無人駕駛汽車的傳感器系統(tǒng)設(shè)計及技術(shù)展望

一、無人駕駛汽車傳感器的研究背景和意義無人駕駛汽車是人工智能的一個非常重要的驗證平臺，近些年成為國內(nèi)外研究熱點．無人駕駛汽車作為一種陸地輪式機器人，既與普通機器人有著很大的相似性，又存在著很大的不同．首先它作為汽車需保證乘員乘坐的舒適性和安全性，這就要求對其行駛方向和速度的控制更加嚴格；另外，它的體積較大，特別是在復(fù)雜擁擠的交通環(huán)境下，要想能夠順利行駛，對周圍障礙物的動態(tài)信息獲取就有著很高的要求。無人駕駛的研究目標是完全或部分取代駕駛員，是人工智能的一個非常重要的實現(xiàn)平臺，同時也是如今前沿科技的重要發(fā)展方向。當前，無人駕駛技術(shù)具有重大的應(yīng)用價值，生活和工程中，能夠在一定程度上減輕駕駛行為的壓力；在軍事領(lǐng)域內(nèi)，無人駕駛技術(shù)可以代替軍人執(zhí)行偵查、排雷、以及戰(zhàn)場上危險環(huán)境中的任務(wù)；在科學(xué)研究的領(lǐng)域，無人駕駛技術(shù)可以實現(xiàn)外星球等極端環(huán)境下的勘探活動。無人駕駛車輛技術(shù)，又稱智能車輛，即利用將無人駕駛的技術(shù)應(yīng)用于車輛的控制中。國外的無人駕駛車輛技術(shù)大多通過分析激光傳感器數(shù)據(jù)進行動態(tài)障礙物的檢測。代表有斯坦福大學(xué)的智能車“Junior”，利用激光傳感器對跟蹤目標的運動幾何特征建模，然后用貝葉斯濾波器分別更新每個目標的狀態(tài)；卡耐基?梅隆大學(xué)的“BOSS”智能車從激光傳感器數(shù)據(jù)中提取障礙物特征，通過關(guān)聯(lián)不同時刻的激光傳感器數(shù)據(jù)對動態(tài)障礙物進行檢測跟蹤。牛津大學(xué)研制的無人車輛“WildCat”，不使用GPS，使用激光雷達和相機監(jiān)控路面狀況。我國相關(guān)技術(shù)開展較晚，國防科學(xué)技術(shù)大學(xué)研制的自主車“開路雄獅”，采用三維激光雷達Velodyne作為主要傳感器，將Velodyne獲取的相鄰兩激光數(shù)據(jù)作差，并在獲得的差分圖像上進行聚類操作，對聚類結(jié)果建立方盒模型。無人駕駛車輛是一項融合了認知科學(xué)、人工智能、機器人技術(shù)與車輛工程等多學(xué)科的技術(shù)，涉及到電子電路，計算機視覺，自動控制，信號處理等多學(xué)科技術(shù)。無人駕駛汽車的出現(xiàn)從根本上改變了傳統(tǒng)的“人——車——路”閉環(huán)控制方式，將無法用規(guī)則嚴格約束的駕駛員從該閉環(huán)系統(tǒng)中請出去，從而大大提高了交通系統(tǒng)的效率和安全性，是汽車工業(yè)發(fā)展的革命性產(chǎn)物。二、無人駕駛汽車的傳感器系統(tǒng)整體設(shè)計無人駕駛汽車的實現(xiàn)需要大量的科學(xué)技術(shù)支持，而其中最重要的就是大量的傳感器定位。核心技術(shù)是包括高精度地圖、定位、感知、智能決策與控制等各個模塊。其中有幾個關(guān)鍵的技術(shù)模塊，包含精確GPS定位及導(dǎo)航、動態(tài)傳感避障系統(tǒng)、機械視覺三個大部分，其他的如只能行為規(guī)劃等不屬于傳感器范疇，屬于算法方面，不做過多設(shè)計。傳感器系統(tǒng)如圖所示。圖1無人駕駛汽車的傳感器系統(tǒng)主要組成三、精確GPS定位及導(dǎo)航無人駕駛汽車對GPS定位精度、抗干擾性提出了新的要求。在無人駕駛時GPS導(dǎo)航系統(tǒng)要不間斷的對無人車進行定位。在這個過程之中，無人駕駛汽車的GPS導(dǎo)航系統(tǒng)要求GPS定位誤差不超過一個車身寬度。無人駕駛汽車面臨的另一個問題面臨的另一個挑戰(zhàn)，是需要確保他們又完美的導(dǎo)航功能，實現(xiàn)導(dǎo)航的主要技術(shù)是現(xiàn)在生活中已經(jīng)使用非常廣泛的GPS技術(shù)。由于GPS無積累誤差、自動化測量的特點，因此十分適合用于無人駕駛汽車的導(dǎo)航定位。為了大幅提高GPS測量技術(shù)的精度，本系統(tǒng)采用位置差分GPS測量技術(shù)。相較于傳統(tǒng)的GPS技術(shù)，差分GPS技術(shù)會在一個觀測站對兩個目標的觀測量、兩個觀測站對一個目標的觀測量或者一個測站對一個目標的兩次測量之間求差，目的在于消去公共誤差源，包括電離層和對流層效應(yīng)等。位置差分原理是一種最簡單的差分方法，任何一種GPS接收機均可改裝和組成這種差分系統(tǒng)。安裝在基準站上的GPS接收機觀測4顆衛(wèi)星后便可進行三維定位，解算出基準站的坐標。由于存在著軌道誤差、時鐘誤差、SA影響、大氣影響、多徑效應(yīng)以及其他誤差，解算出的坐標與基準站的已知坐標是不一樣的，存在誤差。投影到512*512的柵格地圖中，從而實現(xiàn)對環(huán)境中障礙物的檢測。最終，多傳感器信息融合與環(huán)境建模模塊則是將不同傳感器獲取的環(huán)境信息進行融合、建立道路模型并最終用柵格地圖進行表示，這些環(huán)境信息包括：標識信息、路面信息、障礙物信息以及定位信息等。最后，對獲得的環(huán)境信息信號進行處理，得到一張動態(tài)的標志了障礙物的柵格圖，從而達到避障的效果，采用融合Velodyne和Ibeo信息得到運動目標狀態(tài)的方式相比于只用Velodyne處理結(jié)果的方式，檢測結(jié)果的準確率和穩(wěn)定性都得到了較大的提升。五、機械視覺機構(gòu)機械視覺也可以稱作為環(huán)境感知，是無人駕駛汽車最重要也是最復(fù)雜的一部分。無人駕駛車輛的環(huán)境感知層的任務(wù)是針對不同的交通環(huán)境，對傳感器進行合理的配置、融合不同傳感器獲取的環(huán)境信息、對復(fù)雜的道路環(huán)境建立模型。無人駕駛系統(tǒng)的環(huán)境感知層分為交通標志識別、車道線的檢測與識別、車輛檢測、道路路沿的檢測、障礙物檢測以及多傳感器信息融合與環(huán)境建模等模塊。傳感器探測環(huán)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(shù)據(jù)映射到真實環(huán)境中是什么物理含義。因此需要通過適當?shù)乃惴◤奶綔y得到的數(shù)據(jù)中挖掘出我們關(guān)注的數(shù)據(jù)并賦予物理含義，從而達到感知環(huán)境的目的。比如我們在駕駛車輛時眼睛看前方，可以從環(huán)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(huán)境影像，影像本身并不具備映射到真實環(huán)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(huán)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。針對不同的傳感器，采用的感知算法會有所區(qū)別，跟傳感器感知環(huán)境的機理是有關(guān)系的。每一種傳感器感知環(huán)境的能力和受環(huán)境的影響也各不相同。比如攝像頭在物體識別方面有優(yōu)勢，但是距離信息比較欠缺，基于它的識別算法受天氣、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，但是在識別物體方面遠弱于攝像頭。同一種傳感器因其規(guī)格參數(shù)不一樣，也會呈現(xiàn)不同的特性。為了發(fā)揮各自傳感器的優(yōu)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(jīng)有零部件供應(yīng)商做過此事，比如德爾福開發(fā)的攝像頭與毫米波雷達組合感知模塊已應(yīng)用到量產(chǎn)車上。因此本系統(tǒng)設(shè)計將多個感知模塊結(jié)合去識別各種環(huán)境實物。5.1交通識別模塊交通標識識別模塊又分為交通標志牌識別和交通信號燈識別。其中，交通標志牌識別主要由以下幾部分組成：(1)圖像/視頻輸入；(二)交通標識檢測；(三)交通標識識別；(四)識別結(jié)果輸出；(五)實驗數(shù)據(jù)庫和訓(xùn)練樣本數(shù)據(jù)庫。交通信號燈識別主要由以下幾部分組成：(1)圖像/視頻輸入；(2)交通信號燈檢測；(3)交通信號燈狀態(tài)識別；(4)識別結(jié)果輸出。交通標識識別模塊系統(tǒng)框圖如圖3和圖4所示。圖4交通標志牌識別系統(tǒng)框圖圖5交通信號燈識別系統(tǒng)框5.2車道線檢測與識別模塊車道線檢測模塊是通過對傳感器圖像進行車道線檢測和提取來獲取道路上的車道線位置和方向，通過識別車道線，提供車輛在當前車道中的位置，能夠幫助無人車遵守交通規(guī)則，為無人駕駛車輛的自主行駛提供導(dǎo)向，提高無人車的行車穩(wěn)定性。智能車道線檢測和識別模塊的處理流程主要是：對采集的圖像進行預(yù)處理，主要是圖像的平滑；對圖像進行二值化，為了適應(yīng)光照分布的不均勾，采用了自適應(yīng)閾值二值化方法；對二值化圖像進行分析，得出該路段屬于哪種路況；對不同路況運用不同算法進行檢測和識別在圖像預(yù)處理階段，運用高斯平滑模板對圖像進行平滑，去除圖像噪聲的干擾。在圖像二值化上，利用S*S大小的均值模板對圖像進行卷積，將圖像中車道線的區(qū)域信息提取出來，然后通過逆透視投影變換，通過路況判斷，識別出車道線，通過透視投影原理，將車道線映射到原始圖像上。5.3車輛檢測模塊車輛檢測模塊則是通過對相機圖像進行處理將環(huán)境中的車輛檢測出來，為了保證圖像中任意尺寸的車輛都能檢測到，本設(shè)計采用滑動窗口的目標檢測：在輸入圖像的多尺度空間中，對圖像進行放縮，然后在每一個尺度上，通過平行移動滑動搜索窗口，可以獲得不同尺度和不同坐標位置的子圖。其次對所獲得子框圖的類別進行判別，整合各個子框圖的類別信息，輸出檢測得到的結(jié)果。其檢測采用的是基于區(qū)域的Haar特征描述算子和Adaboost級聯(lián)分類器。5.4決策規(guī)劃層無人駕駛車輛決策規(guī)劃層的任務(wù)是根據(jù)路網(wǎng)文件(RNDF)、任務(wù)文件(MDF)以及定位信息生成一條全局最優(yōu)路徑，并在交通規(guī)則的約束下，依靠環(huán)境感知信息實時推理出正確合理的駕駛行為，最終生成安全可行駛的路徑發(fā)送給控制執(zhí)行系統(tǒng)。決策規(guī)劃層分為全局規(guī)劃、行為決策和運動規(guī)劃三個模塊。全局規(guī)劃模塊首先讀取網(wǎng)文件和任務(wù)文件，遍歷路網(wǎng)文件中的所有路點，生成所有路點之間的連通性，然后根據(jù)任務(wù)文件來設(shè)定起點、任務(wù)點和終點，計算出最優(yōu)路徑，最終將這條最優(yōu)路徑的路點序列發(fā)送給行為決策模塊。行為決策模塊針對車輛所處的不同交通場景、任務(wù)要求以及環(huán)境特征，將無人駕駛車輛行為分為多個狀態(tài)，并延展為不同的亞態(tài)和子態(tài)。運動規(guī)劃模塊的任務(wù)則是根據(jù)行為決策模塊發(fā)送的局部目標點以及環(huán)境感知信息，實時規(guī)劃出安全可行駛的路徑，并將路徑的軌跡點序列發(fā)送給控制執(zhí)行。六、無人駕駛汽車實現(xiàn)的技術(shù)展望目前無人駕駛技術(shù)的實現(xiàn)主要是基于激光傳感技術(shù)或者是超聲雷達技術(shù)等，經(jīng)過十余年的研究探索，許多機構(gòu)和公司都已經(jīng)推出了自己的無人駕駛汽車，但基本都存在不足，并不能實現(xiàn)真正意義的“無人駕駛”。解決無人駕駛汽車的關(guān)鍵技術(shù)主要在于兩個方面，一方面是算法的設(shè)計，另一方面便是傳感器的設(shè)計。傳感器的精度和響應(yīng)速度直接關(guān)系到無人駕駛汽車的安全性問題，而安全性正是無人駕駛技術(shù)最基本也是最關(guān)鍵的部分。將來無人駕駛技術(shù)的發(fā)展方向也應(yīng)該是改善算法和選擇更合適精度更高的傳感器。本文從原理上設(shè)計了一個無人駕駛汽車的傳感器系統(tǒng)，簡要介紹了各個組成部分的功能和算法結(jié)構(gòu)。文中所坦述的內(nèi)容基本可以應(yīng)對大多數(shù)的道路情況，在低速的條件下實現(xiàn)無人駕駛，但實際的生活中，汽車駕駛的環(huán)境十分復(fù)雜，想要通過儀器設(shè)備分析到判斷交通手勢或者其他司機行人的手勢等不固定的交通信號，還是存在很大的困難。另外無人駕駛汽車在應(yīng)對緊急狀況時的表現(xiàn)也存在很大的爭議，當涉及倫理和道德的時候情況會變的更加復(fù)雜?？傊?，無人駕駛汽車的發(fā)展是一個大趨勢，好處巨大，能夠大幅的節(jié)省人力物力，提高效率，減少交通事故和擁堵。要實現(xiàn)無人駕駛汽車技術(shù)的成熟化還需要無數(shù)科研工作者付出巨大的努力。

參考文獻[1]FergusonD,DarmsM,UrmsonC,etal.Detection,prediction,andavoidanceofdynamicobstaclesinurbanenvironments[C]//IEEEIntelligentVehiclesSymposium.Piscataway,USA:IEEE,2008:1149-1154.[2]UrmsonC,AnhaltJ,BagnellD,etal.Autonomousdrivinginurbanenvironments:Bossandtheurbanchallenge[J].JournalofFieldRobotics,2008,25(8):425-466.[3]MertzC,Navarro-SermentLE,MacLachlanR,etal.Movingobjectdetectionwithlaserscanners[J].JournalofFieldRobotics,2013,30(1):17-43.[4]程健，項志宇，于海濱等.城市復(fù)雜環(huán)境下基于三維激光雷達實時車輛檢測[J].浙江大學(xué)學(xué)報（工學(xué)版）2014，48（12）：2102-2106[5]吳維一.激光雷達及多傳感器融合技術(shù)應(yīng)用研究[D].長沙:國防科學(xué)技術(shù)大學(xué).2006[6]IBEOAutomobileSensorGmbH,ALASCAUserManual,Version1.2.4,Mar2005.[7]辛煜，梁華為，梅濤等.基于激光傳感器的無人駕駛汽車動態(tài)障礙物檢測及表示方法[J].機器人2014,36（6）654-661[8]趙盼.城市環(huán)境下無人駕駛車輛運動控制方法的研究[D].中國科學(xué)技術(shù)大學(xué)，2012.[9]YangJ,KongB.SparselyConnectedAssociativeMemorywithAdaptiveTopologythroughAnnealedDilution[C]//2012FifthInternationalSymposiumonComputationalIntelligenceandDesign(ISCID).