虹科浅谈自动驾驶系统感知系统

随着汽车行业不断发展，技术开发人员、科研人员等对自动驾驶的研究越来越火爆。自动驾驶并不是一项单一的技术，而是汽车电子、智能控制以及互联网等技术发展融合的产物，其原理为自动驾驶系统通过感知系统，获取车辆自身信息与周围环境信息，经过处理器对采集到的数据信息进行分析计算和处理，从而做出决策控制执行系统实现车辆加减速和转向等动作。SAE将自动驾驶分为L0-L5共6个等级，L0为没有加入自动驾驶的传统人类驾驶，L1-L5是随着自动驾驶的成熟程度进行等级划分，层级越高则自动驾驶等级越高。目前走在自动驾驶技术前列的大多属于L3级别。自动驾驶等级划分表如下。

从表中可以看到，自动驾驶的发展升级从辅助驾驶到完全控制汽车驾驶，从对应特定场景到所有场景。自动驾驶的关键技术主要为感知、决策和控制三个方面，这些关键技术与车辆及环境的交互关系如下图。

自动驾驶首先应具备一套完整的感知系统，那么首先看看感知系统是什么？感知系统是以多种传感器的数据与高精度地图的信息作为输入，经过一系列的计算及处理，对自动驾驶车的周围环境精确感知的系统。随着自动驾驶中人为干预度的不断减小，感知系统获取环境信息的全面性、准确性和高效性要求越来越高，是自动驾驶的重要一环，是车辆和环境交互的纽带，是无人汽车的“眼睛”，贯穿着升级的核心部分。一个自动驾驶系统的整体上表现好坏，很大程度上都取决于感知系统的做的好坏。感知系统主要包括环境感知、内部感知和驾驶人感知。本文主要探讨的是环境感知。

一、传感器

讲到感知，不得不讲到传感器。传感器是自动驾驶感知环节中最主要的工具，我们对传感器适用的工况以及局限性等特性都非常熟悉，才能更好为我们的感知系统选择匹配的传感器，并充分开发传感器的各项性能。传感器的感知对象包括行驶路径、周围障碍物和行驶环境等。行驶路径感知包括可通行道路、标志牌、信号灯、车道线等的识别。感知周围障碍物一般指的是车辆行驶所遇到的静止的或者运动的物体，包括路障、行人等元素。行驶环境主要指的是道路情况、天气情况等方面。主流的传感器主要分为摄像头、超声波雷达、毫米波雷达和激光雷达四种。它们的工作原理有所不同，介绍这部分的篇幅较长，有兴趣的伙伴们可以到网上搜取相关资料学习探索，后面笔者也会单独介绍这些部分的内容。

二、定位

传感器感知为自动驾驶车辆提供周边环境信息，但这远远不够，大范围环境感知以及全局环境的高精度定位不可或缺。定位系统的应用可以实现车辆位置、速度、航向等信息的反馈，为车辆提供全局定位、路线引导等功能，将车辆与环境有机结合，规划行车路径，提高行驶平顺性和经济性。常用的定位导航包括GPS导航、磁导航和惯性导航，它们之间的对比如下图。

三、车联网通信

车联网（V2X）通信是实现环境感知、信息交互与协同控制的重要关键技术。其借助新一代信息通信技术，实现车内、车与人、车与车、车与路等全方位连接，与传统车载激光雷达、毫米波雷达、摄像头、超声波等感知传感器优势互补，为自动驾驶汽车提供雷达无法实现的超视距和复杂环境感知能力。从时间、空间维度扩大了车辆对交通与环境的感知范围，能够提前获知周边车辆操作信息、交通控制信息、拥堵预测信息、视觉盲区等周边环境信息。支持车辆在高速移动的环境下实时可靠通信的无线通信技术是V2X车联网实现的基础，直接决定了信息交互的实时性和有效性。下表对常用的无线通信技术进行了比较。

感知系统通过应用传感器将真实世界信息转化为数字信号传输给自动驾驶车辆，为车辆了解周围环境、自动驾驶提供了基础的支持。目前自动驾驶在一些特殊或者极端恶劣的天气状况下（雨、雪和大雾），处理是非常困难的，即使是人类驾驶员。无论是基于视觉的感知系统还是基于雷达的感知系统都存在识别感知的困难，相机会因为有雪的附着不能正确识别道路标记，雪的密度也会影响激光雷达光束的反射效果，干扰自动驾驶车辆对周围环境的判断。

自动驾驶感知系统需要进一步提高准确度和精度，增强针对复杂城市路况和恶劣天气状况下的处理能力。通过交叉验证障碍物的位置信息，减少感知系统传感器数据的不确定性。增强车联网通信，使用新型低成本高效的传感器，通过多传感器融合来减少各个分立传感器缺点的影响，进一步加强传感器融合算法的开发，并通过使用传感器的互补性和亢余度来发挥每个传感器的优势，以提高自动驾驶感知系统的准确性和可靠性。

四、拓展阅读

转眼间，虹科云课堂第四期——汽车专题直播月已经开播一周了。上一周我们的课程有：1.浅谈CAN总线的最新发展：CAN FD向左，CAN XL向右；2.以ansible为中心的自动化运维；3.LGSVL Simulator: 一个高保真的自动驾驶仿真器；4.4D高清成像雷达–在汽车及车路协同领域的应用；5.纯电四驱动力系统功能安全开发；6.针对高级自动驾驶的数据采集以及感知原型开发系统；7.自动驾驶的硬件在环测试方案。课程回放链接：https://gdh.h5.xeknow.com/s/4mwJdF

直播间好评如潮！感谢各位讲师的辛勤付出！欢迎新老朋友们继续锁定我们的直播间，精彩课程不停！

我们本周的直播汇聚了汽车行业的专家大牛，有西门子、IBM、红帽、盖瑞特的四位讲师参与直播课程，当然还有我们虹科的三位高级工程师为您带来精彩内容。关注我们的公众号，获取每日直播链接。云课堂直播间：

https://appoQnsBKcp8067.h5.xiaoeknow.com/content_page/eyJ0eXBlIjozLCJyZXNvdXJjZV90eXBlIjo4LCJyZXNvdXJjZV9pZCI6IiIsInByb2R1Y3RfaWQiOiJwXzVmZTk4NzMwZTRiMDRkYjdjMDk3ODg4NiIsImFwcF9pZCI6ImFwcG9RbnNCS2NwODA2NyJ9

星期一：基于模型的自动驾驶汽车整体开发测试解决方案

课程简介：自动驾驶时代的到来，给汽车工业界带来巨大的挑战。自动驾驶系统的开发流程和环境必须确保产品性能稳定、可追溯、具备高可靠性。西门子工业软件的Simcenter产品组合和其中的PreScan仿真技术，构成虚拟和现实相结合的数字化双胞胎“Digital Twin”，在自动驾驶产品的软件、系统、车辆层面，从早期设计、优化迭代过程、到测试验证等各阶段提供基于模型的整体仿真设计工具和工程方法，共同应对技术挑战。

讲师简介：彭晶。西门子工业软件自动驾驶产品线经理。在汽车电控系统开发、 自动驾驶和智能网联系统的仿真开发和测试等领域具有丰富的工程和市场经验。

毕业于上海交通大学， 2015年开始在联合汽车电子有限公司负责汽车电控系统的开发和测试，从2017年开始，加入西门子工业软件，负责西门子工业软件自动驾驶产品线在大中华区的业务，为汽车业界提供便捷、安全、可靠的自动驾驶、智能网联、 汽车碰撞安全性能的仿真开发和测试技术。

星期二：基于MEMS的激光雷达技术

课程简介：

1、激光雷达特性与行业背景

2、基于MEMS的激光雷达技术

3、虹科固态激光雷达产品介绍

4、虹科固态激光雷达“开箱即用”

讲师简介：徐嘉隆。虹科高级技术工程师，熟悉激光雷达传感器的应用，多次参加国内激光雷达技术展示交流会，专注于为激光雷达应用提供优质解决方案。

星期三：优化开发、部署和管理汽车软件的软件解决方案

课程简介：

1、到底什么是“软件定义汽车”

2、“软件定义汽车”能给汽车行业带来什么

3、如何才能牢牢抓住这个机遇

4、虹科为您提供的解决方案

讲师简介：王艺臻。虹科车辆网络事业部高级工程师，具有Java软件开发、部署相关理论基础和应用经验，目前主要致力于为车载软件开发提供卓越解决方案、优化其部署，以及为主机厂和零部件厂商提供CAN、LIN总线测试的高效解决方案。

星期四：Red Hat OpenShift 4 - 构建基于PaaS的DevOps平台

课程简介：

1.容器云计算技术发展

2.OpenShift - 企业级容器云平台

3.OpenShift - 全能型混合云

4.OpenShift - DevOps加速业务创新

5.OpenShift - 管理化繁为简

6.OpenShift - 应用场景与客户案例

7.红帽的优势

8.常见问题解析

讲师简介：关泽发，红帽资深架构师，多年云计算从业与软件开发经验，专注于企业级容器使用、云原生开发、微服务设计与DevOps建设，曾就职于投资银行与公有云厂商。

星期五：端云协同的智能诊断和网络安全技术

课程简介：

讲师简介：沈康，目前担任盖瑞特（原霍尼韦尔交通事业部）车辆智能网联中国区技术经理，负责产品的本地化开发和创新，辐射亚太区域客户项目，参与了车辆健康管理产品的全球核心产品研发，并领导了全球领先客户的项目量产开发。

星期六：汽车行业高性能计算和存储平台

课程简介：

1.汽车行业对高性能计算和存储的需求

2.高性能计算平台介绍（计算平台架构、组件、特点）

3.高性能存储平台介绍（存储平台架构、组件、特点）

4.用户案例分享

讲师简介：舒光波，IBM HPC 工程师

2001年加入Platform Computing（2012被IBM收购）从事高性能调度软件开发、技术支持、方案设计和服务交付等工作，近年来也从事高性能存储的方案设计和服务交付。

服务过的客户包括CERN、三星电子、联发科、国家卫星气象中心、韩国气象局、上海超算、苏州超算、北方车辆、航天科工、新加坡ACRC等。

星期日：边缘计算与自动驾驶

课程简介：

1.边缘计算深刻理解

2.边缘计算前沿发展

3.边缘计算自动驾驶应用

4.虹科边缘计算方案

讲师简介：林家乐，虹科高级工程师，大连理工大学车辆工程硕士。7年以上自动驾驶项目理论基础及开发经验，熟悉自动驾驶边缘侧传感器的应用，曾多次参加国内外边缘计算专家培训及自动驾驶相关峰会，专注于为自动驾驶边缘计算应用提供优质解决方案。