“眼”观六路 “脑”快如电 揭秘无人驾驶汽车怎样“奔跑”起来

目前，无人驾驶已经成为新一轮技术和资金追逐的风口。谷歌、百度、沃尔沃、戴姆勒、长安、吉利...传统汽车公司和互联网公司都加入了这一研究领域。

跨境合作并不少见。例如，梅赛德斯-奔驰最近宣布与智能硬件制造商英伟达(NVIDIA)和汽车技术供应商博世(BOSCH)合作，推出一款由英伟达技术驱动的无人驾驶汽车。梅赛德斯-奔驰母公司戴姆勒和博世计划于2019年下半年在旧金山湾区启动一个免费无人驾驶汽车共享服务试点项目。

无人驾驶不仅仅是巨人的战场。广东初创企业小智兴成立不到两年，已累计融资约2.3亿美元。今年2月，小马之星的车队在广州南沙行驶，向公众展示了无人驾驶的“黑色技术”，该车队的特点是“全国首个城市无人驾驶，日夜兼程”。

那么，无人驾驶汽车如何“看到”和“听到”周围的路况呢？你怎么跑的？这个科学技术可见性的问题揭示了每个人的秘密。

如何“看路”？

传感器是汽车的“眼睛”。

无人驾驶汽车和路上普通汽车的最大区别在于它们是“无人驾驶的”。无人驾驶汽车在行驶过程中如何“看到”路况？

在硬件方面，以Masao Zhixing基于大规模生产模型改造的无人驾驶汽车为例，其车顶装有一个特殊装置，看起来像机器人WALL-E的头部，可以旋转360度。

屋顶上的设备是激光雷达，它与毫米波雷达和照相机等传感器一起构成无人驾驶车辆的“眼睛”马之星的技术总监张宁向记者介绍。

激光雷达的工作原理是什么？记者了解到，例如，64线激光雷达在高速旋转时向周围发射64束激光，当激光接触周围物体时会反射。通过检测反射光，可以测量由无人驾驶车辆周围的许多不同物体形成的网格，从而创建物体的3D模型并检测车辆的周围环境。

“激光雷达的优点包括:精确测距、360度扫描、低失败率和抗干扰能力强。毫米波雷达在定向远距离探测和捕获径向速度方面更具优势。该相机分辨率高，能很好地捕捉颜色和细节，包括识别路上的交通灯。为了获得更好的识别效果，这三者一般会一起使用。”张宁说道。

通过这些传感器，无人驾驶的汽车可以清楚地“看见”周围的物体，并清楚地掌握它们的大小、距离和速度。通过连续跟踪，可以判断物体的运动趋势，判断其是否会影响车辆的运行，并做出相应的反应，使车辆保持正常运行状态。

如何定位？

卫星信号激光雷达和其他多管齐下的方法

“汽车“感知”周围环境后，下一步是实现精确定位到厘米级，这样汽车就可以准确地知道它在整个世界坐标系中的位置。”张宁介绍，无人机的定位方法包括全球定位系统、惯性导航、视觉和激光雷达地图信息匹配与定位。根据不同的应用场景，定位方法也不同。

最常见的定位方法是使用卫星信号，但是如果卫星信号在某些地方很弱，则需要其他的备用方案，例如惯性导航系统。惯性导航系统通过测量车辆的角加速度和线性加速度并对测量数据进行积分来计算车辆相对于初始位置的当前位置信息。它的优点是不太受周围环境的干扰，但有累积误差。因此，在这一层，我们将做另一层算法，在收集到高精度地图后，我们将通过汽车的“看”来判断它的位置，以确保它不会偏离。”张宁说道。

通过相机和激光雷达进行地图信息匹配也是一种定位方法。在无人驾驶的过程中，可以通过将检测到的数据与预先建立的地图信息进行比较来获得汽车的位置。“这就像你去一个陌生的地方见你的朋友，你的朋友可以通过描述你周围的标志性建筑以及你离这些物体有多远来判断你的位置。”张宁举了一个例子。

在无人驾驶汽车真正上路之前，技术人员还会提前收集测试区域周围环境的信息。“每个地方的交通规则可能不同，所以汽车需要‘识别’它位于地图上的哪个车道，车道的交通规则和速度限制等。通过将收集的地图信息与当地交通规则相结合，将形成一个基本的操作地图，并通过该算法计算出汽车行驶的最佳路线。”

如何做决定？

从监测到反应，只需要1200毫秒。

无人驾驶汽车在驾驶时如何处理数据？当遇到障碍或交通灯时，没有人干预的汽车如何正确反应？

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“环境意识模块”来处理。该模块包括道路边界检测、障碍物检测、行人和车辆检测、交通标志检测、车道线检测、交通灯检测和身体状态估计功能高洪波说道。

模块是无人驾驶汽车的“大脑”。通过系统的算法，汽车可以在很短的时间内做出判断:是加速、刹车、变道还是转弯。

“从监控物体到做出反应，一个人的反应可能需要几秒钟，但无人驾驶汽车只需要1200毫秒。”张宁说，“汽车将通过‘看到’的信息来判断周围物体的运动趋势，从而判断其下一步的动作，如是否需要避让或减速、刹车等。这些决策被综合在一起，最终给汽车发出控制信号，从而控制汽车的刹车、油门和转向等。”

有什么困难？

很难申请

复杂的交通场景

事实上，在某些道路条件下，如港口和码头，无人驾驶不再是一个难题。然而，在一般城市的道路上仍有技术困难需要克服。高洪波指出，难点主要在于场景认知、决策控制和人机交互。

张宁还表示，在无人驾驶汽车的应用场景中，随机因素越多，技术挑战就越高。目前，无人驾驶汽车在城市复杂道路上实现道路的开放测试仍是一个很大的挑战。例如，在路上跑来跑去的电动汽车和不遵守交通规则的行人都是随机因素。汽车需要及时做出正确的反应，而它们背后的算法非常复杂。”

“良好的安全性和智能性是无人驾驶汽车上路的先决条件，而强大的软硬件架构是实现自动驾驶功能的重要先决条件。”高洪波说道。

针对现有技术，高洪波还提出了一些不足和改进方向:

一是过于依赖某些类型的传感传感器，如毫米波雷达、照相机等。“当依赖的单个传感器不能正常工作时，车辆的环境感知性能将大大降低，并且不能提供有效的场景感知能力。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体。可见光摄像机不能用于明亮或黑暗的场景；全球定位系统对卫星信号遮挡等非常敏感。”

其次，自主决策的智能性有待提高，难以应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识不足，对未来行为模式和运动轨迹预测不足，难以应对不符合交通规则的突发情况。

第三，现有的纵向和横向控制算法仅用于高附着力和良好的路面，没有充分考虑湿滑路面、强侧风、大弯道工况以及其他约束，如传感器噪声、车辆模型失配、执行器不确定性等。因此，智能车辆的运动控制性能需要进一步提高。