星空体育app官方下载 无人驾驶汽车的发展方向

摘自MBA智库百科（）

目录

[编辑]

什么是自动驾驶汽车

无人驾驶汽车又称智能汽车、无人自动驾驶汽车、自主导航汽车或轮式移动机器人，是户外移动机器人在交通领域的重要应用。无人驾驶汽车系统是集环境感知、规划决策、多级辅助驾驶功能于一体的综合系统。它是充分考虑车路一体化、协调规划的车辆系统，也是智能交通系统的重要组成部分。

自动驾驶汽车利用传感器技术、信号处理技术、通信技术、计算机技术，集成视觉、激光雷达、超声波传感器、微波雷达、GPS、里程表等多种车辆传感器来识别汽车的位置。磁罗盘。环境和状态，并根据获得的道路信息、交通信号信息、车辆位置和障碍物信息进行分析和判断，向主控计算机发出期望的控制，控制车辆转向和速度，从而实现无人驾驶车辆的基础拟人化自己的意图和环境的驱动。

[编辑]

无人驾驶汽车关键技术

总体而言，自动驾驶技术是传感器、计算机、人工智能、通信、导航定位、模式识别、机器视觉、智能控制等众多前沿学科的综合。根据自动驾驶汽车的功能模块，自动驾驶汽车的关键技术包括环境感知、导航定位、路径规划、决策控制等。

1.环境传感技术

环境感知模块相当于自动驾驶汽车的眼睛和耳朵。自动驾驶汽车利用环境感知模块识别自身周围的环境信息，为其行为决策提供信息支持。环境感知包括两部分：自动驾驶汽车自身的位置姿态感知和周围环境感知。单个传感器只能测量被测物体的某一方面或特征，无法满足测量需求。因此，必须采用多个传感器同时测量某一被测对象的一个​​或多个特征量。测量数据经过数据融合处理后，可以提取可信度较高的有用信号。根据环境传感系统测量对象的不同，我们采用两种方法进行检测：

自动驾驶汽车自身的姿态信息主要包括车辆自身的速度、加速度、倾斜度、位置等信息。这类信息易于测量，主要通过驱动电机、电子罗盘、倾角传感器、陀螺仪等传感器来测量。

无人驾驶汽车的周围环境感知以雷达等主动测距传感器为主，被动测距传感器为辅，采用信息融合的方法实现。因为激光、雷达、超声波传感器等主动测距传感器的组合可以更好地满足复杂恶劣条件下执行任务的需求。最重要的是处理的数据量小，实时性好。同时，在规划路径时，可以直接利用激光器返回的数据进行计算，无需知道障碍物的具体信息。

视觉是感知环境的重要手段。虽然目前在恶劣环境感知方面还存在一定问题，但其在目标识别、道路跟踪、地图创建等方面有着其他传感器无法替代的重要性，而且野外环境中的植物视觉对于分类、水生生物等也至关重要。泥浆检测。

2、导航定位技术

无人驾驶汽车的导航模块用于确定无人驾驶汽车的地理位置，是无人驾驶汽车路径规划和任务规划的支撑。导航可分为自主导航和网络导航两种。

自主导航技术是指除了定位辅助之外，无需任何其他外部辅助即可独立完成导航任务。自主导航技术将地理空间数据存储在本地，所有计算都在终端完成，可以在任何情况下实现定位。然而，自主导航设备的计算资源有限，导致计算能力较差，有时无法提供准确、实时的导航服务。现有的自主导航技术可分为三类：

相对定位：主要依靠里程表、陀螺仪等内部本体感受传感器，通过测量无人车相对于初始位置的位移来确定无人车的当前位置。绝对定位：主要利用导航信标、主动或被动标记、地图匹配或全球定位系统进行定位。

组合定位：综合运用相对定位和绝对定位方法，扬长避短，弥补单一定位方法的缺点。组合定位解决方案一般包括GPS+地图匹配、6PS+轨迹估计、GPS+轨迹估计+地图匹配、GPS+GLONASS+惯性导航+地图匹配等。网络导航可以通过无线通信网络和流量随时随地与信息交互信息中心。移动设备通过移动通信网络连接至直接与互联网相连的WebGIS服务器。服务器执行地图存储和复杂计算等功能，用户可以从服务器下载地图数据。网络导航的优点是存储容量没有限制，计算能力强星空体育平台官网入口，能够存储任何精确的地图，并且地图数据始终是最新的。

3.路径规划技术

路径规划是无人驾驶汽车信息感知与智能控制之间的桥梁，是实现自动驾驶的基础。路径规划的任务是在有障碍物的环境中，按照一定的评价标准，找到一条从包括位置和姿态的起始状态到目标状态的无碰撞路径。

路径规划技术可分为全局路径规划和局部路径规划两种。全局路径规划是在地图已知的情况下，利用障碍物位置、道路边界等已知的局部信息来确定可行的最优路径。它很好地结合了优化和反馈机制。局部路径规划以全局路径规划生成的可行驶区域为指导，根据传感器感知到的局部环境信息，确定无人平台在前方当前路段行驶的轨迹。全局路径规划适用于周围环境已知的情况，而局部路径规划适用于环境未知的情况。

路径规划算法包括可视化图法、网格法、人工势场法、概率地标法、随机搜索树算法、粒子群算法等。

4、决策控制技术

决策控制模块相当于自动驾驶汽车的大脑。其主要功能是根据感知系统获得的信息做出决策判断，进而决定下一步的行为，进而控制车辆。决策技术主要包括模糊推理、强化学习、神经网络和贝叶斯网络等技术。

决策控制系统的行为分为反应式、反射式和综合式三种类型：反应式控制是一种反馈控制过程，根据车辆当前姿态与期望姿态的偏差星空体育app下载入口，不断调整方向盘转角和车辆速度。小路。直到您到达目的地。反射控制是一种低级行为，用于在旅行过程中对紧急情况做出判断和快速反应。

综合控制在反应层添加机器学习模块，将部分决策层行为转换为基于传感器的反应层行为星空体育官方网站，从而提高系统的响应速度。

[编辑]

国外无人驾驶汽车发展现状

发达国家于20世纪70年代开始进行无人驾驶汽车的研究。目前，美国和德国在可行性和实用性方面走在前列。美国是世界上研究自动驾驶汽车最早、水平最高的国家之一。早在20世纪80年代，美国就提出了自主地面车辆（ALV）计划。这是一辆8轮汽车，可以在校园环境中自动驾驶，但速度不高。美国其他一些著名大学，如卡内基梅隆大学、麻省理工学院等，在20世纪80年代就开始研究无人驾驶汽车。但由于技术限制和过于复杂的预期目标，到了20世纪80年代末和90年代初，各国逐渐将研究重点转向问题相对简单的公路民用车辆辅助驾驶项目。 1995年，自动驾驶汽车Navlab。由美国卡内基梅隆大学开发。 V，完成了横跨美国东部和西部的无人驾驶试验。在全长5000公里的美国州际高速公路上，整个实验96%以上都是由车辆以50至60公里/小时的速度自动驾驶。虽然Navlab在这个实验中。 V只完成方向控制，不进行速度控制（油门和档位由车上的测试人员控制），但这次实验让世人看到了科技的神奇力量。丰田汽车公司于2000年开发了无人驾驶公交车。该公交车自动驾驶系统主要由道路引导、车队驾驶、追尾预防和运营管理组成。安装在车辆底盘前部的磁传感器将根据埋在道路中间的永磁体引导车辆，控制车辆的行驶方向。

2005年，在美国国防部“大挑战”比赛中，一辆由斯坦福大学工程师改装的大众途锐多用途车，经过七个半小时的路程，完成了全程障碍赛，成为第一个到达终点的人。到达终点线。在赛道上，无人驾驶汽车需要穿越沙漠、穿过黑暗的隧道、穿越泥泞的河床、在崎岖陡峭的山路上行驶。无人驾驶汽车在整个行程中需要绕过无数障碍。 Ibeo是一家位于德国汉堡的德国公司，处于自动驾驶技术研究的前沿，最近推出了其自动驾驶汽车。这款自动驾驶智能汽车是由德国大众公司生产的帕萨特2.0改装而成。它看起来与普通家用汽车没有什么区别，但它可以在错综复杂的城市高速公路系统中实现无人驾驶。在行驶过程中，安装在汽车上的全球定位设备随时获取汽车准确位置的信息和数据。隐藏在前灯和尾灯附近的激光扫描仪是汽车的“眼睛”。他们随时“观察”汽车周围约183m范围内的路况，并构建三维道路模型。此外，“眼睛”还可以识别各种交通标志，如限速、红绿灯、车道划分、停车位等，确保汽车在遵守交通规则的同时安全行驶。最后，无人驾驶汽车的“大脑”，即安装在汽车后备箱内的计算机，对两组数据进行组合分析，并根据结果向汽车发送相应的驾驶命令。多项先进技术保证了这款无人驾驶汽车能够灵活地换挡、加速、转弯、制动甚至倒车。在茫茫车海中，它能巧妙避开建筑物、障碍物、其他车辆和行人，从容前行。

[编辑]

无人驾驶汽车的发展方向

无人驾驶汽车的研究可以概括为三个方面：高速公路环境、城市环境和特殊环境下的无人驾驶系统。就具体研究内容而言，三个方面相互重叠，但技术侧重点不同。

1、高速公路环境下的无人驾驶系统

此类系统将用于环境仅限于标线清晰区域的结构化公路，主要完成道路标线跟踪、车辆识别等功能。这些研究主要关注结构简单环境下的高速自动驾驶，目标是进入高速公路后实现完全自动驾驶。虽然这样的应用定位有一定的局限性，但确实解决了现代社会最常见、最危险、最无聊的驾驶任务。

2、城市环境下的无人驾驶系统

与高速环境下的研究相比，城市环境下的无人驾驶因其速度较慢而更加安全可靠，具有更好的应用前景。短期内可作为城市大运量公共交通（如地铁等）的补充，解决城市区域交通问题，如大型活动场馆、公园、校园、工业园区、机场但城市环境也更加复杂，对感知和控制算法提出了更高的要求。城市环境下的无人驾驶自动驾驶将成为下一阶段研究的重点。例如，美国国防部2007年的“大挑战”比赛就采用了城市环境。目前该类环境的应用已进入小规模推广阶段，但其大规模应用仍面临一定的困难，如可靠性问题、多车辆调度与协调问题、与其他交通参与者的交互问题等、成本问题、商业模型等。

3、特殊环境下的无人驾驶系统

处于自动驾驶研究前沿的国家一直非常重视其在军事和其他特殊条件下的应用。但其关键技术与基于高速公路、城市环境的车辆相同，但对性能要求的侧重点不同。例如，车辆可靠性和恶劣环境适应性是特殊环境下首要考虑的问题，也是未来推广应用需要解决的关键问题。

[编辑]

参考

^ 赵阳.无人驾驶汽车关键技术(J).中国科技博览会。 2011, 26 ↑ 乔伟高，徐学金.无人驾驶汽车的发展现状与方向(J).上海汽车. 2007年7月

检索自“https://wiki.mbalib.com/wiki/%E6%97%A0%E4%BA%BA%E9%A9%BE%E9%A9%B6%E6%B1%BD%E8%BD% A6”