無人駕駛傳感器系統的發展現狀及未來展望

蔣婷

（北京市海淀區清河街道小營西路20號，北京 100081）

隨著互聯網和人工智能的進步，無人駕駛技術飛速發展，已成為社會的熱點研究方向。在2017未來論壇年會上，前谷歌全球副總裁、創新工場董事長兼首席執行官李開復在演講中表示，“未來智能交通最大的阻礙是人類，但無人駕駛技術的應用將打破人類對智能交通的阻礙?！笨梢钥闯?，無人駕駛技術被寄予厚望，具有非常大的商業潛力。

1 無人駕駛技術的概述

無人駕駛是指以計算機為中心所構建的智能系統，賦予汽車環境感知、路徑規劃、車輛自動控制的能力，或者通俗地說，無人駕駛汽車是一類能夠實現智能駕駛的汽車。它利用車載傳感器來感知車輛的周邊環境，包括道路信息、行人信息、指示牌信息等，然后根據所獲得的信息對車速和轉向進行控制，從而安全、可靠地在道路上行駛。從另一個角度說，無人駕駛汽車是一種簡單的輪式機器人，通過對周圍障礙物的動態分析和對路況、路徑的分析來實現仿人類駕駛。

根據美國國家公路交通安全管理局在2013年發布的文件，自動駕駛可以分為5個等級：

L0：無自動化，需要駕駛員進行道路觀察、汽車駕駛、汽車控制等操作；

L1：具有自動化的單一功能，為駕駛員提供技術支援，比如常見的自適應巡航、車道保持、自動緊急剎車等，此時駕駛員需要對行車安全進行負責；

L2：具有多個自動化功能，此時駕駛員與汽車分享控制權，駕駛員可以在某些預設條件下不操作汽車，但需要隨時準備接管汽車控制權；

L3：有條件的無人駕駛，在簡單道路環境下，比如高速公路或人流較少的城市路段，汽車可以自動駕駛并承擔安全責任，此時駕駛員仍需要在某些條件下干預汽車駕駛；

L4：為無人駕駛的最高等級，此時已完全實現自動化，不需要駕駛員的任何操作，只需起點和終點位置，汽車就能抵達并負責行車安全。

綜上所述，無人駕駛的終極目標為L4級自動駕駛。目前的無人駕駛或自動駕駛技術都是通過雷達和攝像頭捕捉汽車周邊的環境數據，將數據轉化為信息后，傳輸給計算機，然后計算機根據人工智能技術和電子地圖對汽車當前的狀況進行分析，作出最優判斷。但從軟硬件等方面考慮，目前的無人駕駛還處于較為低級的水平，大部分車企能夠實現L2級自動駕駛，少部分車企（比如特斯拉）能達到自動駕駛L3級水平。

2 無人駕駛傳感系統的概述

無人駕駛的研究目標是能夠實現汽車的全自動駕駛，就必須依賴于高質量的硬件系統，特別是高精度、高準確性的傳感器系統。無人駕駛傳感系統主要包括以下幾個部分。

（1）導航系統。導航系統包括車輛定位、路徑規劃、路徑指導等多個模塊，能夠協助車輛在陌生的環境中準確駕駛?，F如今，導航系統多已經實現實時更新，能夠向駕駛員播報當前道路的擁堵狀況，從而能夠有效減少交通堵塞，降低交通事故的概率。

（2）定位系統。定位系統通過多種傳感器與GPS相結合來實現車輛位置的精確定位，能夠為汽車運動測量提供最基礎的數據，是路徑規劃、路徑指導等其他功能的前提和基礎。

（3）機器視覺系統。機器視覺系統通常包括彩色相機、三維激光攝像頭和雷達這3部分，能夠對汽車行駛的周圍情況進行近距離勘測，用于校正導航系統和定位系統的計算結果，從而確保行車安全。

（4）交通標志識別系統。該系統通常采用計算機視覺技術來實現，有時也會集成在機器視覺系統中。交通標志識別系統由彩色相機和控制中心組成，相機對道路兩旁和道路上方進行實時拍攝，并將圖像傳輸到控制中心；控制中心可以基于圖像特征（比如顏色、形狀等）進行交通標志牌的檢測，并將結果傳遞至無人駕駛控制中心，輔助車輛的行駛決策。

（5）動態避障系統。動態避障系統能夠判斷車輛前方是否存在障礙物、障礙物是運動還是靜止，并在運動的車輛坐標系中計算障礙物的絕對坐標和運動軌跡，判斷障礙物的運動方向、運動趨勢，最終交由控制中心選擇合適的避障策略。

3 無人駕駛傳感器系統的發展現狀

（1）導航系統。好的導航系統無疑是無人駕駛的基礎。目前，GPS系統發展迅速，在民用層面的精度能夠達到5m以內，是實現導航系統中路線規劃功能的技術基礎。隨著互聯網技術的發展，大數據、云計算等新興技術也被應用在無人駕駛導航系統中，用來實時監控氣候數據和路面情況，從而做出最省時、最便捷、最安全的道路規劃。

（2）定位傳感器系統。①差分GPS定位系統。傳統的定位系統由于受到大氣的密度、電離層、對流層、傳播延遲等因素的干擾，不能全天候準確地進行定位。如今應用最廣泛的定位系統是差分GPS定位系統。該系統通過4個衛星在不同位置對汽車進行定位，再將位置信息發送到地面上的同一個基站，再由這個基站發射信號追蹤汽車的位置進行修正。差分GPS定位系統能夠使用信息反饋來避免定位中的噪聲干擾和誤差，使得定位精度有了很大提高，可以達到cm級。但是，基于GPS的定位方法受環境的影響較大，高樓、樹木、隧道都會屏蔽GPS信號，汽車在高樓林立的城市中行駛時很容易造成定位的偏差，因此還需其他傳感系統輔助。另外，由于GPS的更新頻率低（10Hz），在車輛快速行駛時很難給出精準的實時定位。②慣性傳感器。慣性傳感器是可以檢測和測量加速度、傾斜、沖擊、振動、旋轉和多自由度運動的傳感器，是解決導航、定向和運動載體控制的重要部件。基礎的慣性傳感器通常由加速度計與角速度計組成，在對慣性傳感器數據進行處理后，可以實時得出車輛的位移與轉動信息，但慣性傳感器自身也存在偏差與噪音較大的問題。

因此，在實際應用過程中，多使用基于卡爾曼濾波的傳感器融合技術，融合GPS與慣性傳感器數據，以達到較好的定位精度。另外，有的學者和公司還會使用激光點云與高精地圖匹配、視覺里程計算等定位方法，讓多種定位方法互相糾正，以達到更精準的效果。

（3）機器視覺傳感器。一些無人駕駛汽車的機器視覺傳感器系統由車頭兩側的長距攝像頭、車身四角的短距雷達組成。短距雷達可以迅速偵測車輛周圍的動態事物，避免交通事故；車前擋風處的攝像頭負責識別交通標志，后擋風處的攝像頭拍攝街景，通過與導航中的地形對比和辨別來確定車輛的精確位置。

（4）交通識別系統。當前交通信號識別系統能夠通過相機拍照識別出是圖形信號，還是箭頭型信號。若是圖形信號燈，進行顏色識別、顏色驗證、狀態識別、輸出結果；若是箭頭性信號燈，進行顏色和方向的驗證、狀態識別，最后輸出結果。

（5）動態避障系統。動態避障系統的關鍵在于對障礙物的路徑追蹤，而目前激光雷達所感知的只是較為靜態的路面環境問題，不能夠實時追蹤障礙物的路徑，因此當前的傳感器技術仍處于發展的基礎階段。

4 無人駕駛傳感器的未來發展方向

（1）傳感器的材料。無人駕駛汽車不僅要在炎熱的赤道地區工作，也要經受住極地的嚴寒考驗，所以傳感器的材料需要耐高溫、耐寒，能夠應對極端環境。這對傳感器材料的研發提出了要求，是未來傳感器發展的重要方向。

（2）傳感器的靈敏度。2016年5月，美國1輛特斯拉轎車在自動駕駛模式下與1輛正在左轉的卡車相撞，造成駕駛員不幸遇難。在之前的2016年1月，我國也發生了一起特斯拉轎車的自動駕駛死亡事故。上面的案例說明，現在的傳感器系統還并未達到十分完美的程度，在大風、大霧、暴雨等極端天氣下，雷達、攝像頭的感知效果容易受到影響，并且由于色彩飽和度與晴天時不一樣，交通信號燈的識別也會受到相應的影響。未來傳感器會向更高靈敏度的方向發展，能夠應對各種突發情況。

（3）視覺傳感器的進一步應用。人們通過眼睛獲取到的信息約占信息總量的80%。目前，計算機視覺技術發展迅速，已經逐步實現產品化、實用化，鏡頭、高速相機、光源、圖像軟件、圖像采集卡、視覺處理器等相關的產品功能日益完善。無人駕駛中，可以應用視覺傳感器實現視覺定位、視覺導航、目標檢測、目標識別等。

5 結語

隨著技術的進步，無人駕駛得到飛速發展。本文介紹了無人駕駛汽車的傳感器系統的主要部件，以及各傳感器系統的發展現狀及方向。雖然無人駕駛仍面臨多種技術性和非技術性的挑戰，需要從業者完善無人駕駛技術體系和相關法規法律體系；但是無人駕駛已經成為汽車行業的發展趨勢，在未來必定會成為我們生活的一部分，真正實現智能交通。