汽车自动驾驶等级

Posted 2023-04-21 tip2tip

自动驾驶等级

目前世界上通行的汽车智能化分级主要由美国交通部下属的NHSTA和国际汽车工程师协会SAE International两大行业权威组织制定，广泛采用的是由SAE International（国际汽车工程师协会）制定的划分方法，按照分级标准，自动驾驶从L0至L5总共被分为6个级别，L0代表没有自动驾驶的传统人类驾驶，L1至L5则随自动驾驶的成熟程度进行了进一步分级。

 

 

L0级（无自动驾驶No Driving Automation）

完全由驾驶员进行操作驾驶的，包括转向、制动、油门等均由驾驶员进行自行判断，汽车只负责命令的执行

今天路上的大部分汽车都是0等级：手动控制。尽管车上有相关的系统帮助驾驶者更好地驾驶但是还是人来发布“动态的指令”。一个例子就是紧急制动系统-因为从技术上讲，它并不驾驶汽车，不能被当做自动化的驾驶。

L1级（驾驶辅助Driver Assistance）

能够辅助驾驶员完成某些驾驶的任务，例如许多车型装配的自适应巡航（ACC）功能，雷达实时监控车辆之间的距离和车辆的加减速，在国内的很多车型上都有广泛应用

辅助驾驶功能是目前大多数量产车型上都拥有的配备。

比如常见的并线辅助(通过外后视镜上的警示灯提示驾驶者侧后方来车靠近)、车道偏离预警(当系统检测到车辆偏离所在车道时会以方向盘震动、蜂鸣警告等方式提醒驾驶者)、自动泊车(系统会自动识别就近车位，帮助驾驶者泊车)、定速巡航(车辆可按照设定好的时速保持定速行驶，不需要驾驶员控制油门)等都属于辅助驾驶功能，其最大的特点是不具备任何主动驾驶的相关技术。

简单的说，具备L1级别自动驾驶的车辆，主要掌控权还在于人。这些简易的辅助驾驶功能可以辅助我们适当轻松的驾车同时给予关键时刻的危险提示。

L2级（部分自动驾驶Partial Driving Automation）

可以自动完成某些驾驶任务，并且通过处理分析，自动调整车辆的状态，例如特斯拉的车道保持功能就属于此级别，除了能控制加减速，同时还能对方向盘进行控制，驾驶员需要观察周围情况提供车辆安全操作

L2级别又称半自动驾驶，主要配置体现在：车道保持(当系统探测到车辆偏离所在车道时会自行纠正行驶方向)、ACC自适应巡航(设定好与前车间距，车辆会自动加减速跟车甚至刹停，是更高级的定速巡航，高速必备)、主动刹车(英文名称为AEB，当系统探测到车辆接近障碍物但驾驶员并未作出任何制动措施时，会触发警报，如果驾驶员仍作出举动，将自行紧急制动车辆，从而将碰撞危险降到最低)等。

而对于一些智能化更高的车型，比如特斯拉或小鹏G3等还装备了高阶的转向功能。当我们并线时，只需打开相应一侧的转向灯，系统探测到侧后方有足够安全车距就会自动转动车轮并线，无需人为转向。也可称之为L2.5级别。

L3级（条件自动驾驶Conditional Driving Automation）

该级别通过更有逻辑性的行车电脑控制车辆，驾驶员不需要手脚待命，车辆能够在特定的环境下独立完成操作驾驶，但是驾驶员无法进行睡眠或休息，在人工智能不能准确判断时，仍然需要人工介入操作。例如宝马X7自称已实现这一技术层面的自动驾驶了

具备L3级自动驾驶技术的汽车已经可以独立完成几乎所有的驾驶操作，并不需要驾驶员人为干扰。如最近刚刚上市的全新奥迪Q7及广汽新能源旗下全新纯电SUV——Aion LX就号称是全球率先量产L3级自动驾驶技术的车型，可实现高速全自动驾驶。(其配备了全球最顶级的“高精雷达+Mobileye Q4摄像头”双探测硬件组合及定位精度达0.2米的高清地图；可以探测半径200米范围内的车辆和行人位置及行动趋势，还可在高速上实时预判前方1公里路径，从而实现高速道路全速域的自动驾驶辅助)

L4级（高度自动驾驶High Driving Automation）

车辆能够自动做出自主决策，并且驾驶者无需任何操作，一般需要依靠可实时更新的道路信息数据支持，实现自动取还车、自动编队巡航、自动避障等出行的真实场景

L4级别又称超高自动驾驶，我们可对车辆进行远程遥控，并能实现真正意义上的完全自动驾驶。我们只需对车辆发出一个指令，它就能立刻领会并在确保安全的前提下执行命令，全程不需人为干预。当然，这需要一套协同和计算精密的自动驾驶系统，5G高通量数据传输不可或缺。

L5级 (完全自动驾驶Full Driving Automation)

与L4级别最大的区别是完全不需要驾驶员配合任何操作，实现全天候、全地域的自动驾驶，并能应对环境气候及地理位置的变化，驾驶员可将注意力放在休息或其它工作上

从名称上不难理解，具备L5级自动驾驶的汽车将变为一间可移动的起居室，我们只需坐进车内就可以倒头入睡或处理其他事情了，车辆可根据实际路况、天气等影响出行的各方面因素进行全盘演算分析，选取一条最优方案载着我们快速、安全地抵达目的地。

自动驾驶简介

技术简析自动驾驶

技术分级

自动驾驶技术分为多个等级，目前国内外产业界采用较多的为美国汽车工程师协会（SAE）和美国高速公路安全管理局（NHTSA）推出的分类标准。

按照SAE的标准，自动驾驶汽车视智能化、自动化程度水平分为6个等级：无自动化（L0）、驾驶支援（L1）、部分自动化（L2）、有条件自动化(L3)、高度自动化(L4)和完全自动化（L5）。两种不同分类标准的主要区别在于完全自动驾驶场景下，SAE更加细分了自动驾驶系统作用范围。详细标准见下图：

技术路线

在自动驾驶技术方面，有两条不同的发展路线：

 

第一种是“渐进演化”的路线，也就是在今天的汽车上逐渐新增一些自动驾驶功能，例如特斯拉、宝马、奥迪、福特等车企均采用此种方式，这种方式主要利用传感器，通过车车通信（V2V）、车云通信实现路况的分析。

第二种是完全“革命性”的路线，即从一开始就是彻彻底底的自动驾驶汽车，例如谷歌和福特公司正在一些结构化的环境里测试的自动驾驶汽车，这种路线主要依靠车载激光雷达、电脑和控制系统实现自动驾驶。

 

从应用场景来看，第一种方式更加适合在结构化道路上测试，第二种方式除结构化道路外，还可用于军事或特殊领域。

硬件需求

自动驾驶作为新技术要与汽车旧有载体做加法，那么它需要哪些硬件配套呢？所有离开硬件光谈自动驾驶都是耍流氓。

各类传感器

各类传感器并不一定会同时出现在一辆车上。某种传感器存在与否，取决于这辆车需要完成什么样的任务。如果只需要完成高速公路的自动驾驶，类似Tesla 的 AutoPilot 功能，那根本不需要使用到激光传感器；如果你需要完成城区路段的自动驾驶，没有激光传感器，仅靠视觉是很困难的。

自动驾驶系统工程师要以任务为导向，进行硬件的选择和成本控制。

控制器

控制器是汽车的大脑，算法研究得较为成熟时，就可以将嵌入式系统作为控制器，比如Audi和TTTech共同研发的zFAS，目前已经应用在最新款Audi A8上量产车上了。

CAN卡

工控机与汽车底盘的交互必须通过专门的语言——CAN。从底盘获取当前车速及方向盘转角等信息，需要解析底盘发到CAN总线上的数据；工控机通过传感器的信息计算得到方向盘转角以及期望车速后，也要通过 CAN卡 将消息转码成底盘可以识别的信号，底盘进而做出响应。

CAN卡可以直接安装在工控机中，然后通过外部接口与CAN总线相连。

全球定位系统（GPS）+惯性测量单元（IMU）

人类开车，从A点到B点，需要知道A点到B点的地图，以及自己当前所处的位置，这样才能知道行驶到下一个路口是右转还是直行。

无人驾驶系统也一样，依靠GPS+IMU就可以知道自己在哪（经纬度），在朝哪个方向开（航向），当然IMU还能提供诸如横摆角速度、角加速度等更丰富的信息，这些信息有助于自动驾驶汽车的定位和决策控制。

软件需求

软件包含四层：感知、融合、决策、控制。

各个层级之间都需要编写代码，去实现信息的转化，更细化的分类如下。

采集

传感器跟我们的PC或者嵌入式模块通信时，会有不同的传输方式。

比如我们采集来自摄像机的图像信息，有的是通过千兆网卡实现的通信，也有的是直接通过视频线进行通信的。再比如某些毫米波雷达是通过CAN总线给下游发送信息的，因此我们必须编写解析CAN信息的代码。

不同的传输介质，需要使用不同的协议去解析这些信息，这就是上文提到的“驱动层”。

通俗地讲就是把传感器采集到的信息全部拿到，并且编码成团队可以使用的数据。

预处理

传感器的信息拿到后会发现不是所有信息都是有用的。

传感器层将数据以一帧一帧、固定频率发送给下游，但下游是无法拿每一帧的数据去进行决策或者融合的。因为传感器的状态不是100%有效的，如果仅根据某一帧的信号去判定前方是否有障碍物（有可能是传感器误检了），对下游决策来说是极不负责任的。因此上游需要对信息做预处理，以保证车辆前方的障碍物在时间维度上是一直存在的，而不是一闪而过。

这里就会使用到智能驾驶领域经常使用到的一个算法——卡尔曼滤波。

坐标转换

坐标转换在智能驾驶领域十分重要。

传感器是安装在不同地方的，比如超声波雷达（上图中橘黄色小区域）是布置在车辆周围的；当车辆右方有一个障碍物，距离这个超声波雷达有3米，那么我们就认为这个障碍物距离车有3米吗？

并不一定！因为决策控制层做车辆运动规划时，是在车体坐标系下做的（车体坐标系一般以后轴中心为O点），所以最终所有传感器的信息，都是需要转移到自车坐标系下的。

因此感知层拿到3m的障碍物位置信息后，必须将该障碍物的位置信息转移到自车坐标系下，才能供规划决策使用。

信息融合

信息融合是指把相同属性的信息进行多合一操作。

比如摄像机检测到了车辆正前方有一个障碍物，毫米波也检测到车辆前方有一个障碍物，激光雷达也检测到前方有一个障碍物，而实际上前方只有一个障碍物，所以我们要做的是把多传感器下这辆车的信息进行一次融合，以此告诉下游，前面有一辆车，而不是三辆车。

决策规划

这一层次主要设计的是拿到融合数据后，如何正确做规划。规划包含纵向控制和横向控制。

纵向控制即速度控制，表现为 什么时候加速，什么时候制动。

横向控制即行为控制，表现为 什么时候换道，什么时候超车等

想要了解更多资讯，请扫描下方二维码，关注机器学习研究会