自动驾驶涉及到的技术层级自动驾驶

文章目录

自动驾驶涉及到的技术点
自动驾驶的技术层级

感知层
信息融合层
决策规划层
控制层

参考

自动驾驶涉及到的技术点

文章图片

自动驾驶的技术层级自动驾驶涉及到的技术层级主要有四个方面：感知层、信息融合层、决策控制层和控制层。

感知层感知层所用到的硬件设备主要包括：摄像头、激光雷达、毫米波雷达、超声波雷达和其他运动传感器；

摄像头

摄像头主要采用 CMOS 图像传感器。为了保证数据完备性，自动驾驶设备一般采用多组摄像头（3~6个）。不是所有的摄像头都可以拿来使用，摄像头对光线极为敏感，出现强弱光线的变化会使得得到的图片无法使用，自动驾驶设备上德摄像头一般使用 130db 以上德图像传感器;

激光雷达

激光雷达德作用主要用来测量距离、速度已经方位角等参数。其原理主要是通过发送直线激光束（非无线电波）的方式，根据激光遇到障碍物后折返的时间（TOF）来计算自动驾驶设备与障碍物的距离。激光雷达的精度与激光线束数目呈正比，同时激光线束越多，成本越高，目前市面上比较常见的是8、16以及32线激光雷达产品，64线比较少。

毫米波雷达

毫米波雷达是工作在毫米波波段（波长1-10mm，频率30GHZ-300GHZ）的探测雷达。与激光雷达发送方式不同的是，毫米波雷达会发出锥状的电磁波，工作原理也是根据回波时间差计算距离。其具有不受天气情况影响及超远测距的优势，雷达频段与测距成正相关，目前市面上主流有24GHZ和77GHZ两种，随着技术水平提升以及成本下降，此传感器逐渐被应用于ADAS。

超声波雷达

超声波雷达类似于蝙蝠发出超声波探测物体的远近一样，自动驾驶汽车用超声波发现障碍物，两者原理一样。超声波属于机械波的一种，所以容易受传播介质的影响，如天气不同，传播速度不同。故为了充分利用超声波雷达穿透力强、测距方便以及成本低的优点，部分车企会在汽车车身四周置入大量的超声波雷达，如L2-L3级的特斯拉、奥迪等汽车中超声波雷达使用数量达高达12个

四大感知传感器性能对比

性能	摄像头	激光雷达	毫米波雷达	超声波雷达
距离	6m ~ 50m	100m ~ 200m	> 200m	0.1m ~ 3m
优势	成本低；擅长障碍物类(人和树);	精度高; 方向性明确; 响应速度快; 实时建立周边三维环境; 不受光线影响;	探测距离远; 不受天气影响	穿透力强; 成本低; 测试方便
劣势	受环境光照影响大; 无法精确测距; 被动视觉	成本高; 受天气影响;	成本高; 不能对障碍物分类	测试角度小，需要安装多个

其他运动传感器

其他传感器主要包括：GPS&惯导组合和高精度定位模块（主要包括 GNSS、IMU、速度传感器）。它们主要用来提供车辆的位置信息、速度、姿态信息等。高精度的定位主要分为三类：

基于信号的定位，代表就是 GNSS 定位，即全球导航卫星系统；
航迹推算，依靠 IMU（惯性测量单元）等，根据上一时刻的位置和方位推断现在的位置和方位；
环境特征匹配，基于激光雷达的定位，用观测到的特征和数据库中的特征和存储的特征进行匹配，得到现在车的位置和姿态。

目前产业的主流方案，普遍采取融合的形式，大体上有：

基于 GPS 和惯性传感器的传感器融合；
基于激光雷达点云与高精地图的匹配；
基于计算机视觉技术的道路特征识别，GPS 卫星定位为辅助的形式

目前感知层主导方案

感知层的技术主导方案主要包括视觉主导和激光主导两类：

视觉主导：摄像头（主导）+ 毫米波雷达 + 超声波雷达 + 低成本激光雷达；典型车厂为特斯拉；
激光主导：低成本激光雷达（主导）+ 毫米波雷达 + 超声波雷达 + 摄像头；典型车厂为 Google 的 Waymo；

信息融合层信息融合，顾名思义就是对各个传感器获取到的信息进行融合处理的过程，例如：当汽车行行驶时，检测到前方有障碍物，如果摄像头和激光雷达同时检测出障碍物，此时需要对数据进行比对处理以确定两者检测到的是否为同一障碍物。如果是，则进行信息融合，告诉自动驾驶设备前方是一个障碍物。
在对信息进行融合处理的过程中，有一个特别需要注意的关键点：时延，因为自动驾驶设备是处于运动状态，但是有很多因素会造成时延：

如果数据量大，信息融合造成时延；
探测信号的发出到接受造成时延；
探测信号频率的不同造成时延；

对于高速运动的自动驾驶设备而言，即使是 0.1s 的时延也会造成很致命的事故；

决策规划层决策规划就是根据驾驶目标以及融合的数据，对任务进行规划和决策。这个概念就相当于框架一样，需要自动驾驶汽车能够提前基于大数据对行程进行规划，这也是判断自动驾驶系统智能性的重要指标之一。目前主要从两个大的方面谈这个问题：