无人驾驶关键技术

无人驾驶关键技术

１、前言

如果以谷歌无人车原型机为基础开始计算，则无人驾驶概念自提出以来历经逐步的发展与完善已有１１年时间。在这段时间内经历了概念阶段、技术等级划分以及多份技术路线图的竞争阶段等各有特色的关键时期。在此期间陆续出现了量产车型或实验性车型及其系统平台如特斯拉所提出的低成本感知技术基础上结合高性能计算方案谷歌则采用了数据驱动模式并结合硬件迭代优化的方式而最近华为则提出了基于机车操作系统构建的核心驱动感知系统等多套核心技术方案本文将对这些关键核心技术进行详细阐述（其中博客部分内容为简化版欢迎访问收费资源部分获取详细的技术论述）

如果以谷歌无人车原型机为基础开始计算，则无人驾驶概念自提出以来历经逐步的发展与完善已有１１年时间

在开始之前，在梳理一下这些常见概念时，请注意以下几点：首先表明这些概念并非本人原创或独创的成果（已有的知识体系），而是从客观世界中汲取而来（现成的理论基础）。无人驾驶是一项复杂而长期的任务（繁重的工作量），需要持续的积累与不断改进（循序渐进的过程），“在细微之处显神威，在喧嚣中洞察本质”。

自动驾驶的三大驱动力包括激光雷达LiDAR、毫米波雷达以及摄像头。

概念2：自动驾驶过程中的三个关键阶段分别是辅助驾驶模式、半自动驾驶模式以及全自动化驾驶模式（为什么采用Lx级别的划分呢？）

概念3即无人驾驶技术的主要关键词包括：环境传感技术、路径规划与定位技术、智能避障系统、特征识别技术、自适应控制机制以及多维度数据传输系统。

在汽车电子领域，自动驾驶可被定位为遵循"三横两纵"技术路线图的最终阶段。其中两纵主要涵盖基础设施与车载平台两大类。而整个自动驾驶体系则由三个维度的技术构成：首先是关键核心技术的大类划分——环境感知、智能决策和控制执行等；其次是信息交互的关键技术和应用——V2X通信、云平台大数据处理以及信息安全；最后则是支撑整个体系运行的基础性技术支持——包括高精度地图构建、高精度定位实现以及相关法规标准与评测体系等完整的知识架构。

下面我们就围绕着这个三横展开。

２、车辆关键技术

如前所述，车辆关键技术包括环境感知技术、智能决策技术、控制执行技术。

环境感知技术是自动驾驶系统中的一项核心技术。它主要包括激光雷达（LIDAR）设备、毫米波雷达（MMWave RADAR）装置以及视觉成像设备等关键组件。

毫米波雷达的主要工作频段包括24GHz和77GHz两个主要方向。其中24GHz频段主要用于汽车后方区域的探测与通信技术。而随着技术的发展，预计该技术将逐步向更高的频率范围发展。展望未来，毫米波雷达技术将逐步向更高的频率范围发展。其中，在统一规划中指出，在...范围内（具体数值略），该频段主要负责长距离应用；而在...范围内，则侧重于中短距离通信需求。

前端单片微波集成电路MMIC和雷达天线高频PCB板是其核心组成部分

MMIC受国外公司控制，在77GHz频段上尤其受制于英飞凌、ST和飞思卡尔等少数高端芯片制造商；当前我国相关技术研究仍处于起步阶段，并主要集中于24GHz雷达系统领域：在此领域内有华域汽车、杭州智波以及芜湖森思泰克等多家企业在前期技术研发积累

国外厂商已掌握该领域的技术诀窍。

该类设备整合了激光技术、GPS（全球定位系统）以及惯性导航等多种先进科技。其运行机制主要依赖于镜头、发射器以及接收器。利用TOF原理（Time of Flight）采集物体的位置信息以及运动速度数据；这些数据本身就是三维空间中的信息，并非需要经过复杂的计算和处理即可生成相应的三维图像；该技术具有极高的精确度。因此，在获取大规模三维场景图像方面具有极高的效率；同样，在保持高精度方面也表现优异。

激光雷达组件主要由激光发射装置、接收装置（即二极管阵列）以及光学镜头组成。如图所示，在这一套发射接收模块与旋转镜面集成设置下，在调节镜面位置时即可实现全方位扫描范围。其中不仅能够将发出的光线反向反射回光源端，并且还可以将反向反射回光线再次发送至接收端。

基于激光雷达的不同配置方案，则主要包括三种类型：即2维（包括1、4、8条光束）、2.5维（包括16、32、64条光束）以及全三维视图感知系统等三类技术框架。其中前一种技术主要用于检测目标的位置及形状特征；而后一种则能提供环境感知信息。

利用Lidar系统可以测定每个像素与其发射器之间的距离信息及其方向信息；该系统能够生成一个反映实际环境三维几何结构的数据模型；其基本操作原理是向目标发送激光脉冲；接收回波信号所需的时间则直接指示了物体与Lidar系统的距离；除了上述基本参数外；还可以获取有关目标运动状态以及物质特性的详细信息；其中关键特征之一就是产生多普勒效应（doppler effect）；这一系列操作最终实现了对环境中的多个点进行定位并构建起完整的三维模型。

在国内市场与高端国外企业的技术实力相比仍存在明显差距。尽管如此，在服务机器人、地形测绘以及建筑测量等领域的应用方面，国内的激光雷达产品已经取得了显著进展。然而，在自动驾驶和无人驾驶系统中使用的高精度三维激光雷达设备的研发工作仍然处于探索性阶段。值得注意的是，在2020年之后，华为公司凭借其创新实力迅速崛起，在MEMS基载激光雷达领域掀起一股新技术浪潮。

根据是否配备机械旋转部件进行分类的激光雷达设备中包含两种主要类型：一种是配备有用于调节激光发射角度的旋转组件（即机械型），另一种则通过电子装置实现对激光器工作角度的精确调节（即固态型）。在机械型设计中这些旋转变件能够自主完成对laser emission angles的调控而在固态型设备中则依赖于精密调控电路等辅助手段以实现相同功能但无需任何物理运动部分支撑。

该车载视觉系统由车用摄像头、专用图像处理ISP芯片、车用光学镜头和车用视频监控系统组成。

通过镜头捕获图像后, 摄像头内部配备了感光元件电路以及相应的控制装置, 对所获取的图像进行处理, 最终转化为电脑能够识别和处理的数字信号, 从而实现了对车辆周围环境状况、前方碰撞危险性、车道偏离风险以及行人活动状态等多种信息的感知

硬件方面，在车载摄像头的主要组成部分中包含CMOS镜头组件（涵盖镜头和光感芯片等细节），芯片以及其它关键部件（如存储介质、SIM卡模块和保护壳体）。

在软件领域中（例如Mobileye这样的硬件平台），主要体现在芯片性能的提升以及处理平台的优化方面。重点体现在芯片工作频率实现了从122MHz到332MHz的显著提升，并通过访问方式的优化调整，系统处理速率得到翻番。具体表现为图像分辨率进一步提升至Input端为2048×2048像素、Output端则达到4096×2048像素等。

镜头目前的趋势正朝着传感器方向发展，并具备自主计算能力。如今引入了先进的激光雷达传感器作为主要部件之一，并部分取代传统镜头。然而，在感知层面上占据重要地位的传统镜头仍发挥着不可或缺的作用。

３、基础支撑技术

基础支撑技术主要包括：高精度定位技术和高精度地图等核心技术。其中前两项之间存在密切联系，在具备了高精度定位能力后，则必然具备相应的高精度地图支持。

在现有的定位系统中，美国GPS的应用最为广泛，在这一领域其技术水平也较为成熟。然而，在民用领域中目前使用的GPS定位精度还无法完全满足无人驾驶车辆的需求。官方民用 GPS 定位精度通常在 10 米以内（＜10 m），而更高精度的 GPS 完成则需依赖差分技术辅助。这种差分原理简单明了：首先建立一个固定基准站，并对该基准站的位置进行校准；随后将该基准站发射出的信号传递至车载设备。当车载设备接收到来自基准站及正常 GPS 信号后（此处补充说明细节），通过差分计算可以得到相对位置信息。然而由于每个基准站的有效覆盖范围约为 30 公里（km），因此在此范围内仍存在诸多技术难题需解决 GPS 精度不足的问题（例如地图匹配等）。

综合RTK被广泛认为是较为成熟的,它拥有多种成熟的模块,并且价格非常合理。作为以下三种方案的整合

ａ）、它采用了差分型全球定位系统（DGPS）技术，并基于精确的位置数据进行测量误差的纠正，并实现了厘米级精度的目标。

ｂ）、结合惯性传感器（IMU）、里程计（Odometry）及推算定位（Dead Reckoning）等技术，提高定位更新频率和准确度。即使在GPS信号受建筑物遮挡时，仍能短时间内提供相对准确的定位信息；

ｃ）、在地下车库等无法接收到GPS信号的场景下，利用视觉SLAM、激光SLAM等定位手段，提供相对准确的定位信息。

高精地图是无人驾驶非常重要的部分。是自动驾驶的基础。

目前，地图提供商、传统车企、无人驾驶科技公司对高精度地图还没有统一的定义。相比于普通的导航地图，高精度地图体现在两方面：

ａ）高精度地图的绝对坐标精度更高；

b）高精度地图中所包含的道路交通信息更加丰富。例如可以分为基础层次、道路信息层次、周边环境层次以及其余层次。各层次所包含的具体信息如图所示。

传统二维地图无论在精度上越精确也难以弥补其局限性,具体表现在其复杂的导航功能深度以及有限的导航可达范围.如今三维(3D)地图正日益普及地取代传统二维平面地图.

鉴于3D地图的高度复杂性，在行业内就是否将其视为"地图"这一问题展开了激烈的讨论。收集的信息可被系统性地划分为以下几类：人行道、建筑及其周边设施；道路标识与交通信号装置；以及自动驾驶车辆的具体操作规范等具体要素。准确性同样不容忽视，在微小的变化可能造成显著影响的情况下（如每年约移动半英尺的地质板块变动），构建精确的三维地图是一项具有挑战性的工程。在技术层面面临的主要困难在于行业内的深度碎片化现象：对于高精度三维地图缺乏统一的技术标准（即使是在相同分辨率下），各公司之间也无法共享相关数据（因为他们认为这些数据属于宝贵的核心技术资产）。

４、信息交互关键技术

信息交互关键技术涵盖Ｖ２Ｘ通信技术和云计算与大数据融合的技术体系以及信息安全技术等核心领域。与C端数据相平行的是前端数据处理体系本文不对相关技术和数据进行深入探讨建议读者参考专业文献获取更多信息