1什么是无人驾驶汽车？无人驾驶汽车又称智能汽车、无人驾驶汽车、自主导航汽车或轮式移动机器人，是室外移动机器人在交通领域的重要应用。无人车系统是集环境感知、规划决策和多级辅助驾驶功能于一体的综合系统。它是充分考虑车路一体化、协调规划的车辆系统，也是智能交通系统的重要组成部分。无人驾驶汽车利用传感器技术、信号处理技术、通信技术和计算机技术，通过集成视觉、激光雷达、超声波传感器、微波雷达、GPS、里程表、磁罗盘等车载传感器，对汽车所处的环境和状态进行识别，并根据获得的道路信息、交通信号信息、车辆位置和障碍物信息进行分析判断，将所需的控制发送给主控计算机，控制汽车的转向和速度，实现无人驾驶汽车可以根据自身情况控制转向速度。2无人驾驶汽车的关键技术一般来说，无人驾驶技术是传感器、计算机、人工智能、通信、导航定位、模式识别、机器视觉、智能控制等诸多前沿学科的综合。根据无人驾驶汽车的功能模块，无人驾驶汽车的关键技术包括环境感知、导航定位、路径规划、决策控制等。1.环境感知技术环境感知模块相当于无人驾驶汽车的眼睛和耳朵。无人驾驶汽车可以通过环境感知模块识别周围的环境信息，为其行为决策提供信息支持。环境感知由两部分组成：无人驾驶汽车自身姿态感知和周围环境感知。单个传感器只能测量被测对象的某一方面或某一特征，不能满足测量的需要。因此，需要使用多个传感器同时测量某一被测对象的一个或几个特征量，测量数据会经过数据融合处理，提取出可靠性高的有用信号。根据环境感知系统测量的对象不同，我们采用两种方法进行检测：无人驾驶汽车的姿态信息主要包括汽车本身的速度、加速度、倾斜度、位置等信息。这种信息很容易测量，主要通过驱动电机、电子罗盘、倾斜传感器、陀螺仪等传感器来测量。无人驾驶汽车的周围环境感知以雷达等主动测距传感器为主，被动测距传感器为辅，通过信息融合实现。因为激光、雷达、超声波等主动测距传感器的组合更能满足复杂恶劣条件下执行任务的需要，最重要的是处理的数据量小，实时性好。同时，在规划路径时，可以在不知道障碍物具体信息的情况下，直接利用激光返回的数据进行计算。视觉作为环境感知的重要手段，目前在恶劣环境的感知方面存在一些问题，但在目标识别、道路跟踪、地图创建等方面具有不可替代的重要性。在野外环境中，视觉也是植物分类、水域和淤泥检测中必不可少的手段。2.导航定位技术无人驾驶汽车的导航模块用于确定自身的地理位置，是无人驾驶汽车路径规划和任务规划的支撑。导航可以分为自主导航和网络导航。自主导航技术是指除了定位辅助之外，不需要其他外部辅助就能独立完成导航任务。自主导航技术将地理空间数据存储在本地，所有计算都在终端完成，在任何情况下都可以实现定位。然而，自主导航设备的计算资源有限，导致计算能力较差，有时无法提供准确、实时的导航服务。现有的自主导航技术可分为三类：相对定位：主要依靠里程表和陀螺仪等内部本体感觉传感器，通过测量无人车相对于车内物体的位移来确定其当前位置 组合：综合采用相对定位和绝对定位方法，弥补单一定位方法的不足。组合方案一般有GPS地图匹配、6PS航位推算、GPS航位推算地图匹配、GPS GLONASS惯性导航地图匹配等。网络导航可以通过无线通信网络和交通信息中心随时随地交换信息。移动设备连接到通过移动通信网络直接连接到互联网的WebGIS服务器。服务器执行地图存储和复杂计算等功能，用户可以从服务器下载地图数据。网络导航的优点是没有存储容量的限制，计算能力强，可以存储任何精细的地图，地图数据始终是最新的。3.路径规划技术路径规划是无人驾驶汽车信息感知和智能控制的桥梁，是自动驾驶的基础。路径规划的任务是在有障碍物的环境中，根据一定的评价标准，寻找一条从初始状态(包括位置和姿态)到目标状态的无碰撞路径。路径规划技术可以分为全局路径规划和局部路径规划。全局路径规划是在地图已知的情况下，利用已知的局部信息，如障碍物位置、道路边界等，确定可行的最优路径。它很好地结合了优化和反馈机制。局部路径规划是在全局路径规划生成的可行驶区域的指引下，根据传感器感知的局部环境信息，决定无人平台前方当前道路的轨迹。全局路径规划适用于周围环境已知的情况，而局部路径规划适用于环境未知的情况。路径规划算法包括可见性法、网格法、人工势场法、概率路标法、随机搜索树算法、粒子群优化算法等。4.决策控制技术决策控制模块相当于无人驾驶汽车的大脑。它的主要作用是根据感知系统获得的信息做出决策，进而对下一步的行动做出决策，进而控制车辆。决策技术主要包括模糊推理、强化学习、神经网络和贝叶斯网络。决策系统的行为可以分为三种方案：反应控制、反射控制和综合控制。反应式控制是一个反馈控制过程，根据车辆当前位置与期望路径的偏差不断调整方向盘角度和速度，直至到达目的地。反射控制是一种低级行为，用于判断旅行过程中的突发事件，并迅速做出反应。在集成控制的反应层加入了机器学习模块，将部分决策层的行为转化为基于传感器的反应层的行为，提高了系统的反应速度。3无人驾驶汽车的发展方向无人驾驶汽车的研究可以概括为三个方面：高速公路环境、城市环境和特殊环境下的无人驾驶系统。就具体研究内容而言，三个方面相互重叠，只是技术的侧重点不同。1.高速公路环境下的无人驾驶系统。这种系统将用于环境中标志良好的结构化高速公路上，主要完成路标跟踪、车辆识别等功能。这些研究集中在简单结构化环境下的高速自动驾驶，目标是进入高速公路后实现全自动驾驶。这种应用取向虽然有一定的局限性，但确实解决了现代社会最常见、最危险、最枯燥的驾驶任务。2.相对于高速环境的研究，城市环境下的无人驾驶系统由于速度较慢，更加安全可靠，应用前景更好。短期内可以作为城市大容量公共交通(如地铁等)的补充。)解决城市区域交通问题，如大型活动场所、公园、校园、工业园区、机场等。但城市环境也更加复杂，对感知和控制算法提出了更高的要求。城市环境下的无人自主驾驶将成为下一个研究热点。例如，“大挑战”竞赛 目前，这种环境的应用已经进入小规模普及阶段，但其大规模应用还存在一些困难，如可靠性、多车调度协调、与其他交通参与者的交互、成本和商业模式等。3.特殊环境下的无人驾驶系统。无人驾驶汽车研究走在前列的国家，一直非常重视其在军事等特殊条件下的应用。但其关键技术与基于高速公路和城市环境的车辆相同，只是对性能要求的侧重不同。比如车辆的可靠性和对恶劣环境的适应性，是特殊环境下需要考虑的首要问题，也是未来推广应用需要解决的关键问题。4国外无人驾驶汽车的发展现状发达国家从20世纪70年代开始研究无人驾驶汽车，目前美国和德国在可行性和实用性方面走在前列。美国是世界上研究无人车最早、水平最高的国家之一。早在20世纪80年代，美国就提出了自主地面车辆(Autonomous Ground Vehicle，ALV)计划，这是一种可以在校园环境中自主驾驶的8轮车，但速度并不高。美国其他著名大学，如卡耐基梅隆大学、麻省理工学院等，在20世纪80年代就开始研究无人车。但由于技术限制和过于复杂的预期目标，到了80年代末90年代初，各国逐渐将研究重点转移到问题相对简单的高速公路民用车辆辅助驾驶项目上。1995年，无人驾驶汽车Navlab。美国卡内基梅隆大学研发的v，完成了横跨美国东西部的无人驾驶测试。在全长5000km的美国州际公路上，整个实验96%以上都是由车辆驾驶，时速50 ~ 60 km/h .虽然Navlab。这个实验中的v只控制方向，不控制速度(油门和档位由车内的参与者控制)，这个实验让世界看到了科技的神奇力量。丰田汽车公司在2000年开发了无人驾驶公交车。该公交车自动驾驶系统主要由道路引导、车队行驶、防追尾和运营管理四部分组成。安装在车辆底盘前部的磁性气体传感器将由埋在道路中间的永磁体引导，控制车辆的行驶方向。2005年，在美国国防部的“大挑战”比赛中，一辆由美国斯坦福大学工程师最终改装的大众途锐多功能车，经过7个半小时的长途跋涉，完成了整个障碍赛，第一个到达终点。在赛道上，无人驾驶汽车需要穿越沙漠，穿过黑暗的隧道，穿过泥泞的河床，在崎岖陡峭的山路上行使。在整个旅程中，无人驾驶汽车需要绕过无数障碍物。处于世界无人驾驶技术研究前沿的德国汉堡Ibeo公司近日推出了其无人驾驶汽车。这款无人驾驶智能汽车由德国大众生产的帕萨特2.0改装而成。外观上看起来和普通家用车没什么区别，但在复杂的城市道路系统中却能做到无人驾驶。在行驶过程中，安装在车上的GPS可以随时获取汽车的确切位置的信息数据。隐藏在前灯和尾灯附近的激光扫描仪是汽车的“眼睛”。他们随时“观察”汽车周围约183m范围内的路况，构建三维道路模型。此外，“眼睛”还能识别各种交通标志，如限速、红绿灯、车道划分、停靠站等。在遵守交通规则的前提下保证汽车的安全行驶。最后，由无人驾驶汽车的“大脑”3354安装在汽车后备箱的电脑对两组数据进行合并分析，并根据结果向汽车传输相应的驾驶指令。多项先进技术保证了这款无人驾驶汽车可以灵活换挡、加速、转弯、刹车甚至倒车。在车水马龙的茫茫人海中，它能巧妙地避开建筑物、障碍物、其他车辆和行人，从容前行。