下载掌阅APP，畅读海量书库
立即打开
自动驾驶汽车利用计算机代替人类实现驾驶功能，这就需要在有人驾驶汽车的基础上增加感知定位系统计算平台、控制执行系统等一系列能够实现车辆环境感知、决策与驾驶动作执行的系统。在车辆内部，为了辅助各系统的正常运行，通信总线、控制单元以及整车的电子电气架构都要进行相应的改进甚至重新设计。这些硬件系统共同构成了自动驾驶汽车的硬件平台，如图3-1所示。
激光雷达（Light Detection And Ranging, LiDAR），是一种先进的光学遥感技术，它通过首先向目标发射一束激光，然后根据接收-反射的时间间隔确定目标物体的实际距离。同时结合这束激光的发射角度，利用基本的三角函数原理推导出目标的位置信息。由于激光具有能量密度高、方向性好的特点，激光雷达的探测距离往往能达到100m以上。激光雷达的探测介质是激光射线，使用的波长集中在600～1550nm，远低于传统雷达的波长。激光雷达的精度可达厘米级。激光雷达在自动驾驶运用中拥有两个核心作用：
1）三维建模进行环境感知。通过激光扫描可以得到汽车周围环境的三维模型，运用相关算法比对上一帧和下一帧环境的变化可以较容易地探测出周围的车辆和行人。
图3-1 硬件平台构成
2）SLAM（即时定位与地图构建）加强定位。三维激光雷达的另一大特性是同步建图（SLAM），实时得到全局地图。通过和高精度地图中特征物的比对，可以实现导航及加强车辆定位精度等功能。
LiDAR以线数及距离两大因素为标准，价格从几百美元到几万美元不等。单线激光雷达的应用在我国已相对较广，像扫地机器人使用的便是单线激光雷达。单线激光雷达可以获取二维数据，但无法识别目标的高度信息，而多线激光雷达则可以识别2.5维甚至是三维数据，在精度上会比单线雷达高很多。目前，在国际市场上推出的主要有4线、8线、16线、32线、64线和128线。随着线数的提升，其识别的数据点也随之增加，所要处理的数据量也非常巨大。例如，Velodyne的HDL-32E传感器每秒能扫描70万个数据点，而百度无人车和谷歌无人车配备的Velodyne HDL-64E通过64束的激光束进行垂直范围26.8°、水平360°的扫描，每秒能产生的数据点高达130万。Velodyne HDL-64E激光雷达如图3-2所示，主要由上下两部分组成，每部分都发射32束的激光束，各由两块16束的激光发射器组成，背部包括信号处理器和稳定装置。
图3-2 Velodyne HDL-64E激光雷达
激光雷达的激光发射器线束越多，每秒采集的数据点就越多。线束越多，就意味着激光雷达的造价越昂贵。以Velodyne的产品为例，6线束的激光雷达的价格是16线束的10倍。谷歌无人车、百度无人车使用的均是高端配置的的多线束雷达产品。Velodyne HDL-64E激光雷达单个定制的成本在8万美元左右。目前，Velodyne公司已经开发出了相对便宜的LiDAR传感器版本HDL-32E和HDL-16E。其中HDL-16E由16束激光取代64束激光，支持360°无盲区扫描，牺牲一定的数据规模，每秒只提供30万个数据点。
激光雷达要想实现在无人车上普及应用，首先应降低价格。有两种解决办法：其一是采用低线数雷达配合其他传感器，但需搭配拥有极高计算能力系统的无人车；其二是采用固态激光雷达。现有旋转部件的激光雷达技术较为成熟，国外主流生产厂家为Velodyne和Ibeo。Velodyne采用激光发射、接收一起旋转的方式，产品涵盖16/32/64线；Ibeo采用固定激光光源，通过内部玻璃片旋转的方式改变激光光束方向，实现多角度检测，产品涵盖4/8线。
激光雷达最贵的就是机械旋转部件。固态激光雷达不需要旋转部件，采用电子设备替代，因而体积更小，方便集成在车身内部，系统可靠性提高，成本也可大幅降低。由于缺乏旋转部件，水平视角小于180°，因此需要多个固态激光雷达组合在一起配合使用。
固态激光雷达目前已装入实车，分为三种方案：单激光雷达方案，代表车型有理想L9、蔚来ET7以及飞凡R7等；双激光雷达方案，代表车型有小鹏P5、小鹏G9以及智己L7；第三种就是多激光雷达方案（激光雷达数量≥2），代表车型有极狐阿尔法S HI版、威马M7等车型。
接下来介绍两种具体的固态激光雷达：一是来自Quanergy的固态（Solid State）激光雷达S3，如图3-3所示。S3采取相控阵技术，内部不存在任何旋转部件，仅为一盒名片大小。二是由Velodyne与福特共同发布的混合固态激光雷达VLP-16 PUCK，计划2025年把成本控制在200美元以内。奥迪无人车A7 Piloted Driving就采用了Ibeo和Valeo合作的Scala混合固态激光雷达，在外观上看不到旋转部件，但内部仍靠机械旋转实现激光扫描。Quanergy、Velodyne、麻省理工学院等企业和科研机构都在推进固态激光雷达的研发，其核心在于上游半导体工艺的突破，例如高功率和高波束质量的辐射源、高灵敏度接收技术、产品良率等。如果这些关键指标获得突破，那么固态激光雷达的实用化有机会让成本下降至100美元。固态激光雷达产品由于采用电子方案去除了机械旋转部件，因此具有低成本（几百美元级别）和体积小、可集成至传统车辆外观部件中的特点。
图3-3 Quanergy S3固态激光雷达
在自动驾驶领域，激光雷达被认为是最精准的自主感知手段，其有效感知范围超过120m，而精度可以达到厘米级。但由于现阶段价格高昂，无法部署在量产车上，是目前难以跨越的硬件门槛。
车载摄像头的工作原理：首先采集图像，将图像转换为二维数据；然后对采集的图像进行模式识别，通过图像匹配算法识别行驶过程中的车辆、行人、交通标志等；最后依据目标物体的运动模式或使用双目定位技术，以估算目标物体与本车的相对距离和相对速度。相比其他传感器，自动驾驶车辆上配置的摄像头采集的数据量远大于LiDAR产生的数据量，可以获得最接近人眼获取的周围环境信息。同时，现今摄像头技术比较成熟，使用成本很低。但是，摄像头作为感知工具同样存在缺点。首先，基于视觉的感知技术受光线天气影响较大，在恶劣天气和类似于隧道内的昏暗环境中其性能难以得到保障；其次，物体识别基于机器学习资料库，需要的训练样本很大，训练周期长，也难以识别非标准障碍物；此外，由于广角摄像头的边缘畸变，得到的距离的准确度较低。
从应用方案出发，目前摄像头可划分为单目前视、单目后视、立体（双目）前视和环视摄像头4种。
1）单目前视摄像头一般安装在前风窗玻璃上部，用于探测车辆前方环境，例如道路、车辆和行人等。先通过图像匹配进行目标识别（各种车型、行人、物体等），再通过测量目标物体在图像中的大小估算目标距离。这要求对目标物体进行准确识别，然后建立并不断维护一个庞大的样本特征数据库，保证这个数据库包含待识别目标物体的全部特征数据。如果缺乏待识别目标物体的特征数据，就无法估算目标的距离，导致自动驾驶系统出错。因此，单目前视视觉方案的技术难点在于机器学习模型的智能程度或者模式识别的精度。
2）单目后视摄像头一般安装在车尾，用于探测车辆后方环境，技术难点在于如何适应各种恶劣环境。
3）立体（双目）前视摄像头通过对两幅图像视差的计算，直接对前方景物（图像所拍摄到的范围）进行距离测量，而无须判断前方出现的是什么类型的障碍物。依靠两个平行布置的摄像头产生的“视差”找到同一个物体所有的点，依赖精确的三角测距，就能够算出摄像头与前方障碍物的距离，实现更高的识别精度和更远的探测范围。使用这种方案，需要两个摄像头有较高的同步率和采样率，因此技术难点在于双目摄像头的标定及定位。相比单目，双目的解决方案没有识别率的限制，无须先识别再测量；直接利用视差计算距离精度更高；无须维护样本数据库。双目摄像头的测距精度依赖两个摄像头的安装距离，对安装精度和设备刚性也有比较高的要求。优势在于测距不依赖于检测算法，对障碍物类型不敏感。缺点在于处理规则性物体时容易出现错误。因为检测原理上的差异，双目视觉方案对距离测算所需要的硬件及计算量的要求比单目以及其他感知技术高，这也是双目视觉方案在应用时的一个难点。
4）环视摄像头一般至少包括4个摄像头，分别安装在车辆前侧、后侧、左侧、右侧，实现360°环境识别。感知难点在于镜头的畸变还原与对接。根据自动驾驶不同功能的需要，摄像头的安装位置也有不同。
前视摄像头一般采用视角55°左右的镜头以得到较远的有效距离，双目摄像头需要装在两个位置，成本较单目摄像头贵50%以上。前视摄像头可以实现车道偏离预警、车辆识别应用、车辆识别、行人识别、道路标识识别等ADAS主动安全的核心功能，未来将成为自动紧急制动（AEB）、自适应巡航（ACC）等主动控制功能的信号入口。这种摄像头安全等级较高，应用范围较广，是目前开发的热点。环视使用的是广角摄像头，通常在车四周装备4个进行图像拼接以实现全景图，通过辅助算法可实现道路线感知。后视采用广角或者鱼眼镜头，主要为倒车使用。侧视一般使用两个广角摄像头，完成盲点检测等工作，可代替后视镜，也可由超声波传感器替代。内置使用的同样是广角镜头，安装在车内后视镜处，完成在行驶过程中对驾驶员的闭眼提醒。
车载摄像头需要具备的首要特性是高速采集图像，特别是在高速行驶场合，系统必须能记录关键行驶状况、评估这种状况并实时启动相应措施。在140km/h的速度下，汽车每秒要行驶接近40m的距离。为避免两次图像信息获取间隔期间自动驾驶的距离过长，要求车载摄像头具有不低于30帧/s的影像捕捉速率。有些汽车制造商甚至提出了60帧/s和120帧/s的要求。在功能上，车载摄像头需要在复杂的运动路况环境下保证采集到稳定的数据。具体要求如下：
1）高动态：在环境较暗或物体明暗差异较大时仍能实现识别，要求摄像头具有高动态的特性。
2）中低像素：为降低计算处理的负担，摄像头的像素并不需要非常高。目前30万～120万像素已经能满足要求。但前视摄像头为了实现远距离物体成像，需要更多像素，200万～500万甚至更高像素成为发展趋势。
3）视角及视距：对于环视和后视摄像头，一般采用视角为135°以上的广角镜头，前置摄像头对视距要求更大，一般采用55m的范围。
同时，相比工业级和消费级摄像头，车载摄像头在安全级别上要求更高，尤其是对前置镜头的安全等级要求更高，主要体现如下。
1）温度要求：车载摄像头工作温度范围在-40～80℃。
2）防磁抗振：汽车起动时会产生极高的电磁脉冲，车载摄像头必须具备极高的防磁抗振能力以及极低的对外电磁辐射。
3）较长的寿命：车载摄像头要求至少满足8～10年的稳定工作。
毫米波雷达通过发射毫米波波段的电磁波并接收反射信号来测定汽车车身周围的物理环境信息（如汽车与其他物体之间的相对距离、相对速度、角度等），感知系统根据所探知的物体信息进行目标追踪和识别分类，进而结合车身动态信息进行数据融合，完成合理决策。
毫米波的频段范围为30G～300GHz，波长为1～10mm，介于厘米波和光波之间。毫米波雷达可以检测30～100m远的物体。同时，毫米波雷达受天气状况影响较小，即使是雨雪天也能正常运作，穿透雾、烟、灰尘的能力强；具有全天候、全天时的工作特性，且探测距离远，探测精度较高，因此被广泛应用于距离探测场景，如自适应巡航、碰撞预警、盲区探测等。
相比机械式激光雷达，毫米波雷达精度略低、可视范围角度偏小，一般需要多个雷达组合使用。毫米波雷达传输的是不可见的电磁波，因此它无法检测上过漆的木头或是塑料，行人的反射波也较弱。同时，毫米波雷达对金属表面非常敏感，一个弯曲的金属表面会被误认为是一个面积很大的表面。因此，马路上的一个小小的易拉罐甚至也可能被毫米波雷达判断为大型路障。此外，毫米波雷达在隧道里的效果同样不佳。
毫米波雷达的工作频率主要有24GHz、60GHz、77GHz和79GHz等，主流工作频率为24GHz和77GHz，分别应用于中短距和中长距测量。相较24GHz，77GHz毫米波雷达对物体分辨的准确度可提高2～4倍，测速和测距精确度提高3～5倍，能检测行人和自行车，且设备体积更小，更便于在车辆上安装和部署。长距离雷达的侦测范围更广，可适配行驶速度更快的车辆，但是相应地探测精度下降，因此更适用于自适应巡航（ACC）这类的应用。
为完全实现自动驾驶辅助系统的各项功能，一般需要配置“1长+4中（短）”一共5个毫米波雷达，以自适应巡航功能为例，一般需要3个毫米波雷达，在车正中间安装一个77GHz的长距离雷达（LRR），探测距离150～250m，视角为10°左右；车两侧各安装一个24GHz的中距离雷达（MRR），视角都为30°，探测距离在50～70m。
电磁波频率越高，可探测距离越远，速度的检测解析度越高。1997年，欧洲电信标准学会确认将76G～77GHz作为防撞雷达专用频道。早在2005年，在原信息产业部发布《微功率（短距离）无线电设备的技术要求》中，将77GHz划分给车辆测距雷达。2012年，工信部进一步将24GHz划分给短距车载雷达业务。2015年，日内瓦世界无线电通信大会将77.5G～78.0GHz频段划分给无线电定位业务，以支持短距离高分辨率车载雷达的发展，从而使76G～81GHz都可用于车载雷达，为全球车载毫米波雷达的频率统一指明了方向。最终，车载毫米波雷达将会统一于77GHz频段（76G～81GHz），该频段带宽更大、功率水平更高、探测距离更远。
自动驾驶车辆依赖于两种主要信息：汽车位置和行驶速度，收集这些信息需要整合多种复杂技术，其中全球导航卫星系统（Global Navigation Satellite System, GNSS）起主要作用。当自动驾驶汽车拥有高精度的位置信息之后，就可以与高精度地图进行匹配，从而实现自动驾驶功能。GNSS也能为车载传感器的时间同步或者导航提供最基础的时空信息。
目前世界上著名的卫星导航系统有美国的全球定位系（Global Positioning System, GPS）、俄罗斯的全球导航卫星系统（Global Navigation Satellite System, GLONASS）、中国的北斗卫星导航系统（Beidou Navigation Satellite System, BDS）以及欧盟伽利略（Galileo）系统。
通过基于卡尔曼滤波的传感器融合技术，我们可以融合GPS与IMU数据。结合GPS的定位精度高、误差无积累的特点，与IMU的自主性和实时性的优点，一方面可以实现导航设备之间优势互补，增强系统动态适应的能力，并使整个系统获得优于局部系统的精度；另一方面可以提高空间和时间的覆盖范围，从而实现真正意义上的连续导航。因此，GPS/IMU组合的优势有以下几点。
1）系统精度的提高。利用GPS的长期稳定性弥补IMU误差随时间累积的缺点。GPS/IMU组合后的导航误差要比单独的GPS或单独的惯导系统可能达到的误差都小。
2）系统抗干扰能力的增强。利用IMU的短期高精度弥补GPS系统易受干扰、信号易失锁等缺点，同时借助IMU的姿态信息、角速度信息，可进一步提高GPS快速捕获或重新锁定卫星信号的能力。
3）导航信息的补全。GPS/IMU组合系统与单GPS相比，除了可以提供载体运动的三维位置和速度信息外，还可提供加速度、姿态和航向信息；GPS/IMU组合系统可提供100Hz甚至更高的数据更新率。
IMU惯性器件的标定技术由于加速度计、陀螺仪等惯性器件本身存在缺陷，会产生一些器件误差，如标度因数误差等。另外，在对IMU进行集成时，各个器件之间的非正交安装会引起交叉耦合误差。以上这些误差可以通过器件标定加以补偿，以提高其精度。