǎn)單處理的功能。雙目相機(jī)可以將二維圖像重構(gòu)為三維，比單目相機(jī)的應(yīng)用范圍更廣，但也存在三維信息不夠完整和不夠可靠的問(wèn)題。

全景相機(jī)擁有多達(dá)6個(gè)相機(jī)，可以實(shí)現(xiàn)對(duì)周圍360度同時(shí)成像，通過(guò)矯正和拼接處理后得到全景圖像。以色列Mobileye公司開(kāi)發(fā)的單目相機(jī)產(chǎn)品專為自動(dòng)駕駛汽車設(shè)計(jì)，自帶運(yùn)算部件，可以直接輔助汽車行駛。

相機(jī)得到圖像后對(duì)圖像的分析處理是識(shí)別的關(guān)鍵。卷積神經(jīng)網(wǎng)絡(luò)在計(jì)算機(jī)視覺(jué)中運(yùn)用較廣。由于相機(jī)得到的圖像數(shù)據(jù)量較大，全鏈接層很難直接處理，因此首先要對(duì)數(shù)據(jù)進(jìn)行降維，其中運(yùn)用到了模擬人腦結(jié)構(gòu)的神經(jīng)元，每一個(gè)神經(jīng)元就是一個(gè)篩選函數(shù)，對(duì)圖像進(jìn)行初步分析，并提取部分重要信息。分析圖像的過(guò)程中，非常重要的一步是卷積：一個(gè)感受野在圖像上不斷滑動(dòng)，使得在每個(gè)位置都會(huì)完成一次卷積（即相應(yīng)數(shù)值乘相應(yīng)權(quán)重），最終輸出此部分的特征要素。

系統(tǒng)會(huì)先學(xué)習(xí)并存儲(chǔ)特征至數(shù)據(jù)庫(kù)，保留在權(quán)重中，以達(dá)到識(shí)別的作用。每個(gè)卷積核會(huì)同時(shí)打開(kāi)對(duì)應(yīng)三原色的三個(gè)通道，將多個(gè)局部的數(shù)據(jù)綜合起來(lái)，得到“feature？map”（也就是經(jīng)過(guò)特征提取的圖象），這樣就可以在減小計(jì)算量的基礎(chǔ)上得到更為全面的信息。卷積中還運(yùn)用到了池化技術(shù)，為進(jìn)一步減小數(shù)據(jù)量并提取特征，例如在相鄰四個(gè)部分中取數(shù)據(jù)的最大值（或最小值），即可將數(shù)據(jù)量縮為原來(lái)的四分之一，并提高數(shù)據(jù)穩(wěn)定性。得到圖像數(shù)據(jù)后，系統(tǒng)會(huì)將其與數(shù)據(jù)庫(kù)進(jìn)行比對(duì)，得出結(jié)論。

3 結(jié)論

無(wú)人駕駛不是一項(xiàng)單獨(dú)的技術(shù)，其中運(yùn)用到的原理和設(shè)備是多方面的，而感知技術(shù)則是無(wú)人駕駛技術(shù)的關(guān)鍵，本文對(duì)無(wú)人駕駛中運(yùn)用到的感知技術(shù)進(jìn)行了淺析，介紹了GPS、慣性導(dǎo)航、激光雷達(dá)、卷積神經(jīng)網(wǎng)絡(luò)等技術(shù)。

無(wú)人駕駛汽車的發(fā)展關(guān)系到每個(gè)人的生活，在提高駕駛安全性、減少交通擁堵和提高能源利用效率等方面具有重大意義。但無(wú)人駕駛技術(shù)距離成熟還有很長(zhǎng)的一段路要走，除了科技研發(fā)之外，也需要很多其他行業(yè)的通力協(xié)助（例如法律的完善）。當(dāng)無(wú)人駕駛真正實(shí)現(xiàn)時(shí)，也許會(huì)標(biāo)志著一個(gè)新時(shí)代的到來(lái)。

參考文獻(xiàn)

[1]華南，王碧清.智能駕駛，離我們究竟有多遠(yuǎn)[J].中華兒女，2017（13）：70-71.

[2]吳毅華.基于激光雷達(dá)回波信號(hào)的車道線檢測(cè)方法研究[D].合肥：中國(guó)科學(xué)技術(shù)大學(xué)，2015.