您的当前位置:首 页 >> 科学探索 >> 电子技术

电子技术

“眼”观六路 “脑”快如电 揭秘无人驾驶汽车怎样“奔跑”起来

来源:南方日报 日期:2018-08-13

  当前,无人驾驶成为新一轮技术和资本追逐的风口。谷歌、百度、沃尔沃、戴姆勒、长安、吉利……无论是传统车企还是互联网企业,都纷纷加入这一研究领域。

  跨界合作也不在少数。如近期梅赛德斯—奔驰与智能硬件厂商英伟达NVIDIA、汽车技术供应商博世BOSCH宣布合作,将推出基于NVIDIA AI技术驱动的无人驾驶汽车。梅赛德斯—奔驰母公司戴姆勒及BOSCH计划于2019年下半年开始在旧金山湾区开展免费无人驾驶汽车共享服务试点项目。

  无人驾驶并不仅仅是巨头的战场。广东初创企业小马智行,成立不到两年即累计完成约2.3亿美元融资。今年2月,小马智行以“全国第一支城区运营、白天黑夜全场景无人驾驶”为亮点的车队在广州南沙试跑,向市民展示了无人驾驶“黑科技”。

  那么,无人驾驶汽车是如何“看见”和“听见”周边的路况?又是如何跑起来的呢?本期科技能见度来为大家揭秘。

  1 怎么“看路”?

  传感器就是汽车的“眼睛”

  无人驾驶汽车与平时路上行驶的普通车辆最大的区别就在于“无人”,那无人驾驶汽车是如何“看到”车辆运行期间的路况呢?

  在硬件方面,以小马智行基于量产车型改装的无人车为例,其车顶装载了一个特殊的装置,看起来就像是机器人Wall—E的头,还会360度旋转。

  “车顶上这个装置是一个激光雷达,它和毫米波雷达、摄像头等传感器一起组成了无人车的‘眼睛’。”小马智行技术总监张宁向记者介绍。

  激光雷达的工作原理是什么呢?记者了解到,以64线激光雷达为例,它在高速旋转的时候会向周围发射64束激光,激光碰到周围的物体会产生反射,通过检测反射回来的光,可以测量出无人车周围许多不同物体形成的点阵,从而创建出物体的3D模型,侦测出汽车的周边环境。

  “激光雷达的优点包括:测距准确,会进行360度扫描,漏检率低,且抗干扰性强;毫米波雷达则在定向长距离检测和捕捉径向速度方面更有优势;摄像头分辨率高,能够很好地捕捉色彩和细节,包括识别路上的信号灯。为了取得更好的识别效果,三者一般会搭配使用。”张宁说道。

  通过这些传感器,没有人为驾驶的汽车也可以清晰“看到”周围物体,并且清楚地掌握它们的大小、距离、速度,通过连续的追踪,从而判断出物体的运动趋势,是否会对车辆的运行造成影响,并作出相应反应,让汽车保持正常行驶状态。

  2 怎样定位?

  卫星信号激光雷达等多管齐下

  “汽车对周围环境‘感知’之后,下一步就是要实现精确到厘米级别的定位,让汽车精准地知道自己在整个世界坐标系上的位置。”张宁介绍,无人驾驶车辆的定位方法有GPS、惯导、视觉和激光雷达地图信息匹配定位等。根据应用场景的不同,定位方法亦有所区别。

  最常见的定位手段是运用卫星信号,但是如果某些地方卫星信号弱的话,就需要惯导系统等其他备用方案了。“惯导系统是通过测量车辆的角加速度和线性加速度,对测得的数据进行积分,从而推算出车辆相对于初始位置的当前位置信息。它的优点在于不太受周围环境的干扰,但是存在累积误差。所以,在这个层面上,我们会再做一层算法,采集了高精度地图之后,通过汽车‘看到’的景象来判断它所在的位置,从而保证不会跑偏。”张宁说道。

  通过摄像头以及激光雷达的地图信息匹配也是定位的一种方法。在无人驾驶的过程中,通过将检测到的数据与事先建立的地图信息进行对比,就可以得到汽车的位置。“就像是你去一个陌生的地方见朋友,通过描述你身边有哪些标志性的建筑,你距离这些物体有多远等信息,你的朋友就能判断出你的位置。”张宁举例道。

  在无人驾驶汽车真正上路之前,技术人员还会提前对测试路段的周边环境进行信息的采集。“每个地方的交通规则可能不一样,所以汽车需要‘识别’出自己位于地图上的哪一条车道、车道的交通规则和限速等,通过采集到的地图信息和当地的交规进行结合,就会形成一个基本的运营地图,通过算法来算出汽车行驶的最佳路径。”

  3 如何决策?

  从监测到反应仅需一两百毫秒

  在行驶中,无人驾驶汽车是如何处理数据的呢?没有人工干预的汽车,又是如何在遇到障碍物或交通信号灯时作出正确反应呢?

  清华大学汽车安全与节能国家重点实验室博士高洪波告诉记者,无人驾驶汽车需要通过“环境感知模块”进行处理。“模块包括道路边界检测、障碍物检测、行人车辆检测、交通标识检测、车道线检测、红绿灯检测与车身状态估计功能。”高洪波说。

  模块就是无人驾驶汽车的“大脑”。通过系统的算法让汽车在极短的时间内做出判断:是该加速、刹车,还是变道、转向。

  “从监测到物体,再到作出反应,人的反应可能需要几秒钟,但是无人驾驶汽车只需要一两百毫秒。”张宁介绍,“汽车通过‘看到’的信息来判断周围物体的运动趋势,从而判断自己下一步的行动,比如是否需要避让或是减速、刹车等,这些决策综合在一起,最后给汽车控制信号,进而控制汽车的刹车、油门和转向等。”

  4 有何难点?

  尚难适用于

  复杂交通场景

  事实上,在港口、码头等特定路况环境下,无人驾驶已不是难题。但在一般城市路面上路,还有技术难点待克服。高洪波指出,难点主要在场景认知、决策控制和人机交互等方面。

  张宁也表示,在无人驾驶汽车的应用场景当中,随机因素越多,技术挑战性越高。就目前来看,实现在城区复杂道路的路面公开测试,对无人驾驶汽车来说还是非常有挑战性的。“比如说路面乱窜的电动车、不遵守交通规则的行人等,这些都是随机因素,汽车需要及时作出正确的反应,背后涉及的算法就很复杂”。

  “良好的安全性和智能性是无人驾驶汽车上路的前提,而一个稳健的软硬件体系构架是实现自动驾驶功能的重要前提。”高洪波表示。

  针对现有技术,高洪波也提出一些不足和改进方向:

  其一是过于依赖特定类型的感知传感器,例如毫米波雷达、摄像头等。“当所依赖的单一传感器不能正常工作时,车辆的环境感知性能将极大退化,不能提供有效的场景认知能力。例如,激光雷达不适用于雨、雪和雾等天气;毫米波雷达不适用于非导电体;可见光摄像头不能用于强光或暗光场景;GPS对卫星信号遮挡高度敏感等。”

  其二,自主决策的智能性尚需提升,难以适用于人车混杂的复杂交通场景,对周围交通参与者的不确定性和随机性认知不足,对未来行为模式和运动轨迹的预测不到位,且难以处理不合交通规则的突发情况。

  其三,现有纵横向控制算法仅用于高附着良好路面,对湿滑道路、强侧向风、大弯道工况等考虑不足,加上传感器噪声、车辆模型失配、执行器不确定性等制约,智能车辆的运动控制性能有待进一步提升。

 

分享按钮