基于自动驾驶多传感器信息融合的研究综述

扬州大学；江苏 扬州 225127

引言

自动驾驶汽车已被广泛认为已经是我国新一轮汽车工业和信息科技发展革命过程中的一个新兴产业，它不仅有助于不断改善我国道路交通安全、实现高效节约能源低碳节能减排、消除交通拥堵、提高经济社会治理效率，并将极大拉动我国新能源车与汽车、电子、通讯、服务、社会管理经济学和管理等各个领域的产业协同创新发展，对于加快促进当代我国国民经济社会产业的快速转型结构升级发展起到重大的前瞻战略意义。自动驾驶需要通过感知层、控制层、执行管理层三者之间的协同来实现。摄像头和雷达等各种传感器分别从区域内和不同范围内获取了不同的环境信息，所获得的多源异质性信息很有可能是彼此之间的补充，也很有可能是空间上的冗余甚至矛盾，控制中心最后只能向用户下达唯一正确的指令，这时候就需要控制中心必须对异质性信息做出融合，从而实现综合性的判断。

关键词：自动驾驶  多传感器融合  摄像头 激光 毫米波

一.关于自动驾驶国内外现状：

国内关于自动驾驶多传感器信息融合的研究可以分为企业和高校两块：各个主要的公司包括苹果、英伟达、 Google 、特斯拉、百度等都在自动驾驶领域积极布局。每个人的工作思路都不一样，传感器与网络结构都很差。苹果采用的便携式是一种多传感器融合解决方案;特斯拉的汽车ADAS是目前量产中最好的，同时它也是基于汽车工厂的设计理念。从设计造价和整车成本的角度来看，自动驾驶系统的造价将受到限制，这意味着它不会配备更昂贵的传感器，而是将主要集中在摄像头和视频技术上;谷歌的算法相对成熟，但它太多地基于激光雷达，而且价格昂贵。谷歌透露，多年的努力表明，研究无人驾驶这项技术是可行的，并已基本商业化。它既有先发的第一优势，也有先发的第一劣势。谷歌通过采用领先的技术开发路线，比如激光雷达，并逐渐走向了一个新的起点。在开始自动驾驶的最初几年，图像识别技术还远未成熟，只能依靠激光雷达。但这样的一种时代特征与历史背景，让这些新的管理方法并没有真正从技术上真正得以充分体现和广泛应用发展出来，而这个发展过程又恰恰正是新兴技术企业的发展契机。Google自研制和发展的新型激光雷达在安全和技术可靠性两个方面已经表现得非常突出，但是该公司系列新型激光雷达目前的技术成本大幅下降仍然可能需要很长的一段发展时期。通常，业界普遍认为的"多传感器融合"，都可以是广泛定义泛指对于手机摄像头、激光雷达、毫米波激光雷达、超声波激光雷达等多种电子传感器各自分别从互联网络中获取搜集出来得到的相关数据然后进行所融合做的"数据融合"，而基于百度公司此前获得的apandora的第二种融合做法原则是"硬件层面的融合"，即在一个硬件技术层面就把这些相关联的摄像头、激光雷达全部进行集成了融合到一起，然后再把这些采集出来得到的相关数据然后进行统一地处理输送并传给了基于计算机的平台。

国内研究自动驾驶的高校包括但不限于卡内基梅隆大学、科罗拉多大学、加州理工学院、麻省理工学院、韩国KAIST、清华大学、西北工业大学、西安交大、吉林大学等几乎清一色使用多传感器信息融合来完成自动驾驶环境感知功能，因为对于高校研究来说多传感器信息融合是最经济且效果最好的方式，尤其是在深度学习算法引入后，融合算法使得历史积累的数据能最大发挥其作用，通过算法"学习"环境然后理解新的环境。

二.数据融合的发展：

“数据融合”的概念大概于1970年提出，以满足军事C31系统（指挥、控制、通信和情报）的多源需求，然后在独立学科中发展。根据相关数据，美国是第一个研究数据融合技术的国家。关于国外数据融合的发展成就，1973年，美国第一次将信息融合技术用于声纳研究;1983年，美国国防部将传感器数据融合列为年代重要研究领域的项目;1984年，美国宣布成立数据融合专家组，研究工作已进入系统化阶段;1988年，传感器融合技术被确定为美国国防部最关键的技术之一，并受到前所未有的重视;1988年，国际信息融合学会在美国成立，并宣布每年召开一次学术会议;到1991年，美国已经有50多个数据融合技术引进到试验床、试验机使用。其他西方国家也非常重视融合技术的研究，英国陆军研制类似于炮兵智能信息融合系统，1982年提出开发“海军知识库”作战指挥系统。1987年又与其他欧洲几个国家联合开展“决策控制的传感器信号与知识综合系统”的研究。法国德国同样也是在该项技术的研究上很重视，德国曾在“豹2”坦克的改进中用到信息融合技术。

相比国外研究方面，我国多传感器数据融合的发展相对滞后。国内一些科研院所和大学开始加入了数据融合的研究，但是起步较晚，缺乏完整成熟的理论体系，为了加快技术实施，中国将其列入国家863计划和国家自然基金重点支持项目。

三.关于传感器融合介绍：

为了解周边交通状况，车辆的自动驾驶技术采用摄像头、雷达传感器、激光测距仪和其他相关仪器。道路导航技术通过详细的地图实现自动驾驶的目的。自动驾驶技术主要包括收集道路上的相關信息，如车辆周围的情况、相关警告信号、交通灯等。同时，由主控计算机控制，配合车辆相关部件完成车辆的驾驶或其他动作，在主控计算机及其系统的帮助下，完成对采集信息的处理和处理，规划车辆相应的行驶路径，并在某些紧急情况下进行评估。这些信息主要通过最敏感的传感器收集，如高清摄像头和激光雷达;处理过程依赖于主控计算机和相应的自动导航系统，如车辆传感器融合系统、环视系统和传感器泊车辅助系统。信息的输出可直接控制制动器、油门、发动机转速调节、轮胎转向等。目前，自动驾驶汽车的分类分为五个阶段，其主要处于第三这一发展阶段。

然而，由于单个传感器的特点和局限性，我们必须将不同的传感器应用到车辆的智能驾驶系统中，并使用不同的手段和方法进行测量。例如，ark算法和Clark算法是一种计算方法，专门用于计算车辆和障碍物的位置以及车辆和道路的当前状态。算法中的主要信息来自雷达和摄像机检测信息。clark 的探测和计算主要包括两部分：一是利用多融合技术识别障碍物;然后使用道路检测和侦察算法对信息进行充分处理，提高了信息的识别率。但是，clark 算法的一个局限性是，在整个实际应用过程中，此算法测量的最小宽度约为道路宽度的一半。因此，由于等待我们的障碍物相对较小，此方法无法广泛使用。

下面将主从摄像头雷达，激光雷达，毫米波雷达方面来介绍：

（一）摄像头雷达

从目前研发的激光雷达或摄像雷达来看，其主要问题是如何识别物体。要想拥有与人脑相同的思维能力，汽车必须能够直观地识别道路紧急情况。大陆集团在2018 CES Asia展上推出了第五代视觉平台的计算机以及第五代摄像头，利用人工智能技术预测和评估可能的道路状况，以提高车辆的环境感知能力、驾驶路线规划能力和汽车控制能力，推动自动驾驶的实施。

如果车辆想要拥有与人类相同的思考能力，它们不仅必须直观地识别道路状况，还应该预测各种可能的交通行为。人工智能是推动自动驾驶研发进程的必要手段。人工智能是实现真正自动驾驶的必要手段。智能干预使车辆能够更准确的预测周围的环境。2018年，大陆集团在CES Asia 2018发布了第五代MFC 500摄像头。在上一代摄影技术的基础上，摄像头添加了一个深度学习算法，以提高车辆环境感知、驾驶路径规划和运动控制能力。

传统的基于规则算法的自动驾驶系统可以判断行人是否对驾驶安全构成威胁。只有当行人出现在车道上时，他们才会做出紧急反应。人工智能算法可以提前检测出行人的意图。作为一名经验丰富的老飞行员，该人工智能系统的关键在于其学习能力。该系统从雷达和摄像机信号中获取真实驾驶条件下的环境信息，然后软件对这些数据进行分析，以获得学习和使用该系统的不同执行策略。

（二）激光雷达

激光光度传感器：利用先进的激光扫描技术检测物体内部光度的光学传感器。它由电子激光仪器组成，激光测量探测器和其他激光控制电路构成。激光遥控传感器是一种新型的远程自动测量仪器。其主要技术优势之一是，它可以轻松直接地在线实施自动控制测量，而无需意外接触传感器具有速度快，精度高，，测量量大，抗光电干扰能力强的特点，适合内部机器人Slam应用，提供360度扫描场和5.5hz/10hz的旋转频率，确保8个测距仪的距离，是机器人消费者和硬件爱好者等成本敏感领域的理想传感器。Rplidar A2运行速度非常快，每秒超过4000个样本。Rplidar A1支持2000个样本。一次必须扫描360个样本才能达到10Hz的扫描频率。用户可以通过检查扫描引擎速度自由定制从2Hz到10Hz的扫描频率。Rpliar将适应速度扫描。目前，Rpliar A2以每秒4000多个样本的速度测量高速距离，Rpliar A1支持从2000到10Hz的样本。一次必须扫描360个样本才能达到10Hz的扫描频率。用户可以通过检查扫描引擎速度自由定制从2Hz到10Hz的扫描频率。RPLIDAR 将适应现在的扫描速度。

（三）毫米波雷达

20世纪40年代，毫米波雷达开始研发。它的第一个应用是海上导航。由于其低功率和传输损耗，其发展非常有限。德国AEG Telefunken和Bosch公司已开始注资研究将毫米波车辆应用于防撞的技术。由于成本高，没有后续行动。直到80年代末，欧洲才开始实施“高效和安全的欧洲交通计划”重新启动了毫米波雷达研究项目。毫米波雷达在我国的研究和发展日益增多。传统的24GHz毫米波雷达已被多家国家公司成功研制，并逐步形成市场化产品。

雷达式火控传感器由火控超声波和毫米波雷达两个大部分结合组成，二者的整体反应时间表以及其它的整体操作准确性均值都要远远明显高于火控摄像头，而超声毫米波火控雷达则已经能够把其与方向盘的误差直接控制在2度以内。它虽然能够很好地自动适应各种极端的恶劣气候天气并且所达到要求的天气探测持续时间不会很长，只是由于它的价格过高。目前这些内置传感器的各种多样化功能组合己经逐渐发展成为自动无人驾驶汽车系统的重要标准。各个不同类型的光传感器之间的应用优缺点并不相同，可以与之形成很好的交叉应用互补，在不同的应用情况下都能发挥自己的独特长处。

四.总结与展望：

虽然多传感器融合技术已经得到了广泛的应用，但仍然存在传感器生成信息的异构性、多态性、完整性和不确定性以及数据干扰等问题。在这个阶段，毫米波测试没有统一的国际测试标准。虽然一些项目总体上取得了进展，但仍需进一步开发和完善。许多现有系统仅适用于室内或室外环境，交通规划是理想的。但是，在现实生活中，复杂的交通环境和驾驶员行为的不确定性使自动驾驶充满挑战。

五.结束语：

多传感器信息融合已广泛应用于集成电路技术、军事信号处理、医学、气象、农业科学等各领域，但也引起了军事以及民用部门的重视，多传感器融合技术的应用不仅提高了置信率和分辨率，也增加了系统的鲁棒性和容错性。将信息融合到多个传感器已成为信息科学发展的一个必然阶段。随着科学和现代技术的不断进步，多传感器融合技术有朝一日将扩展到更大的领域，并在重大项目中广泛应用，以进一步推动科学技术和社会的发展。

参考文献：

[1]宫天丞.综述自动驾驶发展与组成情况[J].通讯世界，2018（11）：293-294.

[2]崔硕，姜洪亮，戎辉，王文扬.多传感器信息融合技術综述[J].汽车电器，2018（09）：41-43.

[3]王远桂，何欢.人工智能2.0给自动驾驶发展带来的影响[J].现代电信科技，2017，47（4）：20～24.

[4]王禹，吴石峰，陶恂.自动驾驶中多传感器信息融合技术的研究[J].福建电脑，2019，35（01）：110-112.

[5]朱敏慧.人工智能推进自动驾驶研发进程[J].汽车与配件，2018（20）：38-39.

[6]祝彬.国外毫米波雷达制导技术的发展状况[J].中国 航天，2007（1）： 40-43.

[7]宋瑞，陈艳梅，张志国.车载毫米波雷达测试现状分析[J].汽车与配件，2020（07）：68-71.

[8]郭蓬，郭剑锐，戎辉，唐风敏，王文扬，王梦丹.毫米波雷达研究现状及其测试项目[J].汽车电器，2018（10）：33-35.

基金项目：

2020年江苏省大学生创新创业训练计划项目“自动驾驶汽车多传感器信息融合系统研究”，项目编号：X20200419

作者简介：

李璠（1999—），女，汉族，甘肃天水人，扬州大学本科在读，电子信息工程专业