自动驾驶汽车基础技术解析

全智能化

智能车（Intelligent vehicle）是一个集环境感知、规划决策、多等级辅助驾驶等功能于一体的综合系统，它集中运用了计算机、现代传感、信息融合、通讯、人工智能及自动控制等技术，是典型的高新技术综合体。

如下图所示，给自动驾驶技术做一个总的分类，其关键技术依次可以分为环境感知，行为决策，路径规划和运动控制四大部分。

感知技术

自动驾驶的第一步就是环境信息和车内信息的采集与处理，是智能车辆自主行驶的基础和前提。获取周围的环境信息。这方面涉及到道路边界检测、车辆检测、行人检测等技术，即上面各位所说的传感器技术，所用到的传感器一般都会有激光测距仪、视频摄像头、车载雷达、速度和加速度传感器……这部分也是一台智能车辆最烧钱的部分，现在国内各大高校里动辄上百万甚至几百万的试验车，都是基于普通的轿车开发的，车子本身并不十分贵。但是感知技术并不是说我有钱加装个上百万的雷达，搞几个高清摄像头就可以的，由于各个传感器在设计的时候有各自的局限性，单个传感器满足不了各种工况下的精确感知，想要车辆在各种环境下平稳运行，就需要运用到多传感器融合技术，该技术也是环境感知这一大类技术的关键技术所在，目前国内这方面和国外的主要差距也集中在多传感器融合方面。

决策技术

在辅助驾驶或者自动驾驶技术中，完成了感知部分，接下来需要做的是，依据上一步感知系统获取的信息来进行决策判断，确定适当工作模型，制定相应控制策略。这部分的功能类似于给车辆下达相应的任务。例如在车道保持、车道偏离预警、车距保持，障碍物警告等系统中，需要预测本车与其他车辆、车道、行人等在未来一段时间内的状态，先进的决策理论包括模糊推理、强化学习、神经网络和贝叶斯网络技术等。

路径规划

智能车辆有了行驶任务，智能车辆的路径规划就是在进行环境信息感知并确定车辆在环境中位置的基础上，按照一定的搜索算法，找出一条可通行的路径，进而实现智能车辆的自主导航。

路径规划的方法根据智能车辆工作环境信息的完整程度，可分为两大类：

基于完整环境信息的全局路径规划方法；例如，从上海到北京有很多条路，规划处一条作为行驶路线即为全局规划。如栅格法、可视图法、拓扑法、自由空间法、神经网络法等静态路径规划算法。

基于传感器实时获取环境信息的局部路径规划方法；例如，在全局规划好的上海到北京的那条路线上会有其他车辆或者障碍物，想要避过这些障碍物或者车辆，需要转向调整车道，这就是局部路径规划。局部路径规划的方法包括：人工势场法、矢量域直方图法、虚拟力场法、遗传算法等动态路径规划算法等。

运动控制

规划好了行驶路径，接下来就需要控制车辆沿着期望的轨迹行驶，这就是运动控制部分需要完成的内容。运动控制包括横向控制和纵向控制，简单来说横向控制就是转向控制，纵向控制就是速度控制，现在研究比较多的是横向控制，所运用的方法主要包括滑膜控制、模糊控制、神经网络控制、最优控制、自适应控制和纯跟踪控制等。通俗的讲就是，横向控制为给定一个速度，通过控制转向达到车辆沿着预定轨迹行驶的目的；而纵向控制目的是为了满足车辆行驶过程中的速度要求，有时候还需要配合横向控制达到满足车辆在轨迹跟踪的同时，还需要满足安全性、稳定性和舒适性的目的。因为车辆是一个特别复杂的系统，横向、纵向和垂向都有耦合关系的存在，因此就需要对智能车辆进行横、纵向，甚至横、纵、垂向的协同控制。由于其耦合关系的复杂性，所以说智能车辆运动控制的协同控制技术，也是该部分的技术难点。

链接：百度自动驾驶汽车在雄安上路

2017年12月20日，百度公司与河北雄安新区管委会签署战略合作协议，双方将在智能出行、对话式AI应用、云基础设施等多个领域展开深度合作，共同将雄安新区打造为AI-City智能城市。

在共建雄安AI-City上，百度将发挥在人工智能、大数据、无人车、云计算等多个领域的技术与应用优势，以自动驾驶、对话式人工智能为重点推动包括智能交通、智能出行、智能家居、智能教育、智能安防、智能醫疗、智能环保、智能支付、智能投顾等智能产业与服务在雄安的试点。

同时在雄安新区支持下，百度将与雄安共同打造“智能公交+无人驾驶”智能出行试点。当天，Apollo第一届理事会在雄安新区召开，理事会成员一起探索城市无人车的发展、管理，未来将与雄安共同推动相关法规、政策的制定，探寻可复制、可推广的无人驾驶示范模式。Apollo自动驾驶车队在当日也首次在雄安亮相。

Apollo自动驾驶车队在雄安道路上顺利开跑，为无人车在雄安运营积累技术和经验，也预示着一座“解放双手”的未来出行之城即将诞生。

此次测试车辆车顶安装了车顶激光雷达，车辆通过激光雷达和摄像头可以对路上的行人车辆加以识别，并在车内的屏幕上实时显示：黄色方框代表行人、绿色代表车辆；相应颜色的线条代表智能系统预测的行人或车辆行驶的轨迹。车身上方还安装了四个焦距不同的高清相机，能观察到前面不同视角的红绿灯，并通过图像识别技术检测红绿灯的情况。