共计 3028 个字符，预计需要花费 8 分钟才能阅读完成。
开发者工具常识站
帮忙开发者更加高效的工作，提供围绕开发者全生命周期的工具与资源
https://developer.aliyun.com/…
概述
首先主动驾驶技术从业务流程上分为 3 个外围的流程，别离是环境感知定位、决策布局、执行管制。这 3 个外围流程的具体价值如下：
环境感知定位：次要是通过传感器技术和摄像头、GPS 等技术获取汽车行驶过程中的环境指标，并且将数据采集
决策布局：通过收集的数据，对车辆的下一步行为作出判断和领导
执行决策：目前大部分车辆都采纳线控设计，如何将决策通过信号指令管制汽车的油门、制动等相干零碎
以上 3 个流程，每一个步骤都蕴含了许多核心技术和性能点，在接下来的系列文章中我将一一解说，本篇文章作为综述，外围体现的是上面这种主动驾驶技术架构图，这张架构图蕴含了每个流程的外围性能。
环境感知定位
环境感知和定位其实是由 3 个模块组成，别离是 环境感知、定位、V2X组成。
1. 环境感知
环境感知模块次要是通过摄像头和各种雷达实现对路线和行驶路线的辨认。而且通常现实状况下，环境的感知须要多种传感器的配合来实现。
1.1 摄像头
摄像头是最靠近于人眼的一种环境感知设施。常见的车载摄像头蕴含单目摄像头、双目摄像头、环视摄像头。单目摄像头个别个别至于车的顶端，负责监控后方的路障，然而对间隔感知不太敏感。
而双目摄像头，能够利用视距差，通过三角测距技术获取障碍物到车辆的间隔。比方下图 P1 和 P2 为两个摄像头，P 为障碍物。能够通过三角测距获取 P 到车辆的间隔。
而环视摄像头至多须要 4 个，能够 360 度的监控全车周边的状况。
采纳摄像头辨认的问题在于须要依赖大量的图像数据积攒，并且训练生成视觉模型能力辨认，整个的技术成长周期比拟长。除了摄像头，还能够通过雷达实现环境感知。雷达分为激光雷达、毫米波雷达和超声波雷达。
1.2 激光雷达
其中激光雷达又称 LiDAR，他的外围原理是通过发送一道光，这个光遇到障碍物会反弹回收，通过两者的时间差来判断间隔。
另外，通过激光雷达的数据采集，能够绘制出点云图，从而实现对障碍物的形态、大小、间隔的描述，典型的点云图如下：
激光雷达的一个次要问题就是容易受到天气的影响，比方降雨天气下，水珠就容易对激光雷达的成果产生影响。
1.3 毫米波雷达
毫米波雷达也能起到车辆和物体的测距成果，通过发射信号和接管信号之间频率的转变实现速度的推送。毫米波雷达相较于激光雷达相比，穿透灰尘和烟的能力较强，在十分极其的天气条件下也能够失常工作。
1.4 超声波雷达
超声波雷达是辅助驾驶畛域利用比拟多的一种雷达，经常装置到车前方的保险杠，用于倒车辅助性能。
原理是收回和接管雷同频率的声波，而后通过时间差测量间隔。超声波雷达不太适宜远距离测距。
目前主动驾驶畛域通常是摄像头和激光雷达、毫米波雷达配合应用。繁多模式的环境辨认都会存在肯定的劣势。
2. 定位
环境感知技术次要是帮忙车辆获取路线情况信息，定位服务能够帮忙车辆获取到车辆所在的具体坐标，为车辆的决策布局提供根据。常见的定位系统有卫星定位、差分定位和惯性导航定位等。
2.1 卫星定位
卫星定位是日常大家十分相熟的定位形式，常见的卫星定位服务有美国的 GPS、欧洲的伽利略、中国的北斗导航等。这里多说一句，因为主动驾驶零碎一旦商用，所有车辆运行轨迹将被定位系统监控，所以出于国家平安思考，各国大概率将采纳外国的卫星定位系统。
卫星定位的基本原理就是通过三角定位的计划，至多 3 颗卫星同时跟高空车辆连贯，就能够计算出精确的车辆坐标。
2.2 差分定位
差分定位原理是确定一个参考站，参考站跟卫星产生通信，失去以后地位的误差，也叫做差分校对量。而后流动站就是汽车，通过差分校对量为汽车的实在定位做校对。差分定位是一种晋升 GPS 定位准确率的技术计划。
2.3 惯性定位
惯性定位不依赖任何光电技术。仅依赖于汽车以后的加速度，通过积分能够取得车的下一时间段的位移，当车速较快的时候，惯性定位会是卫星定位的很好地补充。
3.V2X
V2X（Vehicle to Everything）技术指的是车用无线通信技术，通过通信去连贯其余利用，从而衍生出 V2R（Vehicle to Road）、V2I（Vehicle to Infrastruction）、V2P（Vehicle to Prestrian）。
3.1 V2R
V2R 技术指的是车辆间的通信，比方有一辆车要转向了，那么通过与前方车辆的通信，让前方车辆能够提前做避让。
3.2 V2I\V2P
这两个能够放到一起介绍，V2I 指的是跟一些红绿灯等设施的通信。V2P 可能是与一些行人的手表、手机相干的通信。
决策布局
环境感知和定位次要起到的是确定外界环境状态的作用，为门路的决策和布局提供根据。在决策布局模块，次要解决的问题是车辆该怎么走的问题。这外面又分为两个方面，别离是门路的布局和行为的决策。
1. 门路布局
门路布局其实是高精度地图畛域的技术。传统的人驾驶模式，如果地图导航呈现了失误其实能够通过人肉修改。而主动驾驶时代，地图的准确性以及导航的准确性，将间接关乎安全性，所以主动驾驶时代的高精度地图技术十分重要。
那么如何在高精度地图畛域做门路布局，其实就是求两点间最短门路问题。因为在主动驾驶技术成熟后，很可能乘客上车设置一个目的地就开始睡觉了，剩下路怎么走相干问题就依赖于汽车的门路布局。
罕用的求最短距离的算法有 Dijkstra、Floyd、A*、RRT 算法等。在后续的文章将会逐渐介绍这些算法。
2. 行为决策
因为车辆主动驾驶问题不是繁多变量问题，车辆在模式的过程中既蕴含车自身的行为，也蕴含路线上其它行人、汽车的行为。所以行为决策次要蕴含两个方面，一个是车辆本人的模式决策，另一个是对于其它行驶车辆的行为的预测。
2.1 对交通参与方的预测
对于交通参与方的预测能够通过多种算法来实现，构建一套静止模型的形式。然而有的人会问？路线上其它车辆减速转弯等行为是存在很大不确定性的，这种状况怎么构建预测模型呢。
比拟罕用的解法是通过高斯噪声来代表交通参与者静止的不确定性，因为大部分参与方的行为肯定是遵从正态分布的，所以整个模型构建能够看作是一个高斯过程。对于交通参与方的行为和用意的预测，能够看作是一个动静的时序过程，能够用深度学习 LSTM 这样的循环神经网络解决相应的问题。
2.2 车辆本身的行为决策
说回车辆本身，须要决策的指令集蕴含：行驶、跟车、转弯、换道、停车等。车辆如何做决策，或者做什么样的决策，须要放到一个场景上来判断。
整体流程应该分为 4 个步骤，首先感知环境的变动，比方后方有车并道了，而后做场景判断，后方有车并道场景该调取什么样的模型做预测，最终的行为输入可能是加速或者本人并到另一个路线。这两头的判断过程还要思考其它车辆行为，以及是否合乎路线规章制度。
每次行为的整体决策链路十分长，而且每一步决策相互影响，所以这种主动驾驶车辆行为决策的性能能够看成是一系列概率的加成，能够看成是马尔科夫决策过程。
执行管制
通过环境感知和决策布局之后，就到了执行管制的环节。如何将决策传递给车辆的性能部件，把油门、制动、转向、换挡指令落实，是制动管制的要害，也是规范的动力学原理。
主动驾驶汽车目前比拟可行的计划是通过 CAN 电力总线去管制每个部件的行为，将指令通过电子信号传达到每个部件，这也是目前电动汽车的次要传感形式。CAN 总线的关键环节是如何通过电信号将指令发送以及接管，另外就是工夫响应问题。这一套技术随着电动汽车的倒退，绝对比拟成熟，就不过多介绍。
