自動駕駛汽車基礎技術解析

全智能化

智能車（Intelligent vehicle）是一個集環境感知、規劃決策、多等級輔助駕駛等功能于一體的綜合系統，它集中運用了計算機、現代傳感、信息融合、通訊、人工智能及自動控制等技術，是典型的高新技術綜合體。

如下圖所示，給自動駕駛技術做一個總的分類，其關鍵技術依次可以分為環境感知，行為決策，路徑規劃和運動控制四大部分。

感知技術

自動駕駛的第一步就是環境信息和車內信息的采集與處理，是智能車輛自主行駛的基礎和前提。獲取周圍的環境信息。這方面涉及到道路邊界檢測、車輛檢測、行人檢測等技術，即上面各位所說的傳感器技術，所用到的傳感器一般都會有激光測距儀、視頻攝像頭、車載雷達、速度和加速度傳感器……這部分也是一臺智能車輛最燒錢的部分，現在國內各大高校里動輒上百萬甚至幾百萬的試驗車，都是基于普通的轎車開發的，車子本身并不十分貴。但是感知技術并不是說我有錢加裝個上百萬的雷達，搞幾個高清攝像頭就可以的，由于各個傳感器在設計的時候有各自的局限性，單個傳感器滿足不了各種工況下的精確感知，想要車輛在各種環境下平穩運行，就需要運用到多傳感器融合技術，該技術也是環境感知這一大類技術的關鍵技術所在，目前國內這方面和國外的主要差距也集中在多傳感器融合方面。

決策技術

在輔助駕駛或者自動駕駛技術中，完成了感知部分，接下來需要做的是，依據上一步感知系統獲取的信息來進行決策判斷，確定適當工作模型，制定相應控制策略。這部分的功能類似于給車輛下達相應的任務。例如在車道保持、車道偏離預警、車距保持，障礙物警告等系統中，需要預測本車與其他車輛、車道、行人等在未來一段時間內的狀態，先進的決策理論包括模糊推理、強化學習、神經網絡和貝葉斯網絡技術等。

路徑規劃

智能車輛有了行駛任務，智能車輛的路徑規劃就是在進行環境信息感知并確定車輛在環境中位置的基礎上，按照一定的搜索算法，找出一條可通行的路徑，進而實現智能車輛的自主導航。

路徑規劃的方法根據智能車輛工作環境信息的完整程度，可分為兩大類：

基于完整環境信息的全局路徑規劃方法；例如，從上海到北京有很多條路，規劃處一條作為行駛路線即為全局規劃。如柵格法、可視圖法、拓撲法、自由空間法、神經網絡法等靜態路徑規劃算法。

基于傳感器實時獲取環境信息的局部路徑規劃方法；例如，在全局規劃好的上海到北京的那條路線上會有其他車輛或者障礙物，想要避過這些障礙物或者車輛，需要轉向調整車道，這就是局部路徑規劃。局部路徑規劃的方法包括：人工勢場法、矢量域直方圖法、虛擬力場法、遺傳算法等動態路徑規劃算法等。

運動控制

規劃好了行駛路徑，接下來就需要控制車輛沿著期望的軌跡行駛，這就是運動控制部分需要完成的內容。運動控制包括橫向控制和縱向控制，簡單來說橫向控制就是轉向控制，縱向控制就是速度控制，現在研究比較多的是橫向控制，所運用的方法主要包括滑膜控制、模糊控制、神經網絡控制、最優控制、自適應控制和純跟蹤控制等。通俗的講就是，橫向控制為給定一個速度，通過控制轉向達到車輛沿著預定軌跡行駛的目的；而縱向控制目的是為了滿足車輛行駛過程中的速度要求，有時候還需要配合橫向控制達到滿足車輛在軌跡跟蹤的同時，還需要滿足安全性、穩定性和舒適性的目的。因為車輛是一個特別復雜的系統，橫向、縱向和垂向都有耦合關系的存在，因此就需要對智能車輛進行橫、縱向，甚至橫、縱、垂向的協同控制。由于其耦合關系的復雜性，所以說智能車輛運動控制的協同控制技術，也是該部分的技術難點。

鏈接：百度自動駕駛汽車在雄安上路

2017年12月20日，百度公司與河北雄安新區管委會簽署戰略合作協議，雙方將在智能出行、對話式AI應用、云基礎設施等多個領域展開深度合作，共同將雄安新區打造為AI-City智能城市。

在共建雄安AI-City上，百度將發揮在人工智能、大數據、無人車、云計算等多個領域的技術與應用優勢，以自動駕駛、對話式人工智能為重點推動包括智能交通、智能出行、智能家居、智能教育、智能安防、智能醫療、智能環保、智能支付、智能投顧等智能產業與服務在雄安的試點。

同時在雄安新區支持下，百度將與雄安共同打造“智能公交+無人駕駛”智能出行試點。當天，Apollo第一屆理事會在雄安新區召開，理事會成員一起探索城市無人車的發展、管理，未來將與雄安共同推動相關法規、政策的制定，探尋可復制、可推廣的無人駕駛示范模式。Apollo自動駕駛車隊在當日也首次在雄安亮相。

Apollo自動駕駛車隊在雄安道路上順利開跑，為無人車在雄安運營積累技術和經驗，也預示著一座“解放雙手”的未來出行之城即將誕生。

此次測試車輛車頂安裝了車頂激光雷達，車輛通過激光雷達和攝像頭可以對路上的行人車輛加以識別，并在車內的屏幕上實時顯示：黃色方框代表行人、綠色代表車輛；相應顏色的線條代表智能系統預測的行人或車輛行駛的軌跡。車身上方還安裝了四個焦距不同的高清相機，能觀察到前面不同視角的紅綠燈，并通過圖像識別技術檢測紅綠燈的情況。