地面无人车辆及关键技术研究进展

朱炳先，张朋飞

（中国北方车辆研究所，北京100072）

地面无人车辆及关键技术研究进展

朱炳先，张朋飞

（中国北方车辆研究所，北京100072）

地面无人车辆研究是移动机器人研究的重要方向。基于大量文献研究，分析了地面无人车辆国内外发展现状及关键技术研究进展，提出了地面无人车辆未来发展趋势和亟待解决的3个关键技术问题，为进一步研究相关问题提供了一定参考。

地面无人车辆；环境感知；信息融合；自主行驶

地面无人车辆集环境感知、规划决策与多等级辅助驾驶功能于一体，是涉及到传感、信息融合、计算机、通讯、人工智能及自动控制技术等多学科多领域的高技术集合体[1]。随着科学技术高速发展，地面无人车辆对社会经济特别是国防现代化建设的重大意义日益凸显[2]，因而成为车辆工程领域研究的热点及很多国家高科技发展的重点，而相关的关键技术是地面无人车辆正常运行的前提条件之一[3]。地面无人车辆依靠众多关键技术对周围环境信息进行获取、处理和理解，实现自主定位、环境探索与自主行驶。所以，许多关键技术成为地面无人车辆自主行为研究的重要内容[4]。为此，本文在梳理地面无人车辆及关键技术研究进展基础上，提出未来地面无人车辆发展趋势及亟待解决的若干关键技术问题，以供业界同行参考。

1 地面无人车辆研究现状

1.1国外研究现状

国外地面无人车辆研究主要集中于欧美日等国。20世纪80年代初，美国国防部高级研究计划局发布战略计划[5]，将地面无人车辆作为其重要组成部分。卡内基梅隆大学早在20世纪90年代研制了NavLab系列地面无人车辆[6]，成为当时的代表性成果。目前，NavLab11是该系列的最新成果，虽然属于改装型，但是该款地面无人车辆已经具备一定环境感知能力[7]。此外，美国国防部还制定了一系列地面无人作战平台计划，推动研制地面无人自主车辆，其目的就是构建无人地面作战系统。斯坦福大学研发的Stanley地面无人车辆更加先进，系统处理传感器数据的频率可达100 Hz，且拥有鲁棒性较强的车辆状态估计算法[8]。

近年来，卡耐基梅隆大学又研制了一款名叫“Boss”的地面无人车辆，拥有感知、运动规划、任务规划及行为的若干子系统，基本实现了自动避障、会车、泊车等功能[9]。2010年以来，Google公司也将地面无人车辆研究列为研发项目[10]，其目标是实现对车辆的智能控制。目前，Google公司的地面无人车辆已经完成了近百万公里的安全测试，车辆具备感知能力和人工智能，可自动地识别信号灯、行人以及车辆，配置谷歌街景地图对车辆进行导航，基本实现自主行使。

在德国，慕尼黑联邦国防大学于20世纪80年代也开始对地面无人车辆技术进行探索[11]，目前，已开发出两款地面无人车辆（VaMoRs和VaMoRs-P）[12]，其中VaMoRs-P地面无人车辆实现了1 600 km的长距离自主行驶和400多次变道，最高时速达130 km/h。2010年，德国柏林自由大学研发了MIG出租车[13]，这款地面无人车辆是以帕萨特为基础，用线控技术控制车辆[14]。

此外，意大利帕尔玛大学研制的地面无人车也于2010年7月20日下线四辆无人电动车，行程13 000 km，抵达中国上海世博园现场[15]。英国牛津大学研制的地面无人车辆Wildcat，则采用激光雷达和相机监控路面、交通、行人等交通状况，可以实现崎岖山路上自主行驶、堵车绕道等功能[16]。

日本是20世纪90年代实施了先进巡航协助公路-系统(AHS)计划，主要从事高速公路车辆测试、评价和实施等研究。针对日本高速公路弯曲度大的特点，由日本多家汽车和电子企业合作，致力于弯曲道路环境下因传感器受限无法检测到公路上危险情况展开研究，目的是提高车辆行驶的安全性。此外，日本几大汽车公司在车辆定位、感知技术、驾驶员人脸识别、车辆跟踪及夜间行驶等方面也做了深入研究，为“城市交通系统”构建做出了贡献。

1.2国内研究现状

在国内，地面无人车辆研究起步较晚，地面无人车辆研究始于“八五”期间。1995年，国防科大和北理工合作成功研制了代号为ATB-1的地面无人车辆，这是国内第一辆能够自主行驶的测试样车。此后相继研制了ATB-2和ATB-3。这些地面无人车辆包含了计算机系统、精确定位系统、路径规划系统、运动控制系统和自动驾驶仪，其功能不断加强，行驶速度不断提高，环境认知能力和轨迹跟踪能力进一步加强，实现了在准结构化和非结构化道路以及越野环境下的自主行驶功能[17]。清华研制的THMR-V地面无人车辆[18]，可根据不同环境场景实现高速和城市道路选择性行驶模式切换，最高行驶速度达到42 m/s[19]。国防科大研制的CITAVT-IV地面无人车辆[20]，在真实路况条件下，50 min内行驶11 km，能识别交通标识和信号灯，对各种障碍物可进行感知，在路口可进行左右转弯和直行。西安交大研制的Springrobot地面无人车辆具有较高的车道线检测和行人检测能力[21]。“中国一汽”和国防科大研制的“红旗CA7460”地面无人车辆，标志着我国自主研发的第一辆驾驶汽车诞生，这款车可以根据前方障碍状况实现自动变道，其最高行驶速度达到47 m/s。吉林大学地面无人车辆研究团队在环境感知、导航技术等方面有较为深入的研究，研制的地面无人车辆能够实现按照标识线路自主行驶[22]。

此外，中科院合肥物质科学研究所、军事交通学院、上海交大、武汉大学、湖南大学等单位也在地面无人车辆研究方面取得了一定成果[23-25]。

综上所述，国内外研究机构和企业在地面无人车辆研究方面做出了开创性工作，但整体上还是处于实验室阶段，将地面无人车辆置身于真实交通系统，在交通规则约束下，对周边固定或移动障碍物及车辆交互行为做出响应决策，最终实现真实道路上安全自主行驶还需要时日。其根本原因在于，地面无人车辆对周边车辆行为、意图缺乏识别和理解，难以在理解基础上做出合理响应行为，即地面无人车辆缺乏与周边车辆的有效交互与协同，相关关键技术研究需进一步加强。

2 地面无人车辆关键技术研究现状

地面无人车辆与现行车辆相比，主要体现在结构化和非结构化条件下运行时的信息采集和处理数量[26]，所以，对地面无人车辆的智能化水平的要求很高。地面无人车辆运行过程中要对已知和实时获取的环境信息做出路径规划并自主决策，这样才能使车辆安全可靠运行。因此，地面无人车辆是多学科综合应用的产物，涉及到多种基础理论（信息论、控制论、人工智能、决策论等）和多种先进技术（计算机、网络、微电子、通信等）的综合应用，而技术支撑是地面无人车辆研发获得重大突破的关键[27]。

2.1传感技术

地面无人车辆追求的最终目标是达到车辆自主行驶。因此，地面无人车辆必须掌握足够多的车体自身的状态信息和车体外部的环境信息，从而使得地面无人车辆对外部交通环境能有效感知，而这些地面无人车辆自主行驶所需要的信息则需要通过各种传感器来获得[28]。目前主流的传感手段有雷达系统、机器视觉、高精度GPS和磁道钉。

雷达系统是一种主动型传感器，其优势是对距离、速度和方位进行直接测量，特别是在恶劣气象条件下能够正常工作而不受影响。尤其是激光雷达，其精度更高。不足是成本高，光谱分辨率和扫描速度较低，多个雷达之间容易产生相互干涉。机器视觉技术是近20年来在地面无人车辆研发中备受关注的技术，他是依靠CCD等成像元件，从多角度全方位拍摄车外环境，其成本较雷达系统低[29]。目前主要用CCD提取车道线，识别近距离车辆、行人和交通标志等，这些属于被动型传感器，缺点主要是容易受到环境干扰，特别是能见度低的情况下效果不理想。高精度GPS则可以对车辆位置、行驶方向、速度、加速度等车辆状态信息精准捕获，结合电子地图和先进匹配算法，能够获得充分的道路信息，对于精准定位车辆和道路跟踪具有不可替代的作用。磁道钉技术是借助磁传感器采集道路的磁场分布状况，以此来确定车辆位置，并结合计算机视觉辅助信息，可提供全天候车辆导航，不受气象条件影响。

总之，视觉系统具有高分辨率和低成本特征，因而基于视觉信息环境感知是有实用价值的方法[30]。

2.2智能算法

地面无人车辆通过传感器感知到周围的环境信息有其局限性，为了提高整个系统的有效性和稳定性，需要多个传感器信息有效融合，即需要融合方法。目前主流的融合方法有：数据融合算法、视觉算法、滤波算法、控制决策算法等。

数据融合算法是将多个传感器捕获的数据信息输入到融合算法中，生成有效的融合数据供给系统决策[31]。另外，不同类型的传感器之间存在优势互补的情况，也需要通过数据融合算法来处理。视觉算法是为了提高算法适应能力，基于实时、稳定的视频图像，从中提取出有效的环境信息的检测与识别算法[32]。滤波算法是为了提高抗干扰能力，解决测量数据与真实数据之间的误差，对数据进行各种滤波处理方法。控制决策算法是为了使地面无人车辆实现自主确定并切换到适当工作模式，从而完成自主行驶任务的各种横向、纵向控制方法。

2.3通信技术

地面无人车辆的主要目标是实现无事故自主行驶，而造成事故的客观原因是通信不畅。所以，降低事故率必须从解决车辆通信问题入手[33]。地面无人车辆行驶过程中，车辆之间、车辆与交通监控中心之间、车辆与道路设施之间、车辆与其他信息系统之间，都存在着大量的各种存在形式的信息需要实时交换，而通信技术就是保证信息的准确快速传输，适合于地面无人车辆信息交换的通信技术显得尤为重要。为了提高通信质量，必须研究地面无人车辆信息交换的通信系统结构、传输介质、编码纠错技术、软件技术等。目前采用的是无线数字通信，其通信电路设计和基于广域网的无线通信协议技术对于车辆与环境之间的信息交互极具意义，低成本的无线通信技术将在各种电子装置之间完成数据传递、信息交换发挥重要作用。

3 地面无人车辆发展趋势及关键技术展望

3.1发展趋势

地面无人车辆作为一种智能化交通工具，他将代替人类驾驶员实现一系列自主驾驶行为，涉及到对外部环境的精确感知、对自身的精准定位以及智能化决策控制。可以预见，不久的将来地面无人车辆研制不仅能够推动各项先进技术的产生，也将促进多门类科学理论的发展。就地面无人车辆本身而言，未来将向系列化、车族化方向发展。考虑到未来对地面无人车辆的实际需求，可能首先满足军事装备需求，所以，未来可能针对不同军种，开发适应多军种的系列化和车族化地面无人车辆。如美军为了适应海军陆战队要求，开发的“角斗士”无人战车，适应于排雷需要的微型扫雷车，适应于城市环境的侦察、巡逻、监视等任务的龙腾小型智能车等。此外，可能为了适应任务多样化需求，开发以地面无人车辆为原型的多种变形智能车辆，比如多功能通用、后勤装备车辆（运输车型、扫雷型和轻型突击型）。

从应用角度而言，地面无人车辆率先应用于军事领域，以此为牵引，扩展到民用领域，实现军民两用协调发展态势。事实上，军用技术与民用技术通常是相互交叉出现的，军用车辆所承载的技术发展起来后，逐步向民用领域转向。比如，互联网和GPS定位系统最初都是军事项目，而现在则对整个社会经济发展均有渗透且起着巨大作用。同时，高精尖技术在民用领域的广泛应用也促进了军用项目向纵深发展。地面无人车辆也不例外，其在军用方面的特殊环境（越野道路、无路环境、核生化环境）中诞生的环境感知技术与自动控制技术，可以应用于民用车辆的自主道路规划、安全辅助驾驶等领域，且孕育于民用领域的军事技术可获得巨大民间资源，实现其快速发展。

3.2亟待解决的关键技术

纵观国内外关于地面无人车辆研究成果发现，近年来主要聚焦于地面无人车辆的环境感知系统，尤其是在道路检测、障碍识别等方面取得了不少成果，以及基于结构化道路环境研发的辅助驾驶系统已经得到具体应用。但在复杂的非结构化路况和恶劣气象条件下的地面无人车辆的感知系统还面临很多问题，需要进一步深入研究。为了满足某一特定任务需要，同时考虑到最优性价比，未来总体技术可能向平台的模块化和运载系统的通用化方向发展，需要开发地面无人车辆的通用技术，根据不同需要进行不同配置，从而实现不同功能。

为此，复杂背景环境下城市道路中的交叉口检测、道路标志和交通信号准确实时识别，行人避让检测与跟踪识别等问题是环境感知技术亟待解决的问题。区别于城市道路环境下几何描述能够说明道路的可通过性，在野外环境条件下，对复杂地形进行分析是关键，在分析三维地形几何特征、地形覆盖、检测及对可能是障碍的地形分类，并评估各种地形的可通过性。所以，地面无人车辆在复杂野外环境中各种障碍检测与自主导航成为另一个亟待解决的问题。此外，由于恶劣气象条件和光照条件下的影响，视觉系统作为环境感知系统的重要组成部分，要想实现全天候、夜间条件下的准确感知与理解还需要进一步的研究。

4 结束语

地面无人车辆是汇聚多种理论和技术于一体的高科技产物，其发展不仅推动着所涉学科与技术的进步，而且在军事与民用上具有广阔的应用前景。本文在阅读大量文献基础上，回顾了地面无人车辆国内外发展历程，梳理了涉及地面无人车辆自主行驶的关键技术，对地面无人车辆未来发展趋势做出了预测，对相关的亟待解决的关键技术进行了整理，可望此项工作能对地面无人车辆研究者提供一个较为清晰思路和未来研究重点方向。

[1]陈慧岩,熊光明,龚建伟,等.车辆信息技术[M].北京：北京理工大学出版社，2013：12-13.

[2]Arslan G,Maiden J R,Shanuna J S.Autonomous vehicle-target assignment：A game-theoretical formulation[J].Journal of Dynamic Systems,Measurement and Control,2007,129(5)：584-596.

[3]刘严岩，王进，冒蓉.无人地面车辆的环境感知技术[J].太赫兹科学与电子信息学报，2015,13（5）：810-815.

[4]钱钧.基于路标的智能车辆定位[J].上海交通大学学报,2007(6)：894-898.

[5]（美）National research council of the national academies.军用无人地面车辆技术的发展[M].付梦印,王美玲,主译.北京：国防工业出版社,2009：28-36.

[6]Thorpe C,Herbert M,Kanade T,et al.Toward autonomous driving：the CMU Navlab[J].IEEE Expert,1991,6(4)：31-42.

[7]邓志东.无人驾驶车辆：从遥控或半自主到完全自主[R].清华大学智能技术与系统国家重点实验室，2012：15-20.

[8]Urmson C,Anhalt J,Bagnell D.Autonomous Driving in Urban Environments：Boss and the Urban Challenge[J].Journal of Field Robotics，2008,25(8)：425-466.

[9]Ferguson D,Howard T,Likhachev M.Motion Planning in Urban Environments：Part I[C].Proceedings of the IEEE/RSJ International Conference on Intelligent Robots and Systems(IROS).Nice,France,2008：1063-1069.

[10]Markoff J.Google Cars Drive Themselves,in Traffic[R].The New York Times，October 11,2010.

[11]Dickmanns E D.The development of machine vision for road vehicles in the last decade[C]//Intelligent Vehicle Symposium,2002.IEEE.IEEE,2002,1：268-281.

[12]Albus J S.4-D/RCS reference model architecture for unmanned ground vehicles[C]//Aerosense.International Society for Optics and Photonics,2002：1-5.

[13]Reuschenbach A,Wang M,Ganjineh T,et al.iDriver-Human Machine Interface for Autonomous Car s[C]//Information Technology：New Generations(ITNG),2011 Eighth International Conference on.IEEE,2011：435-440.

[14]Ford H J.Shared Autonomous Taxis：Implementing an Efficient Alternative to Automobile Dependency[D].Princeton University,2012.

[15]Bertozzi M,Broggi A,Cardarelli E,et al.VIAC Expedition Toward Autonomous Mobility[From the Field][J].IEEE Robotics&Amp Amp Automation Magazine,2011,18(3)：120-124.

[16]Chang B R,Tsai H F,Young C P.Intelligent data fusion system for predicting vehicle collision warning using vision/GPS sensing[J].Expert Systems with Applications,2010,37(3)：2439-2450.

[17]赵盼.城市环境下无人驾驶车辆运动控制方法的研究[D].合肥：中国科学技术大学,2012.

[18]张鹏飞,何克忠,欧阳正柱,等.多功能室外智能移动机器人实验平台——THMR-V[J].机器人,2002,24(2)：97-101.

[19]杨明.无人自动驾驶车辆研究综述与展望[J].哈尔滨工业大学学报,2006,38(8)：1259-1262.

[20]孙振平,安向京,贺汉根.CITAVT-IV视觉导航的自主车[J].机器人,2002,24(2)：115-121.

[21]Li Q,Zheng N,Cheng H.Springrobot：a prototype autonomous vehicle and its algorithms for lane detection[J].IEEE Transactions on Intelligent Transportation Systems,2005,5(4)：300-308.

[22]邓剑文,安向京,贺汉根.基于道路结构特征的自主车视觉导航[J].吉林大学学报(信息科学版),2004,22(7)：425-419.

[23]彭新荣,杨明,谢强德,等.一种基于可靠预约ALOHA的智能车多车协作通信协议[J].上海交通大学学报,2010,44(9)：1211-1216.

[24]徐友春,常明,刘洪泉,等.猎豹智能车无人驾驶系统总体设计[J].汽车工程,2006,28(12)：1081-1085.

[25]安吉尧,文桂林,卢远志,等.用于车辆自主导航的多传感器数据融合方法[J].汽车工程,2009,31(7)：640-645.

[26]李舜酩,沈峘,毛建国,等.智能车辆发展及其关键技术研究现状[J].传感器与微系统,2009,28(1)：1-4.

[27]马飞跃，王晓年.无人驾驶汽车环境感知与导航定位技术应用综述[J].汽车电器，2015（1）：1-5.

[28]徐德，邹伟.室内移动式服务机器人的感知、定位与控制[M].北京：科学出版社，2008：150-153.

[29]Satumino M B,Sergio L A,Pedro G J.Road-Sign Detection and Recognition Based On Support Vector Machines[J].IEEE Transactions on intelligent transportation systems,2007,8(2)：264-278

[30]王东署，王佳.未知环境中移动机器人环境感知技术研究综述[J].机床与液压，2013,41（15）：187-191.

[31]辛江慧,李舜酩,廖庆斌.基于传感器信息的智能移动机器人导航研究[J].传感器与微系统,2008,27(4)：4-7.

[32]Shen H,Li S,Bo F,et al.Intelligent vehicles oriented lane detection approach under bad road scene[C]//Computer and Information Technology,2009.CIT'09.Ninth IEEE International Conference on.IEEE,2009,1：177-182.

[33]Baber J,Kolodko J,Noel T.Cooperative Autonomous Driving：Intelligent Vehicles Sharing City Roads[J].IEEE Robotics&Automation Magazine,2005,12(1)：44-49.

The Research Progress in Unmanned Ground Vehicle and Key Technology

ZHU Bing-xian,ZHANG Peng-fei
(China North Vehicle Research Institute，Beijing,100072)

Unmanned vehicle is one a very important direction for ground mobile robot.Based on Li-terature studying，this paper analyses the development status and key technology of unmanned vehicle at home and abroad on the ground research progress,proposes the future trends of unmanned vehicles and 3 key technology problems,and provides some references for further study.

unmanned ground vehicles;environment perception;information fusion;autonomous driving

TP242

A

〔责任编辑 王东〕

1674-0874(2017)01-0066-05

2016-12-16

国家自然科学基金[61673069]

朱炳先(1994-)，男，山西原平人，在读硕士，研究方向：车辆电子控制技术。