浅析人工智能背景下无人驾驶的发展

学术研讨97浅析人工智能背景下

无人驾驶的发展◊南京邮电大学刘瑜

扬州大学刘苏

随着人工智能高速发展与应用，迎来以无 人驾驶为代表的智能技术时代。本文介绍了无 人驾驶发展现状，重点分析无人驾驶汽车的三 大核心模块和四个关键算法，最后总结了无人 驾驶存在的问题并展望无人驾驶发展方向。

近年来，人工智能已被提升到国家发展战略的高度。《新 一代人工智能发展规划》中指出，人工智能发展进入新阶段成 为国际竞争的新焦点。在此背景下无人驾驶作为未来汽车工业 的发展方向，是人工智能应用的主要场景。

无人驾驶是指通过给车辆装备智能软件和多种感应设备，实现车辆自主安全驾驶的新型智能化技术™。美国汽车工程学会 (SAE)将自动驾驶分为L0-L5六级，分别为无自动化、辅助驾 驶、部分自动化、有条件自动化、高度自动化和完全自动化。目前，L1和L2技术已相对成熟，L3技术即将量产，202碑将成为无人驾驶汽车落地的重要时间节点。为实现无人驾驶终极目 标L5级，业界有两种技术发展路径一是以特斯拉为首的汽车 制造商，以辅助驾驶为核心，从L0®过辅助驾驶系统不断升级 逐步过渡到L5;二是以谷歌为主的互联网公司，从L0直接跨度 到L4,在相对封闭的环境中实现无人驾驶，再向全环境全路况 的L5普及。

本文主要包括#部分，第一部分介绍无人驾驶的国内外发 展现状，第二部分分析无人驾驶的三大核心模块，第三部分研 究无人驾驶的四个关键算法，第四部分和第五部分总结了无人 驾驶存在问题并做出前景展望。

1无人驾驶发展现状

1.1国外发展现状

1950年代，开始无人驾驶车辆的研究。1956年，通用公司 发布世界上第一辆配备了汽车安全及自动导航系统的概念车；20世纪60、70^代，西方发达家将无人驾驶研究应用于军事领 域；20世纪90年代开始，技术的突破带动无人驾驶汽车的快速 发展；2004年，美国国防部主办了无人驾驶进程中最重要的挑 战赛，三届比赛对后来的技术发展产生了深远的影响；2009 年，Google为代表的各大公司陆续开始无人驾驶技术的研究，拉开了产业序幕。近年来，Google、Tesla、Uber等科技公司一 直不遗余力地开发无人驾驶技术。此后，大众、通用等传统汽 车公司也纷纷加入无人驾驶的研发中。

1.2国内发展现状

我国无人驾驶汽车研究开始较晚。198(阵，以国防科技大 学为主开始进行此方面的研究。2003年，国防科技大学完成无 人驾驶平台试验，标志着我国第一辆自主驾驶汽车的诞生。2006年，在东北亚的贸易博览会上，中国研发的无人驾驶汽车 在不封路的情况下，以8讼里每小时的速度自主行驶。2012年底，由军事交通学院研制的无人驾驶汽车成为我国第一辆官方 认证完成高速公路测试的无人驾驶智能汽车。近年来，国内的 BAT、华为等科技巨头正积极研发无人驾驶汽车。百度全力押

注人工智能，无人驾驶技术处于领先水平，更是在2018年发布 “Apollo计划”开放无人驾驶技术平台。阿里、华为则更多的 聚焦在汽车网賴面。

2无人驾驶核心模块

无人驾驶是一个集环境感知、决策规划、智能驾驶等功能 于一体的系统，主要分为三个核心模块：环境感知、高精度地 图和智能决策控制。环境感知模块为无人驾驶提供环境信息采 集与预处理。高精度地图模块为无人驾驶提供精确的定位与全 局路径规划。智能决策控制模块依据前两个模块提供的数据，自主产生合理驾驶决策，实时完戰动作删。

2.1环境感知

无人驾驶环境感知是实现自主行驶的基础和前提。由于复

杂的行车环境，无人驾驶汽车需要使用多种传感器融合技术来 克服单一传感器测量的不足，从而实现无人驾驶环境信息和车 身信息的采集与预处理™。目前车载传感器有摄像头、激光雷 达、毫米波雷达、超声波雷达和GPS等。

无人驾驶主要通过摄像头、激光雷达和毫米波雷达三大传 感器融合。摄像头为无人驾驶汽车提供重要的可视化数据，结 合图像识别技术的环境感知能快速识别车道、车辆、行人和交 通标志等。摄像头系统由摄像头模组、核心算法芯片以及软件 算法等软硬件组成。激光雷达通过发射激光束来探测目标位 置、速度等，进行车辆周围环境的3D建模并生成高精度地图以 及实时定位。毫米波雷达利用电磁波发射后遇到障碍物反射的 回波对其不断检测，计算出与周围障碍物的相对速度和距离。摄像头、激光雷达和毫米波雷达分别有各自的优缺点和应用范 围，如表1所示。

传感器优缺点应用

摄像头

成本低廉、数据可视化；三维信息获取困

难、受环境光限制比较大

车道线检车、障碍物检测、

交通标识识别（如车牌、

P艮速牌、红绿灯）

激光雷达

探测距离较远、三维信息获取准确、稳定

性高；成本较高、速度不敏感

路沿检测、障碍物识别、

定位以及地图的创建

毫米波雷达

测距测速精度高、穿透率强、耐候性好；

无法识别障碍物形态

障碍物测距、障碍物测速、

障碍物测角度

表1三种传感器的区别

98 為紅科技2018年•第6期

2.2高精度地图

高精度地图在无人驾驶的交互与决策中起着极为重要的作 用，提供路况信息、定位技术、3D建模和路径规划等功能。“高精度”，一方面是高精度地图的绝对坐标精度高，可以达 到厘米级；另一方面高精度地图所含有的道路交通动态信息更 加丰富、实时、细致。按逻辑结构将高精度地图划分为#层 次，从底到高分别为道路层、车道网络层、车道线层和交通标 志层' 高精度地图的采集和处理技术方案主要有专业化采集、众包和用户生产内容三种。目前高精度地图主要服务于L2/L3级 自动驾驶，随着人工智能的发展，自动驾驶级别增高，高精度 地图的作用也将越显著。高精度地图的成熟可以减少汽车对感 知设备的依赖程度，在降低成本的同时提升无人驾驶技术的可 靠性。

2.3智能决策控制

智能决策控制模块依据环境感知模块和高精度地图模块提 供的数据，将行为预测、路径规划以及避障机制三者结合起 来，实时完成无人驾驶动作规划[«。人工智能决策控制由路由寻 径、行为决策、动作规划和反馈控制四个方面组成，如图1所

图1智能决策控制模块組成

其中，环境感知和高精度地图定位属于前两个模块，行为 预测是结合物体和周边环境，对感知到的物体做出宏观的行为 预测。路由寻径属于全局路径规划，为无人驾驶提供方向性的 引导，确定依次需要通过的路段和区域，输出的结果严格依赖 于高精度地图的绘制。行为决策是汇集分析各种车辆周边信 息，做出行驶的决策；决策过程涉及多种理论方法，包括基于 规则的决策方法、基于马尔可夫理论决策方法、基于人工智能 的决策方法三类。动作规划是将行为决策的宏观指令解释成一 条带有时间信息的轨迹曲线，以使最底层的反馈控制进行对车 的实际操作。

3无人驾驶关键算法

无人驾驶决策算法应用于智能决策控制模块，既是无人驾 驶的核心也是人工智能应用的重要场景。无人驾驶包含4个关键 算法：车道线检测、局部路径规划、行人检测和障碍物检测。下面简要介绍朴算法的思想及代雜算法。

3.1车道线检测算法

针对路面标线检测的研究是实现车道偏离警告系统的关键 技术，利用机器视觉对车道线进行识别和跟踪是系统的重难 点。车道线检测算法的基本思想如下所示'首先二值化，即先 将BRG图转换为灰度图，再设定阈值变成二值化图像。然后 canny边缘检测，检测步骤如下：①用高斯滤波器平滑图像；②

用一阶偏导有限差分计算梯度幅值和方向；③对梯度幅值进行非极大值抑制；④用双阈值算法检测和连接边缘。最后霍夫直 线检测，得到多条直线段后融合成一条直线，即检测出的车道线。

3.2局部路径规划算法

路径规划包括从出发点到目的地的全程行驶路径和在行驶 过程中实时的局部路径«俨〇全局路径规划已经比较成熟，而 局部路径规划是当前研究热点。局部路径规划是指感知模块实 时对周围环境进行感知，当发现未知障碍时，局部规划器根据 这些感知到的信息，确定短期内运动的行为规划。当避障行为 的优先级高于沿原路径前进时，局部规划器通过竞争获得执行 系统的控制权，使得无人驾驶汽车按照局部规划的结果运动。完成对当前障碍物的规避行为后，全局规划器再次取得执行系 统的控制权，使得无人驾驶汽车重新回到全局规划路径上，继 续向目的地行驶。现有局部路径规划方法主要有人工势场法、RRT^；法、模型逻辑算法及神经网络算法等。

3.3行人检测算法

行人检测即判断输入的图像或视频序列中是否出现行人，并确定其位置，该技术广泛应用于智能车辆驾驶系统中。由于 行人兼具刚性和柔性物体的特性，外观易受穿着、尺度、遮 挡、姿态和视角等影响，所处场景易变，使得行人检测成为计 算机视觉领域研究的难点。行人检测算法有基于特征提取和基 于分类与定位的两种方法。基于特征提取的方法提取的特征有 目标的灰度、边缘、纹理、颜色、梯度等基本图像信息，其中 代表性的特征包括Haar小波特征、HOG#征、Edgelet特征等；基于分类与定位的方法中常用的分类器包括神经网络、SVM、adaboost以及深度学习。

3.4障碍物检测算法

车辆行驶道路上的障碍物检测是无人驾驶周围环境感知模 块中重要组成部分。根据传感器的不同对各类障碍物检测算法 进行分类，目前主要的障碍物检测算法[6有：基于立体视觉的检 测、基于激光雷达的检测、基于结构光的检测、基于彩色机器 视觉的检测和基于超声波的检测等等。其中，基于立体视觉的 障碍物检测是研究重点，其又分为双目立体视觉和三目立体视4无人驾驶存在问题

随着现代计算机信息技术的进步，推动着人工智能深入研 究，无人驾驶在此背景下得到迅速发展。机遇与挑战并存，无 人驾驶技术仍面临一些问题，主要表现为技术难点、成本太 高、侵犯隐私安全以及法律法规制定困难等m。首先，无人驾驶 新技术不够成熟，核心模块和关键算法不够健壮。虽然国内外 对无人驾驶的研究与试验都积累了一定的经验，但是考虑到其 安全性和应用性，无人驾驶技术可靠性需进一步论证。其次，成本太高，难以大批量生产。车载传感器和软件产品昂贵，降 低成本成为无人驾驶汽车普及的关键因素。接着，无人驾驶的 监管制度尚未建立，位置定位以及车辆控制等信息得不到有效 保障。最后，交通法规的修改甚至重新制定是一件艰巨的工 作，当发生交通事故可能触及人伦道德。

5无人驾驶前景展望

总体来看，无人驾驶汽车虽存在一些问题，但随着传感器 和人工智能技术的逐渐成熟，无人驾驶迎来了前所未有的新机 遇，发展空间大，前景相对乐观。今后可从以下（下转15页

）