无人驾驶汽车

http://wiki.dzsc.com/info/8345.html#dzt29272

• 无人驾驶汽车又称为全自主自控驾驶汽车，也可以称之为轮式移动机器人，它一般是利用车载传感器来感知车辆周围环境，并根据感知所获得的道路、车辆位置和障碍物信息，控制车辆的转向和速度，从而使车辆能够安全、可靠地在道路上行驶。它是集自动控制、体系结构、人工智能、视觉计算、程序设计、组合导航、信息融合等多种高科技为一体，是当代计算机科学、模式识别、控制技术的高度结合和发展的产物。

目录

• 无人驾驶汽车的关键技术
• 无人驾驶汽车的国内外发展现状
• 无人驾驶汽车的发展方向

无人驾驶汽车的关键技术

• 　　无人驾驶汽车开发的关键技术主要有两个方面:车辆定位和车辆控制技术。这两方面相辅相成共同构成无人驾驶汽车的基础。

  　　车辆定位技术是无人驾驶汽车行驶的基础。目前常用的技术包括磁导航和视觉导航等。其中,磁导航是目前最成熟可靠的方案,现大多数均采用这种导航技术。例如,荷兰阿姆斯特丹国际机场和鹿特丹的ParkShuttle系统,上海交通大学的CyberC3系统等。磁导航最大的优点是不受天气等自然条件的影响,即使风沙或大雪埋没路面也一样有效,而且便于维护。另外,通过变换磁极朝向进行编码,可以向车辆传输道路特性信息,诸如位置、方向、曲率半径、下一个道路出口位置等信息。但是,磁导航方法往往需要在道路上埋设一定的导航设备(如磁钉或电线),系统实施过程比较繁琐,且不易维护,变更运营线路需重新埋设导航设备。视觉导航就不存在这个问题。视觉导航的优点是车载计算机可以在试验样车偏离目标车道前,事先知道并预防其发生,同时当在高速公路使用时,不需要对现有的道路结构做变化,并且在混合交通中,也可使用;其缺点为,当风沙、大雾等自然因素致使能见度过低或路面上的白色标线不清晰时,导航系统会失效。但由于视觉导航对基础设施的要求很低,被公认为是最有前景的定位方法。

  　　车辆控制技术是无人驾驶汽车的核心,主要包括速度控制和方向控制等几个部分。无人驾驶其实就是用电子技术控制汽车进行的仿人驾驶。通过对驾驶员的驾驶行为进行分析可知,车辆的控制是一个典型的预瞄控制行为,驾驶员找到当前道路环境下的预瞄点,根据预瞄点控制车辆的行为。目前最常用的方法是经典的智能PID算法,例如模糊PID、神经网络PID等。

  　　除以上两个方面,无人驾驶汽车作为智能交通系统的一部分,还需要一些其它相关技术的支持,如车辆调度系统、通讯系统和人机交互系统等,最终得以实现整个交通系统的高效、安全。

无人驾驶汽车的国内外发展现状

• 国外现状

  　　发达国家从20世纪70年代开始进行无人驾驶汽车研究,目前在可行性和实用性方面,美国和德国走在前列。美国是世界上研究无人驾驶车辆最早、水平最高的国家之一。早在20世纪80年代,美国就提出自主地面车辆(ALV)计划,这是一辆8轮车,能在校园的环境中自主驾驶,但车速不高。美国其它一些着名大学,如卡耐基梅隆大学、麻省理工学院等都先后于20世纪80年代开始研究无人驾驶车辆。然而,由于技术上的局限和预期目标过于复杂,到20世纪80年代末90年代初,各国都将研究重点逐步转移到问题相对简单的高速公路上的民用车辆的辅助驾驶项目上。1995年,一辆由美国卡耐基梅隆大学研制的无人驾驶汽车Navlab2V,完成了横穿美国东西部的无人驾驶试验。在全长5000km的美国州际高速公路上,整个实验96%以上的路程是车辆自主驾驶的,车速达50～60km/h。尽管这次实验中的Navlab2V仅仅完成方向控制,而不进行速度控制(油门及档位由车上的参试人员控制),但这次实验已经让世人看到了科技的神奇力量。丰田汽车公司在2000年开发出无人驾驶公共汽车。这套公共汽车自动驾驶系统主要由道路诱导、车队行驶、追尾防止和运行管理等方面组成。安装在车辆底盘前部的磁气传感器将根据埋设在道路中间的永久性磁石进行导向,控制车辆行驶方向。

  　　2005年,美国国防部“大挑战”比赛上,最终由美国斯坦福大学工程师们改装的一辆大众途锐多功能车经过7个半小时的长途跋涉完成了全程障碍赛,第一个到达了终点。在赛道上,无人驾驶汽车需要穿越沙漠、通过黑暗的隧道、越过泥泞的河床并需要在崎岖险峻的山道上行使,整个行程无人驾驶汽车需要绕过无数个障碍。

  　　在无人驾驶技术研究方面位于世界前列的德国汉堡Ibeo公司,最近推出了其研制的无人驾驶汽车。这辆无人驾驶智能汽车由德国大众汽车公司生产的帕萨特2.0改装而成,外表看来与普通家庭汽车并无差别,但却可以在错综复杂的城市公路系统中实现无人驾驶。行驶过程中,车内安装的全球定位仪随时获取汽车所在准确方位的信息数据。隐藏在前灯和尾灯附近的激光扫描仪是汽车的“眼”,它们随时“观察”汽车周围约183m内的道路状况,构建三维道路模型。除此之外,“眼”还能识别各种交通标识,如速度限制、红绿灯、车道划分、停靠点等,保证汽车在遵守交通规则的前提下安全行驶。最后由无人驾驶汽车的“脑”———安装在汽车后备厢内的计算机,将两组数据汇合、分析,并根据结果向汽车传达相应的行驶命令。多项先进科技确保这款无人驾驶汽车能够灵活换档、加速、转弯、刹车甚至倒车。在茫茫车海和人海中,它能巧妙避开建筑、障碍、其他车辆和行人,从容前行。

  国内现状

  我国自主研制的无人车——由国防科技大学自主研制的红旗HQ3无人车，2011年7月14日首次完成了从长沙到武汉286公里的高速全程无人驾驶实验，创造了我国自主研制的无人车在复杂交通状况下自主驾驶的新纪录，标志着我国无人车在复杂环境识别、智能行为决策和控制等方面实现了新的技术突破，达到世界先进水平。

  　　红旗HQ3无人车由国防科技大学自主研制，本月中旬它从京珠高速公路长沙杨梓冲收费站出发，历时3小时22分钟到达武汉，总距离286公里。实验中，无人车自主超车67次，途遇复杂天气，部分路段有雾，在咸宁还遭逢降雨。

  　　红旗HQ3全程由计算机系统控制车辆行驶速度和方向，系统设定的最高时速为110公里。在实验过程中，实测的全程自主驾驶平均时速为87公里。国防科技大学方面透露，该车在特殊情况下进行人工干预的距离仅为2.24公里，仅占自主驾驶总里程的0.78%。

  　　从20世纪80年代末开始，在贺汉根教授带领下，2001年研制成功时速达76公里的无人车，2003年研制成功我国首台高速无人驾驶轿车，最高时速可达170公里；2006年研制的新一代无人驾驶红旗HQ3，则在可靠性和小型化方面取得突破。此次红旗HQ3无人车实验成功创造了我国自主研制的无人车在复杂交通状况下自主驾驶的新纪录，这标志着我国在该领域已经达到世界先进水平。

无人驾驶汽车的发展方向

• 　　无人驾驶汽车的研究 ,可以归纳为 3个方面:

  　　高速公路环境、 城市环境和特殊环境下的无人驾驶系统。就具体研究内容而言 , 3个方面相互重叠 ,只是技术的侧重点不同。

  　　1、高速公路环境下的无人驾驶系统

  　　这类系统将使用在环境限定为具有良好标志的结构化高速公路上 ,主要完成道路标志线跟踪、车辆识别等功能。这些研究把精力集中在简单结构化环境下的高速自动驾驶上 ,其目标是实现进入高速公路之后的全自动驾驶。尽管这样的应用定位有一定的局限性 ,但它的确解决了现代社会中最为常见、 危险、 也是最为枯燥的驾驶环节的驾驶任务。

  　　2、城市环境下的无人驾驶系统

  　　与高速环境研究相比 ,城市环境下的无人驾驶由于速度较慢 ,因此更安全可靠 ,应用前景更好。短期内 ,可作为城市大容量公共交通 (如地铁等 )的一种补充,解决城市区域交通问题 ,例如大型活动场所、 公园、 校园、 工业园、 机场等。但是 ,城市环境也更为复杂 ,对感知和控制算法提出了更高的要求。城市环境中的无人自动驾驶将成为下一阶段研究重点。例如 ,美国国防部“大挑战 ”

  　　比赛 2007年将采用城市环境。目前这类环境的应用已经进入到小范围推广阶段,但其大范围应用目前仍存在一定困难 ,例如可靠性问题、 多车调度和协调问题、 与其它交通参与者的交互问题、 成本问题、 商业模型等。

  　　3、特殊环境下的无人驾驶系统

  　　无人驾驶汽车研究走在前列的国家 ,一直都很重视其在军事和其他一些特殊条件下的应用。但其关键技术和基于高速公路和城市环境的车辆是一致的 ,只是在性能要求上的侧重点不一样。例如,车辆的可靠性、 对恶劣环境的适应性是在特殊环境下考虑的首要问题 ,也是在未来推广应用要重点解决的问题。