瞭解無人駕駛汽車原理

無人駕駛汽車

無人駕駛汽車，又稱自動駕駛汽車或輪式移動機器人，是一種運輸動力的無人地面載具。咱們理想的無人駕駛汽車是無需人類操做即能從地點A行駛到地點B，無論途中環境多複雜天氣多惡劣都由機器本身完成。無人駕駛汽車的核心在於無人駕駛技術，若是說汽車工業是製造業的皇冠，那麼無人駕駛技術就是皇冠上的明珠。

無人駕駛汽車須要多門技術整合才能實現，它並不是是一項單一的新技術，其中包括雷達、激光雷達、攝像頭、GPS、計算機視覺、決策系統、操做系統、高精地圖、實時定位、機械控制、能耗散熱管理等等。儘管無人駕駛汽車看起來很科幻，但實際上夢想正在照進現實。

無人駕駛分級

針對無人駕駛汽車自動化的程度通常能夠分爲6個級別，按照自動化程度從低到高順序分別爲Level 0 到Level 5。

• Level 0：無任何自動化駕駛功能，行駛過程徹底依靠人類司機控制汽車，包括汽車啓動、行駛過程當中的各類環境情況的觀察、各類操做決策等等。簡單來講，須要人類控制駕駛的汽車都屬於這個級別。
• Level 1：單一功能自動化，行駛過程當中將部分控制權交給機器管理，可是司機仍然須要把控總體。好比自適應巡航、應急剎車輔助、車道保持等等。司機手腳不能同時脫離控制系統。
• Level 2：部分自動化，行駛過程當中司機和汽車共享汽車控制權，在某些預設環境下司機可以徹底脫離控制系統，但司機須要隨時待命，且須要在短期內接管汽車。
• Level 3：有條件自動化，在有限狀況下實現自動行駛。好比在高速路上機器徹底負責整個汽車的操控，司機能夠徹底徹底脫離控制系統，司機須要隨時待命，但有足夠的預警時間。
• Level 4：高度自動化，在特定道路限定下行駛過程當中無需司機介入。司機僅須要設置好起點和終點便可，剩下的交由汽車自行控制。
• Level 5：徹底自動化，在任何環境中行駛都無需司機介入。司機僅須要設置好起點和終點便可，剩下的交由汽車自行控制。

無線雷達

無線雷達（Radio Detection and Ranging）是汽車上很常見的組件，它的工做原理是發射出無線電波後通過遠處物體將無線電波反射回來從而達到探測效果。經過無線雷達可以得到物體的數量、大小、運動速度、運動方向等等信息，在無人駕駛領域它常常被用於自適應巡航和自動緊急制動場景。

雷達向目標區域發出無線電波，某個物體將無線電波反射回來，便可以計算二者之間的距離。距離d=c⋅t/2，其中t爲從無線電波發射到反射回來的時間間隔，c爲光速（3⋅10的八次方米每秒）。

雷達可用來識別數百碼以外的物體，而且可以檢測它的大小及運動速度。但它不可以捕獲到物體的細節。

激光雷達

激光雷達LiDAR(Light Detection and Ranging)，即激光探測及測距系統，是以發射激光束來探測物體的雷達系統。其工做原理是向目標物體發射大量激光束探測信號，而後接收器處理目標反射回來的信號便可得到目標的有關信息，好比目標的距離、方位、高度、速度、姿態、甚至形狀等信息。無人駕駛汽車的激光雷達通常都安裝在車頂上，不斷地高速旋轉對周圍環境進行掃描，經過它可以獲得周圍物體的三維信息。

激光雷達的測量原理相對比較簡單，好比下圖中車上的激光雷達向目標物體發出一束激光，就能夠經過光速來計算距離了，而加上光束的角度後則能獲得更多指標。

對於實際立體物體，經過激光雷達對整個物體掃描就可以造成3D點雲。激光雷達對目標發射出多個光束，接收器接收反射回來的光束後對信號進行處理，從而造成3D點雲。

激光雷達提供了比無線雷達更高分辨率的解決方案，能比無線雷達捕獲更多信息。激光雷達造價貴，運行時須要不停旋轉，同時它沒法在多霧多塵的天氣工做。

攝像頭

爲了捕獲更多的圖像細節，咱們須要在無人駕駛汽車上增長攝像頭，好比要識別公路上的路標。攝像頭可以獲得無人駕駛汽車周圍最準確的視圖，提供了最高分別率圖像。攝像頭受天氣影響很大，好比晚上攝像頭就影響很大。

對於捕獲到的圖像，要識別裏面的物體就須要機器學習來加持。而目前流行的圖像識別使用的都是深度學習，核心就是卷積神經網絡。前面的神經網絡工做原理章節和深度學習原理章節已經講解了相關的原理，因此經過深度卷積神經網絡是對攝像頭收集的圖像進行處理的核心。

無人車通過攝像頭捕獲的鏡頭經過深度學習可以識別出圖像中包含的物體，好比行人、行車、交通路標等等。對應計算機視覺的物體檢測與物體分類任務，經典的算法包括R-CNN、Faster R-CNN、SSD、YOLO等等。

超聲波雷達

除了以上傳感器外，無人駕駛汽車通常還會安裝有超聲波雷達。超聲波雷達又稱倒車雷達，很明顯它主要是爲倒車作輔助的。它的工做原理是經過超聲波發射裝置向外發射超聲波，而後經過接收器接收反彈回來的超聲波，根據時間差來計算距離。距離d=343⋅時間/2，其中343位聲波速度，343m/s。超聲波雷達的探測範圍通常在幾米之內，探測精度較高，適合用於泊車。

GPS

GPS是最經常使用的定位技術，在無人駕駛汽車中會經過其進行定位。GPS的更新頻率爲10Hz，因此它缺少實時性。此外，GPS民用版的偏差能達到好幾米，因此徹底靠GPS進行定位導航很是容易致使交通事故。

GPS的定位使用了三邊測量法，衛星與接收裝置之間的距離經過傳輸時間來測量距離，而後經過多顆衛星的位置便可以計算接收裝置的位置，GPS通常會使用4顆以上的衛星來定位接受裝置的3D位置信息。

下面經過一個例子來理解2D的三邊測量法，好比你的位置與A衛星的距離爲100km，則你可能的位置是在以A衛星爲中心的一個圓上。

接着你又向另一個衛星B發出無線信號，測量的距離時75km，則此時你的位置有兩種可能，就是兩個圓的相交點。

最後向衛星C發出無線信號，測量得出的距離爲200km，此時三個圓的相交點就能惟必定位一個位置，這個位置便是你的位置。也就是說三個衛星就能肯定一個平面上的點，只要座標系創建起來便能獲得詳細的xy值。

高精地圖

高精地圖是無人駕駛汽車重要的支撐，它包含了大量的行車輔助信息，除了能提供精確的定位外，它還能作智能避讓、智能調速等等。高精地圖能爲無人車提供靜態的感知能力，爲無人車提供全局視野，好比道路、交通、基礎設施等信息。

咱們如今平常使用的電子地圖爲傳統電子地圖，它能用於查詢地點和導航，主要面向人類駕駛員。而高精電子地圖則能提供比傳統電子地圖更多的信息，主要面向無人車。無人車車身上的傳感器能收集到的主要信息範圍都很是有限，而經過高精電子地圖則可以將無人車的感知能力範圍大大延伸，並且可以獲得更多準確的信息。

高精地圖包含了不少輔助信息。好比包括車道的位置、寬度、斜度、類型、曲率等等公路數據信息。好比包括交通標識、信號燈、障礙物、道路限高、防禦欄、樹、圍欄、地標等等環境數據信息。若是進一步對高精電子地圖的模型進行抽象，則能夠獲得更多無人車與車道、交通、基礎設施之間的信息。

相比於GPS，高精電子地圖可以實現比GPS高10倍以上的精度，GPS精度通常在幾米，而高精地圖與傳感器協做則能使精度達到釐米級別。

慣性測量裝置

慣性測量裝置（IMU）是一種測量加速度與角速度的傳感器。無人車通常使用的是中低級慣性傳感器，更新頻率爲1kHz，價格爲幾千塊。慣性能協助無人車進行定位，但由於它的偏差會隨着時間而累積，因此只能用於很短期內的定位。

爲了方便理解慣性測量裝置的加速度，咱們能夠將加速度計想象成一個箱子裏面懸浮着一個球，它們處於無重力的太空中。當咱們向左邊施加一個重力加速度（1g）時，球會向X-方向的壁平面產生1g的壓力，而後咱們就可以測量到x軸上的加速度爲-1g。

慣性測量裝置還包含了角速度測量功能，陀螺能夠繞着支點進行三個自由度的轉動。以下面的陀螺儀中間有一根豎軸穿過一個金屬圓盤，圓盤稱爲轉子，豎軸爲旋轉軸。爲了增長慣性，轉子用質量大的金屬製成。豎軸外側由三層不一樣大小的圓環嵌套而成，擁有三個方向自由度。角速度的測量則主要是利用角動量守恆定理。

V2X與環境交互

V2X通訊傳感是無人車與周圍環境的通訊協議，包括車與車通訊（Vehicle to Vehicle，V2V）、車與基礎設施通訊（Vehicle to Infrastructure，V2I）、車與行人通訊（Vehicle to Pedestrian，V2P）。

V2V通訊指無人駕駛汽車之間進行信息交換，好比無人駕駛車之間交換交通情況。V2I通訊指無人駕駛汽車與基礎設施之間進行信息交換，好比智能停車場與無人駕駛汽車的通訊。V2P通訊指無人駕駛汽車與行人之間進行信息交換，好比經過智能手機應用與無人駕駛汽車通訊。

路徑規劃

路徑規劃主要解決的問題是找到一條最快最安全的從起點到終點的路徑，路徑規劃中有不少成熟的算法，好比Dijkstra算法、A*算法、RRT算法等等。無人駕駛汽車的路徑規劃須要考慮多因素的影響，好比車禍路道、交通擁堵等。

總結

無人駕駛汽車的核心是感知能力，無人車有四種不一樣視野的眼睛，包括無線雷達、激光雷達、超聲波雷達和攝像頭，經過它們能獲得不一樣的視野。在定位方面無人駕駛汽車使用GPS與慣性策略裝置，再加上高精電子地圖就可以實現很是精準的定位。此外，爲了能讓無人車與環境進行通訊交互，V2X被提出來，包括V2V、V2I、V2P。

專一於人工智能、讀書與感想、聊聊數學、計算機科學、分佈式、機器學習、深度學習、天然語言處理、算法與數據結構、Java深度、Tomcat內核等。