智能駕駛系統(tǒng)設(shè)計(jì)與實(shí)踐第1章智能駕駛系統(tǒng)概述1.1

智能駕駛簡(jiǎn)介

1.2

環(huán)境感知技術(shù)

1.3

導(dǎo)航與定位技術(shù)

1.4

高精度地圖

1.5

規(guī)劃與決策控制

1.6

智能駕駛計(jì)算平臺(tái)

1.7

V2X技術(shù)

1.1

智能駕駛簡(jiǎn)介隨著智能互聯(lián)、人工智能技術(shù)以及新能源技術(shù)的井噴式發(fā)展，我國汽車保有量的不斷增加，導(dǎo)致交通事故、環(huán)境污染和城市道路擁堵等一系列問題日益凸顯。以現(xiàn)代智能汽車為中心，基于互聯(lián)網(wǎng)、人工智能、大數(shù)據(jù)和云計(jì)算技術(shù)，形成高度智能綜合的“人-車-路-云-網(wǎng)”系統(tǒng)，是解決這一問題的根本途徑和最有效的方式。根據(jù)目前行業(yè)發(fā)展情況，半智能駕駛和全智能駕駛會(huì)在未來幾十年存在巨大的市場(chǎng)潛力。據(jù)有關(guān)行業(yè)報(bào)告，到2035年，僅中國就將有約860萬輛自動(dòng)駕駛汽車，其中約340萬輛為全自動(dòng)無人駕駛，520萬輛為半自動(dòng)駕駛。智能汽車是一個(gè)集環(huán)境感知、規(guī)劃決策、多等級(jí)輔助駕駛等功能于一體的綜合系統(tǒng)，它集中運(yùn)用了計(jì)算機(jī)、現(xiàn)代傳感、信息融合、通信、人工智能及自動(dòng)控制等技術(shù)。而無人駕駛汽車是一種智能汽車，它通過智能傳感系統(tǒng)感知路況，依靠計(jì)算機(jī)系統(tǒng)進(jìn)行自主規(guī)劃決策，并完成預(yù)定行駛目標(biāo)。因此智能駕駛與無人駕駛是不同概念，智能駕駛包含無人駕駛，而無人駕駛是智能汽車發(fā)展的最高形態(tài)。高級(jí)駕駛輔助系統(tǒng)（ADAS）是一系列駕駛輔助系統(tǒng)的集合，是智能駕駛的一種表現(xiàn)形式。ADAS以提升駕駛者安全和舒適為目的，通過雷達(dá)、攝像頭等傳感器感知周圍環(huán)境，運(yùn)用算法做出行為判斷，來提醒駕駛者或直接控制車輛的方式避免碰撞。1.1

智能駕駛簡(jiǎn)介1.1.1智能駕駛分級(jí)標(biāo)準(zhǔn)1.NHTSA分級(jí)標(biāo)準(zhǔn)圖1?1NHTSA自動(dòng)駕駛分級(jí)1.1

智能駕駛簡(jiǎn)介1.1.1智能駕駛分級(jí)標(biāo)準(zhǔn)2.SAE分級(jí)標(biāo)準(zhǔn)（1）Level0（無自動(dòng)駕駛）

由人類駕駛者全權(quán)操作汽車，在行駛過程中可以得到警告和保護(hù)系統(tǒng)的輔助。（2）Level1（輔助駕駛）

依據(jù)駕駛環(huán)境，對(duì)轉(zhuǎn)向或者加減速中的一項(xiàng)操作（橫向或者縱向控制）提供駕駛輔助，而其他的駕駛動(dòng)作都由人類駕駛員進(jìn)行操作。（3）Level2（部分自動(dòng)駕駛化）

根據(jù)駕駛環(huán)境，對(duì)轉(zhuǎn)向和加減速中的多項(xiàng)操作（橫向或者縱向控制）提供駕駛輔助，而其他的駕駛動(dòng)作都由人類駕駛員進(jìn)行操作。（4）Level3（有條件自動(dòng)駕駛）

在特定任務(wù)下，預(yù)期人類駕駛員對(duì)系統(tǒng)的介入請(qǐng)求能做出適當(dāng)響應(yīng)的條件下，由自動(dòng)駕駛系統(tǒng)完成所有的駕駛操作。（5）Level4（高度自動(dòng)駕駛）

在特定任務(wù)下，即使人類駕駛員對(duì)系統(tǒng)的介入請(qǐng)求不能做出適當(dāng)響應(yīng)的條件下，由自動(dòng)駕駛系統(tǒng)完成所有的駕駛操作。（6）Level5（完全自動(dòng)駕駛）

在人類駕駛者能應(yīng)對(duì)的所有道路和環(huán)境條件下，由自動(dòng)駕駛系統(tǒng)完成所有的駕駛操作。1.1

智能駕駛簡(jiǎn)介1.1.1智能駕駛分級(jí)標(biāo)準(zhǔn)3.中國智能汽車等級(jí)劃分（1）1級(jí)駕駛自動(dòng)化（部分駕駛輔助）

系統(tǒng)具備與車輛橫向或縱向運(yùn)動(dòng)控制相適應(yīng)的部分目標(biāo)和事件探測(cè)與響應(yīng)的能力，能夠持續(xù)地執(zhí)行動(dòng)態(tài)駕駛?cè)蝿?wù)中的車輛橫向或縱向運(yùn)動(dòng)控制。（2）2級(jí)駕駛自動(dòng)化（組合駕駛輔助）

系統(tǒng)具備與車輛橫向和縱向運(yùn)動(dòng)控制相適應(yīng)的部分目標(biāo)和事件探測(cè)與響應(yīng)的能力，能夠持續(xù)地執(zhí)行動(dòng)態(tài)駕駛?cè)蝿?wù)中的車輛橫向和縱向運(yùn)動(dòng)控制。（3）3級(jí)駕駛自動(dòng)化（有條件自動(dòng)駕駛）

系統(tǒng)在其設(shè)計(jì)運(yùn)行條件內(nèi)能夠持續(xù)地執(zhí)行全部動(dòng)態(tài)駕駛?cè)蝿?wù)。（4）4級(jí)駕駛自動(dòng)化（高度自動(dòng)駕駛）

系統(tǒng)在其設(shè)計(jì)運(yùn)行條件內(nèi)能夠持續(xù)地執(zhí)行全部動(dòng)態(tài)駕駛?cè)蝿?wù)和執(zhí)行動(dòng)態(tài)駕駛?cè)蝿?wù)接管。（5）5級(jí)駕駛自動(dòng)化（完全自動(dòng)駕駛）

系統(tǒng)在任何可行駛條件下持續(xù)地執(zhí)行全部動(dòng)態(tài)駕駛?cè)蝿?wù)和執(zhí)行動(dòng)態(tài)駕駛?cè)蝿?wù)接管。1.1

智能駕駛簡(jiǎn)介1.1.2智能駕駛技術(shù)結(jié)構(gòu)圖1?4智能駕駛系統(tǒng)技術(shù)架構(gòu)1.2環(huán)境感知技術(shù)環(huán)境感知主要包括路面、靜態(tài)物體和動(dòng)態(tài)物體三個(gè)方面。對(duì)于動(dòng)態(tài)物體，不僅要檢測(cè)還要對(duì)其軌跡進(jìn)行追蹤，并根據(jù)追蹤結(jié)果，預(yù)測(cè)該物體下一步的軌跡(位置)。這是環(huán)境感知也是智能駕駛汽車最具難度的技術(shù)。表1?2各類傳感器優(yōu)缺點(diǎn)對(duì)比1.2環(huán)境感知技術(shù)1.2.1激光雷達(dá)激光雷達(dá)又稱光學(xué)雷達(dá)(LiDAR，LightDetectionAndRanging)，是一種先進(jìn)的光學(xué)遙感技術(shù)，相比于普通雷達(dá)具有分辨率高，隱蔽性好、抗干擾能力更強(qiáng)等優(yōu)勢(shì)。激光雷達(dá)可以用于測(cè)量物體距離和表面形狀，其測(cè)量精度可達(dá)厘米級(jí)。激光雷達(dá)廣泛應(yīng)用于服務(wù)機(jī)器人、無人駕駛、無人機(jī)、AGV叉車等領(lǐng)域，已成為眾多智能設(shè)備的核心傳感器，它的重要性也是不言而喻。就目前市面上的主流激光雷達(dá)產(chǎn)品而言，用于環(huán)境探測(cè)和地圖構(gòu)建的雷達(dá)，按技術(shù)路線大體可以分為兩類，一類是三角測(cè)距激光雷達(dá)，另一類是TOF雷達(dá)。1.2環(huán)境感知技術(shù)1.2.1激光雷達(dá)1.激光雷達(dá)測(cè)距原理三角法測(cè)距原理：激光器發(fā)射激光，在照射到物體后，反射光由線性CCD接收，由于激光器和探測(cè)器間隔了一段距離，所以依照光學(xué)路徑，不同距離的物體將會(huì)成像在CCD上不同的位置，如圖1-6所示。按照三角公式進(jìn)行計(jì)算，就能推導(dǎo)出被測(cè)物體的距離。圖1?6三角法測(cè)距原理1.2環(huán)境感知技術(shù)1.2.1激光雷達(dá)1.激光雷達(dá)測(cè)距原理TOF測(cè)距原理：激光器發(fā)射一個(gè)激光脈沖，并由計(jì)時(shí)器記錄下出射的時(shí)間，回返光經(jīng)接收器接收，并由計(jì)時(shí)器記錄下回返的時(shí)間。兩個(gè)時(shí)間相減即得到了光的“飛行時(shí)間”，而光速是一定的，因此在已知速度和時(shí)間后很容易就可以計(jì)算出距離，如圖1-7所示。圖1?7TOF測(cè)距原理1.2環(huán)境感知技術(shù)1.2.1激光雷達(dá)2.激光雷達(dá)的分類按使用功能分類，可分為激光測(cè)距雷達(dá)、激光測(cè)速雷達(dá)、激光成像雷達(dá)、大氣探測(cè)激光雷達(dá)和跟蹤雷達(dá)。按線數(shù)分類，可分為單線激光雷達(dá)和多線激光雷達(dá)。按載荷平臺(tái)分類，可分為機(jī)載激光雷達(dá)、車載激光雷達(dá)、地基激光雷達(dá)、星載激光雷達(dá)。根據(jù)有無機(jī)械部件來分，激光雷達(dá)可分為機(jī)械激光雷達(dá)和固態(tài)激光雷達(dá)。1.2環(huán)境感知技術(shù)1.2.1激光雷達(dá)3.激光雷達(dá)的應(yīng)用場(chǎng)景在無人駕駛領(lǐng)域，主要是幫助汽車自主感知道路環(huán)境，自動(dòng)規(guī)劃行車路線，并控制車輛到達(dá)預(yù)定的目標(biāo)。在機(jī)器人領(lǐng)域，幫助實(shí)現(xiàn)自主定位導(dǎo)航，采用的技術(shù)是以激光雷達(dá)SLAM為基礎(chǔ)，增加視覺和慣性導(dǎo)航等多傳感器融合的方案幫助機(jī)器人實(shí)現(xiàn)自主建圖，路徑規(guī)劃、自主避障等任務(wù)，它是目前性能最穩(wěn)定、可靠性最強(qiáng)的定位導(dǎo)航方法，且使用壽命長(zhǎng)，后期改造成本低。在無人機(jī)領(lǐng)域，實(shí)現(xiàn)規(guī)避障礙物，防止與地面小山或建筑物相撞。在AR/VR領(lǐng)域，實(shí)現(xiàn)精準(zhǔn)定位三維空間位置，運(yùn)用空間感知定位技術(shù)，通過SLAM技術(shù)（即時(shí)定位與地圖構(gòu)建），精準(zhǔn)定位自己在三維空間中的位置，增強(qiáng)在游戲中的真實(shí)體驗(yàn)感。在海洋生物領(lǐng)域，主要體現(xiàn)在漁業(yè)資源調(diào)查和海洋生態(tài)環(huán)境監(jiān)測(cè)兩方面。1.2環(huán)境感知技術(shù)1.2.2毫米波雷達(dá)毫米波雷達(dá)就是電磁波雷達(dá)，通過發(fā)射無線電信號(hào)并接受反射信號(hào)來測(cè)定車輛與其他物體之間的距離。毫米波雷達(dá)工作頻率范圍30～300GHz，波長(zhǎng)從1～10mm，毫米波雷達(dá)測(cè)距可達(dá)200多米，可以對(duì)目標(biāo)進(jìn)行有無檢測(cè)、測(cè)距、測(cè)速以及方位測(cè)量。它具有良好的角度分辨能力，可以檢測(cè)較小的物體。同時(shí)毫米波雷達(dá)有極強(qiáng)的穿透率，能夠穿過光照、降雨、揚(yáng)塵、大霧等來準(zhǔn)確探測(cè)物體，可全天候工作。如圖1-8所示，為某自動(dòng)駕駛汽車企業(yè)中所使用的某款毫米波雷達(dá)，安裝在汽車保險(xiǎn)杠的正中間，面向汽車的前進(jìn)方向。圖1?8毫米波雷達(dá)1.2環(huán)境感知技術(shù)1.2.2毫米波雷達(dá)1.毫米波雷達(dá)工作原理目前毫米波雷達(dá)有兩類雷達(dá)原理一種是CW多普勒雷達(dá)傳感器，使用多普勒效應(yīng)原理，測(cè)量得出不同距離目標(biāo)的速度。它向給定的目標(biāo)發(fā)射微波信號(hào)，然后分析反射回來的信號(hào)的頻率變化，發(fā)射頻率和反射回來的頻率的差異，可以精確測(cè)量出目標(biāo)相對(duì)于雷達(dá)的運(yùn)動(dòng)速度等信息；另一種是目前使用最為廣泛的調(diào)頻連續(xù)波（FMCW）雷達(dá)傳感器，通過微帶陣列天線向外發(fā)射調(diào)頻連續(xù)波，其頻率隨時(shí)間按照三角波規(guī)律變化，雷達(dá)接收的回波的頻率與發(fā)射的頻率變化規(guī)律相同，都是三角波規(guī)律，只是有一個(gè)時(shí)間差，利用這個(gè)微小的時(shí)間差可計(jì)算出目標(biāo)距離，進(jìn)一步通過多目標(biāo)檢測(cè)與跟蹤算法，實(shí)現(xiàn)多目標(biāo)分離與跟蹤，進(jìn)而結(jié)合車身動(dòng)態(tài)信息進(jìn)行數(shù)據(jù)處理，經(jīng)合理決策后，以聲、光及觸覺等多種方式警告駕駛員，或及時(shí)對(duì)汽車做出主動(dòng)干預(yù)，減少事故發(fā)生幾率，工作原理如圖1-9所示。1.2環(huán)境感知技術(shù)1.2.2毫米波雷達(dá)1.毫米波雷達(dá)工作原理圖1?9汽車?yán)走_(dá)處理框圖1.2環(huán)境感知技術(shù)1.2.2毫米波雷達(dá)2.毫米波雷達(dá)的分類按照雷達(dá)的工作頻率劃分，應(yīng)用在自動(dòng)駕駛領(lǐng)域的毫米波雷達(dá)主要有3個(gè)頻段，分別是24GHz、77GHz和79GHz。不同頻段的毫米波雷達(dá)有著不同的性能和成本。對(duì)于處在24GHZ的雷達(dá)，因?yàn)闄z測(cè)距離有限，常用于檢測(cè)近處的障礙物（車輛）；對(duì)于處在77GHZ的雷達(dá)，最大檢測(cè)距離可以達(dá)到160m以上，因此常被安裝在前保險(xiǎn)杠上，能夠用于實(shí)現(xiàn)緊急制動(dòng)、高速公路跟車等ADAS功能，同時(shí)也能滿足自動(dòng)駕駛領(lǐng)域，對(duì)障礙物距離、速度和角度的測(cè)量需求；對(duì)于處在79GHZ的雷達(dá)，該頻段的雷達(dá)能夠?qū)崿F(xiàn)的功能和77GHz一樣，也是用于長(zhǎng)距離的測(cè)量。但根據(jù)公式：光速=波長(zhǎng)*頻率，頻率更高的毫米波雷達(dá)，其波長(zhǎng)越短。波長(zhǎng)越短，意味著分辨率越高；而分辨率越高，意味著在距離、速度、角度上的測(cè)量精度更高。因此79GHz的毫米波雷達(dá)必然是未來的發(fā)展趨勢(shì)。按照雷達(dá)的探測(cè)距離可分為長(zhǎng)距雷達(dá)（LRR）、中距雷達(dá)（MRR）、短距雷達(dá)（SRR），分別應(yīng)用在不同的場(chǎng)景實(shí)現(xiàn)不同的功能，也可以組合使用，或配合ADAS系統(tǒng)，實(shí)現(xiàn)多傳感器的融合。按照雷達(dá)功能劃分可以區(qū)分不同應(yīng)用的雷達(dá)：主要的常用功能雷達(dá)包括：BSD（BlindSpotDetection-盲點(diǎn)偵測(cè)系統(tǒng)）、AEB（AutonomousEmergencyBraking-自動(dòng)緊急制動(dòng)系統(tǒng)）、FCW（ForwardCollisonWarning-前向碰撞警告系統(tǒng)）、ACC（AdaptiveCruiseControl-自適應(yīng)巡航系統(tǒng)）。1.2環(huán)境感知技術(shù)1.2.2毫米波雷達(dá)3.毫米波雷達(dá)的應(yīng)用場(chǎng)景（1）導(dǎo)彈制導(dǎo)毫米波雷達(dá)的主要用途之一是戰(zhàn)術(shù)導(dǎo)彈的末段制導(dǎo)。毫米波導(dǎo)引頭具有體積小、電壓低和全固態(tài)等特點(diǎn)，能滿足彈載環(huán)境要求。當(dāng)工作頻率選在35GHz或94GHz時(shí)，天線口徑一般為10～20cm。此外，毫米波雷達(dá)還用于波束制導(dǎo)系統(tǒng)，作為對(duì)近程導(dǎo)彈的控制。（2）目標(biāo)監(jiān)視和截獲毫米波雷達(dá)適用于近程、高分辨力的目標(biāo)監(jiān)視和目標(biāo)截獲，用于對(duì)低空飛行目標(biāo)、地面目標(biāo)和外空目標(biāo)進(jìn)行監(jiān)測(cè)。（3）炮火控制和跟蹤毫米波雷達(dá)可用于對(duì)低空目標(biāo)的炮火控制和跟蹤，已研制成94GHz的單脈沖跟蹤雷達(dá)。（4）雷達(dá)測(cè)量

高分辨力和高精度的毫米波雷達(dá)可用于測(cè)量目標(biāo)與雜波特性。這種雷達(dá)一般有多個(gè)工作頻率、多種接收和發(fā)射極化形式和可變的信號(hào)波形。目標(biāo)的雷達(dá)截面積測(cè)量采用頻率比例的方法。利用毫米波雷達(dá)，對(duì)于按比例縮小了的目標(biāo)模型進(jìn)行測(cè)量，可得到在較低頻率上的雷達(dá)目標(biāo)截面積。此外，毫米波雷達(dá)在地形跟蹤、導(dǎo)彈引信、船用導(dǎo)航等方面也有應(yīng)用。1.2環(huán)境感知技術(shù)1.2.3普通攝像頭1.攝像頭的工作原理對(duì)于行駛在路上的智能車，安裝有攝像頭傳感器時(shí)，攝像頭會(huì)才采集行駛過程中所遇到的環(huán)境圖像，將圖像轉(zhuǎn)換為二維數(shù)據(jù)；然后對(duì)采集的圖像進(jìn)行模式識(shí)別，通過相關(guān)的圖像匹配算法或者機(jī)器學(xué)習(xí)識(shí)別出行駛過程中的車輛、行人、建筑物、交通標(biāo)志等環(huán)境；最后依據(jù)目標(biāo)物體的運(yùn)動(dòng)模式或使用雙目定位技術(shù)，估算出目標(biāo)物體與本車的相對(duì)距離和相對(duì)速度。2.攝像頭的類型車載攝像頭按安裝位置分布，可分為前視攝像頭、后視攝像頭和環(huán)視攝像頭。前視攝像頭的類型主要包括單目和雙目，能夠檢測(cè)行人、騎行者、摩托車、路邊黃線、橋梁橋墩、路沿、交通標(biāo)識(shí)和信號(hào)等，其中雙目攝像頭擁有更好的測(cè)距功能。后視攝像頭主要是廣角或魚眼鏡頭，主要為倒車后置鏡頭，提供倒車影像。環(huán)視攝像頭是在車身周圍安裝多個(gè)廣角攝像頭，同時(shí)采集車輛四周的影像，經(jīng)過圖像處理單元矯正和拼接之后，形成一副車輛四周的全景俯視圖，實(shí)時(shí)傳送至中控臺(tái)的顯示設(shè)備上，這樣駕駛員即可以“上帝視角”直觀地看到車輛所處的位置以及車輛周報(bào)的障礙物，從容操縱泊車入位或通過復(fù)雜路面，有效減少刮蹭、碰撞等事故的發(fā)生。1.2環(huán)境感知技術(shù)1.2.3普通攝像頭3.攝像頭的應(yīng)用場(chǎng)景1.2環(huán)境感知技術(shù)1.2.3普通攝像頭3.攝像頭的應(yīng)用場(chǎng)景1.2環(huán)境感知技術(shù)1.2.4深度攝像頭深度攝像頭又稱之為3D攝像頭，相比于普通攝像頭，除了能夠獲取環(huán)境物體中的平面圖像，還可以獲取物體的深度信息，提取出物體的三維位置和尺寸信息。對(duì)于目前市面的產(chǎn)品，按技術(shù)路線方法分類，可分為單目結(jié)構(gòu)光、TOF（飛行時(shí)間）和雙目立體視覺三種。結(jié)構(gòu)光類攝像頭結(jié)構(gòu)光（Structuredlight），其原理是基本原理是：通過近紅外激光器，將具有一定結(jié)構(gòu)特征的光線投射到被拍攝物體上，再由專門的紅外攝像頭進(jìn)行采集。這種具備一定結(jié)構(gòu)的光線，會(huì)因被攝物體的不同深度區(qū)域，而采集不同的圖像相位信息，然后通過運(yùn)算單元將這種結(jié)構(gòu)的變化換算成深度信息，以此來獲得三維結(jié)構(gòu)，如圖1-11和圖1-12所示。圖1?11結(jié)構(gòu)光深度攝像頭原理示意圖圖1?12結(jié)構(gòu)光原理圖說明1.2環(huán)境感知技術(shù)1.2.4深度攝像頭2.TOF類攝像頭TOF是飛行時(shí)間（TimeofFlight）技術(shù)的縮寫，基本原理是傳感器發(fā)出經(jīng)調(diào)制的近紅外光，遇物體后反射，傳感器通過計(jì)算光線發(fā)射和反射時(shí)間差或相位差，來換算被拍攝景物的距離，以產(chǎn)生深度信息，此外再結(jié)合傳統(tǒng)的相機(jī)拍攝，就能將物體的三維輪廓以不同顏色代表不同距離的地形圖方式呈現(xiàn)出來，如圖1-13所示。優(yōu)點(diǎn)在于深度信息精度高和檢測(cè)距離遠(yuǎn)，缺點(diǎn)在于資源消耗大和分辨率不高。圖1?13TOF類攝像頭原理1.2環(huán)境感知技術(shù)1.2.4深度攝像頭3.雙目視覺類攝像頭雙目立體視覺(BinocularStereoVision)是機(jī)器視覺的一種重要形式，它是指安裝兩個(gè)攝像頭，利用雙目立體視覺成像原理并利用成像設(shè)備從不同的位置獲取被測(cè)物體的兩幅圖像，通過計(jì)算圖像對(duì)應(yīng)點(diǎn)間的位置偏差，來獲取物體三維幾何信息的方法，如圖1-14所示。優(yōu)點(diǎn)在于硬件要求和成本低，且不容易受到環(huán)境光線的干擾，適合室外環(huán)境。缺點(diǎn)在于這種技術(shù)需要龐大的程序計(jì)算量，計(jì)算復(fù)雜度高；同時(shí)受外界環(huán)境影響大，比如環(huán)境光線昏暗、背景雜亂、有遮擋物等情況下不適用。圖1?14雙目攝像頭采用的立體視覺景深視圖1.2環(huán)境感知技術(shù)1.2.4深度攝像頭另外還有事件相機(jī)，事件相機(jī)是一種受生物啟發(fā)設(shè)計(jì)的新型視覺傳感器，其工作原理完全不同于傳統(tǒng)相機(jī)。傳統(tǒng)相機(jī)以固定的時(shí)間間隔周期性采集一張完整的圖片，而事件相機(jī)的每個(gè)像素都是獨(dú)立異步工作的，仿照人眼視網(wǎng)膜的工作原理，每個(gè)像素都相當(dāng)于一個(gè)視網(wǎng)膜細(xì)胞獨(dú)立工作，獨(dú)立連續(xù)地感知光的變化，并將光的變化轉(zhuǎn)換為數(shù)字脈沖信號(hào)，若光強(qiáng)無變化則不輸出，也被稱之為事件相機(jī)。當(dāng)某個(gè)像素點(diǎn)的亮度變化達(dá)到一定閾值時(shí)，事件相機(jī)就會(huì)輸出一個(gè)“事件”（“event”）。相比于傳統(tǒng)相機(jī)，事件相機(jī)具有低延遲、高動(dòng)態(tài)范圍、極低功耗等特性。事件相機(jī)特別適合自動(dòng)駕駛的環(huán)境感知，可以對(duì)交通駕駛場(chǎng)景中的靜態(tài)對(duì)象如樹、電線桿、靜止的交通參與者等，不輸出感知數(shù)據(jù)，進(jìn)而計(jì)算平臺(tái)也不用處理數(shù)據(jù)，極大減少數(shù)據(jù)處理的冗余，是未來自動(dòng)駕駛視覺傳感器的發(fā)展趨勢(shì)。3.雙目視覺類攝像頭1.3導(dǎo)航與定位技術(shù)1.3.1衛(wèi)星與慣性傳感器組合定位實(shí)現(xiàn)衛(wèi)星定位和慣性導(dǎo)航的組合方案有很多種，不同的方案有不同的要求和應(yīng)用，對(duì)于目前世界上，有四大衛(wèi)星定位系統(tǒng)，分別是美國的全球定位系統(tǒng)（GPS）、俄羅斯的全球?qū)Ш叫l(wèi)星系統(tǒng)（GLONASS）、中國的北斗衛(wèi)星導(dǎo)航系統(tǒng)（BDS）以及歐盟伽利略（Galileo）。1.衛(wèi)星和IMU(慣性導(dǎo)航)松耦衛(wèi)星和IMU各自獨(dú)立工作，并將各自輸出位置和速度估值信息進(jìn)行比較，得到的差值作為測(cè)量值，再經(jīng)由組合卡爾曼濾波器（以測(cè)量誤差為狀態(tài)）進(jìn)行優(yōu)化處理，給出最優(yōu)結(jié)果。卡爾曼濾波器的輸出結(jié)果僅反饋給SINS，用來校正SINS的定位結(jié)果，原理結(jié)構(gòu)如圖1-15所示。這樣的組合方式有兩個(gè)特點(diǎn)：一是基于位置和速度的組合，結(jié)構(gòu)簡(jiǎn)單易于實(shí)現(xiàn)；二是耦合程度低，定位性能差。圖1?15松耦合原理圖1.3導(dǎo)航與定位技術(shù)1.3.1衛(wèi)星與慣性傳感器組合定位2.衛(wèi)星和IMU(慣性導(dǎo)航)緊耦合利用衛(wèi)星接收機(jī)直接輸出原始數(shù)據(jù)、偽距p1和偽距率p1，再通過SINS輸出的位置和速度以及估計(jì)的衛(wèi)星接收機(jī)時(shí)鐘誤差計(jì)算出基于SINS信息的偽距p2和偽距率p2，最后基于SINS信息得到的偽距和偽距率與衛(wèi)星得到的偽距和偽距率信息進(jìn)行比較，并將差值作為測(cè)量值,通過卡爾曼濾波器估計(jì)INS和衛(wèi)星接收機(jī)的誤差,然后對(duì)兩個(gè)系統(tǒng)進(jìn)行校正，原理結(jié)構(gòu)如圖1-16所示。這樣的組合方式有兩個(gè)特點(diǎn)：一是抗干擾能力強(qiáng)、偽距測(cè)量精度及導(dǎo)航定位能力較高；二是對(duì)軟硬件要求較高，實(shí)現(xiàn)難度較大。圖116緊耦合原理圖1.3導(dǎo)航與定位技術(shù)1.3.2傳感器與高精地圖融合匹配定位高精地圖的絕對(duì)坐標(biāo)精度更高，而且所含有的道路交通信息元素更豐富細(xì)致。借助高精地圖能夠擴(kuò)展車輛的靜態(tài)環(huán)境感知能力，為車輛提供其他傳感器無法提供的全局視野，包括車載環(huán)境感知傳感器檢測(cè)范圍外的道路，交通和設(shè)施信息。常用的組合方式有兩種，一種是“Camera+高精地圖”，一種是“Lidar+高精地圖”。1.Camera+高精地圖的組合匹配攝像頭獲取圖像信息，再利用圖像中具有語義信息的穩(wěn)定特征，并與預(yù)先采集地圖基準(zhǔn)數(shù)據(jù)進(jìn)行匹配，來獲得車輛的位置和朝向。首先通過相機(jī)獲取圖像，并進(jìn)行圖像特征的檢測(cè)。圖像檢測(cè)的主要目標(biāo)物為：車道線以及桿狀物；然后從預(yù)先采集3D地圖里，提取相關(guān)的車道線和桿狀物元素；再通過GPS獲取一個(gè)初始的位置，通過該位置，控制器將會(huì)把相機(jī)獲取的特征和地圖里采集的對(duì)應(yīng)特征進(jìn)行一次匹配；再用IMU去進(jìn)行姿態(tài)的預(yù)測(cè)，做完預(yù)測(cè)后并匹配，把結(jié)果輸出，人車相對(duì)于地圖的位置和朝向就可以知道，具體原理流程如圖1-17所示。1.3導(dǎo)航與定位技術(shù)1.3.2傳感器與高精地圖融合匹配定位1.Camera+高精地圖的組合匹配圖1?17Camera+高精地圖的組合原理采用此組合方法的優(yōu)勢(shì)有4個(gè)方面：攝像頭技術(shù)成熟，結(jié)構(gòu)化地圖尺寸小，有利于降低系統(tǒng)生產(chǎn)成本；車道線、路燈等道路元素穩(wěn)定性高，不易變動(dòng)，地圖生命周期較長(zhǎng)；配置靈活，根據(jù)識(shí)別算法性能，可以使用不同的特征組合，易于拓展；它的價(jià)格比較合適，數(shù)據(jù)性比較豐富，對(duì)于周圍環(huán)境的描述也比較充分。缺點(diǎn)就是傳感器受光線影響比較大。1.3導(dǎo)航與定位技術(shù)1.3.2傳感器與高精地圖融合匹配定位2.Lidar+高精地圖的組合匹配利用激光雷達(dá)獲取的點(diǎn)云特征與預(yù)先采集的高精地圖基準(zhǔn)數(shù)據(jù)進(jìn)行聯(lián)系比較，從而獲取智能駕駛車輛在高精地圖中的位置和朝向。首先GPS給定初始位置，通過IMU和車輛的Encoder（編碼器）可以得到車輛的初始位置，然后將激光雷達(dá)的局部點(diǎn)云信息，包括點(diǎn)線面的幾何信息和語義信息進(jìn)行特征提取，并結(jié)合車輛初始位置進(jìn)行空間變化，獲取基于全局坐標(biāo)系下的矢量特征，接著將這些特征跟高精度地圖的特征信息進(jìn)行匹配，最后獲取一個(gè)準(zhǔn)確的定位，具體原理流程如圖1-18所示。常用的點(diǎn)云匹配算法有三種：迭代局近點(diǎn)(ICP)、直方圖濾波算法、卡爾曼濾波。1.3導(dǎo)航與定位技術(shù)1.3.2傳感器與高精地圖融合匹配定位2.Lidar+高精地圖的組合匹配采用此組合方法的優(yōu)勢(shì)有2個(gè)方面：不會(huì)受到環(huán)境光照的影響，白天晚上都可以用；數(shù)據(jù)量也比較少，定位和地圖創(chuàng)建的精度高。缺點(diǎn)就是在于傳感器受天氣、環(huán)境等影響比較大，激光雷達(dá)傳感器成本較高。1.3導(dǎo)航與定位技術(shù)1.3.3視覺里程算法的定位技術(shù)基于視覺的定位算法主要有兩大類：基于地標(biāo)拓?fù)涞乃惴ê突趲缀蔚囊曈X里程算法。基于地標(biāo)拓?fù)涞乃惴ò阉械牡貥?biāo)抽象成一個(gè)拓?fù)鋱D，當(dāng)自動(dòng)駕駛汽車監(jiān)測(cè)到某個(gè)地標(biāo)時(shí)，便可以根據(jù)地標(biāo)位置大致推斷出自身所在的位置；基于幾何的視覺里程算法較為復(fù)雜，但是不需要預(yù)先建立精準(zhǔn)的拓?fù)鋱D，在定位的同時(shí)還能夠擴(kuò)展地圖。其中基于雙目視覺SLAM算法屬于較典型的視覺里程算法定位技術(shù)，雙目視覺是模擬人類視覺原理，使用計(jì)算機(jī)被動(dòng)感知距離的方法，從兩個(gè)或者多個(gè)點(diǎn)觀察一個(gè)物體，獲取在不同視角下的圖像，根據(jù)圖像之間像素的匹配關(guān)系，通過三角測(cè)量原理計(jì)算出像素之間的偏移來獲取物體的三維信息。1.3導(dǎo)航與定位技術(shù)對(duì)于工作原理如圖1-19所示，工作流程主要如下：1）雙目攝像頭抓取左右兩圖(即雙目圖像)，雙目圖像經(jīng)過三角剖分產(chǎn)生當(dāng)前幀的視差圖。2）提取當(dāng)前幀與之前幀的特征點(diǎn)，如果之前幀的特征點(diǎn)已經(jīng)提取好了，可以被直接使用。3）對(duì)比當(dāng)前幀與之前幀的特征點(diǎn)，找出幀與幀之間的特征點(diǎn)對(duì)應(yīng)關(guān)系，根據(jù)此對(duì)應(yīng)關(guān)系，推算出兩幀之間車輛的運(yùn)動(dòng)。4）根據(jù)推算出的兩幀之間車輛的運(yùn)動(dòng)，以及之前的車輛位置，計(jì)算出最新的車輛位置。1.3.3視覺里程算法的定位技術(shù)圖1?19雙目視覺里程算法1.4高精度地圖在汽車產(chǎn)業(yè)智能化、聯(lián)網(wǎng)化不斷推進(jìn)的大背景下，高精地圖作為未來智能出行的關(guān)鍵因素之一，受到廣泛關(guān)注。高精度地圖可為自動(dòng)駕駛汽車提供精準(zhǔn)的定位，輔助環(huán)境感知，并實(shí)現(xiàn)決策規(guī)劃，同時(shí)提高自動(dòng)駕駛安全性。按照國際自動(dòng)機(jī)工程師學(xué)會(huì)(SAE)的劃分，自動(dòng)駕駛不同程度可分為5個(gè)級(jí)別，而自動(dòng)駕駛與輔助駕駛的分水嶺是L3級(jí)別。在L3級(jí)別上，對(duì)于某些環(huán)境，駕駛員可以完全放棄操作。要想實(shí)現(xiàn)L3級(jí)別及以上的自動(dòng)駕駛，高精度地圖是必不可少的條件。1.4高精度地圖1.4.1高精地圖的概念及特點(diǎn)高精度地圖是精度更高、數(shù)據(jù)維度更多的電子地圖，可為智能駕駛汽車提供精準(zhǔn)的定位，輔助環(huán)境感知，同時(shí)提高智能駕駛安全性。同時(shí)高精度地圖服務(wù)于智能駕駛，包含有大量的行車輔助信息、道路交通信息元素豐富精細(xì)、地圖的絕對(duì)坐標(biāo)精度更高，可為智能駕駛提供完備的周邊環(huán)境信息，為定位和路徑規(guī)劃提供重要依據(jù)，如圖1-20所示。圖1?20高精度地圖樣例1.4高精度地圖1.4.1高精地圖的概念及特點(diǎn)其主要的特點(diǎn)有：（1）高精度

一般電子地圖精度在米級(jí)別，商用GPS精度為5m。高精度地圖的精度在厘米級(jí)別（精度可在10cm級(jí)別左右）。（2）高維度傳統(tǒng)電子地圖數(shù)據(jù)只記錄道路級(jí)別的數(shù)據(jù)，如道路形狀、坡度、曲率、鋪設(shè)、方向等。高精度地圖（精確度厘米級(jí)別）：不僅增加了車道屬性相關(guān)（車道線類型、車道寬度等）數(shù)據(jù)，更有諸如高架物體、防護(hù)欄、樹、道路邊緣類型、路邊地標(biāo)等大量目標(biāo)數(shù)據(jù)。高精度地圖能夠明確區(qū)分車道線類型、路邊地標(biāo)等細(xì)節(jié)。（3）實(shí)時(shí)性

高精度地圖對(duì)數(shù)據(jù)的實(shí)時(shí)性要求更高。由于路網(wǎng)每天都有變化，比如道路施工維修，交通標(biāo)志更換等，這些需要及時(shí)在高精度地圖上反映出來以保證智能駕駛車輛安全。一般來說，傳統(tǒng)導(dǎo)航地圖可能只需一個(gè)季度更新一次，而高精地圖為了應(yīng)對(duì)各類突發(fā)狀況，保證自動(dòng)駕駛的安全實(shí)現(xiàn)需要更短的時(shí)間頻率進(jìn)行更新（每天或每時(shí)），這大大提升了對(duì)數(shù)據(jù)實(shí)時(shí)性的要求。（4）使用對(duì)象普通的導(dǎo)航電子地圖是面向駕駛員，供駕駛員使用的地圖數(shù)據(jù)，而高精度地圖是面向機(jī)器的供向智能駕駛汽車使用的地圖數(shù)據(jù)。1.4高精度地圖1.4.2高精地圖的制作流程高精地圖有著與傳統(tǒng)地圖不同的采集原理和數(shù)據(jù)存儲(chǔ)結(jié)構(gòu)。傳統(tǒng)地圖多依靠拓?fù)浣Y(jié)構(gòu)和傳統(tǒng)數(shù)據(jù)庫存儲(chǔ)，將各類現(xiàn)實(shí)中的元素作為地圖中的對(duì)象堆砌于地圖上，而將道路存儲(chǔ)為路徑。在高精地圖時(shí)代，為了提升存儲(chǔ)效率和機(jī)器的可讀性，地圖在存儲(chǔ)時(shí)被分為了矢量和對(duì)象層。高精度地圖制作過程共分五部分：數(shù)據(jù)采集、數(shù)據(jù)處理、對(duì)象檢測(cè)、手動(dòng)驗(yàn)證和地圖發(fā)布，具體流程如圖1-21所示。圖1?21高精度地圖采集流程1.4高精度地圖1.4.2高精地圖的制作流程（1）數(shù)據(jù)采集部分

利用裝載在采集車上的各類傳感器，如GPS、慣性測(cè)量單元、激光雷達(dá)和攝像機(jī)等，收集行駛過程中所遇到的環(huán)境信息數(shù)據(jù)，通過不間斷地對(duì)地圖信息進(jìn)行采集，從而保證地圖數(shù)據(jù)始終處于最新狀態(tài)。（2）數(shù)據(jù)處理部分

采集到的地圖數(shù)據(jù)為原始數(shù)據(jù)，需要對(duì)這些數(shù)據(jù)進(jìn)行整理、分類與清洗，從而獲得沒有任何語義信息或注釋的初始地圖模板，經(jīng)過處理后的數(shù)據(jù)通常為點(diǎn)云數(shù)據(jù)，階段還會(huì)涉及到基于深度學(xué)習(xí)的元素識(shí)別以及基于深度學(xué)習(xí)的點(diǎn)云分類。（3）對(duì)象檢測(cè)及手動(dòng)驗(yàn)證部分

地圖數(shù)據(jù)資源經(jīng)過自動(dòng)化處理之后，會(huì)由采集公司相關(guān)人員手動(dòng)檢測(cè)靜態(tài)對(duì)象，并對(duì)其進(jìn)行分類，其中包括車道線、交通標(biāo)志甚至是電線桿。手動(dòng)驗(yàn)證可有效檢測(cè)出自動(dòng)化處理過程中所出現(xiàn)的錯(cuò)誤，有效彌補(bǔ)數(shù)據(jù)的缺陷，提高精準(zhǔn)度。（4）地圖發(fā)布部分

對(duì)于處理完后的地圖，經(jīng)檢查審核無誤后，即可通過平臺(tái)進(jìn)行發(fā)布。1.4高精度地圖1.4.3高精地圖的應(yīng)用1.環(huán)境感知輔助2.精確定位匹配3.提高運(yùn)算效率4.實(shí)時(shí)路徑規(guī)劃與決策5.舒適性和V2X應(yīng)用1.5規(guī)劃與決策控制智能駕駛系統(tǒng)是一個(gè)集環(huán)境感知、決策控制和動(dòng)作執(zhí)行等功能于一體的綜合系統(tǒng)，是充分考慮車輛與交通環(huán)境協(xié)調(diào)規(guī)劃的系統(tǒng)，也是未來智能交通系統(tǒng)的重要組成部分。其智能駕駛系統(tǒng)的可靠安全性需要車載硬件、傳感器集成、感知、預(yù)測(cè)以及控制規(guī)劃等多個(gè)模塊緊密協(xié)調(diào)共同工作。其中最關(guān)鍵的部分是環(huán)境感知和決策控制的兩者配合。決策控制在廣義上可分為路由尋徑、行為決策、動(dòng)作規(guī)劃和反饋控制四個(gè)部分；路由尋徑、行為決策、動(dòng)作規(guī)劃三個(gè)部分又可統(tǒng)稱為路徑規(guī)劃，路徑規(guī)劃部分承接上層環(huán)境感知的結(jié)果，從功能上可分為全局路徑規(guī)劃和局部路徑規(guī)劃。具體如圖1-22所示。圖1?22規(guī)劃控制模塊1.5規(guī)劃與決策控制1.5.1路由尋徑路由尋徑模塊（也稱為尋徑模塊）對(duì)應(yīng)全局路徑規(guī)劃，其作用可以簡(jiǎn)單理解為實(shí)現(xiàn)智能駕駛軟件系統(tǒng)內(nèi)部的導(dǎo)航功能，即在宏觀層面上指導(dǎo)智能駕駛軟件系統(tǒng)的控制規(guī)劃模塊按照什么樣的道路行駛，從而實(shí)現(xiàn)從起始點(diǎn)到目的地點(diǎn)的目的。圖1?23高精度地圖的路由尋徑1.5規(guī)劃與決策控制1.5.2行為決策行為決策層需要解決的問題，就是在知曉這些信息的基礎(chǔ)上，如何決定自動(dòng)駕駛汽車的行駛策略。這些信息具體包括以下幾點(diǎn)：1）所有的路由尋徑結(jié)果：比如智能駕駛汽車為了到達(dá)目的地，需要進(jìn)入的車道是什么(largetlane)。2）智能駕駛的當(dāng)前自身狀態(tài)：位置、速度、朝向、當(dāng)前主車所在的車道，按照路由尋徑結(jié)果需要進(jìn)入的下一個(gè)車道等。3）智能駕駛的歷史信息：在上一個(gè)行為決策周期，智能駕駛汽車所做出的決策是跟車、停車、轉(zhuǎn)彎還是換道等其他行為。4）智能駕駛汽車周邊的障礙物信息：智能駕駛汽車周邊一定距離范圍內(nèi)的所有障礙物信息。例如周邊的車輛所在的車道，鄰近的路口有哪些車輛，它們的速度、位置如何，以及在一個(gè)較短的時(shí)間內(nèi)它們的行駛意圖和預(yù)測(cè)的行駛軌跡，周邊是否有自行車騎行者或者行人，以及他們的位置、速度、軌跡等。5）智能駕駛汽車周邊的標(biāo)識(shí)信息：比如一定范圍內(nèi)車道lane的變化。6）當(dāng)?shù)氐慕煌ㄒ?guī)則：例如道路限速，是否可以紅燈右拐等。1.5規(guī)劃與決策控制1.5.2行為決策行為決策問題往往很難用一個(gè)單純的數(shù)學(xué)模型來進(jìn)解決，而是利用一些軟件工程的先進(jìn)觀念來設(shè)計(jì)一些規(guī)則系統(tǒng)?，F(xiàn)將這些先進(jìn)觀念主要分為四個(gè)模型介紹如下：（1）有限狀態(tài)機(jī)模型智能駕駛車輛最開始的決策模型為有限狀態(tài)機(jī)模型，車輛根據(jù)當(dāng)前環(huán)境選擇合適的駕駛行為，如停車、換道、超車、避讓、緩慢行駛等模式，狀態(tài)機(jī)模型通過構(gòu)建有限的有向連通圖來描述不同的駕駛狀態(tài)以及狀態(tài)之間的轉(zhuǎn)移關(guān)系，從而根據(jù)駕駛狀態(tài)的遷移反應(yīng)式地生成駕駛動(dòng)作。該模型因?yàn)楹?jiǎn)單、易行，是無人駕駛領(lǐng)域目前最廣泛的行為決策模型，但該類模型忽略了環(huán)境的動(dòng)態(tài)性和不確定性，此外，當(dāng)駕駛場(chǎng)景特征較多時(shí)，狀態(tài)的劃分和管理比較繁瑣，多適用于簡(jiǎn)單場(chǎng)景下，很難勝任具有豐富結(jié)構(gòu)化特征的城區(qū)道路環(huán)境下的行為決策任務(wù)。（2）決策樹模型決策樹模型和有限狀態(tài)機(jī)模型類似，也是通過當(dāng)前駕駛狀態(tài)的屬性值反應(yīng)式地選擇不同的駕駛動(dòng)作，但不同的是該類模型將駕駛狀態(tài)和控制邏輯固化到了樹形結(jié)構(gòu)中，通過自頂向下的“輪詢”機(jī)制進(jìn)行駕駛策略搜索。這類決策模型具備可視化的控制邏輯，并且控制節(jié)點(diǎn)可復(fù)用，但需要針對(duì)每個(gè)駕駛場(chǎng)景離線定義決策網(wǎng)路，當(dāng)狀態(tài)空間、行為空間較大時(shí)，控制邏輯將比較復(fù)雜。另外，該類模型同樣無法考慮交通環(huán)境中存在的不確定性因素。1.5規(guī)劃與決策控制1.5.2行為決策（3）基于知識(shí)的推理決策模型

模型由“場(chǎng)景特征－駕駛動(dòng)作”的映射關(guān)系來模仿人類駕駛員的行為決策過程，該類模型將駕駛知識(shí)存儲(chǔ)在知識(shí)庫或者神經(jīng)網(wǎng)絡(luò)中，這里的駕駛知識(shí)主要表現(xiàn)為規(guī)則、案例或場(chǎng)景特征到駕駛動(dòng)作的映射關(guān)系。進(jìn)而，通過“查詢”機(jī)制從知識(shí)庫或者訓(xùn)練過的網(wǎng)絡(luò)結(jié)構(gòu)中推理出駕駛動(dòng)作。主要有基于規(guī)則的推理系統(tǒng)、基于案例的推理系統(tǒng)和基于神經(jīng)網(wǎng)絡(luò)的映射模型。（4）基于價(jià)值的決策模型

根據(jù)最大效用理論，基于效用和價(jià)值的決策模型的基本思想是依據(jù)選擇準(zhǔn)則在多個(gè)備選方案中選擇出最優(yōu)的駕駛策略和動(dòng)作。為了評(píng)估每個(gè)駕駛動(dòng)作的好壞程度，該類模型定義了效用（utility）或價(jià)值（value）函數(shù)，根據(jù)某些準(zhǔn)則屬性定量地評(píng)估駕駛策略符合駕駛?cè)蝿?wù)目標(biāo)的程度，對(duì)于無人駕駛?cè)蝿?wù)而言，這些準(zhǔn)則屬性可以是安全性、舒適度、行車效率等，效用和價(jià)值可以是由其中單個(gè)屬性決定也可以是由多個(gè)屬性決定。1.5規(guī)劃與決策控制1.5.3動(dòng)作規(guī)劃對(duì)于常見的軌跡規(guī)劃算法主要有5類如下：（1）基于搜索的規(guī)劃算法

通過搜索來解決運(yùn)動(dòng)規(guī)劃問題是最樸素的思路之一，其基本思想是將狀態(tài)空間通過確定的方式離散成一個(gè)圖，然后利用各種啟發(fā)式搜索算法搜索可行解甚至是最優(yōu)解。常見的有HybridA*算法、D*和D*Lite算法。（2）基于采樣的規(guī)劃算法

通過對(duì)連續(xù)的狀態(tài)空間進(jìn)行采樣，從而將原問題近似成一個(gè)離散序列的優(yōu)化問題，這一思路也是在計(jì)算機(jī)科學(xué)中應(yīng)用最為廣泛的算法。在運(yùn)動(dòng)規(guī)劃問題中，基于采樣的基本算法包括概率路線圖(PRM)和快速搜索隨機(jī)樹(RRT)算法。（3）直接優(yōu)化方法在絕大多數(shù)情況下，不考慮高度的變化，智能駕駛的軌跡規(guī)劃問題是一個(gè)三維約束優(yōu)化問題（2D空間+時(shí)間T）。因此，我們可以采用解耦的策略，將原始問題分解為幾個(gè)低維問題，從而大大降低求解難度。常用的有Frenet坐標(biāo)系和路徑-速度解耦法。1.5規(guī)劃與決策控制1.5.3動(dòng)作規(guī)劃（4）參數(shù)化曲線構(gòu)造法

參數(shù)化曲線構(gòu)造法的出發(fā)點(diǎn)是車輛本身的約束，包括運(yùn)動(dòng)學(xué)與動(dòng)力學(xué)的約束，因此一般規(guī)劃的路徑需要是曲率連續(xù)的。這類方法根據(jù)起始點(diǎn)和目標(biāo)點(diǎn)，考慮障礙物，通過構(gòu)造一族符合車輛約束的曲線給出一條平滑路徑。常見的曲線有Dubins曲線（由直線和圓弧構(gòu)成，是一種簡(jiǎn)單車輛模型Dubin模型在二維空間中的最短曲線族）、回旋曲線、多項(xiàng)式曲線、貝塞爾曲線、樣條曲線等。（5）人工勢(shì)場(chǎng)法人工勢(shì)場(chǎng)法是受物理學(xué)中電磁場(chǎng)的啟發(fā)，假設(shè)障礙物和目標(biāo)位置分別產(chǎn)生斥力和引力，從而可以沿著勢(shì)場(chǎng)的最速梯度下降去規(guī)劃路徑。這類方法的一個(gè)關(guān)鍵問題是如何選擇合適的勢(shì)場(chǎng)函數(shù)，應(yīng)用在簡(jiǎn)單場(chǎng)景下，具有較高的求解效率，但其存在的最大問題是可能陷入局部最小值，在這種情況下，所獲得的路徑不是最優(yōu)，甚至可能找不到路徑。1.5規(guī)劃與決策控制1.5.4反饋控制（1）自行車模型我們假設(shè)車輛姿態(tài)處于一個(gè)二維的平面坐標(biāo)系內(nèi)，車輛的姿態(tài)可以由位移（position）和車身夾角（heading）完全描述，并且前后輪由一個(gè)剛性（rigid）軸連接，前輪可轉(zhuǎn)動(dòng)，后輪只能直行，如圖1-24所示。此模型的一個(gè)重要特征是：如果車輛不向前移動(dòng)，就不能橫向位移，稱為非完整性約（nonholonomicconstraint）。圖1?24車輛控制的自行車模型1.5規(guī)劃與決策控制1.5.4反饋控制

圖1?25PID反饋控制系統(tǒng)1.6智能駕駛計(jì)算平臺(tái)1.6.1基于GPU的計(jì)算解決方案GPU（圖形處理器，GraphicsProcessingUnit）在浮點(diǎn)運(yùn)算、并行計(jì)算等部分的計(jì)算方面能夠提供數(shù)十倍至上百倍的CPU性能。利用GPU運(yùn)行機(jī)器學(xué)習(xí)模型，在云端進(jìn)行分類和檢測(cè)，其相對(duì)于CPU耗費(fèi)的時(shí)間大幅縮短,占用的數(shù)據(jù)中心的基礎(chǔ)設(shè)施更少，能夠支持比單純使用CPU時(shí)10-100倍的應(yīng)用吞吐量。憑借強(qiáng)大的計(jì)算能力，在機(jī)器學(xué)習(xí)快速發(fā)展的推動(dòng)下，GPU目前在深度學(xué)習(xí)芯片市場(chǎng)非常受歡迎，很多汽車生產(chǎn)商也在使用GPU作為傳感器芯片發(fā)展無人車，GPU大有成為主流的趨勢(shì)。1.6.2基于DSP的計(jì)算解決方案DSP（數(shù)字信號(hào)處理器，DigitalSignalProcessor)以數(shù)字信號(hào)處理大量數(shù)據(jù)。DSP采用的是哈佛設(shè)計(jì)，即數(shù)據(jù)總線和地址總線分開，允許取出指令和執(zhí)行指令完全重疊，在執(zhí)行上一條指令的同時(shí)就可取出下一條指令，并進(jìn)行譯碼，這大大提高了微處理器的速度。另外，還允許在程序空間和數(shù)據(jù)空間之間進(jìn)行傳輸，因?yàn)樵黾恿似骷撵`活性。它不僅具有可編程性，而且其實(shí)時(shí)運(yùn)行速度可達(dá)每秒數(shù)以千萬條復(fù)雜指令程序，遠(yuǎn)遠(yuǎn)超過通用微處理器。它的強(qiáng)大數(shù)據(jù)處理能力和高運(yùn)行速度是最值得稱道的兩大特色。由于它的運(yùn)算能力很強(qiáng)，速度很快，體積很小，而且采用軟件編程具有高度的靈活性，因此為從事各種復(fù)雜的應(yīng)用提供了一條有效途徑。1.6智能駕駛計(jì)算平臺(tái)1.6.3基于FPGA的計(jì)算解決方案作為GPU在算法加速上強(qiáng)有力的競(jìng)爭(zhēng)者，F(xiàn)PGA（現(xiàn)場(chǎng)可編程門陣列，F(xiàn)ield-ProgrammableGateArray）硬件配置最靈活，具有低能耗、高性能及可編程等特性，十分適合感知計(jì)算。FPGA是作為專用集成電路（ASIC）領(lǐng)域中的一種半定制電路而出現(xiàn)的，既解決了定制電路的不足，又克服了原有可編程器件門電路數(shù)有限的缺點(diǎn)。更重要的是，F(xiàn)PGA相比GPU價(jià)格便宜（雖然性價(jià)比不一定是最好的）。在能源受限的情況下，F(xiàn)PGA相對(duì)于CPU與GPU有明顯的性能與能耗優(yōu)勢(shì)。FPGA低能耗的特點(diǎn)很適合用于傳感器的數(shù)據(jù)預(yù)處理工作。此外，感知算法不斷發(fā)展意味著感知處理器需要不斷更新，F(xiàn)PGA具有硬件可升級(jí)、可迭代的優(yōu)勢(shì)。使用FPGA需要具有硬件的知識(shí)，對(duì)許多開發(fā)者有一定難度，因此FPGA也常被視為一種行家專屬的架構(gòu)。不過，現(xiàn)在也出現(xiàn)了用軟件平臺(tái)編程FPGA，弱化了軟硬件語言間的障礙，讓更多開發(fā)者使用FPGA成為可能。隨著FPGA與傳感器結(jié)合方案的快速普及，視覺、語音、深度學(xué)習(xí)的算法在FPGA上進(jìn)一步優(yōu)化，F(xiàn)PGA極有可能逐漸取代GPU與CPU成為無人車、機(jī)器人等感知領(lǐng)域上的主要芯片。1.6智能駕駛計(jì)算平臺(tái)1.6.4基于ASIC的計(jì)算解決方案ASIC（專用集成電路，ApplicationSpecificIntegratedCircuits）是指應(yīng)特定用戶要求和特定電子系統(tǒng)的需要而設(shè)計(jì)、制造的集成電路。Mobileye是一家基于ASIC的無人駕駛解決方案提供商。MobileyeEyeQ5芯片（見圖1-29）將裝備8枚多線程CPU內(nèi)核，同時(shí)還會(huì)搭載18枚Mobileye的下一代視覺處理器?！皞鞲衅魅诤稀笔荅yeQ5推出的主要目的。其Eyeq5SOC裝備有四種異構(gòu)的全編程加速器，分別對(duì)專有的算法進(jìn)行了優(yōu)化，包括有：計(jì)算機(jī)視覺、信號(hào)處理和機(jī)器學(xué)習(xí)等。Eyeq5SOC同時(shí)實(shí)現(xiàn)了兩個(gè)PCI-E端口以支持多處理器間通信。這種加速器架構(gòu)嘗試為每一個(gè)計(jì)算任務(wù)適配最合適的計(jì)算單元，硬件資源的多樣性使應(yīng)用程序能夠節(jié)省計(jì)算時(shí)間并提高計(jì)算效能。1.6智能駕駛計(jì)算平臺(tái)1.6.4基于ASIC的計(jì)算解決方案圖1?29

mobileyeEyeQ5計(jì)算芯片1.6智能駕駛計(jì)算平臺(tái)1.6.5基于云計(jì)算的自動(dòng)駕駛開發(fā)平臺(tái)從技術(shù)上講，這些平臺(tái)主要分為兩類：第一類是基于合成的數(shù)據(jù)，對(duì)環(huán)境、感知及車輛進(jìn)行模擬，這里的感知大多數(shù)是圖像層面的感知，這類模擬器主要用于感知、規(guī)劃算法的初步開發(fā)上，Carla、AirSim、Udacityself-drivingcarsimulator就屬于這類；第二類是基于真實(shí)數(shù)據(jù)的回放，這里的真實(shí)數(shù)據(jù)包括圖像、lidar、radar等各種傳感器的數(shù)據(jù)，這類模擬器主要用于測(cè)試無人駕駛中信息融合算法以及車輛不同部件的性能，Apollo和Autoware就屬于這類。1.6智能駕駛計(jì)算平臺(tái)1.6.6其他計(jì)算解決方案1.TPU芯片計(jì)算平臺(tái)2.恩智浦NXP自動(dòng)駕駛汽車的計(jì)算平臺(tái)BlueBox3.中國芯片的計(jì)算解決方案1.7V2X技術(shù)V2X（VehicletoEverything）車聯(lián)網(wǎng)在概念上是物聯(lián)網(wǎng)面向應(yīng)用的實(shí)現(xiàn)，同時(shí)也是對(duì)D2D（DevicetoDevice）技術(shù)的深入研究過程。按照中國汽車工業(yè)協(xié)會(huì)對(duì)搭載V2X功能汽車的定義來看，它是搭載先進(jìn)的車載傳感器、控制器、執(zhí)行器等裝置，并融合現(xiàn)代通信與網(wǎng)絡(luò)技術(shù)，實(shí)現(xiàn)車與X（人、車、路、后臺(tái)等）智能信息的交換共享，具備復(fù)雜的環(huán)境感知、智能決策、協(xié)同控制和執(zhí)行等功能，可實(shí)現(xiàn)安全、舒適、節(jié)能、高效行駛，并最終可替代人來操作的新一代汽車。作為物聯(lián)網(wǎng)面向應(yīng)用的一個(gè)概念延伸，V2X（