汽车驾驶中的机械自动化技术应用研究

郭颢琪

（同济大学浙江学院， 浙江 嘉兴 314051）

1 机动车驾驶机械自动化技术的介绍

自动驾驶汽车采用机动车驾驶机械自动化技术，由车辆自主定位技术、感知技术、通信技术、控制策略技术、虚拟实验技术等技术组成。这是一款通过计算机系统实现无人驾驶的智能联网汽车。要实现自动驾驶或无人驾驶，首先要解决整车的多传感器设备，利用毫米波、激光雷达和摄像头等高效融合技术，通过计算机将传感器获得的数据与高精度地图和全球定位相结合。第二，解决数据和地图的问题。为了支持无人驾驶，地图需要高清、高分辨率、高精度的数据，包括道路曲率、坡度、高度，而不是二维的抽象数据。最终使存储能力和传输能力得到提升。

2 机动车驾驶机械自动化技术的应用情况

2.1 汽车自主定位技术

自动车辆定位技术主要采用车辆自动定位，是一种自动确定和传输车辆位置的方法。然后，车辆跟踪系统可以收集来自一辆或多辆车的车辆位置数据。最常见的是，GPS 被用来确定位置，传输机制是SMS GPRS 或卫星或地面无线电从车辆到无线电接收器可以使用一个天线单元覆盖所有所需的频段GSM 和EVDO 时最常用的服务，因为所需的较低数据速率和较低的成本以及这些公共网络几乎无处不在地存在。低带宽要求也允许卫星技术以略高的成本接收遥测数据，但在全球范围内，并且能够到达地面无线电或普通载波无法很好覆盖的偏远地区。用于确定物理位置的其他选项(例如，在GPS 照明较差的环境中)有自重、有源RFID 系统或协同RTLS 系统。在某些情况下，这些系统可以组合使用。此外，使用低频交换分组无线网络的地面无线定位系统也被用作基于GPS 的系统的替代方案

2.2 感知技术

在自动驾驶技术中，感知的目的是模仿人眼收集相关信息，为后续决策提供必要的信息。根据决策任务的不同，感知可以包括许多子任务，如车道线检测、3D 目标检测、障碍物检测、红绿灯检测等；然后根据感知预测的结果完成决策；最后根据决策结果执行相应的决策操作（如变道、超车等）。既然感知是模仿人眼获取周围环境信息，就需要利用传感器来完成信息的采集。目前应用于自动驾驶领域的传感器包括：摄像头（camera）、激光雷达（lidar）、毫米波雷达（radar）等。

传感器种类繁多，成本也各不相同，那么如何将这些传感器用于感知任务，每个自动驾驶仪厂商都有自己的解决方案。纯视知觉解决方案是目前特斯拉纯视知觉解决方案的典型代表。视觉感知解决方案的优点和缺点也很明显。优点：价格和成本都很低；缺点：相机采集的图片为2D，缺乏深度信息，深度信息需要通过算法学习获得，缺乏鲁棒性。目前，大多数厂家采用多传感器融合的解决方案，其优点为可以充分利用不同工作原理的传感器，提高不同场景下的整体感知精度，也可以在某个传感器出现故障时使用。其他传感器可作为冗余备份，提高系统的鲁棒性。缺点：多个传感器的价格远高于纯视觉。所谓后融合是指每个传感器的深度学习模型对目标对象进行推理，从而输出具有自身属性的传感器的结果；每个传感器的识别结果输入到融合模块，融合模块对每个传感器在不同场景下的识别结果设置不同的置信度，最后根据融合策略作出决策。

由于车身周围激光雷达和摄像头角度的安装问题，多个传感器实体无法在空间域内实现连续覆盖和统一识别，导致摄像头只能捕捉到目标的一小部分，无法根据不完全信息进行决策。检测结果正确，使后续融合效果无法保证。时间上的不连续感知相机收集的结果以帧为单位。常用的感知方法是将连续的单帧检测结果进行拼接。与后融合策略相似，它不能充分利用时间序列上的有用信息。所谓预融合，就是将各个传感器采集到的数据进行聚合，经过数据同步后，将这些原始数据进行融合。

所谓传感器的介质融合，就是先通过神经网络对每个传感器采集的数据进行特征提取，然后对神经网络提取的各种传感器特征进行特征级融合，这样更有可能获得最佳的感知结果。从异构数据中提取的特征在BEV 空间的特征级进行融合。首先，数据丢失更少。其次，计算功耗更低（与之前的融合相比）。因此，对于BEV 视角下的感知任务，采用介质融合会有很多策略。

2.3 控制策略技术

控制策略技术可以理解为基于感知信息进行决策，确定合适的工作模型，制定相应的控制策略，取代人类驾驶员进行驾驶决策。这部分的功能类似于将相应的任务交给自动驾驶汽车。例如，在车道保持、车道偏离警告、距离保持、障碍物警告等系统中，需要预测车辆和其他车辆、车道、行人等未来的状态。高级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。由于人类驾驶过程中所面临的路况和场景的多样性，以及不同人针对不同情况所做出的不同驾驶策略，类人驾驶决策算法的优化需要非常完整高效的人工智能模型和大量有效的数据。这些数据需要覆盖尽可能多的罕见路况，这是制定驾驶决策的最大瓶颈。

目前，由于农村地区甚至是偏远的乡村面积广大，村民居住地方并不像在城市时集中，故寄递物流体系缺乏合理的规划，物流网点区位建设不够合理。

2.4 虚拟实验技术

虚拟实验技术是将计算机仿真技术应用到汽车制造中，通过数学建模的方式，将无人驾驶汽车的实际使用情况进行数字化，建立最接近现实的系统模型，并通过仿真测试进行分析和研究，达到对无人驾驶汽车的系统和算法进行测试和检验的目的。UN/WP.29（GRVA）针对无人车辆和互联网车辆的安全问题，提出了一系列“多维”评估体系，包括综合评估体系、模拟测试、现场测试和真实测试等方法。通常的现场测试和真实道路测试都是基于真实的汽车行驶情况，因此很难同时进行现场测试和真实道路测试。

在此背景下，本课题研究的仿真测试技术可以有效地解决现有测试技术存在的不足，一方面可以高频高效地进行测试，另一方面可以有效地对各种复杂的测试条件进行测试，另一方面可以有效地提高测试效果，保证系统的安全性能，提高系统的可靠性。通过上述工作，可以为工程应用中遇到的一些问题提出行之有效的方法，为工程应用中的工程应用提供更多的借鉴，同时也可以为工程应用中的工程应用提供更加准确的工程应用环境，从而提高工程应用中工程应用的效率和速度。

3 自动制动辅助技术

自动制动辅助系统（AEB，Autonomous Emergency Braking）是一种汽车主动安全技术，主要是检测前方障碍物，并判断进入危险阈值，会提醒驾驶员，当驾驶员在一定时间内没有解除危险时，会主动控制汽车的制动系统减速刹车。绝大多数AEB 目前只针对车辆，少数针对行人和骑自行车的人。它主要由三个模块组成，包括控制模块（ECU）、距离控制和刹车控制。本课题采用微波雷达技术，人脸识别技术，以及摄像技术，实现了对前方道路的实时、准确的图像及路面状况的实时监测。

1）AEB 有明确的上下两个极限，通常情况下，基于毫米波雷达的AEB最大工作极限是30km/h，基于单眼相机的AEB 最大工作极限是40 km/h，基于毫米波雷达的单眼相机的AEB 最大工作极限是70 km/h，基于双眼相机的AEB 最大工作极限是90 km/h。也有最低限度。单眼视觉探测的最低速度为8~10km/h，毫米波雷达探测的最低速度为5 km/h，摄像机和毫米波雷达结合探測的最高速度为3 km/h，而人眼视觉探测的最低速度为3 km/h。

2）大部分AEB 都是以汽车为目标的，很少有以步行和自行车为目标的。也就是说，当撞击发生时，探测器检测到一个人的时候，会花很长的一段时间。

3）对于那些突然冒出来的固定对象，AEB 不起作用。当汽车、大型动物、行人、骑车的时候，如果汽车的前方没有任何障碍物，AEB 就会失去对汽车的感知，这一点与特斯拉的车祸如出一辙。

4）盲区明显，车辆转弯时AEB 基本无效。AEB 对迎面而来的交叉交通或转向交通、迎面而来的车辆突然变道等也无效。

5）天气和光线的限制。对于以摄像机为核心的AEB 系统，在低照度下基本无效，面对阳光时高亮度也无效。

这些限制与他们的实现方法有很大关系。目前，AEB 技术主要有三大类，分别是光学、毫米波雷达和激光雷达。由于成本的限制，中国现阶段主要采用前一种方法和后一种。毫米波雷达的工作原理与常规毫米波雷达不同，其工作原理是向某一地点发送电磁波，并由该地点获取该地点的信息。在单目视觉中，需要先识别目标，然后根据目标的尺寸估计目标与目标的间距。

4 智能控制技术

智能汽车系统智能汽车系统的本质是一个复杂多变的多变量系统，具有多变量和多变量的特点。传感器不仅要采集行人、交通信号灯、行人等环境信息，还需要采集车辆运行中的车速、加速度等信息，通过判断、分析和决策，实现对其的有效控制，从而使其在更短的时间内保持稳定的运行。车辆检测通过两个摄像头，一个摄像头用于逻辑检测车辆轨迹，一个摄像头用于识别车辆和红绿灯，一个摄像头用于识别车辆和红绿灯，进而精确检测车辆轨迹。本系统利用各种传感器对驾驶员、车辆以及周围的各种情况进行感知，在必要时根据控制逻辑发出警告，并实现车辆的横向和纵向操控。在汽车运行过程中，根据驾驶员参与程度，汽车智能程度可分为5 个等级。

1）非智能化：汽车的侧向和竖向都要依靠驾驶员来完成。

2）智能化：采用单个感应器检测单个特征，当发生紧急情况时，能够提醒驾驶员规避，或允许驾驶员进行较低级别的操纵。

3）多用途智能化：通过多个感应器对外界进行感知，实现了一台设备的多功能集成。不需要司机探作。在此期间，汽车的控制系统会根据可能出现的危险情况做出相应的动作，例如AEB。

4）有约束的无人驾驶：利用传感器融合、GPS 定位、地图等系统，在特定区域、特定路段，不需要人工操作，智能车会自动驾驶。

5）完全状态无人驾驶：驾驶员一旦进入目的地，车就会对车进行控制，并对周围的交通状况进行感知，从而可以安全准确地抵达特定的地点。

5 机动车驾驶机械自动化技术的前景

自动驾驶技术是人工智能和汽车产业两个领域的交叉点,未来的发展前景非常广阔 随着技术的不断进步和应用场景的扩大，自动驾驶技术将在以下几个方面得到发展：

1）提高道路安全性：自动驾驶车辆能够提高行车安全，可以预测其他车辆可能采取的行动并及时作出反应，从而避免碰撞和事故等风险

2）提高交通效率：自动驾驶技术可以减少拥堵，提高通行效率，对于繁忙的城市道路将有很大的改善作用

3）改变人们的出行方式：自动驾驶技术的应用可以实现智能出行，让人们更加轻松方便地完成各种旅行方式通过构建无缝连接的移动生态系统，可以为人们带来更加智慧化个性化和便利化的出行体验

4）促进环保：自动驾驶技术的普及也可以促进电动汽车的使用，减少化石燃料的消耗，从而推动环境可持续发展总之，自动驾驶技术将会为人类的生活带来巨大的改变，将会是一个重要的改革方向，未来的战略规划还需要加强对这种技术的研究和开发，以推进相关产业的发展[3]。

6 结语

随着国家的经济发展进入了一个新的阶段，汽车生产企业对机械智能自动化技术的要求也会越来越高，通过对汽车的使用和开发，汽车的安全、质量和效率都会有很大的提升。有关工作人员要主动地对自动化的运用途径进行优化，力争在机器智能化的程度上赶上国外，为国内机器智能化的发展作出自己的贡献。