自动驾驶四大核心技术的环境感知的详细概述

自动驾驶四大核心技术的环境感知的详细概述
人类驾驶员会根据行人的移动轨迹大概评估其下一步的位置，然后根据车速，计算出安全空间（路径规划），公交司机最擅长此道。

无人驾驶汽车同样要能做到。

要注意这是多个移动物体的轨迹的追踪与预测，难度比单一物体要高得多。

这就是环境感知，也是无人驾驶汽车最具难度的技术。

今天介绍一下环境感知的内容。

环境感知也被称为MODAT(Moving Object Detection andTracking)。

自动驾驶四大核心技术，分别是环境感知、精确定位、路径规划、线控执行。

环境感知是其中被研究最多的部分，不过基于视觉的环境感知是无法满足无人汽车自动驾驶要求的。

实际的无人驾驶汽车面对的路况远比实验室仿真或者试车场的情况要复杂很多，这就需要建立大量的数学方程。

而良好的规划必须建立对周边环境，尤其是动态环境的深刻理解。

环境感知主要包括三个方面，路面、静态物体和动态物体。

对于动态物体，不仅要检测还要对其轨迹进行追踪，并根据追踪结果，预测该物体下一步的轨迹（位置）。

这在市区，尤其中国市区必不可少，最典型场景就是北京五道口：如果你见到行人就停，那你就永远无法通过五道口，行人几乎是从不停歇地从车前走过。

人类驾驶员会根据行人的移动轨迹大概评估其下一步的位置，然后根据车速，计算出安全空间（路径规划），公交司机最擅长此道。

无人驾驶汽车同样要能做到。

要注意这是多个移动物体的轨迹的追踪与预测，难度比单一物体要高得多。

这就是 MODAT(Moving Object Detectionand Tracking)。

也是无人驾驶汽车最具难度的技术。

下图是一个典型的无人驾驶汽车环境感知框架：
这是基于激光雷达的环境感知模型，目前来说，搞视觉环境感知模型研究的人远多于激光雷达。

不过很遗憾地讲，在无人驾驶汽车这件事上，视觉肯定是不够的，长远来说，激光雷达配合毫米波雷达，再加上视觉环境感知的综合方案才能真正做到无人驾驶。

让我们来看计算机视觉的发展历程，神经网络的历史可追述到上世纪四十年代，曾经在八。