自动驾驶系统概述

内容摘自《自动驾驶系统设计及应用》一书

自动驾驶系统概述*

汽车自动驾驶技术：依靠计算机与人工智能技术在没有人为操纵的情况下，完成完整、安全、有效的驾驶汽车的一项前沿技术

自动驾驶的三个层次

主要包括：环境感知、决策规划和运动控制

感知层用来完成对车辆周围环境的感知识别，主要目的是获取处理并处理环境。汽车自动驾驶常用的传感器主要包括摄像头、毫米波雷达、激光雷达、超声波雷达、红外夜视、以及用于定位和导航的GPS(全球定位系统)和IMU（惯性测量单元，还有协同式全局数据辅助，可以扩展智能车的环境感知能努力，如高精度地图，V2X车联网技术

决策层作用与人类驾驶员类似，主要分为两步：
第一步是认知理解：根据感知层收集的信息，做出对车辆自身的精确定位，对车辆周围环境的准确判断
第二部是决策规划：对接下来可能发生情况的准确预测，对下一步行动的准确判断和规划，选择合适的路径达到目标

控制层：通过线控技术完成执行机构的电动化，达到电子制动，电子驱动和电子转向，并控制车辆响应，保证控制精度，对目标车速、路径进行跟踪。

自动驾驶系统的基本技术架构

1.车载系统

感知系统通过各种类型的传感器采集、接收的数据，通过总线进行集成，再通过数据的融合和智能化处理，输出自动驾驶所需的环境感知信息，车载传感器的优化配置，可以在保证精度和安全性的基础上，降低整体成本
主控系统由硬件部分高性能车载集成计算机平台和软件部分智能车载操作系统组成。计算机平台融合了传感器、高精度地图、V2X感知信息进行认知和决策计算。

2.云端系统

云端主要完成4个功能：
1.数据存储：智能车路测中实时采集的数据量非常大，需要传输到云端进行分布式存储
2.仿真测试：开发的新算法在部署车上之前会在云端的模拟器上进行
3.高精度地图生成：地图的生成采用众包形式，把每辆在路上行驶的智能车实时采集到激光点云或者数据传感器上上传云端，实现高精度地图的完善和更新
4.深度学习模型训练：自动驾驶的决策层使用了多种不同的深度学习模型，对于没有出现过的情况车辆无法处理，因此需要持续不断地通过新数据进行模型训练，来提升算法的处理能力，由于训练的数据量非常大，所以要在云端完成。