星空·综合体育官网入口 了解无人驾驶汽车原理

无人驾驶汽车

无人驾驶汽车又称自动驾驶汽车或轮式移动机器人，是一种具有运输动力的无人地面车辆。我们理想的自动驾驶汽车是一种无需人工干预即可从 A 点行驶到 B 点的汽车。无论途中环境多么复杂，天气多么恶劣，机器都能自行完成。无人驾驶汽车的核心在于无人驾驶技术。如果说汽车工业是制造业的皇冠，那么无人驾驶技术就是皇冠上的明珠。

自动驾驶汽车需要多种技术的融合才能实现。它不是单一的新技术，包括雷达、激光雷达、摄像头、GPS、计算机视觉、决策系统、操作系统、高精度地图、实时定位、机械控制、能耗和热管理等。自动驾驶汽车可能看起来像科幻小说，但梦想实际上正在成为现实。

自动驾驶分类

无人驾驶汽车的自动化程度一般可分为六个级别，从0级到5级，按照自动化程度从低到高的顺序排列。

无线雷达

无线雷达（无线电探测和测距）是汽车中非常常见的组件。其工作原理是发射无线电波，然后通过远处的物体反射回来，从而达到探测效果。通过无线雷达，可以获得物体的数量、大小、移动速度、移动方向等信息。在无人驾驶领域，常用于自适应巡航、自动紧急制动等场景。

雷达向目标区域发射无线电波星空体育平台官网入口，物体将无线电波反射回来，从而计算出两者之间的距离。距离d=c⋅t/2，其中t是从无线电波发射到被反射回来的时间间隔，c是光速（3⋅10的八次方米每秒）。

雷达可用于识别数百码外的物体，并可检测其大小和移动速度。但它无法捕捉物体的细节。

激光雷达

LiDAR（光探测和测距），激光探测和测距系统，是一种发射激光束来探测物体的雷达系统。其工作原理是向目标物体发射大量激光束探测信号，然后接收器对目标反射回来的信号进行处理，获取目标的相关信息，如目标的距离、方位、高度、速度、态度星空·综合体育官网入口，甚至形状。无人驾驶汽车的激光雷达一般安装在汽车车顶，持续高速旋转，扫描周围环境。通过它，可以获得周围物体的三维信息。

激光雷达的测量原理比较简单。比如下图中，汽车上的激光雷达向目标物体发射激光束，根据光速就可以计算出距离。添加光束角度后，可以获得更多的指标。

对于实际的三维物体，可以通过激光雷达扫描整个物体来形成3D点云。激光雷达向目标发射多束光束，接收器接收反射光束并处理信号以形成 3D 点云。

LiDAR 提供了比无线雷达更高分辨率的解决方案，并且可以捕获比无线雷达更多的信息。激光雷达的建造成本昂贵，在运行过程中需要不断旋转，并且无法在雾天和沙尘天气中工作。

相机

为了捕捉更多的图像细节，我们需要为自动驾驶汽车添加摄像头，例如识别高速公路上的路标。摄像头可以准确观察无人驾驶汽车的周围环境，提供高分辨率图像。相机受天气影响很大。例如，夜间拍照受到很大影响。

对于捕获的图像，需要机器学习来识别内部的物体。目前流行的图像识别采用深度学习，其核心是卷积神经网络。相关原理在前面关于神经网络工作原理和深度学习原理的章节中已经讲解过，所以深度卷积神经网络是处理相机采集图像的核心。

无人车摄像头拍摄的镜头可以利用深度学习来识别图像中包含的物体，如行人、行驶车辆、交通标志等。对应计算机视觉物体检测和物体分类任务，经典算法包括R-CNN、更快的R-CNN、SSD、YOLO等

超声波雷达

除了上述传感器外，无人驾驶汽车一般还配备超声波雷达。超声波雷达也称为倒车雷达。显然主要是用来辅助倒车的。其工作原理是通过超声波发射装置发射超声波，然后通过接收器接收反射回来的超声波星空·体育中国官方网，根据时间差计算出距离。距离d=343⋅time/2，其中343位声波速度为343m/s。超声波雷达的探测范围一般在几米以内，探测精度高，适合停车。

全球定位系统

GPS是一种常用的定位技术，用于无人驾驶汽车的定位。 GPS的更新频率为10Hz，因此缺乏实时性。另外，民用版GPS的误差可达数米，因此单纯依靠GPS进行定位导航很容易导致交通事故。

GPS定位采用三边测量法。通过传输时间来测量卫星与接收设备之间的距离。然后通过多颗卫星的位置就可以计算出接收设备的位置。 GPS一般使用4颗以上卫星。定位接收设备的3D位置信息。

让我们通过一个例子来理解二维三边测量。例如，如果您的位置与卫星 A 之间的距离为 100 公里，则您可能的位置位于以卫星 A 为中心的圆上。

然后你向另一颗卫星B发送无线信号，测得距离为75公里。那么此时你的位置有两种可能，就是两个圆的交点。

向C卫星发送无线信号后，测得距离为200公里。这时，三个圆的交点就可以定位一个位置，这就是你的位置。也就是说，三颗卫星可以确定平面上的一个点，只要建立坐标系，就可以得到详细的xy值。

高清地图

高精度地图是无人驾驶汽车的重要支撑。它们包含大量的驾驶辅助信息。除了提供精准定位外，还可以进行智能避让、智能调速等。高精地图可以为无人车提供静态感知能力，为其提供全局视野，如道路、交通、基础设施等信息。

我们日常使用的电子地图是传统的电子地图，可以用来查询位置和导航，主要针对人类驾驶员。高精度电子地图可以比传统电子地图提供更多信息，主要针对无人驾驶车辆。无人车车身上的传感器能​​够采集到的主要信息范围非常有限。然而，高精度电子地图可以大大扩展无人车的感知能力范围，获得更准确的信息。

高精度地图包含大量辅助信息。例如，包括车道位置、宽度、坡度、类型、曲率等高速公路数据信息。例如，包括交通标志、红绿灯、障碍物、道路限高、护栏、树木、围栏等环境数据信息如果将高精度电子地图模型进一步抽象，就可以获得自动驾驶车辆与车道、交通、基础设施之间的更多信息。

与GPS相比，高精度电子地图可以达到比GPS高10倍以上的精度。 GPS精度一般在几米以内，而高精度地图和传感器可以达到厘米级精度。

惯性测量装置

惯性测量单元 (IMU) 是测量加速度和角速度的传感器。自动驾驶汽车一般采用中低级惯性传感器，更新频率为1kHz，价格为数千元。惯性可以辅助无人车进行定位，但由于其误差会随着时间的推移而积累，因此只能用于短时间内的定位。

为了方便理解惯性测量装置的加速度，我们可以将加速度计想象成一个悬浮在盒子里的球，它们处于无重力空间。当我们向左施加重力加速度（1g）时，球会在X方向上对壁面施加1g的压力，然后我们可以在x轴上测量-1g的加速度。

该惯性测量装置还包括角速度测量功能，陀螺仪可以绕支点进行三自由度旋转。例如，下面的陀螺仪有一个垂直轴穿过中间的金属盘。圆盘称为转子，垂直轴为旋转轴。为了增加惯性，转子采用重金属制成。垂直轴的外侧由三层不同大小的嵌套环组成，具有三个方向自由度。角速度的测量主要利用角动量守恒原理。

V2X 与环境交互

V2X通信传感是无人驾驶车辆与周围环境之间的通信协议，包括车辆对车辆（V2V）、车辆对基础设施（V2I）和车辆对行人（Vehicle to Pedestrian，V2P）。

V2V通信是指无人驾驶车辆之间的信息交换，例如无人驾驶车辆之间交通状况的交换。 V2I通信是指无人驾驶汽车与基础设施之间的信息交换，例如智能停车场与无人驾驶汽车之间的通信。 V2P通信是指自动驾驶汽车与行人之间的信息交换，例如通过智能手机应用程序与自动驾驶汽车进行通信。

路径规划

路径规划解决的主要问题是找到一条从起点到终点的快速且安全的路径。路径规划有很多成熟的算法，比如Dijkstra算法、A*算法、RRT算法等。无人驾驶汽车的路径规划需要考虑很多因素的影响，比如车祸、交通拥堵等。

总结

自动驾驶汽车的核心是感知能力。自动驾驶汽车有四只不同视场的眼睛，包括无线雷达、激光雷达、超声波雷达和摄像头，通过它们可以获得不同的视场。在定位方面，无人驾驶汽车利用GPS和惯性策略装置，再加上高精度电子地图，可以实现非常精准的定位。此外，为了让无人车能够与环境进行通信和交互，V2X被提出，包括V2V、V2I和V2P。

聚焦人工智能、阅读与思考，聊数学、计算机科学、分布、机器学习、深度学习、自然语言处理、算法与数据结构、Java深度、Tomcat内核等。