面向自动驾驶的边缘计算技术研究综述

1  引言

计算机技术和传感器技术的发展使汽车逐渐成为更加智能的自动驾驶汽车。自动驾驶汽车的出现将会提高交通通行效率，减少道路交通事故。美国高速公路交通安全管理局将自动驾驶分为L0～L5共6个等级，从L0到L5，汽车的智能化水平逐渐提升。L5级的自动驾驶汽车可以在任何环境下完成所有的驾驶操作而不需要人类驾驶员的干预。

为了提供安全的自动驾驶服务，自动驾驶汽车需要获取所处环境的完整信息，并对其进行实时处理以做出行驶决策。从环境信息的获取到行驶决策的制定可以分为3个阶段，分别是环境信息获取、信息融合处理和驾驶行为决策。

1) 环境信息获取。自动驾驶汽车通过多种车载传感器获取所处环境的信息，如用定位系统、惯性测量单元获取位置信息，用激光雷达绘制周围环境的点云，用摄像头获取环境的图像数据，用雷达和声纳检测距离车辆最近的物体等。

2) 信息融合处理。此阶段的任务是将获取的环境信息进行融合处理，使自动驾驶汽车了解周围的环境。信息融合处理阶段有3个主要的任务，分别是自我定位、目标识别和目标跟踪。这3个任务都需要大量的计算资源来完成。

3) 驾驶行为决策。在自动驾驶汽车了解了自身所处的环境之后，就开始预测其他车辆或行人等障碍物的运动路径，然后根据预测结果做出自身的路径规划和避障决策。

高级别的自动驾驶汽车需要在无人干涉的情况下完成以上3个步骤，但仅依靠单个自动驾驶汽车的能力是很难做到的，原因如下。

1) 在环境信息获取方面，单个自动驾驶汽车存在传感器视野盲区，无法获取完整的所处环境信息，这可能导致自动驾驶汽车无法检测即将到来的危险。

2) 在数据处理方面，车载计算系统难