 |
當前，無人駕駛成為新一輪技術和資本追逐的風口。谷歌、百度、沃爾沃、戴姆勒、長安、吉利……無論是傳統車企還是互聯網企業，都紛紛加入這一研究領域。
跨界合作也不在少數。如近期梅賽德斯—奔馳與智能硬件廠商英偉達NVIDIA、汽車技術供應商博世BOSCH宣佈合作，將推出基於NVIDIA AI技術驅動的無人駕駛汽車。梅賽德斯—奔馳母公司戴姆勒及BOSCH計劃於2019年下半年開始在舊金山灣區開展免費無人駕駛汽車共享服務試點項目。
無人駕駛並不僅僅是巨頭的戰場。廣東初創企業小馬智行，成立不到兩年即累計完成約2.3億美元融資。今年2月，小馬智行以“全國第一支城區運營、白天黑夜全場景無人駕駛”為亮點的車隊在廣州南沙試跑，向市民展示了無人駕駛“黑科技”。
那麼，無人駕駛汽車是如何“看見”和“聽見”周邊的路況？又是如何跑起來的呢？本期科技能見度來為大家揭秘。
●南方日報記者 賓紅霞 張志超 王詩堃 實習生 吳哲
1 怎麼“看路”？
傳感器就是汽車的“眼睛”
無人駕駛汽車與平時路上行駛的普通車輛最大的區別就在於“無人”，那無人駕駛汽車是如何“看到”車輛運行期間的路況呢？
在硬件方面，以小馬智行基於量產車型改裝的無人車為例，其車頂裝載了一個特殊的裝置，看起來就像是機器人Wall—E的頭，還會360度旋轉。
“車頂上這個裝置是一個激光雷達，它和毫米波雷達、攝像頭等傳感器一起組成了無人車的‘眼睛’。”小馬智行技術總監張寧向記者介紹。
激光雷達的工作原理是什麼呢？記者瞭解到，以64線激光雷達為例，它在高速旋轉的時候會向周圍發射64束激光，激光碰到周圍的物體會產生反射，通過檢測反射回來的光，可以測量出無人車周圍許多不同物體形成的點陣，從而創建出物體的3D模型，偵測出汽車的周邊環境。
“激光雷達的優點包括：測距準確，會進行360度掃描，漏檢率低，且抗干擾性強；毫米波雷達則在定向長距離檢測和捕捉徑向速度方面更有優勢；攝像頭分辨率高，能夠很好地捕捉色彩和細節，包括識別路上的信號燈。為了取得更好的識別效果，三者一般會搭配使用。”張寧說道。
通過這些傳感器，沒有人為駕駛的汽車也可以清晰“看到”周圍物體，並且清楚地掌握它們的大小、距離、速度，通過連續的追蹤，從而判斷出物體的運動趨勢，是否會對車輛的運行造成影響，並作出相應反應，讓汽車保持正常行駛狀態。
2 怎樣定位？
衛星信號激光雷達等多管齊下
“汽車對周圍環境‘感知’之後，下一步就是要實現精確到釐米級別的定位，讓汽車精準地知道自己在整個世界座標系上的位置。”張寧介紹，無人駕駛車輛的定位方法有GPS、慣導、視覺和激光雷達地圖信息匹配定位等。根據應用場景的不同，定位方法亦有所區別。
最常見的定位手段是運用衛星信號，但是如果某些地方衛星信號弱的話，就需要慣導系統等其他備用方案了。“慣導系統是通過測量車輛的角加速度和線性加速度，對測得的數據進行積分，從而推算出車輛相對於初始位置的當前位置信息。它的優點在於不太受周圍環境的干擾，但是存在累積誤差。所以，在這個層面上，我們會再做一層算法，採集了高精度地圖之後，通過汽車‘看到’的景象來判斷它所在的位置，從而保證不會跑偏。”張寧說道。
通過攝像頭以及激光雷達的地圖信息匹配也是定位的一種方法。在無人駕駛的過程中，通過將檢測到的數據與事先建立的地圖信息進行對比，就可以得到汽車的位置。“就像是你去一個陌生的地方見朋友，通過描述你身邊有哪些標誌性的建築，你距離這些物體有多遠等信息，你的朋友就能判斷出你的位置。”張寧舉例道。
在無人駕駛汽車真正上路之前，技術人員還會提前對測試路段的周邊環境進行信息的採集。“每個地方的交通規則可能不一樣，所以汽車需要‘識別’出自己位於地圖上的哪一條車道、車道的交通規則和限速等，通過採集到的地圖信息和當地的交規進行結合，就會形成一個基本的運營地圖，通過算法來算出汽車行駛的最佳路徑。”
3 如何決策？
從監測到反應僅需一兩百毫秒
在行駛中，無人駕駛汽車是如何處理數據的呢？沒有人工干預的汽車，又是如何在遇到障礙物或交通信號燈時作出正確反應呢？
清華大學汽車安全與節能國家重點實驗室博士高洪波告訴記者，無人駕駛汽車需要通過“環境感知模塊”進行處理。“模塊包括道路邊界檢測、障礙物檢測、行人車輛檢測、交通標識檢測、車道線檢測、紅綠燈檢測與車身狀態估計功能。”高洪波說。
模塊就是無人駕駛汽車的“大腦”。通過系統的算法讓汽車在極短的時間內做出判斷：是該加速、剎車，還是變道、轉向。
“從監測到物體，再到作出反應，人的反應可能需要幾秒鐘，但是無人駕駛汽車只需要一兩百毫秒。”張寧介紹，“汽車通過‘看到’的信息來判斷周圍物體的運動趨勢，從而判斷自己下一步的行動，比如是否需要避讓或是減速、剎車等，這些決策綜合在一起，最後給汽車控制信號，進而控制汽車的剎車、油門和轉向等。”
4 有何難點？
尚難適用於
複雜交通場景
事實上，在港口、碼頭等特定路況環境下，無人駕駛已不是難題。但在一般城市路面上路，還有技術難點待克服。高洪波指出，難點主要在場景認知、決策控制和人機交互等方面。
張寧也表示，在無人駕駛汽車的應用場景當中，隨機因素越多，技術挑戰性越高。就目前來看，實現在城區複雜道路的路面公開測試，對無人駕駛汽車來說還是非常有挑戰性的。“比如說路面亂竄的電動車、不遵守交通規則的行人等，這些都是隨機因素，汽車需要及時作出正確的反應，背後涉及的算法就很複雜”。
“良好的安全性和智能性是無人駕駛汽車上路的前提，而一個穩健的軟硬件體系構架是實現自動駕駛功能的重要前提。”高洪波表示。
針對現有技術，高洪波也提出一些不足和改進方向：
其一是過於依賴特定類型的感知傳感器，例如毫米波雷達、攝像頭等。“當所依賴的單一傳感器不能正常工作時，車輛的環境感知性能將極大退化，不能提供有效的場景認知能力。例如，激光雷達不適用於雨、雪和霧等天氣；毫米波雷達不適用於非導電體；可見光攝像頭不能用於強光或暗光場景；GPS對衛星信號遮擋高度敏感等。”
其二，自主決策的智能性尚需提升，難以適用於人車混雜的複雜交通場景，對周圍交通參與者的不確定性和隨機性認知不足，對未來行為模式和運動軌跡的預測不到位，且難以處理不合交通規則的突發情況。
其三，現有縱橫向控制算法僅用於高附著良好路面，對溼滑道路、強側向風、大彎道工況等考慮不足，加上傳感器噪聲、車輛模型失配、執行器不確定性等制約，智能車輛的運動控制性能有待進一步提升。
閱讀更多 南方日報 的文章
