自動(dòng)駕駛是汽車行業(yè)新一輪的技術(shù)革命，推動(dòng)著傳統(tǒng)汽車行業(yè)快速轉(zhuǎn)型升級，是未來汽車的發(fā)展趨勢。自動(dòng)駕駛技術(shù)有利于改善汽車交通安全、提高交通運(yùn)輸效率、實(shí)現(xiàn)節(jié)能減排、促進(jìn)產(chǎn)業(yè)轉(zhuǎn)型等?！吨袊圃?025》規(guī)劃中已將智能網(wǎng)聯(lián)汽車列入未來十年國家智能制造發(fā)展的重點(diǎn)領(lǐng)域，明確指出到2020年要掌握智能輔助駕駛總體技術(shù)及各項(xiàng)關(guān)鍵技術(shù)，到2025年要掌握自動(dòng)駕駛總體技術(shù)及各項(xiàng)關(guān)鍵技術(shù)。本文將介紹自動(dòng)駕駛等級分類標(biāo)準(zhǔn)、自動(dòng)駕駛軟硬件架構(gòu)圖以及自動(dòng)駕駛涉及到的關(guān)鍵技術(shù)等。 美國汽車工程師協(xié)會(huì)根據(jù)汽車智能化程度將自動(dòng)駕駛分為L0-L5共6個(gè)等級：其中L0為無自動(dòng)化（No Automation， NA），即傳統(tǒng)汽車，駕駛員執(zhí)行所有的操作任務(wù)，例如轉(zhuǎn)向、制動(dòng)、加速、減速或泊車等；L1為駕駛輔助(Driving Assistant， DA)，即能為駕駛員提供駕駛預(yù)警或輔助等，例如對方向盤或加速減速中的一項(xiàng)操作提供支持，其余由駕駛員操作；L2為部分自動(dòng)化（Partial Automation，PA），車輛對方向盤和加減速中的多項(xiàng)操作提供駕駛，駕駛員負(fù)責(zé)其他駕駛操作；L3為條件自動(dòng)化（Conditional Automation，CA），即由自動(dòng)駕駛系統(tǒng)完成大部分駕駛操作，駕駛員需要集中注意力以備不時(shí)之需；L4為高度自動(dòng)化（High Automation，HA），由車輛完成所有駕駛操作，駕駛員不需要集中注意力，但限定道路和環(huán)境條件；L5為完全自動(dòng)化（Full Automation， FA），在任何道路和環(huán)境條件下，由自動(dòng)駕駛系統(tǒng)完成所有的駕駛操作，駕駛員不需要集中注意力。 自動(dòng)駕駛汽車的軟硬件架構(gòu)如圖2所示，主要分為環(huán)境認(rèn)知層、決策規(guī)劃層、控制層和執(zhí)行層。環(huán)境認(rèn)（感）知層主要通過激光雷達(dá)、毫米波雷達(dá)、超聲波雷達(dá)、車載攝像頭、夜視系統(tǒng)、GPS、陀螺儀等傳感器獲取車輛所處環(huán)境信息和車輛狀態(tài)信息，具體來說包括：車道線檢測、紅綠燈識(shí)別、交通標(biāo)識(shí)牌識(shí)別、行人檢測、車輛檢測、障礙物識(shí)別和車輛定位等；決策規(guī)劃層則分為任務(wù)規(guī)劃、行為規(guī)劃和軌跡規(guī)劃，根據(jù)設(shè)定的路線規(guī)劃、所處的環(huán)境和車輛自身狀態(tài)等規(guī)劃下一步具體行駛?cè)蝿?wù)（車道保持、換道、跟車、超車、避撞等）、行為（加速、減速、轉(zhuǎn)彎、剎車等）和路徑（行駛軌跡）；控制層及執(zhí)行層則基于車輛動(dòng)力學(xué)系統(tǒng)模型對車輛驅(qū)動(dòng)、制動(dòng)、轉(zhuǎn)向等進(jìn)行控制，使車輛跟隨所制定的行駛軌跡。 自動(dòng)駕駛技術(shù)涉及較多的關(guān)鍵技術(shù)，本文主要介紹環(huán)境感知技術(shù)、高精度定位技術(shù)、決策與規(guī)劃技術(shù)和控制與執(zhí)行技術(shù)。 環(huán)境感知指對于環(huán)境的場景理解能力，例如障礙物的類型、道路標(biāo)志及標(biāo)線、行車車輛的檢測、交通信息等數(shù)據(jù)的語言分類。定位是對感知結(jié)果的后處理，通過定位功能從而幫助車輛了解其相對于所處環(huán)境的位置。環(huán)境感知需要通過傳感器獲取大量的周圍環(huán)境信息，確保對車輛周圍環(huán)境的正確理解，并基于此做出相應(yīng)的規(guī)劃和決策。 自動(dòng)駕駛車輛常用的環(huán)境感知傳感器包括：攝像頭、激光雷達(dá)、毫米波雷達(dá)、紅外線和超聲波雷達(dá)等。攝像頭是自動(dòng)駕駛車輛最常用、最簡單且最接近人眼成像原理的環(huán)境感知傳感器。通過實(shí)時(shí)拍攝車輛周圍的環(huán)境，采用CV技術(shù)對所拍攝圖像進(jìn)行分析，實(shí)現(xiàn)車輛周圍的車輛和行人檢測以及交通標(biāo)志識(shí)別等功能。攝像頭的主要優(yōu)點(diǎn)在于其分辨率高、成本低。但在夜晚、雨雪霧霾等惡劣天氣下，攝像頭的性能會(huì)迅速下降。此外攝像頭所能觀察的距離有限，不擅長于遠(yuǎn)距離觀察。毫米波雷達(dá)也是自動(dòng)駕駛車輛常用的一種傳感器，毫米波雷達(dá)是指工作在毫米波段（波長1-10 mm ，頻域30-300GHz）的雷達(dá)，其基于ToF技術(shù)（Time of Flight）對目標(biāo)物體進(jìn)行檢測。毫米波雷達(dá)向外界連續(xù)發(fā)送毫米波信號(hào)，并接收目標(biāo)返回的信號(hào)，根據(jù)信號(hào)發(fā)出與接收之間的時(shí)間差確定目標(biāo)與車輛之間的距離。因此，毫米波雷達(dá)主要用于避免汽車與周圍物體發(fā)生碰撞，如盲點(diǎn)檢測、避障輔助、泊車輔助、自適應(yīng)巡航等。毫米波雷達(dá)的抗干擾能力強(qiáng)，對降雨、沙塵、煙霧等離子的穿透能力要比激光和紅外強(qiáng)很多，可全天候工作。但其也具有信號(hào)衰減大、容易受到建筑物、人體等的阻擋，傳輸距離較短，分辨率不高，難以成像等不足。激光雷達(dá)也是通過ToF技術(shù)來確定目標(biāo)位置與距離的。激光雷達(dá)是通過發(fā)射激光束來實(shí)現(xiàn)對目標(biāo)的探測，其探測精度和靈敏度更高，探測范圍更廣，但激光雷達(dá)更容易受到空氣中雨雪霧霾等的干擾，其高成本也是制約其應(yīng)用的主要原因。車載激光雷達(dá)按發(fā)射激光束的數(shù)量可分為單線、4線、8線、16線和64線激光雷達(dá)。可以通過下面這個(gè)表格（表1），對比主流傳感器的優(yōu)勢與不足。 自動(dòng)駕駛環(huán)境感知通常采用“弱感知+超強(qiáng)智能”和“強(qiáng)感知+強(qiáng)智能”兩大技術(shù)路線。其中“弱感知+超強(qiáng)智能”技術(shù)是指主要依賴攝像頭與深度學(xué)習(xí)技術(shù)實(shí)現(xiàn)環(huán)境感知，而不依賴于激光雷達(dá)。這種技術(shù)認(rèn)為人類靠一雙眼睛就可以開車，那么車也可以靠攝像頭來看清周圍環(huán)境。如果超強(qiáng)智能暫時(shí)難以達(dá)到，為實(shí)現(xiàn)無人駕駛，那就需要增強(qiáng)感知能力，這就是所謂的“強(qiáng)感知+強(qiáng)智能”技術(shù)路線。相比“弱感知+超強(qiáng)智能”技術(shù)路線，“強(qiáng)感知+強(qiáng)智能”技術(shù)路線的最大特征就是增加了激光雷達(dá)這個(gè)傳感器，從而大幅提高感知能力。特斯拉采用“弱智能+超強(qiáng)智能”技術(shù)路線，而谷歌Waymo、百度Apollo、Uber、福特汽車等人工智能企業(yè)、出行公司、傳統(tǒng)車企都采用“強(qiáng)感知+強(qiáng)智能”技術(shù)路線。 定位的目的是獲取自動(dòng)駕駛車輛相對于外界環(huán)境的精確位置，是自動(dòng)駕駛車輛必備的基礎(chǔ)。在復(fù)雜的地市道路行駛，定位精度要求誤差不超過10 cm。例如：只有準(zhǔn)確知道車輛與路口的距離，才能進(jìn)行更精確的預(yù)判和準(zhǔn)備；只有準(zhǔn)確對車輛進(jìn)行定位，才能判斷車輛所處的車道。如果定位誤差較高，嚴(yán)重時(shí)會(huì)造成交通完全事故。GPS是目前最廣泛采用的定位方法，GPS精度越高，GPS傳感器的價(jià)格也越昂貴。但目前商用GPS技術(shù)定位精度遠(yuǎn)遠(yuǎn)不夠，其精度只有米級且容易受到隧道遮擋、信號(hào)延遲等因素的干擾。為了解決這個(gè)問題，Qualcomm開發(fā)了基于視覺增強(qiáng)的高精度定位（VEPP）技術(shù)，該技術(shù)通過融合GNSS全球?qū)Ш叫l(wèi)星、攝像頭、IMU慣性導(dǎo)航和輪速傳感器等多個(gè)汽車部件的信息，通過各傳感器之間的相互校準(zhǔn)和數(shù)據(jù)融合，實(shí)現(xiàn)精確到車道線的全球?qū)崟r(shí)定位。 決策規(guī)劃是自動(dòng)駕駛的關(guān)鍵部分之一，它首先是融合多傳感器信息，然后根據(jù)駕駛需求進(jìn)行任務(wù)決策，接著能夠在避開存在的障礙物前提之下，通過一些特定的約束條件，規(guī)劃出兩點(diǎn)之間多條可以選擇的安全路徑，并在這些路徑當(dāng)中選擇一條最優(yōu)的路徑，作為車輛行駛軌跡，那就是規(guī)劃。按照劃分的層面不同，可以分為全局規(guī)劃和局部規(guī)劃兩種，全局規(guī)劃是由獲取到的地圖信息，規(guī)劃出一條在特定條件之下的無碰撞最優(yōu)路徑。例如，從上海到北京有很多條路，規(guī)劃處一條作為行駛路線即為全局規(guī)劃。如柵格法、可視圖法、拓?fù)浞?、自由空間法、神經(jīng)網(wǎng)絡(luò)法等靜態(tài)路徑規(guī)劃算法。局部規(guī)劃的則是根據(jù)全局的規(guī)劃，在一些局部環(huán)境信息的基礎(chǔ)之上，能夠避免碰撞一些未知的障礙物，最終達(dá)到目的目標(biāo)點(diǎn)的過程。例如，在全局規(guī)劃好的上海到北京的那條路線上會(huì)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(zhuǎn)向調(diào)整車道，這就是局部路徑規(guī)劃。局部路徑規(guī)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(dòng)態(tài)路徑規(guī)劃算法等。 決策規(guī)劃層是自主駕駛系統(tǒng)，智能性的直接體現(xiàn)，對車輛的行駛安全性和整車起到了決定性的作用，常見的決策規(guī)劃體系結(jié)構(gòu)，有分層遞進(jìn)式，反應(yīng)式，以及二者混合式。 分層遞進(jìn)式體系結(jié)構(gòu)，就是一個(gè)串聯(lián)系統(tǒng)的結(jié)構(gòu)，在該系統(tǒng)當(dāng)中，智能駕駛系統(tǒng)的各模塊之間次序分明，上一個(gè)模塊的輸出即為下一模塊的輸入，因此又稱為感知規(guī)劃行動(dòng)結(jié)構(gòu)。但這種結(jié)構(gòu)可靠性并不高，一旦某個(gè)模塊出現(xiàn)軟件或者硬件故障，整個(gè)信息流就會(huì)受到影響，整個(gè)系統(tǒng)很有可能發(fā)生崩潰，甚至處于癱瘓狀態(tài)。 反應(yīng)式體系結(jié)構(gòu)采用并聯(lián)的結(jié)構(gòu)，控制層都可以直接基于傳感器的輸入進(jìn)行決策，因此它所產(chǎn)生的動(dòng)作就是傳感數(shù)據(jù)直接作用的一個(gè)結(jié)果，可以突出感知?jiǎng)幼鞯奶攸c(diǎn)，適用于完全陌生的環(huán)境。反應(yīng)式體系結(jié)構(gòu)中的許多行為主要涉及成為一個(gè)簡單的特殊任務(wù)，所以感覺規(guī)劃控制可以緊密的結(jié)合在一塊，占用的儲(chǔ)存空間并不大，因而可以產(chǎn)生快速的響應(yīng)，實(shí)時(shí)性比較強(qiáng)，同時(shí)每一層只需要負(fù)責(zé)系統(tǒng)的某一個(gè)行為，整個(gè)系統(tǒng)可以方便靈活的實(shí)現(xiàn)低層次到高層次的一個(gè)過渡，而且如若其中一個(gè)模塊出現(xiàn)了預(yù)料之外的故障，剩下的層次，仍然可以產(chǎn)生有意義的動(dòng)作，系統(tǒng)的魯棒性得到了很大的提高，難點(diǎn)在于，由于系統(tǒng)執(zhí)行動(dòng)作的靈活性，需要特定的協(xié)調(diào)機(jī)制來解決各個(gè)控制回路，同意執(zhí)行機(jī)構(gòu)爭奪之間的沖突，以便得到有意義的結(jié)果。 分層遞階式系統(tǒng)的一個(gè)結(jié)構(gòu)和反應(yīng)式體系的結(jié)構(gòu)，都各自有優(yōu)劣，都難以單獨(dú)的滿足行駛環(huán)境復(fù)雜多變的使用要求，所以越來越多的行業(yè)人士開始研究混合式的體系結(jié)構(gòu)，將兩者的優(yōu)點(diǎn)進(jìn)行有效的結(jié)合，在全局規(guī)劃的層次上生成面向目標(biāo)定義的分層式遞階行為，在局部規(guī)劃的層面上就生成面向目標(biāo)搜索的反應(yīng)式體系的行為。 自動(dòng)駕駛的控制核心技術(shù)就是車輛的縱向控制，橫向控制，縱向控制及車輛的驅(qū)動(dòng)和制動(dòng)控制，而橫向控制的就是方向盤角度的調(diào)整以及輪胎力的控制，實(shí)現(xiàn)了縱向和橫向自動(dòng)控制，就可以按給定目標(biāo)和約束自動(dòng)控制車運(yùn)行。 車輛按照縱向控制是在行車速度方向上的控制，即車速以及本車與前后車或障礙物距離的自動(dòng)控制。巡航控制和緊急制動(dòng)控制都是典型的自動(dòng)駕駛縱向控制案例。這類控制問題可歸結(jié)為對電機(jī)驅(qū)動(dòng)、發(fā)動(dòng)機(jī)、傳動(dòng)和制動(dòng)系統(tǒng)的控制。各種電機(jī)-發(fā)動(dòng)機(jī)-傳動(dòng)模型、汽車運(yùn)行模型和剎車過程模型與不同的控制器算法結(jié)合，構(gòu)成了各種各樣的縱向控制模式。 車輛的橫向控制就是指垂直于運(yùn)動(dòng)方向的控制，目標(biāo)是控制汽車自動(dòng)保持期望的行車路線，并在不同的車速、載荷、風(fēng)阻、路況下有很好的乘坐舒適和穩(wěn)定。車輛橫向控制主要有兩種基本設(shè)計(jì)方法，一種是基于駕駛員模擬的方法（一種是使用用較簡單的動(dòng)力學(xué)模型和駕駛員操縱規(guī)則設(shè)計(jì)控制器；另一種是用駕駛員操縱過程的數(shù)據(jù)訓(xùn)練控制器獲取控制算法）；另一種是給予汽車橫向運(yùn)動(dòng)力學(xué)模型的控制方法（需要建立精確的汽車橫向運(yùn)動(dòng)模型。典型模型如單軌模型，該模型認(rèn)為汽車左右兩側(cè)特性相同）。 除上述介紹的環(huán)境感知、精準(zhǔn)定位、決策規(guī)劃和控制執(zhí)行之外，自動(dòng)駕駛汽車還涉及到高精度地圖、V2X、自動(dòng)駕駛汽車測試等關(guān)鍵技術(shù)。自動(dòng)駕駛技術(shù)是人工智能、高性能芯片、通信技術(shù)、傳感器技術(shù)、車輛控制技術(shù)、大數(shù)據(jù)技術(shù)等多領(lǐng)域技術(shù)的結(jié)合體，落地技術(shù)難度大。除此之外，自動(dòng)駕駛技術(shù)落地，還要建立滿足自動(dòng)駕駛要求的基礎(chǔ)交通設(shè)施，并考慮自動(dòng)駕駛方面的法律法規(guī)等。 參考文獻(xiàn)： 1. 張放. 極限工況下自動(dòng)駕駛車輛的軌跡規(guī)劃與運(yùn)動(dòng)控制 [博士]: 清華大學(xué); 2018. 2. 陳文強(qiáng). 基于復(fù)雜工況的高精準(zhǔn)可預(yù)測自動(dòng)駕駛環(huán)境認(rèn)知方法 [博士]: 清華大學(xué); 2018. 3. 張欣. 無人駕駛感知輔助系統(tǒng)的研究與仿真實(shí)現(xiàn) [碩士]: 北京交通大學(xué); 2019. 4. 陳延真. 無人駕駛環(huán)境感知系統(tǒng)及障礙物檢測研究 [碩士]: 天津大學(xué); 2018.