无人驾驶汽车的障碍物识别与存在问题

刘玥

（青岛西海岸第一高级中学，山东青岛，266000）

0 引言

汽车为我们的生活带来了便利，同样也造成了交通拥堵、安全隐患等多重问题。随着信息化进程加快，大数据飞速发展，将计算机技术应用在汽车中成为现阶段研究的必要趋势和前沿发展方向。无人驾驶汽车的出现可以为解决这些问题提供大的帮助。无人驾驶汽车的探测装置—障碍物信息识别和处理系统可以自动探测靠近车身的行人、车辆或周围其他的障碍物，采取自动应急措施应对碰到撞车危险的情况来避免损失。正因如此，无人驾驶汽车的问世能将驾驶员的因素排除掉，降低交通事故的发生，大大提高交通安全性。

1 无人驾驶汽车的发展历程

无人驾驶汽车的发展大致可以分为、创意构想阶段、初步试验阶段和融入计算机技术阶段三个部分。

■1.1 创意构想阶段（20世纪30年代—50年代）

无人驾驶汽车从无到有必然有一个过程。1925年，美国首次亮相了一辆用无线电波操控的貌似无人驾驶的汽车，但驾驭方式不安全也不完美。1939年一位美国的工程设计师联手通用汽车发表了对未来城市交通的规划和设计。在他们的设计中提到了未来美国所有车辆都为无线电控制的电动车，却可以自动规划路线和速度，就相当于自动驾驶。1953年，美国科幻小说家Isaac Asimov在短篇小说《Sally》描写了在2057年，有“大脑”的自动驾驶汽车和主人发生的故事。这被大部分人认为是人类无人驾驶概念的开始。

■1.2 初步试验阶段（20世纪50年代—70年代）

上世纪50年代早期，美国无线电公司在实验室中研发一种全新概念的技术，就是利用铺设在地面上的电线进行车辆行驶方位指引和车速的控制，从而实现无人驾驶。1956年，通用公司正式展出了Firebird II概念车，这是世界上第一辆配备了自动导航系统和汽车安全的像火箭头一样的概念车。1958年，这个公司进行了无人驾驶实车的成功验证。

■1.3 融入计算机技术阶段（20世纪70年代—21世纪）

从20世纪70年代开始，美国、英国、德国等发达国家开始研究无人驾驶汽车，增加了无人驾驶汽车的功能，提高了汽车的安全性。如1966美国斯坦福大学AIC研发出了名叫Shakey的自动导航仪器；1987年德国奔驰与慕尼黑联邦国防军大学一起推出的可以独自在实际街道上自动驾驶的汽车VaMoRs等等。我国从20世纪80年代开始对无人驾驶汽车进行研究。1992年，国防科技大学成功研发出了中国的最先真正意义上的无人驾驶汽车[1]。2005年，中国第一辆城市无人驾驶汽车在上海交大成功研发。2011年7月，红旗HQ3在长沙至武汉完成了首次286公里的高速无人驾驶测试。201 7年8月29日，百度和江淮汽车首次公布了关于自动驾驶量产的合作计划，自百度发布Apollo开放平台以来，这也成为首批自动驾驶车辆落地的里程碑[2]。

2 无人驾驶汽车障碍物识别技术分析

无人驾驶汽车是智能汽车的一种。这种智能汽车也称为轮式移动机器人，主要凭借的是车内的以计算机系统为主的智能驾驶仪器来达到无人驾驶的目标。无人驾驶汽车中拥有精确的定位与导航系统、用于观察前方的前置视觉系统、控制系统和环视系统等。障碍物识别及处理是无人驾驶汽车系统中非常重要的核心技术[3]。障碍物识别系统包括了捕获图像信息、信息预处理、道路检测、障碍物识别、传感器输出值计算、以及自动调整控制等模块，如图1所示。

■2.1 捕获图像信息

主要通过视觉传感器为汽车提供有关其周围意外事件的即时信息。视觉传感器是摄像头图像处理传感技术。可以用于预防碰撞和偏离。当将发生碰撞或汽车偏离时这种传感器便会发出预警。以色列的Mobileye是比较知名的视觉传感器之一。

■2.2 图像预处理

图像预处理是指将输入图像通过去噪、二值化等方法降低图像维度，分割成不同的模块进行识别，初步查看障碍物特征,增强障碍物的特征提取、匹配和识别的可靠性。二值化可以把灰度图像转换成灰度等级只有两级的二值图像，从而简化计算机对不同障碍物特征的提取难度。去噪是指减少提取图像时外部噪声或设备的噪声影响。

图1

■2.3 道路检测

无人驾驶汽车为了确定自己的行驶车道是否正确，会利用Hough变换和最小二乘算法对检测车道边界线进行实时监测，防止走偏和影响障碍物识别。 Hough变换是图像处理中从图像中识别几何形状的基本方法之一。Hough变换的基本原理在于利用点与线的对偶性，将原始图像空间的给定的曲线通过曲线表达形式变为参数空间的一个点。这样就把原始图像中给定曲线的检测问题转化为寻找参数空间中的峰值问题，也即把检测整体特性转化为检测局部特性。而最小二乘法是一种数学优化技术，它通过最小化误差的平方和寻找数据的最佳函数匹配。最小二乘法可用于曲线拟合。

■2.4 障碍物的识别

无人驾驶汽车对于图像的障碍物检测一般有三种方法：基于先验知识、立体视觉、运动学的检测方法。第一种方法的原理是利用已有的先验知识例如障碍物的颜色、纹理、边缘等，处理图像，之后进行匹配，快速识别障碍物。利用马路边缘特征提取信息或用颜色信息，追踪道路。第二种方法又包括双目和三目立体视觉障碍物检测方法。用摄像机分别从两个、三个视点观察同一事物，再将通过不同视角图像计算，从而识别位置和问题。基于运动学的检测方法最大的特点在于可以更精准地测量动态障碍物。

■2.5 计算车辆与障碍物间的距离

可以利用超声波、激光、毫米波传感器等计算车辆和障碍物之间的距离。这些传感器根据主波、回波信号之间的间隔，发出位置到被测物之间的往返时间就能算出待测物的距离。比如，通过超声波发射器不断发出一系列连续的脉冲，给测量逻辑电路提供一个短脉冲。超声波接收器在接收到遇障碍物反射回来的反射波后，也向测量逻辑电路提供一个短脉冲，再利用上述两个短脉冲测得时间间隔t，从而求出汽车与障碍物之间的距离s=vt/2，其中v为超声波速度。

3 无人驾驶汽车的问题及发展前景分析

无人驾驶汽车是现阶段正在研究的前沿科技产品，尚不完善，仍有许多需要提高的方面。2016年，一位特斯拉Model S的车主启动了自动驾驶辅助系统，在一场车祸中死身亡。2018年3月，一名来自美国亚利桑那州的妇女被一辆优步自动驾驶汽车撞伤后身亡。这两起事故根本原因都是由于无人驾驶汽车障碍物信息识别和处理系统不成熟以至于汽车没有准确识别出前方的障碍物。无人驾驶的研究有很重要的意义[4]，将成为缓解交通拥堵，促进智能出行的重要手段，还能将其中的技术成果迁移运用至机器人、无人机等。

无人驾驶汽车作为新时代高科技的产物拥有很广的前景。我国的无人驾驶汽车的起步较晚但是技术更新发展较快。据研究表明，到2020年，无人驾驶汽车将通过自身的雷达系统检测来避免其他车辆过近，司机无需担心汽车追尾。到2030年，半自动驾驶技术将大规模应用，汽车将自动设定路线和车速，在更复杂的道路条件下辅助行驶。由此可见无人驾驶汽车的发展前景广大。无人驾驶汽车将朝着如下几个方向持续发展[5]：（1）进一步增加探测的距离和提高探测的精准度，从而达到无人驾驶汽车的高速行驶；（2）将与自动驾驶仪组成一个反馈系统，帮助驾驶者做出正确判断，如进行主动避让，减少人为失误；（3）可以便捷地在传统汽车上安装智能系统，不用将汽车全换新就能使用，于是能降低成本和售价。

4 结语

在无人驾驶汽车渐渐普及后，它将会给我们的生活带来更多的便利和安全。本文对无人驾驶汽车的发展、障碍物识别和处理系统、出现的问题和分析、我国的发展前景做了初步的介绍和展望。相信通过人们的努力、不断创新，在未来无人驾驶汽车将会得到不断完善和普及。在中国人民的不断奋斗拼搏下，我国的无人驾驶汽车技术也将不断赶超世界尖端水平，助力我国的经济社会发展。