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，是一种运输动力的无人地面载具。咱们理想的无人驾驶汽车是无需人类操做即能从地点A行驶到地点B，无论途中环境多复杂天气多恶劣都由机器本身完成。无人驾驶汽车的核心在于无人驾驶技术，若是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。

无人驾驶汽车须要多门技术整合才能实现，它并不是是一项单一的新技术，其中包括雷达、激光雷达、摄像头、GPS、计算机视觉、决策系统、操做系统、高精地图、实时定位、机械控制、能耗散热管理等等。尽管无人驾驶汽车看起来很科幻，但实际上梦想正在照进现实。

无人驾驶分级

针对无人驾驶汽车自动化的程度通常能够分为6个级别，按照自动化程度从低到高顺序分别为Level 0 到Level 5。

• Level 0：无任何自动化驾驶功能，行驶过程彻底依靠人类司机控制汽车，包括汽车启动、行驶过程当中的各类环境情况的观察、各类操做决策等等。简单来讲，须要人类控制驾驶的汽车都属于这个级别。
• Level 1：单一功能自动化，行驶过程当中将部分控制权交给机器管理，可是司机仍然须要把控总体。好比自适应巡航、应急刹车辅助、车道保持等等。司机手脚不能同时脱离控制系统。
• Level 2：部分自动化，行驶过程当中司机和汽车共享汽车控制权，在某些预设环境下司机可以彻底脱离控制系统，但司机须要随时待命，且须要在短期内接管汽车。
• Level 3：有条件自动化，在有限状况下实现自动行驶。好比在高速路上机器彻底负责整个汽车的操控，司机能够彻底彻底脱离控制系统，司机须要随时待命，但有足够的预警时间。
• Level 4：高度自动化，在特定道路限定下行驶过程当中无需司机介入。司机仅须要设置好起点和终点便可，剩下的交由汽车自行控制。
• Level 5：彻底自动化，在任何环境中行驶都无需司机介入。司机仅须要设置好起点和终点便可，剩下的交由汽车自行控制。

无线雷达

无线雷达（Radio Detection and Ranging）是汽车上很常见的组件，它的工做原理是发射出无线电波后通过远处物体将无线电波反射回来从而达到探测效果。经过无线雷达可以得到物体的数量、大小、运动速度、运动方向等等信息，在无人驾驶领域它常常被用于自适应巡航和自动紧急制动场景。

雷达向目标区域发出无线电波，某个物体将无线电波反射回来，便可以计算二者之间的距离。距离d=c⋅t/2，其中t为从无线电波发射到反射回来的时间间隔，c为光速（3⋅10的八次方米每秒）。

雷达可用来识别数百码以外的物体，而且可以检测它的大小及运动速度。但它不可以捕获到物体的细节。

激光雷达

激光雷达LiDAR(Light Detection and Ranging)，即激光探测及测距系统，是以发射激光束来探测物体的雷达系统。其工做原理是向目标物体发射大量激光束探测信号，而后接收器处理目标反射回来的信号便可得到目标的有关信息，好比目标的距离、方位、高度、速度、姿态、甚至形状等信息。无人驾驶汽车的激光雷达通常都安装在车顶上，不断地高速旋转对周围环境进行扫描，经过它可以获得周围物体的三维信息。

激光雷达的测量原理相对比较简单，好比下图中车上的激光雷达向目标物体发出一束激光，就能够经过光速来计算距离了，而加上光束的角度后则能获得更多指标。

对于实际立体物体，经过激光雷达对整个物体扫描就可以造成3D点云。激光雷达对目标发射出多个光束，接收器接收反射回来的光束后对信号进行处理，从而造成3D点云。

激光雷达提供了比无线雷达更高分辨率的解决方案，能比无线雷达捕获更多信息。激光雷达造价贵，运行时须要不停旋转，同时它没法在多雾多尘的天气工做。

摄像头

为了捕获更多的图像细节，咱们须要在无人驾驶汽车上增长摄像头，好比要识别公路上的路标。摄像头可以获得无人驾驶汽车周围最准确的视图，提供了最高分别率图像。摄像头受天气影响很大，好比晚上摄像头就影响很大。

对于捕获到的图像，要识别里面的物体就须要机器学习来加持。而目前流行的图像识别使用的都是深度学习，核心就是卷积神经网络。前面的神经网络工做原理章节和深度学习原理章节已经讲解了相关的原理，因此经过深度卷积神经网络是对摄像头收集的图像进行处理的核心。

无人车通过摄像头捕获的镜头经过深度学习可以识别出图像中包含的物体，好比行人、行车、交通路标等等。对应计算机视觉的物体检测与物体分类任务，经典的算法包括R-CNN、Faster R-CNN、SSD、YOLO等等。

超声波雷达

除了以上传感器外，无人驾驶汽车通常还会安装有超声波雷达。超声波雷达又称倒车雷达，很明显它主要是为倒车作辅助的。它的工做原理是经过超声波发射装置向外发射超声波，而后经过接收器接收反弹回来的超声波，根据时间差来计算距离。距离d=343⋅时间/2，其中343位声波速度，343m/s。超声波雷达的探测范围通常在几米之内，探测精度较高，适合用于泊车。

GPS

GPS是最经常使用的定位技术，在无人驾驶汽车中会经过其进行定位。GPS的更新频率为10Hz，因此它缺少实时性。此外，GPS民用版的偏差能达到好几米，因此彻底靠GPS进行定位导航很是容易致使交通事故。

GPS的定位使用了三边测量法，卫星与接收装置之间的距离经过传输时间来测量距离，而后经过多颗卫星的位置便可以计算接收装置的位置，GPS通常会使用4颗以上的卫星来定位接受装置的3D位置信息。

下面经过一个例子来理解2D的三边测量法，好比你的位置与A卫星的距离为100km，则你可能的位置是在以A卫星为中心的一个圆上。

接着你又向另一个卫星B发出无线信号，测量的距离时75km，则此时你的位置有两种可能，就是两个圆的相交点。

最后向卫星C发出无线信号，测量得出的距离为200km，此时三个圆的相交点就能惟必定位一个位置，这个位置便是你的位置。也就是说三个卫星就能肯定一个平面上的点，只要坐标系创建起来便能获得详细的xy值。

高精地图

高精地图是无人驾驶汽车重要的支撑，它包含了大量的行车辅助信息，除了能提供精确的定位外，它还能作智能避让、智能调速等等。高精地图能为无人车提供静态的感知能力，为无人车提供全局视野，好比道路、交通、基础设施等信息。

咱们如今平常使用的电子地图为传统电子地图，它能用于查询地点和导航，主要面向人类驾驶员。而高精电子地图则能提供比传统电子地图更多的信息，主要面向无人车。无人车车身上的传感器能收集到的主要信息范围都很是有限，而经过高精电子地图则可以将无人车的感知能力范围大大延伸，并且可以获得更多准确的信息。

高精地图包含了不少辅助信息。好比包括车道的位置、宽度、斜度、类型、曲率等等公路数据信息。好比包括交通标识、信号灯、障碍物、道路限高、防御栏、树、围栏、地标等等环境数据信息。若是进一步对高精电子地图的模型进行抽象，则能够获得更多无人车与车道、交通、基础设施之间的信息。

相比于GPS，高精电子地图可以实现比GPS高10倍以上的精度，GPS精度通常在几米，而高精地图与传感器协做则能使精度达到厘米级别。

惯性测量装置

惯性测量装置（IMU）是一种测量加速度与角速度的传感器。无人车通常使用的是中低级惯性传感器，更新频率为1kHz，价格为几千块。惯性能协助无人车进行定位，但由于它的偏差会随着时间而累积，因此只能用于很短期内的定位。

为了方便理解惯性测量装置的加速度，咱们能够将加速度计想象成一个箱子里面悬浮着一个球，它们处于无重力的太空中。当咱们向左边施加一个重力加速度（1g）时，球会向X-方向的壁平面产生1g的压力，而后咱们就可以测量到x轴上的加速度为-1g。

惯性测量装置还包含了角速度测量功能，陀螺能够绕着支点进行三个自由度的转动。以下面的陀螺仪中间有一根竖轴穿过一个金属圆盘，圆盘称为转子，竖轴为旋转轴。为了增长惯性，转子用质量大的金属制成。竖轴外侧由三层不一样大小的圆环嵌套而成，拥有三个方向自由度。角速度的测量则主要是利用角动量守恒定理。

V2X与环境交互

V2X通讯传感是无人车与周围环境的通讯协议，包括车与车通讯（Vehicle to Vehicle，V2V）、车与基础设施通讯（Vehicle to Infrastructure，V2I）、车与行人通讯（Vehicle to Pedestrian，V2P）。

V2V通讯指无人驾驶汽车之间进行信息交换，好比无人驾驶车之间交换交通情况。V2I通讯指无人驾驶汽车与基础设施之间进行信息交换，好比智能停车场与无人驾驶汽车的通讯。V2P通讯指无人驾驶汽车与行人之间进行信息交换，好比经过智能手机应用与无人驾驶汽车通讯。

路径规划

路径规划主要解决的问题是找到一条最快最安全的从起点到终点的路径，路径规划中有不少成熟的算法，好比Dijkstra算法、A*算法、RRT算法等等。无人驾驶汽车的路径规划须要考虑多因素的影响，好比车祸路道、交通拥堵等。

总结

无人驾驶汽车的核心是感知能力，无人车有四种不一样视野的眼睛，包括无线雷达、激光雷达、超声波雷达和摄像头，经过它们能获得不一样的视野。在定位方面无人驾驶汽车使用GPS与惯性策略装置，再加上高精电子地图就可以实现很是精准的定位。此外，为了能让无人车与环境进行通讯交互，V2X被提出来，包括V2V、V2I、V2P。

专一于人工智能、读书与感想、聊聊数学、计算机科学、分布式、机器学习、深度学习、天然语言处理、算法与数据结构、Java深度、Tomcat内核等。