自动驾驶概述

Posted 2022-01-27 longshengguoji

1、自动化能力定义

对自动驾驶能力有多个定义标准，比较常用的是SAE International关于自动化层级的定义。具体是

L0: 驾驶员完全掌控车辆

L1:自动系统有时能够辅助驾驶员完成某些驾驶任务

L2:自动系统能够完成某些驾驶任务，但驾驶员需要监控驾驶环境，完成剩余部分，同时保证出现问题时，随时进行接管。在这个层级，自动系统的错误感知和判断由驾驶员随时纠正。大多数车企能提供这个级别的自动系统。

L3:自动系统技能完成某些驾驶任务，也能在某些情况下监控驾驶环境，但驾驶员必须准备好重新取得驾驶控制权（自动系统发出请求时）。所以在该层级下，驾驶者仍无法进行睡觉或者深度的休息。

L4:自动驾驶在某些环境和特定条件下，能够完成驾驶任务并监控驾驶环境。在这个阶段，在自动驾驶可以运行的范围内，驾驶相关的所有任务和驾乘人已经没有关系了，感知外界的责任完全在自动驾驶系统。

L5:自动系统在所有条件下都能完成所有驾驶任务。

工信部2020年3月公司《汽车驾驶自动化分级》推荐国家标准报批稿，和SAE基本一致，具体是：

等级	部门	名称	驾驶操作	周边监控	驾驶任务接管	场景
L0	工信部	应急辅助	驾驶员	驾驶员和系统	驾驶员	限制
	SAE	No Driving Automation		驾驶员		N/A
L1	工信部	部分辅助驾驶	驾驶员和系统	驾驶员和系统	驾驶员	限制
	SAE	Driver Assistance		驾驶员
L2	工信部	组合驾驶辅助	系统	驾驶员	驾驶员
	SAE	Patial Driving Automation
L3	工信部	有条件自动驾驶	系统	系统	动态驾驶任务接管用户
	SAE	Conditional Driving Automation			驾驶员
L4	工信部	高度自动驾驶	系统	系统	系统
	SAE	High Driving Automation
L5	工信部	完全自动驾驶	系统	系统	系统	无限制
	SAE	Full Driving Automation

2、自动驾驶技术

自动驾驶是一个复杂的软硬件结合的系统，主要分为感知定位、决策规划、控制执行三大技术模块。感知模块主要是通过摄像头、雷达等高精度传感器，为自动驾驶提供环境信息，相当于驾驶员的眼睛和耳朵；决策模块是一句感知系统提供的车辆定位和周报环境数据，在平台中根据适当的模型进行路径规划等决策，相当于驾驶员的大脑；控制模块是以自适应控制和协同控制方式，驱动车辆执行响应命令动作，相当于驾驶员的手和脚。

自动驾驶系统架构图

2.1 感知定位

环境感知与识别能力是自动驾驶车辆安全、自主、可靠行驶的前提和基础。自动驾驶车辆的环境感知系统利用各种主动、被动传感器获取周围环境的信息，对传感器数据进行处理、融合、理解，失效无人车辆对行驶环境中的障碍物、车道线以及红绿灯等的检测，给车辆的自主导航和路径规划提供依据。主要是告诉车辆我在哪儿以及我周围有什么。

环境感知与识别系统一般包括传感器、传感器数据处理以及多传感器数据融合三个子系统。传感器系统通常采用摄像机、激光雷达、超声传感器、毫米雷达波、全球导航卫星系统、里程计以及磁罗盘等多种车载传感器来感知环境。视觉传感器包括单目和多目彩色摄像机，距离探测设备包括声呐、毫米波雷达和激光雷达等。其中，激光雷达和毫米波雷达能够计算目标的相对速度，获得三维点云数据等；里程计和惯性传感器能够估计车辆的运动。

2.2 决策规划

自动驾驶作为一个复杂的软硬件综合系统，其安全可靠运行需要车载硬件、传感器集成、感知、决策以及控制等多个模块的协同配合工作。环境感知和决策规划的紧密配合非常重要。决策规划主要包括：无人车路由寻径、行为决策、动作规划等几个部分。

路由寻径的作用在简单意义上可以理解为，实现无人车软件系统内部的导航功能，即在宏观层面上指导无人车软件的规划控制模块按照什么样的道路行驶，从而实现从起始地到目的地。

路由寻径模块产生的路径信息，直接被下游的行为决策模块所使用。行为决策接收路由寻径的结果，同时也接收感知预测和地图信息。综合这些输入信息，行为决策模块在宏观上决定了无人车如何行驶。

无人车的动作规划问题是整个机器人动作规划领域里相对简单的一个问题，因为车辆的轨迹附于一个二维平面。车辆在方向盘、油门的操控下，其行驶轨迹的物理模型相对于普通的机器人姿态的3D动作轨迹要容易处理。

2.3 控制执行

架构最下面的模块是控制执行模块。这是一个直接和无人车底层控制接口CAN BUS对接的模块，其核心任务是接收上层动作规划模块的输出轨迹点，通过一系列结合车身属性和外界物理因素的动力学计算，转换成对车辆油门、刹车的控制，以及方向盘信号，尽可能地控制车辆去执行这些轨迹点。控制执行模块主要涉及对车辆自身控制，以及和外界物理环境交互的建模。

3、智能驾驶行业发展趋势

3.1 乘用车辅助驾驶渗透率不断提升

随着辅助驾驶功能逐步量产，乘用车辅助驾驶系统不断成为行业标配，单项功能逐渐下沉至低端车型，2020年乘用车辅助驾驶渗透率32%左右，2025年预计达到65%左右。

3.2 高级版自动驾驶在部分场景率先落地

封闭、低速、固定线路和不载人的特征助力高级版自动驾驶在部分场景下加速落地，如校园、工业园区、港口等封闭场景。乘用车方面由于自动驾驶法规、技术和场景复杂等限制，严格意义上的L3很难短期内落地。

3.3 多传感器融合成为主流

随着智能驾驶级别的提升，车辆所需要的传感器也越发多样化，为了应对不通的场景和保证车辆的安全，多传感器融合成为行业趋势。多传感器融合是对信息的多级别、多维度组合；不仅可利用不通传感器的优势，还能提高整个系统的智能化。