无人车软件体系架构

高 嵩，张金炜，戎 辉，王文扬，何 佳，郭 蓬

（1.中国汽车技术研究中心有限公司，天津 300300；2.河北工业大学，天津 300222；3.天津大学，天津 300072）

互联网的高速发展，带来的不仅仅是经济利益和社会效益，也带动了一系列技术的迅猛发展，其中，集众多技术于一身的无人驾驶汽车正是其中的典型代表，它被认为是汽车发展的未来。无人车的开发涉及到环境感知、定位导航、人工智能、数学计算、路径规划、自动控制等技术，其软件架构可以分为感知层、决策层、控制层三大部分。

1 感知层

感知层通过车载传感器感知周围环境以及车身位置等信息，其中的信息包括车道线位置、行驶道路范围、行人和车辆等障碍物、道路交通标志以及红绿灯指示情况等。图1为感知层体系结构。

图1 感知层体系结构

1.1 常见传感器

1）相机 通过机器视觉或立体视觉获取车体周围的二维、三维路况信息。对获取的视觉信息利用图像处理和模式识别技术提取环境中的车辆、行人、障碍、标识等信息。

2）激光雷达 激光雷达的准确率很高，多线激光雷达在无人车中常被用作主要传感器使用，它可以绘制高精地图，并依据高精地图对车辆进行定位，还可以用它实现避障。

3）毫米波雷达 毫米波雷达可以探测环境中的障碍物，它在烟雾中的穿透能力优于其他传感器，可以实现对多目标的探测和跟踪，但是分辨率低，往往不能进行目标分类和识别。

1.2 定位与导航

1）卫星定位 无人车须通过定位技术实时感知自身的环境位置，而GPS卫星定位是最常用的方式。另外，由于GPS卫星信号受行驶环境影响较大（比如信号遮挡或者天气影响等），GPS配合惯性传感器（IMU）的使用，可以达到更好的定位效果。

2）惯性导航 导航技术是使用惯性导航系统的陀螺仪，使无人车实时感知自身的位置、速度、加速度、航向角等信息，常作为卫星定位的辅助手段。与卫星定位相比，惯性导航设备的成本较高。

2 决策层

决策层接收感知层传递的周围环境和车身位置等信息，结合既定的车辆行驶任务，进行局部路径规划和全局路径规划。局部路径规划部分对车辆的局部驾驶行为进行规划，如换道、超车、等待、泊车等，会生成一条安全无碰撞的路径。全局路径规划则决定车辆的全局行车路线，规划的路径更加宏观，与车辆的全局行驶任务紧密关联。

2.1 局部路径规划

局部路径规划是一种动态规划也叫做在线规划，它需要传感器实时采集周围环境信息，再配合环境地图的信息，最后得出车辆在地图中的位置以及周围障碍物的信息，然后利用算法找到一条无碰撞路径。

局部路径规划的常见算法有：传统方法（比如模拟退火算法、模糊逻辑算法、人工势场算法等）、智能仿生算法（比如人工神经网络算法、蚁群优化算法、遗传算法、粒子群算法等）、启发式搜索方法（比如A* 、D*方法）等。

2.2 全局路径规划

全局路径规划是一种静态规划又叫做离线规划，要求拥有完全的环境信息，再依据地图给出的信息，计算得到一条从出发位置到目的位置的最优路线。其主要方法如下。

1）可视图法 这种算法的思路很简单，它需要确保无人车、道路上的障碍物以及目标点之间能够用线连接起来，不和空间中任何障碍物相连，最后在这种可视图中找到最优路线。

2）自由空间法 其思路是面对可视图法的应变性差，需要预先定义它的基本模型，例如做出广义锥形、凸多边形等形状进行构造自由空间，并且将这样的自由空间表示成为连通图，最后就可以在连通图中找到最优路径。在开始点和目标点改变时并不需要重新绘制新图而是只用改变相应点的位置即可。

3）栅格法 具体思路是用栅格代表地图，把一个个栅格二值化，把无障碍物的栅格标记为空白栅格，把有障碍物的栅格标记为黑色栅格，对这种栅格地图进行最优路径搜索。

还有其他的算法比如神经网络法、蚁群算法和拓扑法等，它们都能在全局路径中进行最优路径搜索，但是搜索出来的路径不一定是最短路径。

3 控制层

控制层针对无人车进行横向控制、纵向控制，而且横向控制是控制无人车的行驶方向，纵向控制是控制无人车的速度。控制层接收来自决策层所作出的局部和全局路径规划轨迹，然后控制相应的执行机构作出动作，完成对路径轨迹的跟踪。图2为控制层体系结构图。

图2 控制层体系结构图

1）横向控制 横向控制本质上属于无人车的转向控制，它的控制目标为在保证无人车行驶安全性和乘坐舒适性的前提下，使无人车能够准确地对预期的路径进行跟踪。常用方法有基于模型预测控制（MPC）控制器、PID横向控制器、基于模糊逻辑横向控制器等。

2 ）纵向控制 纵向控制就是控制无人车行进中的速度，而且横向控制的精度也会受到速度控制的影响。车辆的速度涉及到油门和制动，通常是设计油门控制器和制动控制器来控制无人车速度。常用的方法也同横向控制，有基于滑模控制的纵向控制器、模糊PID控制器、模糊控制器等。

4 结束语

汽车智能化是未来的重要发展方向，无人驾驶汽车则是智能汽车的最终形态。感知层、决策层、控制层作为无人驾驶汽车的三大组成部分，通过感知层提供环境、位置等信息，决策层根据这些信息作出路径规划，最后控制层进行横向和纵向控制完成路径跟踪，实现无人车的自动驾驶。

参考文献：

［1］ 潘福全，亓荣杰，张璇，等.无人驾驶汽车研究综述与发展展望［J］.科技创新与应用，2017（2）：27-28.

［2］ 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 (2)： 1-5.

［3］ 鲍庆勇， 李舜酩， 沈峘， 等. 自主移动机器人局部路径规划综述［J］. 传感器与微系统， 2009， 28(9)：1-4.

［4］ 刘蕊.智能车路径跟踪及其底层控制方法研究［D］.北京：北京工业大学， 2013.