姜嘉睿

摘 要：无人驾驶的关键在于利用传感器进行车辆周边环境的判断，不仅是静态障碍物，而且还有移动的车辆和人，动态障碍物大多利用激光传感器进行检测。技术路线主要包括以特斯拉为代表的视觉主导的多传感器融合方案，以及以谷歌Waymo为典型代表的低成本激光雷达为主导的两种方案。本文进行了分类讨论，并根据现状探讨了发展趋势。

关键词：无人驾驶；传感器；测试传感

1 无人驾驶

无人驾驶，顾名思义就是自动化的驾驶，不需要手动操控，是当今汽车技术研究的前沿和热点。但要最终实现完全自动化，是一个漫长的过程，所以为了便于研究，将根据自动化程度，将无人驾驶进行分级。目前主流的分级方式共有两种[1]。

第一种由美国机动工程师协会（SAE）提出，按照完全由人为驾驶到完全由汽车自动驾驶，也就是从无自动化到完全自动化展开，将无人驾驶技术分为0-4五种程度，分别是无自动化、驾驶辅助服务、部分自动化、有条件自动化、高度自动化。

第二种由美国高速公路安全管理局（NHTSA）提出，也是分为0-4五种程度，分别是驾驶员控制、可以沿前后或左右一个方向自动控制、沿前后和左右两个方向都可以自动控制、能实现环境感知、完全自动化。

无人驾驶的关键在于利用传感器进行车辆周边环境的判断，不仅是静态障碍物，而且还有移动的车辆和人，动态障碍物大多利用激光传感器进行检测。例如斯坦福大学的“Junior”，卡耐基·梅隆大学的“BOSS”智能车、牛津大学的无人车辆“WildCat”。我国起步较晚，但发展很快，国防科学技术大学自主研发的智能车“开路雄狮”，也是运用这种原理。

2 核心传感器系统

据清华大学邓志东教授介绍，自动驾驶环境感知的技术路线主要有两种[2]：一种是以特斯拉为代表的视觉主导的多传感器融合方案，另一种是以谷歌为代表的激光雷达主导的方案。

激光雷达具有高精度、高分辨率、高抗干扰能力、体积小质量轻等优势，但成本太高，而且对静止物体的探测有着不可忽略的缺陷。而毫米波雷达侦察范围更广，成本相对更经济，也更抵抗天气的变化影响，因此毫米波雷达更收到广大厂家的青睐。

2.1 以视觉为主导

以特斯拉为代表：摄像头+毫米波雷达+超声波雷达+低成本激光雷达

摄像头视觉属于被动视觉，受环境光照的影响较大，目标检测与SLAM较不可靠，但成本低。目前，特斯拉已经在其量产车上列装了Autopilot 2.0固件，而且成本较低，只有7000美金左右，8个摄像头组成单目环视，有1个毫米波雷达和12个超声波雷达，希望从L2跳跃到L4。Autopilot2.0核心内容由主动巡航控制（TACC）、辅助转向（Autosteer）、自动变道构成，可同时与车道辅助、防撞辅助、车速辅助等功能搭配使用。其中，主动巡航控制可以自动对车辆进行纵向控制，简单来说就是开启后系统接管了刹车，但驾驶员仍然需要手动控制方向盘。辅助转向提供的自动横向控制，取代了手动控制方向盘的操作。

经过努力，特斯拉近期已经完成了将路测大数据从Mobileye单目视觉技术过渡到基于Nvidia Drive PX2计算硬件平台的特斯拉Vision软件系统上，并且在2018年3月底发布了新8.1软件版本，它用深度学习的方法在短期内基本达到了Mobileye的技术水平，这是以前很难想象的。经过不同体验者测试，Autopilot2.0目前可以安全开启的地方仍然是高速公路，但是在一些车道线清晰的城市路段，我们也能看到主动巡航控制和辅助转向可被激活的提示。于是在保证安全的前提下，设置了一部分附加测试，但这部分场景严格来说并不在Autopilot2.0的适用范围。Autopilot2.0的功能目前无法直接移植到城市环境使用。虽然可以顺利开启（2、3分钟），但城市中有走向复杂的车流，需要通过没有车道线的红绿灯路口，车与车间距更近，特斯拉表现变道不够顺滑和决策不够干脆。

特斯拉Autopilot2.0系统严重依赖GPS数据及其定制的高精度地图，系统如果单靠实时数据工作会比较粗糙。特斯拉以后进步会从两方面入手：一个是地图和定位；一个是最大程度地升级软件算法。如8.1版的更新，特斯拉增加了另一个前端面向相机来提高Autosteer的性能，提升主要体现在高速公路环境。特斯拉主张使用多摄像头的方案来替代多毫米波雷达和激光雷达方案，这意味着特斯拉在享受低成本硬件的同时，要在软件算法上承受更多的压力。随着传感器数量的增加，对软件算法的开发提出了更多挑战[3]。

2.2 以激光雷达为主导

以谷歌Waymo为代表：低成本激光雷达+毫米波雷达+超声波传感器+摄像头。有报道中称谷歌Waymo抢先实现无人车商用“这是全球第一个自动驾驶技术向公众开放、并进行商业化的案例”。

LiDAR传感器快速发射激光脉冲（通常最高可达每秒150000次脉冲），激光信号到达障碍物后反射回LiDAR传感器。传感器通过测量激光信号从发射到返回的时间，精确计算确定传感器到障碍物之间的距离，它还能探测目标物体的准确尺寸。LiDAR通常用于高分辨率地图的绘制。

Waymo的LiDAR系统不仅可以探测行人，还可以识别行人所面对的方向。因此，自动驾驶汽车可以精确预测行人将向哪个方向行走。其高精度还可以“看”到更丰富的细节，例如骑行者挥手示意你先通过，当车辆全速行驶时能够在两个足球场以外的距离提供惊人的探测精度。Waymo还通过努力将LiDAR传感器的成本降低了约90%。数年前，一个LiDAR单元的售价高达75000美元，而现在已经降到了7500美元，使这项技术变得更加经济从而实现普及。

不过，这项技术也有一些明显的缺点。LiDAR系统可以轻松地探测位于30～200米范围内的物体。但是，当面对附近物体地精确识别时，该系统可能会力不从心。它在所有光线条件下均能正常工作，但在雪、雾、雨和扬尘环境下，其性能会开始打折扣。此外，其光學识别性能也不够给力。这就是为什么像Google这样的自动驾驶汽车制造商，会将LiDAR与其它辅助传感器（例如摄像头和超声波传感器）一起搭配使用[4]。

对比RADAR系统则相对便宜很多。成本，应该是Tesla选择RADAR技术而不是LiDAR技术的原因之一。RADAR系统的一个优势是在雾、雨、雪和扬尘等所有天气条件下，均能稳定运行。然而，相比LiDAR传感器，它的角度精度略低，在弯道上会丢失目标车辆。如果多个探测对象彼此靠得很近，它可能会出现识别困难。例如，RADAR可能会将附近的两辆小型汽车视为一辆大型车辆，从而发出错误的接近信号。不过，与LiDAR系统不同的是，RADAR可以利用多普勒频移精确地确定相对行驶速度和移动物体的速度

LiDAR和RADAR这两种传感器技术的基本功能都是通过在行驶中与障碍物保持一定的安全距离，以确保自动驾驶汽车中的乘员安全。无论选择LiDAR还是RADAR，这两种技术都能很好的胜任这项任务。不过，这两种技术各自都还有比较明显的优缺点。尽管采用LiDAR传感器的汽车能够“看”得更清晰准确，但是RADAR系统尺寸更小，还更便宜。

3 发展趋势与展望

这两种技术路线都有着各自的优缺点，现阶段，无人驾驶行业厂家也是各有倾向，选用的核心传感器系统也是各有不同。但业内普遍认为毫米波雷达、激光雷达以及摄像头等多种融合才是最适合无人驾驶的核心传感器系统。

在使用过程中，每一种传感器都有各自最适合的使用环境，也就是说每种传感器都有它最精准的目标检测对象和检测范围。例如，毫米波雷达可在低分辨率情况下完成测距，且受天气因素影响小；而摄像头有更高的分辨率，能够感知颜色，但受强光影响较大；激光雷达则能够提供三维尺度感知信息，对环境的重构能力更强。所以，只有多种传感器融合才能获得为车辆提供更准确的周边信息，才能保障车辆行驶的安全性。

参考文献：

[1]第十九届中国国际工业博览会科技论坛项目——2018年无人驾驶技术发展趋势论坛圆满举办[J].竞争情报，2018，14（05）：55.

[2]张伟，毕桂.无人驾驶汽车的研究[J].才智，2018（29）：225.

[3] 王程博，张新宇，张加伟，刘硕.未知环境中无人驾驶船舶智能避碰决策方法[J/OL].中国舰船研究：1-6[2018-11-28].https：//doi.org/10.19693/j.issn.1673-3185.01144.

[4] 依克热木.无人驾驶汽车技术发展中存在的問题分析[J].汽车与配件，2018（29）：50-51.