從根本上改變了傳統(tǒng)的“人——車——路”閉環(huán)控制方式,將無法用規(guī)則嚴格約束的駕駛員從該閉環(huán)系統(tǒng)中請出去,從而大大提高了交通系統(tǒng)的效率和安全性,是汽車工業(yè)發(fā)展的革命性產(chǎn)物。
從20世紀80年代開始人類就展開了車輛自主行駛研究。美國是世界上研究自動駕駛汽車最早、水平最高的國家之一。其中谷歌無人駕駛汽車影響力最為廣泛,也是技術(shù)水平最成熟的公司之一。谷歌宣稱其無人駕駛汽車已經(jīng)在公路上安全行駛160多萬公里,期間沒有發(fā)生過任何嚴重的碰撞事故。但是能做到如谷歌自動駕駛車技術(shù)水平的公司寥寥無幾,可見其關(guān)鍵技術(shù)門檻是比較高的。
下面談?wù)勛詣玉{駛汽車中幾個關(guān)鍵技術(shù)。
環(huán)境感知
傳感器探測環(huán)境信息,只是將探測的物理量進行了有序排列與存儲。此時計算機并不知道這些數(shù)據(jù)映射到真實環(huán)境中是什么物理含義。因此需要通過適當(dāng)?shù)乃惴◤奶綔y得到的數(shù)據(jù)中挖掘出我們關(guān)注的數(shù)據(jù)并賦予物理含義,從而達到感知環(huán)境的目的。
比如我們在駕駛車輛時眼睛看前方,可以從環(huán)境中分辨出我們當(dāng)前行駛的車道線。若要讓機器獲取車道線信息,需要攝像頭獲取環(huán)境影像,影像本身并不具備映射到真實環(huán)境中的物理含義,此時需要通過算法從該影像中找到能映射到真實車道線的影像部分,賦予其車道線含義。
自動駕駛車輛感知環(huán)境的傳感器繁多,常用的有:攝像頭、激光掃描儀、毫米波雷達以及超聲波雷達等。
針對不同的傳感器,采用的感知算法會有所區(qū)別,跟傳感器感知環(huán)境的機理是有關(guān)系的。每一種傳感器感知環(huán)境的能力和受環(huán)境的影響也各不相同。比如攝像頭在物體識別方面有優(yōu)勢,但是距離信息比較欠缺,基于它的識別算法受天氣、光線影響也非常明顯。激光掃描儀及毫米波雷達,能精確測得物體的距離,但是在識別物體方面遠弱于攝像頭。同一種傳感器因其規(guī)格參數(shù)不一樣,也會呈現(xiàn)不同的特性。長距離毫米波雷達探測距離長達200米,角度范圍較?。ā?0度),而中距離雷達探測距離為60米,角度范圍較大(±45度)。
為了發(fā)揮各自傳感器的優(yōu)勢,彌補它們的不足,傳感器信息融合是未來的趨勢。事實上,已經(jīng)有零部件供應(yīng)商做過此事,比如德爾福開發(fā)的攝像頭與毫米波雷達組合感知模塊已應(yīng)用到量產(chǎn)車上。
行為規(guī)劃
說到行為規(guī)劃也許大家會比較陌生,我們可以先從路徑規(guī)劃開始講講。路徑規(guī)劃的概念在機器人中使用比較普遍,一般定義為:
在具有障礙物的環(huán)境中,按照一定的評價標準,尋找一條從起始狀態(tài)到目標狀態(tài)的無碰撞路徑。對于無人車來講,若確定了目標地點的車輛位姿,車輛具體以怎樣一條運動路徑行駛到目標地點,即為路徑規(guī)劃。
路徑規(guī)劃其實包含大范圍不考慮運動細節(jié)的全局路徑規(guī)劃以及具體到運動軌跡的局部路徑規(guī)劃。
為了將無人車的局部路徑進行形象地歸類、分析,引入了“行為”的概念。車輛在城市道路自主行駛時,它應(yīng)具備車道保持、變換車道、路口直行、路口拐彎、掉頭、繞障、智能啟停、自動泊車等駕駛行為。行為的有序排列及有機銜接,方可完成整個自動駕駛?cè)蝿?wù)。
“駕駛行為”是局部路徑中細分出來的行駛單元,當(dāng)然它的劃分應(yīng)該是多樣性的,主要取決于算法實現(xiàn)。
行為與行為之間會保持相對獨立性,但是行為切換時又具有平滑過渡的特征。車輛行駛中,何時采用何種行為,即為行為規(guī)劃(也有稱之為行為決策)。
單個駕駛行為,其實目前很多整車廠或科研院所做了相當(dāng)多的工作,甚至有的已經(jīng)推向市場。如特斯拉的車道保持、自動變道、跟車功能,這些都是駕駛行為的具體實例。但是這些行為如何切換,如何過渡,特斯拉將其交給了人。自適應(yīng)巡航、車道保持、自動變道,都需要駕駛員手動操作后托管給機器,并隨時準備接管駕駛。
人在同樣的工況中駕駛車輛,產(chǎn)生的駕駛行為序列是不一樣的,甚至同一行為的具體執(zhí)行區(qū)別也較大,這跟人的性格、安全意識和當(dāng)時的心情等有關(guān)系。比如,我們在趕時間時,變道次數(shù)會增多,超車的安全系數(shù)會降低;新手開車時,變道時機把握不好,經(jīng)常急剎車等;甚至在面臨事故時,是選擇撞車還是撞旁邊的人,不同的人可能有不同的選擇。這些很多屬于人的高級思維,也涉及到法律、倫理道德,目前機器還很難達到這個層次。但是人工智能或許是解決這一問題的突破口。
車輛定位
自動駕駛汽車進行全自主行駛時,需要解決三個基本問題:1.車輛在哪;2.往哪兒去;3.怎么去。
車輛在哪其實就是對車輛的定位。定位方法有多種,比如衛(wèi)星定位、地面基站定位、視覺或激光定位以及慣導(dǎo)定位等。目前國內(nèi)高校無人車使用衛(wèi)星定位+基站定位方式比較多,后兩種基本沒有涉及到。
無人駕駛汽車里面到底藏著多少黑科技?
每一種定位方式都有其局限性,定位方式融合是趨勢。
比如衛(wèi)星定位系統(tǒng)雖然適用范圍廣、絕對位置精度高,但是其不適用于室內(nèi)或有遮擋物區(qū)域、位置也會隨時間漂移。視覺或激光定位相對位置精度非常高,無位置漂移,但是其受環(huán)境影響非常大。
將定位技術(shù)應(yīng)用到無人車上時,衛(wèi)星定位可以解決大范圍絕對位置定位、高速公路定位以及其他開闊空間定位問題,但是當(dāng)車進入隧道、高建筑物路段或室內(nèi)時,定位信號會不穩(wěn)定或丟失。這時需要視覺或慣導(dǎo)等室內(nèi)定位方式去彌補。
車輛定位會直接或間接影響車輛運動控制與行為決策的實現(xiàn),甚至也是感知環(huán)境所需的重要信息。在執(zhí)行已經(jīng)規(guī)劃出來的運動軌跡時,運動控制算法需要定位信息不斷反饋實際的運動狀態(tài)做實時的調(diào)整。在進行行為切換時,切換時機需要充分了解到車輛所處交通環(huán)境的位置。感知方面,比如利用SLAM技術(shù)構(gòu)建地圖,就需要車輛的相對定位信息。
結(jié)束語
自動駕駛汽車是汽車界與機器人界碰撞、融合的產(chǎn)物,它匯集了機電一體化、環(huán)境感知、電子與計算機、自動控制以及人工智能等一系列高科技。汽車作為人類重要的交通工具,隨著這些子技術(shù)的融合、發(fā)展與突破,必將變得越來越智能,最終實現(xiàn)全天候無人駕駛。