汽车是由动力驱动,具有四个或四个以上车轮的非轨道承载车辆,主要用于载运人员或货物,牵引载运人员或货物及其他用途。传统意义上的汽车是由人驾驶,受人控制的。随着科技的发展,智能技术逐渐用于车辆上,无人驾驶汽车正在向我们走来。
1、简介
无人驾驶汽车是一种智能汽车,也可以称之为轮式移动机器人,主要依靠车内的以计算机系统为主的智能驾驶仪来实现无人驾驶。它是利用车载传感器来感知车辆周围环境,并根据感知所获得的道路、车辆位置和障碍物信息,控制车辆的转向和速度,从而使车辆能够安全、可靠地在道路上行驶。
无人驾驶汽车从根本上改变了传统的“人—车—路”闭环控制方式,将不可控的驾驶员从该闭环系统中请出去,从而大大提高了交通系统的效率和安全性。无人驾驶汽车集自动控制、体系结构、人工智能、视觉计算等众多技术于一体,是计算机科学、模式识别和智能控制技术高度发展的产物,也是衡量一个国家科研实力和工业水平的一个重要标志,在国防和国民经济领域具有广阔的应用前景。
2、发展现状
从20世纪70年代开始,美国、英国、德国等发达国家开始进行无人驾驶汽车的研究,目前在可行性和实用化方面都取得了突破性的进展。我国从20世纪80年代开始进行无人驾驶汽车的研究,国防科技大学在1992年成功研制出我国第一辆真正意义上的无人驾驶汽车。
3、核心技术
(1)传感器技术:无人驾驶汽车的发展与传感器有着密切联系,可以说无人驾驶汽车的发展依赖于传感器技术的开发与应用。无人驾驶汽车主要组成包括探距雷达、车道保持系统、激光测距系统、红外摄像头、立体视觉、GPS惯性导航系统、车轮角度编码器等。谷歌及其他科研机构研发的“无人驾驶车”由三大件组成:激光雷达、高精度GPS、高精度惯性导航系统。其中,激光雷达用于向目标发射探测信号,然后将接收到的从目标反射回来的信号与发射信号进行比较,做适当处理后, 就可获得目标的有关信息,如目标距离、方位、高度、速度、姿态,甚至形状等参数,从而对目标进行探测、跟踪和识别,其难点为在尽量少借助机械结构的前提下,如何实现光路的精确偏转,其次是如何实现激光回波的高信噪比检测。无人驾驶汽车需要完全自主的导航系统,使它不受外界的干扰或欺骗,因此除了安装GPS 导航系统,还需要装备精密的惯性导航系统。惯性导航系统通常由惯性测量装置、计算机、控制显示器等组成,测量得到转动运动和平移运动的加速度,计算机根据测得的加速度信号计算出速度和位置数据,控制显示器显示各种导航参数。高精度传感器造价高昂,如此高的成本使无人车的推广阻力重重。
(2)智能决策系统开发与安全性问题:智能决策系统开发的重点在于决策的有效性和真实性,要解决动态场景中拟人行为决策方法和路径规划及避障方法。作为无人驾驶汽车关键组成部分之一的智能决策系统一直是行业研究的热点。在城区环境中,由于驾驶场景复杂多变,交通参与者的行为难以预 测,无法采用一个统一的决策模型进行描述。 这就造成了无人驾驶车辆在城区复杂环境下的规划不清晰、决策有效性差,使得开发和维护的过程中可拓展性与可维护性差,严重制约了无人驾驶汽车的开发进程。决策系统是高度集成的系统,具有高度复杂性,工作量繁重,很容易受到系统风险的影响,与智能化密切相关的车联网系统自然存在着不少安全隐患。据统计,智能汽车系统运行大概需要6000万行代码,无人驾驶车辆有2亿行以上的代码。这导致汽车智能系统十分复杂、易受攻击、难被保护,且无法直接使用现有的IT安全系统,一旦遭到黑客攻击,恶意代码会损坏汽车的传输和制动系统,那么无人车杀人就比扣动扳机还要简单,问题的严重性不言而喻。
(3)高精度的驾驶导航定位技术:导航技术需要对无人车进行实时精准定位与最优路线规划,因此成为无人驾驶车辆推广的一个重要制约因素。目前,车辆导航技术主要包括GPS导航、 视觉导航以及惯性导航等技术。GPS导航定位精度高,具有全天候、全球性、无积累误差等优点,但是高大建筑物、树木和隧道等会遮蔽导航信号,引起导航信号中断;视觉导航自主性和实时性较好,但视觉导航的鲁棒性较差;惯性导航不依赖于任何外部信息,数据更新率高、短期精度和稳定性好,但存在误差累积大的缺点。因此如何研究多模式卫星导航与惯导技术、视觉、激光等信息融合,并与高精度地图匹配,提高定位精度,成为亟需解决的一项任务。
4、环境感知技术
无人车为了保证安全性以及准确的驾驶,传感器技术将是其核心所在,通过对路况的判断,识别,系统分析以准确的规划其行驶速度与路径。以下对其环境感知技术进行详细讲解。
环境感知的概念无人驾驶车辆的环境感知是指通过在平台上安装的环境感知传感器获取的环境信息,而综合决策控制系统所能理解的环境是自主路径规划和决策前提。所使用的传感器包括激光雷达、毫米波雷达、可见光相机和红外摄像机。根据传感器的性能指标,可以满足传感器的装配方案,满足建模要求。
环境感知系统的组成环境传感系统一般包括传感器、传感器数据处理和多传感器数据融合3个子系统。传感器系统通常使用相机、激光雷达、超声波传感器、微波雷达和其他车辆传感器来感知环境。在各种光照和天气条件下,单一传感器难以满足环境意识的需要。多传感器融合可以将空间和时间之间的互补和冗余信息结合起来,结合一些优化准则,提炼和产生观测环境的一致性解释或描述,以及无人地面平台的自适应路径规划,为自主导航提供了必要和可靠的信息。多传感器融合技术应用于大多数无人飞行器系统中, 如视觉传感器具有良好的角分辨力,但无法获得距离信息,雷达分辨力差的测距设备可以获得准确的距离信息和深度信息。
感知技术也分为很多类
下面让我来给大家介绍一下吧
各种各样的感知技术
(1)微波雷达
微波雷达应用于上世纪60年代的汽车防撞系统中。其中最具代表性的是福特和伊顿共同开发的 Vorad 微波车辆雷达防撞系统。该系统可检测出左右目标,在有危险时发出声光报警,并可与汽车制动机构连接,实现自动制动。它是当今世界上最成功的汽车雷达防撞系统。然而,与毫米波雷达相比,微波雷达具有分辨率低、体积大等缺点,使得其在汽车防撞系统中的应用远远小于毫米波雷达。
(2)毫米波雷达
毫米波雷达毫米波雷达的波长为 1~10 毫米。它位于微波和远红外波重叠的波长范围内。因此,它具有两种光谱特征。毫米波的理论和技术是微波向高频的延伸和光波向低频的发展。毫米波雷达通过在频域中在 24GHz 到 300 GHz 发射具有一定斜率的连续调频信号来感知周围环境信息。当检测到前方障碍物时,将具有相同斜率的信号反射回来并反射信号,并通过混频器获得频率信号, 从而计算目标障碍物的速度、距离和角度值。毫米波雷达具有毫米波波长,对烟雾和烟雾有很强的穿透能力。同时毫米波雷达具有体积小、重量轻、穿透能力强、适应各种气象条件等优点,被广泛应用于需要环境感知和障碍物的无人飞行器等移动机器人系统中。沈阳自动化与纳米技术研究所也开展了基于毫米波雷达的汽车防撞系统的研究。
(3)超声波传感器
超声波传感器 超声波传感器通过发送一系列高于 20000Hz 的波频来实现对环境的感知,并通过计算声发射和接收的时间间隔来获得被检测目标的距离信息。超声波传感器体积小、响应快、价格低廉,广泛应用于各种移动机器人中。它是移动机器人中最常用的测距传感器之一。然而,超声波传感器发出的声信号向两侧衰减,发散到扇形区域 ,无法定位目标的特定位置, 超声波传感器的检测距离较短,测量误差较大。当使用多个超声波传感器定位目标时,容易产生声波的交叉接收,导致测量数据的混乱,增加了特征匹配的难度。
(4)红外传感器
红外线测距是使用调制红外光的精确测距。它是传播过程中的红外扩散原理。由于红外线可以穿透物体,折射率很小,所以高精度测距将考虑红外的应用。红外测距仪具有结构简单、使用方便、数据处理方便、测量范围精度高、抗干扰能力强、几乎不受被测物体尺寸和位置影响、廉价、安全、 稳定等优点。同时,还存在测距距离短、 测距精度低、方向性差等缺点。
5、优势与总结
无人驾驶对突发情况的反应时间减小,降低了交通事故率。全球每年有124万人死于交通事故,这一数字在2030年可能达到220万人,平均每天有500人因车祸丧生。在过去6年间,谷歌无人驾驶汽车已经行驶300多万公里,只遇到过16起交通意外,且从未引发过致命事件。由于无人驾驶汽车在加速、制动以 及变速等方面都进行了优化,它们有助于提高燃油效率、减少温室气体排放,还给人类一片蓝天碧水,绿水青山。无人驾驶汽车可帮助高速公路容纳汽车能力提高5倍。斯坦福大学计算机专家、谷歌无人驾驶汽车项目前专家塞巴森·特隆(Sebation Thmn)表示,一旦机器人汽车成为主流,当前公路上只需要30%汽车。
除此之外,麦肯锡公司估计,无人驾驶汽车每天为全球司机节省的时间总和高达10亿个小时。整个城市都依靠导航地图来运行的场景,汽车之间会相互合作,改道出行避免堵车。堵车将成为过去时,人们能更快到达目的地。无人驾驶还可以满足特殊乘客的出行需求,包括残障人士、盲人、老年人、孕妇、儿童、无驾照人士等群体。届时,他们或许仅仅只需要在手机上输入地址或者直接对着无人驾驶汽车说出你想要去的目的地就可以。
无人驾驶技术的发展不仅会影响汽车产业结构,更会对人们的出行方式产生巨大的影响。虽然现在的无人驾驶汽车在技术层面已几近成型,但成本问题和安全问题仍然突出。无人驾驶汽车投入商用还有很长一段路程要但它的趋势已经势不可挡,无人驾驶必将而且已经在引领潮流。